背景：目前，评估颈动脉粥样硬化严重程度的主要临床方法仍然是测量血管腔狭窄程度。虽然临床试验证实重度狭窄患者（≥70%）可从颈动脉内膜切除术（CEA）或颈动脉支架植入术（CAS）中获益，但当狭窄程度降低（<70%）时，手术收益逐渐减弱。因此，尤其是轻至中度狭窄患者，更需要改进的风险分层方法，以预测未来缺血性事件的发生。放射组学除了识别粥样硬化成分相关特征之外，还能通过直接分析影像数据，有可能在传统方法基础上提供额外的信息价值。

本研究旨在评估如何将放射组学特征与斑块形态和成分特征相结合，以改善提升对颈动脉责任病变（culprit lesion）的识别。

方法：本研究使用了来自“中国动脉粥样硬化风险评估（CARE-II）”多中心临床试验的患者数据。CARE-II研究的主要目标是在卒中或短暂性脑缺血发作（TIA）患者中，评估颈动脉高风险斑块的特征及患病率。

本研究纳入了55名患有双侧颈动脉狭窄并经历短暂性脑缺血发作（TIA）或中风的患者（平均年龄：62.6岁，男性35人），所有患者在发病后两周内接受了MRI检查，扫描序列包括：3D TOF，T1 QIR，T2 MDIR，MPRAGE。

受试者特征

放射组学特征提取：基于 MRI 像素，使用 PyRadiomics 工具提取放射组学特征，分析的图像切片包含局部斑块负荷 ≥50% 的动脉粥样硬化病变。提取的特征类别包括：形状特征；一阶强度直方图统计；灰度共生矩阵（GLCM）特征；灰度运行长度矩阵（GLRLM）；灰度区域大小矩阵（GLSZM）；灰度依赖矩阵（GLDM）；以及邻近灰度差矩阵（NGTDM）。

联合模型由放射组学模型和传统风险特征组成，后者包括形态学和成分学指标。形态学指标包括：狭窄程度、最小短轴长度（MMAL）、最小管腔面积（MLA）、向内重塑指数（IRI）、向外重塑指数（ORI）、斑块负荷和斑块体积。成分学特征包括：钙化存在情况、钙化体积、斑块内出血（IPH）存在情况、IPH体积、富脂坏死核心（LRNC）存在情况及其体积。

结果：

与传统模型相比，放射组学特征模型下区分责任病变方面表现更好（AUC：0.805 ± 0.003 vs 0.689 ± 0.019，P = 0.031）。

放射组学特征与传统斑块形态和成分指标相结合，识别责任病变方面能力提升（曲线下面积AUC为0.819 ± 0.002）。

灰度共生矩阵（GLCM）、灰度依赖矩阵（GLDM）和灰度尺寸区域矩阵（GLSZM）等特征类型在识别可检测易损斑块的纹理方面尤其有用。

结论：MRI放射组学特征与斑块形态及成分参数相结合，在颈动脉粥样硬化的风险评估中展现出附加价值，有望提升对高风险缺血性脑血管事件个体的分层预测能力。