利用光子计数探测器CT虚拟平扫成像评估卒中患者贫血:基于主动脉弓上血管CT血管成像的验证
回顾性分析80例接受光子计数探测器CT主动脉弓上血管CT血管成像的患者,在颈静脉、主动脉和脑静脉窦等部位测量虚拟平扫CT值并与血清血红蛋白水平相关分析。颈静脉虚拟平扫CT值与血红蛋白相关性最强(R²=0.49),检测贫血的AUC为0.88,预测重度贫血的AUC约0.94,最佳阈值为36.3 HU(敏感度100%、特异度约94%)。作者认为虚拟平扫成像可用于贫血检测,颈静脉是最可靠的评估部位。
要点
- 颈静脉虚拟平扫CT值与血红蛋白相关性最强(R²=0.49),检测贫血AUC为0.88。
- 颈静脉虚拟平扫CT值预测重度贫血(<8 mg/dl)AUC约0.94,阈值36.3 HU时敏感度100%、特异度约94%。
- 影像与采血间隔越短相关性越强,24小时内亚组r=0.80、R²=0.64。
核心结论
- 利用光子计数探测器CT血管成像的虚拟平扫序列检测贫血是可行的,颈静脉是最可靠的测量部位。
- 颈静脉虚拟平扫CT值36.3 HU可有效区分重度贫血与非重度贫血患者。
- 虚拟平扫成像在血检延迟或不可用时可能成为有价值的替代方法。
研究设计与样本
- 单中心、回顾性、观察性研究,纳入80例患者(初筛111例,排除31例),分析时间为2021年7月1日至2022年5月30日。
- 采用光子计数探测器CT(NAEOTOM Alpha,Siemens Healthineers)行主动脉弓上血管动脉期CT血管成像,管电压120 kVp,层厚0.8 mm、增量1 mm。
- 虚拟平扫图像采用双能物质分解算法生成(碘/软组织双物质模型),同时生成70 keV虚拟单能图像。
- 由一名具有1.5年头颈部CT血管成像经验的放射科住院医师在Syngo.via工作站勾画感兴趣区,对实验室和临床数据设盲。
- 贫血定义采用世界卫生组织标准:女性血红蛋白≥12.0、<12.0–11.0、<11.0–8.0、<8.0 mg/dl分别为健康、轻度、中度、重度贫血;男性≥13.0、<13.0–11.0、<11.0–8.0、<8.0 mg/dl。
关键影像表现/征象
- 颈静脉虚拟平扫CT值与血红蛋白相关性最强,相关系数0.70、R²=0.49,回归系数2.05 HU/mg/dl(p<0.001)。
- 主动脉等动脉血管相关性较弱(R²=0.11,p<0.001)。
- 贫血患者颈静脉虚拟平扫CT值低于非贫血患者(以中位数和四分位距表示)。
- 影像与采血时间间隔越大,相关性越弱。
诊断标准与关键数值
- 颈静脉虚拟平扫CT值检测贫血(女性Hb<12 mg/dL、男性Hb<13 mg/dl)的AUC为0.88。
- 颈静脉虚拟平扫CT值预测重度贫血(<8 mg/dl)的AUC约0.94,最佳阈值36.3 HU,敏感度100%、特异度约94%。
- 24小时内采血亚组颈静脉虚拟平扫CT值与血红蛋白相关性r=0.80、R²=0.64(p<0.001),全队列r=0.70、R²=0.49。
临床应用与阅片要点
- 在头颈部CT血管成像中,可测量颈静脉(舌骨水平)虚拟平扫CT值作为贫血的初步影像指标,最终由实验室数据确认。
- 颈静脉测量感兴趣区平均约1.0 cm²(右侧)和1.1 cm²(左侧),应覆盖约三分之二血管直径以减少部分容积效应。
- 动脉期CT血管成像中动脉血管虚拟平扫CT值较高,可能降低贫血检测准确性,颈静脉和脑静脉窦仅部分充盈。
局限性
- 本研究为回顾性观察性研究,患者数量相对较少,扫描指征多样,引入相当偏倚。
- 允许扫描与血清血红蛋白测量间隔长达一周,可能显著影响结果。
- 未与已建立的方法(如脑静脉窦CT值测量)进行比较,限制了结果的广泛适用性。
- 未纳入真实平扫与虚拟平扫的直接比较,因无完整真实平扫数据集。
- 需要未来在更大、更受控的人群中进一步研究和验证该方法。
全文中译10 节 · 点击展开
引言
