《Cerebral Circulation - Cognition and Behavior》：Automated volume estimate of the brain’s lateral ventricles reveals a persistent association with cognitive performance among stroke survivors
编辑推荐：
背景：卒中后认知障碍（PSCI）是康复的重要障碍。虽然计算机断层扫描（CT）是急性卒中诊断的主要方式，但它也可量化脑解剖结构，如侧脑室体积（LVV）。本研究探讨初始LVV是否与长期随访中的蒙特利尔认知评估（MoCA）评分相关。方法：研究人员从挪威卒中后认知障碍
背景：卒中后认知障碍（PSCI）是康复的重要障碍。虽然计算机断层扫描（CT）是急性卒中诊断的主要方式，但它也可量化脑解剖结构，如侧脑室体积（LVV）。本研究探讨初始LVV是否与长期随访中的蒙特利尔认知评估（MoCA）评分相关。方法：研究人员从挪威卒中后认知障碍研究（Nor-COAST）的多个中心收集了初始头部CT、纵向MoCA和功能评估数据。LVV使用已建立的深度学习分割工具进行估算。研究人员使用线性混合效应模型测试了初始LVV与重复MoCA在四个时间点（最多三年）之间的关联。为提供背景，研究人员还探讨了LVV与美国国立卫生研究院卒中量表（NIHSS）、改良Rankin量表（mRS）和全球恶化量表（GDS）的独立影响。结果：样本包括N=547名参与者，年龄74±12岁（范围：35-97岁），54%为女性。对数转换后的LVV与纵向MoCA评分呈负相关（t=-3.75，p<0.001）。这一关系在单个时间点的横断面分析中一致。次要分析显示LVV与NIHSS、mRS和GDS评分显著相关（所有p<0.05）。结论：卒中后三年随访中，LVV与较低的MoCA评分独立相关。具体而言，初始LVV翻倍的患者在三年随访中MoCA评分低0.7分。这些发现表明，卒中入院时获得的CT可提供长期认知预后的信息，支持自动LVV估算的应用。
**论文解读：基于CT侧脑室体积自动估算的卒中后认知障碍长期关联研究**
**研究背景与问题**
卒中后认知障碍（PSCI）是影响卒中幸存者康复的关键因素，约59%的患者在卒中后3个月出现认知损害，且约33%在数年内进展为痴呆。当前急性卒中诊断依赖临床评估和影像学检查，非增强计算机断层扫描（CT）是急性期最常用的成像手段。尽管CT可提供脑形态学信息，如侧脑室体积（LVV），但常规临床实践中并未将其用于PSCI风险分层。LVV增大反映脑萎缩或脑室扩大，已被证实与神经退行性变、认知下降及卒中后长期结局相关。然而，LVV与PSCI的纵向关联尚缺乏系统研究。挪威卒中后认知障碍研究（Nor-COAST）提供了从急性期至36个月的纵向数据，为探究这一关联提供了独特机会。本研究旨在明确急性期CT估算的LVV是否与长期蒙特利尔认知评估（MoCA）评分相关，并探索其与其他功能结局（美国国立卫生研究院卒中量表（NIHSS）、改良Rankin量表（mRS）、全球恶化量表（GDS））的关系。
**研究内容与结论**
研究人员纳入了Nor-COAST研究中547例急性缺血性或出血性卒中幸存者（年龄74±12岁，54%女性），利用深度学习工具VB-AI（ventricle and bleed artificial intelligence，脑室和出血人工智能）自动分割侧脑室并估算LVV。通过线性混合效应模型分析初始LVV与四个时间点（基线、3个月、18个月、36个月）MoCA评分的关联，发现对数转换后的LVV与纵向MoCA评分呈显著负相关（B=-1.35，SE=0.36，t=-3.75，p<0.001），且该关系在横断面分析中持续存在（每个时间点p<0.016）。进一步分析显示，LVV与NIHSS（初始卒中严重程度，B=-1.00，p=0.031）、mRS（功能残疾，3个月B=0.19，p=0.032；18个月B=0.49，p<0.001）及GDS（认知衰退，B=0.33，p<0.001）均显著相关。结论表明，急性CT获得的LVV可独立预测卒中后长达三年的认知表现，支持自动LVV估算在预后评估中的临床价值。该研究发表于《Cerebral Circulation - Cognition and Behavior》。
**关键技术方法**
1. **样本队列**：来源于挪威五家中心的Nor-COAST前瞻性研究，纳入急性卒中患者，排除非卒中诊断及缺少CT或认知数据者。
2. **LVV估算**：采用基于深度学习nnU-net架构的VB-AI工具，使用外部154例CT数据（含INSTANCE 2022挑战赛及本地医院病例）训练，对Nor-COAST CT图像进行自动分割，计算左、右侧脑室体积。
3. **统计建模**：对LVV进行自然对数转换以校正偏态分布；使用线性混合效应模型分析纵向MoCA数据，纳入年龄、性别、教育年限、初始NIHSS、颅内体积及时间点交互项，以参与者ID和影像中心为随机效应；横断面分析采用线性回归模型，校正相同协变量。
**研究结果**
- **线性混合效应模型结果**：基于482名参与者的1452次MoCA评分，发现log-LVV与纵向量表评分显著负相关（t=-3.75，p<0.001），年龄（B=-0.15，p<0.001）、教育年限（B=0.42，p<0.001）及初始NIHSS（B=-0.20，p<0.001）为独立协变量，而性别、颅内体积及时间点主效应不显著，且log-LVV与时间点无交互作用（p=0.153）。
- **横断面回归分析结果**：各时间点（基线至36个月）均显示log-LVV与MoCA评分显著负相关（标准化β系数为负），表明关联稳定。
- **次要结局分析结果**：
- **初始NIHSS**：与log-LVV呈负相关（B=-1.00，p=0.031），但解释方差较弱。
- **mRS**：卒中前（B=0.33，p<0.001）、3个月（B=0.19，p=0.032）及18个月（B=0.49，p<0.001）的mRS评分均与log-LVV正相关，反映LVV越大，功能残疾越重。
- **GDS**：基线GDS与log-LVV正相关（B=0.33，p<0.001），提示LVV增大与认知衰退相关。
**讨论与结论**
LVV与MoCA的持久关联反映了卒中后个体间脑结构健康差异（如神经退行性变）对认知恢复的影响，且该关系不受急性期至慢性期转变的影响。LVV与mRS和GDS的正相关进一步支持其作为脑健康标志物的作用；而LVV与NIHSS的负相关（即LVV越大，急性神经功能缺损越轻）可能因样本中NIHSS值较低且范围狭窄所致，需谨慎解释。
**研究结论**：本研究证实，急性卒中CT的自动LVV估算结合卒中参数可提供稳健的卒中后认知表现影像标志物。初始LVV翻倍的患者在三年随访中MoCA评分低0.7分，表明CT能提供长期认知预后的关键信息，有助于快速脑健康表型分型、个性化康复策略制定及临床资源优化。
