郭 影 高 波 趙俊果 沈桂權(quán)

貴州醫(yī)科大學附屬醫(yī)院影像科 (貴州 貴陽 550004)

SICH指的是非創(chuàng)傷性血管破裂，導致血液在腦組織內(nèi)積聚[1]。有研究報道[2-3]，ICH患者發(fā)病后30天內(nèi)死亡率約為40%，1年內(nèi)死亡率約為54%，僅僅12%～39%的患者可以獲得長期的神經(jīng)功能獨立。腦出血預后量表是一種臨床評估工具，它主要是通過對出現(xiàn)較差或良好結(jié)果的預測因子加以羅列、賦值,然后再通過所統(tǒng)計的分值來評價ICH病人的預后。此外還有多種傳統(tǒng)影像征象及新興的影像組學都可用來評估ICH患者的預后。這些評估方案，根據(jù)觀察終點分類可以包括死亡率預后和功能轉(zhuǎn)歸預后兩大類；根據(jù)預測時間，可以分為短期預測模型(用于住院期間和發(fā)病30d內(nèi))、中期預測模型(3個月病情轉(zhuǎn)歸)和長期預測模型(6個月到1年病情轉(zhuǎn)歸)。本文將對近年來評估ICH預后的臨床-影像模型的研究進展進行綜述。

1 臨床預后量表研究進展

ICH量表最先由Hemphill[4]于2001年提出，主要是一種包含了GCS評分(Glasgow Coma Scale，GCS)、ICH出血量、腦室出血、出血部位和年齡總分為6分的評分系統(tǒng)，即為腦出血評分(Intracerebral hemorrhage score，ICH)。此量表一經(jīng)提出,其對于預計腦出血發(fā)病30d的死亡率的準確度就迅速獲得了普遍肯定,但對于預測功能預后的準確度卻較差。2003年Cheung和Zou[5]在ICH量表基礎(chǔ)上以NIHSS評分代替GCS評分，并按照NIHSS評分、血腫是否突破腦室、血腫是否擴散至蛛網(wǎng)膜下腔、病人入院時體溫、脈壓這五種指標作為對30d死亡事件和良好預后情況的獨立預測因素納入量表，從而構(gòu)建了nICH評分(new intracerebral hemorrhage score，nICH)。2008年Rost NS[6]等首先將腦出血前是否患有認知障礙等作為一項指標并進行賦值提出FUNC評分(Functional Outcome score，F(xiàn)UNC)量表，試圖通過腦出血患者急性期各方面的客觀臨床指標評估其功能預后，并且提到無論患者是否轉(zhuǎn)診及中斷治療，F(xiàn)UNC評分預測90天功能結(jié)果的能力保持不變。Lii等[7]通過對227例ICH患者開展回顧性分析之后得出的結(jié)論是：病人年齡、血糖、白細胞計數(shù)和GCS 評分等因素與入院治療期間病死率具有相關(guān)性，據(jù)此提出了腦出血指數(shù)(intracerebral hemorrhage index，ICHI)；18 分＜ICHI＜28 分時病死率明顯增加，ICHI≥28 分時患者病死率能夠達到100%。該評分量表曾在國內(nèi)的某項臨床研究中受到過證實，被視為能夠在未獲取詳細影像學指標情況下能夠更為精確地預估ICH患者短期死亡風險[8]。Sembilll[9]通過前瞻性研究分析583例腦出血患者，建立了患者12個月功能預后的獨立預測因子的max-ICH評分,其中包括NIHSS得分,年齡、腦室內(nèi)出血,口服抗凝,腦葉出血體積。與ICH評分相比，max-ICH評分顯示了較高的預測效度，同時將治療限制造成的混淆最小化，使其成為ICH患者病情嚴重程度評估的有用工具。2018年Farzad等[10]構(gòu)建了改良新腦出血評分量表(modified Intracerebral hemorrhage score scale，mICH)，與nICH評分量表的區(qū)別是新提出了改良Rankin評分(modified rankin scale，mRS)這一概念并認為mRS評分較NIHSS評分能更好地評價ICH預后神經(jīng)功能的恢復。Lun等[11]發(fā)現(xiàn)使用24小時成像后計算ICH評分、FUNC評分和mRS評分，在預測3個月死亡率方面比在就診時計算的結(jié)果有更好的預后價值。Wen-Song Yang等[12]在ICH評分基礎(chǔ)上又研究并提出動態(tài)顱內(nèi)出血評分 (dynamic ICH，dICH)及超早期腦出血(ultra-early ICH，uICH)評分。以上多種臨床評分量表在在預測不良功能結(jié)果方面表現(xiàn)良好。

