![通讯作者](http://www.yxkxyghx.org/article/2021/1674-0475/images/REcor.gif)
首都医科大学附属北京康复医院 放射科, 北京 100144
2020-08-28 收稿, 2020-12-09 录用
*通讯作者: 王娟
摘要: 选取30例脑出血血肿增大患者为血肿增大组,另选30例脑出血无血肿增大患者为无血肿增大组,均行脑CT检查。采用Logistic回归方程分析血肿增大的相关影响因素,用受试者工作特征曲线(ROC)分析脑出血征象、血肿体积、高低密度差预测血肿增大及软化灶的效能。结果显示,初诊血肿体积、高低密度差与血肿增大显著相关(P < 0.05);混杂征、分叶征、黑洞征、血肿形态不规则、初诊血肿体积、高低密度差联合预测血肿增大、出现软化灶的AUC值均高于任一单一参数预测。本研究结果可证实,混杂征、分叶征、黑洞征、血肿形态不规则、初诊血肿体积、高低密度差等CT征象和定量参数与血肿增大及软化灶形成关系密切,联合检测具有较高预测价值,便于指导临床完善治疗方案。
关键词: CT脑出血血肿体积软化灶密度差脑出血征象
The Evaluation of CT Features including Hemorrhage Signs, Hematoma Volume, High-low Density Difference in Predicting Hematoma Enlargement and Softening Cerebral
WANG Juan
![Corresponding author](http://www.yxkxyghx.org/article/2021/1674-0475/images/REcor.gif)
Department of Radiology, Beijing Rehabilitation Hospital, Capital Medical University, Beijing 100144, P. R. China
*Corresponding author: WANG Juan
Abstract: A total of 30 cases of cerebral hemorrhage patients with enlarged hematoma were selected as hematoma enlargement group, and 30 patients of cerebral hemorrhage without hematoma enlargement were selected as non-hematoma enlargement group. All patients were examined by CT. Logistic regression equation was used to analyze the related influencing factors of hematoma enlargement. The receiver operating characteristic curve (ROC) was used to analyze the efficacy of cerebral hemorrhage signs in predicting hematoma enlargement and softening, as well as hematoma volume and high-low density difference. The results showed that the volume of newly diagnosed hematoma and the difference between high and low density were significantly related to the increase of hematoma (P < 0.05). The confounding sign was combined with lobular sign, black hole sign, irregular hematoma, the volume of the newly diagnosed hematoma and the high-low density difference to predict the hematoma enlargement and softening. The AUC values were higher than those predicted by any single parameter. The results of this study can confirm that CT features are closely related to hematoma enlargement and softening, which including the confounding sign, lobular sign, black hole sign, irregular hematoma, newly diagnosed hematoma volume and high-low density difference. The combined detection has high predictive value, which is convenient to guide the clinical treatment plan.
