基于多模态脑血流影像参数构建AIS-LVO取栓术后神经功能预后预测模型的临床价值

doi:10.3877/cma.j.issn.1672-6448.2026.06.001

中华医学超声杂志（电子版） ›› 2026, Vol. 23 ›› Issue (06) : 433 -441. doi: 10.3877/cma.j.issn.1672-6448.2026.06.001

头颈部超声影像学

基于多模态脑血流影像参数构建AIS-LVO取栓术后神经功能预后预测模型的临床价值

王裕桢¹, 杨筱¹^,³^,^†(

), 林雨菲², 陈晓琼¹, 李玲¹, 吴珠娥¹, 杨燕芬¹, 杨舒萍¹

¹　363000　福建漳州，福建医科大学附属漳州市医院超声医学科
²　361000　福建厦门，厦门市妇幼保健院超声医学科
³　100730　北京，中国医学科学院北京协和医院超声医学科

收稿日期:2025-11-24 出版日期:2026-06-01
通信作者: 杨筱
基金资助:
国家重点研发计划课题项目(2025YFC2423004); 福建医科大学启航课题基金项目(2021QH1260)

A multimodal cerebral blood flow imaging-based predictive model for neurological prognosis after thrombectomy in patients with acute anterior circulation large-vessel occlusion

Yuzhen Wang¹, Xiao Yang¹^,³^,^†(), Yufei Lin², Xiaoqiong Chen¹, Ling Li¹, Zhu'e Wu¹, Yanfen Yang¹, Shuping Yang¹

¹ Department of Ultrasound Medicine, Zhangzhou Affiliated Hospital of Fujian Medical University, Zhangzhou 363000, China
² Department of Ultrasound Medicine, Xiamen Maternal and Child Health Hospital, Xiamen 361000, China
³ Department of Ultrasound Medicine, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences, Beijing 100730, China

Received:2025-11-24 Published:2026-06-01
Corresponding author: Xiao Yang

全文 ( ) 下载PDF ( ) 导出引用

引用本文：

王裕桢, 杨筱, 林雨菲, 陈晓琼, 李玲, 吴珠娥, 杨燕芬, 杨舒萍. 基于多模态脑血流影像参数构建AIS-LVO取栓术后神经功能预后预测模型的临床价值[J/OL]. 中华医学超声杂志（电子版）, 2026, 23(06): 433-441.

Yuzhen Wang, Xiao Yang, Yufei Lin, Xiaoqiong Chen, Ling Li, Zhu'e Wu, Yanfen Yang, Shuping Yang. A multimodal cerebral blood flow imaging-based predictive model for neurological prognosis after thrombectomy in patients with acute anterior circulation large-vessel occlusion[J/OL]. Chinese Journal of Medical Ultrasound (Electronic Edition), 2026, 23(06): 433-441.

目的

探讨基于经颅多普勒、经颅彩色多普勒超声以及计算机断层扫描灌注成像等多模态脑血流影像参数构建急性前循环大血管闭塞（AIS-LVO）患者取栓术后神经功能预后预测模型并评估其临床价值。

方法

回顾性收集因AIS-LVO行机械取栓术的患者174例，按7∶3比例分为训练集（121例）和内部验证集（53例），根据患者取栓术后90 d随访的改良Rankin量表（mRS）评分将训练集患者分为预后良好组和不良组。运用单因素差异性和多因素Logistic回归分析，筛选独立危险因素（P＜0.05），构建预测模型并验证其临床应用价值。

结果

单因素差异性及多因素回归分析显示年龄（OR=1.07，95%CI：1.02~1.11）、患健侧大脑中动脉均值流速差异比值（OR=1.34，95%CI：1.04~1.73）、发病至血管再通时间（OR=1.01，95%CI：1.01~1.04）、相对脑血流量＜30%脑组织体积（OR=1.18，95%CI：1.02~1.36）是AIS-LVO取栓术后的独立危险因素（P均＜0.05）。基于以上建立模型Logit（P，预后不良概率）=-6.66+0.06×年龄（岁）+0.01×发病至血管再通时间（min）+0.30×患健侧大脑中动脉均值流速差异比例+0.16×相对脑血流量＜30%脑组织体积（ml）。绘制ROC曲线下面积为0.758（95%CI：0.67~0.85），理论预测敏感度为63.2%，特异度为83.7%。霍姆斯拟合优度检验显示训练集（P=0.301）和内部验证集（P=0.126），说明其具有较好的准确性；临床决策曲线分析（DCA）提示该模型具有较好的临床实用性。

