脑卒中是全球第二大死因，急性缺血性脑卒中（acute ischemic stroke，AIS）约占所有脑卒中病例的87%^[1]。在我国，AIS长期位列居民死亡原因的首位，其发病率以每年约8%的速度增长，增速显著超过全球平均水平，且发病呈现明显的年轻化趋势^[2]。静脉溶栓和血管内治疗是当前AIS患者的核心再灌注治疗方案。AIS最严重的并发症是出血转化，其可发生在自然病程或再灌注治疗后，静脉溶栓后出血转化发生率为4.5%~68.0%^[3]，血管内治疗后出血转化发生率约43%^[4]。其中，症状性颅内出血（symptomatic intracranial hemorrhage，sICH）预后极差，死亡率高达40%~50%，且幸存者多遗留严重残疾^[5]。因此，影像学早期预测和诊断出血转化是AIS救治链中的关键环节，直接影响治疗安全性、患者预后和医疗成本。本文主要探讨多模态CT和MRI、影像组学、人工智能预测模型等在早期预测AIS出血转化方面的作用。

1   出血转化的危险因素及分型

缺血性脑损伤导致血脑屏障破坏和血管完整性丧失进而引发血液外渗，是出血转化发生的重要病理生理机制。出血转化的危险因素可归纳为患者基础状况、卒中严重程度及治疗相关因素。患者基础情况，如高龄、高血压、糖尿病、心房颤动等均已被证实会增加出血转化风险^[6-8]。研究表明，高美国国立卫生研究院卒中量表（National Institutes of Health stroke scale，NIHSS）评分、低Alberta卒中项目早期CT评分（Alberta Stroke Program early CT score，ASPECTS）和侧支循环不良是出血转化的危险因素^[9]。其中，NIHSS评分是量化AIS患者神经功能缺损程度的标准化评分，NIHSS评分≥22分的患者致死性颅内出血发生率可达到6.8%^[5]。AIS患者接受血管再通治疗后出血转化发生率增加。ECASS Ⅲ试验显示，阿替普酶溶栓治疗组sICH发生率为2.4%，高于安慰剂组的0.2%^[10]。MR CLEAN-LATE研究中，血管内治疗组sICH发生率为7%，也高于未接受血管内治疗组的2%^[11]。

基于有无神经功能恶化，出血转化分为sICH和无症状性颅内出血（asymptomatic intracranial hemorrhage，aICH）。目前，sICH较多采用依据ECASS研究的定义，ECASS Ⅲ研究将其定义为NIHSS评分增加≥4分或死亡且影像学上有出血征象。根据影像学上有无血肿占位效应，出血转化分为脑实质血肿（parenchymal hematoma，PH）和出血性梗死（hemorrhage infarction，HI）；ECASS Ⅱ研究进一步将其细分为4型，即HI-1、HI-2、PH-1及PH-2。临床研究表明，HI-1、HI-2及轻度PH（PH-1）多表现为aICH，发生率较高，但通常不会导致神经功能恶化，因此常与患者3个月功能预后无显著关联；而重度PH（PH-2）因血肿体积超过梗死区域的30%或伴有明显占位效应，常进展为sICH，导致患者死亡或残疾风险增加，是临床干预的重点^[12-13]。

2   CT

出血转化的主要诊断依据为复查头颅CT以判断有无出血。目前，临床上常采用CT平扫（non-contrast CT，NCCT）+ CT血管成像（CT angiography，CTA）+ CT灌注成像（CT perfusion，CTP）的多模态CT对AIS患者进行一站式评估。患者仅需一次检查即可获得脑实质、血管及血流动力学的综合信息，且从NCCT排除出血至完成CTA、CTP仅需10~15 min。

