背景急性缺血性卒中(AIS)高发,及时恢复脑血流是治疗的关键,超时间窗就诊患者无更多促进脑血流恢复的治疗手段。研究远隔缺血后适应(RIPostC)治疗对AIS超时间窗就诊患者的临床疗效、并发症和预后,具有重要的临床意义。目的探究RIPostC...背景急性缺血性卒中(AIS)高发,及时恢复脑血流是治疗的关键,超时间窗就诊患者无更多促进脑血流恢复的治疗手段。研究远隔缺血后适应(RIPostC)治疗对AIS超时间窗就诊患者的临床疗效、并发症和预后,具有重要的临床意义。目的探究RIPostC治疗对AIS超时间窗患者干预的影响,为超时间窗就诊的AIS患者寻求安全、有效的脑血流恢复治疗方式。方法本研究采用随机、分组、安慰剂对照法进行试验。选取2021-09-02—2022-08-31于北京航天总医院神经内科病房住院治疗的超溶栓时间窗(发病时间>6 h)的AIS患者为研究对象。依据随机数字表法将患者分为对照组和试验组。试验期+随访期共90 d,均使用同等的一般治疗、脑血管病常规治疗,试验组在此基础上给予RIPostC治疗14 d(28次),对照组给予模拟的RIPostC治疗14 d(28次)。在干预前和干预后30 d、干预后90 d,采用改良Rankin量表(mRS)、美国国立卫生研究院卒中量表(NIHSS)评估两组患者神经功能,简易精神状态检查量表(MMSE)、蒙特利尔认知评估量表(MoCA)评估患者认知功能,工具性日常生活能力量表(IADL)评估日常生活能力,焦虑自评量表(SAS)、抑郁自评量表(SDS)评估精神状态,经颅多普勒超声(TCD)评估脑血流速度,以白介素(IL)-6反映炎症情况。结果122例患者中,最终完成试验及随访99例,其中试验组49例,对照组50例。两组患者性别、年龄、基础疾病(高血压、糖尿病、冠心病)及基线NIHSS评分比较,差异无统计学意义(P>0.05)。重复测量方差分析结果示,时间与组别对MMSE、MoCA、mRS、NIHSS、脑血流速度、IL-6存在交互作用(P<0.05),时间和组别对MMSE、MoCA、NIHSS、脑血流速度、IL-6主效应显著(P<0.05),时间对mRS、SAS、SDS、IADL主效应显著(P<0.05)。试验组干预后30、90 d MMSE、MoCA评分及脑血流速度均高于对照组,mRS、NIHSS评分均低于对照组(P<0.05);试验组干预后30、90 d SDS、IADL评分低于对照组(P<0.05);试验组干预后30 d SAS评分高于对照组,IL-6低于对照组(P<0.05)。99例患者中共有23例患者发生不良反应,其中试验组17例,对照组6例,两组皮肤瘀点、头晕、心慌、胸闷发生率比较,差异无统计学意义(P>0.05);对照组患者皮肤瘀斑发生率[4.00%(2/50)与12.24%(6/49)]、总不良反应发生率[12.00%(6/50)与34.69%(17/49)]低于试验组(P<0.05)。结论RIPostC治疗可降低AIS患者的炎症反应,对神经功能、认知功能抑郁情绪及颅内血流速度可起到积极的改善效果。展开更多
目的探讨快速多模态MRI对急性缺血性脑卒中(acute ischemic stroke,AIS)诊断及治疗风险评估的价值。方法收集符合入组标准的60例AIS患者的影像学资料,每例患者均行两组序列相同、参数不同的多模态MRI检查,序列包括弥散加权成像(DWI)、...目的探讨快速多模态MRI对急性缺血性脑卒中(acute ischemic stroke,AIS)诊断及治疗风险评估的价值。方法收集符合入组标准的60例AIS患者的影像学资料,每例患者均行两组序列相同、参数不同的多模态MRI检查,序列包括弥散加权成像(DWI)、三维动脉自旋标记(3D-ASL)、磁敏感加权成像(SWI)、时间飞跃法磁共振血管成像(TOF-MRA)序列;对照组使用常规序列参数,观察组使用参数优化以缩短检查时间的快速序列。比较两组图像对核心梗死区(IC)、缺血半暗带(IP)、脑内微出血(CMBs)、磁敏感血管征(SVS)、突出血管征(PVS)、责任血管的检出效能的差异,比较两组图像的质量评分、扫描时间的差异。结果两组检查对AIS患者的IC、IP、CMBs、SVS、PVS、责任血管的阳性征象检出率一致。对照组扫描时间为12 min 38 s,观察组扫描时间为7 min 17 s,较对照组的扫描时间缩短5 min 21 s。对照组图像质量评分DWI(3.73±0.19)分、MRA(3.77±0.20)分、3D-ASL(3.63±0.26)分、SWI(3.66±0.25)分,观察组图像质量评分DWI(3.29±0.24)分、MRA(3.22±0.22)分、3D-ASL(3.56±0.25)分、SWI(3.27±0.15)分,2组患者DWI、3D-ASL、SWI差异无统计学意义(P>0.05),MRA差异有统计学意义(P<0.05),但观察组评分均高于3分,图像质量满足诊断要求。结论多模态MRI参数优化序列检查在图像质量满足诊断需要的前提下,明显缩短了检查时间,对需要紧急救治的AIS患者进行治疗前的诊断及治疗风险评估有较大的应用价值。展开更多
