颅内动脉瘤的血管内治疗在2025年持续演进,其技术进步体现在诊断决策的精准化、治疗技术的循证积累、材料科学的深层突破以及操作方式的智能化转型。本文基于诊断决策、治疗技术、材料科学与创新技术四个维度,对本年度关键进展进行系统梳理。
编写团队:哈尔滨医科大学附属第一医院
史怀璋
徐善才
孙博文
01.
诊断决策:机器学习驱动的风险预测与结局评估
动脉瘤破裂风险的精准评估是制定治疗决策的前提。传统上广泛使用的PHASES评分虽纳入多项临床及形态学变量,但其预测效能仍存在提升空间。2025年,Maroufi等人发表于《Neurosurgery》的系统综述与Meta分析对这一问题进行了深入探讨。该研究纳入了36项研究,涵盖22462例患者,涉及25种算法的124个机器学习模型。结果显示,机器学习模型在预测动脉瘤破裂风险方面,其敏感度与PHASES评分相当(0.743 vs 0.771,P=0.60),但特异度显著更高(0.763 vs 0.507,P<0.01)。对60个机器学习模型与5个PHASES评分数据的汇总分析表明,机器学习的曲线下面积达到0.84,显著优于PHASES评分的0.64(P<0.01)。此外,将血流动力学参数纳入模型可进一步提升测试集的特异度(P<0.01)[1]。这一研究提供了迄今最高级别的循证证据,表明机器学习技术有潜力提升动脉瘤破裂风险预测的准确性,尤其有助于减少不必要的干预。
在预测内容上,Jin等人发表于《American Journal of Neuroradiology》的研究进一步将预测终点延伸至治疗结局层面。该研究开发了一个整合临床变量、影像组学特征和深度学习形态学数据的多模态框架,并引入了一种新型去噪算法以提升CTA图像质量。在352例患者的回顾性多中心数据中,该框架预测动脉瘤破裂风险的曲线下面积达到0.896,优于单纯基于影像组学或深度学习的单模态模型。引入去噪算法后,预测效能进一步提升至0.908。值得注意的是,该模型在临床分级任务中亦表现优异,预测Hunt-Hess分级的曲线下面积为0.907,预测WFNS分级为0.883,预测改良Rankin量表为0.926[2]。这一研究提示,基于多模态数据的机器学习模型不仅可用于破裂风险的判别,还有潜力预估患者发生破裂后的神经功能结局,为临床决策提供更全面的参考依据。
在血流动力学参数预测方面,Rezaeitaleshmahalleh等人发表于《Journal of Cardiovascular Translational Research》的研究提出了一种创新的技术路径。他们利用机器学习回归方法预测时间速度信息学参数,这一参数原本需要通过计算流体动力学模拟获取,计算耗时且难以临床推广。研究纳入了112个已知破裂状态的动脉瘤,发现基于动脉瘤几何信息预测的TVI参数在判别破裂状态时可达0.88的曲线下面积和81.6%的总体准确率。值得注意的是,TVI参数的预测一致性优于传统的壁面剪切应力指标[3],这为加速血流动力学分析、推动其临床转化提供了可行思路。
02.