Key words: CTcerebral hemorrhagehematoma volumesoftening focidensity differencesigns of cerebral hemorrhage
脑出血是严重危害人类健康的一种脑血管疾病,具有发病凶险、病情进展快、致残致死率高等特征,其中血肿增大及出现软化灶是致病情恶化、预后不良的关键因素[1]。临床早期评价血肿增大、出现软化灶的风险是有效制定治疗方案、改善预后的关键环节。CT血管成像是临床诊断脑血管疾病的主要影像学技术,其中斑点征、渗漏征在预测血肿扩大风险中具有较高敏感性,但受技术条件限制,在多数医院CT血管成像并非急诊常规检查手段,而CT平扫是首选影像学检查手段[2, 3]。因此,探明CT平扫参数与血肿增大、出现软化灶间的关联性具有重大意义。脑出血CT平扫的征象众多,常用的如混杂征、分叶征、黑洞征、血肿形态规则性等,均可能是评价脑出血病情转归的依据,但以往报道重点多从Logistic回归方程方面分析血肿增大及出现软化灶的危险因素,很少明确相关参数具体预测价值[4]。基于此,本研究在以往研究基础上采用ROC曲线进一步分析了CT平扫评估脑出血征象、血肿体积、高低密度差,并预测血肿增大及软化灶的价值,旨在为临床完善诊疗机制提供参考。
1 资料与方法1.1 一般资料选取2018年6月~2019年12月我院收治的30例脑出血血肿增大患者,设为血肿增大组,另选30例脑出血后无血肿增大患者作为无血肿增大组。纳入标准:符合脑出血诊断标准[5];急性脑出血6 h内首次完成头颅CT平扫;病情稳定;符合内科治疗指征,发病24 h内均行内科治疗,未进行任何手术治疗;治疗6 h后或出现病情变化时再次进行头颅CT平扫;家属知情研究,签署同意书。排除标准:出血性脑梗塞者;脑动脉瘤、烟雾病或脑血管畸形诱发脑出血者;脑外伤致脑出血者;抗凝、溶栓等所致脑出血者;濒死状态或深度昏迷者。
1.2 方法(1) 患者入院时进行颅脑CT检查,采用飞利浦Ingenuity Core 128层螺旋CT机,参数:管电压120 kV、管电流200 mA、螺距1.0、层厚1.0 mm、矩阵512×512。取仰卧位,扫描范围从第2颈椎至头顶部。入院治疗6 h后再次头颅CT平扫。
(2) 数据分析,获取数据传送至智能辅助诊断系统,自行检测血肿部位和血肿最大径、最小径、体积等参数,对病灶进行评价。
(3) 定量资料:a. 血肿体积、最大径、最小径由智能辅助诊断系统自动计算。b. 血肿最大CT值、平均CT值,由智能辅助诊断系统获取全部视野后,测算血肿最大CT值和平均CT值。手动计算血肿最大径与最小径差值。
(4) 定性资料:a. 混杂征,血肿内有相邻低密度、高密度区,且不同密度区分界清晰,可肉眼分辨,CT值差值≥18 HU;b. 黑洞征,血肿内存在低密度区,表现椭圆形、圆形或小斑片状,且未与附近脑组织相连,边界明显,且高低密度区值差值≥28 HU;c. 血肿形态不规则,血肿边缘呈分叶征,见血肿分散或边缘突起。
血肿增大定义:CT复查出血量与初诊时对比,增加>33%或绝对体积增加>6 mL。出血量换算方法:按简化多田公式(abc/2)计算出血量,通过血肿FEA法换算出血量(1 mm3=1 mL)。血肿形态规则性判断:FEA法采取血肿腔每平方毫米表面积中三角片数量(TQOT/mm3)≥1.95个/mm3来界定。
1.3 观察指标(1) 两组患者的一般资料、CT征象与定量参数比较。
(2) 血肿增大的Logistic回归方程。
(3) 分析脑出血征象、血肿体积、高低密度差预测血肿增大的价值。
(4) 有/无软化灶的患者脑出血征象、血肿体积、高低密度差比较。
(5) 分析脑出血征象、血肿体积、高低密度差预测软化灶的价值。
1.4 统计学处理采用统计学软件SPSS 23.0处理数据,计数资料以例数描述,计量资料采取Bartlett方差齐性检验与Kolmogorov-Smirnov正态性检验,均确认具备方差齐性且近似服从正态分布,以平均数±标准差描述;采用Logistic回归方程分析影响因素;预测效能分析采用受试者工作特征(ROC)曲线,获取曲线下面积、置信区间、敏感度、特异度及cut-off值,不同预测方案间曲线下面积比较采用DeLong检验,均采用双侧检验,α=0.05。
2 结果2.1 两组患者一般资料、CT征象与定量参数比较两组患者年龄31~76岁,组间年龄、性别、体质量指数、病因、血肿部位、发病至首次CT时间、复查CT时间比较,差异无统计学意义(P>0.05);血肿增大组混杂征、分叶征、黑洞征、血肿形态不规则患者占比及初诊血肿体积、高低密度差高于无血肿增大组(P<0.05)。见表 1。
表1
![]()
| 表 1 两组患者一般资料、CT征象与定量参数比较 |
2.2 血肿增大的Logistic回归方程分析以血肿增大为因变量(未增大为0,增大为1),纳入单因素分析具有统计学意义的混杂征、分叶征、黑洞征、血肿形态、初诊血肿体积、高低密度差作为自变量,进行Logistic回归方程分析。结果显示,有混杂征患者血肿增大风险是无混杂征患者的2.505倍,有分叶征患者血肿增大风险是无分叶征患者的2.153倍,有黑洞征的患者血肿增大风险是无黑洞征患者的1.813倍,血肿形态不规则患者血肿增大风险是形态规则患者的3.676倍,且初诊血肿体积、高低密度差与血肿增大显著相关(P<0.05)。见表 2。
