作者：韦玉栋，长治医学院；朱亭，成都市第八人民医院；尚进林，长治医学院附属和平医院

卒中是全球死亡的第二大原因，近十年中国卒中患病率、发病率及病死率呈持续增长趋势。其中，脑出血（intracerebral hemorrhage，ICH）占11.9%~27.9%，早期病死率可达40%，只有不到30%的患者恢复到此前生活状态。幸存者同样会出现不同程度的残疾，增加再次发生脑出血和脑出血后遗症（如癫痫或痴呆）的风险。尽管目前ICH的管理较以前改善，但理想的治疗方法仍有待确定。血肿扩大（hematoma expansion，HE）是ICH 发生后预测神经功能结局的最强影响因素，而有效防止其发生仍是目前研究的重点。

提前发现HE患者，通过治疗控制血肿的生长，不仅能增加生存率，还能改善其不良结局。约73%的患者在3 h内出现不同程度的血肿扩大，且血肿每增加1 mL，致患者死亡或残疾风险增加5%。因此，快速识别HE 高风险患者，使其得到及时治疗仍是关注的重中之重。

1. 血肿扩大的定义

通过连续影像学成像测量血肿体积，传统的HE定义更侧重于脑实质内血肿体积的改变。基于研究者之间的共识，即肉眼区分基线（诊断脑出血的初始成像）和后续脑扫描的差异，Kazui等发现HE的最佳临界值即体积增长≥40%或≥12.5 mL。后来，又有研究者通过成像时不同定位和角度及球体体积和直径的数学关系，提出>33%的替代阈值。通过对基线脑出血量与可检测最小增长值的分析，有研究者发现>6 mL可很好地检测HE。

虽然其考虑了测量技术的最小差异，但忽略了血肿扩大与临床结局的关系。比较HE不同阈值与临床结局的关系时发现，几乎所有的阈值均能预测不良结局，且血肿每增加10%，患者死亡风险增加5%，从独立生活到需要帮助，再到完全不能自理的可能性增加18%。研究发现，新发脑室内出血或不到1 mL增加量均会导致不良结局，将其加入到HE定义中，不仅提高了敏感性，还改善了患者的90 d预后。

考虑到观察性及临床性研究的便利性和准确性，仍需对HE的定义进行统一。理想的定义应考虑体积的最小可检测值，还应与临床结局密切相关。

2. 脑出血血肿扩大的影响因素

首次头颅CT时间、基线脑血容量、高血压、入院时高血糖、计算机断层血管造影（CT angiography，CTA）斑点征、血肿位置与HE密切相关。研究发现，低密度脂蛋白水平、钙、钠、镁、白细胞介素1与6、基质金属蛋白酶-9、红细胞分布宽度、乳酸脱氢酶、尿酸、D-二聚体、肝纤维化指标、中性粒细胞绝对值/血小板计数、中性粒细胞绝对值/淋巴细胞计数比值（neutrophil-to-lymphocyte ratio，NLR）、吸烟、血栓弹力图参数、直接胆红素和血红蛋白水平也是ICH患者早期血肿扩大和不良结局的影响因素。基于造影剂的渗透性，CTA斑点征及碘征被发现，CTA斑点征被认为是HE的最强预测因子，但在ATACH-Ⅱ试验中，>80%的患者未接受CTA，而在接受CTA的患者中，斑点征的诊断性能也比之前研究差。

此外，两项大型随机试验也因招募率缓慢而提前终止。因此，混合征、黑洞征、漩涡征、非增强CT低密度、岛征、卫星征、血肿形状不规则相继被提出，但因其敏感性较低，仍需进一步验证。

3. 脑出血血肿扩大的预测模型

3.1 斑点征评分模型

斑点征评分模型由Delgado等收集马萨诸塞州总医院就诊的ICH患者创建，HE定义为>30%或>6 mL，变量包括斑点征数量、最大轴向尺寸和最大衰减值，首次纳入CTA斑点征，缺点为变量不易收集。

3.2 基底节HE模型

基底节HE模型由Takeda等收集埼玉医科大学国际医疗中心就诊的ICH患者创建，HE定义为>33%或>12.5 mL，变量为基线ICH容量、血肿异质性、收缩压，优点为变量易于收集，缺点为HE患者数量较少。

