CTA定量分析對急性腦梗死患者溶栓治療療效的預測價值＊

朱明成顏 龍沈 偉孫井來,*

1.江蘇省淮安市洪澤區人民醫院影像科 (江蘇 淮安 223400)

2.上海市飛利浦醫療保健(上海 310000)

隨著經濟持續、穩定、健康發展，我國居民的生活質量越來越高，預期壽命也越來越長，一步一步進入老年化社會，臨床上腦卒中的發病率、致殘率及致死率也逐漸升高，其中缺血性腦卒中的占比最大。2013年一個全國多中心的近50萬樣本的調查研究提示缺血性腦卒中約占77.8%[1]。急性缺血性腦卒中是多種原因導致的腦組織缺血缺氧壞死。發生急性缺血性腦卒中后，即使經過住院治療后，仍有可能留下不同程度的后遺癥，甚至死亡，及時判斷病人的預后情況，對臨床治療有重要的指導作用[2-4]。研究表明，顱內側支循環異常為缺血性卒中事件的獨立預測因子[5]，側支循環的建立和評估對急性缺血性卒中患者的預后有巨大價值[6]。由于影像學檢查技術和人工智能技術的發展，使得對急性缺血性卒中患者腦血管的血供情況進行全面定量化評估成為現實，也為更精細化的預后預測模型提供了可能性，這些都對急性缺血性卒中的臨床診斷和治療方案精準化發展提供可能[7-8]。本文旨在分析定量的CT血管成像(CTA)和其他臨床指標對急性缺血性梗塞患者溶栓治療療效預測的價值。

1 資料與方法

1.1 一般資料回顧分析本院選取2019年1月-2022年4月在洪澤區人民醫院就診的85例急性腦梗死病人為研究對象。研究對象年齡范圍為39.0-93.0歲，均數為69.4±11.24歲。其中女性27例(31.8%)。納排標準如下：

納入標準：所有患者年齡≥18歲；均經臨床聯合影像學檢查確診為急性腦梗死患者；發病24h內均接受溶栓治療；相關臨床資料完整；溶栓前CTA圖像完整。排除標準：患者入院 CT 提示顱內出血；既往因中到大面積腦梗死而入院且有明確的臨床診斷；存在嚴重的肝腎功能不全、心功能不全等嚴重疾病；入院后無法行 CTA 檢查或圖像質量不佳；缺乏完整的隨訪資料。

1.2 方法

1.2.1 CTA檢查 檢查設備為飛利浦Brilliance ICT。在檢查前排除患者隨身攜帶金屬異物。患者仰臥位，頭先進。選取顱頸CTA序列進行掃描，顱頸部均覆蓋在掃描范圍內。管電壓為100kv，掃描層厚為0.625mm，層距為0.625mm，螺距為1.375:1，掃描矩陣為512×512。首先進行頭顱CT平掃，隨后使用高壓注射泵經肘靜脈注入造影劑碘海醇進行增強掃描。掃描完成后，利用數坤AI平臺V1.11.11進行圖像后處理，由診斷醫師針對掃描圖像進行閱片和診斷。

1.2.2 側枝循環評估 使用區域軟腦膜側支循環評分(rLMC)進行側支循環評估。主要評價前循環供血區側支循環，包括大腦前動脈供血區、基底節區、外側裂區，以及ASPECTS評價區域中的大腦中動脈供血區M1-M6區。0分表示無側支代償；1分表示患側側支代償血流灌注低于健側；2分表示患側側支代償血流灌注與健側大致相同甚至高于健側；其中，外側裂區采用0、2和4分的評分方法，其他區域均采用0-2分的評估方法。rLMC總分共計20分，評分越高表示側支循環越好[9]。

1.3 觀察指標患者臨床指標包括患者確診年齡、性別、既往史(高血壓、糖尿病、高脂血癥、冠心病和卒中或短暫性腦缺血患病史)、發病到CTA時間、發病到溶栓時間、入院美國國立衛生研究院卒中量表(NIHSS)評分、入院rLMC評分、入院改良Ranking量表(mRS)等。NIHSS評分總分40分，分值越高說明神經功能損傷越大，≤1分為正常，≥2分為存在神經損傷[10]。mRS評分總分6分，得分越高表示狀況越差。

1.4 AI軟件用于CTA評估腦血管狹窄程度將患者的圖像數據導入數坤冠脈AI輔助系統V1.11.11平臺，選擇cerebral算法，觀察重建圖像確保滿足診斷要求，隨后即可導出血管狹窄程度評估結果(雙側頸內動脈，雙側椎動脈，基底動脈，雙側大腦前、中、后動脈)，顯示各個血管最狹窄出的狹窄占比。平均狹窄占比為各個血管狹窄占比的平均值。如有血管狹窄程度≥70%，則計入狹窄血管數量。

1.5 統計分析用均數±標準差描述總體符合正態分布的變量，用中位數(四分位間距)描述總體不符合正態分布的變量，用頻數(百分比)描述分類變量。分別用t檢驗、卡方檢驗、秩和檢驗比較不同分組間的差異。以溶栓治療前的臨床特征為自變量，利用隨機森林構建溶栓治療15天后的NIHSS評分。利用留一法進行內部交叉驗證，用ROC曲線和ROC曲線下面積(AUC值)評估預測模型的效能。采用SPSS 13.0和R軟件(Version 4.2.1)進行統計分析，雙側檢驗P＜0.05表示差異有統計學意義。

