大范围缺血性卒中临床结局与影像终点的关联:比较脑水肿测量指标
该回顾性单中心研究纳入70例前循环大血管闭塞且ASPECTS≤5的大梗死患者,在入院及24小时随访CT上量化中线移位(MLS)与绝对水肿体积(EV),比较两者预测恶性梗死(MI)和极差临床结局(VPCO)的效能;EV与梗死总体积强相关,预测MI和VPCO的AUC与MLS无显著差异,且适用于不同体积梗死。
要点
- EV与梗死总体积强相关(r=0.91),MLS在梗死体积<110 mL时与总体积无显著相关(r=0.17)。
- EV预测MI的AUC为0.74,MLS为0.82,DeLong检验无显著差异(p=0.304)。
- EV预测VPCO的AUC为0.72,MLS为0.70,DeLong检验无显著差异(p=0.696)。
核心结论
- EV可能作为缺血性水肿的影像生物标志物用于未来研究,因其适用于所有体积的梗死,且预测大梗死患者MI和VPCO的准确性与MLS相当。
研究设计与样本
- 回顾性分析2015年6月至2019年7月汉堡-埃彭多夫大学医学中心卒中登记数据,纳入70例前循环大血管闭塞、入院ASPECTS≤5的急性缺血性卒中患者。
- 所有CT扫描使用256层扫描仪(Philips iCT 256),入院行平扫CT、CT血管成像和CT灌注,24小时随访行平扫CT。
- 由两名神经放射学医师分别评估入院ASPECTS及入院和随访MLS并达成共识,手动分割随访平扫CT低密度梗死灶得出梗死总体积(TIV),按标准化流程以CT密度测定法计算净水摄取(NWU)并乘以TIV得出EV。
- VPCO定义为出院时mRS≥5;MI定义为随访CT梗死累及超过1/2大脑中动脉供血区并伴明显占位效应、影像学脑疝征象和/或临床脑疝征象需去骨瓣减压和/或因卒中直接导致死亡。
关键影像表现/征象
- 随访CT显示MI患者TIV和EV更大、中线移位更明显;VPCO患者TIV更大、NWU更高、EV更大、MLS更大。
- EV与MLS显著相关(r=0.55,p<0.001),NWU与MLS无相关(r=0.16,p=0.175)。
- 无任何MLS的亚组(n=29)中位EV为14 mL(IQR 6–26 mL)。
诊断标准与关键数值
- EV预测MI的AUC为0.74(95%CI 0.61–0.88),MLS为0.82(95%CI 0.71–0.94),DeLong检验p=0.304。
- EV预测MI的最佳阈值为28.3 mL(敏感度63%,特异度76%),MLS为2.5 mm(敏感度73%,特异度62%)。
- EV预测VPCO的AUC为0.72(95%CI 0.60–0.84),MLS为0.70(95%CI 0.58–0.82),DeLong检验p=0.696。
- EV预测VPCO的最佳阈值为28.3 mL(敏感度63%,特异度76%),MLS为0.5 mm(敏感度73%,特异度62%)。
临床应用与阅片要点
- 作者认为,为在大梗死患者中实现MI和VPCO的最准确分类,应将EV与易于测量的更敏感MLS联合作为筛查参数,并将更精细、更特异的EV作为确认参数。
- 作者指出,EV可量化并区分无MLS的水肿,而MLS仅在梗死体积大于中位数110 mL时与TIV显著相关。
局限性
- 本研究具有单中心回顾性研究设计的所有局限性,包括因严格纳入标准而患者数量相对较少。
- 研究限于大梗死患者(因MLS的局限性),且随访CT设定在特定时间点,而缺血性水肿的发展是动态过程。
- 梗死内出血(如再灌注后)是密度测定法的已知禁忌证,会扭曲密度测量,从而排除VPCO风险特别高的患者。
- 除MLS外其他体积水肿参数(如半球体积比)未纳入分析。
- 合并症、用药和血液检查数据不可获得,限制了多变量回归模型。
全文中译12 节 · 点击展开
引言
