分享:
分享到微信朋友圈
X
综述
影像学预测缺血性脑卒中取栓后复发风险的研究进展
董歌 彭永军

本文引用格式:董歌, 彭永军. 影像学预测缺血性脑卒中取栓后复发风险的研究进展[J]. 磁共振成像, 2025, 16(8): 168-173, 180. DOI:10.12015/issn.1674-8034.2025.08.025.


[摘要] 缺血性脑卒中(ischaemic strokes, IS)是全球范围内致死和致残的主要原因之一。机械性取栓(mechanical thrombectomy, MT)已成为治疗大血管闭塞性卒中的核心策略,但术后复发风险严重影响预后。因此,精准预测并及时干预取栓后复发对于降低复发率、减少死亡风险及优化治疗效果至关重要。本综述系统梳理了当前用于评估机械性取栓术后缺血性脑卒中复发风险的影像学方法,分析其机制基础、技术要点与临床适用性,指出了当前研究的局限性,并对未来的研究方向进行了展望,旨在为卒中患者术后风险分层及精准二级预防策略提供理论参考与影像决策支持。
[Abstract] Ischemic stroke (IS) is one of the leading causes of death and disability worldwide. Mechanical thrombectomy (MT) has become a cornerstone in the treatment of large vessel occlusion strokes; however, the risk of recurrence after the procedure significantly impacts patient prognosis. Therefore, accurate prediction and timely intervention of post-thrombectomy recurrence are crucial for reducing recurrence rates, lowering mortality risk, and optimizing treatment outcomes. The present review aims to systematically summarize current imaging approaches used to evaluate the risk of ischemic stroke recurrence after mechanical thrombectomy, analyze their mechanistic basis, technical features, and clinical applicability, with the goal of providing theoretical insights and imaging-based decision support for postoperative risk stratification and precise secondary prevention in stroke patients. Furthermore, this study highlights the limitations of existing research and discusses potential directions for future investigations.
[关键词] 缺血性脑卒中;机械性取栓;磁共振成像;影像学;卒中复发;复发预测
[Keywords] ischemic stroke;mechanical thrombectomy;magnetic resonance imaging;imaging;stroke recurrence;recurrence prediction

董歌 1   彭永军 2*  

1 暨南大学珠海临床医学院(珠海市人民医院,北京理工大学附属医院),珠海 519000

2 珠海市人民医院(北京理工大学附属医院,暨南大学珠海临床医学院)医学影像中心,珠海 519000

通信作者:彭永军,E-mail:yongjunpeng@ext.jnu.edu.cn

作者贡献声明:彭永军设计本研究的方案,对稿件重要内容进行了修改,获得了2024年度广东省基础与应用基础研究基金企业联合基金项目的资助;董歌起草和撰写稿件,获取、分析并解释本综述的参考文献;全体作者都同意发表最后的修改稿,同意对本研究的所有方面负责,确保本综述的准确性和诚信。


基金项目: 2024年度广东省基础与应用基础研究基金企业联合基金项目 2024A1515220084
收稿日期:2025-04-30
接受日期:2025-08-08
中图分类号:R445.2  R743.3 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2025.08.025
本文引用格式:董歌, 彭永军. 影像学预测缺血性脑卒中取栓后复发风险的研究进展[J]. 磁共振成像, 2025, 16(8): 168-173, 180. DOI:10.12015/issn.1674-8034.2025.08.025.

0 引言

       卒中是因大脑供血减少导致脑细胞损伤的急性医疗事件[1],是全球第二大死因和第三大致残原因[2]。其中,缺血性卒中(ischaemic strokes, IS)占所有卒中的60%~70%,多由急性血管闭塞引起[2]。最新《中国卒中监测报告》显示,中国脑卒中患者居世界首位,预计2030年我国的脑血管疾病发生率将比2010年增加50%左右[3]。目前,机械性取栓(mechanical thrombectomy, MT)是治疗急性IS的关键治疗手段,临床证据表明其可显著降低患者致残率和死亡率,有效改善神经功能预后[4]。此外,MT可延长治疗时间窗,研究表明对于CT灌注成像(CT perfusion imaging, CTP)显示仍存在缺血半暗带的患者,即使超出常规时间窗,24小时内行MT仍可获益,从而扩大治疗人群并改善预后[5]。然而,临床实践表明MT治疗后部分患者依然发生在闭塞、复发性卒中等不良事件,严重影响功能结局[6, 7]。因此,及时准确预测IS患者取栓后复发风险对于降低复发率及死亡率至关重要。

       近年来,影像学在IS患者术后复发风险评估中的作用日益凸显,广泛应用于病灶识别、侧支循环评估及缺血半暗带判断等,这些影像特征与卒中复发的生理机制密切相关,为个体化风险分层和干预策略提供了重要依据。但目前多数研究聚焦于单一影像指标或术前评估,缺乏对术后复发风险相关机制的系统梳理与多模态影像信息的整合,另外,现有综述较少结合卒中复发生理机制对各类影像学特征进行解读。本综述将从卒中术后复发的生理机制出发,系统综述多种影像学技术在预测IS复发风险中的研究进展,探讨当前研究的不足和今后的研究方向。本文旨在为卒中治疗及预后管理等领域的研究人员和临床医生提供参考依据与思维框架,助力实现更个体化、精准化的卒中复发风险预测和干预策略。

