文献速递神经外周血管MR

颅内动脉粥样硬化高危斑块特征的识别:基于影像组学方法的初步经验

Identification of high-risk plaque features in intracranial atherosclerosis: initial experience using a radiomic approach.
PubMed 文献 · Eur Radiol · 2018-04-09

本研究回顾性纳入96例基底动脉狭窄患者,评估基于高分辨率磁共振成像(HR-MRI)的影像组学方法区分急性/亚急性症状性斑块与无症状斑块的能力。结果显示,T1及增强T1影像组学特征联合的AUC为0.936,显著高于传统特征联合的AUC 0.833(p=0.01);全部特征联合的AUC达0.974,准确率90.5%。

要点

  • 斑块内出血、最小管腔面积和强化比是急性/亚急性症状的独立预测因子。
  • T1及增强T1影像组学特征联合的AUC为0.936,显著高于传统特征联合的AUC 0.833(p=0.01)。
  • 全部影像组学与传统特征联合的AUC为0.974,准确率90.5%,但较单纯影像组学无显著提高(p=0.275)。

核心结论

  • HR-MRI斑块纹理的影像组学分析能准确区分急性症状性与无症状基底动脉斑块,诊断性能优于传统影像变量和临床危险因素。

研究设计与样本

  • 回顾性研究,纳入96例基底动脉狭窄患者(43例急性、18例亚急性、35例无症状),采用3-T MRI扫描仪行T1、T2及增强T1高分辨率黑血序列,以临床和常规神经影像(T2 FLAIR和DWI)定义的急性(<4周)或亚急性(4-12周)缺血性卒中/短暂性脑缺血发作为参考标准。

关键影像表现/征象

  • 斑块内出血定义为增强前T1加权图像上信号强度>邻近耳前肌肉信号强度的150%;强化比在强化最明显的层面测量,以海马区约15 mm²灰质信号归一化。

诊断标准与关键数值

  • 斑块内出血(OR=17.803;95%CI,2.093-151.472)、最小管腔面积(OR=1.515;95%CI,1.123-2.043)和强化比(OR=71.979;95%CI,3.840-1349.211)为独立预测因子,单独AUC分别为0.638、0.650和0.717;三者联合AUC为0.833,敏感度84.8%、特异度71.0%、准确率74.7%;T1影像组学AUC为0.893,增强T1影像组学AUC为0.918,两者联合AUC为0.936,敏感度97.0%、特异度79.0%、准确率83.2%;全部特征联合AUC为0.974,敏感度93.9%、特异度87.1%、准确率90.5%。

临床应用与阅片要点

  • 影像组学方法可提供不依赖阅片者的定量发现,识别常规阅片难以察觉的斑块纹理特征,可能提高诊断信心和准确性。

局限性

  • 本研究为回顾性研究。
  • 本研究为首次将影像组学分析应用于颅内动脉粥样硬化疾病的HR-MRI研究。
  • 在影像组学斑块信息广泛应用前,需以前瞻性治疗研究探讨强化医疗管理在非狭窄性高危患者中的作用。
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. 2018 Apr 9;28(9):3912–21. doi: 10.1007/s00330-018-5395-1

引言

越来越多的证据支持颅内动脉粥样硬化性疾病(ICAD)是全球缺血性脑血管事件的主要来源,尤其是在亚洲、非裔美国人和西班牙裔人群中[1, 2]。尽管认识不断提高,包括近期的人群研究提示ICAD与痴呆相关[3, 4],但ICAD巨大的全球健康负担仅被部分了解。鉴于症状性ICAD患者卒中复发风险高,对颅内斑块的准确风险评估对于指导临床管理至关重要[1]。

ICAD的传统评估是通过基于血管造影方法的管腔狭窄评价,包括:数字减影血管造影(DSA)、计算机断层血管造影(CTA)和磁共振血管造影(MRA)[5]。由于正性重构现象,即动脉通过外壁扩张来代偿斑块生长,使管腔直径相对不受影响,这些血管造影方法低估了ICAD斑块负荷,一项尸检研究将高达27%的致死性缺血性卒中归因于轻至中度(30-75%)狭窄的颅内斑块[6]。