除脑实质坏死外,缺血性水肿的发生是缺血性卒中的第二大主要病理生理标志[1, 2]。在缺血性水肿的背景下,大 hemisphere 梗死患者尤其受到关注,因为缺血性水肿可通过导致颅内压危重升高而对患者预后产生重大影响[3, 4]。此外,鉴于近期发表的探讨血管内取栓术对大基线梗死患者疗效的试验,缺血性水肿可能作为治疗效应的重要终点指标[5–7]。因此,卒中影像学需要能够早期、准确量化缺血性水肿的影像生物标志物。
量化缺血性水肿最成熟的影像学方法是测量中线移位(MLS)[8–11]。该方法通过量化水肿对大脑中线的占位效应来间接估算水肿的绝对体积。该方法的优势在于应用简便快捷。然而,只有与极大梗死相关的水肿才会导致MLS。较小供血区梗死的水肿同样与较差预后相关[12],且通常不表现为MLS。此外,MLS的程度除水肿外还受其他空间相关因素决定,如蛛网膜下腔体积[13–15]。基于CT密度测定的缺血性水肿测量概念解决了这些问题。该技术可基于梗死的相对低密度来量化其相对含水量,称为净水摄取(NWU)[16, 17],并将NWU与梗死总体积(TIV)相关联,从而可直接量化绝对水肿体积(EV)[18]。
本研究旨在比较早期随访平扫头颅CT测定的EV与MLS作为缺血性水肿的影像生物标志物,以及作为水肿所致恶性梗死(MI)和极差功能结局(VPCO,定义为出院时改良Rankin量表(mRS)5–6分)预测指标的效能。由于MLS仅能检测大梗死的水肿,我们研究了前循环大基线梗死患者群体,定义为因大血管闭塞拟行取栓治疗且Alberta卒中项目早期CT评分(ASPECTS)≤ 5。
我们假设:(1)EV预测MI和临床结局的准确性与作为既定金标准的MLS相当;(2)EV在无明显MLS的梗死中仍是水肿量化的可靠影像生物标志物。
方法
研究人群
本研究回顾性分析了汉堡-埃彭多夫大学医学中心当地卒中登记处的匿名数据。研究按照当地伦理委员会(汉堡医师协会)的伦理指南及《赫尔辛基宣言》进行。
纳入2015年6月至2019年7月间入院且符合以下标准的所有患者:(1)急性缺血性卒中,伴大脑中动脉(MCA)M1段闭塞或颈内动脉(ICA)远端闭塞;(2)入院时行多模式CT方案,包括平扫CT(NECT)、CT血管造影(CTA)和CT灌注(CTP);(3)由委员会认证的神经放射科医师评定的入院NECT初始ASPECTS为5分或以下;(4)入院CT未见颅内出血、既存血栓栓塞性、血流动力学性梗死或既存显著颈动脉狭窄;(5)出院时使用mRS评估的临床结局有记录。
患者按现行指南接受治疗[19, 20]。这意味着患者在入院24小时内接受早期康复治疗,包括物理治疗、言语和语言治疗以及职业治疗,并根据出血风险和卒中病因接受抗凝药物治疗。
图像采集
所有CT扫描均在256层扫描仪(Philips iCT 256)上完成,成像参数如下:(1)NECT:120 kV、280–320 mA、5.0 mm层厚重建。采用标准核滤波反投影进行图像重建,层厚5 mm连续层面,视野22 cm,矩阵大小512 × 512;(2)CT血管造影:100–120 kV、260–300 mA、1.0 mm层厚重建、5 mm最大密度投影(MIP)重建、间距1 mm、0.6 mm准直、0.8螺距、H20f软组织核、80 mL对比剂、以4 mL/s注射50 mL NaCl冲管;在升主动脉水平触发团注追踪后6 s开始扫描。图像以1.25 mm层厚、0.625 mm间隔采用标准核滤波反投影重建;(3)CT灌注:80 kV、200–250 mA、5 mm层厚重建(最大10 mm)、层面采样率1.50 s(最小1.33 s)、扫描时间45 s(最大60 s)、双相注射30 mL(最大40 mL)高碘对比剂(350 mg碘/mL,最大400 mg/mL),注射速率至少4 mL/s(最大6 mL/s),随后以30 mL NaCl团注冲管。所有数据集均进行质量检查,严重运动伪影者予以排除。
