Science Bulletin |北京天坛:中国大型队列中颅内动脉瘤不稳定性的标志物和风险分层模型
2023-08-01 MedSci原创 MedSci原创 发表于上海
这项研究揭示了UIA不稳定性的标志物,并提供了一个风险分层模型,可为UIA的治疗决策提供指导。
颅内动脉瘤(IA)是非创伤性蛛网膜下腔出血的主要病因,在中国的发病率为 7%,在美国为 5%。70%以上的蛛网膜下腔出血是未破裂的颅内动脉瘤(UIA),是在影像学检查中偶然发现的。虽然动脉瘤破裂与高发病率和高死亡率相关,但之前的研究显示,UIA 的破裂率低至每年 1%。值得注意的是,积极的经验性手术治疗存在并发症的风险,包括缺血性中风和动脉瘤意外破裂。
评估动脉瘤的不稳定性(破裂和生长)风险有助于为未破裂颅内动脉瘤(UIA)的决策提供指导。本研究旨在建立一个 UIA 不稳定风险分层模型。来自北京天坛医院神经外科的王硕教授团队从2017年1月-2022年1月招募的两个前瞻性、纵向多中心中国队列的UIA患者被设定为衍生队列和验证队列。主要终点是随访2年期间的UIA不稳定性,包括动脉瘤破裂、生长或形态改变。
此外,还收集了 20 名患者的颅内动脉瘤样本和相应血清。对衍生队列(758 名单发 UIA 患者,其中 676 名稳定型 UIA,82 名不稳定型 UIA)进行了代谢组学和细胞因子谱分析。
结果显示,油酸(OA)、花生四烯酸(AA)、白细胞介素1β(IL-1β)和肿瘤坏死因子-α(TNF-α)在稳定型和不稳定型UIA之间显著失调。OA和AA在血清和动脉瘤组织中表现出同样的失调趋势。特征选择过程表明,大小比、不规则形状、OA、AA、IL-1β和TNF-α是UIA不稳定的特征。根据放射学特征和生物标志物构建了一个机器学习分层模型(不稳定性分类器),该模型评估UIA不稳定性风险的准确性很高(曲线下面积(AUC)为0.94)。在验证队列中(492 个 UIA 患者,其中有 414 个稳定的 UIA 和 78 个不稳定的 UIA),不稳定分类器在评估 UIA 不稳定风险方面表现良好(AUC=0.89)。补充OA和药物抑制IL-1β和TNF-α可防止大鼠模型颅内动脉瘤破裂。
综上,这项研究揭示了UIA不稳定性的标志物,并提供了一个风险分层模型,可为UIA的治疗决策提供指导。
参考文献:
The markers and risk stratification model of intracranial aneurysm instability in a large Chinese cohort, Science Bulletin, Volume 68, Issue 11.
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言