《La radiologia medica》：Predictive value of combined cerebral blood volume index and systemic inflammation indices for 90-day functional outcomes following endovascular treatment in patients with acute ischemic stroke and proximal large vessel occlusion: machine learning model construction and population attributable fraction analysis
编辑推荐：
中文翻译：
背景：本研究探讨了脑血容量（CBV）指数与治疗前全身炎症指标（SIIs）是否能为前循环大血管闭塞患者成功接受血管内治疗（EVT）后的90天功能结局提供互补的预后信息，评估了机器学习模型在预后预测方面的优势，并利用人群归因分值（PAF）量化了不良结局
中文翻译：
背景：本研究探讨了脑血容量（CBV）指数与治疗前全身炎症指标（SIIs）是否能为前循环大血管闭塞患者成功接受血管内治疗（EVT）后的90天功能结局提供互补的预后信息，评估了机器学习模型在预后预测方面的优势，并利用人群归因分值（PAF）量化了不良结局。
方法：这项对前瞻性登记数据的回顾性分析纳入了2020年11月至2024年6月期间接受治疗的474例患者。一个独立的53例多中心队列用于外部验证。全身炎症指标（SIIs）根据入院时、静脉溶栓前及EVT动脉穿刺前采集的首份静脉血样本计算。研究人员评估了多变量逻辑回归和八种预测算法。人群归因分值（PAF）估计被视为探索性分析。
结果：在474例患者中，分别有41.6%和28.5%达到了良好和优异结局。较高的脑血容量（CBV）指数在获得良好结局的患者中更为常见，而较高的炎症指标与较差结局相关。逻辑回归在mRS 0–2预测中显示出最高的AUC（0.868，95% CI 0.806–0.929），而支持向量机（SVM）在mRS 0–1预测中显示出最高的AUC（0.839，95% CI 0.764–0.915）。外部验证AUC分别为0.816和0.802。人群归因分值（PAF）分析表明，改善脑血容量（CBV）指数可使良好和优异结局分别提高97.2%和74.8%，而减轻炎症过度激活可分别使其提高22.4%–39.7%和51.2%–59.5%。
结论：基线脑血容量（CBV）指数和治疗前全身炎症指标（SIIs）为成功接受血管内治疗（EVT）后的预后提供了互补信息。然而，在临床实施之前，需要在更广泛的人群中进行前瞻性验证。
论文解读文章
一、研究背景与意义
急性缺血性卒中合并大血管闭塞（AIS-LVO）是一种致残率和死亡率极高的卒中亚型。血管内治疗（EVT）是改善血管再通和挽救缺血半暗带的核心疗法，但患者90天功能恢复仍存在显著异质性，这凸显了识别关键预后决定因素的必要性。现有预后研究主要聚焦于两个领域：一是年龄、基线美国国立卫生研究院卒中量表（NIHSS）评分等常规临床变量，但这些指标无法反映脑灌注状态或全身病理生理改变；二是脑血容量（CBV）指数等单一影像学生物标志物。CBV指数定义为延迟灌注区域（Tmax >6 s）的平均CBV与对侧非缺血脑组织（Tmax ≤4 s）的平均CBV之比，该参数直接反映侧支循环代偿能力——侧支循环越丰富，缺血半暗带灌注越好，梗死核心进展越慢。然而，现有研究大多孤立地评估这些影像标志物，未能充分整合全身炎症状态这一同样关键的结果决定因素。全身炎症在AIS-LVO病理生理中发挥核心作用，受损脑组织释放损伤相关分子模式（DAMPs），触发免疫激活。全身炎症指标（SIIs），包括中性粒细胞-淋巴细胞比值（NLR）、单核细胞-淋巴细胞比值（MLR）和全身免疫炎症指数（SII），可轻松从常规血液检查中获取。全身炎症与侧支循环之间存在双向关系，但二者的联合预后意义及复杂交互作用研究尚不充分，传统统计模型提供的洞察有限。因此，本研究旨在：(1) 描述AIS-LVO患者术前CBV指数/SIIs分布及其与结局的关联；(2) 开发整合这些标志物的机器学习（ML）模型以增强预后预测；(3) 量化异常CBV和过度炎症的风险贡献。
