自动化血肿定位绘图——脑出血风险分层的未来?
Abou Karam G等团队近期在《卒中》杂志发表的研究揭示,通过自动化影像分析构建的体素级血肿定位图谱,可显著提升脑出血患者的风险分层能力。这项研究纳入了来自美国综合卒中中心的559例急性脑出血患者作为建模队列,并采用ATACH-2临床试验对照组的345例患者作为验证队列。
研究方法突破
研究团队采用创新技术流程:首先使用手动分割方法在入院CT上界定血肿区域(亨氏单位阈值40-200),随后通过影像配准工具将CT影像与MNI-152标准脑模板进行共配准。这种国际通用的神经影像学模板(MNI-152)已广泛应用于神经外科和神经科学研究。通过体素分析校正基线血肿体积后,成功绘制出与3个月预后显著相关的脑区图谱。
核心发现
研究证实,基底节区、丘脑、尾状核、中脑和桥脑区域的出血与3个月改良Rankin量表评分显著相关。当血肿与高风险区域重叠度超过22%时,预后不良的风险比达到最高值。这些区域即使发生小型血肿(>4.8mL)也可能导致严重功能障碍,且这种风险独立于年龄、入院GCS评分、NIHSS评分等传统预测因素。
临床应用价值
研究团队指出,当前急性期影像分析已广泛应用自动化技术(如ASPECTS区域分割和RapidAI的血肿体积测算)。将体素图谱整合至临床流程,可提升风险预测精度,优化临床试验患者筛选标准。值得注意的是,深部区域预后不良的判定阈值(4.8mL)低于传统"血肿扩大"定义的6mL标准。
局限性与展望
研究存在选择偏倚可能,因配准失败的影像资料被排除。验证队列中被排除患者具有更大血肿体积和更差预后,提示可能影响模型普适性。未来研究需验证更长时间(6-12个月)的预后关联,并探索不同脑区血肿扩大的差异化定义。研究团队强调,该成果对理解"临床显著性血肿扩大"具有重要指导意义。
参考文献:
- Morotti A等. 脑出血扩大:定义、预测与预防.《柳叶刀神经病学》2023
- Qureshi AI等. 急性脑出血强化降压治疗.《新英格兰医学杂志》2016
- Mazziotta J等. 四维概率脑图谱.《AMIA杂志》2001