2022年08月03日发布 | 940阅读

【中国声音】《Neuroradiology》| 基于CTP参数图的ASPECT评分对急性缺血性脑卒中患者“目标不匹配”的预测效能

吴飞云

南京医科大学第一附属医院

达人收藏


CT灌注成像(CTP)可以定量梗死核心及低灌注区脑组织体积,是急性缺血性脑卒中(AIS)患者血管内治疗(EVT)前的重要评估手段。采用自动化灌注分析软件评估AIS患者的梗死核心体积、低灌注区体积以及是否存在“目标不匹配”(TMM),在DEFUSE 3和EXTEND等研究的病人筛选过程中扮演了重要角色。但自动化分析软件价格昂贵,在初级卒中中心应用并不普及。因此,在临床实践中寻找一种便捷的、准确的替代方法用于评估AIS病人是否存在TMM是有意义的。


2022年1月,Neuroradiology杂志在线发表了江苏省人民医院(南京医科大学第一附属医院)吴飞云教授团队旨在采用基于CTP参数图的ASPECT评分预测AIS患者是否存在TMM的临床研究。


本研究回顾性收集了307名AIS患者的临床和影像学资料。307名患者中,104(33.9%)例患者为超窗患者(>6小时),中位发病时间为7(6-10)小时。191(37.8%)例患者为治疗时间窗内患者(≤6小时),中位发病时间为3(2-4)小时。12(3.9%)例为醒后卒中患者。依据自动化分析结果,收集AIS患者的梗死核心体积、低灌注区体积以及不匹配区体积。依据DEFUSE 3研究标准判断患者是否存在TMM。同时,由两名具有丰富诊断经验的神经影像医师分别基于CBF和Tmax参数图评估ASPECT评分。







主要观察指标:



1. 基于CBF参数图的ASPECT评分对梗死核心体积<70ml的预测效能,并分析该效能是否受卒中发病时间的影响。


2. 研究基于Tmax和CBF参数图的ASPECT评分不匹配性(Mismatch ASPECTS=CBF ASPECTS-Tmax ASPECTS)对TMM的预测效能,并对超窗患者进行亚组分析。







结果发现:



1. 以CBF ASPECTS≥5分为阈值,预测核心梗死体积<70ml效能最佳(AUC=0.955,灵敏度=94.4%,特异度=80.4%)。以Mismatch ASPECTS≥1分为阈值,预测缺血半暗带体积≥15ml效能最佳(AUC=0.838,灵敏度=89.9%,特异度=71.4%)。在超窗病人中,同样以CBF ASPECTS≥5预测核心梗死体积<70ml的能力最佳(AUC=0.957,灵敏度=89.5%,特异度=90.5%)。以Mismatch ASPECTS≥1分预测缺血半暗带体积≥15ml效能最佳(AUC=0.838,灵敏度=89.9%,特异度=71.4%)。


2. 研究进一步联合CBF ASPECTS和Mismatch ASPECTS以预测AIS患者是否存在TMM。结果发现,以CBF ASPECTS≥6分联合Mismatch ASPECTS≥1分为阈值,其在总体患者和超窗亚组患者中预测TMM能力均为最佳。对于总体患者,预测敏感度为84.5%,特异度为77.0%。而在超窗亚组患者中,使用该阈值预测TMM的灵敏度为83.7%,特异度为90.0%。




结论



本研究认为,在不具备自动化灌注分析软件时,使用基于CTP参数图的ASPECT评分预测急性缺血性脑卒中患者是否存在“目标不匹配”,并进行临床决策可能是合理的




[REF: Chu Y, Shen GC, Ma G, et al. Diagnostic accuracy of using Alberta Stroke Program Early Computed Tomography Score on CT perfusion map to predict a target mismatch in patients with acute ischemic stroke. Neuroradiology. 2022;64(7):1321-1330. doi:10.1007/s00234-021-02892-8] PMID: 34981174


通讯作者简介

吴飞云

江苏省人民医院(南京医科大学第一附属医院)放射科

  • 主任医师,教授,博士生导师

  • 中华医学会放射学分会委员兼头颈学组副组长

  • 中国医师协会放射医师分会委员

  • 江苏省医学会放射学分会副主任委员

  • 江苏省医师协会放射医师分会副会长

  • 江苏省卒中学会医学影像专委会主任委员

声明:脑医汇旗下神外资讯、神介资讯、脑医咨询、AiBrain所发表内容之知识产权为脑医汇及主办方、原作者等相关权利人所有。未经许可,禁止进行转载、摘编、复制、裁切、录制等。经许可授权使用,亦须注明来源。欢迎转发、分享。

最新评论
发表你的评论
发表你的评论
来自于专栏
关键词搜索