BRAIN 評分聯合CT Barras 分級在腦出血血腫擴大中的預測價值

侯文仲 陳向林

廣州醫(yī)科大學附屬第六醫(yī)院（清遠市人民醫(yī)院）腦血管病科，廣東清遠 511518

自發(fā)性腦出血（spontaneous intracerebral hemorrhage，SICH）是指非創(chuàng)傷性的腦實質內或非腦室系統(tǒng)局灶性的血液集聚并多伴隨快速進展的神經功能障[1,2]。其發(fā)病率僅次于缺血性腦卒中，位居所有卒中的第2 位，占10%～15%，致死、致殘率較高[3]。在發(fā)病早期，約有30%的患者會出現血腫擴大(hematoma expansion，HE)，臨床一般認為血腫體積增大13%～32%會明顯引起預后向更差的方向發(fā)展[4]。同時有研究證實，對有HE 風險的患者進行早期干預可以降低血腫增大的發(fā)生概率[5-7]。研究者在2014 年基于一項前瞻性研究提出BRAIN 評分，分數增加伴隨著腦HE 發(fā)生的可能性上升，對SICH 患者HE 有較好預測效能[8]，但其存在一定的局限性，未能充分考慮到血腫的影像學特征，而血腫影像學特征已被大量的研究證實是HE 的獨立危險因素，Barras 形態(tài)密度分級是基于非增強CT 的血腫的形態(tài)及密度分級方法，研究證實分級越高，伴隨擴大風險越高，形態(tài)及密度異質性是HE 的獨立危險因素[9]。本研究通過對SICH 患者臨床資料收集分析，探討B(tài)RAIN 評分聯合CT 形態(tài)密度分級對HE 的預測價值。

1 資料與方法

1.1 一般資料

回顧性分析2017 年4 月至2021 年3 月廣州醫(yī)科大學附屬第六醫(yī)院（清遠市人民醫(yī)院）收治的150例SICH 患者，按照血腫是否擴大分為HE 組（n=55）和非HE 組（n=95），其中男98 例，女52 例。納入標準：①SICH診斷符合《中國腦出血診治指南（2019）》[10]的腦出血診斷標準；②血腫主體位于腦實質，破入腦室內的血腫不超過腦室體積的1/3；③發(fā)病后在6h 內及24h 內分別完成首次CT 檢查及首次CT 復查；④年齡＞18 歲。排除標準：①因顱內血管畸形、動脈瘤及煙霧病等腦血管病及外傷、腫瘤卒中引起的出血；②入院即有手術指征并實施手術干預者。兩組一般資料比較，差異無統(tǒng)計學意義（P＞0.05），具有可比性。本研究獲廣州醫(yī)科大學附屬第六醫(yī)院（清遠市人民醫(yī)院）倫理委員會的批準(倫理學審批號：IRB-2020-073)，并取得患者或家屬的知情同意。