贫血是急性缺血性卒中(AIS)患者中常见的合并症,影响高达40%的该人群[1]。它与更差的结局相关,不仅增加死亡风险,还导致更差的功能恢复,其潜在机制可能包括氧输送减少、血液黏度改变和脑自动调节功能受损[2–5]。因此,贫血的识别和管理对卒中患者的治疗和预后至关重要[6]。
血清血红蛋白水平与平扫胸部CT上的CT衰减值之间存在明确的线性相关性[7–11]。近年来,对比增强能谱CT和光子计数探测器CT(PCD-CT)已证明能够利用后处理过程中生成的虚拟平扫(VNC)序列可靠地预测接受胸部和腹部成像患者的贫血[12–14]。在这些VNC图像中,通过分析不同能量水平的X射线吸收来量化并减去每个体素的碘浓度,从而创建用于后续测量的虚拟平扫数据集。然而,在神经系统患者中,贫血评估通常来源于平扫头颅CT[15–18]。
在胸部和腹部成像之外使用VNC序列验证贫血检测的研究仍然有限。现有数据表明,并非所有解剖区域都同样适合评估,结合多个位置的测量可能提高贫血检测的准确性[13]。虽然可以使用头部标准平扫CT评估贫血,但颅内测量——特别是硬脑膜静脉窦——可能受到线束硬化伪影的影响。这些伪影由X射线穿过颅骨等致密结构时低能光子被吸收所引起,可扭曲CT衰减值并可能影响可重复性[19]。PCD-CT联合VNC成像的优势在于能够在受骨骼结构影响较小的区域(如颈部血管)进行衰减测量,从而减少线束硬化效应的影响。通过将评估范围从颅内扩展至颈部,我们可以评估多个血管部位并确定贫血检测最可靠的位置。
因此,本研究的目的有两方面:第一,评估使用PCD-CT行CT血管造影所得的VNC序列上CT衰减值与血清血红蛋白水平之间的相关性;第二,确定该分析的最佳解剖部位。
方法
这项单中心、回顾性、观察性研究经德国慕尼黑路德维希-马克西米利安大学机构审查委员会批准(编号:22–0456)。研究遵循《赫尔辛基宣言》(1964年)及其后续修订版中规定的伦理标准。由于回顾性设计及患者数据的不可逆匿名化处理,审查委员会豁免了个体知情同意的要求。
患者
筛选了2021年7月1日至2022年5月30日期间所有使用光子计数探测器CT(PCD-CT,NAEOTOM Alpha,Siemens Healthineers,Erlangen,德国)行主动脉上脑供血血管动脉期CT血管造影的患者。排除标准包括缺失或过期的(> 7天)全血细胞计数、因既往颈椎手术导致异物产生明显线束硬化伪影、或主动脉上脑供血血管覆盖不完整。
采用世界卫生组织(WHO)对贫血的定义。数值定义为健康(即无贫血)、轻度、中度和重度贫血,女性血红蛋白水平分别为≥ 12.0、< 12.0–11.0、< 11.0–8.0和< 8.0 mg/dl,男性分别为≥ 13.0、< 13.0–11.0、< 11.0–8.0和< 8.0 mg/dl [20]。
扫描方案
所有扫描均作为常规临床实践的一部分在PCD-CT上进行。根据我院头颈部CTA标准方案,采用单相对比剂注射方案,包括经肘前静脉注射60 mL碘对比剂(碘普罗胺;Ultravist 300 mgI/mL,Bayer,Leverkusen,德国),随后以20 mL生理盐水冲管。对比剂和生理盐水均以4.5 mL/s的流率注射。当升主动脉内对比剂团注达到120 HU的衰减阈值时触发扫描。患者取仰卧位,从升主动脉至头顶行头尾方向扫描。扫描参数如下:采集模式为光谱信息读出(QuantumPlus,Siemens),管电压120 kVp并采用自动管电流调制(Care DOSE 4D,Siemens Healthineers),旋转时间0.25 s,螺距0.8,准直144 × 0.4 mm。虚拟平扫(VNC)图像使用双能量物质分解算法生成,该算法从图像数据中减去碘成分以近似非增强扫描。此过程使用厂商提供的重建算法完成。VNC图像生成采用双物质分解模型,区分碘与软组织。该方法依赖PCD-CT提供的光谱分离来选择性去除碘信号,同时保留底层组织衰减。全容积光谱序列使用软组织卷积核(Qr40f,量子迭代重建(QIR)级别3)生成,并以包含完整光谱信息的增强DICOM格式保存(SPP,光谱后处理)。层厚0.8 mm,间隔1 mm。
