文献速递神经MR

早期MRI上创伤性轴索损伤的预后重要性:特隆赫姆TAI-MRI分级与定量模型

The prognostic importance of traumatic axonal injury on early MRI: the Trondheim TAI-MRI grading and quantitative models.
PubMed 文献 · Eur Radiol · 2024-06-19

该前瞻性研究纳入463例轻、中、重度TBI患者,于伤后6周内行早期MRI,分析TAI的部位、数量与体积对GOSE结局的预测价值。在重度TBI中,中脑或丘脑双侧TAI及脑桥双侧TAI预测更差结局,据此提出特隆赫姆TAI-MRI分级(1–5级),其预测表现优于标准TAI分级(pseudo-R² 0.19 vs 0.16)。包含FLAIR上TAI与挫伤体积的定量模型预测价值最高。

要点

  • 重度TBI中脑桥双侧TAI预后最差,75%患者GOSE≤4,被列为特隆赫姆分级5级。
  • 中脑或丘脑双侧TAI列为特隆赫姆TAI-MRI分级4级,重度TBI中预测更差结局。
  • 特隆赫姆TAI-MRI分级在重度TBI中优于标准TAI分级(pseudo-R² 0.19 vs 0.16)。

核心结论

  • 作者提出特隆赫姆TAI-MRI分级(1–5级),以中脑或丘脑双侧TAI及脑桥双侧TAI为最差级别。
  • 在重度TBI中,特隆赫姆TAI-MRI分级的预测表现优于标准TAI分级(pseudo-R² 0.19 vs 0.16,AIC 571 vs 581)。
  • 定量模型预测价值最高:GCS评分<13时包含FLAIR上TAI与挫伤体积,GCS评分≥13时包含FLAIR上挫伤体积。
  • 作者指出人工智能可能成为未来重要工具,特隆赫姆TAI-MRI分级在外部验证后可实施。

研究设计与样本

  • 前瞻性研究,纳入463例8–70岁TBI患者,来自三个前瞻性队列(2004–2017年):特隆赫姆轻度TBI队列、特隆赫姆中重度TBI队列和奥斯陆重度TBI队列。
  • TBI严重度按入院GCS评分定义:重度≤8分,中度9–13分,轻度14–15分;轻度158例、中度129例、重度176例。
  • 于伤后6周内行MRI,3 Tesla 171例、1.5 Tesla 287例、1 Tesla 5例;由放射科顾问医师评分。
  • 在FLAIR和DWI上登记58个预定义部位TAI的存在、数量和体积,在T2*GRE/SWI上登记存在和数量;FLAIR上登记挫伤存在和体积。
  • 结局用Glasgow结局量表扩展版(GOSE)评估:轻度TBI于3个月、中重度TBI于6个月;中重度TBI分析中GOSE 5–8分为有利、≤4分为不良。

关键影像表现/征象

  • TAI的存在率在轻度TBI为6%、中度TBI为70%、重度TBI为95%。
  • 重度TBI中FLAIR上TAI总体积中位数最高(1.29 cm³),并随损伤严重度降低而显著下降。
  • 挫伤在轻度TBI中占4%、中重度TBI中占75%。
  • 双侧TAI位于脑干或丘脑仅见于重度TBI患者,中度TBI中仅有3例。
  • 重度TBI中75%的脑桥双侧TAI患者结局不良(GOSE≤4)。

诊断标准与关键数值

  • 特隆赫姆TAI-MRI分级共5级,以中脑或丘脑双侧TAI为4级、脑桥双侧TAI为5级(最差级别)。
  • 重度TBI中,脑桥双侧TAI与更差结局的OR为10.7–11.7。
  • 中度TBI中,CT上挫伤存在预测GOSE的OR为3.24(95%CI 1.634; 6.43,p=0.001),MRI上挫伤体积OR为1.65(95%CI 1.24; 2.18,p=0.001)。
  • 轻度TBI中,TAI存在预测残疾(GOSE≤6)的OR为8.2(95%CI 1.5; 44.6,p=0.014),置信区间宽提示估计不确定性大。
  • 统计显著性阈值取p<0.01。