1.2 方法

1.2.1 資料收集 ①基線數據收集：人口學信息包括患者的年齡、性別、有無高血壓病史、糖尿病史、抗凝藥物治療史，過敏史及其他特殊疾病史。臨床信息包括入院的完成格拉斯哥昏迷指數評分（Glasgow coma scale，GCS）、生命體征及實驗室檢查資料。高血壓病定義為：既往確診高血壓病史，或收縮壓≥140mmHg（1mmHg=0.133kPa），或舒張壓≥90mmHg，或使用降壓藥物。糖尿病定義為：自我報告的糖尿病史或使用降糖藥物。②24分制BRAIN 評分相關資料收集：根據基線腦出血量、復發(fā)性腦出血、抗凝藥物的使用、出血破入腦室和發(fā)病至首次CT 的時間，完成BRAIN 評分。見表1。③影像學資料：原始DICOM 圖像均由GE 公司的64排螺旋CT 掃描完成，層厚為5mm，螺距為1。收集患者發(fā)病后6h 內的首次CT 和發(fā)病后24h 內復查CT資料，包括初始血腫位置、體積、是否破入腦室、增大后血腫體積等。血腫體積計算方法是根據多田公式計算得出，V（出血量）=血腫體積＝π/6×長（cm）×寬（cm）×層面數[11]。HE 定義為血腫體積較前增加33%或增加超過6ml，只要滿足上述兩項條件中的一條即認定為HE。同時對6h 內的首次CT 結果進行形態(tài)及密度分級，分級方法參考Barras 形態(tài)密度5級評分量表[9]。其中形態(tài)分級的標準為血腫周圍存在或不存在與血腫接壤或不接壤的小血腫；密度分級需要滿足以下幾點要求：血腫分為相對高密度區(qū)和相對低密度區(qū)兩部分；高低密度區(qū)有明顯界限且肉眼可分辨；高低密度區(qū)CT 值差異至少大于18Hu。形態(tài)分級Ⅰ～Ⅱ級定義為形態(tài)規(guī)則，Ⅲ～Ⅴ級為不規(guī)則；密度分級Ⅰ～Ⅱ級為密度均勻，Ⅲ～Ⅴ級為不均勻，見圖1。所有影像資料的收集及分析隨機分配，并由廣州醫(yī)科大學附屬第六醫(yī)院（清遠市人民醫(yī)院）影像科兩名職稱為副高級以上的醫(yī)師單獨完成，若結論若存在爭議，則兩位閱片醫(yī)師協商后確定。

表1 BRAIN 評分量表

圖1 形態(tài)分級和密度分級示意圖

1.3 觀察指標

根據BRAIN 評分標準統(tǒng)計每位病例的4 個指標，計算BRAIN 分數。將BRAIN 評分劃分為4 個區(qū)間，分別為0～5 分、6～9 分、10～11 分、12～24 分，應用受試者工作特征曲線（receiver operating characteristic curve，ROC）評估BRAIN 評分與分別聯合形態(tài)分級、密度分級后對HE 的預測結果，計算其敏感度、特異性，曲線下面積（area under the cure，AUC）。

1.4 統(tǒng)計學方法

采用SPSS 26.0 統(tǒng)計學軟件對數據處理進行分析，采用單因素和多因素Logistic 回歸對HE 的影響因素進行分析。采用Kolmogorov-Smirnov（K-S）檢驗對計量資料進行正態(tài)性分析，符合正態(tài)分布的計量資料以均數±標準差（）表示，組間比較采用t檢驗。非正態(tài)分布的計量資料以中位數（四分位數間距）[M（Q1，Q3）]表示，組間比較采用秩和檢驗。計數資料采用例數（百分比）[n（%）]表示，組間比較用χ2檢驗。P＜0.05 為差異有統(tǒng)計學意義。

2 結果

2.1 基本臨床資料分析

兩組使用華法林抗凝、GCS 評分、BRAIN 評分、初始血腫體積、發(fā)病至首次CT 時間、形態(tài)分級與密度分級比較，差異均有統(tǒng)計學意義（P＜0.05）。兩組在性別、年齡、高血壓病史、糖尿病病史、血腫破入腦室、入院收縮壓、舒張壓等方面，差異均無統(tǒng)計學意義（P＞0.05），見表2。

表2 患者基本臨床資料統(tǒng)計結果

2.2 BRAIN 評分模式預測結果

隨著BRAIN 評分范圍的增加，對應區(qū)間的出血率隨之上升，尤其在BRAIN 評分≥10 分時，HE 占比有明顯上升趨勢，見表3。

表3 BRAIN 評分模式預測結果

2.3 BRAIN 評分模式聯合形態(tài)分級、聯合密度分級模式預測結果

本研究將形態(tài)分級和密度分級與BRAIN 評分相結合，表4 和表5 分別展示了BRAIN 與形態(tài)分級相結合，以及BRAIN 與密度分級相結合的四分區(qū)評分效果。形態(tài)分級＜Ⅲ級為形態(tài)規(guī)則，≥Ⅲ級為不規(guī)則；密度分級＜Ⅲ級為形態(tài)規(guī)則，≥Ⅲ級為不規(guī)則。隨著BRAIN 評分區(qū)間的提高，兩種組合的HE 占比都在同步上升，與實際臨床診斷一致。

