《Annals of Clinical and Translational Neurology》：Integrating Time-Adjusted Imaging Instability Into Functional Outcome Prediction After Intracerebral Hemorrhage: Development and Validation of the HAGIV Score
编辑推荐：
目的：早期风险分层有助于支持自发性脑出血（intracerebral hemorrhage, ICH）的临床决策。研究人员旨在开发并在内部验证HAGIV评分——一种整合影像标志物频次（frequency of imaging markers, FIM，经发病至
目的：早期风险分层有助于支持自发性脑出血（intracerebral hemorrhage, ICH）的临床决策。研究人员旨在开发并在内部验证HAGIV评分——一种整合影像标志物频次（frequency of imaging markers, FIM，经发病至首次平扫计算机断层扫描时间校正后的血肿扩大非增强CT指标）与幕上ICH已知90天功能结局预测因子的新型评分。
方法：这项预设的预后模型研究采用多中心回顾性连续幕上ICH患者队列，基线平扫CT（non-contrast computed tomography, NCCT）于发病6 h内完成（2018年1月—2022年8月）。通过多变量Logistic回归中回归系数分配整数分值构建HAGIV评分。采用受试者工作特征曲线下面积（area under the curve, AUC）评估其对不良功能结局［改良Rankin量表（modified Rankin Scale, mRS）评分3–6分］的区分度，并与现有ICH预后评分比较。
结果：HAGIV纳入基线血肿体积（H）、年龄（A）、格拉斯哥昏迷量表（Glasgow Coma Scale, GCS）评分（G）、影像标志物频次（I）及脑室出血（intraventricular hemorrhage, IVH）存在与否（V）。推导队列中HAGIV的AUC为0.86，显著优于ICH评分（0.81）、MICH评分（0.81）、Outcome评分（0.72）和Landseed ICH评分（0.79）（均p＜0.001，DeLong检验）。验证队列中HAGIV维持AUC为0.84，而上述对照评分分别为0.76、0.78、0.75和0.75。
解读：本研究以中小体积为主的幕上ICH队列显示，HAGIV整合FIM与经典预后变量后可改善90天结局判别能力，有望为早期风险分层、病情沟通及临床试验设计提供可解释的辅助工具，但在广泛临床应用前仍需前瞻性外部验证。
该研究发表于《Annals of Clinical and Translational Neurology》。
研究背景与目的
自发性脑出血（intracerebral hemorrhage, ICH）是高致残致死率的脑血管急症，早期准确的风险分层对临床管理、临床试验入选及医患沟通至关重要。现有常用ICH预后评分（如ICH评分、MICH评分等）主要依赖年龄、格拉斯哥昏迷量表（Glasgow Coma Scale, GCS）评分、血肿体积、出血部位等静态指标，未体现血肿扩大这一动态、可干预的不良预后决定因素。既往研究表明，平扫计算机断层扫描（non-contrast computed tomography, NCCT）上的低密度灶（hypodensities）、Blend征（blend sign）、岛征（island sign）可预测血肿扩大，但单一征象敏感度有限。为此研究人员此前提出影像标志物频次（frequency of imaging markers, FIM）——即基线NCCT上上述三个不稳定征象数目除以发病至首次CT时间（小时），作为时间校正后的超急性期血肿不稳定性指标。本研究假设在经典预后变量基础上加入FIM可提升ICH功能结局预测效能，据此开发并内部验证HAGIV评分（Hematoma volume, Age, GCS, Imaging marker frequency, Ventricular hemorrhage——HAGIV score），以幕上ICH发病6 h内NCCT检查患者为对象，预测90天不良功能结局（modified Rankin Scale, mRS 3–6分），并与既有评分比较判别能力。
主要关键技术方法