结论

联合多模态脑血流影像与临床数据构建AIS-LVO取栓术后神经功能预后的预测模型，有利于提升预测预后不良的准确率，为术后并发症预警及个体化干预提供依据。

关键词: 急性前循环大血管闭塞, 机械取栓, 多模态脑血流影像, 经颅多普勒超声, 预测模型

Objective

To construct a predictive model for neurological functional prognosis after endovascular thrombectomy in patients with acute anterior circulation large-vessel occlusion (AIS-LVO) based on multimodal cerebral blood flow imaging parameters, including transcranial Doppler, transcranial color-coded Doppler, and computed tomography perfusion, and to evaluate its clinical value.

Methods

A total of 174 patients with AIS-LVO who underwent mechanical thrombectomy were retrospectively enrolled. They were divided into a training set (121 cases) and an internal validation set (53 cases) at a ratio of 7∶3. According to the modified Rankin Scale (mRS) scores at 90-day follow-up after thrombectomy in the training set, patients were assigned to the favorable prognosis group and the poor prognosis group. Univariate difference analysis and multivariate Logistic regression analysis were performed to screen for independent risk factors, construct the predictive model, and validate its clinical application value.

Results

Univariate and multivariate regression analyses identified age (OR=1.07, 95%CI: 1.02~1.11), the ratio of the mean velocity difference between the affected and healthy middle cerebral arteries (OR=1.34, 95%CI: 1.04~1.73), onset-to-recanalization time (OR=1.01, 95%CI: 1.01~1.04), and the volume of brain tissue with relative cerebral blood flow ＜30% (OR=1.18, 95%CI: 1.02~1.36) as independent risk factors for poor prognosis after thrombectomy (all P＜0.05). The model was established as follows: Logit (P, probability of poor prognosis) = −6.66 + 0.06 × age (years) + 0.01 × recanalization time (minutes) + 0.30 × ratio of the mean velocity difference between the affected and healthy MCAs + 0.16 × volume of brain tissue with rCBF ＜30% (mL). The area under the ROC curve (AUC) was 0.758 (95%CI: 0.67~0.85), with a theoretical predictive sensitivity of 63.2% and specificity of 83.7%. The Hosmer-Lemeshow goodness-of-fit test showed no significant lack of fit in the training set (P=0.301) or the internal validation set (P=0.126), indicating good calibration. Decision curve analysis suggested good clinical utility of the model.

Conclusion

Integrated models combining multimodal cerebral blood flow imaging and clinical data can improve the accuracy of predicting poor neurological outcomes after thrombectomy in AIS-LVO patients, thereby providing a basis for early warning of postoperative complications and personalized interventions.

Key words: Acute anterior circulation large vessel occlusion, Mechanical thrombectomy, Multimodal cerebral blood flow imaging, Transcranial Doppler ultrasound, Predictive model

图1 试验流程图注：DSA为数学减影；PSV为峰值流速；EDV为舒张末流速；MV为平均流速；PI为搏动指数；CBF为脑血流量；CBV为脑血容量；MTT为平均通过时间；TTP为达峰时间；ROC为受试者工作特征曲线