临床应用与阅片要点

  • 阅片时按特隆赫姆TAI-MRI分级评估:最高级别病变决定最终分级,较低级别部位TAI不一定存在。
  • 重度TBI报告应重点描述脑桥、中脑及丘脑的双侧TAI,因其与更差结局相关。
  • 轻中度TBI中应关注FLAIR上挫伤体积,其预后价值高于TAI体积。
  • 作者指出特隆赫姆TAI-MRI分级在外部验证后可实施;定量模型的前景提示人工智能技术的未来应用。

局限性

  • 原文指出部分脑亚部位TAI存在率低,导致统计效能低。
  • 原文指出轻度TBI中TAI预测残疾的OR置信区间宽,提示这些分析中估计的OR不确定性大。
  • 原文指出因轻度TBI中MRI表现少且残疾患者少,AUC分析无法在轻度TBI中进行。
  • 原文指出研究为探索性,未进行正式的多重比较校正。
  • 原文指出需要外部验证后方可实施特隆赫姆TAI-MRI分级。
全文中译13 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Eur Radiol. 2024 Jun 19;34(12):8015–29. doi: 10.1007/s00330-024-10841-1

引言

创伤性轴索损伤(TAI),或称弥漫性轴索损伤,是创伤性脑损伤(TBI)中的一种标志性病变类型。临床实践中诊断TAI需要早期磁共振成像(MRI)[1, 2]。在扩散加权成像(DWI)或液体衰减反转恢复(FLAIR)序列上于好发部位(主要位于白质(WM))检测到的异常信号,或在T2*梯度回波(T2*GRE)或磁敏感加权成像(SWI)上检测到的微出血,均被认为是TAI的生物标志物[3]。TAI位于大脑深部时是更为严重的发现,由更强的力作用于大脑所致。其进行性严重程度影响预后,已有人尝试对TAI进行分级以用于临床和研究目的。基于MRI的标准TAI分级归功于Gentry等[4]和Adams等[5],包括三个严重程度递增的级别:1级,TAI位于半球(包括小脑);2级,TAI位于胼胝体;3级,TAI位于脑干(包括小脑脚)。然而,该分级的预后价值尚未充分确立[6, 7]。此外,脑干内单侧和双侧TAI被分级为同等程度,而近期研究表明,尤其是双侧脑干病灶与不良结局相关[8, 9]。进一步而言,丘脑和基底节区的TAI与更差的结局密切相关[10–12],但完全未被纳入标准TAI分级中。

在一项相关研究中,我们证明脑干和丘脑的双侧TAI与低格拉斯哥昏迷量表(GCS)评分相关[13]。基于这些发现,我们提出了一种反映损伤严重程度的TAI-MRI分级,首次将脑干或丘脑的双侧TAI列为最差级别。在近期发表的Stockholm MRI分级中,丘脑TAI以及脑桥双侧TAI被纳入,后者被定义为最差级别[12]。

在本研究中,我们的主要目标是改进TAI的MRI分级,以更好地预测结局。应当指出,TBI患者可能同时在不同部位存在TAI,且可在不同MRI序列上显示,这使统计分析具有挑战性。我们研究了不同早期MRI序列上TAI的位置、数量和体积对预测TBI所有严重程度患者结局的重要性。基于一系列统计分析的结果,我们旨在开发一种临床Trondheim TAI-MRI分级和定量模型。新分级的预后性能与以下方法进行了比较:(1)标准TAI分级[4],(2)Stockholm MRI分级[12],(3)我们近期提出的反映损伤严重程度的TAI-MRI分级[13],以及(4)定量体积模型。本研究是国际TAI-MRI项目(https://www.neuron-eranet.eu/projects/TAI-MRI/)的一部分。