表2
![]()
| 表 2 影响因素的Logistic回归方程分析 |
2.3 脑出血征象、血肿体积、高低密度差预测血肿增大的价值分别绘制混杂征、分叶征、黑洞征、血肿形态、初诊血肿体积、高低密度差预测血肿增大的ROC曲线(图 1),结果显示,混杂征预测的曲线下面积(AUC)为0.650;分叶征预测的AUC值为0.667;黑洞征预测的AUC为0.650;血肿形态预测的AUC为0.800;初诊血肿体积预测的AUC为0.802;高低密度差预测的AUC为0.754;上述各指标联合预测的AUC为0.882,联合预测的AUC高于任一单一参数预测,见表 3。
图 1
![]() | 图 1 CT征象与定量参数预测血肿增大的ROC曲线a. 混杂征;b. 分叶征;c. 黑洞征;d. 血肿形态;e. 初诊血肿体积和高低密度差;f. 联合预测 |
表3
![]()
| 表 3 CT征象与定量参数预测血肿增大的ROC曲线分析结果 |
2.4 有/无软化灶患者脑出血征象、血肿体积、高低密度差比较血肿增大组有软化灶的患者中,出现混杂征、分叶征、黑洞征、血肿形态不规则的患者占比及初诊血肿体积、高低密度差均高于无软化灶患者(P<0.05)。见表 4。
表4
![]()
| 表 4 无软化灶患者的脑出血征象、血肿体积、高低密度差比较 |
2.5 脑出血征象、血肿体积、高低密度差预测软化灶的价值绘制混杂征、分叶征、黑洞征、血肿形态、初诊血肿体积、高低密度差预测软化灶的ROC曲线(见图 2),结果显示,混杂征预测软化灶的AUC值为0.764;分叶征预测的AUC值为0.736;黑洞征预测的AUC值为0.722;血肿形态预测的AUC值为0.722;初诊血肿体积预测的AUC值为0.838;高低密度差预测的AUC值为0.810;上述各指标联合预测的AUC值为0.894,联合预测的AUC值高于任一单一参数预测,详见表 5。
图 2
![]() | 图 2 CT征象与定量参数预测软化灶的ROC曲线a. 混杂征;b. 分叶征;c. 黑洞征;d. 血肿形态;e. 初诊血肿体积和高低密度差;f. 联合预测 |
表5
![]()
| 表 5 CT征象与定量参数预测软化灶的ROC分析结果 |
3 讨论近年受饮食、生活方式改变等因素影响,脑出血发病人数有显著增加趋势,已发展成危害公众健康的常见疾病之一[6]。大量研究显示,血肿增大、软化灶形成患者遗留神经功能障碍机率更大[7, 8]。目前软化灶形成经影像学检查可明确诊断,但血肿增大尚无统一标准,而血肿增大、软化灶形成涉及机制复杂,临床急需完善相关评价机制以指导制定治疗方案[9]。
本研究根据陆毅奇等[10]报道中所给出血肿增大判定标准进行分组探究,结果发现,混杂征、分叶征、黑洞征、血肿形态、初诊血肿体积、高低密度差均与血肿增大有关(P<0.05)。有研究报道,与最初血肿量30 mL以上患者对比,血肿量低于20 mL患者的血肿增大发生机率较小[11]。本研究中,血肿增大组的初诊血肿体积高于无血肿增大组(P<0.05),可能是因为血肿量越大,脑血管组织自愈力越弱。血肿有多种形态,主要分不规则形态、规则形态,分叶征为不规则形态的一种常见表现形式。有****研究表明,血肿增大程度与血肿形态关系密切,有分叶征的患者30 d内病死率较高[12]。本研究也发现血肿增大患者分叶征及血肿形态不规则占比较高,可能原因是血液进入脑组织可直接破坏血脑屏障,并激活炎症反应加重脑细胞损害;血肿形态不规则时更易引起脑水肿进展造成不良预后。另外,混杂征、黑洞征均为血肿密度不均引起,本研究同样观察到血肿内密度不均的特征,且血肿增大组高低密度差高于无血肿增大组(P<0.05)。近期我国****提出,混杂征是预测早期血肿增大的新征象,定义是:血肿内同时可见相邻高低密度区;高低密度区界限清晰;高低密度区密度差≥18 HU;高密度区未完全包裹低密度区[13]。本研究经Logistic回归方程分析,有混杂征患者血肿增大风险是无混杂征患者的2.505倍,有黑洞征的患者血肿增大风险可能是无黑洞征患者的1.813倍,且高低密度差与血肿增大显著相关。进一步通过ROC曲线分析显示,混杂征、分叶征、黑洞征、血肿形态不规则、初诊血肿体积、高低密度差联合预测血肿增大的AUC值为0.882,对应敏感度为76.67%,特异度为90.00%,提示上述参数可为临床预测血肿增大提供参考依据。
脑软化灶是脑出血后脑细胞死亡而形成的一种病理结构,与正常脑组织对比,软化灶质地较硬,内部分布胶质细胞、纤维结缔组织,并伴畸形血管。临床证实,脑软化灶体积越大,患者预后越易出现神经功能缺损症状。本研究发现,在有软化灶的患者中,出现混杂征、分叶征、黑洞征及血肿形态不规则患者占比及初诊血肿体积、高低密度差均高于无软化灶患者(P<0.05),此与国内外报道[14, 15]基本相符。脑出血会诱发一系列继发性周围组织神经损害,如:血肿压迫周围脑组织致脑组织移位、变形;出血体积大于30 mL时人体不能完全吸收出血,易形成坏死腔隙性病灶等。这种病理性改变越显著,上述CT参数差异越明显[16]。本研究还发现,CT脑出血征象、血肿体积、高低密度差联合预测软化灶形成的AUC值为0.894,高于任一单一参数检测,可作为指导临床完善治疗方案的客观依据。本研究局限性在于未进行长期随访观察,CT脑出血征象、血肿体积、高低密度差对远期预后评价价值如何,需进一步探究。