2 傳統(tǒng)影像特征預測腦出血預后

血腫擴張(Hematoma expansion，HE)定義為入院首次影像學檢查與24h內(nèi)的影像學復查之間血腫量的增多，盡管當下對于HE的標準,尚缺乏一致性的認識,但通常認為,血腫容積相對于基線血腫增加了6ml或高于基線血腫容積33%，就可看作是血腫擴大[13]。據(jù)報道HE發(fā)生在近30%腦出血病人，每增加1mL血腫，不良預后的風險就會增加5%，所以HE被認為是ICH病人死亡率和不良預后的獨立預測因子[14]。準確預測HE將對臨床早期干預、實施個體化治療帶來幫助。

作為最早被廣泛研究和普遍認可的成像標志,CT血管造影(CTA)＂斑點征＂是HE的可靠有效預測指標[15]，代表造影劑自微血管向外持續(xù)滲漏，預示血腫有進一步擴大的風險，并有報道稱其可作為血腫擴大的獨立預測因子[16]。2016年，Orito[17]在“斑點征”基礎(chǔ)上通過對腦出血患者進行2期CTA掃描，把血腫內(nèi)ROI延遲期CT值增高＞10%這種征象稱為“滲漏征”陽性，其敏感性和特異性分別為93.3%、88.9%。

但對于腦出血病人而言，非增強CT掃描(NCCT)是一種重要且快捷的影像檢查方式[18]，總結(jié)評估腦出血預后的NCCT征象有：2009年Barras[19]首次研究了NCCT的血腫形態(tài)與密度對于HE的影像學預測價值。在Barras研究的基礎(chǔ)上，F(xiàn)ujiii等[20]指出，按形狀將血腫分為規(guī)則型和不規(guī)則型，不規(guī)則血腫常提示血管多處破裂滲血所致，極易出現(xiàn)HE，通常預后也更差。國內(nèi)有研究提出不規(guī)則血腫的HE發(fā)生率是規(guī)則血腫的2倍以上[21]。其他預測HE的CT征象，尚有“低密度”征、“混合”征、“黑洞”征、“衛(wèi)星”征和“李琦島”征等[22-23]，以上均是根據(jù)血腫密度或形狀特征來判斷HE的發(fā)生。

2011年Rodriguez-Luna等[24]首次提出超早期血腫增長(ultraearly hematoma growth，uHG)是基于入院6h內(nèi)NCCT上的血腫體積與OTT的比率這一概念，并得出結(jié)論：uHG不僅可以獨立被預測ICH患者中期預后，并且uHG為4.7mL/h的臨界值可用于識別具HE高風險的ICH患者。uHG與ICH預后之間關(guān)系在其他研究中得以驗證[25-26]。2019年Miguel Quintas-Neves等[27]研究目的是分析ICH患者不同NCCT標記物對血腫增長(hematoma growth，HG)的預測。這項研究的主要發(fā)現(xiàn)是，在隨訪NCCT中，“低密度”和“漩渦”征是HG的獨立預測因子，“血腫形態(tài)不規(guī)則”和“衛(wèi)星”征是ICH患者30天死亡事件的獨立預測因子。最近的一項研究表明，NCCT標記物和眾所周知的CTA“斑點”征的結(jié)合可以提供HG風險的最佳分層[28]，國內(nèi)學者宋楊君[29]發(fā)現(xiàn)“島”征,“黑洞”征及“混合”征可有效預測自發(fā)性腦出血早期血腫擴張,但三種CT平掃征象聯(lián)合預測的臨床價值更高。