材料与方法

本研究由来自三个独立前瞻性队列(2004–2017年,图1)的463例创伤性脑损伤(TBI)患者(8–70岁)组成:(1)特隆赫姆轻度(m)TBI队列[14],(2)特隆赫姆中重度(ms)TBI队列[15],以及(3)奥斯陆重度TBI队列[16]。我们将入院GCS评分≤8定义为重度TBI,9–13分为中度TBI,14–15分为mTBI。我们对msTBI患者进行合并分析,并按不同损伤严重程度分组分析。最差的一次计算机断层扫描(CT)按照Marshall CT分类进行评分[13, 17]。见补充材料。

图1 研究纳入与排除流程图。TBI,创伤性脑损伤;msTBI,中重度TBI;sTBI,重度TBI;mTBI,轻度TBI;Oct.,十月;Dec.,十二月。*由于图像质量差或存在较大伪影,或缺少三个必需MRI序列(液体衰减反转恢复、弥散加权成像或T2*梯度回波/磁敏感加权成像)中的一个或多个,因为结局分析采用完整病例法进行(见“材料与方法”部分)。**排除原因:CENTRE-TBI图像将用于后续验证研究。#根据入院GCS评分重新分类(另见“材料与方法”部分) 查看原图 ↗

MRI采集、评分与标注

患者在6周内接受3特斯拉(n = 171)、1.5特斯拉(n = 287)或1特斯拉(n = 5)扫描[18]。MRI扫描由放射科顾问医师进行评分:记录58个预定义部位(包括侧别)是否存在创伤性轴索损伤(TAI),并在FLAIR、DWI(追踪图像)和T2*GRE(n = 266)/SWI(n = 204)上计数TAI病灶。若这三个MRI序列中缺少一个或多个,则排除该患者(图1)。使用3D Slicer软件包(版本4.8.0)手动标注FLAIR和DWI上的TAI体积。关于MRI表现(包括TAI病灶)如何被检测、评分和分割的更多细节,见补充材料及Moe等[13]。

我们将挫伤定义为由硬脑膜/小脑幕皱褶或骨性结构对脑实质的冲击所致的局灶性浅表病变[1],或较少见的、在FLAIR上测量> 10 mm的均匀轴内出血性病变。挫伤经手动标注,并使用3D Slicer在FLAIR上分割体积[13]。

不同队列的评估者间一致性此前已有报道(标准TAI分级≥ 0.69的阳性和阴性一致性,以及不同TAI数量和体积的组内相关系数≥ 0.78)[13, 14]。

结局评估

结局采用格拉斯哥结局量表扩展版(GOSE)[19, 20]评估,mTBI在3个月时评估,msTBI在6个月时评估。在奥斯陆重度TBI队列中,GOSE在3个月和12个月时实施,对于这些患者,6个月GOSE评分按加权平均值计算。16例患者GOSE评分缺失,我们使用期望最大化(EM)算法[21–23]进行插补,见补充材料。

在需要二分类结局的msTBI分析中,GOSE评分被二分为良好(GOSE 5–8)或不良(GOSE评分≤ 4)结局。在对GCS评分为13的患者和mTBI患者的单独分析中,GOSE评分被二分为恢复良好(GOSE评分7–8)或残疾(GOSE评分≤ 6)。

统计分析

逻辑回归分析

在mTBI中,使用单变量和多变量二元逻辑回归探讨了MRI变量的预后价值,以残疾(GOSE评分≤6)作为响应变量。由于很少有mTBI患者出现残疾,每次逻辑回归分析仅纳入一个MRI变量,并以年龄和性别作为协变量。在msTBI中,我们使用多变量比例优势有序逻辑回归研究MRI变量的预后价值,以倒置GOSE评分作为响应变量。为与IMPACT模型保持一致,msTBI中的校正分析纳入核心变量(年龄、GCS评分和瞳孔散大)及Marshall CT评分作为协变量[24]。由于DWI上的TAI可能随时间推移而减弱,我们在一次分析中纳入了DWI病灶与MRI检查前天数之间的交互项。我们还分别在GCS评分为9–12的重度TBI和中度TBI中进行了校正有序逻辑回归,并在GCS评分为13的中度TBI和mTBI中进行了校正二元逻辑回归以预测残疾(GOSE评分≤6)。结果以比值比(OR)及95%置信区间(CI)和p值呈现。使用McFadden伪R2、赤池信息准则(AIC)和贝叶斯信息准则(BIC)评估模型拟合。

