《Frontiers in Neurology》：Modified small vessel disease score as the top predictor of stroke outcome after thrombectomy: a CT-based machine learning study
研究背景：机械取栓（mechanical thrombectomy, MT）可改善大血管闭塞（large vessel occlusion, LVO）所致缺血性卒中（ischemic stroke, IS）患者的预后，但约50%的患者未能实现功能独立。研究目的：研究人员探讨脑小血管病（cerebral small vessel disease, cSVD）是否可通过改良小血管病（modified Small Vessel Disease, mSVD）评分和脑衰弱评分（Brain Frailty Score, BFS）进行评估，并在预测MT术后90天结局方面优于单独CT标记物。研究设计：前瞻性队列的回顾性分析。研究方法：研究人员纳入351例前循环LVO并接受MT治疗的患者。采用入院CT对小血管病标记物（脑白质疏松症、脑萎缩、腔隙性脑梗死）进行评分，并计算mSVD和BFS。应用8种逻辑回归模型和随机森林算法预测不良结局[改良Rankin量表（modified Rankin Scale, mRS）3–6分]。采用受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUC-ROC）评估模型性能，并通过DeLong检验进行比较。研究结果：不良结局与以下因素相关：年龄较大、美国国立卫生研究院卒中量表（NIHSS）评分较高、收缩压较高、血糖较高、以及更严重的脑白质疏松症和脑萎缩。重度mSVD（评分=3）独立预测不良结局（OR=3.267；CI：1.731–6.168；p=0.009）。mSVD优于BFS和单独CT标记物（AUC=0.904 vs. 0.889/0.898；DeLong p < 0.05），并在随机森林中位列首要预测因子（重要性=42.05）。随着mSVD升高，治疗效益下降：当mSVD=3时，良好结局概率为15.53%，不良结局概率为84.47%；而当mSVD=0时，分别为89.23%和10.77%。纳入24小时NIHSS和出血性转化的二级模型改善了判别能力（AUC=0.954），但mSVD仍为主要独立预测因子。研究结论：在这项中等收入国家开展的前瞻性研究中，mSVD评分是MT术后结局的最强预测因子，优于BFS和单独影像学标记物。虽然cSVD并非MT禁忌证，但其反映了脑血管储备功能下降。将mSVD整合入基线CT评估可增强风险分层和治疗指导。
机械取栓（mechanical thrombectomy, MT）已被确立为急性缺血性卒中（acute ischemic stroke, AIS）由大血管闭塞（large vessel occlusion, LVO）所致的安全有效治疗方法。标志性研究如MR CLEAN、ESCAPE、REVASCAT、SWIFT PRIME和EXTEND-IA，随后在HERMES荟萃分析中汇总，证明了6小时时间窗内MT的疗效。后续试验进一步扩展了其适应证，包括后循环卒中、扩展时间窗以及大梗死核心病例。
尽管取得这些进展，相当比例的患者——根据Nie等的研究约50%——尽管成功实现血管再通，仍未获得良好结局（mRS ≤ 2）。Molina等将此现象称为"无效再通"（futile recanalization, FR），但考虑到mRS 3–4分仍可能存在功能获益，该术语的适用性受到质疑。
目前已识别多种不良结局预测因素，包括年龄、Alberta卒中项目早期CT评分（ASPECTS）、侧支循环状态、入院时高血糖和NIHSS评分等。近期证据表明，脑衰弱评分（brain frailty score, BFS）和小血管病（small vessel disease, SVD）评分在此情境中可能发挥关键作用。这些评分整合了脑白质疏松症、脑萎缩和慢性梗死等影像学标记物，以量化脑血管负荷和储备功能。Appleton等证明了其在预测IS患者结局中的价值，Pedraza等则发现脑萎缩独立预测无效再通，并与年龄和梗死体积协同影响MT结局。
这些发现强调了对多共病影响卒中结局进行全面理解的必要性，尤其对于接受LVO机械取栓治疗的人群。因此，本研究旨在评估BFS和mSVD对前循环LVO所致AIS患者MT结局的影响。