1 IS取栓后复发的生理机制

       尽管MT显著改善了IS患者的治疗预后,但术后复发风险仍是影响患者远期生活质量的重要问题。卒中复发的生理机制复杂,主要涉及以下四个方面。

       (1)血栓形成与再闭塞:MT术后血管再闭塞是复发的重要机制。尽管MT能够实现血管再通,但术后血管损伤及血流动力学改变等可能导致再灌注损伤,增加血管再闭塞的风险[8]。研究表明,残留的血栓碎片,作为血小板和凝血因子聚集的病灶,是再闭塞的重要因素,同时,血管狭窄可损坏内皮壁的完整性,造成血管损伤,加剧血栓形成[9]

       (2)心源性栓塞:心源性栓塞占IS病因的20%~30%。MT虽然能够移除大部分致卒中的血栓,但如果潜在的心脏病源未得到有效治疗,心房颤动、左心房血栓等心源性栓塞源持续形成和脱落,仍可能导致IS复发[10]

       (3)血管病变与动脉粥样硬化:颅内动脉粥样硬化性狭窄(intracranial atherosclerotic stenosi, ICAS)是卒中复发的重要危险因素,其导致卒中的核心机制在于动脉粥样硬化斑块的不稳定性,这种不稳定病变不仅诱发瞬间再闭塞[11],还导致大血管闭塞的患者在取栓术后更易发生血管再狭窄或再闭塞,增加卒中复发的风险[12]

       (4)无效再通(futile recanalization, FR):指尽管闭塞动脉成功再通,但患者长期功能预后未显著改善的现象,其机制包括微循环障碍导致的组织无复流、早期动脉再闭塞、侧支循环代偿不足、出血转化等。这些因素共同导致脑组织未能实现有效再灌注,使患者处于复发的高危状态[13]

       综上,IS患者取栓后仍然面临较高的卒中复发风险,术后早期脑缺血再发可能抵消再通获益,导致神经功能恶化。因此,精准预测复发风险,有助于针对高危患者采取强化抗栓抗凝、优化血压血糖管理及改善生活方式等二级预防措施,降低复发率,提高生存质量。

2 IS复发风险的影像学预测

       目前临床主要基于临床和影像学指标预测卒中复发风险。传统预测模型多采用风险评分,如WU等[14]通过综合C反应蛋白水平、白细胞计数、血小板计数和嗜酸性中性粒细胞-甲状腺胶质细胞比等低度炎症生物标志物构建标准化的低度炎症评分,并验证低度炎症评分升高是卒中复发的独立预测因子。然而,随着卒中疾病谱的演变和医疗实践的进步,传统模型的预测效能已显示出明显局限性。随着影像学的发展,多模态神经影像在取栓术后复发风险评估中的应用价值日益凸显。基于卒中复发的病理生理机制,现代影像学技术能够从血管结构、脑组织灌注及代谢等多个维度提供关键信息,在复发预测中发挥重要的作用。

2.1 基于血栓再形成及血管再闭塞机制的复发风险预测

       机械取栓操作可能会对血管壁造成微小损伤,加之术后残留血栓的存在,显著增加了血管再闭塞和卒中复发的风险。HSUEH等[15]的研究表明,术后血管再闭塞并不罕见,是导致术后卒中复发的重要原因之一。因此,通过影像学手段监测血栓再形成及血管再闭塞风险,对改善患者预后具有重要临床价值。

       CT血管造影(CT angiography, CTA)和MR血管造影(MR angiography, MRA)作为临床中应用最广泛的血管成像手段可清晰显示血管结构,敏感检测术后残余血栓或血管再狭窄部位。WEI等[16]的研究指出,CTA中出现的血栓增强(thrombus enhancement, TE)现象可作为血栓来源和成分的潜在标志物。FU等[17]进一步发现富含纤维蛋白和血小板的阳性血栓在CTA上具有增强表现,且与90天内复发及死亡风险显著相关,但其研究是基于回顾性数据,且基于组织学层面,缺乏对TE阳性患者临床结局的验证。近期的一项前瞻性的研究扩展了TE阳性在术后预后预测的应用范围,该研究发现出现TE征象的患者在接受MT治疗后90天内的死亡率为25%,而阴性组仅为9.5%,同时不良功能预后的比例也会升高(OR=0.50)[18]。因此,这些研究提示,TE不仅是血栓高风险特征的影像学标志,还可作为预后评估的重要指标。

       除血栓成分的影像学特征之外,术后CTA显示的中重度残余狭窄也是卒中复发的重要危险因素。LI等[19]在一项系统性回顾与meta分析中,证实了术后残余血管狭窄与卒中复发显著相关。其机制可能在于狭窄部位的血流紊乱导致内皮损伤和血小板聚集,进而促进血栓形成。因此,建议术后常规通过CTA或数字减影-血管造影(digital subtraction angiography, DSA)评估血管狭窄程度,对中重度狭窄患者加强二级预防。

       除CTA外,非增强CT(non-contrast CT, NCCT)作为急诊常规快速检查手段,在术后风险评估中也发挥重要作用。NCCT通过分析血栓密度及渗透性指标,可识别高复发风险的患者。有研究发现,当血栓平均密度<56.5或相对密度<1.38时,再通失败和再闭塞的风险显著升高(OR=4.1)。近年来,NCCT结合CTA血栓渗透性指标被提出,借此反映血栓对血流的渗透能力,如BORST等[20]的研究证明血栓渗透性每增加10%,患者获得良好功能结局的概率会显著上升(OR=1.2)。综上所述,NCCT作为一种快速无创的检查方式,通过血栓密度和渗透性等定量指标,能够有效识别术后再闭塞及复发高风险患者,为早期干预提供重要影像学依据。