带弹性网惩罚的有序回归模型

此外,我们在带弹性网惩罚的比例优势有序回归模型中研究msTBI,以探讨TAI变量的联合预后效应[25]。惩罚类型和收缩程度由两个参数控制,通过5折交叉验证选择。模型使用R包ordinalNet拟合[26]。估计系数的不确定性通过自助法评估,显示在500个自助样本中变量未被收缩至零的比例。我们呈现两个模型:一个仅包含TAI位置(包括侧别)变量(弹性网临床TAI-MRI模型),另一个还包含TAI数量和体积变量(弹性网定量TAI-MRI模型)。两个模型均纳入核心变量和Marshall CT评分作为协变量。

不同TBI严重程度中不同TAI分级预后价值的比较

应用上述不同回归的结果,我们提出Trondheim TAI-MRI分级。使用有序或二元逻辑回归模型比较四种TAI分级的预后性能,这些模型包含核心变量和Marshall CT评分,以及以下TAI分级之一:(a) 标准TAI分级[4],(b) Stockholm MRI分级[12],我们近期基于GCS评分的(c) TAI-MRI分级[13],或(d) Trondheim TAI-MRI分级。我们还开发了包含TAI和/或挫伤体积的定量模型,并将其与包含TAI分级(a–d)的模型进行比较。对于不同的回归模型,通过10折交叉验证[27]计算预测重度TBI不良结局(GOSE评分≤4)和预测中度TBI残疾(GOSE评分≤6)的受试者工作特征曲线下面积(AUC),并以95%自助法CI呈现。由于MRI发现少且残疾患者少,该分析无法在mTBI中进行。

统计分析使用IBM SPSS Statistics 27版、STATA/MP 16.0版和R 3.5.1版进行[28]。为在一定程度上防止假阳性结果,采用了务实的方法。并非使用常用的0.05界限,而是将p值<0.01视为具有统计学意义。由于本研究的探索性性质,进行正式校正存在产生大量假阴性的风险,因此并不可取。

结果

创伤性轴索损伤(TAI)的存在在轻度(6%)、中度(70%)和重度TBI(95%,表1)之间存在差异。脑干或丘脑的双侧TAI仅见于重度TBI患者,除3例中度TBI患者外(表2)。TAI的总FLAIR体积在重度TBI中最高(中位数1.29 cm³),并随损伤严重程度降低而显著减小(表1)。挫伤见于4%的mTBI和75%的msTBI。

表1 按TBI严重程度分组的人口学、损伤和影像学变量及预后(n = 463) 查看原表 ↗
表2 校正后有序逻辑回归分析,以GOSE评分b为响应变量,以MRI上不同的TAI或挫伤变量为解释变量 查看原表 ↗

TAI位置和挫伤的预后价值

在所有TBI和重度TBI中,根据估计的OR值,丘脑或脑干(尤其是脑桥)的双侧TAI(OR 10.7–11.7)是与较差预后关联最强的位置变量(表2)。75%的重度TBI伴脑桥双侧TAI患者预后不良(GOSE评分≤4)。脑干、丘脑或基底节单侧TAI的OR值较低、p值较高,与双侧损伤相比(表2和补充表S1)。在msTBI的弹性网临床TAI-MRI模型中,脑干和丘脑的双侧TAI被纳入>70%的自举样本,而基底节双侧TAI及基底节、脑干和/或丘脑单侧TAI被纳入<50%的自举样本(图2和补充表S2)。在所有TBI和重度TBI中,胼胝体TAI也与预后相关(表2)。

