摘要目的:提出一种基于机器学习预测创伤性颈脊髓损伤(traumatic cervical spinal cord injury,TCSCI)患者神经功能状态的方法.方法:回顾性分析上海长征医院收治的180例TCSCI患者的临床资料,包括患者伤后24h内的颈椎MRI图像和美国脊髓损伤协会(American Spinal Injury Association,ASIA)评分及伤后1年随访时的ASIA评分.采用完全随机法将180例患者按8∶2的比例分为训练集144例和测试集36例.整体上,利用两阶段集成理念提出临床-影像预测新方法,即利用TCSCI伤后24h内的ASIA评分和MRI图像实现伤后1年时患者感觉和运动功能的全特征预测.第一阶段,采用GradentBoosting、GaussianNB、KNeighbors、Decision-Tree、RandomForest和support vector classifier模型分别独立预测132个皮节点和肌节点的感觉运动功能恢复情况.第二阶段,通过对性能指标的横向和纵向比较分别筛选出针对每个特征预测的最优模型,从而最后实现56个轻触觉皮节点、56个针刺觉皮节点和20个关键肌节点处的神经功能的最佳预后预测.构建的预测模型经训练和验证完成后,使用准确率、精确率、召回率、平均精度和F1值对测试集的预测进行评估.结果:从该预测模型在TCSCI患者伤后1年时感觉运动功能预测的整体表现来看,所有模型在测试集中预测的准确率均达到0.886以上,召回率达到0.845以上,精确率达到0.875以上,平均精度达到0.853以上,F1值达到0.859以上,说明各模型的正确预测能力和实际预测结果的质量和完整性都比较高.且两阶段预测模型能够实现各个模型对每个特征的预测效果的优选,预测性能更好.结论:感觉运动全特征预测方法可以有效预测TCSCI患者伤后1年随访时的神经功能恢复情况,其预测能力明显高于单一模型,有望为TCSCI患者的个性化诊疗和康复提供有益的借鉴.