血腫周圍水腫(perihaematomal oedema，PHE)的發(fā)展主要發(fā)生在三個不同的階段，其產(chǎn)生機制非常復雜，通常認為PHE是凝血酶積累、炎癥介質(zhì)內(nèi)流及紅細胞溶解的共同終點[30]。在影像上，PHE是血腫周圍低密度區(qū)(Hounsfield值范圍為 5～33)，被認為是ICH后繼發(fā)性損傷的影像學標志物[31]。近年來許多研究評估了PHE與ICH患者預后的相關(guān)性。yao等[32]開發(fā)并驗證了一種基于CT影像組學預測基底節(jié)區(qū)腦出血周圍水腫和預后的新方法。Murthy，Robert Hurford[33]對ICH 患者預后與PHE容積指標(即PHE絕對容積和延伸距離)的關(guān)系進行研究并認為72h的PHE增長率/水腫延伸距離的增加是ICH的死亡率和不良結(jié)局的獨立預測指標。但Bastian等[34]提到，由于PHE體積在發(fā)病后8～12d才可以達到峰值，所以如果只分析發(fā)病后72h PHE的改變可能得到有限的結(jié)果，從而認為峰值PHE是ICH患者中期預后的獨立預測因素，而峰值PHE與年齡、血腫體積、開始第3天的PHE升高及炎癥指標有關(guān)?；氯收齕35]首次量化了單位體積的PHE程度，并證明了72h PHE平均 Hounsfield 值與ICH 的不良預后密切相關(guān)，發(fā)現(xiàn)平均 Hounsfield 值這一指標具有更好的預測能力。

3 影像組學預測腦出血預后

2012年Lambin等[36]正式推出了影像組學的定義，即即通過從高通量的影象學圖片中提取數(shù)據(jù)特征,并通過全自動或半自動分析方法將數(shù)據(jù)特征轉(zhuǎn)換為可數(shù)據(jù)挖掘的高維數(shù)據(jù)庫?；隗w素的影像組學能夠獲取更多客觀的、量化的、肉眼無法識別的圖像特性。機器學習(ML)可以使用算法從具有多個變量的大數(shù)據(jù)集自動優(yōu)化模型，像邏輯回歸、支持向量機、隨機森林和貝葉斯等算法已經(jīng)在放射學領(lǐng)域得到了廣泛應用[37]。影像組學和機器學習的結(jié)合大大提高模型的預測能力，并被廣泛用于癌癥檢測和實體癌的表型亞型分類[38]。影像組學在腦出血方面的研究尚處于起步階段。

最近的報道通過基于NCCT圖像的影像組學來預測ICH后的HE，并且這些研究中的所有模型都獲得了良好的預測性能[39-40]。Shen等[41]將紋理分析首先運用到評估HE方面，認為方差、均勻度等紋理參數(shù)可以獨立預測HE。Kornelia M.李惠等[42]利用紋理分析進一步指出基于GLRLM算法的特征值LRLGE 能夠作為早期HE的預測因子。Jawed Nawabi[43]提出基于機器學習的定量影像組學特征在評估ICH預后方面提供了與多維臨床評分系統(tǒng)相同的辨別能力。國內(nèi)學者楊俊等[44]通過對212例患者的NCCT圖像分析最終篩選共得到18個特征，通過把這些影像特征與支持向量機算法(SVM)結(jié)合起來構(gòu)建了早期預后預測模型，測得模型的敏感性、特異性及ROC曲線下面積分別為92.5%、83.5% 和 0.928。國內(nèi)研究者Xinghua Xu等[45]提出利用CT影像組學和機器學習結(jié)合的優(yōu)勢，建立了精確的ICH患者的長期預后預測模型，其中隨機森林模型和極端梯度增強(XGBoost)模型的準確度最高。李青潤、韓雷等[46]探究影像組學模型與NCCT征象(初始血腫體積、“血腫形態(tài)不規(guī)則”、“漩渦”征、“混合”征和“島”征)在預測ICH病人早期HE方面的作用時，得到的結(jié)論是影像組學模型與傳統(tǒng)影像征象模型相比在預測ICH患者早期HE方面具有較高性能。宋祖華教授等[47]通過回顧性分析261例ICH患者，從患者住院病歷中記錄的臨床特征及NCCT圖像中提取的傳統(tǒng)影像學征象和放射組學特征被用于構(gòu)建多種模型以辨別早期HE，其中聯(lián)合模型是鑒別早期HE危險的腦出血患者的最佳推薦模型，其在訓練集和驗證集中ROC曲線下面積分別為0.960和0.867。

