探讨基于ADC图的影像组学模型在急性缺血性脑卒中（AIS）患者缺血半暗带（IP）判断中的价值。
方法回顾性分析南通市第一人民医院2014年1月至2019年10月发病在24 h内的大脑前循环AIS患者241例。所有患者均接受常规T1WI、T2WI、DWI及动态磁敏感对比增强磁共振灌注成像（DSC-PWI）。以PWI-DWI错配模型作为判断IP是否存在的金标准，将患者分为存在IP（即存在PWI-DWI错配）患者（84例），不存在IP（即不存在PWI-DWI错配）患者（157例）。分别由两名医师在AIS患者ADC图像上病灶最大层面对ADC低信号区域及周围区域进行ROI的勾画，将图像导入AK分析软件，进行影像组学特征提取。先采用组间相关系数筛选出一致性较高的特征，再采用最大相关最小冗余（mRMR）及最小绝对收缩与选择算子算法（Lasso）回归分析对特征进行筛选，然后用所选特征构建各自的影像组学评分模型。采用ROC曲线对模型的性能进行评估，并采用Delong检验对两组模型的ROC曲线下面积（AUC）进行比较。
结果经过筛选，12个特征（LongRunLowGreyLevelEmphasis_angle135_offset7、LongRunLowGreyLevelEmphasis_AllDirection_offset7、GLCMEntropy_AllDirection_offset4_SD、GLCMEnergy_angle45_offset1、ColGE_W11B25_16、ColGE_W11B25_24、HaraEntropy、SurfaceVolumeRatio、Sphericity、Quantile0.025、uniformity、Percentile75）用于构建基于ADC图低信号区域的影像组学模型，训练集中AUC为0.900，灵敏度、特异度、准确度分别为84.5%、81.4%、83.4%；验证集中AUC为0.870，灵敏度、特异度、准确度分别为80.9%、84.0%、81.9%。11个特征（RunLengthNonuniformity_AllDirection_offset1_SD、ShortRunLowGreyLevelEmphasis_angle45_offset1、HighGreyLevelRunEmphasis_AllDirection_offset1_SD、ShortRunLowGreyLevelEmphasis_AllDirection_offset7、HaralickCorrelation_AllDirection_offset4_SD、ClusterShade_angle45_offset7、InverseDifferenceMoment_AllDirection_offset7_SD、ColGE_W3B20_0、sumAverage、SurfaceVolumeRatio、VolumeMM）用于构建基于ADC图病灶周围区域的影像组学模型，训练集中AUC为0.820，灵敏度、特异度、准确度分别为80.5%、80.2%、80.4%；验证集中AUC为0.800，灵敏度、特异度、准确度分别为78.7%、80.0%、79.2%。基于ADC图低信号区域的影像组学模型的AUC大于基于ADC图病灶周围区域的影像组学模型（训练集：Z=3.017，P=0.003；验证集：Z=0.604，P=0.002）。
结论基于ADC图的影像组学模型在判断缺血半暗带时有较好的诊断效能。