2.1   NCCT

NCCT是AIS急诊影像评估的首选工具。NCCT能够快速识别早期梗死及颅内出血征象。美国心脏协会/美国卒中协会指南强调，头颅NCCT是区分缺血性脑卒中和出血性脑卒中的首选方式^[14]。ASPECTS是一种基于NCCT评估AIS大脑中动脉供血区域缺血病变的半定量评分系统，ASPECTS＜7分往往提示病情严重、预后不良，接受血管再通治疗后易出现出血转化。Chen等^[15]在一项纳入231例血栓切除术后AIS患者的回顾性研究中发现，ASPECTS系统预测出血转化的最佳临界值为7分，特异度为87.6%，ASPECTS＜7分的患者出血转化发生率高达74.2%。张琪等^[16]通过对121例大脑中动脉供血区域梗死患者的研究显示，ASPECTS为0~4分、5~7分、8~10分的患者出血转化发生率分别为57.1%、26.7%、14.3%，这表明ASPECTS≤4分时出血转化风险显著增加。

大脑中动脉高密度征是AIS患者NCCT上较早出现的重要征象之一，表现为大脑中动脉走行区的异常高密度影，它是大脑中动脉闭塞的影像学标志，也预示着预后不良，且对静脉溶栓治疗反应差。多项研究表明，高密度征是AIS后出血转化的独立危险因素。Kang等^[17]的研究纳入了318例接受血管内血栓切除术的大脑中动脉闭塞AIS患者，发现高密度征阳性的患者血管内治疗后发生出血转化的风险增加。Chrzan等^[18]研究了高密度征与ASPECTS之间的相关性，认为高密度征与随访CT显示较低的ASPECTS显著相关。

2.2   CTA

CTA能够通过评估侧支循环、血栓负荷及血管闭塞位置，为出血转化风险分层提供关键影像学依据。侧支循环不良意味着缺血区域低灌注时间延长，再灌注后血脑屏障遭到破坏的风险较高，且与PH型出血转化显著相关^[19]。侧支循环的建立不仅取决于动脉灌注的通畅性，还与静脉系统的引流效率紧密相关。Bala等^[20]基于CTA分析了皮质静脉显影与血管内治疗后PH之间的相关性，结果显示CTA图像中皮质静脉显影不清与血管内治疗后PH风险增加以及临床预后不良密切相关，所以皮质静脉显影不清可用于指导脑卒中患者风险分层。

急性大血管闭塞型脑卒中的动脉闭塞位置和长度与临床预后密切相关。血栓负荷评分（clot burden score，CBS）是一种基于CTA评估前循环AIS血栓严重程度的10分制评分系统，有研究表明CBS较高的患者在接受再灌注治疗后血管再通成功率较高，同时梗死体积较小、出血转化风险较低。金雪红等^[21]通过对88例AIS患者进行回顾性研究发现，低血栓负荷组（CBS≥7分）的出血转化发生率仅为12.5%，显著低于高血栓负荷组（CBS＜7分）的34.2%。Yogendrakumar等^[22]通过一项前瞻性队列研究表明，CBS≤3分、ASPECTS≤7分以及颈内动脉血栓位置是血管内治疗后颅内出血的独立预测因子，但CBS与sICH的关联仍有待更大样本量的研究加以验证。此外，新兴的4D-CTA技术能够通过动态造影剂外渗显影识别常规CT难以发现的微小出血灶。

2.3   CTP

CTP已成为临床实践中评估AIS梗死核心区与缺血半暗带的首选影像学技术。CTP可通过定量分析脑血流量、脑血容量、造影剂达峰时间、平均通过时间、血流达峰时间（time to top，Tmax）及渗透-表面积乘积（permeability-surface area product，PS）等参数，快速识别缺血半暗带与梗死核心区，进而预测出血转化风险。由于其能够直观反映梗死核心区的低灌注状态及继发的血脑屏障通透性增高，CTP在出血转化预测中展现出较高的灵敏度。

脑血容量＜2.1 mL/100 g的脑组织区域被定义为梗死核心区，有研究显示脑血容量≤0.5 mL/100 g对出血转化的预测价值最高，这可能与其更精准地反映梗死核心区有关^[23]。此外，Otgonbaatar等^[24]发现，相较于脑血流量，脑血容量对AIS患者梗死核心体积的预测更准确。脑血流量＜30%的脑组织区域被认为是梗死核心区，脑血流量＜30%意味着血脑屏障破坏加重，溶栓再通后易发生出血转化。Shi等^[25]提出基于CTP计算的大脑侧裂侧支循环的最大脑血流速度可作为初步预测AIS患者转归的指标，最佳临界值为64 mL/（100 g·min），最大脑血流速度升高是出血转化风险较低和神经功能转归较好的独立预测因素。

