心脏骤停后脑CT灰白质比值的神经预后评估：手动与自动计算方法的系统评价与Meta分析

本研究针对心脏骤停后患者神经预后评估的临床难题，通过系统评价和Meta分析比较了手动计算灰白质比值（mGWR）与自动计算方法（aGWR）的预测效能。纳入42项研究（8104例患者）的数据显示，aGWR的曲线下面积（AUC=0.84）略优于mGWR（AUC=0.77），且特异性均超过95%。该研究为标准化影像生物标志物的临床应用提供了循证依据，尤其凸显了自动化算法在减少人为偏差和提升可重复性方面的潜力。

　　

心脏骤停是全球范围内导致死亡和残疾的主要原因之一，其中约65%的院外心脏骤停患者因神经损伤死亡。准确预测神经功能结局对临床决策至关重要，尤其是决定是否撤除生命维持治疗。目前指南推荐采用多模态评估策略，包括临床检查、神经电生理、血清标志物和脑成像。脑CT因其便捷性和广泛可用性成为重要工具，而灰白质比值（Gray-White Matter Ratio, GWR）作为量化脑水肿的指标备受关注。然而，传统手动测量GWR存在操作者间变异大、耗时等局限性，而新兴的自动计算方法有望解决这些问题。

为系统评估两种方法的预测效能，台湾大学医院的研究团队联合国际合作者开展了这项迄今为止最大规模的Meta分析，结果发表在《NeuroImage》。研究通过贝叶斯双变量随机效应模型整合42项研究（8104例患者）数据，首次直接比较mGWR与aGWR的预后价值。关键技术包括：系统检索PubMed和Embase至2024年8月的文献，采用QUADAS-2工具评估偏倚风险，使用分层受试者工作特征曲线（HSROC）分析，并通过Deek's检验评估发表偏倚。

研究结果显示：

1. 总体性能比较：aGWR的汇总AUC为0.84（95% CrI 0.81-0.87），高于mGWR的0.77（0.73-0.81）。两者特异性均达95%以上，但敏感性约53-55%。
2. 阈值分析：mGWR在1.15-1.24阈值区间表现最佳，而aGWR在1.05-1.14区间最优。
3. 解剖区域：基于基底节区的测量（66%研究采用）比联合大脑皮层的方案预测效能更高。
4. 临床场景：在接受靶向温度管理（TTM）的患者中，aGWR的预测特异性达99%且无统计学异质性。

讨论部分指出，aGWR的优势在于：

1. 标准化程度高，减少人为测量变异；
2. 通过全脑结构分析提供更全面的水肿评估；
3. 在TTM患者中展现出近乎完美的特异性（99%），符合当前指南对预后工具的要求。

该研究的临床意义在于：

1. 为自动化神经影像分析提供了循证依据，推动人工智能在重症医学中的应用；
2. 提出1.10-1.20的阈值参考区间，为临床实践提供具体指导；
3. 揭示基底节区作为关键靶区的可靠性，简化临床测量流程。

局限性包括原始研究的观察性设计和高异质性，未来需要通过个体患者数据Meta分析或随机试验进一步验证。总体而言，这项研究标志着心脏骤停后神经预后评估向标准化、自动化迈出了重要一步，为精准医疗时代的临床决策提供了新工具。