“稳定的”动脉瘤可能会恢复生长，而在随访期间，可能无法检测到这种生长路径，因此在这种情况下并不是所有的小动脉瘤都没有生长和破裂的可能。通过采用连续数据分析研究回顾性数据的策略，为未破裂颅内动脉瘤增长轨迹建立预测模型提供了依据。

————摘自文章章节

【Ref：Chien A,et al.J Neurosurg Mar,2019.DOI: 10.3171/2018.11.JNS181814.】

随着影像学技术的进步，越来越多的未破裂颅内动脉瘤被发现。然而，未破裂颅内动脉瘤如何随着时间的变化，用以提供分类及专门随访管理的信息非常有限。美国加州大学洛杉矶分校大卫·格芬医学院放射科和神经外科的Aichi Chien教授试图对未破裂颅内动脉瘤的自然历史进一步研究，确定其增长轨迹（即动脉瘤大小增长的速度）。研究结果近期发表于《J Neurosurg》杂志上。

2005年1月至2015年12月，加州大学洛杉矶分校医学中心对382例确诊为未破裂颅内动脉瘤（n=520）的患者进行了影像学随访。研究未破裂颅内动脉瘤的特征和患者相关特异性变量，以确定动脉瘤生长相关的危险因素，创建预测动脉瘤轨迹(PAT)模型，以区分动脉瘤的生长行为。

PAT模型显示吸烟和甲状腺功能减退对较大的未破裂动脉瘤(≥7mm)的生长速度影响较大，而小于7mm的未破裂动脉瘤受吸烟和甲状腺功能减退的影响较小。对生长相关的风险因素分析显示，初始大小和多样性是动脉瘤生长相关的重要因素。初始尺寸每增加1mm，生长风险增加1.09倍(95% CI，1.04-1.15；p=0.001)。多发动脉瘤患者中动脉瘤生长的可能性是单发动脉瘤患者的2.43倍(95% CI，1.36-4.35；p=0.003)。大的未破裂的颅内动脉瘤(≥7mm，0.085mm/月)的生长速度显著快于小动脉瘤的生长速度（<3mm，0.030mm/月)；男性快于女性(0.089mm/月>0.045mm/月，p=0.048）。

图1. 动脉瘤轨迹(PAT)模型显示不同大小组别的动脉瘤生长曲线

图2. PAT模型预测不同特征患者未破裂颅内动脉瘤的生长。

热图显示不同的患者吸烟史和甲状腺功能减退症随访时预测的动脉瘤大小。图中的4个象限对应不同的吸烟和甲状腺功能减退病史的患者组合，说明这些危险因素如何调节未破裂颅内动脉瘤大小；随访时间对预测未破裂颅内动脉瘤大小的影响。

将未破裂颅内动脉瘤数据作为连续数据点进行分析，对于研究动脉瘤生长风险和预测动脉瘤生长轨迹具有重要意义。个体患者特征(人口统计学、行为、病史)可能对未破裂颅内动脉瘤的增长速度有显著影响，而PAT等预测模型可能有助于优化未破裂颅内动脉瘤管理的随访频率。动脉瘤的生长是一个连续的过程。由于目前影像学方法的局限性，可能很难检测到。“稳定的”动脉瘤可能会恢复生长，而在随访期间，可能无法检测到这种生长路径，因此在这种情况下并不是所有的小动脉瘤都没有生长和破裂的可能。通过采用连续数据分析研究回顾性数据的策略，为未破裂颅内动脉瘤增长轨迹建立预测模型提供了依据。PAT模型的建立可以更好地理解未破裂颅内动脉瘤的生长，提高对生长行为的预测。并为临床随访提供策略依据。