脑淀粉样血管病中的出血模式与淀粉样蛋白负担

《Journal of the American Heart Association》：Hemorrhage Pattern and Amyloid Burden in Cerebral Amyloid Angiopathy

　　**摘要**
**背景**
脑淀粉样血管病（CAA）是一种以血管内淀粉样蛋白沉积为特征的小血管疾病，其影像学表现具有异质性，但导致出血的生物学机制仍不清楚。我们评估了CAA中的出血模式，以确定它们与淀粉样蛋白负担及相关影像学标志物之间的关联。

**方法**
62名疑似CAA的患者接受了匹兹堡化合物B正电子发射断层扫描（PET）和结构性磁共振成像（MRI）检查。根据主要的出血模式对参与者进行分类：脑叶微出血为主（n=31）、皮质表层铁沉积为主（n=17）和非主导型（n=14）。全脑皮质淀粉样蛋白负担通过匹兹堡化合物B分布体积比值来量化。还评估了白质高信号体积和半卵圆中心扩大的血管周围空间。使用年龄和性别调整的回归模型来检测这些关联。

**结果**
脑叶微出血为主（1.40±0.23）和皮质表层铁沉积为主（1.45±0.27）组的匹兹堡化合物B分布体积比值显著高于非主导型组（1.20±0.17；P=0.007和P=0.006），并且在调整后这些关联仍然成立（比值比[OR]分别为1.8 [95% CI, 1.1–2.8]；P=0.009和1.6 [95% CI, 1.1–2.5]；P=0.020）。与非主导型组相比，半卵圆中心扩大的血管周围空间与脑叶微出血为主（OR=9.3 [95% CI, 1.6–52]；P=0.011）和皮质表层铁沉积为主（OR=10 [95% CI, 1.6–62]；P=0.013）均独立相关。在全队列中，匹兹堡化合物B分布体积比值与半卵圆中心扩大的血管周围空间（P=0.016）和白质高信号体积（P=0.049）也独立相关。即使在调整了脑内出血的情况下，这些发现仍然成立。

**结论**
CAA中的淀粉样蛋白负担与出血主导模式、半卵圆中心扩大的血管周围空间以及更大的白质高信号体积相关。这些发现支持血管内淀粉样蛋白沉积与下游血管脑损伤之间的密切联系，强调了其作为CAA治疗靶点的重要性。

**图形摘要**
**非标准缩写和首字母缩略词**
CA：脑淀粉样血管病
CMB：脑微出血
CMB-D：脑微出血为主
CSO-EPVS：半卵圆中心扩大的血管周围空间
cSS：皮质表层铁沉积
cSS-D：皮质表层铁沉积为主
DVR：分布体积比值
ICH：脑内出血
PiB：匹兹堡化合物B
WMH：白质高信号

**临床视角**
**新发现是什么？**
- 通过基于影像学的出血模式分类，而不是仅依赖总病灶计数，我们证明了更高的血管淀粉样蛋白负担与CAA谱系中更明显的出血表现相关。
- 淀粉样蛋白负担与出血表现之间的关联，以及共同出现的淀粉样蛋白相关的影像学特征（如半卵圆中心扩大的血管周围空间），支持血管淀粉样蛋白严重程度与疾病表现之间的分级关系。