Tmax≥6 s是目前脑组织灌注延迟的标准化阈值。Yassi等^[26]通过前瞻性队列研究评估了预测AIS出血转化的最佳CTP参数，多因素logistic回归分析显示，Tmax＞14 s（OR＝3.21，95%CI 1.89~5.45，P＝0.002）与接受静脉溶栓治疗（OR＝2.15，95%CI 1.23~3.76，P＝0.007）是发生出血转化的独立预测因子，而且Tmax＞14 s对出血转化的预测效能显著优于其他参数。

近年来研究发现，低灌注强度比值（hypoperfusion intensity ratio，HIR）是出血转化的独立危险因素，对出血转化具有显著的预测价值^[27]。HIR定义为Tmax＞6 s病灶体积与Tmax＞10 s病灶体积的比值，低HIR提示侧支循环良好。Miller等^[28]研究认为HIR预测出血转化的最佳临界值为0.54，并证明HIR＞0.54的患者发生sICH的风险显著增加。

PS是反映血管通透性的参数之一，PS升高表示血管通透性增加，出血转化风险也随之增高。李翔等^[29]研究发现PS和rPS（rPS代表患侧与健侧PS之比）升高是出血转化的预测因子，其中rPS的预测效能更高。该研究结果显示，当PS的临界值设定为0.94 mL/（100 g·min）时，其预测出血转化的灵敏度和特异度分别为95.5%、78.6%；而rPS的临界值设定为2.128时，其预测出血转化的灵敏度和特异度分别为86.4%和64.3%；该研究还发现全脑CTP联合多时相CTA相较于单一CTP参数可以提升预测出血转化的效能，但是CTP对直径＜1.5 cm的微小出血转化病灶灵敏度较低，需联合磁敏感加权成像（susceptibility weighted imaging，SWI）以提高检出率。

2.4   双能CT（dual-energy CT，DECT）

急性大动脉闭塞型脑卒中经血管内治疗后，血脑屏障的破坏常导致术后出现造影剂外渗，而传统CT由于出血与造影剂滞留的密度重叠鉴别能力有限。既往研究证实，DECT的三物质分离技术可在此类患者的术后影像评估中鉴别诊断造影剂渗漏与出血转化^[30]。DECT对预测出血转化也有一定的价值。Wang等^[31]探讨了血管内血栓切除术后即刻和24 h内DECT检查对出血转化的诊断及预测价值，结果显示24 h DECT诊断出血转化的灵敏度、特异度、准确度分别为82.5%、100%、95.5%，而即刻DECT的灵敏度和准确度较低，这表明24 h DECT在预测延迟性出血转化方面表现突出。有较高比例的造影剂渗漏患者会发生延迟性出血转化。刘克勤等^[32]将虚拟融合影像中病灶密度最高值（HUmax）作为量化造影剂渗漏的标准，发现当HUmax＞77 HU时预测出血转化的灵敏度为80.83%，特异度为74.22%，表明DECT影像中造影剂渗漏量是出血转化的独立预测因素。DECT重建的碘图能够直接量化碘造影剂外渗区域的碘浓度，碘浓度与出血转化风险相关^[33]。Pinckaers等^[34]开展的单中心回顾性研究通过对CE-ASPECTS（基于ASPECTS的造影剂外渗评分）及脑实质内碘浓度进行定量分析发现，血管内治疗后早期DECT显示的造影剂外渗和碘浓度均与颅内出血相关。此外，CE-ASPECTS在预测卒中进展方面优于局部碘浓度测量，而绝对碘浓度则与sICH的关联更强。Bonatti等^[35]研究发现，脑实质高密度区的绝对碘浓度＞1.35 mg/mL可以预测出血转化，灵敏度和特异度分别为100%和67.6%。但是不同研究中可预测出血转化的定量参数临界值存在差异，未来仍需多中心研究验证以确定普适性标准。