图像处理与分析
图像分析由一名具有1.5年头颈部计算机断层扫描血管造影(GAQ)经验的放射科住院医师在专用工作站(Syngo.via VB60A,MM reading workflow;Siemens Healthineers,Erlangen,Germany)上完成,该医师对实验室和临床数据均设盲。在选定的解剖位置勾画感兴趣区(ROI),以确保可靠的衰减测量,同时尽量减少伪影。为平衡动脉和静脉腔室,预先设定以下部位:动脉ROI包括升主动脉、头臂干和降主动脉,因为这些血管提供稳定的对比剂衰减,并且是体循环的主要通道。在舌骨水平双侧测量左右颈内静脉,以减少来自肩部和下颌骨的潜在伪影,确保测量的一致性和可重复性。纳入颅内静脉结构是因其在血红蛋白估算中的潜在作用,这些结构包含缓慢流动的血液,可能更好地反映全身血红蛋白水平。具体而言,分析了乙状窦、窦汇、上矢状窦和大脑大静脉,以评估硬脑膜静脉窦的衰减,此前已在贫血评估背景下对这些结构进行过研究。ROI定义为覆盖约三分之二的血管直径,以尽量减少周围组织部分容积效应的风险。各部位的平均ROI大小为:升主动脉4.4 cm²,头臂干3.5 cm²,降主动脉3.0 cm²,右颈内静脉1.0 cm²,左颈内静脉1.1 cm²,乙状窦0.3 cm²,窦汇0.4 cm²,大脑大静脉(Galen静脉)0.2 cm²,上矢状窦0.3 cm²。在SPP序列上放置每个ROI后,软件自动对70 keV虚拟单能成像(VMI)序列(CT值70 keV)和VNC序列(CT值VNC)进行基于ROI的CT值分析,两者在后台同时计算。选择70 keV VMI序列是因为已证明其最接近传统120-kVp多色图像,同时提供改善的信噪比和对比噪声比 [X21, 22]。
统计分析
数据分析使用 Python 3.11.8 版本,利用 SciPy、pandas、numpy 和 matplotlib 库进行数据操作、统计计算和可视化。计算了各解剖区域血红蛋白(Hb)水平与虚拟平扫(VNC)CT 值之间的 Pearson 相关系数,重点关注颈静脉、主动脉、大脑大静脉和静脉窦。还评估了多个关键区域组合 VNC 值的预测能力。采用简单线性回归和多元线性回归模型评估 VNC 值与 Hb 之间的关系,报告 R² 值以确定所解释的方差。使用多元线性回归评估 VNC 衰减值与血红蛋白水平之间的关联,并校正年龄和性别等潜在混杂因素。虽然纳入了每位患者的多次测量值,但模型未明确考虑患者内聚类效应。受试者工作特征(ROC)分析评估了颈静脉 VNC 值区分贫血患者(女性 Hb < 12 mg/dL,男性 < 13 mg/dl)与非贫血患者的能力,曲线下面积(AUC)用于衡量诊断准确性。所有检验均以 p 值 ≤ 0.05 认为差异具有统计学意义。
结果
在最初选择的 111 例患者中,31 例根据预设排除标准被排除:缺失或全血细胞计数超过 7 天(n = 15)、CT 血管造影(CTA)仅限于颅内血管(n = 1)、CTA 仅限于颅外区域(n = 1)、颈椎手术导致过度干扰(n = 3),以及 CTA 遗漏部分感兴趣点(n = 11)。最终 80 例患者纳入分析。平均年龄为 70.3 岁(标准差 ± 12.4 岁),范围为 33 至 92 岁。其中,男性 48 例(平均年龄 69.75 岁 ± 13.4,范围 33 至 88 岁),女性 32 例(平均年龄 71.4 岁 ± 10.7,范围 35 至 92 岁)。
患者选择和贫血特征见图 1 流程图。患者人口学特征和贫血分类见表 1。VNC 和单能图像虚拟单能图像(VMI)衰减值见补充材料(补充表 S1)。
