臨床及CT平掃特征列線圖預測幕上腦實質出血早期血腫擴大的價值

王蓓蓓,俞詠梅,陳鵬飛,丁俊,邵穎

自發性腦出血(spontaneous intracerebral hemorrhage,sICH)是第二最常見的腦卒中,已成為致殘和死亡的主要原因。約1/3的腦出血患者可發生血腫擴大(hematoma enlargement,HE)。由于HE與出血位置相關,血腫位置影響患者短期和長期預后[1],且在臨床工作中,后顱窩偽影通常較重,影響血腫觀測,因此本研究排除了腦干及小腦出血,僅針對幕上腦出血。HE與高死亡率和較差的功能結局相關[2],主要發生在出血后的24小時內,其發生率隨時間推移而降低。因此明確幕上腦出血(intracerebral hemorrhage,ICH)早期血腫擴大的危險因素,實施針對性的預防及治療措施,可以改善患者預后。CT血管成像(computed tomography angiography,CTA)斑點征是預測HE的可靠標志[3-4],但由于額外的輻射暴露、碘對比劑的需求和對比劑誘發過敏、腎病的風險,在臨床實踐中,CTA圖像獲取難度較大,且許多基層醫院缺乏醫療資源,無法進行CTA檢查[5],因此對于預測血腫擴大CT平掃特征觀測十分必要。現已有較多研究[6-8]通過觀測CT平掃特征,如血腫密度不均勻、混雜征、島征、黑洞征、衛星征等,對患者早期血腫擴大進行預測,但將CT平掃特征與臨床結合的研究較少。列線圖是一種定量分析圖,是Cox回歸和邏輯回歸方程結果的可視化,可基于統計預測模型評估個體經歷臨床事件的概率[9]。本研究旨在評價臨床及CT平掃特征列線圖模型預測幕上腦實質出血早期擴大的效能。

材料與方法

1．一般資料

回顧性收集皖南醫學院第一附屬醫院2019年1月-2021年12月腦出血患者的臨床及CT資料。納入標準:①年齡≥18歲;②在發病后6小時內接受首次CT掃描,并在發病24小時內完成CT復查;③出血位于幕上腦實質,包括基底節、丘腦、腦葉;④臨床及影像資料完整。排除標準:①血管畸形、腫瘤或其他引起繼發性腦出血的顱內病變;②缺血性腦梗死的出血性轉化;③原發性腦室內出血;④小腦、腦干出血;⑤CT檢查前接受過手術治療(如血腫清除或穿刺引流術);⑥圖像質量差,無法準確評估者。最終納入291例,出血病灶均單發。HE組男90例,女41例,年齡30～89 歲,平均(60.31±12.42)歲;非HE組男96例,女64例,年齡27～86歲,平均(61.42±11.975)歲。 按7∶3比例將所有病例隨機分為訓練集和驗證集。

2．檢查設備與方法

采用Toshiba Aquilion 16層螺旋CT行頭顱平掃。掃描范圍從顱骨底部到顱骨頂部。掃描參數:管電壓120 kV,管電流250 mAs,螺距1,矩陣512×512。

3．血腫體積計算和患者分組

使用多田公式ABC/2計算血腫體積[10],A、B、C分別為血腫最大截面的最長徑、該層中垂直于A的最長徑及血腫深度。計算首次CT掃描時的血腫體積(V1)和發病24小時內復查CT時的血腫體積(V2),V2較V1增大達33%以上[(V2-V1)/V1>33%]或絕對值增加大于6 mL即為HE[11],以此將患者分為HE組和非HE組。

4．臨床指標

一般資料包括患者年齡、性別、入院時格拉斯哥昏迷評分(GCS評分)、收縮壓、舒張壓、糖尿病病史、高血壓病史、吸煙史、飲酒史及發病至首次CT的時間。實驗室指標包括入院后24小時內的血小板計數、白細胞計數、空腹血糖、入院時血清鈣。

5．CT平掃特征分析

由兩名分別具有5年及11年經驗的中樞影像醫師獨立盲法進行血腫體積測量、觀察和CT平掃特征的識別,意見不一致時,討論達成共識。CT平掃特征包括第一次CT時的血腫體積、是否破入腦室、腦疝、黑洞征(在高密度區內存在圓形、橢圓形或棒狀的低密度區,不與周圍腦組織相連,并且兩者密度之差至少為28 HU,見圖1a)、混雜征(低密度區域和密度差大于18 HU的高密度區域共存,兩者之間邊界清晰,見圖1b)、島征(存在≥3個完全分離的小血腫,或≥4個小血腫與主血腫部分分離,見圖1c)、漩渦征(高密度血腫中存在1個或多個圓形、條紋或不規則的低或等密度區域,見圖1d)。

6．統計學方法

圖1 血腫擴張預測征象的圖示。a)黑洞征(箭);b)混雜征,低密度區域(箭)和密度差大于18 HU的高密度區域共存;c)島征,存在≥ 3個完全分離的小血腫(箭);d)漩渦征,高密度血腫中存在條紋低密度區。

表1 HE組與非HE組臨床資料

結 果

1．臨床資料及CT特征分析

本研究幕上腦出血患者共291例,其中HE組131例(45%),非HE組160例(55%)。訓練集中HE與非HE患者之間,首次CT時間、GCS評分、空腹血糖、白細胞、初始血腫體積、黑洞征、漩渦征及混雜征差異均有統計學意義(P均<0.05);驗證集中HE與非HE患者之間入院時收縮壓、腦疝、黑洞征、漩渦征、混雜征、島征及初始血腫體積差異均有統計學意義(P均<0.05),見表1～2。