3   MRI

MRI凭借其高分辨率、多模态成像能力及无辐射优势，在脑卒中出血转化的检出率方面优于CT。MRI可通过整合梗死核心体积、微出血负荷、血脑屏障通透性等多参数精准识别出血转化高危人群，指导个体化治疗决策，改善患者预后。

3.1   弥散加权成像（diffusion weighted imaging，DWI）

DWI通过量化AIS患者的梗死核心体积、病灶表观扩散系数（apparent diffusion coefficient，ADC）及关键功能区损伤程度，早期预测脑卒中患者的功能独立性和出血转化风险。DWI是测量梗死核心体积最准确的影像学检查方式。DWI梗死核心体积与再灌注治疗后出血转化风险呈正相关。El Nawar等^[36]通过一项回顾性队列研究对比了一系列MRI指标，包括DWI梗死核心体积、ADC值、液体衰减反转恢复（fluid attenuated inversion recovery，FLAIR）序列血管高信号征（FLAIR vascular hyperintensity，FVH）、血栓长度等，对静脉溶栓后出血转化的预测效能，多因素logistic回归分析显示DWI梗死核心体积是预测溶栓后出血转化的最佳MRI指标之一（OR＝13.16，P＜0.001），其预测效能优于ADC值（OR＝8.69，P＜0.001）和其他影像学特征。Gilgen等^[37]研究证实，DWI梗死核心体积＞70 mL是出血转化的独立预测因子（OR＝4.20，95%CI 2.1~8.3，P＜0.001）。2023年美国心脏协会/美国卒中协会指南明确将DWI梗死核心体积＞70 mL列为静脉溶栓的相对禁忌证^[14]。Caparros等^[38]通过对944例接受静脉溶栓患者的研究发现，DWI异常体积是sICH的最佳预测因素之一，DWI异常体积预测sICH的最佳临界值为4 mL，AUC值为0.72，灵敏度为78%，特异度为58%。

DWI-ASPECTS是在传统NCCT-ASPECTS基础上利用DWI图像建立的评分方法。相较于NCCT-ASPECTS，DWI-ASPECTS系统在观察者间一致性及病灶检出灵敏性方面具有显著优势，而且DWI-ASPECTS对卒中后90 d功能独立的预测效能优于NCCT-ASPECTS^[39]。研究表明DWI-ASPECTS≤7分的AIS患者出血转化发生率显著高于DWI-ASPECTS＞7分的患者^[40]。

ADC值可通过量化缺血区域的细胞毒性水肿程度及空间分布特征评估出血转化风险。研究表明ADC值降低与血脑屏障破坏程度呈正相关，其中梗死核心区ADC值≤550×10^－6 mm²/s被确定为预测出血转化的关键阈值^[41]。Liu等^[42]研究发现，ADC值＜400×10^－6 mm²/s的缺血区域体积对于血管再通后出血转化具有较高的预测价值，并且将ADC阈值和阈值下缺血体积相结合分析发现ADC值＜400×10^－6 mm²/s的缺血区域体积≥6.46 mL是出血转化的独立预测因子（OR＝5.21，95%CI 2.34~11.62，P＜0.001）。

近年来，多模态DWI技术不断突破，体素内不相干运动（intravoxel incoherent motion，IVIM）成像、弥散张量成像等技术已深入应用于AIS的预后评估。IVIM成像可获得慢速表观扩散系数（D）、快速表观扩散系数（D^*）、灌注分数（f）等灌注参数，直接定量评估AIS病灶区域的微循环灌注异常程度。张华文等^[43]研究发现IVIM参数可有效预测AIS患者血管再通治疗后出血转化风险，以相对灌注分数值的预测效能最高，相对灌注分数值的最佳临界值为0.495，灵敏度和特异度分别为84.6%和89.5%。