在中度TBI中, none of the TAI存在变量与预后显著相关(表2)。在中度TBI(包括GCS评分13的患者)中,CT上挫伤的存在(OR 3.24(95% CI 1.634; 6.43),p = 0.001)和MRI上挫伤体积(OR 1.65(95% CI 1.24; 2.18),p = 0.001)显著预测GOSE评分。

在mTBI中,TAI的存在未显著预测残疾(GOSE评分≤6,OR 8.2(95% CI 1.5; 44.6),p = 0.014,补充表S3)。挫伤和轴外血肿的存在预测残疾(p < 0.001)。宽泛的CI表明这些分析中估计的OR值存在较大不确定性。

图2 弹性网临床TAI-MRI模型,其中拟合了带有弹性网惩罚的有序回归模型,用于预测中重度TBI的6个月GOSE评分。该模型包含TAI-MRI存在变量(包括侧别变量)。最差Marshall CT评分始终纳入模型。直方图显示500个自助样本中每个变量被纳入模型的百分比(即其系数未被设为零)。该图与补充表S2相关。GCS,格拉斯哥昏迷量表;Pres.,存在;TAI,创伤性轴索损伤;T2*GRE,T2*梯度回波;SWI,磁敏感加权成像;DWI,弥散加权成像;FLAIR,液体衰减反转恢复。* 一个变量(标有*)在弹性网回归模型中OR < 1(相关现象)。单个变量的结果必须谨慎解读,因为在解释此图时必须考虑所有变量的联合效应 查看原图 ↗

TAI数量和体积的预后价值

在重度TBI中,我们发现FLAIR和DWI上TAI总体积和总数与GOSE评分呈负相关(图3)。在T2*GRE/SWI上脑干TAI数量也发现相同结果。在msTBI的校正回归模型中,TAI体积比数量模型更好地解释结局方差(表3),其中包含FLAIR上TAI总体积的模型(M7,表3)表现最佳。此外,在msTBI的弹性网定量TAI-MRI模型中,FLAIR上TAI总体积被纳入97%的自助样本(补充图1和补充表S4)。在包含DWI的模型中校正损伤至MRI时间并未改善模型拟合。TAI在脑内多个亚部位的存在率较低(补充表S5),导致统计效能较低。

在轻度或中度TBI中,TAI的数量和体积与结局无显著关联(表2)。

图3 重度TBI(n = 176)不同MRI序列上TAI病灶的平均数量和平均体积。左上:FLAIR(深绿色)和DWI(浅绿色)上TAI的平均总数。右上:FLAIR(深蓝色)和DWI(浅蓝色)上TAI的平均总体积。左下:T2*GRE/SWI上TAI的平均总数。右下:T2*GRE/SWI上脑干TAI的平均数量(仅8例患者GOSE评分为2)。p值表示中位数下降趋势(Jonckheere–Terpstra)。TBI,创伤性脑损伤;GOSE,格拉斯哥结局扩展量表;TAI,创伤性轴索损伤;FLAIR,液体衰减反转恢复;DWI,弥散加权成像;T2*GRE,T2*梯度回波;SWI,磁敏感加权成像 查看原图 ↗
表3 中重度TBI:以6个月GOSE评分为响应变量、MRI上TAI数量和体积变量为解释变量的有序logistic回归模型(n = 305) 查看原表 ↗

Trondheim TAI-MRI分级和定量模型

基于前述回归分析的结果,我们提出Trondheim TAI-MRI分级,其在图4a中与另外三种MRI上TAI分级一同展示[4, 12, 13]。在图4b中,展示了Trondheim TAI-MRI分级及每个TAI分级和MRI序列的图像示例。

在重型TBI中,当将Trondheim TAI-MRI分级与标准TAI分级(模型A4 vs. A1,表4)进行比较时,伪R2更高(0.19 vs. 0.16),AIC更低(571 vs. 581)。在包含FLAIR上TAI和挫伤总体积的定量模型中,模型拟合最佳(伪R2 0.21,AIC 551)(TBI-FLAIR体积模型,A6,表4)。