表1 急性前循环大血管闭塞患者训练集组临床基线资料差异性分析

参数	预后良好组（70例）	预后不良组（51例）	统计值	P值
年龄[岁，M（Q₁，Q₃）]	64.50（57.25，71.00）	69.00（61.00，77.00）	Z=-2.29	0.022
脉压差[mmHg，M（Q₁，Q₃）]	55.50（41.00，68.00）	53.00（41.50，69.00）	Z=-0.08	0.937
BMI [M（Q₁，Q₃）]	22.90（20.88，24.98）	22.70（20.80，25.00）	Z=-0.23	0.821
血糖[mmol/L，M（Q₁，Q₃）]	6.45（5.65，7.20）	6.80（5.75，7.80）	Z=-1.30	0.194
发病至血管再通时间[min，M（Q₁，Q₃）]	382.00（273.75，645.50）	541.00（347.00，858.50）	Z=-2.91	0.004
吸烟[例（%）]			χ²=0.11	0.745
无	56（80.00）	42（82.35）
有	14（20.00）	9（17.65）
高血压[例（%）]			χ²=0.31	0.577
无	31（44.29）	20（39.22）
有	39（55.71）	31（60.78）
糖尿病[例（%）]			χ²=0.12	0.728
无	58（82.26）	41（80.39）
有	12（17.14）	10（19.61）
高血脂[例（%）]			χ²=1.63	0.201
无	54（77.14）	34（66.67）
有	16（22.86）	17（33.33）
房颤[例（%）]			χ²=1.09	0.296
无	60（85.71）	40（78.43）
有	10（14.29）	11（21.57）

表1 急性前循环大血管闭塞患者训练集组临床基线资料差异性分析

参数	预后良好组（70例）	预后不良组（51例）	统计值	P值
年龄[岁，M（Q₁，Q₃）]	64.50（57.25，71.00）	69.00（61.00，77.00）	Z=-2.29	0.022
脉压差[mmHg，M（Q₁，Q₃）]	55.50（41.00，68.00）	53.00（41.50，69.00）	Z=-0.08	0.937
BMI [M（Q₁，Q₃）]	22.90（20.88，24.98）	22.70（20.80，25.00）	Z=-0.23	0.821
血糖[mmol/L，M（Q₁，Q₃）]	6.45（5.65，7.20）	6.80（5.75，7.80）	Z=-1.30	0.194
发病至血管再通时间[min，M（Q₁，Q₃）]	382.00（273.75，645.50）	541.00（347.00，858.50）	Z=-2.91	0.004
吸烟[例（%）]			χ²=0.11	0.745
无	56（80.00）	42（82.35）
有	14（20.00）	9（17.65）
高血压[例（%）]			χ²=0.31	0.577
无	31（44.29）	20（39.22）
有	39（55.71）	31（60.78）
糖尿病[例（%）]			χ²=0.12	0.728
无	58（82.26）	41（80.39）
有	12（17.14）	10（19.61）
高血脂[例（%）]			χ²=1.63	0.201
无	54（77.14）	34（66.67）
有	16（22.86）	17（33.33）
房颤[例（%）]			χ²=1.09	0.296
无	60（85.71）	40（78.43）
有	10（14.29）	11（21.57）

表2 急性前循环大血管闭塞患者训练集组多模态脑血流影像数据差异性分析

参数[M（Q₁，Q₃）]	预后良好组（70例）	预后不良组（51例）	统计值	P值
患健侧MCA峰值流速差（cm/s）	25.00（10.25，42.00）	35.00（16.50，55.50）	Z=-2.18	0.029
患健侧MCA峰值流速差异比例	0.21（0.10，0.30）	0.27（0.19，0.36）	Z=-2.53	0.011
患健侧MCA均值流速差（cm/s）	16.00（6.25，31.00）	24.00（10.50，37.50）	Z=-1.80	0.072
患健侧MCA均值流速差异比例	0.22（0.12，0.35）	0.28（0.18，0.41）	Z=-2.09	0.036
DT＞3.0 s脑组织体积（ml）	95.00（63.50，137.50）	122.00（95.50，172.00）	Z=-2.38	0.018
rCBF＜30%脑组织体积（ml）	12.00（4.00，34.75）	19.00（8.50，62.00）	Z=-2.39	0.017
不匹配率（%）	78.50（50.50，111.00）	87.00（57.00，119.00）	Z=-0.69	0.488