颅内血管壁高分辨率磁共振成像(HR-MRI)有助于对颅内斑块进行可靠、无创的表征,临床研究支持其在缺血性卒中风险估计中的效用,离体研究验证了其分类斑块特征的能力[5, 7–13]。后循环斑块可能尤其被血管造影方法低估,因为基底动脉表现出正性重构的倾向,且后循环易发生穿支动脉闭塞[14–16]。椎基底动脉狭窄带来卒中、心肌梗死和死亡的显著风险[17]。既往研究支持HR-MRI在评估基底动脉狭窄方面优于MRA的准确性及其在指导血管内介入治疗中的实用性[18–22]。

尽管初步结果良好,颅内斑块的HR-MRI检查复杂且需要对斑块成分进行主观评估。计算机技术的进步使得自动化、可重复的分析方法得以发展,称为影像组学,从影像学检查中提取信息以推断个体患者的预后信息[23]。影像组学方法,如纹理分析,在不同影像模态的多种病变中显示出前景,包括胶质瘤、前列腺癌、肝细胞癌和肺癌[24–27]。这些影像组学方法尚未应用于ICAD的HR-MRI。

这项针对ICAD患者(包括基底动脉斑块)的HR-MRI研究旨在确定包括纹理分析在内的影像组学方法区分急性/亚急性症状性斑块与无症状性斑块的能力,以作为未来基底动脉斑块风险前瞻性评估的框架。

材料和方法

研究人群

本研究经长海医院(中国上海)机构审查委员会批准,所有患者均提供书面知情同意。本研究人群为回顾性选取2014年1月至2016年12月期间接受颅内HR-MRI检查的颅内狭窄患者。所有研究均按照批准的指南进行,包括分析过程中对数据进行匿名化处理。患者纳入标准:(1)症状组为基底动脉供血区缺血性卒中;(2)MRA或CTA显示基底动脉狭窄;(3)≥1项动脉粥样硬化危险因素,包括高血压、糖尿病、高胆固醇血症或吸烟。排除标准:(1)非动脉粥样硬化性颅内动脉疾病,包括血管炎、烟雾病、夹层、可逆性脑血管收缩综合征和颅内动脉延长扩张症;(2)慢性缺血性卒中/短暂性脑缺血发作(TIA)(>12周);(3)超声评估显示颅外颈动脉显著狭窄(>30%);(4)升主动脉弓粥样斑块;(5)疑似心源性栓塞性卒中;(6)已知凝血功能障碍;(7)MRI临床禁忌证,如装有心脏起搏器、某些金属植入物或严重幽闭恐惧症的患者。

MRI采集

患者使用3-T全身MRI扫描仪(Skyra;Siemens Healthcare,Erlangen,德国)配合20通道相控阵头颈部线圈进行扫描。患者采用二维高分辨率黑血T1和T2加权快速自旋回波序列进行扫描。T1图像在增强前和增强后(钆)均进行采集。在初始多平面定位序列后,行轴位三维(3D)时间飞跃法(TOF)MR血管成像以确定基底动脉狭窄的位置。然后在与动脉纵轴方向垂直的平面上进行HR-MRI扫描。扫描参数:T1和T2加权序列均采集12层、层厚2 mm;视野100 mm × 100 mm;矩阵256 × 320;平面内分辨率0.4 mm × 0.3 mm。T1图像TR/TE = 581 ms/18 ms,回波链长度(ETL)= 4,激励次数(NEX)= 4。T2图像TR/TE = 2,890 ms/46 ms;ETL = 20;NEX = 3。

图像分析

所有图像由四名放射科医师分析(两名各具有3年经验的放射科住院医师和两名具有8年颅内血管壁成像经验的资深放射科医师,均使用这些专用序列)。每个检出的斑块独立分类为急性/亚急性症状性,如果在急性(<4周)或亚急性(4-12周)缺血性卒中/TIA后,伴有相应临床症状,且常规神经影像学(T2 FLAIR和DWI显示梗死)存在病灶。当基底动脉沿程存在多处狭窄时,根据最大狭窄处的斑块进行分类。如果斑块在无症状患者中检出,且常规神经影像学未提供其供血血管 territory 内梗死的证据,则归类为无症状性斑块。任何分歧均通过共识解决。