综上可知,混杂征、分叶征、黑洞征、血肿形态不规则、初诊血肿体积、高低密度差等CT征象和参数与血肿增大及软化灶形成关系密切,联合检测具有较高预测价值,便于指导临床完善治疗方案。
参考文献
[1] | 宿英英. 降低大容积脑出血病死率需要共识[J]. 中华医学杂志, 2017, 97(9): 643-644. DOI:10.3760/cma.j.issn.0376-2491.2017.09.002 |
[2] | 闵晓黎, 陈泉明, 曹毅. CT混合征与CT血管成像斑点征对急性脑出血血肿扩大的预测价值[J]. 中国脑血管病杂志, 2020, 17(3): 140-145. DOI:10.3969/j.issn.1672-5921.2020.03.005 |
[3] | 杜涛明, 秦菊, 丁杰, 等. CT平扫及双期增强扫描在预测高血压脑出血血肿扩大中的价值[J]. 医学影像学杂志, 2018, 28(6): 11-13, 17. |
[4] | 王业青, 时代, 陆宽, 等. CT平扫漩涡征与黑洞征在预测脑出血早期血肿扩大中的价值研究[J]. 中华神经医学杂志, 2020, 19(1): 29-35. |
[5] | 中华医学会神经病学分会, 中华医学会神经病学分会脑血管病学组. 中国脑出血诊治指南(2019)[J]. 中华神经科杂志, 2019, 52(12): 994-1005. DOI:10.3760/cma.j.issn.1006-7876.2019.12.003 |
[6] | Li C, Yun D, Ping Z. Investigation on risk factors of ventilator-associated pneumonia in acute cerebral hemorrhage patients in intensive care unit[J]. Canadian Respiratory Journal, 2017, 2017(1): 1-4. |
[7] | 周艳, 夏莉君, 陈映. 立体定向微创穿刺置管引流与开颅血肿清除手术治疗基底核区脑出血疗效比较[J]. 神经损伤与功能重建, 2020, 15(2): 118-11. |
[8] | Pan F, Wang J Y, Xu Y, et al. Abnormal parietal encephalomalacia associated with schizophrenia: a case report[J]. Medicine, 2017, 96(10): e6310. DOI:10.1097/MD.0000000000006310 |
[9] | 赵省婷, 张承志. 高血压性脑出血后遗有无软化灶与CT及SWI影像表现的相关性研究[J]. 中国临床医学影像杂志, 2020, 31(1): 61-63. |
[10] | 陆毅奇, 薛建中, 黄剑岗, 等. 血栓弹力图参数预测脑出血患者血肿增大[J]. 国际脑血管病杂志, 2018, 26(12): 902-907. DOI:10.3760/cma.j.issn.1673-4165.2018.12.005 |
[11] | 彭佳华, 龙少好, 黄兰青, 等. 自发性脑出血患者血肿形态分析对早期血肿扩大的预测与诊断价值[J]. 中华急诊医学杂志, 2020, 29(4): 565-572. |
[12] | Yu Z, Zheng J, Xu Z, et al. Accuracy of shape irregularity and density heterogeneity on noncontrast computed tomography for predicting hematoma expansion in spontaneous intracerebral hemorrhage: a systematic review and meta-analysis[J]. World Neurosurgery, 2017, 108(1): 347-355. |
[13] | 张梦知, 王瑞芳, 杨本强, 等. CT混杂征对脑出血血肿扩大的预测价值[J]. 中国临床医学影像杂志, 2019, 30(2): 77-79. |
[14] | Cunqueiro A, Durango A, Fein D M, et al. Diagnostic yield of head CT in pediatric emergency department patients with acute psychosis or hallucinations[J]. Pediatric Radiology, 2018, 49(2): 240-244. |
[15] | 王少华. 高血压性脑出血血肿早期增大与平扫CT征象的相关性分析[D]. 北京: 北京协和医学院, 2019. |
[16] | 解岗. 显微镜下经侧裂岛叶入路治疗高血压性基底节区脑出血的效果[J]. 精准医学杂志, 2019, 34(5): 448-450. |