该研究为一项前瞻性队列的回顾性分析，纳入351例前循环LVO AIS患者，来源于中等收入国家一家三级医院2018年1月至2022年12月期间的前瞻性队列数据。临床数据包括人口统计学信息、入院前mRS评分、抗凝/抗血小板用药史、卒中或短暂性脑缺血发作（transient ischemic attack, TIA）病史、合并症（高血压、糖尿病、血脂异常、肥胖、心脏病及吸烟饮酒史），以及入院时血压、血糖和NIHSS评分。实验室数据包括糖化血红蛋白（hemoglobin A1c, HbA1c）、血脂谱、血清肌酐（采用CKD-EPI公式计算，对比剂诱导肾病定义为对比剂使用后48–72小时内血清肌酐升高≥0.5 mg/dl或≥25%基线值）。影像学数据源自基线及随访CT扫描，基线评估包括ASPECTS、脑白质疏松症、侧支循环评分、脑萎缩和既往缺血性病变；随访CT用于鉴别对比剂外渗与出血性转化（hemorrhagic transformation, HT）并按照ECASS-3标准分型。再通治疗变量包括溶栓（door-to-needle时间）和取栓（闭塞部位、穿刺时间、再通时间、mTICI分级、血管成形术）记录。
CT扫描由对临床数据盲法的血管神经科医师独立审阅。脑白质疏松症在三个标准轴位层面（脉络丛、中间细胞层和半卵圆中心）评估，分为0分（无）、1分（轻/中度）或2分（重度）。脑萎缩评估中央型（脑室扩大）和皮质型（脑沟增宽），取较高分，同样0–2分。腔隙性脑梗死定义为深部灰质或白质中<15 mm的低密度病灶。mSVD评分范围为0–3分，满足以下各项计1分：重度脑白质疏松症（2分）、重度脑萎缩（2分）、存在腔隙性脑梗死。BFS评估范围更广：脑白质疏松症1或2分、脑萎缩1或2分、陈旧性血管病变/梗死各计1分，总分0–3分，可纳入较轻的SVD标记物。
统计学分析采用单因素和多因素分析系统评估功能依赖（mRS > 2）的预测因素。以p < 0.1为阈值筛选变量进入初始多因素模型，采用后向逐步回归结合Akaike信息准则构建最简约模型，以方差膨胀因子（variance inflation factor, VIF）> 5排除多重共线性。共构建八个模型：Model 1为逐步回归所得基础模型；Model 2以BFS替代mSVD（两者同时纳入时VIF > 5）；Model 3引入肥胖和年龄等临床变量；Model 4再次以BFS替代mSVD；Model 5采用mSVD与BFS复合评分以平衡高估与低估偏倚；Model 6以单独cSVD标记物替代复合评分；Model 7简化Model 6，将脑白质疏松症二分类为重度 vs 非重度；Model 8纳入24小时NIHSS和HT以构建含早期治疗后信息的预测模型。模型判别能力以AUC-ROC评估，校准度采用Hosmer-Lemeshew拟合优度检验和Brier评分评价。
随机森林模型将数据集分为训练集（80%）和测试集（20%），采用LASSO回归筛选预测变量，包括入院NIHSS、收缩压（systolic blood pressure, SBP）、血糖、CKD变化值、BFS、mSVD和功能依赖状态。通过五折交叉验证进行超参数调优（mtry：2, 3, 4；ntree：100, 200, 300, 500, 1,000；nodesize：1, 5, 10），以平均准确度降低评估变量重要性。
结果显示，351例患者平均年龄67.0 ± 6.98岁，男性占48.3%，白种人占78.0%。高血压（78.9%）最常见，其次为血脂异常（53.1%）、糖尿病（26.3%）。中位ASPECTS为7.72 ± 1.68，重度脑萎缩占34.0%，重度脑白质疏松症占52.3%，BFS=3者占68.6%，mSVD=3者占29.4%。成功再通率92.3%。入院NIHSS中位数16.67 ± 3.68分。90天功能独立（mRS ≤ 2）比例在部分患者中实现。
不良结局（mRS 3–6）与较高年龄（68.14 ± 12.44 vs. 61.86 ± 14.48岁，p < 0.001）、较高空腹血糖（143.32 ± 62.50 vs. 117.57 ± 39.84 mg/dl，p < 0.001）、较高肌酐（1.33 ± 0.99 vs. 0.95 ± 0.22 mg/dl，p < 0.001）相关。较低ASPECTS（7.61 ± 1.75 vs. 7.92 ± 1.53，p = 0.038）、较差侧支循环（p < 0.001）、较高比例重度脑白质疏松症（69.74% vs. 19.51%，p < 0.001）与不良结局强烈相关。
