目的 探讨头颅CT灌注成像(CTP)参数联合甘油三酯-葡萄糖(TyG)指数、中性粒细胞与淋巴细胞比值(NLR)在急性缺血性卒中(AIS)患者静脉溶栓疗效评估中的价值,并基于XGBoost算法构建预测模型。 方法 回顾性选取2023年2月至2025年10月合肥市第一人民医院收治的接受静脉溶栓治疗的AIS患者140例。根据溶栓治疗7天后的NIHSS评分变化率将患者分为有效组( n=90)和无效组( n=50)。收集患者基线临床资料及CTP参数(CBV、CBF、MTT、TTP)。采用LASSO回归筛选特征变量,基于XGBoost算法构建溶栓疗效预测模型,并通过SHAP算法对模型特征重要性进行解释。 结果 LASSO回归筛选出6个关键预测变量:NLR、TyG、TTP、CBV、CBF、MTT。XGBoost模型在训练集和验证集中的AUC分别为0.900(95%CI:0.844~0.957)和0.868(95%CI:0.784~0.951),显示出优异的区分度。校准曲线和临床决策曲线(DCA)表明模型具有良好的校准度和临床实用价值。SHAP分析显示,特征重要性排名前六位依次为:MTT、TyG、TTP、NLR、CBV、CBF。 结论 基于CT灌注参数联合TyG、NLR指标建立的XGBoost构建的机器学习模型在早期AIS患者静脉溶栓疗效上显示出一定的预测价值,旨在为临床治疗AIS提供参考。