3.3 9 分预测模型

9分预测模型由Brouwers等收集马萨诸塞州总医院就诊的ICH患者创建，于布里格姆妇女医院验证，HE定义为>33%或>6 mL，变量包括华法林使用史、CTA斑点征、首次CT扫描时间和基线ICH容量。该研究为前瞻性研究，进行外部验证，缺点是CTA及华法林的局限性，尤其CTA在多数医院难以获得。

3.4 The BRAIN Score 模型

The BRAIN Score 模型由Wang等基于INTERACT 2建立的24分模型，在INTERACT 1中验证。HE定义为≥6 mL，变量为基线ICH容量、再发脑出血、华法林使用史、脑室内出血和首次CT扫描时间。The BRAIN Score模型涵盖内容较全面，需进行外部验证，但影像资料欠缺。

3.5 The HEP Score 模型

The HEP Score 模型由Yao 等收集贝斯以色列女执事医疗中心就诊的ICH患者创建，HE定义为>33%或>6 mL，变量为首次CT 扫描时间、格拉斯哥昏迷量表（Glasgow coma scale，GCS）评分、痴呆史、抗血小板药物使用史、吸烟史、蛛网膜下腔出血。首次纳入痴呆史和吸烟史，变量易获得，但同样忽略影像因素。

3.6 The PREDICT A/B scores模型

The PREDICTA/B scores模型由Huynh等收集多个国家及中心就诊的ICH患者，创建2个预测模型（23/28分），HE定义为>33%或>6 mL。A变量为GCS评分、首次CT扫描时间、华法林使用史或国际标准化比值（international normalized ratio，INR）>1.5、CTA 斑点征；B变量为美国国立卫生研究院卒中量表（NIHSS）评分、首次CT扫描时间、华法林使用史或INR>1.5、CTA斑点征。优点为前瞻性、多区域中心研究；缺点为仅适用于幕上脑出血。

3.7 The BGS 模型

The BGS 模型由Huang 等收集青海省人民医院就诊的ICH患者创建，HE定义为>33%或>6 mL，变量为CT平扫征象（岛征、混合征或漩涡征）、抗凝剂使用史或INR>1.5、首次CT扫描时间、基线血肿体积和脑室内出血。该模型首次将CT平扫征象纳入，缺点为样本量小。

3.8 The BAT Score 模型

The BAT Score 模型由Morotti等收集波士顿学术医院就诊的ICH患者创建，并在ATACH-Ⅱ和PREDICT中验证。HE定义为>33%或>6 mL，变量为混合征、CT低密度及发病至基线CT的时间。优点为进行了多中心外部验证，并取得较好的结果；缺点为CT平扫征象灵敏度低。

3.9 The HEAVN score 模型

The HEAVN score模型由Miyahara等收集国立国际医疗研究中心医院就诊的ICH 患者创建，进行内部验证。HE 定义为>33%，变量为CT异质性、CT液平、周围水肿带、基线血肿体积和抗凝剂使用史。优点为涉及CT平扫征象，缺点为主观局限性。

3.10 HE 风险模型

HE风险模型通过大样本量荟萃分析创建，HE定义为>6 mL，变量为首次CT扫描时间、基线血肿体积、抗血小板药物及抗凝剂使用史，在此基础上增加CTA斑点征后结果更优。优点为更客观，样本量大；缺点为既往史较多，具有局限性。

3.11 The NAG scale 模型

The NAG scale模型由Sakuta等收集东京慈惠会医科大学就诊的ICH患者创建，HE定义为>33%或>6 mL，变量为NIHSS评分、抗凝剂使用史、入院血糖。优点为便捷，缺点为主观局限性。

3.12 青藏高原HE 预测模型

青藏高原HE预测模型由Du等收集青海省人民医院就诊的ICH患者创建，HE定义为>33%或>6 mL，变量为CT异质性、岛征、混合征、黑洞征、漩涡征、血肿位置、首次CT扫描时间、糖尿病史。优点为对各变量权重赋值，更加客观准确，缺点为区域局限性。