表2 急性前循环大血管闭塞患者训练集组多模态脑血流影像数据差异性分析

参数[M（Q₁，Q₃）]	预后良好组（70例）	预后不良组（51例）	统计值	P值
患健侧MCA峰值流速差（cm/s）	25.00（10.25，42.00）	35.00（16.50，55.50）	Z=-2.18	0.029
患健侧MCA峰值流速差异比例	0.21（0.10，0.30）	0.27（0.19，0.36）	Z=-2.53	0.011
患健侧MCA均值流速差（cm/s）	16.00（6.25，31.00）	24.00（10.50，37.50）	Z=-1.80	0.072
患健侧MCA均值流速差异比例	0.22（0.12，0.35）	0.28（0.18，0.41）	Z=-2.09	0.036
DT＞3.0 s脑组织体积（ml）	95.00（63.50，137.50）	122.00（95.50，172.00）	Z=-2.38	0.018
rCBF＜30%脑组织体积（ml）	12.00（4.00，34.75）	19.00（8.50，62.00）	Z=-2.39	0.017
不匹配率（%）	78.50（50.50，111.00）	87.00（57.00，119.00）	Z=-0.69	0.488

表3 急性前循环大血管闭塞患者训练集组多模态脑血流影像数据共线性分析

参数	B	S.E	Beta	统计值	容差	VIF
年龄（岁）	0.012	0.003	0.277	t=4.002	0.963	1.039
发病至血管再通时间（min）	0.000	0.000	0.242	t=3.504	0.958	1.044
患健侧MCA峰值流速差异比例	0.049	0.064	0.149	t=0.764	0.120	8.341
患健侧MCA均值流速差异比例	0.027	0.041	0.087	t=0.669	0.269	3.719
患健侧MCA峰值流速差（cm/s）	-0.001	0.003	-0.093	t=-0.554	0.163	6.121
rCBF＜30%脑组织体积（ml）	0.002	0.001	0.163	t=1.690	0.491	2.038
DT＞3.0 s脑组织体积（ml）	0.000	0.001	0.028	t=0.289	0.483	2.069

表3 急性前循环大血管闭塞患者训练集组多模态脑血流影像数据共线性分析

参数	B	S.E	Beta	统计值	容差	VIF
年龄（岁）	0.012	0.003	0.277	t=4.002	0.963	1.039
发病至血管再通时间（min）	0.000	0.000	0.242	t=3.504	0.958	1.044
患健侧MCA峰值流速差异比例	0.049	0.064	0.149	t=0.764	0.120	8.341
患健侧MCA均值流速差异比例	0.027	0.041	0.087	t=0.669	0.269	3.719
患健侧MCA峰值流速差（cm/s）	-0.001	0.003	-0.093	t=-0.554	0.163	6.121
rCBF＜30%脑组织体积（ml）	0.002	0.001	0.163	t=1.690	0.491	2.038
DT＞3.0 s脑组织体积（ml）	0.000	0.001	0.028	t=0.289	0.483	2.069

表4 多因素Logistic回归分析结果

变量	B	S.E	Z	P值	OR（95%CI）
年龄（岁）	0.06	0.02	2.91	0.004	1.07（1.02~1.11）
发病至血管再通时间（min）	0.01	0.00	2.53	0.011	1.01（1.01~1.04）
患健侧MCA均值流速差异比例	0.30	0.13	2.28	0.023	1.34（1.04~1.73）
rCBF＜30%脑组织体积（ml）	0.16	0.07	2.18	0.029	1.18（1.02~1.36）
截距	-6.66	1.69	-3.95	＜0.001	0.00（0.00~0.03）

表4 多因素Logistic回归分析结果

变量	B	S.E	Z	P值	OR（95%CI）
年龄（岁）	0.06	0.02	2.91	0.004	1.07（1.02~1.11）
发病至血管再通时间（min）	0.01	0.00	2.53	0.011	1.01（1.01~1.04）
患健侧MCA均值流速差异比例	0.30	0.13	2.28	0.023	1.34（1.04~1.73）
rCBF＜30%脑组织体积（ml）	0.16	0.07	2.18	0.029	1.18（1.02~1.36）
截距	-6.66	1.69	-3.95	＜0.001	0.00（0.00~0.03）

图2 列线图预测模型

图3 预测模型的性能评估。图a、b分别为训练集和验证集的受试者工作特征曲线；图c、d分别为训练集和验证集的校准曲线；图e、f分别为训练集和验证集的临床决策曲线注：AUC为受试者工作特征曲线下面积