列線圖(Alignment Diagram)，又稱諾莫圖(Nomogram圖)，就是在多因素回歸分析方法的基礎(chǔ)上，通過給各個影響因素進行整合，按照其貢獻程度賦分，然后再將各個評分匯總及相關(guān)函數(shù)關(guān)系轉(zhuǎn)換，從而得到該個體結(jié)局事件的預測值。列線圖是臨床上常用來預測腫瘤預后的一種工具[48]，可以更直觀、個性化地預測癌癥患者的存活率，但在腦出血的預測模型中較為少見。Yao X,Xu Y等[49]首先提出開發(fā)一種可在超急性期快速用于預測HE風險的分級工具，構(gòu)建的血腫擴張預測(Hematoma Expansion Prediction，HEP)評分由6個因素組成(從發(fā)病到基線CT時間、癡呆史、吸煙、抗血小板使用、GCS評分、基線掃描時是否合并蛛網(wǎng)膜下腔出血)，并用列線圖的形式來表示；最終結(jié)論是HEP總評分為＞為3的患者發(fā)生HE的風險最大。Mingfei Yang等[50]也報道了包含基線血腫體積、到基線CT時間、腦室內(nèi)出血、“漩渦”征、“混合”征、“島狀”征和糖尿病史的血腫諾莫圖。Chao Zhang[51]提出旨在基于簡單的影像學、實驗室和流行病學特征開發(fā)一種可行且準確的HE預測列線圖，并前瞻性地驗證建立的多因素列線圖在腦出血中的有效性[52]。這種實用的預后列線圖可以幫助臨床醫(yī)生對臨床實踐和臨床研究的設(shè)計做出決策。Zuhua Song[53]將包括來自NCCT圖像的影像組學特征加入到臨床模型中，開發(fā)了一個臨床-影像組學列線圖(由6個獨立的預測因子開發(fā)的，即中線偏移、OTT、GCS評分、血清葡萄糖、尿酸和影像組學評分(Rad-score)，該圖在訓練隊列中對ICH患者90天功能不良預后的鑒別效果明顯優(yōu)于臨床模型。這種臨床-影像組學列線圖不僅能在入院診斷的基礎(chǔ)上完成，并且可以在腦出血的超急性期進行評估。此外，該方法簡單可行，并且易于使用，不需要豐富的影像學經(jīng)驗，適合經(jīng)驗不足的一線臨床醫(yī)師使用。

4 結(jié)論

ICH病人一般起病急、病情重，因此患者在入院期間的臨床應用量表往往是目前臨床中比較常見的判斷預后的一個方法。不過目前，尚沒有哪個腦出血量表能夠全面包括人口學、影像學、實驗室指標、臨床神經(jīng)功能評分等信息。當今大多數(shù)NCCT征象是在樣本量相對較小的單中心隊列研究中報道的，但由于部分影像征象缺少前瞻性標準，同時易受工作經(jīng)驗等主觀因素影響，其預測預后的準確度及穩(wěn)定性也不是很理想。影像組學能從常規(guī)影像中發(fā)掘出大量有價值的特征，結(jié)合多種機器學習算法從而準確預測ICH患者預后，推動了精準醫(yī)療的發(fā)展。但多數(shù)研究仍是單中心小樣本量研究，需要多中心、大樣本數(shù)據(jù)做支撐。