图像分析
匿名化CT数据集在本地影像核心实验室处理,并使用商用软件(Analyze 11.0;Biomedical Imaging Resource, Mayo Clinic, Rochester, MN)进行手动分割。
入院CT的初始ASPECTS以及入院和随访CT上的MLS由两名经验丰富的神经放射科医师分别评定,随后进行共识判读。随访CT筛查继发性脑实质出血,并在行血栓切除术的情况下筛查对比剂染色。此外,在随访NECT上对低密度梗死病灶进行手动容积测量以得出TIV。
根据既定的标准化流程,使用CT密度测定法对净水摄取量(NWU)进行定量。该方法基于平扫CT(NECT)上水摄取体积与组织密度降低之间的比例关系[16, 17, 21]。首先,将梗死病灶确定为NECT上的低密度病灶。入院CT中,使用灌注图像(血容量参数(CBV)图,固定窗宽0~6 mL/100 mL)来确认对NECT低密度的判断。为获取密度值,在梗死病灶内放置感兴趣区(ROI)(Dischemic),然后在对侧半球正常组织内对称镜像放置(Dnormal)。根据公式1,基于Dischemic和Dnormal计算定量NWU[18]:
为推导缺血性水肿体积,根据公式2将NWU乘以总梗死体积(TIV)[18]:
恶性大脑中动脉梗死(MI)的定义基于患者的影像学和临床评估:梗死病灶具有显著占位效应,累及超过1/2的大脑中动脉供血区(入院后24小时随访CT成像),伴有脑疝的影像学征象(显著中线移位),和/或伴有脑疝的临床征象(症状恶化伴意识下降及瞳孔不等大),需要去骨瓣减压术和/或因卒中的直接影响导致死亡[3, 14, 22–24]。
统计分析
使用STATA(版本17.0;Stata Corp.,美国,2021年)进行分析和数据可视化。比较临床结局极差患者(VPCO;出院时mRS > 4)与较好结局患者(出院时mRS 0~4)之间的基线特征(表1)。连续变量以中位数和四分位距(IQR)报告,分类变量以计数和百分比报告。分类变量和连续变量之间的差异分别使用卡方检验(χ2)和Mann–Whitney U检验进行检验。
使用回归分析和散点图检验替代指标MLS、NWU和EV之间的关系。
构建单变量和多变量logistic回归模型,以检验MLS和EV是否为VPCO的独立预测因子。自变量的选择基于既往研究[25]。VPCO预测模型包括年龄、性别、从发病到入院时间、入院美国国立卫生研究院卒中量表(NIHSS)评分、ASPECTS、静脉应用重组组织型纤溶酶原激活剂(rtPA)以及成功的机械取栓(脑梗死溶栓分级(TICI)2b~3)(见表2)。MI预测模型包括年龄、入院NIHSS评分、ASPECTS以及成功的机械取栓(TICI 2b~3)(见表3)。
为比较EV和MLS作为VPCO和MI预测因子的性能,对单变量回归模型进行受试者工作特征曲线(ROC)分析。ROC曲线下面积(AUC)之间的差异使用DeLong检验进行检验[26]。最佳截断点及其特异度和敏感度使用Liu和Youden方法进行经验性估计[27]。p值< 0.05认为差异具有统计学意义。
结果
患者
共有70例患者符合纳入标准。中位年龄为72岁(IQR 61至81岁),27例(39%)患者为女性。入院时,中位ASPECTS为4分(IQR 3至5)。24小时后早期随访CT显示中位TIV为110 mL。对早期随访CT中无任何MLS的患者(n = 29)进行的亚组分析显示,中位EV为14 mL,四分位距(Q1,Q3)为6–26 mL。
15例(21%)患者发生了MI。这些患者尽管从发病到成像的时间较短,但年龄显著更小且ASPECTS更低。24小时后随访CT显示更大的TIV和EV,以及相应的中线移位更大(见表1)。10例(67%)MI患者实施了去骨瓣减压术(见表4)。