狭窄值由一位经验丰富的放射科医师(具有5年神经放射学经验)在HR-MRI图像上独立测量[28]。若增强前T1加权图像上信号强度>邻近耳前肌信号强度的150%,则认定为存在新鲜斑块内出血(IPH)[29]。使用CMR Tools软件(Cardiovascular Imaging Solutions,伦敦,英国)在最大斑块面积层面的T2加权图像上手动分割管腔和外壁边界。根据分割结果计算最小管腔面积(MLA)。MR信号强度可能因线圈定位等因素在个体间存在差异。该面积测量方法的可重复性此前已有报道为极好[30]。

注射钆基对比剂后进行增强后成像。在强化最明显的层面上测量对比增强率,使用邻近灰质(海马区约15 mm2的区域)对信号强度进行标准化。对比增强百分比计算为{(斑块信号[增强后]/灰质信号[增强后])/(斑块信号[增强前]/灰质信号[增强前])– 1} × 100%。斑块负荷(PB)在最大狭窄部位测量,定义为(1 – 管腔面积/外壁面积)× 100%。

影像组学特征由一位经验丰富的审阅者(具有5年血管壁成像经验)使用专用软件(3D-Slicer)进行分析[31]。为评估影像组学分析的可重复性,另一位审阅者(具有10年血管壁成像经验)在研究人群中随机选取的子集患者(n = 40)中独立测量了影像组学特征。每位审阅者在T1、T2和CE-T1图像上最大斑块面积层面分割斑块边界。对于每个序列,根据既往发表文献提取并分析了94个影像组学特征[32],包括强度特征(最大强度、平均强度、强度标准差等)、基于形状的特征(面积、长度等)和纹理特征。纹理包括灰度共生矩阵(GLCM)、灰度游程矩阵(GLRLM)和灰度尺寸区域矩阵(GLSZM)。纹理特征描述的是体素强度的模式或空间分布,分别由灰度共生(GLCM)和灰度游程(GLRLM)纹理矩阵计算得出。确定纹理矩阵表示需要将感兴趣体积(VOI)内的体素强度值进行离散化。该离散化步骤不仅减少图像噪声,还对所有患者的强度进行标准化,从而允许患者间所有计算出的纹理特征进行直接比较。这些特征的详细定义可见既往发表文献[32]。影像组学特征量化的可重复性通过比较两位审阅者的结果来计算。

统计分析

所有统计分析均使用MATLAB(R2013a;The Mathworks,Natick,MA,USA)和SPSS24.0进行。连续变量记录均值和标准差(SD),分类变量记录频率和百分比。对每个变量进行正态性检验。首先进行单因素分析以评估各变量与急性症状状态之间的关联。由于放射组学分析获得的所有变量均呈正态分布,连续变量的比较采用t检验。分类变量采用卡方检验。随后进行多因素分析,纳入单因素检验中p < 0.10的变量。通过逐步选择变量的逻辑回归模型计算比值比(ORs)及其95%置信区间(CIs)。此外,先采用t检验在各序列中筛选p < 0.05的特征,将差异显著且曲线下面积(AUC)值>0.65的特征作为随机森林训练特征的输入。为评估放射组学特征的诊断性能,应用随机森林[33]的监督机器学习方法将急性症状性斑块与无症状性斑块进行分类。

随机森林是一种元估计器,在数据集的各子样本上拟合多个决策树分类器;本模型应用了十棵三层分类树;每棵树对分类结果投票后,对结果取平均值以提高预测准确性并控制过拟合。在随机森林中,集成中的每棵树均从训练集中有放回抽样构建的样本上建立。此外,在构建树的过程中分裂节点时,所选分裂为特征随机子集中的最佳分裂。

诊断性能采用受试者工作特征(ROC)曲线和AUC值描述。ROC曲线采用DeLong等人[34]开发的方法进行比较。可重复性通过Bland-Altman图和组内系数(ICC)评估,采用双向随机模型及绝对测量。p值<0.05视为具有统计学显著性。

结果

患者

共有174例患者符合纳入标准。78例患者被排除,原因包括颅内动脉瘤(n = 51)、烟雾病(n = 13)、血管炎(n = 7)、夹层(n = 5)和图像质量差(n = 2)。最终96例患者纳入最终分析。患者人口学数据见表1。其中急性43例、亚急性18例和无症状35例。

