医脉通整理报道，未经授权请勿转载。

急性缺血性卒中发病4.5h内给予静脉阿替普酶溶栓治疗可改善预后。除了常见的自发性脑出血以外，梗死背景下的出血转化也是临床实践中需要关注的问题。在中华医学会第二十二次全国神经病学学术会议上，来自吉林大学第一医院神经内科的杨弋教授针对《急性脑梗死静脉溶栓后出血转化预测模型以及相关因素研究》进行了精彩的报告，医脉通整理如下。

杨弋个人.jpg

溶血后出血转化的定义与分型

脑梗死后首次头颅CT/MRI未发现出血，再次CT/MRI发现颅内出血，一般发生在静脉溶栓后36h内，症状性出血（sICH）发生率在2%-7%，与预后不良有关。

临床上通过NIHSS评分来评估溶栓后出血转化的程度。此外，可根据患者出血转化的形态、分布、梗死病灶之间的关系进行影像学分型。sICH 大部分发生在溶栓24h以内，只有10%-15%发生在24h之后，最多不超过36h。为提高对sICH高危患者的密切关注，有学者建议溶栓后的血压监测从目前推荐的8h延长至12h。

溶栓出血转化的相关因素

sICH的发生率跨度非常大，与溶栓药物的剂量选择、溶栓时间窗、评价标准有直接联系。NINDS研究表明，sICH的发生率与阿替普酶的剂量有关，与标准剂量相比，当剂量大于0.9mg/kg时，sICH发生率更高；ENCHANTED研究表明，当阿替普酶剂量为0.6mg/kg时，出血转化发生率更低。

溶栓后出血转化的机制、危险因素

溶栓出血转化的机制有以下四个方面：

➤ 闭塞血管再通：栓子堵塞血管后，其远端血管缺血麻痹，栓子崩解或向远端移行后，血管通透性增加而引起血液的渗出。

➤ 再灌注损伤：大面积梗塞的团块效应以及水肿、压迫梗塞周围的血管引起血液滞留，水肿减退后这些小血管发生再灌注，已发生坏死的小血管破裂致斑点状、片状渗血。

➤ 侧支循环建立：由于新形成的侧支循环血管壁发育不健全，再通时受血液冲击引起出血。

➤ 阿替普酶诱导的凝血障碍。

sICH有证据的危险因素有以下：卒中严重程度、高龄、高血压、房颤、糖尿病、基线血糖高、肾功能不全、充血性心衰、缺血性心衰、抗血小板药物使用、影像学梗死灶已显现、白质疏松、脑微出血。但是危险因素的证据级别高低不一，单因素对出血转化的预测价值有限。

sICH发生率

根据2015年5月-2019年5月脑血管病临床试验与临床研究中心的数据显示，静脉溶栓发生出血转化比机械取栓后发生症状性颅内出血及院内死亡的比例更高（13.0 % vs. 12.1%）。根据2015-2018年间出血转化和症状性颅内出血的比例，随着临床经验积累和医生诊断能力的提升，出血转化和症状性颅内出血的比例明显呈下降趋势。

杨弋.jpg

溶栓前出血转化的预测

1. 传统手段——sICH预测评分

临床实践中，由于患者的个体化差异，进行单一因素分析十分困难。因此，将单一因素尽可能地纳入到sICH的预测评分系统，对出血转化的发生概率进行预测。通统计学分析，预测结果的准确性和敏感度均不理想。

2. 新兴手段——人工智能预测分析

除了临床医生的自主学习能力，基于AI+医学影像的预测诊断已经在临床中得以应用，例如：皮肤痛辅助诊断、糖尿病视网膜病变诊断、自闭症谱系障碍的精确诊断、肺结节检测中。机器学习方法同样可以也对溶栓后出血转化有较好的预测能力，寻找到溶栓后出血转化的预测方法、预测因素以及干预靶点。

（1）预测方法——人工智能

人工智能是指计算机建立数学模型，模拟人脑神经元网络结构，然后对临床资料进行多层深度学习，找到数据内存在的一种: “套路”以供临床医生在临床实践中得以应用。基于深度学习人工神经网络构建溶栓后出血转化预测模型是可行的，可对今后溶栓治疗决策起到一定的指导作用。

（2）预测因素——蛋白芯片&基因检测

在蛋白水平，通过对样本进行机制研究，把溶栓后出血转化患者的血液标本进行血脑屏障蛋白和基因水平的相关检测，经过监测和筛选以发现新血清标记物的存在。童非非[高俊巧5] 除了蛋白水平，基因水平上上述两个通路的基因多态性分析也可以为出血转化的发生有密切相关。

（3）干预探索——靶点干预

尽管致死性溶栓后出血转化事件的发生率非常低，但是对医生来说这种事件仍然是严重的临床问题。因此我们希望通过有效手段来预测出血转化事件的发生率，寻求药物干预手段来减少其发生概率。基于溶栓背景下动物模型的血脑屏障相关蛋白的激动剂或者抑制剂进行干预后，通过对血清学动态变化进行分析能获得更多新证据，期待未来研究能够更好地为出血转化提供证据支持。