图4 预后不良风险列线图的病例定位示例

1	Gao F, Tong X, Jia B, et al. Bailout intracranial angioplasty or stenting following thrombectomy for acute large vessel occlusion in China (ANGEL-REBOOT): a multicentre, open-label, blinded-endpoint, randomised controlled trial[J]. Lancet Neuro, 2024, 23(8): 797-806.
2	Yi K, Nakajima M, Ikeda T, et al. Modified rankin scale assessment by telephone using a simple questionnaire[J]. J Stroke Cerebrovas Dis, 2022, 31(10): 106695.
3	华扬, 惠品晶, 邢瑛琦, 等. 中国脑卒中血管超声检查指导规范[J/OL]. 中华医学超声杂志 (电子版), 2015, 12(8): 599-610.
4	Broocks G, Mannoun M, Bechstein M, et al. Penumbral imaging to guide endovascular treatment for M2 middle cerebral artery stroke[J]. Stroke, 2025, 56(1): 138-147.
5	李青青, 赵彦新, 赵芳卓, 等. CT灌注成像结合Rapid软件评估急性前循环大血管闭塞卒中血管内治疗预后的价值[J]. 神经损伤与功能重建, 2023, 18(9): 508-513.
6	Enomoto Y, Uchida K, Yamagami H, et al. Impact of procedure time on clinical outcomes of patients who underwent endovascular therapy for acute ischemic stroke[J]. Cerebrovas Dis, 2021, 50(4): 443-449.
7	Ni H, Lu GD, Hang Y, et al. Association between infarct location and hemorrhagic transformation of acute ischemic stroke following successful recanalization after mechanical thrombectomy[J]. ANJR Am J Neuroradiol, 2023, 44(1): 54-59.
8	Chen B, Yang L, Hang J, et al. Predictive value of the THRIVE score for outcome in patients with acute basilar artery occlusion treated with thrombectomy[J]. Brain Behav, 2019, 9(10): e01418.
9	林雨菲, 陈文伙, 沈浩霖, 等. 基于经颅多普勒超声构建模型预测急性前循环大血管闭塞机械取栓术后神经功能预后[J]. 血管与腔内血管外科杂志, 2022, 8(12): 1504-1508.
10	Kneihsl M, Niederkorn K, Deutschmann H, et al. Increased middle cerebral artery mean blood flow velocity index after stroke thrombectomy indicates increased risk for intracranial hemorrhage[J]. J NeuroInterv Surg, 2018, 10(9): 882-887.
11	Krishnan R, Mays W, Elijovich L. Complications of mechanical thrombectomy in acute ischemic stroke[J]. Neurology, 2021, 97(20 Suppl 2): s115-s125.
12	Katsanos AH, Srivastava A, Sahlas DJ, et al. Transcranial Doppler ultrasound to evaluate the risk of hyperperfusion after endovascular stroke thrombectomy[J]. J Neuroimaging, 2024, 34(1): 50-54.
13	McDougall CC, Chan L, Sachan S, et al. Dynamic CTA-Derived Perfusion maps predict final infarct volume: the simple perfusion peconstruction algorithm[J]. AJNR Am J Neuroradiol, 2020, 41(11): 2034-2040.
14	Liu L, Ding J, Leng X, et al. Guidelines for evaluation and management of cerebral collateral circulation in ischaemic stroke 2017[J]. Stroke Vasc Neurol, 2018, 3(3): 117-130.

