近日，副院长、医学影像科李小虎教授团队在Nature旗下国际知名期刊《npj数字医学（npj Digital Medicine）》（中科院一区Top，IF = 15.1）发表题为“入院后3天内使用术前/术后平扫CT预测蛛网膜下腔出血的功能结局（Prediction of functional outcomes in aneurysmal subarachnoid hemorrhage using pre-/postoperative noncontrast CT within 3 days of admission）”的原创性论著。我院博士研究生殷鹏展为论文第一作者，李小虎教授为论文通讯作者，皖南医学院青年教师王家琦为共同第一作者，弋矶山医院影像科周运锋主任为共同通讯作者，我院为第一完成单位和通讯作者单位。

动脉瘤性蛛网膜下腔出血（aSAH）是一种严重的脑血管疾病，具有极高的致死率和致残率。临床实践中，患者的长期功能预后不仅受动脉瘤破裂时的早期脑损伤影响，还受到迟发性脑缺血（DCI）、慢性脑积水（CH）等院内并发症的显著影响。如何在患者入院早期（尤其是3天内）准确预测预后，对临床治疗方案制定、重症监护安排以及康复资源合理配置具有重要意义。然而，现有的 WFNS 评分、Hunt-Hess分级和改良Fisher分级等传统临床工具往往受主观性限制，预测能力有限。

研究团队创新性提出融合术前CT平扫影像与术后1–3天CT平扫影像，并结合临床信息，构建了五类深度学习预测模型（术前模型、术后模型、影像堆叠模型、临床模型和融合模型），并在多中心外部数据上进行了系统验证，成功实现了对aSAH患者预后的精准预测，为临床早期干预和个性化治疗方案的制定提供了强有力的决策支持。

该研究首次提出了基于多时相CT 影像与临床变量的融合预测框架，验证了其在早期病程管理中的临床应用价值，有望为 aSAH 患者的个体化预后评估、ICU监护决策和康复方案制定提供智能化支持。本研究突破单一影像或临床数据局限，通过 “3D Resnet模型提取影像特征结合SVR整合多模态数据”，既保留平扫CT图像对出血、水肿等病变的敏感识别，又纳入Hunt-Hess评分等临床核心指标，实现了“影像-临床” 互补。进一步的亚组分析显示，该模型在有无 DCI 或 CH 的患者中均保持了稳定的预测性能，提示该模型并不依赖于这些院内并发症的发生与诊断，仅依托入院及早期 CT 影像与常规临床资料即可完成精准预后预测，真正满足临床早期决策的需求，提高了预测方法的普适性和临床转化价值。

研究获得安徽省自然科学基金、安徽省教育厅自然科学基金的资助。我院首席专家余永强教授、江淮名医刘斌教授也为该项目研究作出了重要贡献。

论文链接：https://www.nature.com/articles/s41746-025-01953-z

供稿/医学影像科

编辑/党委宣传部 赵丽媛