《Journal of Clinical Neuroscience》：Composite small vessel disease scores predict hemorrhagic transformation after thrombectomy: a machine learning study
编辑推荐：
出血转化（Hemorrhagic Transformation, HT）是急性缺血性卒中（Acute Ischemic Stroke, AIS）的重要并发症，尤其在机械取栓（Mechanical Thrombectomy, MT）及静脉溶栓（Intraveno
出血转化（Hemorrhagic Transformation, HT）是急性缺血性卒中（Acute Ischemic Stroke, AIS）的重要并发症，尤其在机械取栓（Mechanical Thrombectomy, MT）及静脉溶栓（Intravenous Thrombolysis, IVT）后更为常见。研究人员评估了复合性小血管病（Cerebral Small Vessel Disease, CSVD）评分——改良小血管病评分（modified Small Vessel Disease, mSVD）与脑衰弱评分（Brain Frailty Score, BFS）——对MT术后HT及症状性颅内出血（Symptomatic Intracranial Hemorrhage, SICH）的预测效能。研究基于前瞻性登记数据库进行回顾性分析，纳入前循环大血管闭塞并接受MT（联合或不联合IVT）的AIS患者。CSVD负荷依据白质低密度（White Matter Hypodensities, WMH）、脑萎缩及腔隙性梗死进行评估。采用logistic回归与XGBoost模型，通过受试者工作特征曲线下面积（Area Under the Curve, AUC）及SHapley Additive exPlanation（SHAP）值评估预测准确性与特征重要性。结果显示，在351例患者中，18.3%发生实质血肿（PH-1/PH-2）。mSVD评分对HT（AUC = 0.913）及SICH（AUC = 0.862）的预测效能优于BFS（HT AUC = 0.849；SICH AUC = 0.839）及单一影像标志物（HT AUC = 0.864；SICH AUC = 0.744）。在校正SVD评分后，IVT未显著增加HT风险。SHAP分析表明，入院美国国立卫生研究院卒中量表（National Institutes of Health Stroke Scale, NIHSS）评分、血糖、收缩压、年龄及mSVD（平均SHAP = 0.503）为主要预测因子，其中mSVD的重要性高于BFS（平均SHAP = 0.369）。研究表明，CSVD评分尤其是mSVD可独立预测MT术后HT风险，有助于早期风险分层与治疗决策优化，未来需在多中心队列结合先进影像技术进一步验证。
本研究发表于《Journal of Clinical Neuroscience》，旨在解决急性缺血性卒中机械取栓术后出血转化预测不足的问题。出血转化由血脑屏障破坏及再灌注损伤引起，可导致严重神经功能恶化甚至死亡。现有临床变量虽能提供一定预测，但对慢性微血管病变的评估尚不充分。小血管病影像学标志物被认为可能反映血管脆性，但单一指标预测力有限。为此，研究人员引入复合评分体系mSVD与BFS，以更全面地量化CSVD负担，并结合机器学习方法提升预测精度。
关键技术方法包括：在巴西一家三级医疗中心的前瞻性卒中登记库中筛选351例前循环大血管闭塞并接受MT的患者；由盲法神经科医师基于非增强CT评估WMH、脑萎缩及腔隙性梗死，计算mSVD与BFS评分；采用logistic回归构建不同CSVD模型的HT与SICH预测模型，并通过Delong检验比较AUC差异；同时构建XGBoost模型处理类别不平衡，并利用SHAP值解析特征贡献。
研究结果如下：
基线特征显示，患者平均年龄67.0 ± 6.98岁，男性占48.29%，48.86%接受IVT，72.36%发生HT，其中实质血肿占18.29%。mSVD与BFS评分者间一致性良好（加权κ分别为0.80与0.74）。
单变量分析表明，HT患者NIHSS评分更高，严重WMH与脑萎缩比例更高，CSVD负担显著加重。
Logistic回归模型显示，mSVD模型对HT（AUC = 0.913）及SICH（AUC = 0.862）的预测效能最佳，优于BFS及单一影像标志物模型。联合mSVD与BFS并未提升预测能力，且因多重共线性降低稳定性。
XGBoost模型中，NIHSS、年龄、血糖及收缩压为最强预测因子，mSVD贡献度高于BFS。模型特异性达100%，阳性预测值为100%，阴性预测值为95.52%，但敏感性较低（40%），适用于高风险患者的“纳入规则”。
讨论部分指出，mSVD评分整合了严重WMH、脑萎缩及腔隙性梗死的信息，能够更准确反映慢性微血管病变导致的血脑屏障脆弱性，从而提升HT与SICH的风险分层能力。相比单一影像标志物，复合评分克服了信息碎片化问题，并在CT影像中即可快速获得，适合资源有限地区。研究还发现，IVT作为桥接治疗并未显著增加出血风险，支持其在合适人群中的应用。尽管MRI对CSVD评估更精细，但CT的成本低、普及率高，使得mSVD在临床实践中更易推广。研究同时强调，该评分应作为术后预后工具，而非用于术前排除治疗，高风险患者可因此获益于更严格的血压控制与密切监测。
结论部分总结，复合性CSVD评分尤其是mSVD可有效预测MT术后HT与SICH，其预测效能优于单一影像标志物。结合急性临床变量，可进一步优化个体化治疗策略。未来应在多中心队列中验证，并探索与先进神经影像及机器学习的融合，以提升预测模型的临床应用价值。