[1]	郭慧, 孔琦, 程芸, 张思然. 经颅多普勒超声脑血流动力学参数对前循环小动脉闭塞型脑卒中短期预后的预测价值[J/OL]. 中华医学超声杂志（电子版）, 2026, 23(03): 236-243.
[2]	苏金铭, 田萍, 李青林, 马静, 宋伟伟, 刘博文, 曹晓莹, 薛玲, 王文军. HER-2阳性乳腺癌患者复发转移的影响因素及风险预测模型的构建[J/OL]. 中华乳腺病杂志(电子版), 2026, 20(04): 228-235.
[3]	丁彩霞, 曲景辉, 裴英宏, 李静娜, 郑晓瑜, 徐岭植, 李思思. 基于RNA结合蛋白基因表达特征的乳腺癌预后预测模型构建及评价分析[J/OL]. 中华乳腺病杂志(电子版), 2026, 20(03): 138-147.
[4]	许云娟, 陆蓉, 贾平, 李艳, 郭丹阳, 姜青云, 蒲在春, 张勤. 神经重症患者误吸风险预测模型的Meta分析[J/OL]. 中华危重症医学杂志(电子版), 2026, 19(03): 234-240.
[5]	卢帅, 陈建明, 李敏娟, 单祎宁, 曹仁巍, 查晔军, 蒋协远. 基于NHANES数据库分析抑郁与骨质疏松性骨折愈合不良的关联及预测模型构建与验证[J/OL]. 中华损伤与修复杂志(电子版), 2026, 21(03): 167-176.
[6]	罗文勇, 黄文龙, 阮沁桐, 蔡莹, 王欣, 吴柱国, 王利玲, 于海兵. 甲状腺癌术后并发低钙血症的发病风险预测模型构建[J/OL]. 中华普通外科学文献(电子版), 2026, 20(04): 257-264.
[7]	鲁峰刚, 刘宇, 张毅, 王秦玉. 新辅助放化疗直肠癌根治术患者术后吻合口漏影响因素分析及风险预测模型构建[J/OL]. 中华普外科手术学杂志(电子版), 2026, 20(04): 347-351.
[8]	袁强, 范慈勃, 韩丽丽, 陈光, 陈纲, 赵锁. 融合病理图像与报告的多模态模型用于乳腺癌预后预测[J/OL]. 中华普外科手术学杂志(电子版), 2026, 20(04): 374-378.
[9]	凌思果, 杨军, 乔旭华. ThuLEP与TURP术后发生尿道狭窄的预测模型构建[J/OL]. 中华腔镜泌尿外科杂志(电子版), 2026, 20(05): 534-541.
[10]	柯雨仙, 刘罡, 郭莹莹, 何李谦, 姜轶. 慢性阻塞性肺疾病急性加重期并发呼吸衰竭风险预测模型研究进展[J/OL]. 中华肺部疾病杂志(电子版), 2026, 19(03): 500-503.
[11]	马煜博, 李起, 耿智敏. 胆道恶性肿瘤预后预测模型：现状、挑战与未来展望[J/OL]. 中华肝脏外科手术学电子杂志, 2026, 15(05): 702-710.
[12]	郭洋洁, 杨培, 曾新桃, 史瑞籽, 唐易平. 肝内胆管结石肝切除术后胆漏的危险因素分析及预测模型建立与验证[J/OL]. 中华肝脏外科手术学电子杂志, 2026, 15(05): 783-790.
[13]	郑顺, 张楠, 丁奕, 李文静. 基于人工智能的血液透析患者容量状态评估研究进展[J/OL]. 中华肾病研究电子杂志, 2026, 15(04): 202-205.
[14]	刘娟, 姚金菊, 廖青, 邹琪婧, 雷建国, 钟婷婷. 亚临床甲状腺功能减退合并代谢相关脂肪性肝病患者发生显著肝纤维化的风险预测模型构建[J/OL]. 中华消化病与影像杂志(电子版), 2026, 16(05): 445-451.
[15]	严志忠, 张旭, 陈军辉, 操加明, 赵麒文, 沈浏艳, 时忠华, 杨清武, 王玉海. 胆固醇-高密度脂蛋白胆固醇-葡萄糖指数对急性基底动脉闭塞行血管内治疗后临床结局的预测价值[J/OL]. 中华脑血管病杂志(电子版), 2026, 20(04): 365-371.

阅读次数

全文

摘要

选择文件类型/文献管理软件名称

选择包含的内容

A multimodal cerebral blood flow imaging-based predictive model for neurological prognosis after thrombectomy in patients with acute anterior circulation large-vessel occlusion

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

A multimodal cerebral blood flow imaging-based predictive model for neurological prognosis after thrombectomy in patients with acute anterior circulation large-vessel occlusion