       目前,CTA和NCCT主要通过间接征象评估血栓特征。随着技术进步,MRI、PET等直接血栓成像技术的发展为血栓评估提供了从结构到分子层面的多维信息。未来,多模态影像的融合应用有望实现更精准的复发风险分层和个体化治疗决策。

2.2 基于心源性卒中机制的复发风险预测

       心源性卒中(cardioembolic stroke, CES)由心源性栓子阻塞脑动脉引起,具有高复发和高死亡率。CES的复发风险预测需要聚焦于其核心病理特征—心源性栓子的特性。

       超声心动图是CES评估的首选方法,可用检测血栓、肿瘤、卵圆孔未闭和主动脉斑块等潜在栓塞来源[21]。经胸超声心动图(transthoracic echocardiography, TTE)可测量左心房直径、左房扩张指数等参数,对心脏结构和功能进行初步评估。值得注意的是,左心结构重构与血流淤滞密切相关,是CES复发的重要基础;左心房显著扩张的患者以及左心室肥厚的患者,其患IS的风险会显著增高(OR=1.05;OR=2.73)[22]。左房扩张指数反映左房整体收缩与血液排空能力,SHIAU等[23]通过研究证实,左房扩张指数降低与房颤患者卒中复发高度相关;左心房储备应变及收缩应变在预测隐源性卒中复发方面优于传统指标[24];这些发现提示,左房结构异常是CES复发的基础,而其功能参数如扩张指数及应变值则更具预测价值,提示心源性卒中影像学评估应从形态观察走向动力学量化。

       在检测精度方面,经食管超声心动图(transesophageal echocardiography, TEE)对左心耳血栓的敏感性和特异性显著优于TTE [25],但其半侵入性操作限制其临床应用。为此,无创影像技术不断发展。近年研究表明,心脏CT、心脏MRI在左心耳血栓检测中与TEE具有相近敏感度,并可同步评估主动脉弓斑块,为无法耐受TEE者提供无创替代方案[21]。特别是心脏CT凭借快速、无创、高分辨率等优势,成为CES评估的重要工具。在CES患者中,KUFNER等[26]通基于心脏CT测量血栓渗透性,该指标在鉴别CES与非CES型卒中中表现出高度特异性。在此基础上,WU等[27]基于4D-CTA分析CES患者的血栓形态学特征,证实血栓长度可识别CES,有助于指导卒中分型及复发预测。总体而言,心脏CT及其衍生的多维成像手段正在从单纯的血管成像工具,演变为评估CES血栓性质与复发风险的多维检测手段。

       目前,CES的栓塞源评估以TEE为基础,心脏CT进一步提供血栓特征分析,心脏MR有助于鉴别血栓成分,在检测心源性栓塞方面具有潜力,但目前心脏MR用于卒中复发风险预测应用较匮乏。未来应着重验证这些指标在多中心研究中的可重复性和临床转化价值。

2.3 基于动脉粥样硬化斑块机制的复发风险预测

       动脉粥样硬化斑块,尤其是不稳定或易损斑块,是IS的复发的重要病理基础。研究表明,易损斑块不仅是心血管事件的独立危险因素,更可显著增加卒中后死亡率[28]。因此识别斑块的生物学活性或形态学特征对评估卒中复发风险至关重要。

       在斑块评估技术方面,CTA因其快速成像及良好空间分辨率,广泛应用于急性期血管评估。LENG等[29]通过CTA图像,证明管腔狭窄≥70%的患者具有更高的卒中复发风险。然而传统CTA主要评估血管狭窄,对于颅内或颈动脉管壁内斑块成分与活动性识别能力有限。针对这一不足,新兴的黑血CT技术可显示出更高的组织对比度,在斑块评估方面展现出更优的诊断价值。LU等[30]证明黑血CT技术在显示颈动脉管壁与斑块负荷方面要优于CTA(对斑块负荷>50%的诊断效能为0.950)。此外,KELLY等[31]通过18F-氟脱氧葡萄糖FDG-PET/CTA评估颈动脉斑块的代谢活性,发现斑块的葡萄糖摄取量与卒中早期复发密切相关(OR=2.2),提示PET/CT在动态监测炎性活性方面具有独特价值,为二级预防策略优化提供了分析影像学依据。

       相较于CTA对血管解剖学特征的快速评估,高分辨率磁共振成像(high-resolution MRI, HR-MRI)通过功能成像实现了斑块生物学活性的原位解析,二者在结构-功能维度上形成互补,共同构建缺血性卒中复发风险的多模态评估框架。

