颈动脉斑块超声影像组学与动态全身免疫炎症（SII）轨迹融合用于急性缺血性卒中大血管闭塞（AIS-LVO）血管内取栓（EVT）后90天功能结局的亚急性风险分层：一项探索性预后模型的开发与内部验证

《Frontiers in Neurology》：Multimodal integration of carotid plaque ultrasound radiomics and dynamic systemic immune-inflammation trajectories for subacute risk stratification after stroke thrombectomy: development and internal validation of an exploratory prognostic model

　　

背景：研究人员假设，将通过超声影像组学量化的宏观颈动脉斑块结构与由纵向免疫轨迹定义的下游微细胞时间动态相整合，可为接受血管内取栓（endovascular thrombectomy, EVT）患者的90天功能结局提供高精度预后框架。方法：这项单中心、回顾性队列研究连续纳入316例急性缺血性卒中大血管闭塞（acute ischemic stroke with large vessel occlusion, AIS-LVO）患者，这些患者在症状发作24 h内接受成功EVT（改良脑梗死溶栓评分（modified Thrombolysis in Cerebral Infarction, mTICI）≥2b）。采用分层随机抽样将患者分为发现队列（N=221）和内部验证队列（N=95）。为捕捉时间炎症异质性，于第0、1、3和7天测量全身免疫炎症指数（Systemic Immune-Inflammation Index, SII），并使用潜类别混合模型（Latent Class Mixed Models, LCMM）进行聚类。同时，严格遵循影像生物标志物标准化倡议（Image Biomarker Standardisation Initiative, IBSI）指南，从基线二维颈动脉超声图像中提取高维影像组学特征。利用最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator, LASSO）回归构建影像组学评分（radiomics score, Rad-score）。开发四个渐进预测模型，最终形成极端梯度提升（Extreme Gradient Boosting, XGBoost）多模态架构。主要终点为90天不良功能结局（改良Rankin量表（modified Rankin Scale, mRS）评分3至6）。结果：316例患者中166例（52.5%）发生不良结局。LCMM客观识别出三种纵向SII表型。“持续高炎症”轨迹（Class 3，17.0%患者）与“快速消退”轨迹（Class 1）相比，与不良结局风险增加独立相关[校正比值比（adjusted odds ratio, aOR），4.85；95%置信区间（confidence interval, CI），2.20至10.85；p < 0.001]。超声Rad-score由9个核心纹理特征组成，也显示出稳健的独立预测价值（每增加0.1分，aOR，1.52；95% CI，1.21至1.92；p < 0.001）。在严格隔离的内部验证队列中，完整多模态XGBoost模型达到受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUC）0.92（95% CI，0.86至0.97），准确率86.3%，敏感性88.0%，特异性84.4%。该性能在统计学上优于标准临床基线模型（AUC，0.74；95% CI，0.63至0.84；DeLong检验p < 0.001）。此外，多模态范式显示出临床重分类效用，连续净重分类改善（net reclassification improvement, NRI）为0.985（95% CI，0.684至1.286），综合判别改善（integrated discrimination improvement, IDI）为0.194（95% CI，0.128至0.260）。结论：整合基线颈动脉斑块超声影像组学与第0天至第7天全身免疫炎症轨迹的探索性模型与EVT后90天功能结局相关，并在内部验证中比传统临床模型更强地区分结局。由于免疫轨迹组成部分仅在Day 7才完整，该模型旨在用于EVT后亚急性风险分层，而非急性治疗选择，并且在任何临床应用前需要外部、前瞻性验证。

研究背景与问题：急性缺血性卒中（acute ischemic stroke, AIS）继发大血管闭塞（large vessel occlusion, LVO）约占缺血性卒中38%，是神经病学致残和死亡的重要原因。EVT成功再通率71%–88%，但40%–50%成功再通者90天未达功能独立，即无效再通。其病理生理涉及缺血再灌注损伤及系统性血栓炎症级联。SII整合血小板、中性粒细胞和淋巴细胞计数，可量化全身炎症/血栓与免疫抑制平衡，但静态单时点评估不能反映卒中后免疫反应的时间异质性。颈动脉粥样硬化是前循环AIS-LVO主要病因，上游斑块结构脆弱性影响栓子组织学、僵硬度和炎症潜能；超声影像组学可从二维B型超声提取亚视觉定量纹理特征。但上游宏观影像组学与下游纵向免疫轨迹的协同预后价值尚未研究。因此研究人员假设整合两者可形成高精度预后框架，开发并内部验证探索性XGBoost模型，用于EVT后90天功能结局的亚急性（Day 7）风险分层，而非急性床旁决策工具。

研究开展、结论与意义：单中心回顾性队列连续纳入316例成功EVT（mTICI≥2b）的AIS-LVO患者，按7:3分层随机分为发现队列221例和内部验证队列95例，主要终点为90天不良功能结局（mRS 3–6）。建立四个渐进模型，最终以XGBoost整合临床变量、超声Rad-score和LCMM衍生SII轨迹。结论：该探索性模型与90天功能结局相关，内部验证判别优于传统临床模型；因免疫轨迹成分至Day 7才完整，定位于EVT后亚急性风险分层，临床应用前需外部、前瞻性验证。意义在于提出上游斑块宏观结构与下游免疫动态耦合的预后框架，并为未来试验富集提供假设。

