CT 成像特征对急性大血管闭塞性缺血性脑卒中机械取栓后出血转化风险的预测价值研究

为探究 CT 成像特征对急性大血管闭塞性缺血性脑卒中（AIS-LVO）机械取栓后出血转化（HT）风险的预测价值，研究发现相关影响因素并构建模型，为临床提供参考。

　　急性缺血性脑卒中（Acute Ischemic Stroke，AIS）就像脑血管里的 “不速之客”，尤其是大血管闭塞性（Large Vessel Occlusion，LVO）的急性缺血性脑卒中，更是来势汹汹。它是由于前循环大血管（如颈内动脉、大脑中动脉等）突然堵塞，导致脑组织缺血缺氧，严重时会坏死。这一疾病的病因复杂，像动脉粥样硬化、血栓形成、血管炎等，还有高血压、糖尿病、高血脂这些常见的基础疾病，也会悄悄增加患病风险。据统计，大血管闭塞引发的脑梗死占缺血性脑卒中的 30% 左右，半数以上的患者患病后生活不能自理，甚至失去生命，严重影响着患者的健康和生活质量。

机械取栓作为治疗 AIS-LVO 的 “救星”，通过导管将特殊的取栓装置送到血栓处，直接把血栓取出来，恢复血管通畅。它创伤小、恢复快、疗效显著，已经成为治疗 AIS-LVO 的标准方法，不仅延长了治疗时间窗，还提高了血管再通率。然而，机械取栓也并非十全十美，研究发现它比单纯药物治疗更容易引发术后并发症，其中出血转化（Hemorrhagic Transformation，HT）最为棘手。HT 指的是在脑梗死的基础上，治疗过程中血管再通或再灌注导致原本梗死区域出血，这严重影响治疗效果，增加患者死亡风险。因此，准确预测 HT 风险，对制定个性化治疗方案、改善患者预后至关重要。

CT 成像作为急性脑梗死常见的诊断方法，能提供梗死部位、大小、形状等信息，还能评估脑血管状况，包括组织灌注、侧支循环和脑水肿等。但 CT 成像特征能否预测 AIS-LVO 机械取栓后 HT 风险，一直是医学领域的未解之谜。为了揭开这个谜底，西安交通大学附属 3201 医院神经外科的研究人员开展了一项研究，相关成果发表在《BioMedical Engineering OnLine》上。

研究人员选取了 2021 年 8 月至 2023 年 5 月在医院就诊的 135 例 AIS-LVO 患者，回顾性分析他们的临床数据。所有患者都接受了机械取栓治疗，并根据取栓后 24 小时内是否发生 HT 分为 HT 组（n=27）和非 HT 组（n=108）。研究主要采用了以下关键技术方法：一是通过 CT 检查，利用 Ingenuity Core128 CT 扫描仪对患者进行扫描，检测对比剂渗出、脑血流（Cerebral Blood Flow，CBF）、达峰时间（Time to Peak，TTP）等指标，同时观察 CT 分类和大脑中动脉高密度征（Hyperdense Middle Cerebral Artery Sign，HMCAS）等情况；二是收集患者基本临床数据，如性别、年龄、病史、术前血压、美国国立卫生研究院卒中量表（National Institute of Health Stroke Scale，NIHSS）评分等；三是运用统计分析软件 SPSS 24.0 进行数据分析，包括独立样本 t 检验、卡方检验、逻辑回归分析等，还通过建立受试者工作特征（Receiver Operating Characteristic，ROC）曲线评估模型预测价值。

研究结果如下：

1. 临床数据分析：HT 组和非 HT 组在性别、高血压病史、糖尿病病史、吸烟史、取栓次数、年龄、血压、淋巴细胞（LY）、血红蛋白（Hb）、同型半胱氨酸（Hcy）、肌酐（Cre）水平等方面没有显著差异。但 HT 组房颤病史比例、术前 NIHSS 评分、半乳糖凝集素 - 3（Galectin-3，Gal-3）水平明显更高，这表明房颤、术前较高的 NIHSS 评分以及 Gal-3 水平升高可能是促进术后 HT 发生的重要因素。
2. CT 图像分析：HT 患者的 CT 图像呈现高密度影，与周围正常脑组织形成鲜明对比，还会出现脑组织受压、移位或脑室变形等情况。对比两组 CT 成像特征，发现 HT 组对比剂渗出、HMCAS 比例显著增加，TTP 明显延长，CBF 显著降低，而两组在 CT 类型和平均通过时间（Mean Transit Time，MTT）水平上无显著差异。这说明血管壁潜在损伤、颈动脉血流受阻与 HT 发生密切相关。
3. 多因素分析及模型建立：通过逻辑回归分析确定，房颤病史、术前 NIHSS 评分、Gal-3、对比剂渗出、HMCAS、TTP 和 CBF 是 AIS-LVO 机械取栓术后 HT 的影响因素。基于这些因素，研究人员建立了预测模型：Logit (P) = ?3.520 + 1.529× 房颤病史 + 0.968× 术前 NIHSS 评分 + 0.806×Gal-3 + 1.134× 对比剂渗出 + 2.146×HMCAS + 0.684×TTP—0.725×CBF。该模型预测 AIS-LVO 机械取栓后 HT 的曲线下面积（Area Under Curve，AUC）为 0.873，灵敏度为 78.75%，特异性为 83.33%，预测效果良好。
4. CT 成像特征诊断价值分析：单独检测 TTP 和 CBF 预测 HT 的 AUC 分别为 0.728 和 0.736，联合检测时 AUC 提升至 0.783，表明联合检测对 AIS-LVO 患者机械取栓后 HT 风险的预测更准确。

研究结论和讨论部分指出，房颤病史、术前 NIHSS 评分、Gal-3 水平、对比剂渗出、HMCAS、TTP 延长和 CBF 降低都是 AIS-LVO 患者机械取栓后 HT 的重要影响因素。通过构建逻辑预测模型，实现了对机械取栓后 HT 风险的有效评估。同时，CT 成像特征中 TTP 和 CBF 的联合检测对 HT 有一定诊断价值。这一研究成果为临床决策提供了有力支持，医生可以通过早期识别高风险患者，采取优化治疗时机、调整抗血小板和抗凝治疗方案、控制对比剂用量等预防措施，降低 HT 发生率，改善患者预后，为 AIS-LVO 患者的治疗带来了新的希望和方向。