       王倩倩等[32]通过HR-MRI研究发现斑块强化程度、Willis环结构异常是卒中复发的独立危险因素(OR值分别为3.507、8.917)。温馨如等[33]应用磁共振血管壁成像(MR vessel wall imaging, MR-VWI)对大脑中动脉IS的斑块特征进行分析,得出斑块负荷与斑块面积均与IS复发独立相关。不过可以看出该研究局限于特定动脉,对此,SUN等[34]扩大了研究范围,系统探讨了对Willis ICAD环的特征在MR-VWI上与复发性脑卒中的关系,发现其数量、增强比、负荷等与复发性脑卒中独立相关。另外LV等[35]的长期随访研究进一步证实,斑块负荷和增强率对复发风险的预测效能稳定可靠。随着AI与影像组学的发展,TANG等[36]和高宇等[37]利用HR-VWI图像提取斑块的放射组学特征,通过对临床危险因素、放射学特征和放射组学特征进行多元分析,联合注意力机制从而构建模型,在性能与实用性方面均表现良好(AUC=0.877)。VAN DAM-NOLEN等[38]的研究表明进一步指出斑块内出血与总斑块体积是复发性卒中的独立风险因素,同时,将这些指标联合传统评分系统如欧洲颈动脉外科试验法评分,可显著提升复发预测准确性,为临床分层提供影像学生物标志物。综上,HR-MRI及其衍生的MR-VWI技术可从结构、功能及分子水平多维度刻画斑块特征,斑块负荷、增强率、内出血及其放射组学特征等均已被证实与卒中复发风险密切相关,显示出其在卒中二级预防中的重要应用潜力。

       超声技术作为便捷的床旁工具,在斑块评估中同样表现突出。对比增强超声(contrast-enhanced ultrasound, CEUS)可有效评估斑块风险特征,识别不稳定斑块内的新生血管形成(intraplaque neovascularization, IPN),为斑块活动性提供早期预警信号。CAMPS-RENOM等[39]的前瞻性研究发现,CEUS检测到的IPN是卒中复发的独立预测因子(OR=6.57),其预警作用甚至早于管腔狭窄[40]。同样的,随着人工智能技术的发展,LIN等[41]基于CatBoost等六种机器学习模型对颈动脉超声特征进行学习训练,发现CatBoost模型对复发性卒中预测效果最佳(AUC=0.844)。这一研究提示,传统超声在加入机器学习方法之后,其预测能力有望进一步提升,尤其适用于大样本、低成本的人群筛查与长期随访。

       随着人工智能与放射组学的引入,多模态融合与精准分层策略日益成为研究热点。未来,基于多维信息整合的智能化预测模型有望进一步提升卒中复发风险评估的准确性与可操作性,为个体化二级预防提供更可靠的影像支持。

2.4 基于取栓后无效再通机制的复发风险预测

       尽管MT后的早期血管再通可改善IS的预后,但因微血管损伤及侧支循环不良导致的FR,仍是导致功能恢复不良及复发风险增加的关键因素。虽然高基线NIHSS评分(>10分)、年龄较大(>70岁)和长延迟灌注等已被证实与FR相关,但其预测效能仍有提升空间,这促使研究者转向影像学评估寻求更精准的预测方法。

       在影像评估技术方面,NCCT的ASPECTS虽可反映脑组织初始损伤程度,用于预测FR,但对深部白质损伤及侧支循环灌注评估有限。对此,CHEN等[42]提出了将ASPECTS与CTA侧支评分相结合的方法,用于预测前循环闭塞后大面积脑梗死的发生,结果显示,联合的预测能力优于单独使用(AUC 0.918 vs. 0.885)。ESPINOSA DE RUEDA等[43]进一步整合多模态CT评分,详细评估了NCCT、CTA、脑血容量、FR脑血流的每个参数,提供了全面的影像学特征分析,通过将CTA-SI、脑血容量和不良侧支三者结合,提出了一个新的评分系统,能够更准确地预测FR发生。

       扩散加权成像(diffusion weighted imaging, DWI)具有对脑组织不可逆损伤的高度敏感性。研究表明,DWI所揭示的深部白质区(deep white matter, DWM)异常信号,尤其是初始DWI图像上位于侧脑室前后角之间的高信号病灶,与无效再通高度相关。具体而言,DWI-DWM病变面积较大者,其FR发生率显著上升[44]。为提升优化影像预测性能,SHEN等[45]融合多模态影像特征和临床变量,应用机器学习算法构建了FR预测评分,可通过预测FR的严重程度,为患者的治疗和管理提供了参考依据。

       当前,基于多模态影像组学的评估体系正逐步完善,通过整合DWI-DWM特征、机器学习算法等先进技术,可构建神经血管单元完整性评估体系,实现FR风险分层,为个体化血流重建与神经保护干预提供精准影像生物标志物。

       为更直观地比较不同卒中复发机制下各类影像学技术的应用特征,本文整理并总结了现有主流影像手段的核心参数、优势、局限性及预测效能(表1),以期为后续研究与临床决策提供参考。

表1  各影像学技术在卒中复发风险预测中的应用机制与性能比较
Tab. 1  Comparison of imaging modalities in predicting stroke recurrence risk: Mechanisms and performance

3 机械取栓术后卒中复发的预防策略

       基于MT术后卒中复发机制的复杂性和个体差异性,建立多维度、精准化的预防体系至关重要。本部分从关键风险因素出发,提出分层干预策略,有助于提升术后管理的科学性与有效性。在血管评估与管理方面,残余血栓或术后狭窄是MT术后再闭塞的独立危险因素[46],通过建立规范的随访方案,在术后1、3、6个月定期进行影像学复查,必要时考虑介入干预,动态调整治疗方案,以降低卒中复发风险[47];抗栓治疗上,术后3个月的双重抗血小板治疗可降低6个月随访期间的复发率,而不增加死亡率和脑出血的风险[48],后续过渡为单药维持(氯吡格雷优先)以优化长期预后[49];对于心源性卒中倾向患者,综合影像学及临床评估,制订个体化抗凝方案[50];若MRI提示动脉粥样硬化斑块负荷高或易损特征明显,应加强斑块稳定性治疗,如强化他汀治疗可减缓斑块的进展及提升稳定性[51],并定期通过超声等技术评估斑块稳定性;若存在无效再通危险因素,应重点关注早期脑保护与血压管理,有研究推荐术前及术中维持收缩压≤180 mmHg/舒张压≤105 mmHg(1 mmHg=0.133 kPa),能够缓解微循环灌注不足,减少无效再通相关不良后果[52];随着医疗技术的发展,未来卒中复发的预防将更加精准化和智能化。通过整合多模态影像数据和临床指标,结合人工智能算法,可以构建更准确的复发风险预测模型。这种基于大数据的智能预测系统能够实现动态风险评估和预警,为临床决策提供有力支持,最终形成"评估-预警-干预-再评估"的闭环管理模式,从而显著提升二级预防的效果。

