陳新悅，陸麗芳，唐小平（通信作者）

（南昌大學(xué)第二附屬醫(yī)院放射科 江西 南昌 330006）

時(shí)間窗內(nèi)開(kāi)展靜脈溶栓是臨床指南急性腦梗死高效救治方案，急性卒中（acute cerebral infarction，ACI）患者輕者預(yù)后良好，嚴(yán)重者可能導(dǎo)致殘疾，甚至危及患者的生命，因此，對(duì)治療效果的早期評(píng)估非常重要[1]。當(dāng)前常借助神經(jīng)影像學(xué)檢查進(jìn)行卒中的診療及預(yù)后評(píng)估工作，既往文獻(xiàn)報(bào)道證實(shí)，卒中后溶栓患者的預(yù)后同梗死病灶體積關(guān)聯(lián)密切，而早期CT評(píng)分是基于對(duì)大腦中動(dòng)脈供血區(qū)缺血性改變的半定量評(píng)分系統(tǒng)，可高效、準(zhǔn)確獲取病灶體積相關(guān)信息[2]。美國(guó)心臟協(xié)會(huì)/美國(guó)卒中協(xié)會(huì)的指南提示若ASPECTS≤7分，則患者多可能存在預(yù)后不良風(fēng)險(xiǎn)，特別是出血變化、惡性腦梗死可能性高。不可避免的是，CT影像評(píng)分存在閱片醫(yī)師個(gè)體經(jīng)驗(yàn)差異性問(wèn)題，部分情況下可能造成同一影像的差異性評(píng)價(jià)，是影像診斷準(zhǔn)確性的主觀因素。

伴隨人工智能技術(shù)的臨床深入應(yīng)用，有眾多學(xué)者提出了關(guān)于于人工智能下ASPECTS評(píng)分法的相關(guān)討論，亦涉及缺血性卒中的治療篩選問(wèn)題，但尚缺少對(duì)于該評(píng)分法在臨床診療中的實(shí)際應(yīng)用論證[3-4]。本研究探討自動(dòng)ASPECTS評(píng)分在急性缺血性卒中靜脈溶栓評(píng)估中的實(shí)際臨床應(yīng)用價(jià)值，并分析預(yù)后不良的危險(xiǎn)因素，為人工智能在臨床上推廣應(yīng)用、輔助臨床診斷提供理論依據(jù)。

1 資料與方法

1.1 一般資料

選取2021年1月—2022年6月于南昌大學(xué)第二附屬醫(yī)院被診斷為大腦中動(dòng)脈供血區(qū)缺血性卒中的患者165 例，受試者要求在6 h內(nèi)接受阿替普酶靜脈溶栓治療。根據(jù)溶栓3 個(gè)月后改良的Rankin量表（mRS）評(píng)分情況分為兩組，分別為預(yù)后良好組（0～2分）、預(yù)后不良組（3～6分）。

納入標(biāo)準(zhǔn)：①病灶位于ASPECTS區(qū)域；②發(fā)病后72 h內(nèi)開(kāi)展MRI檢查者；③6 h內(nèi)行靜脈溶栓治療者；④患者年齡在18歲以上。排除標(biāo)準(zhǔn)：①顱內(nèi)出血和（或）腫瘤患者；②圖像質(zhì)量差者；③具備其他重要器官功能不全者。

1.2 方法

①根據(jù)病例收集兩組患者的性別、年齡、既往史（冠心病、高血壓、糖尿病、吸煙史）、發(fā)病至溶栓時(shí)間等臨床資料；②在影像歸檔和通信系統(tǒng)（PACS）傳至人工智能軟件后臺(tái)并經(jīng)由自動(dòng)評(píng)估并生成基于非增強(qiáng)CT圖像的ASPECTS評(píng)估圖，梗死灶以彌散加權(quán)成像（DWI）高信號(hào)為標(biāo)準(zhǔn)，再由2位高年資神經(jīng)放射診斷醫(yī)師進(jìn)行回顧性分析評(píng)分，得到基于DWI的ASPECTS評(píng)分，兩人均不知道ASPECTS評(píng)分結(jié)果，當(dāng)分析結(jié)果不一致時(shí)經(jīng)協(xié)商后達(dá)成一致意見(jiàn)。③采用美國(guó)國(guó)立衛(wèi)生研究院卒中量表（NIHSS）評(píng)估神經(jīng)功能缺損情況，分值范圍0～42分，≤4分界定為輕型卒中，≥21分界定為嚴(yán)重卒中。

