综述：预测脑动脉瘤破裂：计算流体动力学的作用

（推荐语）本文系统综述了计算流体动力学（CFD）在脑动脉瘤破裂风险评估中的应用，指出当前临床评分系统（如PHASES、UIATS）忽略血流动力学因素的局限性，强调基于患者特异性影像的CFD模型可量化壁面剪切应力（WSS）、振荡剪切指数（OSI）等关键参数，为动脉瘤生长和破裂机制提供新见解，但临床转化仍面临标准化不足等挑战。

　　

Section snippets

Key points

• 流行病学与风险因素：颅内动脉瘤（IA）破裂可能导致蛛网膜下腔出血（SAH），女性、高血压、吸烟和家族史是已知风险因素。
• 风险预测评分：PHASES和UIATS等评分系统未纳入血流动力学参数，可能影响预测准确性。
• 血流动力学分析：基于影像的计算流体动力学（CFD）可模拟患者特异性血流特征，揭示与动脉瘤生长相关的低壁面剪切应力（WSS）和高振荡剪切指数（OSI）。

Epidemiology and Clinical Presentation

颅内动脉瘤表现为脑血管异常膨出（囊状或梭形），破裂后血液进入蛛网膜下腔，死亡率达7%-50%，但多数动脉瘤终身不破裂。流行病学数据显示，IA患病率约3%，年破裂率约1%。

Hemodynamic risk factors predicted by image-based computational fluid dynamics

CFD模型通过医学影像重建血管几何结构，量化WSS、OSI等参数。低WSS与动脉瘤壁退化相关，而高OSI提示血流紊乱，可能促进内皮细胞功能障碍和动脉瘤进展。

Challenges in adopting computational models in clinical practice

CFD临床应用的障碍包括缺乏标准化流程、计算成本高及前瞻性验证不足。目前模型多基于回顾性数据，需通过多中心研究建立统一参数阈值。

Multivariable Risk Stratification Models

机器学习可整合血流动力学（如CFD数据）、形态学（如瘤体大小）和临床变量（如高血压）构建多变量模型。Cebral团队对1600例病例的分析显示，复合模型比单一参数更具预测价值。

Clinics care points

• 现有治疗决策依赖形态学指标，但CFD或4D流MRI可辅助评估疑难病例。
• 临床解读需谨慎，CFD预测尚未纳入指南。

Disclosure

作者声明使用生成式AI辅助撰写，内容经人工审核，研究受NIH R01 HL115267资助支持。

（注：全文严格基于原文缩编，未新增非原文信息；专业术语如WSS、OSI等均按原文格式标注；去除了文献引用标识^1,2
等；小标题保留原文层级结构。）