表1 患者人口学数据 查看原表 ↗

颅内动脉粥样硬化斑块的传统评估

颅内动脉粥样硬化斑块的临床和影像学特征总结于表2。样本患者图像见图1和图2。单因素分析显示,性别、吸烟、IPH、MLA和强化比值与急性/亚急性症状性斑块相关(p < 0.1)。多因素logistic回归分析显示,IPH[比值比(OR)= 17.803;95% CI,2.093-151.472]、MLA(OR = 1.515;95% CI,1.123-2.043)和强化比值(OR = 71.979;95% CI,3.840-1349.211)是急性/亚急性症状的独立预测因素,ROC曲线的AUC分别为0.638、0.650和0.717(图3)。当在模型中联合IPH、MLA和强化比值时,AUC值提高至0.833,优化灵敏度为84.8%,特异度为71.0%,准确率为74.7%。诊断性能数据的详细信息列于表4。

表2 颅内动脉粥样硬化斑块的临床和影像学特征 查看原表 ↗
图1 MRI图像显示一名症状性患者基底动脉(BA)动脉粥样硬化斑块。TOF-MRA(a)显示狭窄,DWI(b)显示左侧小脑内散在斑片状分布的急性梗死灶。BA斑块中间层面的T2加权、T1加权和CE-T1加权图像(从左至右)显示于c和d 查看原图 ↗
图2 两名样本患者的影像组学分析。患者1为63岁男性,脑干急性卒中。患者2为57岁男性,无症状。T1加权图像显示于a和c,CE-T1图像显示于b和d。展示了94个特征中的4个代表性GLCM影像组学特征(对比度、能量、均匀性、熵) 查看原图 ↗
图3 用于区分急性/亚急性症状性与无症状性斑块的ROC曲线。左侧曲线(a)显示各独立参数的诊断性能。右侧曲线(b)显示联合传统/影像组学模型及所有特征联合模型的诊断性能。与传统特征相比,影像组学特征的AUC值显著更高(p = 0.01) 查看原图 ↗

颅内动脉粥样硬化斑块的影像组学评估

影像组学特征样本见图2。随机森林分析显示,T1图像中有7个影像组学特征、CE-T1图像中有3个特征与急性/亚急性症状独立相关(表3),而T2图像中无特征具有统计学显著性。影像组学的诊断性能数据列于表4。T1影像组学特征的AUC值为0.893,CE-T1影像组学特征为0.918。当联合T1和CE-T1图像的所有影像组学特征时,AUC值提高至0.936,优化灵敏度为97.0%,特异度为79.0%,准确率为83.2%(图3)。影像组学特征的AUC值显著高于传统特征(p = 0.01)。

当联合所有影像组学特征和IPH/MLA/强化比值时,AUC值提高至0.974;然而,与单独影像组学特征相比无显著差异(p = 0.275)。优化灵敏度为93.9%,特异度为87.1%,准确率为90.5%。

表3 T1和CE-T1图像上的独立影像组学特征 查看原表 ↗
表4 诊断准确性结果 查看原表 ↗

传统测量与影像组学测量的可重复性

传统测量与影像组学测量的Bland-Altman图及ICC值见补充图1和补充图2。两位评估者在测量狭窄程度、PB、MLA和强化率时,传统特征的ICC分别为0.782、0.778、0.875、0.792(平均ICC为0.806)。两位评估者在判定IPH时的Cohen's kappa值为0.811。

两位评估者在测量十个独立影像组学特征时的平均ICC,T1图像为0.836(范围0.798-0.881),CE-T1图像为0.837(范围0.806-0.858)。

讨论

定量影像组学分析在高分辨率磁共振成像(HR-MRI)上能够准确区分症状性与无症状性基底动脉粥样硬化斑块,优于传统影像学变量和临床危险因素。目前越来越多的人认识到颅内动脉粥样硬化性疾病(ICAD)比以往认为的更为常见,据估计美国ICAD患病率为34% [10],因此显然颅内斑块的特征描述必须超越评估斑块是否存在或狭窄程度,才能准确确定未来脑血管事件的风险。在本研究中,影像组学分析能够准确地将症状状态归属于基底动脉斑块,AUC高达0.936,而仅依靠临床影像特征获得的AUC为中等水平的0.833。这项回顾性研究表明,影像组学分析可以显著改善对急性症状性与慢性/无症状性基底动脉颅内动脉粥样硬化的评估。