41例(59%)患者出现VPCO,他们年龄显著更大、更多为女性、入院NIHSS更高,且成功再通的可能性更低。24小时后随访CT显示更大的TIV、更高的NWU、更大的EV和更大的MLS(见表1)。
相关性分析
相关性分析显示NWU与MLS之间无相关性(r = 0.16,p = 0.175)。然而,EV与MLS显著相关(r = 0.55,p < 0.001)(见图1)。MLS和EV均与TIV相关,其中EV的相关性更强(r = 0.91,p < 0.001 vs. 0.67,p < 0.001)(见图2)。对TIV较小(< TIV中位数110 mL)患者的亚组分析显示MLS无相关性(r = 0.17,p = 0.334),而EV的相关系数保持相似(r = 0.89,p < 0.01)(见图3)。
两个水肿参数与临床终点之间也观察到显著相关性,VPCO的相关强度相似(r = 0.34,p < 0.01 vs. 0.31,p < 0.01),而MLS与MI之间的相关性更强(r = 0.54,p < 0.001 vs. 0.39,p < 0.001)。
恶性梗死的预测
在各模型中,MLS(校正比值比(aOR)1.65;95% CI 1.17–2.32;p = 0.004)和EV(aOR 1.05;95% CI 1.01–1.07;p = 0.028)均与MI的更高几率独立相关(见表3)。除此之外,仅年龄与MI独立相关,每增加一岁,MI的几率降低0.86倍。在EV模型中,年龄和ASPECTS显示独立关联。
单变量ROC分析显示,MLS的判别能力优于EV(AUC 0.82;95% CI 0.71–0.94 vs. AUC 0.74;95% CI 0.61–0.88),但根据DeLong检验差异无统计学意义(p = 0.304)。具有最高灵敏度和特异度的最佳阈值分别为28.3 mL EV(灵敏度63%,特异度76%)和2.5 mm MLS(灵敏度73%,特异度62%)(见图4)。
极差临床结局的预测
MLS(aOR 1.38;95%置信区间(CI)1.08–1.78;p = 0.01)和EV(aOR 1.03;95% CI 1.00–1.06;p = 0.02)均与VPCO的更高风险独立相关。此外,在EV模型中,年龄和入院时NIHSS与VPCO独立相关,而在MLS模型中,入院时ASPECTS和机械取栓成功再灌注(TICI 2b–3)与VPCO独立相关。
单变量ROC分析显示,EV的判别能力略高于MLS(AUC 0.72;95% CI 0.60–0.84 vs. AUC 0.70;95% CI 0.58–0.82),同样根据DeLong检验差异无统计学意义(p = 0.696)。具有最高灵敏度和特异度的最佳阈值分别为28.3 mL EV(灵敏度63%,特异度76%)和0.5 mm MLS(灵敏度73%,特异度62%)(见图5)。
讨论
密度测定法的概念提供了EV作为一种新的影像学参数用于量化缺血性水肿。我们旨在研究EV与已有生物标志物MLS之间的相关性,并评估EV是否能改善对基线大面积梗死患者早期随访NECT中水肿相关VPCO和MI的预测。我们发现:(1)EV和MLS在大面积梗死中对VPCO和MI的分级诊断准确性相似;(2)EV的优点是它还可以在无MLS的情况下量化并区分水肿。EV可能作为一种可靠的替代指标,用于预测基线大面积梗死且可能随时间推移发生广泛水肿形成的患者的结局。