2 分析結果

2.1 預后良好組和不良組的單因素分析選取2019年1月到2022年3月在我院就診的85例急性腦梗死病人為研究對象，年齡范圍為39.0-93.0歲，均數為69.4±11.24歲。其中女性27例(31.8%)。溶栓治療15天后29例患者NIHSS評分顯示預后不良(NIHSS≥2分)，占比為34.1%。

單因素分析結果顯示冠心病、入院NIHSS評分、入院mRS評分、rLMC評分在預后良好組和不良組之間差異有統計學意義。其中良好組冠心病發生率為0%，低于不良組的10.3%；良好組的入院NIHSS評分為5(3-8)分，低于不良組的9(6-14)分；良好組的入院mRS評分低于不良組；良好組的rLMC評分為19(18-20)，高于不良組的13(9-19)。

2.2 預后預測模型建立利用隨機森林模型，以預后情況(良好組和不良組)為結局變量，治療前的臨床因素為自變量，建立預測模型。根據模型數據的Mean Decrease Gini對自變量進行重要性排名，其中排名前七的變量分別為：rLMC評分、入院NIHSS評分、平均狹窄占比、確診年齡、發病到CTA的時間、入院mRS評分、發病到溶栓的時間。(見表2)

表1 一般情況描述分析

表2 隨機森林模型中各變量的重要性排名

根據單因素分析結果和臨床實踐的經驗考量，最終選擇rLMC評分、入院NIHSS評分、平均狹窄占比、確診年齡四個變量納入模型，建立預后評估的組合模型。采用留一法進行模型內部驗證，構建ROC曲線，AUC值為0.820(95% CI: 0.810-0.830)；由于rLMC評分在模型中的重要性最高，因此嘗試建立單獨rLMC評分的預測模型，采用留一法內部驗證的AUC值為0.717 (95%CI:0.705-0.729)(圖1)。

圖1 隨機森林預測模型的ROC曲線。圖2 良好組和不良組中不同指標之間的差異。圖3 患者，男，73Y，CT平掃示左側大腦中動脈密度增高，CTA檢查示左側大腦中動脈M1段閉塞。

2.3 預后指標中四個預測因子的分布情況分組描述良好組和不良組中rLMC評分、入院NIHSS評分、平均狹窄占比、確診年齡的差異(圖2)。

2.4 典型病例影像分析典型病例影像分析見圖3。

3 討 論

在急性缺血性卒中的發生和發展過程中，側枝循環評估在疾病診療和療效評估方面發揮著巨大的作用。顱內的側枝循環分為三級，初級側枝循環代償即Willis 環，次級側枝循環代償主要包括眼動脈和一級軟腦膜側枝，三級側枝循環代償即新生血管[11]。根據既往研究，側枝循環的建立能夠減少梗塞灶和梗塞體積，可能是因為它能夠改善腦組織的缺血、缺氧性損傷，從而提高血管再通率，減少出血轉化率，且降低腦卒中的復發率，達到改善患者的預后情況[12]。但在目前臨床工作中，臨床忽視側枝循環在急性缺血性卒中的重要性，在其評價標準、方法及干預措施上也沒有形成專家共識。在以往對急性缺血性卒中的治療和診斷中，臨床上注重于對急性缺血性卒中病因的判斷及其發病機制，對側枝循環尚未重視[13-14]。在MRI檢查中，大多缺血性病灶形態不規則，大小不等，這通常是由于患者側枝循環的代償不同形成的[15]。患者的側枝循環越好，其梗塞灶就越小，側枝循環代償越差，梗塞灶就越大，而在溶栓治療中，側枝循環代償越差的患者，患者預后越差，后遺癥越重。這也說明側枝循環對急性缺血性卒中患者的預后有重要意義，存在重大的參考價值。評估側枝循環的方法有很多，如PET-CT、CTA、MRI、DSA等。PET-CT過于昂貴，且放射性大，DSA有創，MRI檢查時間過長，且不利于急救設備的使用，不被患者接受。而CTA造影，方便快捷，無創，操作簡便，檢查時間短，通常成為患者的首選。

在本研究中，通過CTA對85例患者的側枝循環進行評估，并對其一般資料進行分析得出rLMC評分高的患者預后明顯好于rLMC評分低的患者。rLMC高的患者治療后NIHSS評分低于rLMC評分的患者，通過單因素分析，rLMC評分是影響患者治療后NIHSS評分的獨立因素，在隨機森林預測模型中AUC值為0.717 (95% CI:0.705-0.729)，達到的較高的預測準確性，體現了CTA評估的rLMC指標在短期預后評估中的價值。

本研究創造性的引入了AI定量分析，通過全自動CTA分析，輸出各血管的定量狹窄程度，且對預后模型的建立有貢獻。可能由于樣本量局限等因素，導致平均狹窄程度在預后良好和不良組之間的單因素差異無統計學意義。不過總的來說，對后續的同類研究提供啟發。

綜上所述，CTA可以有效地評估缺血性卒中的側枝循環情況，側枝循環好者預后較側枝循環不良者預后較好，對急性腦梗死患者溶栓治療療效預測有重要意義。