二、研究方法概述
本研究基于前瞻性卒中登记数据的回顾性分析，纳入2020年11月26日至2024年6月12日期间发病24小时内入院的连续AIS-LVO患者474例，并按7:3比例基于临床结局分为训练集和验证集进行内部验证；外部验证使用2019年9月至2024年6月期间来自三家医院的数据，最终队列53例。纳入标准包括：年龄≥18岁；前循环大血管闭塞（颅内颈内动脉、大脑中动脉M1/M2段或串联病变）接受EVT治疗（包括桥接溶栓）；EVT后成功再灌注（改良脑梗死溶栓分级2b或3级）；完成EVT前CT灌注成像。全身炎症指标（SIIs）根据入院时首份静脉血样本计算，包括NLR、MLR、PLR、SIRI、SII和AISI。影像分析使用专用软件平台处理原始CT灌注数据，获得脑血流量（CBF）、Tmax图和Alberta卒中项目早期CT评分（ASPECTS），CBV指数由灌注处理软件自动生成。研究采用十种特征选择方法（逐步回归、随机森林、LASSO回归、Boruta算法、支持向量机系数选择、XGBoost结合SHAP值等）筛选变量，并构建八种机器学习算法（LR、SVM、GBM、NN、XGBoost、KNN、AdaBoost、CatBoost）的预测模型，通过十折交叉验证网格搜索确定最优参数，以区分能力、校准度和净临床获益评估模型性能。人群归因分值（PAF）用于估计CBV指数和SIIs对90天临床结局的贡献。
三、研究结果
基线特征：474例AIS-LVO患者中，197例（41.6%）达到良好结局，135例（28.5%）达到优异结局。患者中位年龄64岁（IQR：55–70），69.2%为男性。mRS 0–2组的中位CBV指数为0.68，mRS 3–6组为0.65（P = 0.014）。与获得良好结局的患者相比，结局不佳的患者合并症患病率更高、基线NIHSS评分更高（P < 0.001）、空腹血糖升高（P < 0.001）、CBV指数更低（P < 0.05），且全身炎症指标（SIIs）显著升高（P < 0.05）。
变量相关性与共线性分析：rCBF30与rCBV45之间存在强相关性（P < 0.01），各SIIs之间也呈强相关（P < 0.01）。CBV指数与发病至EVT时间及脑灌注参数相关（P < 0.01）。共线性分析显示rCBF30（VIF = 7.678）、rCBV45（VIF = 6.829）和rCBF40（VIF = 4.033）存在中度共线性，而年龄（VIF = 1.429）、CBV指数（VIF = 1.253）和入院NIHSS评分（VIF = 1.206）等变量VIF值均<2，无显著共线性。
CBV指数和SIIs与临床结局的关联：CBV指数与炎症指标的联合效应显著影响临床结局（P < 0.05）。CBV指数低且炎症水平高的患者不良结局风险增加（CBV Q1 + NLR Q3：74.2%；CBV Q1 + AISI Q4：86.4%），而CBV高且炎症低的患者风险降低（CBV Q4 + NLR Q1：29.0%；CBV Q4 + SIRI Q1：37.0%）。
