AI 预测模型：为房颤合并椎基底动脉闭塞血管内治疗精准导航

房颤合并椎基底动脉闭塞（VBAO）患者进行血管内治疗（EVT）时面临复杂挑战。研究人员开展多中心研究，纳入 525 例患者，开发预测模型。结果显示模型能区分高风险亚组，AUC 达 0.719（内部）和 0.684（外部）。这为个性化治疗提供指导。

在医学领域，急性椎基底动脉闭塞（AVBAO）如同隐藏在脑血管中的 “定时炸弹”，是缺血性卒中的严重类型，虽仅占所有缺血性卒中的约 1%，却有着极高的致死致残率，高达 80% 。对于前循环大血管闭塞，机械取栓（MT）已成为标准治疗手段，但在 AVBAO 治疗上，其疗效一直备受争议。不同的随机对照试验（RCTs）给出了截然不同的结果，有的试验表明血管内治疗（EVT）相较于标准药物治疗并无明显优势，而有的试验则显示在精心挑选的中重度卒中（美国国立卫生研究院卒中量表 NIHSS 评分≥10）患者中，MT 能显著改善功能预后。

更为棘手的是，当 AVBAO 患者合并心房颤动（AF）时，治疗更是难上加难。此前针对前循环卒中的多项重大研究，如 MR CLEAN 试验、HERMES 合作荟萃分析以及 ANGEL-ACT 注册研究，均未明确 AF 与 EVT 后 90 天功能预后之间的显著相互作用。但这些研究结果并不能完全适用于 AVBAO 合并 AF 的患者，因为样本量、患者异质性、治疗方案以及后循环卒中的独特特征等因素都限制了其适用性。而且，目前针对此类患者接受 EVT 治疗后的结局研究少之又少，存在明显的知识空白。

为了填补这一空白，来自中国多所医院的研究人员发起了一项全面的多中心研究。该研究横跨中国 15 个省份的 65 家中心，收集了 2015 年 12 月至 2022 年 6 月期间的数据。研究团队深入探究了 EVT 对 AVBAO 合并 AF 患者 90 天预后的影响，致力于挖掘影响患者术后恢复轨迹的潜在因素，期望能为临床决策提供有力依据，优化此类患者的治疗策略。

这项研究成果发表在《npj Digital Medicine》杂志上，为医学领域带来了新的曙光。研究人员在开展研究时，采用了多种关键技术方法。首先是数据收集，从患者的病历中收集了大量的人口统计学数据、血管危险因素、实验室结果、神经影像学发现等信息。然后通过随机森林置换重要性分析评估变量对预测良好结局的重要性，并利用多变量逻辑回归构建模型。为确保模型的可靠性和普适性，研究人员不仅进行了内部验证，还收集了来自意大利、法国和波兰 16 家综合卒中中心的欧洲患者数据进行外部验证。

下面来详细看看研究结果：

• 人口特征：研究共纳入 525 例接受 EVT 治疗的 VBAO 患者，其中训练子集 368 例，测试子集 157 例。患者基线特征显示，训练子集中，良好结局组和不良结局组患者的年龄、性别分布存在差异，多数为男性。中国队列的房颤患病率低于欧洲队列。不良结局组患者的 NIHSS 评分更高、年龄更大、侧支循环状态（ASITN/SIR 分级 0 - 1）更差、症状性颅内出血（sICH）发生率更高；而良好结局组的 PC - ASPECTS 评分更高，接受静脉溶栓的比例更高，估计闭塞到股动脉穿刺时间（EOT）更短12。
• 预测变量选择：随机森林模型筛选出多个与良好结局显著相关的预测因子，NIHSS、sICH 和 EOT 等变量对模型性能影响较大，NIHSS 评分的重要性最高，其均方误差（MSE）增加约 12%。此外，年龄、PC - ASPECTS、血糖水平、ASITN/SIR 分级和血脂异常等临床因素也对结局有影响34。
• 模型开发与比较：研究构建了两个模型，初始模型（Model 1）包含 NIHSS、sICH 和血脂异常作为主要预测因子，扩展模型（Model 2）在此基础上增加了 ASITN/SIR、年龄、血糖、PC - ASPECTS 和 EOT。对比发现，Model 2 的模型拟合度和预测效能更优，虽然 Model 1 的贝叶斯信息准则（BIC）更低，但综合考虑临床相关性等因素，最终选择 Model 256。
• 模型诊断：全面的回归诊断表明，模型的残差随机分布在零附近，大部分观测数据点在模型预测区间内，未检测到明显的共线性，且残差与标准均匀分布的分位数一致，符合同方差假设，验证了模型的可靠性78。
• 动态列线图：研究人员开发了交互式列线图，可直观展示临床因素对良好结局的影响，辅助预测卒中预后，为临床决策提供支持9。
• 模型评估：逻辑回归模型在中国队列测试数据集和欧洲外部数据集上均表现出良好的性能，AUC 分别为 0.719（95% CI：0.639 - 0.799）和 0.684（95% CI：0.586 - 0.783），校准曲线也证实模型与观察结果相符10。
• 决策曲线分析：决策曲线分析（DCA）显示，模型在测试数据集的 82% 阈值处有 4% 的最佳净获益，在外部数据集中的适用性为 74%，表明模型对阈值概率敏感且具有一定的普适性11。
• sICH 对 NIHSS 预后效用的影响：对比分析发现，在无 sICH 的 VBAO 患者中，3 个月时较高的改良 Rankin 量表（mRS）评分与入院时较高的 NIHSS 评分显著相关；但在有 sICH 的患者中，这种相关性消失，提示 sICH 可能降低 NIHSS 对 3 个月结局的预测准确性12。
• 模型稳健性评估：通过 SampleSizeMLR 函数验证样本量和统计功效，expR 函数表明预期假阳性率极低（0.0082），证实了模型在预测 VBAO 合并 AF 患者结局方面的可靠性，I 类错误风险极低13。

在讨论部分，研究人员指出，本研究确定了急性 VBAO 合并 AF 患者接受 EVT 后的预后相关因素。NIHSS 评分升高和 sICH 与 3 个月不良结局显著相关，无 sICH 患者 3 个月时良好预后（mRS 评分 0 - 3）的比例为 47.7%，这凸显了早期干预和降低 sICH 风险的重要性。虽然 NIHSS 评分在评估卒中严重程度方面具有重要意义，但 sICH 的存在会影响其预测可靠性，提示可能需要开发改良的 NIHSS 量表或补充评估工具。

此外，本研究样本量大且多样化，还进行了欧洲队列的外部验证，增强了研究结果的普适性。尽管研究发现一些因素对预后有潜在影响，但未达到统计学意义，未来研究可进一步探索影像生物标志物和机构协议等对结局的影响。

总体而言，这项研究开发的模型突出了 NIHSS 评分和 sICH 在预测 VBAO 合并 AF 患者 EVT 结局中的潜在重要性，为该领域的临床决策提供了新的思路和方法。不过研究也存在局限性，如回顾性研究可能存在选择偏倚，外部验证集样本量有限等。未来，研究人员计划开展大规模前瞻性研究，纳入更多先进影像生物标志物，扩大数据集，进一步验证模型的临床实用性，推动该领域的发展，为更多患者带来希望。