脑膜中动脉栓塞联合多因素分层分析：可视化挖掘揭示慢性硬膜下血肿再手术风险的干预新策略

《Acta Neurochirurgica》：A visual mining analysis of middle meningeal embolization and other factors associated with recurrence requiring re-operation in subdural hematomas: a single-center series

本研究针对慢性硬脑膜下血肿（cSDH）术后高复发率的临床难题，通过单中心回顾性分析结合机器学习算法（CART与随机森林），系统评估了脑膜中动脉栓塞（MMAE）及其他多因素对再手术风险（RrR）的关联性。结果表明，MMAE是降低复发的最强保护因素（RrR从非栓塞组82%降至栓塞组18%，p<0.001），同时明确了血小板计数（PLT）与血肿体积（V1）的交互作用临界值（PLT<229×109/L且V1≥144 mL时风险显著升高）。研究为cSDH个体化治疗提供了分层决策依据，支持MMAE常规化及凝血功能优化的重要性。

　　

在老龄化社会加速的背景下，慢性硬脑膜下血肿（chronic subdural hematoma, cSDH）已成为成人颅脑外科最常见的疾病之一，其发病率随年龄增长显著上升，预计到2030年将跃居首位。尽管手术引流（如钻孔或小骨窗开颅）是标准治疗手段，但术后复发率居高不下，可达50%，成为临床治疗的难点。传统研究虽已识别出多种风险因素（如血肿形态、抗凝药物使用、术后残留体积等），但缺乏对多因素交互作用的系统性层级分析。尤其近年来，脑膜中动脉栓塞（middle meningeal artery embolization, MMAE）作为辅助治疗手段崭露头角，但其在综合风险分层中的核心地位尚未明确。为此，意大利天主教圣心大学医学院神经外科团队开展了一项单中心回顾性研究，通过可视化挖掘技术整合临床、影像及实验室数据，旨在构建cSDH复发风险的精准预测模型。相关成果已于2025年发表于《Acta Neurochirurgica》。

研究团队纳入了2019年1月至2024年10月期间在Fondazione Policlinico Universitario Agostino Gemelli医院接受治疗的233例患者（共283侧cSDH），其中129侧血肿辅以MMAE（采用聚乙烯醇颗粒栓塞），154侧仅行手术治疗。研究收集了45项变量，涵盖入院临床评分（如Markwalder分级量表MGS、改良Rankin量表mRS）、影像参数（血肿体积V1、中线移位、Nakaguchi分型）、凝血指标（血小板计数PLT、国际标准化比值INR）及治疗细节（手术方式、引流放置、栓塞时机等）。通过多重插补法处理缺失数据后，采用分类回归树（CART）和随机森林（RF）两种机器学习算法，以再手术需求（recurrence requiring reoperation, RrR）为主要终点进行建模分析。

研究结果

1. 队列特征与单因素分析

全组共50侧cSDH出现复发（平均时间46.9天），其中非栓塞组占82%（41/50），栓塞组仅18%（9/50），差异极显著（p<0.001）。单因素分析显示，男性、高MGS评分（≥3）、高mRS评分、低PLT值、大V1体积（>130 mL）、术后残留腔体积（V2）>0 mL等因素与RrR显著相关（均p<0.05）。

2. CART模型揭示决策路径

CART模型将栓塞置于决策树顶层，显示接受MMAE的患者复发率仅7%。

未栓塞者中，MGS≤2且V1<144 mL时复发率为16%；若MGS>2，风险骤升至60%；当V1≥144 mL且PLT处于（210-229）×10⁹/L区间时，风险进一步升至82%。模型曲线下面积（AUC）为0.756，准确率达83.7%。

3. 随机森林验证关键预测因子

RF模型将V1列为最重要预测变量（相对重要性100%），PLT（≈95%）和mRS（≈80%）次之。

150 mL）时复发概率超40%">三维部分依赖图进一步揭示，当mRS≥3时，高V1与低PLT的叠加效应使复发概率突破45%。

RF模型AUC为0.767，性能略优于CART。

结论与讨论

本研究首次通过机器学习框架层级化解析了cSDH复发风险的多维因素，明确MMAE为最强保护性干预措施。其价值不仅在于显著降低再手术率（较单纯手术下降4倍以上），更在于揭示了非栓塞患者中MGS、V1与PLT的临界交互关系——例如PLT<229×10⁹/L时，需尤其关注大体积血肿的复发风险。这一发现弥补了传统单因素分析的局限，为个体化治疗提供了量化依据：对高危患者（如MGS>2、V1≥144 mL、PLT偏低）应积极推荐MMAE；而对无法栓塞者，需强化凝血功能矫正与密切影像随访。

研究的局限性包括回顾性设计、部分抗凝治疗重启数据缺失，以及使用PVA颗粒而非乙烯乙烯醇共聚物（EVOH）可能影响栓塞效果比较。然而，其通过可视化挖掘技术将复杂临床数据转化为直观决策路径的方法，为多学科协作提供了实用工具。未来可扩大样本量验证临界值普适性，并探索MMAE在不同血肿膜结构分型中的差异化效应。

综上，该研究为cSDH的精准防治提供了三级支撑：MMAE的常规化应用、凝血-体积联合风险评估模型、以及机器学习驱动的分层诊疗策略，有望显著提升此类老年常见病的临床预后。