在中型TBI(GCS评分9–12)中,各临床TAI分级之间均无优劣之分,但应用TBI-FLAIR体积模型后伪R2从0.15增至0.19(B6,表4)。在GCS评分13–15的患者中,TAI的存在与否及体积均未改善模型拟合,而挫伤-FLAIR体积模型则改善了模型拟合(C6-D6,表4)。

图4 a 中重度TBI#——所提出的特隆赫姆TAI-MRI分级(以红框和浅灰色背景标记)与其他TAI的MRI分级的关系示意图。每个分级下方一行标示了结局,显示不同TAI分级在6个月时的平均GOSE*评分及(标准差)和(数量)。#轻度TBI在所有分级中表现相同,因为TAI病灶较少。仅一名患者在胼胝体有病灶(3个月时GOSE评分为8),n = 8为TAI 1级(平均GOSE 7.00(标准差1.19))。§ 若上述版权声明出现,则允许为任何目的使用、复制、修改和分发——ICBM版权(C)1993–2009 Louis Collins,McConnell Brain。§§ 由于我们资料中所有小脑有TAI病灶的患者同时大脑半球也有TAI病灶,我们未在不同分级中展示小脑。TBI,创伤性脑损伤;TAI,创伤性轴索损伤;mGOSE,平均格拉斯哥结局扩展评分;n,数量;unilat.,单侧;bilat.,双侧;CC,胼胝体;PL-IC,内囊后肢;BG,基底节。b 特隆赫姆TAI-MRI分级5级示意图。病灶位置在第四行上方的MNI-ICBM152模板中以白色星号标记。下方各行提供了FLAIR(第5行)、DWI(b1000,第6行)和T2*GRE/SWI(第7行)上TAI病灶的图像示例。患者TAI分级最高的病灶定位代表最终TAI分级。注意较低级别的TAI定位不一定存在。对于TAI 1、2和5级,每列代表一名患者。在1级中,一名患者右侧额叶白质有TAI,在三个相应序列中均可见。在2级中,一名患者胼胝体干有TAI,在三个相应序列中均可见。在5级中,一名患者双侧脑桥被盖和小脑中脚有TAI,在三个相应序列中亦可见。*对于TAI 3级,展示了三名不同患者以说明不同病灶定位。在第5行,展示了一名左侧丘脑左侧枕部单侧TAI患者的FLAIR图像。在第6行,展示了另一名中脑左侧大脑脚单侧TAI病灶患者的DWI(b1000)图像。在第7行,展示了第三名双侧尾状核头创伤性微出血患者的T2*GRE图像。**对于TAI 4级,展示了两名不同患者。FLAIR和DWI图像(第5和第6行)来自一名中脑顶盖双侧TAI患者。在第7行,展示了另一名双侧丘脑及壳核(未以箭头标示)创伤性微出血患者的T2*GRE图像。TAI,创伤性轴索损伤;FLAIR,液体衰减反转恢复;DWI,弥散加权成像;T2*GRE,T2*梯度回波;SWI,磁敏感加权成像 查看原图 ↗
表4 不同TBI损伤严重程度中TAI的不同MRI分级:校正后的有序和逻辑回归分析及交叉验证曲线下面积(AUC) 查看原表 ↗

讨论

在这项纳入所有严重程度TBI并采用早期MRI的前瞻性研究中,我们在校正已确立的结局预测因素后,探讨了TAI病灶的位置、数量和体积作为结局潜在预测因素的作用。在重型TBI中,脑干或丘脑存在双侧TAI是强有力的结局预测因素,尤其是位于脑桥时。有趣的是,在轻-中型TBI中,MRI上挫伤总体积对结局的重要性高于TAI体积。基于我们的结果,我们提出Trondheim TAI-MRI分级(图4a、b),可通过早期MRI的视觉评估加以应用。然而,在所有TBI严重程度中,当定量FLAIR模型替代TAI-MRI分级时,模型拟合最佳。

