基于列线图预测颅内动脉瘤瘤壁不规则搏动及风险分层的研究

《Frontiers in Neurology》：Development of a nomogram for predicting wall irregular pulsation and risk stratification in intracranial aneurysms

　　

摘要专业翻译 目的： 未破裂颅内动脉瘤（unruptured intracranial aneurysms, UIAs）的准确破裂风险分层在临床上具有挑战性。动脉瘤壁不规则搏动是动脉瘤易损性的影像学生物标志物。本研究旨在开发一种用于预测颅内动脉瘤瘤壁不规则搏动及风险分层的列线图。 方法： 本研究为一项连续的前瞻性数据采集横断面观察性研究，纳入2017年至2020年间的UIAs。不规则搏动定义为在四维CT血管造影（four-dimensional CT angiography, 4D-CTA）中观察到连续三个或以上时相的序贯性形态学改变。采用广义估计方程（generalized estimating equation, GEE）方法确定瘤壁不规则搏动存在的独立预测因子，并开发基于logistic回归的预测模型。采用受试者工作特征（receiver operating characteristic, ROC）分析评估模型性能。 结果： 研究纳入202例患者的262个未破裂动脉瘤。多变量分析显示，瘤壁不规则搏动存在的四个独立预测因子为：ACA/PCom/后循环动脉瘤位置（OR: 2.17, 95% CI 1.21–3.88; p = 0.0099）、子囊存在（OR: 5.15, 95% CI 1.91–13.86; p = 0.001）、形态学纵横比（aspect ratio, OR: 1.80, 95% CI 1.09–2.99; p = 0.022）及瘤颈尺寸（OR: 1.23, 95% CI 1.02–1.48; p = 0.030）。所开发模型表现出良好的判别能力，灵敏度为88.5%，特异度为71.2%，总体准确率为76.9%，曲线下面积（area under the curve, AUC）为0.808（95% CI, 0.704–0.913）。使用独立队列进行进一步验证，获得了可比的性能：灵敏度76.9%，特异度88.9%，总体准确率81.8%，AUC为0.855（95% CI, 0.694–1.000）。构建了列线图以可视化呈现该模型。 结论： 本研究提出了一种基于logistic回归的预测动脉瘤瘤壁不规则搏动的模型。该列线图可直观评估个体化风险，显示出未来在床旁决策中临床应用的潜力。

论文解读文章

一、研究背景与意义

颅内动脉瘤（intracranial aneurysm, IA）是一种常见的脑血管疾病，随着CT血管造影（computed tomography angiography, CTA）和磁共振血管造影等现代影像学技术的进步，未破裂颅内动脉瘤（unruptured intracranial aneurysms, UIAs）的检出率显著提高。UIAs的临床管理面临持续的治疗困境：其破裂风险相对较低，而介入或手术治疗本身也存在风险。然而，动脉瘤一旦破裂导致蛛网膜下腔出血（subarachnoid hemorrhage, SAH），后果极为严重。因此，对UIAs进行准确的破裂风险分层对于优化临床决策至关重要。

近年来，动脉瘤壁不规则搏动已被确定为动脉瘤易损性的潜在生物标志物。形态学改变常在不规则搏动部位随访期间出现，该区域通常对应大多数破裂动脉瘤的出血部位。Ferrari等人建立了四维CT血管造影（4D-CTA）在表征动脉瘤壁动态和结构特征方面的可靠性，观察到的动脉瘤壁宏观特征（尤其是搏动）与暗红色较薄壁相对应。研究人员的既往研究表明，通过4D-CTA识别的动脉瘤不规则搏动与症状性及破裂动脉瘤显著相关；此外，将不规则搏动与血管壁MRI增强模式相结合，可获得识别症状性动脉瘤的最佳诊断准确性。这些发现提示不规则搏动可能促进动脉瘤破裂或生长，可作为识别高危UIAs的标志物。然而，目前尚缺乏基于常规临床参数预测不规则搏动的实用工具，本研究旨在填补这一空白。

二、研究内容与结论

研究人员利用4D-CTA识别不规则搏动，并开发了基于logistic回归的预测模型，纳入可获得的临床参数以预测UIAs中瘤壁不规则搏动的存在。研究纳入202例患者的262个未破裂动脉瘤，通过广义估计方程（GEE）方法识别独立预测因子，最终确定了四个独立预测因子：ACA/PCom/后循环动脉瘤位置（OR: 2.17）、子囊存在（OR: 5.15）、形态学纵横比（OR: 1.80）及瘤颈尺寸（OR: 1.23）。所开发模型在测试数据集中表现出良好的预测性能，AUC为0.808；在独立验证队列中AUC达到0.855。研究进一步构建了直观的列线图以促进模型的临床转化，该模型显示出未来临床应用的潜力。

