神经肿瘤抗凝治疗安全性的重大空白：基于PROBAST评估的胶质瘤患者颅内出血风险预测模型范围综述

《BMC Neurology》：Evidence gap in predicting intracranial haemorrhage risk in people with glioma on anticoagulants: a scoping review

本研究针对胶质瘤(PwG)患者抗凝治疗中颅内出血(ICH)风险预测工具缺失的关键临床问题，通过系统检索MEDLINE、EMBASE和Cochrane Library数据库（截至2024年11月29日），对1585篇文献进行范围综述。结果发现目前尚无专门针对该人群的ICH风险预测模型，凸显了神经肿瘤领域个体化抗凝决策支持系统的空白。研究呼吁整合临床影像组学和基因组学数据，采用机器学习技术开发针对性预测工具，为平衡静脉血栓栓塞(VTE)与ICH风险提供循证依据。

　　

当大脑深处生长着胶质瘤这种原发性恶性肿瘤时，患者不仅需要面对肿瘤本身的威胁，还常常陷入血栓与出血的双重困境。每年每10万人中约有7人罹患原发性恶性脑肿瘤，其中80-85%是胶质瘤患者。这些患者中高达30%会发生静脉血栓栓塞(VTE)，显著影响生存预后。然而用于治疗VTE的抗凝药物，却可能引发致命的并发症——颅内出血(ICH)。研究表明，接受抗凝治疗的胶质瘤患者ICH风险显著高于未抗凝者，特别是高级别胶质瘤患者，其侵袭性生物学特性和异常血管特征更易导致自发性或治疗相关性出血。

面对这一临床难题，医生们陷入两难抉择：抗凝治疗可降低VTE风险，但可能诱发ICH；不抗凝则面临血栓栓塞威胁。更棘手的是，目前临床决策主要依赖回顾性研究、专家共识和个人经验，缺乏专门针对胶质瘤患者的ICH风险预测工具。胶质瘤的生物学异质性、个体抗凝药物代谢差异以及不同抗凝药物（如低分子肝素与直接口服抗凝药DOACs）的安全性差异，进一步增加了决策复杂性。随着人口老龄化，胶质瘤患者因VTE预防和心房颤动等共病需要抗凝治疗的情况日益增多，开发可靠的风险预测工具显得尤为紧迫。

为厘清该领域研究现状，Adeyemo等人系统评估了现有预测模型的研究质量与证据缺口。研究人员遵循PRISMA-ScR指南，以PROBAST作为方法学质量评价工具，检索了三大权威数据库。纳入标准明确要求研究对象为接受抗凝治疗的胶质瘤患者，主要结局为ICH事件，并需采用预测模型方法。

通过对1585篇文献的筛选分析，研究发现当前证据存在显著空白。尽管部分研究报道了胶质瘤患者的ICH风险，但无一开发或验证专门针对该临床场景的预测模型。唯一接近的研究是应用心房颤动患者PANWARDS评分系统对133例高级别胶质瘤患者的回顾性分析，该研究显示接受依诺肝素治疗的患者主要ICH发生率为14.7%，显著高于未抗凝组的2.5%。所有ICH事件均发生在PANWARDS评分≥25的患者中（敏感性100%，特异性40%）。然而该研究并未针对胶质瘤患者开发或验证特异性模型，因此不符合纳入标准。

这一空白揭示了神经肿瘤研究领域的关键短板。胶质瘤相对罕见的发病率和抗凝治疗患者群体的有限规模，制约了大样本数据的获取；肿瘤本身的异质性也为建立跨队列的一致性预测因子带来挑战。此外，ICH风险预测需要能够处理复杂变量交互作用和非线性关系的建模方法，这超出了传统统计模型的常规能力。

方法学要点

研究采用系统检索策略覆盖MEDLINE、EMBASE和Cochrane Library三大数据库，使用基于人群-干预-结局框架的检索式。文献筛选与数据提取由两名评审员独立完成，使用PROBAST工具进行模型质量评估。研究聚焦同行评审文献以确保方法学一致性。

结果分析

文献筛选结果：检索获得的5467条记录经去重后保留1585篇，通过标题、摘要和全文筛选，最终无研究符合纳入标准。

模型缺失的临床影响：缺乏专门预测工具导致临床决策依赖非特异性指南，可能造成治疗不一致或次优护理。特别是在预防性抗凝决策（如神经外科手术时机、药物选择与剂量策略）中，个性化风险评估工具的需求尤为突出。

讨论与展望

研究指出未来模型开发应整合多模态数据，包括临床特征、肿瘤级别与部位、影像组学特征和基因组学信息。深度学习技术如卷积神经网络(CNN)和U-Net架构特别适用于医学图像分析，可自动识别肿瘤边界、水肿和血管异常等空间模式。通过放射组学量化纹理、强度和形态特征，结合临床数据，可构建丰富的风险预测特征集。

随机森林、决策树、支持向量机和神经网络等机器学习方法能够处理高维非线性数据，是可选的建模技术。但技术创新的同时必须重视临床实用性，建议采用目标产品特征(TPP)框架，联合临床医生、患者、信息技术团队和政策制定者共同定义模型必需特性，平衡预测准确性与可用性。可解释人工智能技术对于增强临床接受度至关重要，应优先采用特征重要性和决策路径可视化等方法。

结论意义

本综述首次系统证实了胶质瘤患者抗凝治疗ICH风险预测模型的研究空白。这一发现强调了开发专门风险评估工具的紧迫性，为未来研究指明了方向。通过整合多维度数据和先进建模技术，构建临床实用的预测工具，有望优化胶质瘤患者抗凝治疗决策，平衡血栓与出血风险，最终改善这一脆弱群体的临床预后。尽管存在方法学挑战，但解决这一证据缺口对推进神经肿瘤精准医疗具有重要意义。