**下一个应该解决的问题是什么？**
- 是否具有较高血管淀粉样蛋白负担的个体会随着时间的推移加速向出血主导型表型发展，以及这种轨迹是否可以改变？

脑淀粉样血管病（CAA）是一种常见的小血管疾病，其特征是中小型皮质和软脑膜血管中的β-淀粉样蛋白进行性沉积。传统上，CAA的诊断依赖于识别脑叶出血标志物，包括脑叶脑内出血（ICH）、脑叶微出血（CMBs）和皮质表层铁沉积（cSS）。尽管脑叶ICH是CAA的标志性表现，并对其临床表现有重要贡献，但脑叶CMBs和cSS经常单独出现或与ICH合并出现，这突显了CAA相关出血表现的异质性。尽管这些影像学特征具有诊断意义，但尚不清楚出血负担的程度是否直接反映潜在的血管淀粉样蛋白负担或结构损伤的严重程度。先前的证据表明，cSS和脑叶CMBs可能反映不同的病理生理过程。此外，还有报道指出cSS的严重程度与CMB计数之间存在负相关关系，这表明这些标志物可能不仅代表累积的出血损伤，而是CAA的不同生物学表型。然而，这些影像学特征在临床人群中经常共存，单独解读可能会掩盖疾病异质性的重要方面。为了更好地捕捉CAA的这种异质性，我们应用了一个基于cSS和脑叶CMBs相对优势的结构化分类框架。患者被分为4种类型：cSS主导型（cSS-D）、CMB主导型（CMB-D）、非主导型以及两者兼有的类型。我们旨在比较这些类型在β-淀粉样蛋白负担（使用正电子发射断层扫描[PET]测量）和白质高信号（WMH）体积（作为缺血性脑损伤的关键标志物）方面的差异。此外，我们还检查了这些类型在人口统计学和其他CAA影像学标志物（包括半卵圆中心扩大的血管周围空间[CSO-EPVS]）方面的差异。我们的主要假设是，具有出血主导模式的患者会比非主导型患者表现出更广泛的血管淀粉样蛋白沉积和更严重的下游结构后果。我们还研究了cSS-D和CMB-D类型是否与淀粉样蛋白负担、缺血性损伤或其他CAA标志物的差异相关，这可能表明在相同的疾病过程中存在不同的临床表现。

**研究设计和参与者**
本研究使用了马萨诸塞州总医院正在进行的CAA患者单中心观察性队列的数据。参与者符合修改后的波士顿CAA诊断标准。纳入标准包括年龄≥55岁，并且磁共振成像显示：（1）至少2处局限于脑叶、皮质和皮质下区域的出血（包括小脑出血）；（2）单侧脑叶、皮质或皮质下区域的出血，并伴有任何程度的cSS；（3）深部脑区无出血病变；（4）无其他出血病变的原因（如华法林剂量过大[国际标准化比例>3.0]、血液病、既往头部创伤或缺血性中风、颅内肿瘤、血管畸形或血管炎）。根据全面的临床和神经影像学评估，排除了轻度认知障碍、痴呆和其他神经退行性疾病的患者。所有参与者都接受了3T场强的结构性MRI和11C匹兹堡化合物B（PiB）PET成像。该研究获得了当地机构审查委员会的批准，所有参与者均提供了书面知情同意。研究结果遵循《加强流行病学观察性研究报告指南》的要求。数据可向通讯作者索取。

**MRI采集与分析**
所有参与者均接受了3T场强的研究MRI扫描。成像方案包括三维T1加权多回波快速梯度回波序列、液体衰减反转恢复序列、T2加权和三维磁化率加权序列。使用既定标准识别CAA的影像学标志物，包括脑叶ICH、脑叶CMBs、cSS和CSO-EPVS。ICH定义为直径大于5至10毫米的实质出血，但不符合CMB的标准。cSS使用经过验证的多灶性评分系统进行评分。在这个评分系统中，每个大脑半球被评定为0（无cSS）、1（1个裂隙或最多3个相邻裂隙中有cSS）或2（≥2个非相邻裂隙或有超过3个相邻裂隙中有cSS）。右侧和左侧的得分相加（范围0–4），0表示无cSS，1表示轻度/单灶性cSS，≥2表示重度/多灶性cSS。CSO-EPVS在轴向T2加权图像上使用经过验证的4级视觉评分系统进行评分：0=无CSO-EPVS；1=1至10个CSO-EPVS；2=11至20个CSO-EPVS；3=21至40个CSO-EPVS；4=超过40个CSO-EPVS。得分4被归类为高度CSO-EPVS。ICH、CMBs和cSS在磁化率加权图像上评分，CSO-EPVS在T2加权图像上评分。使用FreeSurfer软件套件（surfer.nmr.mgh.harvard.edu）计算WMH体积和估计的总颅内体积，该方法独立于MRI评分。

**出血模式分类**
为了捕捉出血病变的变异性，根据cSS和CMBs的相对严重程度对参与者进行分类。cSS的严重程度使用之前定义的多灶性评分（范围0–4）进行评估，然后在磁化率加权图像上计数总的脑叶CMBs数量。患者被分为4种类型：cSS-D：cSS评分≥2且CMBs≤10个；CMB-D：CMBs＞10个且cSS评分<2；两者均为主：cSS评分≥2且CMBs＞10个；非主导型：cSS评分<2且CMBs≤10个。分类方案如图1所示。在67名疑似或确诊CAA的患者中，有5名符合两者均为主模式的患者因样本量较少被排除在进一步分析之外，最终共有62名参与者。尽管ICH是CAA的一种出血表现，但由于亚组规模较小会导致统计稳定性显著降低，因此未将其纳入主导型分类中。

