基于影像特征預測自發性腦出血血腫擴大的研究進展

馬凱倫，劉沖，湯若琪

(承德醫學院，河北 承德 071000)

0 引言

一般認為，出血是一個動態的過程[3]，血腫擴大發生的高發時間是發病后6小時，少數發生在6-24小時，24小時后幾乎不再出現血腫的擴大[4]。血腫擴大的尚無統一的判定標準但目前使用最多的是血腫增長量超過6mL，血腫增長比例超過33%[5]。有研究表明：血腫增加1mL，患者死亡或致殘率的風險增加5%，出血量每增加10%，死亡風險則增加5%[6]。20世紀70年代，Fisher提出了：“雪崩”模型，來闡述血腫擴大的生理機制。Mayer等觀察病理切片是發現：出血灶周圍散在多個小出血點，認為早期血腫擴大是由于血腫周圍多個部位的再出血造成的，再次印證了Fisher的血崩模型。但是明確的病理生理機制仍不十分清晰[7]。

1 基于CT平掃的影像特征

1.1 混雜征-反映CT血腫密度異質性的影像特征

混雜征在2016年由Li等人第一次提出，并將其定義為血腫由兩種界限明顯肉眼可鑒別的且CT值至少相差18HU的兩種密度區組成，另外相對低密度區未被高密度區完全包裹[8]。腦出血并非單一過程，而是由不同時期出血組成的多相病程，血腫中不同的CT值就反映了出血的不同時期。當有新鮮活動性出血時，表現為低衰減狀態即低密度區，隨著時間推移當血液發生凝固變為血凝塊時即表現為高衰減狀態即高密度區，不同出血時間的血液混雜在一起時便形成了混雜征[9]。Li等研究發現混合征預測血腫擴大具有較高的準確性，其敏感度為39.3%，特異度為95.5%，陽性預測值為82.7%，陰性預測值為74.1%[8]。閔曉黎的研究中混雜征的敏感度為35.7%，特異度為87.7%，陽性預測值為55.6%，陰性預測值為73.9，各值均低于Li的研究結果但是卻高于同一隊列的斑點征準確性，說明了混雜征仍舊是具有良好預測價值的影像特征[10]。也有研究顯示混雜征也是神經功能惡化及不良預后的可靠的獨立危險因素[11]。

1.2 黑洞征-反映血腫密度異質性的影像特征

黑洞征是Li等在2016年提出混雜征之后又提出的一個新型的預測血腫擴大的影像特征。其定義為圓形、卵圓形或棒狀的低密度區包含在高密度血腫中，兩者有非常清晰的界限且兩者的CT值至少相差28HU。混雜征和黑洞征都反映了血腫密度的不均，也間接的反映了不同的出血的期相。研究[8]表明黑洞征的與血腫擴大相關，其敏感度為43.8%，特異度為84.5%，陽性預測值為48.2%，陰性預測值為82.0%。在一項156例腦出血患者的研究中，黑洞征預測血腫擴大的敏感度為52.7%，特異度為87.1%，陽性預測值為69.0%，陰性預測值為77.2%[12]。與楊文松等的前瞻性研究具有相似的預測價值，并且提出了混雜征聯合黑洞征對于血腫擴大的預測能力高于單一特征的預測能力[1]。從這些數據中我們可以看出混雜征及黑洞征的敏感度偏低，但是特異度卻很高，可能是因為對于這些特征存在與否的判定具有一定主觀性和這些研究的樣本量偏小造成了一定的誤差。

1.3 衛星征-反映血腫形態不規則的影像特征

衛星征是由Shimoda等人在2017年提出的預測血腫擴大的獨立危險因素。其定義為：①至少在一層CT平掃影像上出現小血腫與主血腫完全分離，且小血腫的直徑＜10mm；②小血腫與主血腫之間的距離最短為1-20mm；③腦室內出血和蛛網膜下腔出血非衛星征。Shimoda認為在血腫周圍會發生代謝改變與缺血缺氧作用，這些會導致細胞毒性反應，進而發生細胞壞死，血腦屏障破壞，最終導致血腫周圍的再出血即衛星征，當相鄰血管完整性也進一步受到損傷時，便發生了“雪崩模型”也就導致血腫的擴大[14]。然而，這一假設需要今后的研究進一步驗證。在于志遠等人的研究中衛星征是自發性腦出血血腫擴大的獨立預測指標，其靈敏度、特異度及AUC曲線下面積分別為59.5%、68.9%及0.642。它證明衛星征與較大的血腫體積、存在較大的腦室內血腫和出血發生在幕上有關[15]。Barras等人研究中使用5點量表法來評價血腫的不規則形狀，并按血腫形態和密度將其分為5型，CT平掃下血腫形態規則，密度均勻，血腫不易擴大，反之血腫形態不規則，密度不均勻，則容易發生血腫擴大[16]。在Blacquiere等人的研究中并未確定形狀不規則與血腫擴大之間的顯著關聯[17]，導致結果不一致的原因可能是由于血腫形狀不規則的模糊定義引起的，而衛星征的定義簡單清晰明確且已被證實為預測血腫擴大的獨立危險因素。