目的构建基于MRI扩散加权成像(diffusion-weighted imaging,DWI)的深度学习模型,讨论其对急性缺血性卒中静脉溶栓治疗患者90天预后的预测价值。材料与方法回顾性分析了2家医院进行静脉溶栓治疗的677名急性缺血性卒中(acute ischemic str...目的构建基于MRI扩散加权成像(diffusion-weighted imaging,DWI)的深度学习模型,讨论其对急性缺血性卒中静脉溶栓治疗患者90天预后的预测价值。材料与方法回顾性分析了2家医院进行静脉溶栓治疗的677名急性缺血性卒中(acute ischemic stroke,AIS)患者的临床及影像学资料,通过影像储存和传输系统(picture archiving and communication systems,PACS)收集患者MRI-DWI图像,使用深度神经网络提取患者图像特征。我们将数据集1(医院1)随机分为训练集(70%)和测试集(30%),建立基于临床特征(模型A)和MRI-DWI影像组学特征(模型B)的传统机器学习模型,基于MRI-DWI深度学习特征的深度学习模型(模型C)以及结合临床特征和深度学习特征的组合模型(模型D),预测AIS患者接受静脉溶栓治疗后90天预后[通过评估改良Rankin评分(modified Rankin Scale,mRS),评分<2分表示预后良好]。数据集2(医院2)用于外部验证。通过受试者工作特征(receiver operating characteristic,ROC)曲线及其曲线下面积(area under the curve,AUC)评估模型的预测性能。为了比较不同模型的AUC值差异是否有统计学意义,进一步采用DeLong检验进行统计分析,评估各模型之间AUC差异的显著性。结果基于临床特征和DWI-MRI影像组学特征的机器学习模型A和模型B以及深度学习模型C的AUC分别为0.705[95%置信区间(confidence interval,CI):0.613~0.792]、0.846(95%CI:0.777~0.906)和0.877(95%CI:0.811~0.934)。结合临床和深度学习特征的组合模型D在预测AIS患者静脉溶栓后90天预后方面表现出显著优势,其AUC值为0.930(95%CI:0.890~0.963)。此外,深度学习模型在外部验证数据集中同样显示出良好的性能,模型C和模型D的AUC分别为0.887(95%CI:0.798~0.960)和0.947(95%CI:0.891~0.984)。结论基于MRI-DWI的影像组学特征在预测接受静脉溶栓治疗的AIS患者的90天预后中发挥重要作用。深度学习方法在AIS溶栓治疗预后的预测模型中优于传统机器学习方法。结合临床特征和MRI-DWI特征的深度学习模型可为临床个性化评估AIS患者预后及制订治疗方案提供有力工具。展开更多
文摘背景急性缺血性卒中(AIS)高发,及时恢复脑血流是治疗的关键,超时间窗就诊患者无更多促进脑血流恢复的治疗手段。研究远隔缺血后适应(RIPostC)治疗对AIS超时间窗就诊患者的临床疗效、并发症和预后,具有重要的临床意义。目的探究RIPostC治疗对AIS超时间窗患者干预的影响,为超时间窗就诊的AIS患者寻求安全、有效的脑血流恢复治疗方式。方法本研究采用随机、分组、安慰剂对照法进行试验。选取2021-09-02—2022-08-31于北京航天总医院神经内科病房住院治疗的超溶栓时间窗(发病时间>6 h)的AIS患者为研究对象。依据随机数字表法将患者分为对照组和试验组。试验期+随访期共90 d,均使用同等的一般治疗、脑血管病常规治疗,试验组在此基础上给予RIPostC治疗14 d(28次),对照组给予模拟的RIPostC治疗14 d(28次)。在干预前和干预后30 d、干预后90 d,采用改良Rankin量表(mRS)、美国国立卫生研究院卒中量表(NIHSS)评估两组患者神经功能,简易精神状态检查量表(MMSE)、蒙特利尔认知评估量表(MoCA)评估患者认知功能,工具性日常生活能力量表(IADL)评估日常生活能力,焦虑自评量表(SAS)、抑郁自评量表(SDS)评估精神状态,经颅多普勒超声(TCD)评估脑血流速度,以白介素(IL)-6反映炎症情况。结果122例患者中,最终完成试验及随访99例,其中试验组49例,对照组50例。两组患者性别、年龄、基础疾病(高血压、糖尿病、冠心病)及基线NIHSS评分比较,差异无统计学意义(P>0.05)。重复测量方差分析结果示,时间与组别对MMSE、MoCA、mRS、NIHSS、脑血流速度、IL-6存在交互作用(P<0.05),时间和组别对MMSE、MoCA、NIHSS、脑血流速度、IL-6主效应显著(P<0.05),时间对mRS、SAS、SDS、IADL主效应显著(P<0.05)。试验组干预后30、90 d MMSE、MoCA评分及脑血流速度均高于对照组,mRS、NIHSS评分均低于对照组(P<0.05);试验组干预后30、90 d SDS、IADL评分低于对照组(P<0.05);试验组干预后30 d SAS评分高于对照组,IL-6低于对照组(P<0.05)。99例患者中共有23例患者发生不良反应,其中试验组17例,对照组6例,两组皮肤瘀点、头晕、心慌、胸闷发生率比较,差异无统计学意义(P>0.05);对照组患者皮肤瘀斑发生率[4.00%(2/50)与12.24%(6/49)]、总不良反应发生率[12.00%(6/50)与34.69%(17/49)]低于试验组(P<0.05)。结论RIPostC治疗可降低AIS患者的炎症反应,对神经功能、认知功能抑郁情绪及颅内血流速度可起到积极的改善效果。
