目的:本研究探讨基于头颅CT影像组学特征及临床特征,预测无症状腔隙性梗死(silent lacunar infarction,SLI)患者发生症状性脑梗死的风险。方法:本研究中共纳入148例SLI患者,并提取了其基线头颅CT的影像组学特征。利用LASSO回归法对所有的影像特征进行降维分析和筛选,获得与预后相关的影像特征。然后,基于关键的临床预后因素建立模型ModelC,基于影像特征建立模型ModelR,以及基于临床因素和影像组学特征建立模型ModelCR。在训练和验证集中,采用Kaplan-Meier生存分析对三种模型的预测性能进行对比估测。此外,本研究还运用了预测诺模图和校正曲线对模型的预测能力进一步进行验证。结果:影像组学特征、年龄、血脂异常和多发性腔隙性梗死灶与未来缺血性卒中的发生是独立相关的(P<0.01,P=0.09,P=0.03,P=0.02)。模型ModelCR在三种模型中预测效能最优,训练集中6、12、18个月的曲线下面积AUC分别为0.84、0.81和0.79,而验证集中6、12、18个月的曲线下面积AUC则分别为0.79、0.88和0.75。模型ModelCR中综合评分小于0.17的患者未来发生缺血性脑卒中风险更低。预测诺模图在训练集以及验证集中的内部验证的一致性指数(C-index值)分别为0.7864(95%CI:0.70–0.86)、0.7140(95%CI:0.59–0.83),证实了模型预测准确性良好。结论:基于基线头颅CT图像的影像组学分析提供了一种新的、可靠的预测方法,从而预测了SLI患者未来缺血性卒中的发生风险。高龄、合并血脂异常和(或)合并多发性腔隙性梗死灶的SLI患者未来发生缺血性卒中的风险较高,在临床实践中需要密切监测,并且必要时可予以相关干预及强化治疗措施。