3.2   FLAIR

FLAIR序列是头颅MRI的常用核心成像技术。在AIS诊疗体系中，该序列可基于FLAIR-DWI不匹配现象评估发病时间窗，同时通过检测FVH和脑实质水肿范围了解患者是否处于溶栓治疗的有效时间窗。Nam等^[44]通过前瞻性队列研究发现，前循环远端分支FVH（大脑中动脉M3、M4段或以远的血管）是AIS患者早期神经功能恶化的独立预测因子；进一步分析结果显示，远端FVH与脑大面积梗死后出血转化风险升高相关。相较于单一的FVH征象，部分研究认为FVH-DWI不匹配对预测AIS后出血转化也有一定的价值。FVH-DWI不匹配是指FVH分布范围超出DWI显示的病灶边界。FVH-DWI不匹配患者通常有较好的功能预后。Liu等^[45]对101例接受血管内治疗的大脑中动脉M1段闭塞AIS患者进行ASPECTS分析发现，DWI病灶内FVH-ASPECTS升高与出血转化相关（OR＝1.30，95%CI 1.04~1.51，P＝0.019），提示FVH在梗死核心区的分布可能是出血转化的独立预测因子。

3.3   灌注加权成像（perfusion weighted imaging，PWI）

PWI同样是AIS多模态MRI评估的核心序列。与CTP类似，PWI能提供包括脑血流量、脑血容量、平均通过时间、造影剂达峰时间和Tmax等在内的多种灌注参数，指导AIS患者的治疗及预后预测^[46]。目前临床以动态磁敏感对比增强PWI（dynamic susceptibility contrast PWI，DSC-PWI）和动脉自旋标记（arterial spin labeling，ASL）技术的应用较多。

Campbell等^[47]通过分析EPITHET和DEFUSE研究的数据发现极低脑血容量体积（定义为患侧脑血容量低于健侧脑血容量2.5%的脑组织区域的体积）对PH的预测具有很高的灵敏度，预测出血转化的最佳临界值为＞2 mL。Mishra等^[48]研究发现，相对脑血容量比值＜0.42且极低脑血容量体积≥3.55 mL对PH预测效能最佳，AUC值为0.77，灵敏度为94%，特异度为63%。研究表明缺血后高灌注与出血转化显著相关，尤其是在再灌注治疗后，ASL技术可准确量化脑血流量从而检出高灌注，并且出血转化的分级与高灌注的时间相关^[49]。Huang等^[50]的研究纳入了98例AIS患者，将相对脑血流量比值≥1.4的区域定义为高灌注区域。研究结果显示，高灌注区域的最大脑血流量是出血转化的独立危险因素（OR＝1.020，95%CI 1.005~1.042，P＝0.012），预测出血转化的最佳临界值为146.5 mL/（100 g·min），灵敏度和特异度分别为76.9%和69.6%。Li等^[51]的研究通过对比Tmax＞6 s、＞8 s和＞10 s对出血转化的预测效能，发现Tmax＞10 s的病灶体积是预测出血转化的最佳指标，临界值为10.5 mL（AUC值为0.897，灵敏度为87.3%，特异度为81.2%）。Potreck等^[52]研究表明，DSC-PWI的灌注延迟Tmax图谱可反映脑组织造影剂通过的时间延迟程度，间接评估软脑膜侧支循环的代偿能力。该研究进一步指出，Tmax≥10 s提示受累区域处于严重低灌注状态，且与数字减影血管造影（digital subtraction angiography，DSA）评估的侧支循环不良具有高度一致性（P＜0.001）。这一结果表明，基于Tmax的功能性影像参数可无创性替代DSA评估侧支循环情况。