4 局限性与展望

       影像学在评估MT术后卒中复发风险方面发挥着关键作用,但仍存在局限性,首先,研究方法学方面存在明显不足,大多数研究的样本量偏小(通常在20~200例之间),且多为单中心设计,这不仅影响了统计效能,也限制了研究结果的外部验证和推广应用。其次,技术层面存在明显短板,现有影像学评估主要聚焦于血管再通和灌注状态等宏观指标,对血栓形成倾向、微循环障碍等微观机制的评估精度不足,特别是在预测远期(超过1年)复发风险时,单一模型的预测效能普遍偏低。此外,影像指标与临床的结合相对不足,大多数影像预测模型主要依赖结构或灌注成像,未能结合血液学检查、心脏评估等多模态信息,降低了预测的综合性和准确性。最后,在临床应用上面临多模态数据整合不足,个体化预测工具缺乏,以及检查标准化程度不高的问题。

       展望未来,影像学技术在卒中复发风险评估领域具有广阔的发展前景。在技术创新方面,多模态影像融合技术,如CTP、磁共振灌注加权成像、磁敏感加权成像等技术结合,可以实现更全面的卒中后血流动力学监测。此外,还有新兴技术如光学相干断层成像-近红外光谱、PET-MRI和血管内超声等在脑卒中的复发预测方面仍有很大的潜力,有待发掘。人工智能技术,特别是深度学习算法的应用,将在图像重建、病灶识别和风险分层等方面带来革命性突破[53]。研究体系优化需要建立大规模多中心注册研究,开展前瞻性队列验证,并制订统一的影像采集规范。在临床转化方面,重点发展方向包括构建个体化预测模型、建立动态风险评估系统和开发智能决策支持工具。这些技术进步有望将复发预测准确率显著提升。然而,在推进技术转化的过程中,需要特别关注质量控制、成本效益和伦理规范等关键问题,以确保新技术能够安全、有效地服务于临床实践。

