综述：颅内动脉瘤医学影像研究进展：诊断、管理与临床整合的技术进步

这篇综述系统梳理了颅内动脉瘤（IAs）影像学诊断技术的最新进展，涵盖计算机断层扫描血管造影（CTA）、磁共振血管成像（MRA）、数字减影血管造影（DSA）等传统技术，以及人工智能（AI）、三维重建、计算流体力学（CFD）和4D-flow MRI等前沿方法，为临床风险分层和治疗决策提供了全面视角。

　　

1 引言

颅内动脉瘤（IAs）作为脑血管异常扩张病变，破裂后导致的蛛网膜下腔出血（SAH）致死率高达35%。流行病学显示未破裂动脉瘤（UIA）在人群中患病率约3.2%，女性、高血压及家族史人群风险更高。传统影像技术（CTA/MRA/DSA）虽为诊断基石，但AI与血流动力学分析的融合正重塑诊疗范式。

1.1 影像学基础与诊断价值

动脉瘤形成涉及血流剪切力（WSS）、遗传和炎症等多因素，好发于血管分叉处。高分辨率血管壁成像（HR-VWI）可捕捉瘤壁强化（AWE）等不稳定标志，动态增强MRI（DCE-MRI）则能评估瘤壁通透性。影像技术不仅实现早期筛查，更为治疗策略（如弹簧圈栓塞或血流导向装置植入）提供关键依据。

1.2 核心成像技术

• •

  CTA：急诊首选，灵敏度达85-98%，但存在电离辐射

• •

  MRA：无辐射优势，尤其适合儿童，可分析血流动力学特征

• •

  DSA：金标准，3D旋转造影（3DRA）提升解剖细节，但具侵入性

• •

  HR-VWI与4D-flow MRI：前者识别瘤壁炎症，后者量化血流速度与WSS，联合应用可预测破裂风险（AUC 0.86-0.98）

1.3 图像建模与后处理技术

1.3.1 三维重建与虚拟现实

基于CTA/MRA数据的3D重建（如Mimics软件）可生成血管立体模型，空间分辨率0.2-0.6?mm，但分割误差可能导致CFD模拟中WSS值偏差>20%。虚拟现实（VR）技术已用于手术模拟教育，提升术者对复杂解剖的理解。

1.3.2 血流动力学与瘤壁分析

CFD模拟需患者特异性几何数据，边界条件常采用相位对比MRI血流速率。关键参数如振荡剪切指数（OSI）和滞留时间与破裂风险相关：低WSS区域易生长，而高WSS区可能预示破裂。Meta分析证实WSS降低是独立预测因子（OR 2.3）。

1.4 AI在影像诊断中的应用

3D-Unet模型在3190例CTA数据中实现96.4%召回率，但<3?mm小动脉瘤检测仍是挑战。AI风险预测模型整合形态学、临床特征和CFD参数，AUC可达0.92。现实瓶颈在于数据异质性——不同机构扫描协议差异导致算法泛化性受限。

1.5 治疗中的影像导航

血流导向装置植入后，HR-VWI可监测瘤内血栓形成；双支架辅助弹簧圈技术依赖术前DSA评估解剖。术后随访中，CTA/MRA对复发和新发动脉瘤的检出至关重要。AI实时导航系统（如Neuro-Vascular Assist平台）已能在栓塞术中预警导管超限风险。

1.9 未来展望

多模态影像融合、7T超高清MRI和AR手术导航将成为趋势。AI驱动的临床决策系统（CDSS）有望整合基因组数据，实现真正个性化医疗。

2 结论

从二维到三维，从人工到智能，影像技术进步显著提升IAs诊疗精度。但需平衡技术创新与临床转化，尤其需解决小动脉瘤检测、多中心数据标准化等挑战。

3 局限性

未深入探讨分子影像等新兴领域，且部分技术临床适用性仍待验证。