关键技术方法（≤250字）：研究来源于机构卒中登记，2020年1月1日至2023年12月31日连续筛查AIS-LVO成功EVT患者，最终N=316，按结局7:3分层随机抽样。SII于Day 0、1、3、7检测，采用LCMM聚类。基线二维颈动脉超声按IBSI提取影像组学特征，组内相关系数（intra-class correlation coefficient, ICC）>0.80保留，LASSO构建Rad-score。构建四个渐进模型，最终XGBoost多模态模型；以内部验证、DeLong检验、校准、NRI/IDI、决策曲线分析（decision curve analysis, DCA）、Shapley加性解释（SHapley Additive exPlanations, SHAP）及bootstrap和嵌套交叉验证评价。

研究结果：
1. 研究队列基线特征：316例中位年龄68岁、男性57.9%，90天不良结局52.5%；发现与验证队列基线、影像和结局无显著差异（p>0.05），表明分层随机抽样未见系统偏倚。
2. 单时点基线生物标志物的预后局限：不良结局组白细胞、中性粒细胞、中性粒细胞与淋巴细胞比值（neutrophil-to-lymphocyte ratio, NLR）、基线SII和白细胞介素-6（interleukin-6, IL-6）较高、淋巴细胞较低；但静态指标AUC仅0.54–0.66，基线SII最高为0.71，判别能力有限。
3. 纵向全身免疫炎症轨迹识别：LCMM对Day 0、1、3、7 SII识别3类：Class 1快速消退38.0%、Class 2延迟清除45.0%、Class 3持续高炎症17.0%；Class 3与不良结局独立相关（aOR 4.85，95% CI 2.20–10.85，p<0.001）。敏感性分析排除或校正主要并发症后关联衰减但仍显著（aOR 3.18），原文指出轨迹与肺炎、症状性出血、恶性水肿等术后并发症时间纠缠。
4. 颈动脉超声影像组学特征提取与选择：提取>1100个特征，经ICC过滤和LASSO（λ=0.042）保留9个核心特征构建Rad-score；Rad-score为独立预测因子（每0.1分aOR 1.52，95% CI 1.21–1.92，p<0.001）。超声时机、扫描厂商和斑块ROI敏感性分析结果稳健。
5. 跨模态相关与结局独立预测因素：高Rad-score与Class 3相关（Spearman r=0.48，p<0.001）；多因素模型中入院美国国立卫生研究院卒中量表（National Institutes of Health Stroke Scale, NIHSS）评分、Rad-score和Class 3为独立预测因素，方差膨胀因子（variance inflation factor, VIF）<3.0。原文强调该相关为假设生成，不能推断因果。
6. 多模态机器学习模型开发与验证：内部验证中Model A AUC 0.74、Model B 0.79、Model C 0.83，Model D XGBoost AUC 0.92（95% CI 0.86–0.97），准确率86.3%、敏感性88.0%、特异性84.4%；DeLong检验Model D优于Model A（p<0.001），校准Brier评分0.115。相同预测因子下弹性网AUC 0.88、随机森林0.90，与XGBoost差异不显著，原文认为增益主要来自多模态信息而非算法复杂度。
7. 增量预测价值与临床决策支持：Model D较Model A连续NRI 0.985、IDI 0.194；较综合临床/程序模型A+（AUC 0.81）连续NRI 0.612、IDI 0.121。SHAP显示Class 3、入院NIHSS和高Rad-score等为重要驱动，DCA示净获益；动态列线图仅为概念验证，非已验证床旁工具。NRI置信区间较宽，应谨慎解释。

讨论总结与结论翻译：讨论指出，Rad-score特征反映低回声、纹理异质性等斑块易损性；LCMM将静态SII评估转为动态表型，Class 3风险接近五倍；但跨模态关联为假设生成，因缺乏斑块/血栓组织学和正式中介分析，方向与机制未定。与Zhang et al.等静态SII研究相比，动态轨迹聚类提升判别。局限包括单中心回顾性设计、发现队列低于先验最小开发样本量、轨迹与术后并发症纠缠、手动分割、未常规纳入侧支循环和取栓次数、无组织学验证。结论翻译：总之，研究人员开发并内部验证了一个探索性多模态XGBoost模型，整合临床变量、颈动脉斑块超声影像组学和LCMM衍生的全身免疫炎症指数纵向轨迹，用于AIS-LVO患者EVT后90天功能结局的亚急性风险分层。由于关键预测因子仅在Day 7成熟，该框架最适合定位为产生假设的术后预后辅助工具。在模型可考虑用于临床或用于介入试验富集之前，需要外部多中心、前瞻性验证以及前瞻性校准监测。