治疗技术:新一代血流导向装置与瘤内扰流技术的循证积累
血流导向装置已成为颅内动脉瘤血管内治疗的主流技术之一。2025年,第四代血流导向装置Pipeline Vantage的循证数据相继发表。Cortese等人的系统综述与Meta分析汇总了5项研究共373例患者、418个动脉瘤的数据。结果显示,技术成功率达到99.2%,完全闭塞率为74.3%,中位随访时间6个月。值得注意的是,未破裂动脉瘤组的技术成功率达99.6%,而破裂动脉瘤组为85.0%,差异具有统计学意义(P<0.01)。总体死亡率为1.2%,但在破裂动脉瘤组显著升高至18.6%(P<0.01)。出血并发症发生率为1%,血栓栓塞并发症为6.1%,剔除一项离群研究后降至4.35%[4]。这一Meta分析首次系统总结了Pipeline Vantage的初始应用经验,证实其在安全性和有效性方面与前代产品相当,为临床实践提供了循证依据。
Abu-Fares等的研究聚焦于Pipeline Vantage装置在后循环囊状中的应用。该研究纳入22例患者的24个动脉瘤,随访中位时间14.3个月。结果显示,完全闭塞率为50%,瘤颈残留为41.7%,动脉瘤残留为8.3%。并发症方面,缺血事件发生率为8.3%,其中一例导致mRS从0分恶化至3分;颅内出血一例,导致mRS从0分升至1分。支架内狭窄发生率为4.5%。值得注意的是,基底动脉分叉部动脉瘤的完全闭塞率仅33.3%,并发症发生率达16.7%[5],提示该部位因其解剖复杂性和高流量动力学特点,仍是治疗的难点所在。
瘤内扰流装置WEB在2025年同样积累了重要的循证数据。Ferreira等人发表的系统综述与Meta分析聚焦于WEB装置在破裂动脉瘤中的应用,纳入25项研究共1065例患者、1077个动脉瘤。结果显示,植入成功率为98.04%,再出血发生率为0.33%。术后12个月时,充分闭塞率为83.77%,完全闭塞率为59.42%。术后90天良好功能预后(mRS 0-2分)率为87.27%,再治疗率为7.54%。操作相关死亡率和致残率分别为0.39%和1.39%。总体并发症发生率为12.82%,其中血栓栓塞事件和出血事件分别为4.55%和1.05%[6]。这一Meta分析证实,WEB装置在破裂动脉瘤治疗中具有良好的安全性和有效性,其单植入物、无需双联抗血小板的技术路径在急诊情况下具有独特优势。
在WEB装置的技术细节层面,Doron等人发表于《Operative Neurosurgery》的研究提出了一种新的选型方法。该研究纳入68例动脉瘤,比较了基于宽径加权的选型方法与传统的选型方法。结果显示,宽径加权法导致51%的病例选择了更宽的装置,再选型率仅为2.8%。基于宽径加权法测量的装置压缩率显著高于基于说明书方法的理论压缩率(41% vs 32%,P<0.05)。术后1年随访时,充分闭塞率达到94.1%[7]。这一研究表明,通过优化选型方法可提升WEB装置的压缩率和闭塞效果,且不增加并发症风险。
Cannella等人首次报道了新型扁平WEB装置(6×2mm和7×2mm)的初步应用经验。纳入7例宽颈动脉瘤,平均dome-to-neck比为1.3,平均高度为4.1mm,属于传统WEB装置难以覆盖的浅型动脉瘤。所有病例均成功植入,无术中并发症。术后3个月随访时,所有动脉瘤均获得充分闭塞[8]。这一研究拓展了WEB装置的适应证范围,使部分因高度不足而无法使用传统WEB的浅型宽颈动脉瘤获得了微创治疗的可能。
03.