**PET采集与分析**
所有PET扫描都在Siemens/computed tomography ECAT HR+扫描仪（Knoxville, TN）上进行三维模式采集，并按先前的方法进行处理。每个扫描都使用Statistical Parametric Mapping 8软件与每个受试者的磁场准备快速梯度回波MRI进行了配准。MRI定义的皮质和皮质下感兴趣区域被转换到PET空间，然后从每个半球采集示踪剂摄取数据。注射碳-11-PiB（11C-PiB，8.5–15 mCi）作为脉冲剂量，并在注射后40至60分钟内进行动态成像。使用Logan图形方法计算每个感兴趣区域的分布体积比值（DVR），以小脑皮质为参考区域。全局皮质PiB DVR计算为各皮质区域DVR的平均值。对于有较大脑叶ICH的患者，使用对侧半球的测量结果并加倍以估计总体积。我们还使用独立的回归模型来检查全局PiB DVR与CSO-EPVS（逻辑回归）以及全局PiB DVR与WMH体积（线性回归，以WMH体积为因变量）之间的关联，每个模型都调整了年龄和性别的影响。由于ICH没有纳入到优势分类中，并且在CAA谱系中代表一种临床上的不同出血表现，因此在进行敏感性分析时，我们在回归模型中额外调整了ICH的因素以评估模型的稳健性。为了提高回归系数的可解释性，我们将全局皮质PiB DVR和WMH体积乘以10进行缩放，以反映每增加0.1单位的效应。在将WMH作为因变量进行建模之前，我们还对其进行了对数转换，以减少偏斜性，减轻极端值的影响，并改善其与结果之间的线性关系。在将WMH作为因变量的分析中（线性回归），这种转换也改善了残差分布的特性。通过观察残差图并评估模型假设（包括线性假设），我们确认这些假设在转换后是合理的。所有统计分析都是使用IBM SPSS Statistics（版本28.0）完成的。双尾P<0.05被认为具有统计学意义。

**结果**

最终的研究队列包括62名被诊断为CAA的患者，他们被分为3组：CMB-D（n=31）、cSS-D（n=17）和非优势型（n=14）。各组的基线人口统计学特征和影像学特征在表1中进行了总结。正如预期的那样，这些组在脑叶CMB数量和cSS的存在方面存在显著差异，而人口统计学特征在各组之间没有显著差异。总体而言，ICH的发生率在各组之间没有显著差异（P=0.053）。然而，具有cSS-D模式的患者显示出比CMB-D模式更高的ICH发生率，而且这种关联在调整了年龄和性别的逻辑回归模型中是显著的（比值比[OR]为1.65 [95% CI, 1.1–23.0]；P=0.031）。

**表1. 非优势型、CMB-D和cSS-D模式患者的基线人口统计学特征和影像学特征**

| 组别 | N | 年龄（岁），平均值±标准差 | 性别（男性，%） | 高血压（%） | ICH存在（%） | cSS评分=1（%） | cSS评分=4（%） | 高度CSO-EPVS（%） |
|-------------|---------|----------------|------------|-----------|-----------|-------------|-------------|------------|
| 非优势型 | 14 | 67.7±6.2 | 8 (57.1) | 6 (42.9) | 11 (78.6) | 5 (35.7) | 2 (14.3) | 2 (14.3) |
| CMB-D | 31 | 70.2±7.1 | 18 (58.1) | 17 (54.8) | 16 (51.6) | 7 (22.6) | 18 (58.1) | 11 (64.7) |
| cSS-D | 17 | 70.5±7.7 | 8 (47.1) | 9 (52.9) | 14 (82.4) | 17 (100) | 11 (64.7) | 11 (64.7) |

在分析中，当WMH作为因变量进行建模时（线性回归），这种转换还改善了残差分布的特性。模型假设（包括线性假设）通过观察残差图进行了评估，转换后这些假设被认为是合理的。所有统计分析都使用了IBM SPSS Statistics（版本28.0）完成。双尾P<0.05被认为具有统计学意义。