颅内斑块的定性特征,如提示活动性炎症的斑块强化或提示斑块内出血的T1加权高信号,已被证实与症状性、责任斑块相关 [11, 35]。此外,定量斑块特征如狭窄程度、斑块面积和强化率也可能有帮助。然而,定性和定量影像特征均受限于观察者经验不一、可重复性有限以及成像方案异质性。影像组学方法的一个关键优势在于它可以提供不依赖读者的发现 [23]。这些影像组学特征无法被人类观察者轻易辨别,可能以人类判读者无法领会的方式显著增加研究的诊断置信度和准确性。在我们的分析中,最高的AUC(0.974)见于联合使用影像组学基底动脉斑块特征与MLA评估、斑块内出血存在及钆增强。

与传统方法相比,影像组学分析更具定量性,可以检测放射科医生无法领会的“不可知”特征,例如图像上强度的均匀性或随机性(熵)。影像组学提供关于斑块/肿瘤的强度、形状、大小或体积以及纹理的更丰富信息。另一方面,传统测量仅提供关于影像特征的有限信息。例如,IPH已作为高风险颅内斑块的潜在标志物被研究,但既往研究通常使用二分类(存在或不存在)[29]。IPH的定量信号强度、体积/形状以及复杂分布(局灶性或弥漫性、靠近管腔或靠近管壁)鲜有研究,因为临床放射科医生的常规图像分析无法产生这一水平的评估。定量影像组学矩阵包含详细信息。

由于这些优势,影像组学已显示出巨大的预后价值。例如,Aerts等人[32]的一项研究表明,一种捕捉肿瘤内异质性的预后影像组学特征与肺癌和头颈癌患者潜在的基因表达模式相关。这些数据表明,影像组学能够识别存在于肺癌和头颈癌中的预后表型。在一项纳入282例早期非小细胞肺癌患者的研究中,影像组学在估计无病生存时间方面显示出超越临床-病理危险因素的额外价值[36]。

我们发现来自T1和CE-T1图像的独立影像组学特征是不同的。这是因为平扫和增强T1加权图像中的信号特征反映了斑块不同的病理生理特征。例如,平扫T1加权图像上的高信号可能是斑块内出血(IPH),而低信号被认为代表脂质核心(如一项离体研究[13]所述);另一方面,增强T1加权图像上的高信号归因于纤维帽或可能的血管滋养管对对比剂的摄取。

在我们的研究中,选择了随机森林方法。由于这种随机性,森林的偏差通常略微增加(相对于单个非随机树的偏差),但由于平均化,其方差也减小,通常足以抵消偏差的增加,从而产生更好的整体模型。该过程通过降低模型的方差而不增加偏差,从而带来更好的模型性能。这意味着虽然单棵树的预测对其训练集中的噪声高度敏感,但只要树之间不相关,许多树的平均值则不会如此。简单地在单个训练集上训练许多树会产生高度相关的树(甚至如果训练算法是确定性的,会多次产生相同的树);自助采样是一种通过向树展示不同训练集来去相关的方法。

据我们所知,本研究是首次使用影像组学分析对ICAD进行HR-MRI研究。一项关于颅外颈动脉粥样硬化斑块的超声研究应用纹理特征分析成功地对斑块回声性进行了分类[37]。那些作者在识别无回声、中等回声和高回声斑块方面达到了88%的准确率,无回声斑块的AUC为0.918,无回声斑块被认为会增加心脑血管事件的风险[37]。另一研究组使用颈动脉斑块纹理和回声性的主成分分析来确定与组织学上斑块不稳定性相关的变量,这些变量独立于狭窄程度[38]。纹理分析方法也被应用于颈动脉超声弹性成像,以HR-MRI作为参考来改进斑块易损性评估[39]。这些基于超声的颅外动脉粥样硬化研究支持使用影像组学分析来揭示图像中的定量变量,以改进与动脉粥样硬化斑块相关的风险估计,超越斑块大小或定性特征。本研究同样扩展了颅内斑块的影像组学分析,通过基于从HR-MRI提取的定量信息将颅内基底动脉斑块分类为急性/亚急性症状性与无症状性。