我们发现,在重型TBI中,脑桥双侧TAI对6个月时更差结局的预测作用最强,其OR在研究的所有位置中位居最高之列。在一项纳入255例危重TBI患者的回顾性MRI研究中,也提出脑桥双侧TAI代表最差级别[12]。在2002年的一项并非专门研究TAI的研究中,上脑桥的任何双侧MRI病灶都是死亡的最强预测因素[29]。因此,我们提出将脑桥双侧TAI作为最差级别,即Trondheim TAI-MRI 5级。

中脑或丘脑存在双侧TAI是重型TBI的强结局预测因素。丘脑主要由灰质核团组成,但周围环绕白质层,并被Y形白质层——内髓板[30]分隔,这可能解释为何可在丘脑发现TAI。丘脑是重要的中继中心,与大脑几乎所有部分存在往返连接,其中嵌于内髓板的板内核群对意识尤为重要[30]。这可以解释为何丘脑双侧TAI对结局如此重要。此外,我们此前发现,丘脑双侧TAI患者的GOSE评分低于丘脑单侧TAI患者[11],并且丘脑双侧TAI较任何其他MRI发现更能提示入院GCS较低[13]。在一项DTI研究中,我们发现所有标准TAI级别中丘脑的各向异性分数值均较低[31]。此外,近期两项关于TBI中MRI的综述得出结论,脑干或丘脑的任何双侧病灶均增加不良结局风险[32, 33]。最后,在Stockholm MRI分级中,丘脑双侧TAI患者也与不良结局相关[12]。我们提出,中脑或丘脑双侧TAI应归类为Trondheim TAI-MRI 4级。

此外,在将所有创伤性脑损伤(TBI)患者合并分析时,我们发现丘脑或脑干的单侧创伤性轴索损伤(TAI)以及基底节的双侧TAI病灶显著预测更差的结果。预期脑干或丘脑的单侧TAI对结果的重要性不如双侧损伤,但我们发现基底节双侧TAI与不良结果的关联并不那么密切,这有些令人惊讶。然而,基底节主要参与运动控制,而脑干和丘脑对生命功能和意识更为重要[11, 30]。我们最近发现脑干单侧TAI的存在与GCS评分显著相关[13]。在GCS评分为9–12的中度TBI中,脑干、丘脑或基底节任何TAI的存在与结果无显著关联。然而,估计的OR(2.9)与重度TBI的OR(3.1)相似,对结果影响的证据程度较低可能是由于TAI发生率较低。重要的是,没有轻度TBI(mTBI)患者在脑干、丘脑或基底节存在TAI。在一项对178例重度TBI伴TAI患者的回顾性MRI研究中,校正IMPACT变量的多变量有序回归也证明,除胼胝体和脑干的TAI外,丘脑/基底节任何TAI对12个月结果的重要性[34]。我们建议丘脑或脑干的单侧TAI或基底节的单侧/双侧TAI应归类为Trondheim TAI-MRI 3级。

胼胝体TAI的存在与重度TBI的结果显著相关。然而,这些患者中许多同时在脑干、丘脑或基底节存在TAI,难以推断其对结果预测的贡献。我们未发现任何证据表明压部的TAI比膝部/体部的TAI是更差结果的更强预测因子,这与观察到的与GCS评分的关联相反[13]。因此,出于临床目的,我们建议胼胝体的TAI不再进一步细分,归类为2级。我们还建议半球或小脑的TAI仍应归类为1级,因为我们的数据中几乎没有证据建议改变当前做法。mTBI患者几乎仅在半球存在TAI;在更大的样本中,有理由预期此类病灶将与结果相关,尽管我们未能证明统计学显著效应。

在重度TBI中,Trondheim TAI-MRI分级在预测6个月结果方面优于标准TAI分级、Stockholm MRI分级[12]以及我们基于GCS评分的TAI-MRI分级[13]。Stockholm MRI分级在其2级和3级中包含了更多的亚部位,而Trondheim TAI-MRI分级与当今使用的标准分级更为相似,因而放射科医生在日常临床实践中更容易学习和实施。我们还质疑Stockholm MRI分级未能区分MRI上无TAI的患者与半球存在TAI的患者,因为在该分级系统中两者均被归为1级。

