目的 基于机器学习算法评估急性穿支动脉闭塞性脑梗死预测模型并筛选优势模型, 为临床管理急性 穿支动脉梗死患者提供依据。方法 选取 441 例急性穿支动脉闭塞性脑梗死患者为研究对象, 排除临床信息不完整 10 例, 多次脑梗死患者 28 例, 共纳入 403 例。将结果变量分为预后良好组[改良 Rankin 量表 (mRS) 评分 0~2 分]和 预后不良组 (mRS 评分 >2 分) 。采用单、多因素 Logistic 回归 (LR) 以逐步回归法分析筛选预测变量。使用 LR、随 机森林 (RF) 、支持向量机 (SVM) 3 种机器学习算法构建功能预后预测模型, 在测试集中通过受试者操作特征 (ROC) 曲线的曲线下面积 (AUC) 、准确度、灵敏度、特异度等指标比较预测模型对患者发病 90 d 功能预后的预测价值。结 果 403 例患者中男性占 68.73%, 年龄 (60.4±11.4) 岁。从 44 个变量中选出 7 个变量作为预测变量, 分别为白细胞 计数、血小板计数、就诊时血糖、胆固醇、既往糖尿病病史、既往服用降糖药物史、既往吸烟史 (P 均 < 0.05) 。LR、 RF、SVM 预测预后的 AUC 分别为 0.610、0.690、0.780。结论 机器学习算法在预测急性穿支动脉闭塞性脑梗死中有 一定的预判能力。RF、SVM (非线性模型) 在预测模型中的表现优于传统 LR 模型 (线性模型) 。 [ABSTRACT FROM AUTHOR]