文摘目的探讨快速多模态MRI对急性缺血性脑卒中(acute ischemic stroke,AIS)诊断及治疗风险评估的价值。方法收集符合入组标准的60例AIS患者的影像学资料,每例患者均行两组序列相同、参数不同的多模态MRI检查,序列包括弥散加权成像(DWI)、三维动脉自旋标记(3D-ASL)、磁敏感加权成像(SWI)、时间飞跃法磁共振血管成像(TOF-MRA)序列;对照组使用常规序列参数,观察组使用参数优化以缩短检查时间的快速序列。比较两组图像对核心梗死区(IC)、缺血半暗带(IP)、脑内微出血(CMBs)、磁敏感血管征(SVS)、突出血管征(PVS)、责任血管的检出效能的差异,比较两组图像的质量评分、扫描时间的差异。结果两组检查对AIS患者的IC、IP、CMBs、SVS、PVS、责任血管的阳性征象检出率一致。对照组扫描时间为12 min 38 s,观察组扫描时间为7 min 17 s,较对照组的扫描时间缩短5 min 21 s。对照组图像质量评分DWI(3.73±0.19)分、MRA(3.77±0.20)分、3D-ASL(3.63±0.26)分、SWI(3.66±0.25)分,观察组图像质量评分DWI(3.29±0.24)分、MRA(3.22±0.22)分、3D-ASL(3.56±0.25)分、SWI(3.27±0.15)分,2组患者DWI、3D-ASL、SWI差异无统计学意义(P>0.05),MRA差异有统计学意义(P<0.05),但观察组评分均高于3分,图像质量满足诊断要求。结论多模态MRI参数优化序列检查在图像质量满足诊断需要的前提下,明显缩短了检查时间,对需要紧急救治的AIS患者进行治疗前的诊断及治疗风险评估有较大的应用价值。
文摘目的构建基于MRI扩散加权成像(diffusion-weighted imaging,DWI)的深度学习模型,讨论其对急性缺血性卒中静脉溶栓治疗患者90天预后的预测价值。材料与方法回顾性分析了2家医院进行静脉溶栓治疗的677名急性缺血性卒中(acute ischemic stroke,AIS)患者的临床及影像学资料,通过影像储存和传输系统(picture archiving and communication systems,PACS)收集患者MRI-DWI图像,使用深度神经网络提取患者图像特征。我们将数据集1(医院1)随机分为训练集(70%)和测试集(30%),建立基于临床特征(模型A)和MRI-DWI影像组学特征(模型B)的传统机器学习模型,基于MRI-DWI深度学习特征的深度学习模型(模型C)以及结合临床特征和深度学习特征的组合模型(模型D),预测AIS患者接受静脉溶栓治疗后90天预后[通过评估改良Rankin评分(modified Rankin Scale,mRS),评分<2分表示预后良好]。数据集2(医院2)用于外部验证。通过受试者工作特征(receiver operating characteristic,ROC)曲线及其曲线下面积(area under the curve,AUC)评估模型的预测性能。为了比较不同模型的AUC值差异是否有统计学意义,进一步采用DeLong检验进行统计分析,评估各模型之间AUC差异的显著性。结果基于临床特征和DWI-MRI影像组学特征的机器学习模型A和模型B以及深度学习模型C的AUC分别为0.705[95%置信区间(confidence interval,CI):0.613~0.792]、0.846(95%CI:0.777~0.906)和0.877(95%CI:0.811~0.934)。结合临床和深度学习特征的组合模型D在预测AIS患者静脉溶栓后90天预后方面表现出显著优势,其AUC值为0.930(95%CI:0.890~0.963)。此外,深度学习模型在外部验证数据集中同样显示出良好的性能,模型C和模型D的AUC分别为0.887(95%CI:0.798~0.960)和0.947(95%CI:0.891~0.984)。结论基于MRI-DWI的影像组学特征在预测接受静脉溶栓治疗的AIS患者的90天预后中发挥重要作用。深度学习方法在AIS溶栓治疗预后的预测模型中优于传统机器学习方法。结合临床特征和MRI-DWI特征的深度学习模型可为临床个性化评估AIS患者预后及制订治疗方案提供有力工具。