Ng等人最近发表的一项研究也旨在比较体积学和密度学的水肿定量方法。与我们的研究不同,Ng等人选择NWU作为密度学参数来挑战MLS。由于NWU与MLS以及临床结局均缺乏相关性,Ng等人得出结论:NWU不应被用作取栓术后患者随访影像中的水肿生物标志物。其所给出的缺乏关联的主要原因是NWU测量受到对比剂增强和出血转化的混杂影响[28]。除了可能限制NWU与临床结局之间关联的方法学误差外,检验NWU与MLS之间的关联可能在本质上就是不合理的。NWU是相对水肿比例的度量,不包含任何关于水肿空间范围的信息,因此本身与MLS等空间参数无关(见图1A)[16, 17]。EV可能扩展了这一概念,因为它结合了NWU的直接性和精确性以及空间信息[18]。与此一致,EV与MLS显示出良好的相关性(见图1B)。基于DWI的肿胀体积(MRI上与EV相对应的指标)与MLS的相关性也报告了类似结果[11]。MLS与EV之间相关性的局限性可以解释为:水肿对大脑中线的影响不仅取决于水肿体积,还取决于其他因素,如残余蛛网膜下腔的体积[13–15]。因此,MLS是在颅内空间其他因素的背景下间接反映水肿,而EV则直接且独立于其他因素地量化水肿。
EV与MLS的另一个主要区别在于它们在极大梗死灶之外的适用性(见表5)。即使在我们基线梗死灶较大的患者队列中,MLS也仅在梗死体积超过第50百分位数110 mL时才显示出显著相关性(见图3)。因此,MLS无法可靠地用于梗死体积<110 mL的水肿定量,尽管这些水肿也与更差的功能结局相关[12]。相比之下,EV与该队列中确定的所有梗死体积均显示出相似的良好相关性(见图2B),这可以通过EV计算中纳入了梗死体积来解释。因此,EV的优势在于能够以同样高的准确度量化小梗死灶和大梗死灶内的水肿。
这意味着EV与MLS不同,在区分任何大小的水肿方面具有高判别力。因此,EV可能成为研究水肿发展对功能结局影响的有用终点指标,例如基于CT的大核心梗死试验,如最近发表的TENSION[29]和正在进行的TESLA(NCT03805308)。
在比较了EV和MLS检测缺血性水肿的能力之后,关于两者在预测水肿相关临床终点方面的差异问题仍然存在。
尽管我们的患者队列均为大面积梗死(此时中线移位(MLS)已确立),但EV对极差临床结局(VPCO)的区分能力略优于MLS,且无显著差异(AUC 0.72 vs. 0.69,p = 0.51;见图5)。这些结果与既往研究一致——Nawabi等人提出早期随访CT上EV升高可作为无效再通的指标,其报道EV区分不良结局的AUC为0.74(此处不良结局定义为mRS 4–5,但背景为较小梗死)[30]。关于MLS,Ostwaldt等人在基于MRI的占位效应生物标志物比较中报道MLS区分不良结局的AUC为0.68(此处不良结局定义为mRS 3–6,背景为较小梗死)[11]。我们对最佳阈值的分析显示,EV的良好区分能力基于高特异度,弥补了与MLS相比更低的敏感度。这令人意外,因为我们预期EV具有更高的敏感度,因其还能量化24 h后MLS无法检测但仍随时间进展而对结局产生影响的脑水肿(见表5)。事实上,24 h后无MLS但入院时存在VPCO的患者很罕见。可以推测,EV的优势在脑水肿发展的更早期阶段更为相关,此时大多数水肿仍很小,尚未导致MLS。然而,EV在识别大面积卒中但未遭受极差结局的患者方面具有优势。可设想的例子包括:因梗死位于靠近中线处或蛛网膜下腔较小,尽管水肿体积相对较小,但24 h后仍出现大脑中线移位的患者。
在24 h后恶性梗死(MI)的早期分类中,EV与MLS之间也无显著差异(AUC 82 vs. 0.74,p = 0.48;见图4),尽管MLS趋于更优。尽管大量研究已将MLS描述为影像学参数中的金标准及MI的诊断标准,但据我们所知,这是首次确定MLS和EV作为MI预测指标的诊断准确性。根据最佳阈值分析,这种倾向性优势由MLS更高的敏感度驱动。由于MI描述的是水肿超过储备空间导致颅内压升高的一种状态,MLS更高的敏感度基于以下事实是合理的:与EV相比,MLS将储备空间纳入考量[14]。因此,MLS能够正确分类那些尽管水肿体积相对较低但因残余蛛网膜下腔体积小(例如由于年轻)而发展为恶性梗死的患者,而EV则因仅反映水肿的空间范围而将这些患者分类为假阴性。