1.4 島征-反映血腫形態不規則的影像特征

Li在2017年提出了島征，以描述血腫周圍邊緣極度不規則的形態，并將其定位為：①存在≥3個分散的小血腫并且全部與主血腫分離；②存在≥4個小血腫，部分或全部與主血腫相連。這些小血腫呈圓形或者橢圓形，部分小血腫與主血腫相連表現為氣泡樣或者出芽狀。島征形成的原因可能是隨著血腫的擴大，導致鄰近小動脈發生扭曲損害，引起主血腫周圍的小島出現，也可能是因為幾個破裂的動脈有多灶性的活動出血。其更易發生在患有高血壓動脈硬化的血管上，因為這些血管的彈性較差，張力小，抵抗力差，當發生出血時自身回縮壓迫止血的能力也較弱。島征預測血腫擴大的敏感度、特異度、陽性預測值及陰性預測值分別為44.7%、98.2%、92.7%以及77.7%[18]。在一項156例急性自發性腦出血患者的研究中對比了島征和黑洞征對血腫擴大的預測價值，島征和黑洞征預測血腫擴大的敏感度、特異度、陽性預測值、陰性預測值及曲線下面積分別為67.3%、89.1%、77.1%、83.3%以及0.782和52.7%、87.1%、69.0%、77.2%以及0.699。結果證明了島征及黑洞征均可作為預測血腫擴大的危險因素，但是島征的預測價值要優于黑洞征[19]。目前島征的發生機制尚不清晰，仍需要我們進一步的研究去探索。

2 基于增強CT的影像特征

2.1 斑點征是Wada在2007年提出的預測血腫擴大和預后不良的重要因素

其定義為血腫內可見單一或多發的點狀或線狀增強密度影。其預測血腫擴大的原理是：破裂的血管壁未完全修復穩固繼續出血，導致造影劑外溢，在影像上即表現為高衰減值。其敏感度、特異性、陽性預測值和陰性預測值為51%、85%、61%和78%[20]。Demchuk等研究結果與Li的結果相似，其敏感度為51%，特異度為85%，陽性預測值為61%，陰性預測值為78%[21]。其有研究顯示，CTA的各期斑點征的表現不同，隨著掃描時間的延長，斑點征的發生率也越高，尤其是在延遲期斑點征發生率極高，獲得了美國相關指南的推薦[22]。在一項Meta分析中證實了斑點征是血腫擴大有力的預測因子。而混雜征也被證實與斑點征有良好的相關性，這也間接為斑點征預測血腫擴大提供了依據[23]。斑點征卻不是所有的醫療機構都有條件進行CTA的檢查，另外CTA檢查價格較高，時間較長，一些肝腎功能不全、造影劑過敏及危重癥患者相對不耐受，以上導致了斑點征雖然預測價值很高，卻難以大范圍開展，也不能作為腦出血患者首選檢查的原因[24]。

2.2 滲漏征由Orito在2016年提出的預測血腫擴大的獨立危險因子

其陽性定義為：每例自發性腦出血患者均完成兩次CTA掃描，分別為CTA期和延遲期(CTA期后5min)設定直徑為10mm的感興趣區，并計算其CT值，延遲期感興趣內CT值較CTA期增加10%的現象定義為滲漏征，滲漏征可以說是對斑點征的一種改良，發生機制相似，也是血管破裂再出血造影劑的外溢所致。滲漏征對預測血腫擴大的敏感度及特異性分別為93.3%及88.9%[25]，均高于點征的敏感度(77.8%)及特異性(73.8%)。CTA不僅可以預測血腫擴大外，還能發現顱內血管病變，如動靜脈畸形，動脈瘤等，隨著掃描時間的延遲一些腦內腫瘤也有可能顯現，如轉移瘤等[26]，雖然滲漏征的預測腦出血血腫擴大的準確性極高，但是滲漏征同樣也具有斑點征費用昂貴，肝腎功能不全，碘造影劑過敏等禁忌癥，且要進行兩次CTA的掃描使患者接受的輻射劑量更高，所以滲漏征在臨床工作中很少使用，且對延遲時間尚未有明確標準，因此還需進一步探討來確定標準的延遲時間。

3 影像組學

與傳統影像學預測血腫擴大主要依靠醫師的經驗和人眼提取的特征進行主觀判斷不同，影像組學是對圖像特征進行深度挖掘而得到的高通量數據然后進行定量分析、描述的一種新興技術。影像組學提取的這些高維紋理特征如：強度、小波、灰度矩陣等是人眼無法看到的，人腦也無法加工的，且這些特征含有基因、蛋白等微觀信息。當前影像組學在腫瘤診斷、分類、預后、預測和治療效果方面已貢獻顯著，近兩年影像組學也被應用在腦出血領域，研究通過構建模型來量化血腫的異質性從而推斷血腫是否擴大。Li等人在167例腦出血患者的圖像中共獲得了1227個紋理特征，經過特征篩選之后，剩下4個特征，用23種算法一對一地構建模型，再使用5倍方法對模型進行交叉驗證，最終線性支持向量分類器構建的預測模型顯示了最高的準確性(72.6%)，其敏感度、特異度、陽性預測值、陰性預測值、FI得分及曲線下面分別為71.7%、73.6%、73.6%、74.1%、0.714及0.729[27]。楊俊等人通過對212例患者的圖像進行影像組學的特征提取和篩選，共得到18個特征，并結合了SVM構建了預測模型，其模型的敏感度、特異度和ROC曲線下面積分別為92.5%、83.5%和0.928。李惠等人通過紋理分析得到基于GLRLM算法的特征值LRLG明LRLGE可以作為早期血腫擴大的預測因子[28]。

4 小結

綜上所述，本文通過介紹基于平掃CT，增強CT及影像組學得到的預測因子，來幫助臨床及時采取適當的干預措施，減小血腫擴大風險從而改善患者的預后。但是這些預測因子都具有各自的有點及局限性，需要我們結合實際情況綜合考慮去判斷，也需要我們進一步的研究去找到更好的預測血腫擴大的方法和特征。