栓塞性中风 3D 模拟的验证

在英国，中风每年影响超过 100,000 人，并且高达 50% 的患者留下严重残疾 [1, 2]。 85% 的中风是由大脑血管闭塞（急性缺血性中风 [AIS]）引起的，中断了血液供应并导致组织梗死和功能障碍 [1]。 中风是导致显着发病率和死亡率的原因，具有相当大的社会和经济影响，特别是对于工作年龄的人 [1, 2]。 AIS 的病因可大致分为栓塞性和非栓塞性卒中 [3]。 大约四分之一的 AIS 是心源性栓塞，原因是左心房（心房颤动 - AF）、瓣膜（心脏瓣膜病或人工瓣膜）、近期心肌梗死、卵圆孔未闭、感染性心内膜炎或主动脉弓动脉粥样硬化 [3- 5]. 由于房颤患病率随年龄增长而上升，因此这一数字在老年人中更高 [6]。 重要的是，心源性卒中更为严重，导致比其他卒中亚型更严重的残疾 [4]。 由于血管危险因素管理标准的提高，心源性栓塞导致的中风比例正在上升，在过去几十年中发病率增加了两倍 [4]。 正确识别和处理栓塞源可将复发率降低多达 70% [4]。 房颤仍然是心源性卒中的主要原因 [4, 5]。 然而，据认为只有 50% 的符合条件的患者能够正确识别和治疗 AF [3]。 这可能是由于临床医生不愿对患者进行抗凝治疗，尤其是对于跌倒风险高的体弱老年人群 [3]。 高达 25% 的中风是不明原因栓塞 (ESUS)，这可能是由于阵发性 AF 需要延长心脏监测才能成功识别和治疗患者 [3, 7]。 AF 在多达 40% 的患者中是无症状的，首次表现可能是严重的梗死 [8]。 抗凝治疗是降低 AF 卒中风险的基石，但由于出血风险增加了两倍，这种治疗仅适用于已证实的病例 [9, 10]。 ESUS 中的抗凝仍然是一个持续的争论，目前仅限于高危人群（例如 不同地区的多处梗死）[11, 12]。 因此，识别和治疗 AF 是降低未来中风风险的关键优先事项，但可最大限度地减少不需要抗凝治疗的并发症。

考虑到栓塞性和非栓塞性卒中的不同病因、调查和管理，早期区分有助于临床决策制定，并允许对患者进行集中调查和管理。 中风的放射学特征可以支持这一过程，因为梗塞的位置、大小和模式可以指示可能的病因和中风亚型。 然而，目前没有评估标准，依赖于治疗临床医生或放射科医师的定性和主观意见。 据报道，多达三分之一的腔隙性卒中仅依靠临床和 CT 结果诊断不准确 [13]。 大多数假阳性结果是由于心源性栓塞或大动脉卒中，可能导致错失识别和治疗 AF 的机会 [13]。 弥散加权成像可以改进腔隙性梗死的诊断，但其使用受到成本和可用性的限制 [13-15]。 在最近一项针对 133 名 ESUS 患者的研究中，在三个月的心脏监测后发现 22.6% 患有房颤，8 分风险评分可以合理准确地预测这一点（曲线下面积 = 0.70） [16]。 然而，在中风的病因仍未确定的情况下，这种准确性会大大下降 [16]。 未被发现的 AF 的真实比例仍然未知，通过预测模型进行早期检测可能会减少调查和治疗延误。

因此，改善栓塞性卒中（尤其是 AF）的过程可能有助于指导临床决策。 这将允许更好地为患者量身定制调查，消除可能对 NHS 产生潜在经济利益的不必要的测试，并减轻患者的调查负担。 开发可以整合患者临床信息和扫描结果的中风模型，可以提高中风亚型分类的诊断准确性，并有助于及时、更有针对性的调查和治疗。 特别是，能够区分不同类型栓塞的模型可能特别有价值，并且可以提示对最有可能有 AF 源的患者进行扩展监测。

本研究提出了一种由 JH 和 EC 开发的蒙特卡罗方法来模拟中风 [17-20]。 最近使用计算机模拟脑血管系统 [21] 对这种方法进行了调整，并针对中风后病变解剖追踪 (ATLAS) 数据库（未发表的作品）中的中风图像进行了测试。 使用计算生成的脉管系统优于成像的优势在于血管尺寸没有下限，我们能够将模型中的血管包括到毛细血管床。 在模拟中，我们可以估计病变体积并结合灰质和白质的不同代谢需求。 最近，我们已经能够使用来自 ATLAS 数据集的图像在前部、中部和后部（分别为 ACA、MCA、PCA）循环中再现中风图像。 然而，ATLAS 中的大多数病变本质上是慢性的，这并没有提供有关该模型如何在可以更及时地做出治疗决定的“前门”执行的信息。

因此，该项目旨在开发一个急性中风扫描数据库，以验证这些最近开发的模拟，并确定预测急性环境中栓塞性中风来源的准确性。 鉴于 AI 技术在临床医学中的应用越来越多，我们将比较这种最近开发的中风模拟模型与 AI 技术预测栓塞性中风来源的能力。 我们会将模型的能力与临床或放射学观点进行比较。 最后，我们将测试这两种技术的综合能力以确定栓塞性中风的来源。 具体而言，我们将评估以下来源：腔隙性、心脏栓塞、大血管动脉粥样硬化栓塞和分水岭。