总之,我们表明EV不仅为任何大小的梗死(包括无MLS者)的准确水肿量化提供了解决方案,而且可以替代金标准MLS,作为大梗死患者VPCO和MI的早期预测指标,其诊断准确性无显著差异。与MLS相比,EV的优势在于能非常准确地量化水肿的绝对体积,从而提高对临床终点的特异性。另一方面,MLS具有更高的敏感性,并通过考虑储备空间在恶性梗死的早期预测中往往更具优势。为在大梗死患者中实现MI和VPCO的最准确分类,应将EV和MLS相结合,以易于测定、更敏感的MLS作为筛查参数,以更精细、更特异的EV作为确认参数。由于本研究聚焦于大面积梗死,便于对水肿相关终点进行良好比较,它可作为进一步研究EV作为影像生物标志物价值的概念验证,尤其是用于比较治疗效果。
局限性
我们的研究具有单中心回顾性研究设计带来的所有局限性,包括因严格纳入标准而患者数量相对较少。此外,局限性还包括:由于MLS的局限性,研究仅限于大梗死患者;随访CT设定在特定时间点,而缺血性水肿的发展是一个动态过程。
其次,梗死内出血(例如再灌注后)是使用密度测定法的已知禁忌证,因为密度测量会受到干扰。这排除了VPCO风险特别高的患者。
第三,除MLS以外的其他体积水肿参数(例如半球体积比)未进行分析。
第四,合并症、用药和血液检查数据不可获得,限制了我们的多变量回归模型。尽管如此,就本研究的终点及既往研究的一致结果[12]而言,我们相信我们的多变量回归结果是合理的。主要分析(比较MLS与EV作为VPCO和MI预测指标的诊断准确性,以及MLS和EV与NWU TIV的相关性分析)为单变量分析,因此不受合并症、用药或血液检查数据缺失的影响。
第五,另一个局限性是缺乏长期功能结局数据。然而,本研究聚焦于卒中后早期阶段,该阶段不仅对急性期后治疗方案的规划至关重要,而且对长期结局也有显著贡献[31]。因此,我们认为本研究得出了合理的结论。尽管如此,分析水肿参数与长期结局的关系将是该领域进一步研究的一个有趣方向。
第六,本研究未对梗死灶的部位分布进行区分,当前所有大核心梗死试验也均未作此区分。这是我们关于VPCO的多变量回归模型的另一项局限性,因为已有研究表明不同ASPECTS区域的梗死对功能结局的贡献也有所不同[32]。然而,该差异的幅度和显著性,尤其是在大核心梗死之间,仍不确定,一项研究表明累积ASPECTS在结局预测方面不劣于部位特异性ASPECTS[33]。如第四点所述,我们的主要分析不受此影响。
结论
在这项纳入基线大面积梗死急性卒中患者的研究中,我们发现EV可能作为一种准确且直接的定量影像生物标志物,用于评估任何大小梗死的缺血性脑水肿。EV可能可靠地预测基线大面积梗死患者中的恶性梗死,这些患者具有临床结局不良的特定风险。进一步研究应探讨该患者亚组中EV与治疗效果之间的相关性。
引用
- Geest V, Steffen P, Winkelmeier L, et al. Association of clinical outcome and imaging endpoints in extensive ischemic stroke-comparing measures of cerebral edema. Eur Radiol. 2024. PMID: 38627288. doi:10.1007/s00330-024-10694-8
- 全文:PMC11399218(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11399218/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。