各区域之间的相关性差异显著。血红蛋白水平与各感兴趣点 VNC 值之间的关系总结于表 2。值得注意的是,颈静脉测量值与血红蛋白水平的相关性最强且高度显著,相关系数为 0.70,决定系数(R²)为 0.49。线性回归分析证实了这些发现,显示颈静脉 CT 衰减值与血红蛋白水平之间存在强关联,回归系数为 2.05 HU/mg/dl(p < 0.001),R² 为 0.49。ROC 分析显示 AUC 为 0.88(图 1)。线性回归分析的完整结果作为电子补充材料提供(补充表 S2)。
我们发现无贫血患者与轻度、中度和重度贫血患者之间颈静脉 VNC 值存在显著差异。图 2 展示了按贫血分类分组的颈静脉 VNC 衰减值分布。如中位数和四分位距所示,贫血患者的 VNC 衰减值低于非贫血患者。
我们还发现,在不同时间间隔下,VNC值与血红蛋白水平之间存在不同程度的相关性。CT扫描与采血之间的时间差越大,相关性越弱,提示时间因素在使用VNC值检测贫血的准确性中起着关键作用(图3)。为评估时间变异性可能引入的偏倚,我们进行了亚组分析,仅纳入血红蛋白值在CT扫描后24小时内获得的患者(第0天组,n = 39)。在该亚组中,颈静脉VNC值与血红蛋白之间的相关性(r = 0.80,R² = 0.64,p < 0.001)明显强于整个队列(r = 0.70,R² = 0.49)。这些发现表明,影像检查与采血之间的时间延迟显著影响相关性强度,强调在使用VNC测量进行准确贫血评估时尽量减少该间隔的重要性(见图4)。
使用颈静脉VNC值预测整个队列中重度贫血(< 8 mg/dl)的ROC曲线下面积计算约为0.94。确定最佳截断值为36.3 HU,在敏感性和特异性之间提供了最佳平衡。在该阈值下,敏感性为100%,正确识别了所有重度贫血患者,特异性约为94%,正确分类了大多数无重度贫血的患者。
讨论
我们的数据表明,使用主动脉弓上血管CT血管造影的VNC序列进行贫血检测是可行的,在颈静脉测量中获得最佳结果。然而,在其他部位,特别是主动脉和头臂动脉等动脉血管中,相关性显著下降。VNC序列中静脉与动脉血管之间的这种差异此前已有描述[23–25]。与真实平扫成像相比,动脉期CTA中显著更高的衰减值可能降低准确性并妨碍贫血检测。相比之下,颈静脉和脑静脉窦等静脉结构在动脉期CTA中通常仅部分显影,例如由于对比剂团注持续时间、心输出量差异以及患者间变异性所致。尽管TNC成像仍是测量基线衰减的金标准,但既往研究已证明VNC成像可以高精度地近似TNC值,同时避免额外的辐射暴露[26–28]。本研究未纳入TNC与VNC图像之间的直接比较,因为无法获得完整的TNC图像数据集。尽管如此,在贫血检测背景下对VNC与TNC扫描进行直接比较将为我们的发现提供有价值的确认,应在未来研究中予以考虑。
在本研究中,颈静脉测量为血红蛋白水平提供了可靠的评估,并有效区分了伴或不伴重度贫血的患者。然而,相关性程度在不同研究之间似乎存在差异。Decker等人报告的相关性为R² = 0.80,而Zopfs等人的数据显示相关性更与我们的发现一致(R² = 0.54)[12, 13]。由于我们使用了与Decker等人相同的系统,CT系统技术、探测器配置或后处理方面的差异不太可能解释这一差异。Zopfs等人研究中更为异质的数据以及纳入CT血管造影可能导致了较低的相关性。此外,患者特异性因素也可能促成这些差异。例如,Fallah Arzpeyma等人分析了1,680例头部CT,发现血细胞比容、血清血红蛋白和血尿素氮水平均对脑静脉窦的衰减有显著贡献。然而,我们的结果不能直接比较,因为他们使用的是平扫头部CT并测量大脑静脉窦的CT值[18]。我们的数据表明,颈静脉测量可能比脑静脉窦测量更可靠。在大静脉窦中测量的潜在局限性包括ROI较小以及与颅骨邻近,这可能引入噪声和伪影,影响准确性。因此,在颈静脉中进行测量,其中可以放置大ROI而无颅骨伪影,并且具有静脉或接近未增强的HU值,可能是评估贫血的有前景的部位。我们的发现表明,VNC成像中的静脉衰减与贫血相关,这提出了是否可以使用标准TNC成像观察到类似模式的问题。TNC成像仍然是非增强衰减测量的参考标准。然而,PCD-CT已被证明能够产生可靠的VNC图像,其质量优于来自传统双能量CT与积分探测器的VNC重建[29, 30]。由于我们的研究基于对比增强CT血管造影数据集,与TNC成像的直接比较不可行。有必要进行进一步的头对头比较这些模态的研究。此外,探索影响测量准确性的解剖因素,例如VNC测量的最佳部位,也仍然是进一步研究的关键领域。传统CT和PCD-CT之间不同的探测器技术也可能影响结果。然而,据我们所知,尚未对未增强PCD-CT数据进行验证及其与贫血的相关性研究。
