An（动脉瘤数）——新的动脉瘤破裂参数

目前研究表明，除了大小形态外，形态学参数如长宽比AR、尺寸比SR，血流动力学参数如壁面切应力WSS、剪切震荡指数OSI也均在破裂动脉瘤和非破裂动脉瘤中显著差异。但这些参数不便于临床决策参考。流动模式的WSS和OSI很大程度上取决于流入波形，即搏动指数PI，PI与IA破裂状态高度相关。

——摘自文章章节

【REF: Asgharzadeh H, et al.Neurosurgery. 2020;nyaa189. doi:10.1093/neuros/nyaa189】

研究背景

颅内动脉瘤（intracranial aneurysm, IA）的治疗通常取决于大小，且破裂动脉瘤中约85%是小动脉瘤（＜10mm）。目前研究表明，除了大小形态外，形态学参数如长宽比（aspect ratio, AR）、尺寸比（size ratio, SR），血流动力学参数如壁面切应力（wall shear stress, WSS）、剪切震荡指数（oscillatory shear index, OSI）也均在破裂动脉瘤和非破裂动脉瘤中显著差异。但这些参数不便于临床决策参考。流动模式的WSS和OSI很大程度上取决于流入波形，即搏动指数（pulsatility index, PI），PI 与IA破裂状态高度相关。

先前研究表明，PI与形态学参数组合可以帮助区分动脉瘤是否破裂。并且近期研究报道，目前已开发出一种简单的无量纲参数，凭借几何形状和流动波形来分类侧壁动脉瘤的流动模式。这个参数称为“动脉瘤数（aneurysm number, ）”，目前发现＞1主要是环形涡流的形成、运输撞击所致。而＜1则形成准静态剪切层。与＞1相比，＜1的IA具有较低的WSS和OSI，可以作为新的参数替代WSS和OSI。本研究旨在研究是否可用于区分破裂IA及未破裂IA。

研究方法

选取动脉瘤数据库中2007年至2010年共204名患者数据进行回顾性分析，包括破裂IA（n=46）及未破裂IA（n=148），将119名患者数据用于模型构建，其余85名患者数据用于验证模型。

其中D为载瘤动脉直径，U为载瘤动脉内平均流速，和是一个心动周期内最大和最小流速，L为沿图1中动脉血流方向血管扩张区域的长度，在侧壁动脉瘤中为瘤颈W（图1A和1B），在分叉动脉瘤中为（图1C和1D）。对于侧壁及分叉动脉瘤，分别为1和2。

图1. 不同几何形状动脉瘤的参数计算插图：A和B是侧壁IA示例，C和D是分叉IA的示例

同时也是动脉瘤中两种竞争现象的时间尺度比率：

是运输时间尺度，代表流体通过动脉瘤扩张区域的运输时间，是涡流形成时间尺度，表示由于脉动流入膨胀而形成涡流的时间。

＜

（>1）主要是流体通过膨胀对流前即有环形涡流的形成，流体处于涡流模式。反之<1则流动特征为准静态剪切层。

首先，根据文献报道中健康受试者特定部位的平均值估算PI，汇总如表1。其次，由于各个研究报告中PI值不同，且由于受试者健康状况、年龄等混杂因素，本文重新估计每个位置的PI，以便当=1时最大化模型分类能力，是区分破裂和未破裂IA的阈值，该估算PI记为，计算出的记为，汇总如表1。

表1. 文献中的平均值PI（根据位置划分）及根据训练数据集优化后

研究结果

图2展示了破裂和未破裂IA数据的分布，表2展示了破裂和未破裂IA的平均值，并进行假设检验。破裂和未破裂组，样本均值=2.032和= 1.082，样本标准差=1.00和=0.48。总体均数及95％置信区间图3显示了的分布，IA破裂的样本均值为1.38，IA未破裂的样本平均值为0.63（表2）。假设检验表明，两组的总体均值存在显着差异，当使用阈值=1来区分破裂IA和未破裂IA时，具有84％敏感性和51％特异度（表2）。类似地，对于（阈值 = 1），敏感性83％，特异度91％。

表2分别计算了破裂的分叉和侧壁IAs的和样本均值。针对这两种类型的IA进行t检验，均拒绝H0，表明分叉和侧壁IA破裂数据的和的总体均值大于1。

图2. 数据分布图

表2. 和总体及分类分析

图3. 数据分布图

对模型构建数据库进行逻辑回归分析，将作为独立变量，并将破裂状态（破裂=1，未破裂=0）视为因变量。表3展现的及其组合的模型。

表3. 、、SR及其组合的模型

表3中3.1是使用作为自变量来预测破裂状态。使用测试数据集检验模型预测能力，对破裂状态的预测在95％置信水平上具有统计学意义（P=7.38× 10⁻¹¹）。图4显示了使用3.1预测破裂IA进行训练和测试数据集的ROC图。对于训练数据集，AUC=0.85±0.088，对于测试数据集，敏感性94％，特异度33％。

图4. 模型ROC曲线

3.2使用作为自变量，对破裂状态预测具有统计学意义（P =2.5×10⁻¹³）。图5显示了3.2的ROC图。训练数据集AUC=0.90±0.012（敏感性94％，特异度84％）和测试数据集AUC=0.85±0.032（敏感性93％，特异度52％）。这些结果大于模型的AUC。和增加一个单位相关优势比分别为48.42和8.58。通过上述AUC分析得出的最佳阈值分别为1.56和1.04，接近于基于物理分类的阈值1。为了证明基于训练数据库的适用于其他数据集，在测试数据集上对其进行了测试。、在未破裂和破裂的IA之间发现了统计学上的显著差异（P＜0.001）。

图5. 模型ROC曲线

与WSS和OSI结合使用的血液动力学模型（敏感性75％，特异度84％，AUC=0.85）相比，模型的性能更好（敏感性94％，特异度84％，AUC=0.90±0.012）。此外，与以SR为自变量的已发表形态模型相比，模型具有更高的敏感性，该模型是从相同的数据集中得出的（即表3中的3.3，AUC=0.83，训练数据集敏感性90％，特异度25％，测试数据集，敏感性87％，特异度19％）。SR增加1个单位相关的优势比为2.17。和模型的AUC（训练数据集的=0.85，=0.90）大于模型（=0.83）。3.4则为（,SR）模型，3.5为（,SR）模型作为独立变量预测破裂IA，3.4中和SR的每单位增加相关优势比分别为3.46和2.34。3.5中和SR的每单位增加相关优势比分别为9.87和1.73。

研究结论

＞1表示破裂状态，和对于区分动脉瘤破裂状态是有价值的简便的临床参数，并可能用于辅助决定未破裂动脉瘤的治疗。

即日起“神经介入资讯”更名为“神介资讯

神介资讯APP所发表的作品包括但不限于文字、图片、视频的版权均为主办方/原作者及神介资讯所有，未经神介资讯明确授权，任何人不得以改编、裁切、复制、转载、摘编、录制等直接或间接的方式盗取任何内容。经神介资讯授权使用的作品，应在授权范围内使用，并请注明来源：神介资讯。如有违反，神介资讯将保留进一步追究侵权者法律责任的权利。神介资讯欢迎个人转发、分享本号发表的作品。