多因素逻辑回归分析显示，Model 1中mSVD与结局呈剂量-反应关系（评分3：OR=39.760，95% CI：19.113–82.673，p < 0.001），其他显著预测因子包括入院NIHSS（OR=1.087，p < 0.001）、血糖（OR=1.013，p < 0.001）和再通状态（OR=0.119，p = 0.023），AUC=0.904。Model 2以BFS替代mSVD，评分3：OR=46.466，AUC=0.889。Model 3中肥胖显示保护作用（OR=0.341，p = 0.005），即"肥胖悖论"，入院NIHSS（OR=1.116，p < 0.001）、SBP（OR=1.018，p = 0.002）、血糖（OR=1.010，p = 0.021）及mSVD（高：OR=10.56，p < 0.001）保持显著，AUC=0.889。Model 4重新引入BFS，高BFS：OR=13.8，p < 0.001，肥胖仍具保护性（OR=0.406，p = 0.012），AUC=0.861。Model 5复合评分评分6：OR=33.622，p < 0.001，AUC=0.907为各模型最高。Model 6单独cSVD标记物中，重度脑白质疏松症（OR=10.792，p < 0.001）和既往病变（OR=3.673，p = 0.017）显著，AUC=0.898。Model 7简化后重度脑白质疏松症（OR=3.485，p = 0.016）和腔隙性梗死（OR=9.144，p < 0.001）仍显著，AUC=0.887。Model 8纳入24小时NIHSS（OR=1.151，p < 0.001）和HT（OR=1.865，p < 0.001），mSVD3仍显著（OR=3.267，p = 0.009），AUC达0.954。所有模型Hosmer-Lemeshow检验p值0.247–0.550，Brier评分0.129–0.139，校准良好。
随机森林最优参数为mtry=2、ntree=1,000、nodesize=10，训练集准确度0.925，测试集0.811。变量重要性排序为：mSVD（42.05）> BFS（30.97）> 入院NIHSS（26.91）> 入院SBP（17.10）> CKD变化（12.87）> 血糖（11.30）。
mSVD评分与治疗结局概率显示：mSVD=0时良好结局概率89.23%、不良10.77%；mSVD=1时42.86% vs. 57.14%；mSVD=2时10.87% vs. 89.13%；mSVD=3时15.53% vs. 84.47%。分组mSVD 0–1良好结局62.18%，mSVD 2–3仅13.33%。
讨论部分，研究人员指出年龄虽为卒中的公认危险因素，但在任何模型中均未独立预测功能结局，提示脑储备功能——以脑白质疏松症、腔隙性梗死和脑萎缩等mSVD和BFS捕获的标记物衡量——可能比实际年龄对功能恢复影响更大。这些评分作为整体脑健康的指标，累积性脑血管损伤在决定急性再灌注治疗后不良结局中起关键作用。
研究人员注意到部分模型产生较高比值比，尤其是mSVD和BFS评分为3时。这反映重度脑血管衰弱与不良结局的强关联，但需谨慎解读：极端评分患者数相对较少，可能导致较宽置信区间和估计变异性增加；且逻辑回归建模对数比值，强预测因子经指数转换后可产生不成比例的大OR值，此为剂量-反应关系陡峭时的预期行为，不应视为模型过拟合或不稳定的证据。
虽然取栓恢复宏观血管血流，但广泛cSVD区域受损的微循环可能限制组织灌注。这种不匹配表明，即使大血管成功再通，受损小血管仍可作为约束因素，妨碍缺血区域的有效再灌注。这强化了评估取栓结局时需同时考虑宏观和微血管健康的必要性。
按mSVD评分分析治疗结局概率提供了 valuable 见解：mSVD=0患者治疗效益极高，而mSVD=3时效益大幅下降，提示随着cSVD负荷增加，取栓效益进行性降低，可能因受损微血管无法支持有效再灌注和恢复。
研究人员特别指出该队列中重度cSVD标记物的高患病率，这与低收入和中等收入国家（low- and middle-income countries, LMIC）典型模式一致，这些国家在高血压、糖尿病和血脂异常等经典心血管危险因素预防管理方面较发达国家薄弱，反映资源有限环境中医保可及性、健康教育和预防策略方面的系统性挑战。这种脑血管负荷差异可能更大程度地影响LMIC的取栓结局，因受损的脑储备功能加剧了实现良好功能恢复的挑战。