**出血模式与全局皮质PiB DVR**

全局皮质PiB DVR在各组之间存在显著差异（P=0.011，图2）。在事后比较中，CMB-D和cSS-D组的PiB DVR相对于非优势组显著更高（P=0.033和P=0.014，经过Bonferroni校正；图2）。这些关联在调整了年龄和性别的逻辑回归模型中仍然显著（CMB-D与非优势组：OR，1.8 [95% CI, 1.1–2.8]；P=0.009；cSS-D与非优势组：OR，1.6 [95% CI, 1.1–2.5]；P=0.020；表2）。CMB-D组和cSS-D组之间没有差异（P=1.000）。

**多变量逻辑回归模型评估PiB DVR、高度CSO-EPVS和WMH体积与出血模式之间的独立关联（CMB-D和cSS-D与非优势组）**

| 结果变量 | 独立变量 | 比值比（95% CI） | P值 |
|-----------------|------------------|-----------------|--------------|
| CMB-D与非优势组 | PiB DVR | 1.8 (1.1–2.8) | 0.009 |
| CMB-D与高度CSO-EPVS | | 9.3 (1.6–52) | 0.011 |
| CMB-D与WMH体积 | | 1.1 (0.9–1.3) | 0.089 |
| cSS-D与非优势组 | PiB DVR | 1.6 (1.1–2.5) | 0.020 |
| cSS-D与高度CSO-EPVS | | 10 (1.6–62) | 0.013 |
| cSS-D与WMH体积 | | 1.2 (0.9–1.5) | 0.058 |

**出血模式与高度CSO-EPVS**

高度CSO-EPVS在各组之间存在显著差异（P=0.009，表1）。在事后比较中，CMB-D和cSS-D组的程度较高的CSO-EPVS发生率相对于非优势组显著更高（CMB-D与非优势组：P=0.018；cSS-D与非优势组：P=0.015，均经过Bonferroni校正），而这两个出血组之间没有差异（P=1.000）。

**出血模式与WMH体积**

尽管WMH体积的总体组间差异没有达到统计显著性（P=0.055），但两个出血优势组的WMH负担在数量上高于非优势组（表1）。即使在调整了年龄和性别之后，这些结果仍然不显著（CMB-D与非优势组：P=0.089；cSS-D与非优势组：P=0.058）。

**PiB摄取与CSO-EPVS和WMH体积的关联**

具有高度CSO-EPVS的患者的全局PiB DVR显著高于没有的高度CSO-EPVS的患者（1.46±0.22 vs 1.29±0.25，P=0.007），并且这种关联在调整了年龄和性别的逻辑回归模型中仍然独立存在（OR，1.35 [95% CI, 1.0–1.7]；P=0.016）。在另一个独立的线性回归模型中，全局PiB DVR也与WMH体积独立相关（β=0.25 [95% CI, 0.02–0.94]；P=0.049），同样调整了年龄和性别。

**敏感性分析**

在包括了ICH作为额外协变量的敏感性分析中，所有关联均保持不变（数据未显示）。尽管将患者分类为具有生物学意义的亚组，但每个类别内仍可能存在残余的异质性；然而，这种分类方法的简单性使其在研究和临床应用中具有潜在的实用性。尽管存在这些局限性，但多个模型和敏感性分析中关联结果的一致性支持了我们发现的稳健性，以及这些发现对于理解CAA（腔隙性脑血管病）机制的相关性。总之，我们的研究结果表明血管淀粉样蛋白负荷与CAA的出血表现之间存在密切关联，包括大量的CMBs（腔隙性微出血）和严重的cSS（腔隙性脑软化）。PiB（PET示踪剂）检测结果中优势性关联的强度，再加上观察到的以出血为主的表现型患者还表现出其他与淀粉样蛋白相关的影像学特征（如高度CSO-EPVS），表明这些表型可能反映了与淀粉样蛋白积累相关的共同血管通路。这些通路可能包括血管周围清除功能的受损、血管功能障碍和血管壁变弱。更好地理解这些机制有助于识别生物学上不同的亚组，从而对预后和治疗策略的制定提供指导。总体而言，我们的结果支持通过靶向淀粉样蛋白的产生来降低血管淀粉样蛋白负荷，进而减少出血性病变风险的治疗策略。该方法目前正在临床试验中进行测试。

**资金来源**
本工作得到了美国国立卫生研究院（NIH）的支持，包括来自National Institutes of Neurological Disorders and Stroke和National Institute on Aging的拨款。Greenberg博士（R01NS096730, R01AG26484）和Gurol博士（R01NS114526, K23NS083711）获得了相关资助。

**利益冲突声明**
所有作者均声明没有相关的利益冲突。