研究人员采用中国湖北、安徽、河北六家医院2018年1月至2022年8月的多中心回顾性连续幕上自发性ICH队列，纳入标准：成人、已知发病时间、基线NCCT≤发病6 h、随访CT≤48 h、有90天mRS评估；排除幕下出血、原发脑室出血、多发血肿、继发性ICH、抗凝相关凝血病、首剂随访CT前手术、发病时间不明、影像伪影重或90天结局缺失。按7∶3随机分为推导队列（n=877）与验证队列（n=376）。两名受过培训阅片者盲法独立判读NCCT上hypodensities、blend sign、island sign，不一致由资深神经放射科医师仲裁；FIM＝上述阳性征象数÷发病至首次CT时间（h）。血肿及脑室出血（intraventricular hemorrhage, IVH）体积采用半自动三维分割（3D Slicer）测量。单因素筛选（p＜0.10）后行多变量Logistic回归分析90天mRS 3–6分独立预测因子，依据回归系数赋整数分值构建HAGIV总分（0–11分）。区分度用AUC及DeLong检验与ICH、MICH、Outcome、Landseed ICH评分比较；校准用校准图及Brier评分等评价；亚组分析按血肿体积≤30 mL与＞30 mL分层。
研究结果
3.1 Study Population and Characteristics
推导与验证队列基线特征均衡，总体90天不良结局（mRS 3–6）发生率56.90％（713/1253）。单因素分析示不良结局组年龄更大、GCS更低、血肿及IVH体积更大、IVH比例更高、三种NCCT不稳定征象阳性率更高、FIM更高（均p＜0.05），提示临床严重程度与早期影像不稳定性均与不良功能结局相关。
3.2 Independent Predictors and Derivation of the HAGIV Score
多变量Logistic回归确定年龄（OR 1.04）、GCS评分（OR 0.73）、基线血肿体积（OR 1.08）、基线IVH存在（OR 3.67）及FIM（OR 3.63）为mRS 3–6分独立预测因子（血小板计数因效应极小被剔除，IVH体积让位于更易用的IVH存在）。按推导队列ROC最佳切点二分类化连续变量：年龄＞68岁、GCS≤12、血肿体积＞12 mL、FIM＞0.27，IVH存在计为"是"。依回归系数权重赋分：年龄＞68岁（1分）、GCS≤12（2分）、血肿体积＞12 mL（2分）、FIM＞0.27（3分）、基线IVH存在（3分），总分0–11分即HAGIV评分。
3.3 Risk Stratification and Diagnostic Performance
不良结局比例随HAGIV分值升高呈阶梯上升（0分约7％–14％，高分值接近100％）。以≥5分为截断，推导队列敏感度0.80、特异度0.75、阳性预测值（positive predictive value, PPV）0.82、阴性预测值（negative predictive value, NPV）0.73，AUC 0.86（95％CI 0.84–0.89）；验证队列对应为0.78、0.77、0.80、0.75，AUC 0.84（95％CI 0.80–0.88）。校准分析显示预测概率与观察风险吻合良好，无显著校准偏离（Spiegelhalter检验）。
3.4 Comparison With Established ICH Prognostic Scores
HAGIV的AUC（推导0.86，验证0.84）均显著高于ICH评分（0.81/0.76）、MICH评分（0.81/0.78）、Outcome评分（0.72/0.75）及Landseed ICH评分（0.79/0.75）（均p＜0.001或p＜0.01，DeLong检验）。对更重残疾（mRS 4–6）判别AUC相近（推导0.86，验证0.83）；对死亡（mRS 6）判别能力与ICH、MICH、Outcome评分相当且优于Landseed ICH评分。按血肿体积≤30 mL亚组HAGIV仍具良好判别力（AUC推导0.84、验证0.82），＞30 mL亚组验证集判别力下降（AUC 0.62），但敏感度仍高。
讨论与结论翻译
本研究在发病6 h内接受NCCT检查的幕上ICH多中心队列中开发并内部验证了预测90天功能结局的HAGIV评分；其在推导与验证队列中均表现出强判别力，预测90天不良功能结局（mRS 3–6）优于常用ICH预后量表，校准良好。HAGIV的核心创新在于整合FIM——一种时间校正的NCCT血肿不稳定性指标，弥补了传统评分忽略动态出血活动的不足。HAGIV适用于入院初期风险分层、结构化沟通及临床试验富集，但不应单独用于判定治疗无效或替代个体化临床判断，且需在独立人群中行前瞻性外部验证。本队列以中小血肿体积为主，其在大体血肿中的适用性待进一步验证；此外HAGIV不适用于幕下ICH或超窗就诊ICH。未来研究应系统收集治疗强度与限制性医疗措施数据、延长随访并验证HAGIV指导化管理能否改善患者结局。
结论原文译文：HAGIV评分作为入院时风险分层工具，在幕上ICH患者（尤以本中小至中等血肿体积为主的队列）中显示出良好的内部判别力与校准能力，可协助细化早期风险分层并支持临床试验富集，但仅应作为全面临床评估和共同决策的辅助工具。在常规临床应用前，尚需开展纳入治疗强度、限制性医疗措施数据及远期结局的系统前瞻性外部验证。
