塞栓性脳卒中における 3D シミュレーションの検証

英国では毎年 10 万人以上が脳卒中を患い、患者の最大 50% に重大な障害が残ります [1、2]。 脳卒中の 85% は、脳内の血管の閉塞 (急性虚血性脳卒中 [AIS]) に起因し、血液供給が遮断され、組織梗塞や機能障害が生じます [1]。 脳卒中は重大な罹患率と死亡率の原因となっており、特に労働年齢の個人に多大な社会的および経済的影響を及ぼします[1、2]。 AIS の原因は、塞栓性脳卒中と非塞栓性脳卒中として大別できます [3]。 AIS の約 4 分の 1 は、左心房 (心房細動 - AF)、弁 (心臓弁膜症または人工弁)、最近の心筋梗塞、卵円孔開存、感染性心内膜炎、または大動脈弓アテロームからの塞栓症による心塞栓性です [3- 5]。 年齢とともに心房細動の有病率が上昇しているため、この数値は高齢者の間でより高くなります[6]。 重要なのは、心塞栓性脳卒中は他の脳卒中サ​​ブタイプよりも重度であり、障害がより大きくなるということです[4]。 血管危険因子管理の基準が向上したことにより、心臓塞栓症に起因する脳卒中の割合は増加しており、過去数十年間で発生率は3倍になっています[4]。 塞栓源を正しく特定して管理すると、再発を最大 70% 減らすことができます [4]。 心房細動は依然として心塞栓性脳卒中の主な原因である[4、5]。 しかし、AF を正しく特定して治療できるのは、対象となる患者の 50% のみであると考えられています [3]。 これは、特に転倒の危険性が高い虚弱な高齢者において、臨床医が患者の抗凝固療法に消極的であることが原因である可能性があります[3]。 脳卒中の最大 25% は原因不明の塞栓症 (ESUS) であり、これは発作性 AF が原因である可能性があり、患者の特定と治療を成功させるには長期間の心臓モニタリングが必要です [3、7]。 AF は患者の最大 40% で無症候性であり、最初の症状は重大な梗塞を伴う可能性があります [8]。 抗凝固療法は心房細動における脳卒中リスク軽減の基礎ですが、出血リスクが最大2倍増加するため、この治療法は証明された症例のみに限定されています[9、10]。 ESUS における抗凝固療法は依然として議論が続いており、現在は高リスクグループ（例: 異なる領域での複数の梗塞）[11、12]。 したがって、AFの特定と治療は、将来の脳卒中リスクを軽減し、抗凝固療法が必要でない場合の合併症を最小限に抑えるための重要な優先事項です。

塞栓性脳卒中と非塞栓性脳卒中では病因、調査、管理が異なるため、早期に鑑別することで臨床上の意思決定が容易になり、患者に対する集中的な調査と管理が可能になります。 脳卒中の放射線学的特徴は、梗塞の位置、大きさ、パターンによってこのプロセスを裏付けることができ、考えられる病因と脳卒中のサブタイプを示すことができます。 しかし、現時点ではこれを評価するための基準はなく、治療する臨床医または放射線科医の定性的、したがって主観的な意見に依存しています。 ラクナ脳卒中の最大 3 分の 1 において、臨床所見と CT 所見のみに依存して不正確な診断が報告されている [13]。 偽陽性所見の大部分は心塞栓性または大動脈脳卒中によるものであり、AFを特定して治療する機会を逃す可能性がありました[13]。 拡散強調画像はラクナ梗塞の診断を改善する可能性がありますが、その使用はコストと入手可能性の点で制限されています[13-15]。 133人のESUS患者を対象とした最近の研究では、3か月の心臓モニタリング後に22.6％が心房細動を患っていることが判明し、8ポイントのリスクスコアにより妥当な精度でこれを予測できた（曲線下面積=0.70）。 [16]。 しかし、脳卒中の病因が不明なままの場合、この精度は大幅に低下します[16]。 検出されない AF の本当の割合は依然として不明であり、予測モデリングによる早期検出により、調査と治療の遅れを削減できる可能性があります。

したがって、塞栓性脳卒中、特に AF のプロセスを改善することは、臨床上の意思決定の指針となる可能性があります。 これにより、患者に合わせて調査をより適切に調整できるようになり、NHS に潜在的な経済的利益をもたらす可能性のある不必要な検査が削除され、患者の調査負担が軽減されます。 患者からの臨床情報とスキャン結果を統合できる脳卒中モデルの開発により、脳卒中サブタイプ分類の診断精度が向上し、タイムリーでより的を絞った調査と治療が促進される可能性があります。 特に、異なるタイプの塞栓症を区別できるモデルは特に価値があり、心房細動源を有する可能性が最も高い患者の拡張モニタリングを迅速に行うことができる。

この研究は、脳卒中をシミュレートするために JH と EC によって開発されたモンテカルロ法を提案しています [17-20]。 この方法は最近、インシリコ脳血管系 [21] を使用して適応され、脳卒中後の病変の解剖学的追跡 (ATLAS) データベース (未発表の研究) からの脳卒中画像に対してテストされました。 イメージングよりもコンピューターで生成された血管構造を使用する利点は、血管サイズに下限がなく、毛細血管床に至るまでモデルに血管を含めることができることです。 シミュレーション内で、病変の体積を推定できるだけでなく、灰白質と白質の異なる代謝要求を組み込むことができます。 最近、ATLAS データセットの画像を使用して、前部、中部、後部循環 (それぞれ ACA、MCA、PCA) の脳卒中画像を再現できるようになりました。 しかし、ATLAS の病変の大部分は本質的に慢性的なものであり、このモデルがよりタイムリーな方法で治療決定を行うことができる「玄関先」でどのように機能するかについての情報は提供されていません。

したがって、このプロジェクトは、最近開発されたシミュレーションを検証し、急性期における塞栓性脳卒中発生源の予測精度を決定するための急性脳卒中スキャンデータベースの開発を目指しています。 AI 技術の臨床医学への応用が拡大していることを考慮して、この最近開発された脳卒中シミュレーション モデルの塞栓性脳卒中原因を予測する能力を AI 技術と比較します。 モデルの能力を臨床的または放射線学的所見と比較します。 最後に、塞栓性脳卒中の原因を特定するための 2 つの技術の組み合わせ能力をテストします。 具体的には、ラクナ、心塞栓、大血管アテローム性動脈硬化性塞栓、流域などの発生源を評価します。