逻辑回归分析：多变量逻辑回归分析显示，NLR、MLR和PLR不是良好结局的独立预测因子，但与优异结局显著相关。对于mRS 3–6，CBV指数每增加0.1个单位，不良功能结局的几率降低（完全调整OR 0.725，95% CI，0.629–0.836；P < 0.001）。在SIIs中，MLR显示出最强关联（OR = 1.923 [95% CI：0.877–4.216]），但不是临床结局的独立预测因子（P = 0.103）。SIRI、SII、AISI和NLR均显著相关，连续SIRI的调整OR为1.084（95% CI：1.012–1.162，P = 0.022）。对于优异结局（mRS 0–1），CBV指数、NLR、MLR、PLR、SIRI、SII和AISI均为独立预测因子（P < 0.05），其中MLR在SIIs中效应最强（OR = 3.875 [95% CI：1.361–11.032]）。
SIIs与临床结局的线性和非线性关系：限制性立方样条（RCS）分析显示，无论是否调整CBV指数，NLR和SII在两组结局中均呈非线性关联；SIRI和SII呈线性关联；而MLR和PLR仅在CBV调整后对良好结局呈非线性关联。
CBV指数和SIIs的增量预测价值：纳入CBV指数、NLR、MLR、PLR、SIRI、SII和AISI改善了模型性能。对于良好结局，CBV指数（AUROC 0.850，NRI 56.48%，IDI 6.63%，均P < 0.001）、SIRI和AISI增益最大。CBV指数对优异结局贡献最大（AUROC，0.810；NRI，40.98%；IDI，4.20%；均P < 0.001）。SIIs降低了Brier评分，决策曲线分析（DCA）显示良好结局的净临床获益更高。
预测变量特征选择：十种特征选择方法最终交集的核心变量为：良好结局模型（年龄、空腹血糖、基线NIHSS、发病至EVT时间、rCBF30、CBV指数）和优异结局模型（年龄、基线NIHSS、发病至EVT时间、rCBV45、CBV指数）。
模型构建与外部验证：对于良好结局，逻辑回归（LR）的AUC最高（0.868；95% CI，0.806–0.929），与SVM（0.851；DeLong P = 0.095）无显著差异，但优于XGBoost（0.784；P = 0.005），灵敏度0.964，阳性预测值（PPV）0.792，F1值0.870。对于优异结局，SVM最优（AUC = 0.839；95% CI，0.764–0.915），优于LR（AUC = 0.810；DeLong P = 0.041），灵敏度0.743，PPV 0.926，F1值0.824。外部验证AUC分别为0.816（mRS 0–2）和0.802（mRS 0–1），校准良好且具有实用DCA净获益。
最优模型的可解释性：动态列线图可实现个体化结局概率估计，SHAP值量化了预测因子贡献，确定年龄、基线NIHSS评分和CBV指数为核心预测因子。
PAF分析：改善CBV指数可使良好结局提高97.2%、优异结局提高74.8%；减轻炎症过度激活可使良好结局提高22.4%–39.7%、优异结局提高51.2%–59.5%，CBV指数影响最大。
四、讨论与结论
本研究表明，入院时SIIs与CBV指数联合解读可为接受EVT的AIS-LVO患者提供增量预后信息。较高CBV指数与较低不良功能结局几率相关，这与侧支血流在动脉闭塞后维持半暗带灌注的潜在作用一致。这种关联可能反映缺血损伤与全身炎症之间的双向交互作用：侧支代偿不足可能增加缺血应激、破坏血脑屏障、促进DAMP释放，从而驱动外周免疫激活和SIIs升高；反之，全身炎症可能加剧内皮损伤、微血管功能障碍、血脑屏障通透性、再灌注损伤和梗死核心进展，即使侧支代偿相对保留时亦然。PAF分析需谨慎解读，这些估计不能确定提高CBV指数或降低SII水平的干预措施必然改善临床结局。研究局限性包括：CBV指数估计依赖软件平台、SIIs仅在入院时评估未捕捉EVT后动态炎症变化、队列基线影像特征较重可能限制结果的普适性。结论认为，基线CBV指数和治疗前SIIs与成功再灌注后前循环LVO患者的90天功能结局相关，整合灌注状态和全身炎症负担的评估可为EVT后早期结局分层提供补充信息，但临床实施前需前瞻性验证。