材料技术:表面改性装置的循证验证与功能化探索
血流导向装置的高金属覆盖率在增强血流导向效应的同时,也增加了血栓形成的风险。表面改性技术旨在通过调控器械与血液成分的相互作用,降低血栓事件发生率,甚至可能简化术后抗血小板方案。
Pierot等人发表的COATING研究是本年度该领域最具里程碑意义的随机对照试验。该研究首次评估了亲水聚合物涂层血流导向装置p64-MW-HPC在单抗血小板治疗下的安全性,共纳入欧洲和以色列15个中心的171例患者,其中试验组83例采用HPC涂层装置联合替格瑞洛或普拉格雷单抗,对照组88例采用裸装置联合双抗。主要终点为术后48小时内新发弥散加权成像高信号病灶数量。结果显示,试验组平均病灶数为6.0,对照组为5.3,非劣效性检验P值小于0.0001。术后30天血栓事件发生率两组无统计学差异[9]。COATING研究首次以RCT设计证实,采用表面改性装置联合单抗治疗方案在术后早期安全性方面不劣于传统装置+双抗方案,为未来个体化抗血小板策略的优化提供了高级别循证依据。
在更前沿的材料探索层面,Zhang等人发表于《Colloids and Surfaces B: Biointerfaces》的研究展示了一种全新的表面功能化策略。研究者通过配位化学方法在镍钛合金血流导向装置表面构建了由铜离子、原儿茶酸和纳豆激酶组成的超薄纳米涂层。该涂层具有超亲水特性,体外实验证实其可减少血小板和纤维蛋白原的粘附、聚集和活化,从而延长凝血时间、降低血栓形成风险。人脐静脉内皮细胞培养实验证实该涂层能够促进内皮细胞增殖和迁移。离体实验显示,与发生血栓栓塞堵塞的裸装置相比,改性后的装置管腔通畅、无血栓形成[10]。研究者推测,这种增强的生物相容性可归因于铜催化的一氧化氮释放、原儿茶酸和纳豆激酶分子的固有特性,以及表面界面处的协同生物理化相互作用。这一研究代表了未来血流导向装置从被动抗栓走向主动促内皮愈合的潜在技术路径。
04.
创新技术:机器人辅助介入的精准度验证与人工智能融合展望
机器人辅助技术在神经介入领域的应用是2025年的重要进展方向之一。Charbonnier等人发表的模拟研究首次对机器人辅助神经介入的精准度进行了量化评估。研究采用三种不同难度的模拟动脉瘤手术,12名不同经验水平的操作者分别完成手动和机器人辅助下的指定任务。精准度通过微导丝和微导管的平移长度和旋转角度来评估。结果显示,在难度最高的病例中,机器人辅助操作时微导丝的平移长度显著少于手动操作(中位数38.7cm vs 108.4cm,P=0.023)。安全性指标和操作时间在两组间无显著差异[11]。该研究首次用数据证明,在复杂解剖条件下,机器人辅助能够提升操作精准度,减少不必要的导丝移动,从而可能降低血管损伤风险。
从更宏观的视角,Kunapinun等人发表于《Stroke》的综述系统回顾了人工智能在神经血管介入领域的应用现状与未来方向。文章梳理了从诊断阶段的分类、目标检测和分割模型,到术前规划阶段的人工智能驱动框架,再到术中引导的扩展现实模拟器,最后到实现精准导管导航、力感知和远程操作的机器人平台。作者指出,尽管大多数系统仍处于临床前或可行性验证阶段,但这些技术的整合正在勾勒出一条通向智能化、多模态神经血管介入平台的演进路线图[12]。
05.
结语
2025年,颅内动脉瘤领域的技术进展体现在诊断决策的精准化、治疗技术的循证化、材料改性的功能化以及操作方式的智能化四个维度。机器学习模型在大样本数据中证实了其相较于传统风险评分在特异度方面的优势,并初步展示了预测治疗结局的能力。新一代血流导向装置的Meta分析为其临床应用提供了循证依据,WEB装置的系统综述则验证了其在破裂动脉瘤中的安全性和有效性。COATING研究为表面改性装置在单抗方案下的应用提供了高级别循证支持,而纳米涂层研究则展示了从被动抗栓走向主动促内皮愈合的潜在路径。机器人辅助介入的精准度优势首次获得量化验证。上述进展共同推动颅内动脉瘤的临床管理向更精准、更安全的方向演进。
编写团队简介
史怀璋
哈尔滨医科大学附属第一医院
向上滑动阅览
徐善才
哈尔滨医科大学附属第一医院
孙博文
哈尔滨医科大学附属第一医院
声明:脑医汇旗下神外资讯、神介资讯、脑医咨询、Ai Brain 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。
投稿邮箱:NAOYIHUI@163.com
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。
投稿/会议发布,请联系400-888-2526转3。