在一项大脑中动脉粥样硬化研究中,与仅依据狭窄程度相比,包括斑块负荷和HR-MRI测定的最小管腔面积在内的测量指标显著改善了对责任斑块的评估[40]。然而,这些变量的诊断性能并不理想,斑块负荷、最小管腔面积和狭窄程度三者联合的准确率为71.5%[40],这与我们研究中使用强化率、MLA和IPH时所报告的准确率(74.7%)相当。影像组学分析的优势在于能够识别影像数据中的定量变量,从而提高准确率(如本研究所示為83.2%)和超越传统测量的诊断信心。本研究优于既往传统HR-MRI所报告的准确率,支持使用影像组学分析来改善对有症状急性斑块的识别。

希望将影像组学方法应用于基底动脉HR-MRI能够提高卒中风险评估的准确性,鉴于有症状基底动脉颅内动脉粥样硬化性疾病(ICAD)的高危性质,这一点尤为重要[17]。这种风险评估随后可用于启动更有效的二级预防策略,通过更恰当地将因非狭窄性斑块导致后循环缺血事件的高危患者分配至更积极的双联抗血小板治疗。在将这些影像组学斑块信息更广泛地应用之前,需要前瞻性治疗研究来探讨积极药物治疗在非狭窄性高危斑块患者中的作用,因为当前的治疗建议基于既往研究显示双联抗血小板治疗(如SAMMPRIS)的获益,而该研究仅限于70-99%闭塞的高级别狭窄患者[41, 42]。其他人已提出血管内治疗对部分椎基底动脉狭窄患者可能的角色,基底动脉斑块影像组学评估可能有助于风险评估和治疗决策。然而,关于血管内治疗在这些情况中的作用,还需要更多数据[43]。

局限性

尽管本研究提供了有意义的结果,但用于训练斑块纹理分析的样本量相对较小(n = 96)。未来的工作将受益于使用更大数据集进行训练。此外,我们的分析是使用二维(2D)影像数据进行的。使用三维成像采集可能更好地表征斑块特征以改善影像组学分析。此外,依赖2D TOF序列初步识别斑块可能低估了非狭窄性动脉粥样硬化斑块的存在。三维成像方法(各向同性可达0.5 mm)[44]可以减少2D采集的部分容积效应,并允许检测非狭窄性基底动脉或PCA斑块。然而,长回波链引起的长扫描时间和较宽的点扩散函数也必须加以考虑[45, 46]。另一个潜在的改进是使用自动分割。手动分割小的颅内斑块仍然是一项具有挑战性的任务。自动分割将减少观察者间变异性,并提高将这些方法应用于更大数据集的可行性。

这项回顾性研究未能确定影像组学分析预测未来卒中风险的能力,而这一点至关重要。未来通过影像组学技术将斑块特征与长期卒中风险相关联的前瞻性研究,可能会使成像范式从单纯评估狭窄程度和主观斑块成分,显著转变为对客观且可量化斑块特征的严格评估。

作为一个新兴领域,影像组学方法可能需要进一步改进以提高准确性。诊断准确性和预测能力取决于用于训练影像组学算法的数据集质量[23]。利用定量成像数据结合大规模人群研究,可为基于颅内动脉粥样硬化性疾病(ICAD)血管壁MRI生成稳健的卒中风险自动化评估提供可操作的信息。

结论

基于高分辨率磁共振成像(HR-MRI)的基底动脉斑块纹理影像组学分析能够准确区分急性/亚急性症状性斑块与无症状斑块。在这项回顾性研究中,仅凭影像组学特征即成功预测了斑块症状状态,优于临床影像特征。尚需前瞻性研究进一步确定颅内斑块HR-MRI影像组学分析预测未来卒中风险的能力。

电子补充材料

电子补充材料1(PDF 67 kb)

(GIF 142 kb)

高分辨率图像(TIFF 7376 kb)

(GIF 134 kb)

高分辨率图像(TIFF 26585 kb)

引用

  1. Shi Z, Zhu C, Degnan AJ, et al. Identification of high-risk plaque features in intracranial atherosclerosis: initial experience using a radiomic approach. Eur Radiol. 2018. PMID: 29633002. doi:10.1007/s00330-018-5395-1
  2. 全文:PMC6081255(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6081255/

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。