1.3 ASPECTS評(píng)分法

作為一種在早期開(kāi)展缺血性改變?cè)u(píng)價(jià)的半定量方法，臨床常借助ASPECTS評(píng)分進(jìn)行溶栓適應(yīng)的甄別。在CT影像上選取大腦中動(dòng)脈供血區(qū)2個(gè)層面的10個(gè)區(qū)域：① 核團(tuán)層面（即丘腦和紋狀體平面）分為M1、M2、M3、島葉、豆?fàn)詈?、尾狀核和?nèi)囊后肢7個(gè)區(qū)域；②核團(tuán)以上層面（在核團(tuán)水平上2 cm），包括M4、M5和M6。這10個(gè)區(qū)域的權(quán)重相同，均為1分。評(píng)分方法為10-梗死區(qū)域數(shù)目，分值越低提示梗死情況越嚴(yán)重。

1.4 統(tǒng)計(jì)學(xué)方法

采用SPSS 24.0統(tǒng)計(jì)軟件進(jìn)行數(shù)據(jù)分析。符合正態(tài)分布且方差齊的計(jì)量資料采用（x-± s）表示，組間比較采用獨(dú)立樣本t檢驗(yàn)；計(jì)數(shù)資料用頻數(shù)（n）、百分率（%）表示，采用χ2檢驗(yàn)，一致性比較采用組內(nèi)相關(guān)系數(shù)（ICC）。一致性檢驗(yàn)采用Kappa檢驗(yàn)，Kappa值≥0.75表示一致性良好；Kappa值在0.4～＜0.75時(shí)表示一致性較好；Kappa值＜0.4則表示一致性較差。并計(jì)算自動(dòng)ASPECTS評(píng)分法的敏感度、特異度。危險(xiǎn)因素分析選用多因素Logistic回歸性分析，應(yīng)用ROC曲線分析自動(dòng)ASPECTS評(píng)分對(duì)ACI患者預(yù)后的預(yù)測(cè)價(jià)值，P＜0.05則差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 納入患者情況

165例患者中急性梗死病灶位于大腦中動(dòng)脈供血區(qū)113例，非MCA供血區(qū)病灶52例。在大腦中動(dòng)脈供血區(qū)的113例中，11例對(duì)于梗死位置的判斷不準(zhǔn)確，5例失訪。最終入組分析的病例97例，年齡為28～94歲，預(yù)后良好組的病例為58例，預(yù)后不良組的病例為39例，見(jiàn)圖1。

圖1 預(yù)后良好組與預(yù)后不良組患者的自動(dòng)ASPECTS評(píng)分和DWI ASPECTS評(píng)分

2.2 人工智能ASPECTS評(píng)分與DWI ASPECTS一致性檢驗(yàn)

基于人工智能的ASPECTS與由醫(yī)師經(jīng)驗(yàn)判斷的DWI ASPECTS之間的ICC=0.923（95%CI：0.887～0.948，P＜0.001）。將人工智能ASPECTS評(píng)分與DWI ASPECTS進(jìn)行一致性檢驗(yàn)，一致性較好，Kappa=0.630。

2.3 兩組患者一般資料比較

預(yù)后良好組的年齡、基線NHISS評(píng)分及人工智能ASPECTS評(píng)分與預(yù)后不良組比較差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。見(jiàn)表1。

表1 兩組臨床資料比較

2.4 Logistic回歸分析影響ACI患者預(yù)后不良的危險(xiǎn)因素

以上述檢驗(yàn)中存在顯著差異的變量為自變量，是否預(yù)后不良為因變量，進(jìn)行Logistic回歸分析，P＜0.05認(rèn)為差異有統(tǒng)計(jì)學(xué)意義。見(jiàn)表2。

表2 Logistic回歸分析影響ACI患者預(yù)后不良的危險(xiǎn)因素

2.5 年齡和人工智能ASPECTS評(píng)分對(duì)ACI預(yù)后不良的ROC曲線

人工智能ASPECTS評(píng)分預(yù)測(cè)預(yù)后不良的曲線下面積為0.775（95%CI：0.678～0.873）（P＜0.001），人工智能ASPECTS評(píng)分預(yù)測(cè)預(yù)后不良的最佳臨界點(diǎn)是7.5，預(yù)測(cè)的靈敏度71.9%，特異度75.0%（95%CI：0.669～0.865），見(jiàn)圖2。