表4 BRAIN 評分和形態(tài)分級結合模式預測結果

表5 BRAIN 評分和密度分級結合模式預測結果

2.4 各評分模式的指標比較

BRAIN 評分與密度分級、形態(tài)分級相結合，在敏感度、特異性和AUC 指標上都好于單純的BRAIN評分標準，且BRAIN 評分與形態(tài)分級相結合時，3項指標結果為最佳，見表6。3 種評分模式的ROC曲線見圖2。

表6 各評分模式的指標比較

圖2 各評分模式的ROC 曲線

3 討論

SICH 是一種動態(tài)的過程，發(fā)病后在早期會有20%以上的患者出現嚴重的神經功能障礙，其中最一個主要原因就是早期的HE，目前平均發(fā)生率約為30%[12]，而其中相當大一部分的HE 有可預測性。在目前已知的大多數識別HE 風險的評分系統(tǒng)[8,9,11-13]中，計算機體層血管成像（computed tomography angiography，CTA）斑點征是HE 的最強預測因子[14]。但很多醫(yī)院并不能全天候完成CTA 檢查，且在起病初期尚未明確時，CTA 檢查并非首選，使用存在局限性。

Wang等[8]提出的BRAIN 評分系統(tǒng)是一種操作簡單且具有明確預測價值的評分系統(tǒng)。其中的包括基線腦出血量、復發(fā)性腦出血、抗凝藥物的使用、出血破入腦室和發(fā)病至第1 次CT 的時間5 項參數。BRAIN 評分中有1 項重要的參數是復發(fā)性腦出血，Barras等[9]的一項研究顯示，復發(fā)性腦出血每年的發(fā)病率約為2%，而本研究并無此類病例入組，考慮與入組樣本量數量偏少有一定關系。

此外BRAIN 評分中無影像學相關指標，而目前已有諸多研究證實有些非增強CT 的影像學特征是HE 的獨立危險因素[15]。Barras 提出的形態(tài)密度分級具有簡單、便于操作及可靠等優(yōu)點?；诖?，本研究使用Barras 的血腫形態(tài)密度5 級分級量表聯合BRAIN 評分，以期提升對HE 的預測效能。本研究數據表明，BRAIN＞10 分者，出現HE 的概率明顯上升，而形態(tài)和密度分級也體現為Ⅲ級，即形態(tài)密度分級≥Ⅲ級，HE 的發(fā)生率也有明顯上升。ROC 曲線分析表明，若將BRAIN 評分與形態(tài)分級結合后，在敏感度、特異性和AUC 指標上都好于其他模式，可見與單獨BRAIN 評分相比，血腫形態(tài)密度分級與BRAIN 評分聯合使用后，預測效能有一定的提升，可有效幫助臨床醫(yī)生預判患者的HE 的風險，并可積極地采取干預措施以降低HE 導致的神經功能障礙加重的風險。

但是，本研究也存在局限性，一般將HE 定義為血腫體積較前增加33%或增加超過6ml。此種方法已被以往的針對HE 的研究廣泛采用，然而其可能存在一定程度的誤差，因為多田公式的算法在體積偏小的情況下，由于掃面層面的不同可能會導致誤差相對偏大，還有部分血腫形態(tài)不規(guī)則也可能導致血腫量計算出現誤差，從而影響準確性，此外，本研究樣本量僅為150 例，有待于通過擴大樣本量進一步驗證。綜上所述，結合BRAIN 評分與密度形態(tài)分級是識別HE的有效方法，而且具有簡單易操作的特點。