[1]
MAJUMDER D. Ischemic stroke: pathophysiology and evolving treatment approaches[J/OL]. Neurosci Insights, 2024, 19: 26331055241292600 [2025-04-30]. https://journals.sagepub.com/doi/full/10.1177/26331055241292600. DOI: 10.1177/26331055241292600.
[2]
HILKENS N A, CASOLLA B, LEUNG T W, et al. Stroke[J]. Lancet (London, England), 2024, 403(10446): 2820-2836. DOI: 10.1016/S0140-6736(24)00642-1.
[3]
TU W J, WANG L D, YAN F, et al. China stroke surveillance report 2021[J/OL]. Mil Med Res, 2023, 10(1): 33 [2025-04-30]. https://militarymedicalresearch.biomedcentral.com/articles/10.1186/s40779-023-00463-x. DOI: 10.1186/s40779-023-00463-x.
[4]
SARRAJ A, HASSAN A E, ABRAHAM M G, et al. Trial of Endovascular Thrombectomy for Large Ischemic Strokes[J]. N Engl J Med, 2023, 388(14): 1259-1271. DOI: 10.1056/NEJMoa2214403.
[5]
BATHLA G, AJMERA P, MEHTA P M, et al. Advances in acute ischemic stroke treatment: current status and future directions[J]. AJNR Am J Neuroradiol, 2023, 44(7): 750-758. DOI: 10.3174/ajnr.A7872.
[6]
VAN MASTRIGT G, VAN HEUGTEN C, VISSER-MEILY A, et al. Estimating the Burden of Stroke: Two-Year Societal Costs and Generic Health-Related Quality of Life of the Restore4Stroke Cohort[J/OL]. Int J Environ Res Public Health, 2022, 19(17): 11110 [2025-04-30]. https://www.mdpi.com/1660-4601/19/17/11110. DOI: 10.3390/ijerph191711110.
[7]
ALRADDADI E A, ALOTAIBI H F, ALATAWI Y, et al. A multicenter analysis to identify the risk factors for stroke recurrence and mortality within 1 year[J/OL]. Front Neurol, 2025, 16: 1478175 [2025-04-30]. https://www.frontiersin.org/articles/10.3389/fneur.2025.1478175/full. DOI: 10.3389/fneur.2025.1478175.
[8]
张小曦, 杨鹏飞, 张永巍, 等. 急性缺血性脑卒中机械取栓术后血压管理研究进展[J]. 海军军医大学学报, 2023, 44(9): 1026-1029. DOI: 10.16781/j.CN31-2187/R.20230146.
ZHANG X X, YANG P F, ZHANG Y W, et al. Research Progress on Blood Pressure Management after Mechanical Thrombectomy in Acute Ischemic Stroke[J]. Journal of Naval Medical University, 2023, 44(9): 1026-1029. DOI: 10.16781/j.CN31-2187/R.20230146.
[9]
YAMASHITA A, ASADA Y. Underlying mechanisms of thrombus formation/growth in atherothrombosis and deep vein thrombosis[J]. Pathol Int, 2023, 73(2): 65-80. DOI: 10.1111/pin.13305.
[10]
KELLEY R E, KELLEY B P. Heart-Brain Relationship in Stroke[J/OL]. Biomedicines, 2021, 9(12): 1835 [2025-04-30]. https://www.mdpi.com/2227-9059/9/12/1835. DOI: 10.3390/biomedicines9121835.
[11]
GUTIERREZ J, TURAN T N, HOH B L, et al. Intracranial atherosclerotic stenosis: risk factors, diagnosis, and treatment[J]. The Lancet Neurol, 2022, 21(4): 355-368. DOI: 10.1016/S1474-4422(21)00376-8.
[12]
TSANG A C O, ORRU E, KLOSTRANEC J M, et al. Thrombectomy Outcomes of Intracranial Atherosclerosis-Related Occlusions[J]. Stroke, 2019, 50(6): 1460-1466. DOI: 10.1161/STROKEAHA.119.024889.
[13]
DENG G, XIAO J, YU H, et al. Predictors of futile recanalization after endovascular treatment in acute ischemic stroke: a meta-analysis[J]. J Neurointerv Surg, 2022, 14(9): 881-885. DOI: 10.1136/neurintsurg-2021-017963.
[14]
WU M, ZHANG X, CHEN J, et al. A Score of Low-Grade Inflammation for Predicting Stroke Recurrence in Patients with Ischemic Stroke[J]. J Inflamm Res, 2021, 14: 4605-4614. DOI: 10.2147/JIR.S328383.
[15]
HSUEH S J, CHEN C H, YEH S J, et al. Early recurrence of ischemic stroke in patients receiving endovascular thrombectomy[J]. J Formos Med Assoc, 2021, 120(2): 854-862. DOI: 10.1016/j.jfma.2020.09.007.
[16]
WEI L, ZHU Y, DENG J, et al. Visualization of Thrombus Enhancement on Thin-Slab Maximum Intensity Projection of CT Angiography: An Imaging Sign for Predicting Stroke Source and Thrombus Compositions[J]. Radiology, 2021, 298(2): 374-381. DOI: 10.1148/radiol.2020201548.
[17]
FU C H, CHEN C H, LIN Y H, et al. High fibrin and platelet clot predicts stroke recurrence or mortality after thrombectomy in patients with active cancer[J/OL]. J Neurointerv Surg, 2025 [2025-04-30]. https://jnis.bmj.com/content/early/2025/01/26/jnis-2024-022033. DOI: 10.1136/jnis-2024-022033.
[18]
LIN K, GUO Z, GUO W, et al. Association of thrombus enhancement with mortality following endovascular therapy in patients with acute anterior circulation stroke[J/OL]. J Neurointerv Surg, 2025 [2025-04-30]. https://jnis.bmj.com/content/early/2025/06/18/jnis-2024-022744. DOI: 10.1136/jnis-2024-022744.
[19]
LI X, GU F, DING J, et al. The predictors and prognosis for unexpected reocclusion after mechanical thrombectomy: a meta-analysis[J]. Ann Transl Med, 2020, 8(23): 1566-1566. DOI: 10.21037/atm-20-3465.
[20]