Model 3和Model 4中出现的肥胖悖论（保护性OR分别为0.341和0.406）与既往研究一致，即使倾向评分匹配后仍存在。该关联在统计调整后持续存在，提示身体成分而非单纯BMI可能发挥作用，因老年人群通常 lean mass 较低，可能影响卒中后恢复。
从社会经济角度，卒中负担对公共卫生政策构成关键挑战，尤其在巴西等LMIC，各亚型卒中发病率持续上升且医疗成本不断攀升。虽然出血性卒中的个体治疗成本通常更高，但缺血性卒中的住院费用因患者数量大、长期管理需求高而尤为沉重。应对这一负担需在卒中连续体两端干预：一端是强化的初级预防和可改变危险因素的积极控制以维护脑血管储备功能；另一端是高度专业化神经重症监护保障患者生存和恢复，但LMIC在该急性期照护方面仍极不均衡，这种系统性差异直接损害复杂神经急症的结局。
急性期管理中，心房颤动等二级卒中病因的处理引入显著临床复杂性，因抗凝必要性常与既存脑血管脆弱性标记物冲突。腔隙性梗死、脑萎缩和脑白质高信号等结构性病变作为"系统性微血管衰弱"的指标，施加额外负担，独立预测不良功能恢复和对比剂相关急性肾损伤等术后并发症风险增加。这些结构性脆弱标记物与出血性梗死协同，显著增加灾难性出血及后续功能衰退风险。RESILIENT试验近期亚分析亦显示CT-based cSVD标记物可预测取栓后不良结局。
这种结构性脆弱并非孤立存在，而是与更广泛的心血管和内皮健康密切相关。较低心指数和主动脉顺应性受损等系统性状况直接减少脑血流，独立加剧脑白质高信号负荷。为在栓塞预防和出血风险间 navigating 这一微妙平衡，新兴生物标记物提供有前景的方法以在治疗前准确量化血管脆弱性：例如syndecan-1升高指示严重内皮糖萼损伤，而MRI识别治疗前出血性梗死则是再灌注损伤的关键预警。最终，整合这些新型生物标记物、心血管指数与人工智能工具（如鉴别真正出血与对比剂外渗的工具），对优化高度脆弱患者的临床决策至关重要。
该研究优势包括较大样本量、前瞻性设计的回顾性分析，以及多样预测建模方法的运用。尤其重要的是依赖CT——一种广泛可及、经济、快速的影像学手段——增强了研究对真实世界临床实践的适用性，尤其在占全球70%卒中的LMIC。尽管CT评估cSVD逊于MRI，该研究证明经专家解读后CT可提供准确且与临床相关的cSVD评估。mSVD评分作为简单复合 routinely available CT标记物的工具，可作为取栓后早期风险分层的实用手段，支持临床医师与患者家属进行早期沟通时设定现实预期，并识别可能从密切监测、强化康复或认知评估中获益的患者。
局限性包括单中心设计限制外推性、非随机化可能存在残余混杂，以及CT非cSVD评估金标准。MRI虽分辨率更高，但在LMIC更不普及、更昂贵。2018–2022年间MT适应证扩展和指南变更也可能影响队列，但该研究显示经培训专家进行的CT-based评估可提供可操作且准确的结果，不过学习曲线也需考虑。
未来研究应探索cSVD标记物和复合评分是否作为取栓结局的效应修饰因子，帮助确定重度cSVD患者是否因潜在微血管功能损害而获益较少。mSVD评分在多中心或人群队列中的外部验证亦需开展以确认其泛化性。同时，利用人工智能自动化和标准化CT评估cSVD标记物（如脑白质疏松症）具有广阔前景。虽然该研究不支持因cSVD排除患者接受取栓，但提出关于脑储备功能阈值的重要问题，或可指导共同决策和个体化卒中后照护。
研究结论部分指出，该研究证明了入院脑CT衍生复合评分，尤其是改良小血管病（mSVD）评分，是前循环大血管闭塞机械取栓术后90天不良功能结局的强大且独立的预测因子。在所有检测变量中——包括临床、影像学和实验室参数——mSVD作为最重要的预测因子浮现，在传统统计模型和机器学习分析中均优于单独小血管病标记物和脑衰弱评分（BFS）。这些发现凸显了简单、可及的CT-based脑血管负荷标记物的临床价值，其超越年龄或NIHSS等传统预测因子反映脑衰弱状态。mSVD分层预后和估计功能结局结局概率的能力，强调了其在优化取栓决策和个体化卒中后照护中的潜在作用。这是首个系统比较复合cSVD评分与单独影像学标记物、并结合回归与机器学习的研究，确立了mSVD作为更优预后工具的地位。未来研究应在更广泛人群中验证这些发现，并探究cSVD作为血管内治疗结局效应修饰因子的潜在作用。这些见解可帮助临床医师个体化照护、优化资源配置，并改善具有 substantial 微血管病负荷患者的结局。
