摘要
目的：自发性（非创伤性）脑内出血（sICH）与高死亡率和高发病率密切相关。随着sICH发病率不断上升，脑部计算机断层扫描（CT）显示的血肿体积和出血位置对预后判断至关重要。目前sICH患者的CT扫描已采用人工智能（AI）辅助程序进行分析，这些程序可提供出血类型、体积和位置的精确数据。本研究旨在评估AI辅助血肿体积测量的可靠性、测量体积对QTc间期的影响，以及这些参数对预测sICH患者死亡率的临床价值。
材料与方法：本研究设计为回顾性单中心队列研究。CT图像上的血肿体积通过Hevi AI的人工智能算法进行计算。QTc值采用Bazett公式计算，并根据患者1周和1个月的死亡率进行分组统计分析。
结果：研究共纳入85名确诊sICH的患者，平均年龄为62.9±14.6岁。年龄与1个月死亡率之间未观察到显著关联（p=0.890）。大体积血肿、低格拉斯哥昏迷评分（GCS）和QTc间期延长与1周死亡率显著相关（p<0.001）。血肿体积与GCS呈中至高度显著负相关（r=-0.755，p<0.001），与QTc呈中度显著正相关（r=0.477，p<0.001）。Cox回归分析显示，大体积血肿和低GCS水平显著增加1周死亡率风险（p=0.001，风险比=1.018，置信区间[CI]=1.008–1.029；p=0.020，HR=0.852，CI=0.745–0.975）。
结论：AI辅助测量的大体积血肿和低GCS水平是预测1周死亡率的重要预后指标，尤其适用于急诊和重症监护环境中的风险分层。
关键词：人工智能；血肿体积；死亡率；QTc间期；自发性（非创伤性）脑内出血
【全文结束】