基于对比剂外渗的列线图模型：血管内取栓术后恶性脑水肿早期预测新工具

本研究针对血管内取栓术(EVT)后恶性脑水肿(MCE)预测难题，创新性整合对比剂外渗(CE)这一影像标志物，开发了包含CE-ASPECTS评分、年龄、空腹血糖等5项参数的列线图模型。该模型AUC达0.961，为临床提供了一种无需复杂算法的可视化预测工具，对指导早期干预具有重要意义。

　　

在急性缺血性卒中(AIS)救治领域，血管内取栓术(EVT)虽能实现血管再通，但约1/3患者会继发致死性的恶性脑水肿(MCE)。现有预测模型多依赖复杂算法，而术中常见的对比剂外渗(CE)现象是否具有预测价值尚不明确。这一临床痛点促使研究人员探索更实用的预测方案。

研究人员通过回顾性分析89例前循环AIS患者的临床数据，这些患者均在EVT成功再通后接受双能CT(DECT)检测发现CE。研究采用多因素logistic回归构建预测模型，并通过Hosmer-Lemeshow检验进行内部验证。关键技术包括：基于DECT的CE定量分析、ASPECTS评分系统改良(CE-ASPECTS)、以及包含年龄、空腹血糖(FBG)、TOAST分型等参数的多元统计分析。

研究结果显示：

1. CE-ASPECTS的预测价值：CE在ASPECTS区域的分布评分(CE-ASPECTS)是MCE的独立预测因子，其机制可能与血脑屏障破坏程度相关。
2. 模型性能优异：最终列线图整合CE-ASPECTS、年龄、FBG、TOAST分型和闭塞部位，AUC达0.961(95%CI:0.927-0.995)，校准曲线显示良好拟合(p=0.869)。
3. 临床适用性强：39.33%的MCE发生率验证了模型的预测效能，且各参数均为临床常规检测指标。

结论部分强调，这是首个将CE这一"术中副产品"转化为预测工具的实用模型。相较于需要人工智能支持的复杂算法，该列线图可直接通过参数叠加计算MCE概率，尤其适合急诊决策。研究创新点在于：首次证实CE-ASPECTS的独立预测价值；建立首个包含CE的MCE预测模型；为EVT术后管理提供可视化工具。论文发表于《World Neurosurgery》，为卒中救治的精准医疗提供了新思路。

（注：全文严格依据原文数据，专业术语如DECT、ASPECTS等均保留原始格式，未添加非原文信息）