BORST J, BERKHEMER O A, SANTOS E M M, et al. Value of thrombus CT characteristics in patients with acute ischemic stroke[J]. AJNR Am J Neuroradiol, 2017, 38(9): 1758-1764. DOI: 10.3174/ajnr.A5331.
[21]
APFALTRER G, LAVRA F, DE CECCO C N, et al. Predictive Value of Cardiac CTA, Cardiac MRI, and Transthoracic Echocardiography for Cardioembolic Stroke Recurrence[J]. AJR Am J Roentgenol, 2021, 217(2): 336-346. DOI: 10.2214/AJR.20.23903.
[22]
DAS A S, GÖKÇAL E, FOUKS A A, et al. Left ventricular hypertrophy and left atrial size are associated with ischemic strokes among non-vitamin K antagonist oral anticoagulant users[J]. J Neurol, 2023, 270(11): 5578-5588. DOI: 10.1007/s00415-023-11916-7.
[23]
SHIAU J W, HSIAO C S, HSIAO S H. Left atrial expansion index for ischemic stroke prediction in patients with atrial fibrillation[J]. Acta Cardiol Sin, 2024, 40(1): 60-69. DOI: 10.6515/ACS.202401_40(1).20230628A.
[24]
BHAT A, CHEN H H L, KHANNA S, et al. Diagnostic and Prognostic Value of Left Atrial Function in Identification of Cardioembolism and Prediction of Outcomes in Patients with Cryptogenic Stroke[J]. J Am Soc Echocardiogr, 2022, 35(10): 1064-1076. DOI: 10.1016/j.echo.2022.05.018.
[25]
THOMALLA G, UPNEJA M, CAMEN S, et al. Treatment-Relevant Findings in Transesophageal Echocardiography After Stroke: A Prospective Multicenter Cohort Study[J]. Stroke, 2022, 53(1): 177-184. DOI: 10.1161/STROKEAHA.121.034868.
[26]
KUFNER A, ERDUR H, ENDRES M, et al. Association Between Thrombus Perviousness Assessed on Computed Tomography and Stroke Cause[J]. Stroke, 2020, 51(12): 3613-3622. DOI: 10.1161/STROKEAHA.120.031148.
[27]
WU J, LIU J, WANG J, et al. Imaging features of cardioembolic stroke on 4-dimensional computed tomography angiography[J]. Quant Imaging Med Surg, 2023, 13(9): 6026-6036. DOI: 10.21037/qims-23-120.
[28]
LEE K, HUR J, HONG S R, et al. Predictors of Recurrent Stroke in Patients with Ischemic Stroke: Comparison Study between Transesophageal Echocardiography and Cardiac CT[J]. Radiology, 2015, 276(2): 381-389. DOI: 10.1148/radiol.15142300.
[29]
LENG X, SCALZO F, IP H L, et al. Computational Fluid Dynamics Modeling of Symptomatic Intracranial Atherosclerosis May Predict Risk of Stroke Recurrence[J/OL]. PLOS ONE, 2014, 9(5): e97531 [2025-04-30]. https://doi.org/10.1371/journal.pone.0097531. DOI: 10.1371/journal.pone.0097531.
[30]
LU Y, CAO R, JIAO S, et al. A novel method of carotid artery wall imaging: black-blood CT[J]. Eur Radiol, 2024, 34(4): 2407-2415. DOI: 10.1007/s00330-023-10247-5.
[31]
KELLY P J, CAMPS-RENOM P, GIANNOTTI N, et al. Carotid Plaque Inflammation Imaged by 18F-Fluorodeoxyglucose Positron Emission Tomography and Risk of Early Recurrent Stroke[J]. Stroke, 2019, 50(7): 1766-1773. DOI: 10.1161/STROKEAHA.119.025422.
[32]
王倩倩, 张东升, 高洁, 等. 症状性动脉粥样硬化性大脑中动脉闭塞患者卒中复发的高分辨率磁共振成像研究[J]. 临床放射学杂志, 2025, 44(2): 220-225. DOI: 10.13437/j.cnki.jcr.2025.02.009.
WANG Q Q, ZHANG D S, GAO J, et al. High-Resolution Magnetic Resonance Imaging Study of Stroke Recurrence in Patients with Symptomatic Atherosclerotic Middle Cerebral Artery Occlusion[J]. Journal of Clinical Radiology, 2025, 44(2): 220-225. DOI: 10.13437/j.cnki.jcr.2025.02.009.
[33]
温馨如, 林国辉, 宋建勋. 磁共振血管壁成像评估大脑中动脉粥样硬化斑块与复发性卒中相关性研究[J]. 磁共振成像, 2025, 16(4): 25-32. DOI: 10.12015/issn.1674-8034.2025.04.005.
WEN X R, LIN G H, SONG J X. Association between Atherosclerotic Plaques of the Middle Cerebral Artery Assessed by Magnetic Resonance Vessel Wall Imaging and Recurrent Stroke: A Study[J]. Chin J Magn Reson Imaging, 2025, 16(4): 25-32. DOI: 10.12015/issn.1674-8034.2025.04.005.
[34]
SUN B, WANG L, LI X, et al. Intracranial Atherosclerotic Plaque Characteristics and Burden Associated With Recurrent Acute Stroke: A 3D Quantitative Vessel Wall MRI Study[J/OL]. Front Aging Neurosci, 2021, 13: 706544 [2025-04-30]. https://www.frontiersin.org/articles/10.3389/fnagi.2021.706544/full. DOI: 10.3389/fnagi.2021.706544.
[35]
LV Y, MA X, ZHAO W, et al. Association of plaque characteristics with long-term stroke recurrence in patients with intracranial atherosclerotic disease: a 3D high-resolution MRI-based cohort study[J]. Eur Radiol, 2024, 34(5): 3022-3031. DOI: 10.1007/s00330-023-10278-y.
[36]
TANG M, GAO J, MA N, et al. Radiomics Nomogram for Predicting Stroke Recurrence in Symptomatic Intracranial Atherosclerotic Stenosis[J/OL]. Front Neurosci, 2022, 16: 851353 [2025-04-30]. https://www.frontiersin.org/articles/10.3389/fnins.2022.851353/full. DOI: 10.3389/fnins.2022.851353.
[37]
高宇, 李子昂, 魏正琦, 等. MR高分辨率血管壁成像影像组学联合注意力机制预测症状性颅内动脉粥样硬化狭窄患者卒中复发[J]. 中国医学影像技术, 2025, 41(2): 229-233. DOI: 10.13929/j.issn.1003-3289.2025.02.010.