3.13 SVM 模型

SVM 模型由Liu 等收集温州医科大学附属医院就诊的ICH 患者创建，HE 定义为>33%或>6 mL，变量为男性、首次CT 扫描时间、GCS评分、纤维蛋白原水平、黑洞征和混合征。优点为人工智能更加客观，样本量大，缺点为随访CT时间为72 h。

3.14 多中心HE 模型

多中心HE模型由Yang等收集3 所医院就诊ICH患者构建，HE 定义为>33%或>6 mL，变量为岛征、混合征、漩涡征、脑室内出血、糖尿病史、首次CT扫描时间、基线血肿体积。优点为多中心，大样本量，缺点为缺乏验证。

3.15 第三军医大学西南医院HE 模型

第三军医大学西南医院HE模型由Zhang等收集西南医院就诊的ICH患者创建，于内部前瞻性验证。HE定义为>33%或>6 mL，变量为首次CT扫描时间、NIHSS评分、CTA斑点征、CT低密度、混合征、INR。优点为样本量大，进行了内部验证；缺点为变量主观性强，且CTA不易获得。

3.16 CNN 模型

CNN模型由Zhong等收集浙江大学第二附属医院就诊的ICH 患者创建，HE 定义为≥6 mL 或≥33%。该模型通过卷积神经网络（convolutional neural networks，CNN）基于CT平扫征象创建。优点为前瞻性研究，并进行内部验证；缺点为缺少幕下血肿、缺乏外部验证、样本量小。

3.17 HIH 模型

HIH 模型由Hu 等收集湖州福音医院就诊的ICH患者创建，HE定义为≥6 mL或≥33%，变量为饮酒史、GCS评分、血清钙、入院时血糖、INR、血肿形态、血肿密度、基线血肿体积、IVH。优点为首次纳入饮酒史、血清钙，缺点为仅适用于基线血肿量<30 mL患者。

3.18 高血压HE 模型

高血压HE模型由Yu等收集重庆大学中心医院就诊的ICH患者创建，并通过Bootstrap 方法进行内部验证。HE 定义为>33%或>6 mL，变量为首次CT扫描时间、基线血肿体积、CT不规则形态、漩涡征、混合征。优点为操作简便，缺点为主观性强，区域局限性。

3.19 HEBG 模型

HEBG模型由Xu等收集长沙市中心医院就诊的ICH 患者创建，并进行内部验证。HE定义为>33%或>6 mL，变量为首次CT扫描时间、NLR、CT 低密度、混合征、放射组学评分（R-score）。优点为首次纳入NLR，缺点为样本量小。

4. 总结与展望

虽不断有新的模型被提出，但一些关键性问题仍未解决。首先，既往定义并未考虑HE与临床结局的关系，对研究准确性造成影响。其次，大多数模型为单中心回顾性研究，样本量较小，且有区域性，缺少外部验证。然后，研究中变量的具体划分无严格标准，且具有主观性，可能导致结果偏倚。

最后，CTA斑点征在模型中占较大比值。临床工作中CTA并不普及，肾功能异常、碘过敏和发病情况不明（如醒后卒中）等也限制了其应用，使模型达不到预期效果。通过对ICH及HE的不断研究，发现许多新方向，如HE定义能否将新发脑室内出血及脑室内出血增加纳入；青年卒中发病率逐渐增高，是否可从纳入标准限制其年龄，观察不同年龄段人群的影响因素；新型炎症因子及电解质被提出与HE有关，能否将其纳入模型，帮助临床及时发现HE高危患者。

随着人工智能的发展，越来越多的机器学习模型被运用到医学领域，取得良好效果。因此，不断发现更方便、准确的影响因素，创建更好预测效能的模型仍是未来相关领域的重要方向之一。

来源：韦玉栋,朱亭,尚进林.脑出血血肿扩大预测模型的研究进展[J].中国实用神经疾病杂志,2025,28(07):920-924.

(本网站所有内容，凡注明来源为“医脉通”，版权均归医脉通所有，未经授权，任何媒体、网站或个人不得转载，否则将追究法律责任，授权转载时须注明“来源：医脉通”。本网注明来源为其他媒体的内容为转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。)