導讀
急性缺血性卒中發病4.5h內給予靜脈阿替普酶溶栓治療可改善預後。除了常見的自發性腦出血以外，梗死背景下的出血轉化也是臨床實踐中需要
關注的問題。在中華醫學會第二十二次全國神經病學學術會議上，來自吉林大學第一醫院神經內科的楊弋教授針對《急性腦梗死靜脈溶栓後出血轉化預測模型以及相關因素研究》進行了精彩的報告，醫脈通整理如下。
溶血後出血轉化的定義與分型
腦梗死後首次頭顱CT/MRI未發現出血，再次CT/MRI發現顱內出血，一般發生在靜脈溶栓後36h內，症狀性出血（sICH）發生率在2% -7%，與預後不良有關。
臨床上通過NIHSS評分來評估溶栓後出血轉化的程度。此外，可根據患者出血轉化的形態、分佈、梗死病灶之間的關係進行影像學分型。sICH 大部分發生在溶栓24h以內，只有10%-15%發生在24h之後，最多不超過36h。為提高對sICH高危患者的密切關注，有學者建議溶栓後的血壓監測從目前推薦的8h延長至12h。
溶栓出血轉化的相關因素
sICH的發生率跨度非常大，與溶栓藥物的劑量選擇、溶栓時間窗、評價標準有直接聯繫。NINDS研究表明，sICH的發生率與阿替普酶的劑量有關，與標準劑量相比，當劑量大於0.9mg/kg時，sICH發生率更高；ENCHANTED研究表明，當阿替普酶劑量為0.6mg/kg時，出血轉化發生率更低。
溶栓後出血轉化的機制、危險因素
溶栓出血轉化的機制有以下四個方面：
➤ 閉塞血管再通：栓子堵塞血管後，其遠端血管缺血麻痺，栓子崩解或向遠端移行後，血管通透性增加而引起血液的滲出。
➤ 再灌注損傷：大面積梗塞的團塊效應以及水腫、壓迫梗塞周圍的血管引起血液滯留，水腫減退後這些小血管發生再灌注，已發生壞死的小血管破裂致斑點狀、片狀滲血。
➤ 側支循環建立：由於新形成的側支循環血管壁發育不健全，再通時受血液衝擊引起出血。
➤ 阿替普酶誘導的凝血障礙。
sICH有證據的危險因素有以下：卒中嚴重程度、高齡、高血壓、房顫、糖尿病、基線血糖高、腎功能不全、充血性心衰、缺血性心衰、抗血小板藥物使用、影像學梗死灶已顯現、白質疏鬆、腦微出血。但是危險因素的證據級別高低不一，單因素對出血轉化的預測價值有限。
sICH發生率
根據2015年5月-2019年5月腦血管病臨床試驗與臨床研究中心的數據顯示，靜脈溶栓發生出血轉化比機械取栓後發生症狀性顱內出血及院內死亡的比例更高（13.0% vs. 12.1%）。根據2015-2018年間出血轉化和症狀性顱內出血的比例，隨著臨床經驗積累和醫生診斷能力的提升，出血轉化和症狀性顱內出血的比例明顯呈下降趨勢。
溶栓前出血轉化的預測
◆ 傳統手段——sICH預測評分 ◆
臨床實踐中，由於患者的個體化差異，進行單一因素分析十分困難。因此，將單一因素儘可能地納入到sICH的預測評分系統，對出血轉化的發生概率進行預測。通統計學分析，預測結果的準確性和敏感度均不理想。
◆ 新興手段——人工智能預測分析 ◆
除了臨床醫生的自主學習能力，基於AI+醫學影像的預測診斷已經在臨床中得以應用，例如：皮膚痛輔助診斷、糖尿病視網膜病變診斷、自閉症譜系障礙的精確診斷、肺結節檢測中。機器學習方法同樣可以也對溶栓後出血轉化有較好的預測能力，尋找到溶栓後出血轉化的預測方法、預測因素以及干預靶點。
（1） 預測方法——人工智能
人工智能是指計算機建立數學模型，模擬人腦神經元網絡結構，然後對臨床資料進行多層深度學習，找到數據內存在的一種: “套路”以供臨床醫生在臨床實踐中得以應用。基於深度學習人工神經網絡構建溶栓後出血轉化預測模型是可行的，可對今後溶栓治療決策起到一定的指導作用。
（2）預測因素——蛋白芯片&基因檢測
在蛋白水平，通過對樣本進行機制研究，把溶栓後出血轉化患者的血液標本進行血腦屏障蛋白和基因水平的相關檢測，經過監測和篩選以發現新血清標記物的存在。童非非[高俊巧5] 除了蛋白水平，基因水平上上述兩個通路的基因多態性分析也可以為出血轉化的發生有密切相關。
（3）干預探索——靶點干預
儘管致死性溶栓後出血轉化事件的發生率非常低，但是對醫生來說這種事件仍然是嚴重的臨床問題。因此我們希望通過有效手段來預測出血轉化事件的發生率，尋求藥物干預手段來減少其發生概率。基於溶栓背景下動物模型的血腦屏障相關蛋白的激動劑或者抑制劑進行干預後，通過對血清學動態變化進行分析能獲得更多新證據，期待未來研究能夠更好地為出血轉化提供證據支持。
閱讀更多 醫脈通神經科 的文章