GAO Y, LI Z A, WEI Z Q, et al. Prediction of stroke recurence in patients with symptomatic intracranial atherosclerotic stenosis using radiomics based on high-resolution MR vessel wall imaging combined with attention mechanism[J]. Chinese Journal of Medical Imaging Technology, 2025, 41(2): 229-233. DOI: 10.13929/j.issn.1003-3289.2025.02.010.
[38]
VAN DAM-NOLEN D H K, TRUIJMAN M T B, VAN DER KOLK A G, et al. Carotid Plaque Characteristics Predict Recurrent Ischemic Stroke and TIA[J]. JACC Cardiovasc Imaging, 2022, 15(10): 1715-1726. DOI: 10.1016/j.jcmg.2022.04.003.
[39]
CAMPS-RENOM P, PRATS-SÁNCHEZ L, CASONI F, et al. Plaque neovascularization detected with contrast-enhanced ultrasound predicts ischaemic stroke recurrence in patients with carotid atherosclerosis[J]. Eur J Neurol, 2020, 27(5): 809-816. DOI: 10.1111/ene.14157.
[40]
SONG Y, DANG Y, WANG J, et al. Carotid Intraplaque Neovascularization Predicts Ischemic Stroke Recurrence in Patients with Carotid Atherosclerosis[J]. Gerontology, 2021, 67(2): 144-151. DOI: 10.1159/000511360.
[41]
LIN S Y, LAW K M, YEH Y C, et al. Applying Machine Learning to Carotid Sonographic Features for Recurrent Stroke in Patients With Acute Stroke[J/OL]. Front Cardiovasc Med, 2022, 9: 804410 [2025-04-30]. https://www.frontiersin.org/articles/10.3389/fcvm.2022.804410/full. DOI: 10.3389/fcvm.2022.804410.
[42]
CHEN J, ZOU M, ZHANG N, et al. New insight in massive cerebral infarction predictions after anterior circulation occlusion[J/OL]. Sci Rep, 2023, 13: 23021 [2025-04-30]. https://pubmed.ncbi.nlm.nih.gov/38155293/. DOI: 10.1038/s41598-023-50175-4.
[43]
ESPINOSA DE RUEDA M, PARRILLA G, MANZANO-FERNÁNDEZ S, et al. Combined Multimodal Computed Tomography Score Correlates With Futile Recanalization After Thrombectomy in Patients With Acute Stroke[J]. Stroke, 2015, 46(9): 2517-2522. DOI: 10.1161/STROKEAHA.114.008598.
[44]
GILBERTI N, GAMBA M, PREMI E, et al. Leukoaraiosis is a predictor of futile recanalization in acute ischemic stroke[J]. J Neurol, 2017, 264(3): 448-452. DOI: 10.1007/s00415-016-8366-y.
[45]
SHEN H, HUASEN B B, KILLINGSWORTH M C, et al. Introducing the Futile Recanalization Prediction Score (FRPS): A Novel Approach to Predict and Mitigate Ineffective Recanalization after Endovascular Treatment of Acute Ischemic Stroke[J]. Neurol Int, 2024, 16(3): 605-619. DOI: 10.3390/neurolint16030045.
[46]
LEE I H, HA S K, LIM D J, et al. Risk Factors and Clinical Outcomes of Arterial Re-Occlusion After Successful Mechanical Thrombectomy for Emergent Intracranial Large Vessel Occlusion[J/OL]. J Clin Med, 2024, 13(24): 7640 [2025-04-30]. https://pubmed.ncbi.nlm.nih.gov/39768562/. DOI: 10.3390/jcm13247640.
[47]
OLIVEIRA R, CORREIA M A, MARTO J P, et al. Reocclusion after successful endovascular treatment in acute ischemic stroke: systematic review and meta-analysis[J]. J Neurointerv Surg, 2023, 15(10): 964-970. DOI: 10.1136/jnis-2022-019382.
[48]
LI L, LIANG Z, LIN C, et al. Efficacy and safety of 3-month dual antiplatelet therapy in patients after mechanical thrombectomy for acute ischemic stroke: a retrospective study[J/OL]. Front Neurol, 2024, 15: 1374093 [2025-04-30]. https://www.frontiersin.org/articles/10.3389/fneur.2024.1374093/full. DOI: 10.3389/fneur.2024.1374093.
[49]
GRECO A, OCCHIPINTI G, GIACOPPO D, et al. Antithrombotic Therapy for Primary and Secondary Prevention of Ischemic Stroke: JACC State-of-the-Art Review[J]. J Am Coll Cardiol, 2023, 82(15): 1538-1557. DOI: 10.1016/j.jacc.2023.07.025.
[50]
GRORY B M, YAGHI S, CORDONNIER C, et al. Advances in recurrent stroke prevention: focus on antithrombotic therapies[J]. Circ Res, 2022, 130(8): 1075-1094. DOI: 10.1161/CIRCRESAHA.121.319947.
[51]
PARK H B, ARSANJANI R, SUNG J M, et al. Impact of statins based on high-risk plaque features on coronary plaque progression in mild stenosis lesions: results from the PARADIGM study[J]. Eur Heart J Cardiovasc Imaging, 2023, 24(11): 1536-1543. DOI: 10.1093/ehjci/jead110.
[52]
王增武, 王圣, 冯彩霞, 等. 中国卒中患者高血压管理专家共识[J]. 中国卒中杂志, 2024, 19(6): 672-698. DOI: 10.3969/j.issn.1673-5765.2024.06.009.
WANG Z W, WANG S, FENG C X, et al. Expert consensus on hypertension management in Chinese stroke patients[J]. Chinese Journal of Stroke, 2024, 19(6): 672-698. DOI: 10.3969/j.issn.1673-5765.2024.06.009.
[53]
MOURIDSEN K, THURNER P, ZAHARCHUK G. Artificial Intelligence Applications in Stroke[J]. Stroke, 2020, 51(8): 2573-2579. DOI: 10.1161/STROKEAHA.119.027479.

上一篇 深髓静脉及AI技术在脑小血管病影像标志物的研究进展
下一篇 多模态磁共振在脑胶质瘤微环境异质性分割方法的研究进展
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2