基于多维度血流动力学参数的无影像学卒中分型鉴别模型研究

本研究针对急性缺血性卒中(AIS)与脑出血(ICH)的早期鉴别难题，通过整合67项血流动力学参数（包括脑自动调节指数ARI、压力反射敏感性BRSLF /BRSHF 等），采用主成分分析(PCA)联合逻辑回归(LR)构建诊断模型。结果显示，该模型通过二重/六重交叉验证分别实现AUC≥0.92/0.79的鉴别效能，为院前卒中精准分型提供了无创检测新策略。

　　

卒中作为全球致残致死的主要病因，其亚型鉴别直接决定治疗策略的选择。传统依赖CT/MRI的影像学方法在院前场景中面临设备可及性限制，而现有临床评分系统对缺血性卒中(AIS)和脑出血(ICH)的鉴别特异性不足。英国莱斯特大学医院的研究团队基于80例经影像确诊的轻中度卒中患者数据（AIS 68例/ICH 12例），创新性地通过多维血流动力学参数构建无影像鉴别模型，相关成果发表于《Medical Engineering》。

研究采用主成分分析(PCA)降维结合逻辑回归(LR)的分类方法，从67项参数中提取关键特征，包括压力反射敏感性(BRS)的低频/高频组分(BRS_LF
/BRS_HF
)、经颅多普勒(TCD)测定的脑血流速度(CBv)频谱特征等。数据来源于莱斯特脑血流动力学与卒中医学数据库(CHiASM)，通过二重与六重交叉验证评估模型稳定性。

3. 结果
3.1 PCA-LR训练模型
16个主成分可解释85-91%的方差，其中BRS参数（如mGaBRS_LF
）、患侧半球相干性函数(0.43±0.18 vs 0.28±0.16)及ARI指数贡献显著。二重交叉验证AUC达0.92，敏感性85%，特异性83.3%。

3.2 PCA-LR验证
六重验证显示模型对AIS识别更优（敏感性100%），但ICH特异性波动较大（0-100%），反映小样本局限。未受累半球LF频段相干性(0.51±0.23 vs 0.28±0.18)具有显著组间差异。

4. 讨论
该研究首次证实整合外周血压(MAP/SBP)、脑血流动力学(CBv/ARI)与自主神经功能(BRS)的多参数模型可实现无创卒中分型。压力反射敏感性的低频组分(BRS_LF
)在AIS中显著升高(6.7±4.2 vs 4.1±2.13 ms/mmHg)，可能与缺血后交感激活相关。尽管当前模型尚未解决"卒中模拟病"鉴别难题，但为移动卒中单元(MSU)提供了潜在决策支持工具。

研究局限性包括样本量较小（尤其ICH仅12例）、未涵盖重症卒中患者。未来需通过前瞻性队列验证早期(<4小时)检测效能，并探索时间延迟递归神经网络等时序建模方法提升动态脑自动调节(dCA)评估精度。这项探索性工作为超急性期卒中精准医疗开辟了新途径，其临床转化将依赖于便携式TCD与连续血压监测技术的整合优化。