2．模型構建

將差異具有統計學意義的自變量納入二元Logistic回歸分析中,篩選出獨立危險因素,構建多因素Logistic回歸模型:Y=-2.287+0.209×空腹血糖+1.107×黑洞征+0.978×漩渦征+0.938×混雜征,并以列線圖呈現(表3,圖2)。

3．模型診斷效能

訓練集及驗證集的列線圖模型預測幕上腦實質出血早期擴大的AUC分別為0.787、0.716(圖3,表4)。

表2 HE組與非HE組CT特征

表3 多因素Logistic回歸結果

表4 列線圖模型對HE與非HE的鑒別診斷效能

圖2 根據臨床及CT平掃特征建立多因素Logistic回歸模型列線圖。

Hosmer-Lemeshow擬合優度檢驗顯示,模型的預測結果與實際結果差異無統計學意義(χ2=9.007,P=0.342,R2=0.328)。校準曲線顯示模型的擬合效果較好(圖4)。CIC顯示列線圖具有較高的臨床價值(圖5)。

討 論

幕上腦出血是臨床工作中較為常見的疾病,具有發病急、病情變化快等特點,而發生HE的腦出血患者預后通常較差。HE常發生在出血后24小時內,此后,血腫體積通常穩定。近年來將人工智能應用于預測腦出血HE的研究越來越多。Zhan等[12]發現,定量放射組學評分代表的血腫內空間異質性與HE及小體積的腦內出血灶的不良預后相關。Guo等[13]運用AI軟件能有效預測血腫擴大。雖然人工智能可補充目視檢查的定性CT平掃特征,但其可重復性不強、受不同機器、不同軟件影響較大,且在需要緊急決策時可能不適用。因此CT平掃特征所反映出血的多灶性和時間差異的方法,在臨床工作中仍然具有極大的重要性[14]。

本研究發現黑洞征、漩渦征及混雜征均為腦出血HE的獨立預測因素。黑洞征和漩渦征是類似于斑點征的替代征象,高密度血腫內出現的低密度區域可能是由于血腫內新鮮、多灶、活動性出血,這是因為CT平掃中血腫密度主要由血紅蛋白即紅細胞含量決定,在出血初期,新鮮血液由于紅細胞與血漿混合存在,呈相對低密度;止血發生后,血小板收縮導致血清被擠出,血凝塊內紅細胞的局部濃度增加,血腫密度增高。混雜征是指邊界清晰的高低密度區域共存,可能是由于最初破裂血管的持續出血或再出血,隨著血腫擴大,血腫機械性地剪切周圍血管,鄰近血管損傷引起繼發出血。Wang等[15]研究發現,在其血腫擴大的預測模型中,混雜征是獨立預測因子,Lv等[16]認為黑洞征可獨立預測HE,均與本研究結果一致。既往研究[17]認為,島征是血腫擴大的獨立預測因素。而在本研究中,島征未被納入HE的預測模型,可能是由于本研究中島征陽性的HE樣本量小。既往研究[18]表明,初始血腫體積是HE的重要預測因子,與最終血腫體積和臨床預后直接相關。初始血腫較小的患者血腫穩定且發生HE風險較低。相反,大的初始血腫體積可能反映了血腫內的多灶出血源。本研究結果顯示,HE組與非HE組初始血腫體積在訓練集及驗證集差異均有統計學意義,而未能納入模型,考慮與本研究樣本量不足有關,并且選擇偏倚可能影響本研究結果,由于本研究排除了一些因素,如處于或超過HE風險最大時間、早期手術干預或放棄治療、由于更嚴重缺陷或過早死亡導致數據缺失的患者,此類患者可能有更大的初始血腫體積、更高的HE發病率,排除他們導致HE發病率被低估。

圖3 臨床和CT平掃特征列線圖模型預測幕上腦實質出血早期擴大的ROC曲線。a)訓練集;b)驗證集。

圖5 列線圖模型的臨床影響曲線(CIC)。CIC分析顯示了該預測模型的臨床有效率。當閾值概率大于45%預測評分概率值時,預測模型判定為HE高風險人群與實際發生HE人群高度匹配,證實該預測模型臨床有效率極高。

本研究結果顯示,空腹血糖是HE的獨立預測因素,高血糖含量增加HE的發生率,與殷友永等[19]研究結果一致。可能是由于血糖水平升高可導致凝血系統的激活、纖溶系統的抑制和自由基的產生,還可能導致酸中毒、興奮性氨基酸的產生和血腦屏障的損傷[20-21],從而影響腦出血預后。血糖水平由于具有潛在的可預防性,應成為急性腦出血治療的重點目標。

近年來列線圖模型已成為醫學領域比較熱門的一種分析工具。本研究共納入4個指標建立了預測幕上腦出血早期血腫擴大的列線圖模型,包括空腹血糖的臨床指標以及黑洞征、旋渦征、混雜征的影像學指標。這些指標均較易獲取。本研究運用多種方法對模型進行多角度評價,證明模型有較好的識別和校準能力,臨床影響曲線表明該模型具有較好的臨床應用價值。通過列線圖呈現Logistic回歸模型結果,可達到定量化及可讀可視的效果,并可幫助臨床醫生快速識別有HE風險的患者,及時采取監測和治療措施。

本研究存在一些局限性:①為單中心、回顧性研究,陽性病例數量較少,沒有外部驗證;②部分臨床和實驗室指標,如C-反應蛋白水平、血脂和是否服用抗凝藥不包括在本研究中,可能漏掉了與HE相關的其他風險因素。

綜上所述,本研究確定了幕上腦出血患者早期血腫擴大的獨立危險因素,并構建列線圖預測模型,該模型為臨床醫生盡早篩查血腫擴大的高危患者提供理論依據,有助臨床決策。