圖2 年齡和人工智能ASPECTS評(píng)分對(duì)ACI預(yù)后不良的ROC曲線測(cè)量值

3 討論

急性缺血性卒中是由血栓或栓子阻塞大腦動(dòng)脈引起的，占中國(guó)卒中總?cè)藬?shù)的69.6%～70.8%[5]。靜脈溶栓是治療急性缺血性卒中最有效的治療方法之一，可降低卒中患者的致殘率和病死率，然而，由于治療時(shí)間窗窄、禁忌證較多以及出血性轉(zhuǎn)化風(fēng)險(xiǎn)等因素，導(dǎo)致預(yù)后不良，不同的指南對(duì)于是否接受靜脈溶栓的條件未做明確肯定，只有部分ACI患者接受靜脈溶栓治療[6]。因此，探討再灌注治療與神經(jīng)功能之間的關(guān)系，一直是一個(gè)關(guān)注重點(diǎn)。

本次經(jīng)由ASPECTS分析發(fā)現(xiàn)，人工智能下自動(dòng)ASPECTS與高年資醫(yī)師參與的以DWI為梗死金標(biāo)準(zhǔn)的DWI ASPECTS之間的ICC=0.923，說(shuō)明兩者一致性較好（Kappa=0.630），該結(jié)果同Maegerlein等[4]的研究相似，近年也有許多研究均指出自動(dòng)ASPECTS在評(píng)估急性缺血性卒中患者的腦CT方面表現(xiàn)與資深醫(yī)生相似[7]。這對(duì)于急診醫(yī)生，特別針對(duì)低年資醫(yī)生進(jìn)行溶栓前篩選甄別具有幫助作用，尤其是在缺乏多模式CT檢查或者無(wú)法及時(shí)進(jìn)行MRI檢查時(shí)。

既往很多研究重心落在如何識(shí)別ACI患者靜脈溶栓后預(yù)后不良的危險(xiǎn)因素，以調(diào)整臨床策略，本研究中，年齡、基線NHISS及自動(dòng)ASPECTS評(píng)分與ACI患者阿替普酶靜脈溶栓后的早期改善有關(guān)。其中年齡是一個(gè)風(fēng)險(xiǎn)因素（OR：1.107，95%CI：1.049～1.168，P＜0.001），年齡每增加1歲，患者預(yù)后不良的風(fēng)險(xiǎn)增加了10.7%。年齡的增加對(duì)ACI的發(fā)病率、病死率和長(zhǎng)期結(jié)局有重要影響，由于隨著年齡的增長(zhǎng)，可導(dǎo)致卒中患者神經(jīng)血管單元功能障礙和神經(jīng)退行性改變[8]。

此前Broccos[9]等人提出對(duì)于低ASPECTS的患者，應(yīng)慎重考慮靜脈溶栓帶來(lái)的不良后果，本研究中ROC曲線分析顯示，人工智能ASPECTS評(píng)分預(yù)測(cè)預(yù)后不良的曲線下面積（AUC）為0.767，明顯大于年齡因素（AUC為0.174）。人工智能ASPECTS評(píng)分預(yù)測(cè)預(yù)后不良的最佳臨界點(diǎn)是7.5，預(yù)測(cè)的敏感度為71.9% ，特異性75.0%，提示機(jī)器學(xué)習(xí)的ASPECTS評(píng)分對(duì)ACI預(yù)后具有較高的預(yù)測(cè)價(jià)值。然而在基于人類和機(jī)器學(xué)習(xí)的評(píng)估中，ASPECTS評(píng)分的準(zhǔn)確性和可靠性都與時(shí)間有關(guān)，Naylor等[10]的研究結(jié)果表明早期階段ASPECTS的預(yù)后準(zhǔn)確性有降低的趨勢(shì)，在早期時(shí)間窗口內(nèi)使用人工智能ASPECTS來(lái)選擇患者進(jìn)行溶栓再通的可靠性較低。

綜上所述，人工智能ASPECTS與DWI ASPECTS有較高的一致性，且ASPECTS評(píng)分對(duì)靜脈溶栓的預(yù)后具有較好的評(píng)估價(jià)值，值得推廣應(yīng)用。但本次研究同樣存在一定局限：①樣本量相對(duì)較少，沒(méi)有開(kāi)展較大比例的病例研究；②本研究對(duì)人工智能ASPECTS用于每個(gè)分區(qū)ACI預(yù)后預(yù)測(cè)方面的價(jià)值有待深入論證。