在卒中患者中,典型方案包括平扫CT和主动脉上血管CT血管造影,因此TNC数据通常可用。然而,在无原生扫描可用的临床场景中,从CTA数据集衍生的VNC图像可能提供有价值的诊断信息。此外,随着CT技术的进步,可以设想平扫头部CT最终可能被VNC序列取代[31]。
我们的研究还揭示了VNC值与血清血红蛋白水平之间相关性的时间变异性。随着影像检查与血液检测之间时间间隔的增加,这种相关性减弱,可能是由于卒中患者住院期间血红蛋白的波动所致。这种变异性可能的 contributing 因素包括水合状态差异、肾功能受损、药物影响和感染。我们对具有同时期实验室血液值(即在影像检查24小时内进行血红蛋白测量)的患者进行的亚组分析显示,与整个队列(R² = 0.49)相比,相关性更强(R² = 0.64)。这表明住院期间血红蛋白水平的时间变异性可能在从VNC序列估算贫血时引入偏倚。因此,在未来的研究中最小化影像检查与血液检测之间的时间差异对于确认我们的发现至关重要。
虽然全血细胞计数检测广泛可用、快速且廉价,能提供近乎即时的血红蛋白结果,但通过影像检查在采集后立即怀疑贫血的能力可能超越现代血液检测的速度。此外,在临床前环境中,例如配备CT扫描仪的移动卒中单元救护车中,当血液检测不可用或耗时较长时,TNC或VNC值与血细胞比容或贫血之间的相关性尤为有用。此外,它可能提供一个冗余系统,防止诊断延迟。在实验室数据延迟或无法获取的情况下,影像检查可以提供快速的替代方案。基于HU的贫血检测可作为初步指标,随后由实验室数据确认。此外,住院患者的随访影像检查可能为住院期间贫血的发展提供初步见解。
我们的研究存在若干局限性。这是一项回顾性观察性研究,患者数量相对较少,且因各种临床指征接受扫描,这引入了相当大的偏倚。此外,我们允许扫描与血清血红蛋白测量之间最多一周的时间差异,这可能显著影响我们的发现。此外,我们未将结果与已有方法进行比较,例如脑静脉窦内CT值测量,这限制了我们发现的更广泛适用性。然而,在我们的探索性分析中,我们首次证明了使用主动脉弓上血管CT血管造影数据集的VNC序列检测贫血的可行性。这为未来研究在更大、更受控的患者群体中完善和验证该方法提供了基础。
结论
我们的研究证明了使用头颈部光子计数探测器CT血管造影的VNC序列检测贫血的可行性,尤其是从颈静脉进行的测量。36.3 HU的截断值有效区分了重度贫血患者与非重度贫血患者。
电子补充材料
以下是电子补充材料的链接。
补充材料1
补充材料2
引用
- Quint GA, Decker JA, Cortes A, et al. Assessing anemia in stroke patients through virtual non-contrast imaging with photon-counting detector CT: validation on supra-aortic vessel CT-Angiography. Neuroradiology. 2025. PMID: 40272466. doi:10.1007/s00234-025-03620-2
- 全文:PMC12494657(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12494657/
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。