在msTBI中,TAI总体积比总数是更重要的结局预测因素,而FLAIR上的体积比DWI上的更重要。对DWI上的时间因素进行调整并未改善模型拟合。我们从卒中影像学中得知,DWI病灶在发病后2–3周消失或减弱[35],这也是TBI中的临床经验。因此,DWI在临床环境中用处较小,因为msTBI中MRI通常比卒中更晚进行。

包含TAI-FLAIR体积的预后模型在msTBI中给出了高模型拟合。TAI-FLAIR体积在msTBI中的重要性得到了其他较小研究的支持[10, 36, 37]。有趣的是,在所有TBI严重程度中,我们发现当定量模型取代临床TAI-MRI分级时,模型拟合通常更好。在中度(GCS评分9-12)和重度TBI中,TBI-FLAIR体积模型(包括TAI和挫伤体积)给出了最高的模型拟合,而在GCS评分13–15中,Contusion-FLAIR体积模型贡献了最高的模型拟合。较小研究此前已显示挫伤在中度[10]和mTBI[38]中的预测价值。FLAIR体积甚至比临床MRI分级给出更高的模型拟合这一发现,对人工智能(AI)技术的使用是有前景的。然而,在我们的模型中,GOSE评分方差的很大一部分仍未得到解释。TBI后的结局是多维度的,并被认为不仅受损伤严重程度影响,还受其他因素如情境因素和心理社会功能的影响。

本研究有几个优势:第一,前瞻性数据收集和大量早期MRI患者。第二,我们在三种不同MRI序列上进行了广泛的结构化基于模板的MRI判读和手动病灶分割。手动分割被视为金标准,自动算法有前景但仍不能独立使用[39]。第三,MRI判读和分割均以盲法进行,并在评分者间分析中进行了质量控制,评分者间一致性良好[13]。

一个局限性是TBI早期MRI研究中始终存在的选择偏倚,我们此前已承认其原因,如年龄和损伤严重程度[11, 14]。尽管总样本量大,但患者数量较少加上MRI发现患病率较低,导致中度和特别是mTBI中把握度较低。另一个局限性是MRI扫描仪的异质性,msTBI中大多数患者使用1.5 T扫描仪检查,而理想情况下整个队列应在3 T上成像。然而,在临床环境中,1.5 T和3 T扫描仪在未来许多年都将被使用,因此有一种可独立于场强使用的分级是有益的。该队列中许多msTBI患者使用T2*GRE而非SWI检查,这可能导致了TAI的低估。因此,我们建议Trondheim TAI-MRI分级和定量模型将在未来使用3 T和SWI的大型多中心数据集中进行外部验证。

总之,我们提出Trondheim TAI-MRI分级,以中脑或丘脑双侧TAI以及脑桥双侧TAI分别作为最差的4级和5级。Trondheim TAI-MRI分级在重型TBI中能最可靠地评估结局,需要更大的样本量来阐明其在轻中度TBI中的重要性。有趣的是,TAI在轻中度TBI的结局预测中似乎不那么重要,其中MRI上挫伤体积对结局的预测更好。包含FLAIR病灶体积的定量模型在所有TBI严重程度中具有最高的模型拟合度。未来,人工智能的持续进步很可能使定量模型能够在临床中使用。在早期MRI上对脑损伤进行更优化的预后分类将很重要,有助于决策、告知患者和家属,并对患者进行分层以进行最佳随访。

补充信息

电子补充材料

引用

  1. Moen KG, Flusund AH, Moe HK, et al. The prognostic importance of traumatic axonal injury on early MRI: the Trondheim TAI-MRI grading and quantitative models. Eur Radiol. 2024. PMID: 38896232. doi:10.1007/s00330-024-10841-1
  2. 全文:PMC11557676(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11557676/

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。