三、主要技术方法

本研究为一项前瞻性、连续横断面观察性研究，于2017年10月至2020年1月间通过4D-CTA和数字减影血管造影（digital subtraction angiography, DSA）确诊颅内动脉瘤。独立外部验证队列包含2025年1月至6月在上海交通大学医学院附属仁济医院收集的20例患者的22个动脉瘤。研究采用320排CT系统（Aquilion One Vision, Canon Medical Systems）进行心电同步4D-CTA扫描，覆盖一个完整R-R间期，产生20个时相数据集。不规则搏动定义为在4D-CTA序列中连续三个或以上时相观察到的序贯性形态学改变，由两名经验丰富的神经放射科医生独立评估。模型构建采用患者层面分层随机抽样将数据集分为训练集（80%）和测试集（20%），变量选择依据临床相关性及单变量GEE分析结果，最终模型在训练集上拟合，并构建列线图实现可视化。

四、研究结果

基线特征： 研究最终纳入202例患者的262个UIAs。其中男性64例，女性138例，平均年龄60.0±11.1岁。高血压见于半数患者，糖尿病占13.9%，高脂血症占22.8%，吸烟史占16.8%，饮酒占11.4%，既往SAH仅占5.9%。高危组动脉瘤在尺寸相关维度上均大于低危组，包括动脉瘤大小、瘤颈尺寸、垂直高度、最大高度、血管尺寸、尺寸比、纵横比及血管角度。高危组动脉瘤更常见于MCA（12.2% vs. 7.9%）和ACA/PCom/后循环（44.9% vs. 30.5%），而ICA位置较少见（42.9% vs. 61.6%）。子囊在高危组中显著更常见（21.4% vs. 4.3%）。

单变量和多变量分析： 在262个动脉瘤中，58.0%来自单发动脉瘤患者，32.8%来自双发动脉瘤患者，9.2%来自三或四个动脉瘤的患者。可交换GEE模型估计的组内相关系数（intraclass correlation coefficient, ICC）为0.203，表明存在中等程度的患者内相关性。多变量分析确定了四个独立危险因素：ACA/PCom/后循环位置（OR: 2.17, 95% CI 1.21–3.88; p = 0.0099）、子囊存在（OR: 5.15, 95% CI 1.91–13.86; p = 0.001）、纵横比（OR: 1.80, 95% CI 1.09–2.99; p = 0.022）及瘤颈尺寸（OR: 1.23, 95% CI 1.02–1.48; p = 0.030）。

预测模型开发与性能： 最终模型纳入五个临床和形态学相关特征：动脉瘤位置、既往SAH史、纵横比、子囊存在及瘤颈尺寸。模型在测试数据集中灵敏度为88.5%，特异度为71.2%，总体准确率为76.9%，AUC为0.808（95% CI, 0.704–0.913）。独立验证集上灵敏度为76.9%，特异度为88.9%，总体准确率为81.8%，AUC为0.855（95% CI, 0.694–1.000）。5折交叉验证的平均AUC为0.699（SD: 0.066，范围：0.611–0.790），表明模型性能可能对样本组成敏感。研究构建了列线图以直观呈现模型，根据各变量值读取对应评分，汇总总分后可从底部概率线读取相应的预测风险概率。

五、讨论与结论

讨论部分指出，动脉瘤壁运动与破裂风险之间的关联促进了多种影像学模态的发展，包括经颅功率多普勒超声、相位对比MRA、3D旋转血管造影及4D-CTA，各具技术局限性。4D-CTA具有扫描仪普及、采集快速和空间分辨率优越等实用优势，临床验证已确立4D-CTA上的不规则搏动模式作为UIAs破裂风险分层的可靠生物标志物。模型纳入的五个参数中，既往SAH是PHASES和ELAPSS评分系统的核心组成部分；动脉瘤位置在单变量和多变量分析中均与不规则搏动显著相关；纵横比和子囊已被稳健地关联到升高的破裂或生长风险。位置与形态学的关系可理解为互补：位置反映解剖血流动力学环境，而形态学捕捉动脉瘤对这些血流动力学力的几何响应。不规则搏动反映了潜在的血液动力学和管壁异常，先于明显破裂出现，支持其作为动脉瘤易损性临床前指标的作用。与复杂的“黑箱”计算模型相比，本研究基于传统logistic回归开发了可解释的列线图，直接预测不规则搏动，结合了预测性能和视觉可解释性，增强了临床适用性。

研究局限性包括：作为前瞻性研究的post-hoc分析存在选择偏倚风险；基于4D-CTA图像定义破裂风险需通过长期随访验证；样本量有限可能限制统计效能；5折交叉验证AUC变异较大，平均AUC（0.699）低于测试集AUC（0.808），提示模型性能可能对样本组成敏感，需在更大规模独立外部队列中进一步验证模型的稳健性和泛化性。

研究结论： 研究人员开发了一种结合临床和形态学变量的logistic回归模型，用于预测瘤壁不规则搏动的存在。为促进临床应用，构建了直观的列线图以可视化所开发模型的预测价值。