3.4   SWI

SWI是利用组织间磁敏感差异，通过梯度回波序列采集相位和幅度信息并采用后处理技术增强磁敏感效应对比度的成像技术。SWI对微小出血灶（直径＜5 mm）的检出率显著优于常规MRI和CT。脑微出血在SWI上表现为小圆形均匀低信号缺损，周围无水肿带。Nagaraja等^[53]通过对366例接受静脉溶栓治疗的AIS患者进行研究，发现脑微出血是静脉溶栓治疗后出血转化的独立预测因子。一项meta分析认为脑微出血是AIS患者血管再通治疗后sICH和不良功能结局的预测因子^[54]，但有研究认为脑微出血不能预测患有心房颤动或风湿性心脏病的AIS患者的出血转化^[55]。脑微出血病灶的数量与出血转化风险相关^[56]，脑微出血病灶数量越多出血转化的风险越大。Wilson等^[57]研究发现，当脑微出血病灶的数量≥5个时抗栓或溶栓治疗后sICH的发生风险增加近5倍，≥20个时sICH发生风险增加可达8倍。

不对称突出静脉征可用于评估AIS患者缺血半暗带及侧支循环情况。不对称突出静脉征是SWI图像上患侧静脉信号与健侧相比呈现数量增多或管径增粗的现象，可分为不对称皮质静脉征和不对称髓质静脉征。有研究发现不对称皮质静脉征与早期神经功能恶化和不良结局有关，但其不会增加出血转化风险^[58]。Bu等^[59]的研究却表明不对称皮质静脉征与单侧大脑中动脉闭塞AIS患者溶栓治疗后的预后无显著关联，而不对称髓质静脉征是90 d不良功能预后的独立影像预测标志物。

毛刷征是SWI图像上深部髓质静脉的异常显示，表现为侧脑室周围的线样低信号，反映了缺血组织严重缺氧^[60]。徐超等^[61]研究发现，毛刷征是静脉溶栓后发生出血转化的独立危险因素，可用于预测AIS患者静脉溶栓后的出血转化。

SWI-DWI不匹配也可用来评估缺血半暗带，是一种无创性检查。Lu等^[62]研究发现，SWI-DWI不匹配与PWI-DWI不匹配在检测缺血半暗带方面具有很好的一致性，但SWI信号变化通常滞后于灌注异常，无法区分可逆性与不可逆性缺血，因此尚不能取代PWI-DWI不匹配。

4   影像组学与人工智能模型

人工智能联合影像学技术在预测卒中后出血转化方面展现出强大的潜力，其通过影像组学和深度学习技术能够从CT、MRI等多模态影像中自动提取梗死核心异质性、血脑屏障破坏程度等关键特征，并能够与NIHSS评分、血压、血糖等临床参数结合构建高精度的AIS出血转化预测模型。

影像组学能够通过提取和分析影像中体素在二维及三维空间分布的关联特征量化表征病灶区域细微的纹理异质性信息，挖掘出与出血转化密切相关的影像特征。Zhai等^[63]对98例未接受再灌注治疗的AIS患者进行回顾性研究，探讨了MRI纹理预测急性大面积梗死后出血转化的价值，发现DWI提取的纹理特征对出血转化具有显著预测效能（AUC值为0.779~0.797），优于FLAIR序列（AUC值为0.652~0.670）。此外，Jiang等^[64]研究发现相较于单一影像参数，基于多参数影像组学的预测模型展现出更好的诊断效能和更强的泛化能力。

机器学习和深度学习可通过筛选关键预测因子、深度挖掘特征间的复杂关联优化出血转化预测模型，提升了预测的准确性。常见机器学习算法包括极端梯度提升、随机森林、logistic回归及决策树等。深度学习属于机器学习领域的一个分支，卷积神经网络和循环神经网络是深度学习中较突出的算法包。Issaiy等^[65]通过系统综述分析了24项有关机器学习和深度学习模型预测卒中后出血转化的研究，发现机器学习和深度学习模型的预测性能均显著优于传统评分系统，机器学习模型中梯度提升模型的表现最佳（AUC值为0.91），卷积神经网络模型（中位AUC值为0.91）的表现与梯度提升模型相当。Choi等^[66]对比了多种机器学习模型对卒中后出血转化的预测效能，发现基于结构化数据构建的人工神经网络模型表现最佳（AUC值为0.844），其预测性能优于极端梯度提升、logistic回归、支持向量机等传统机器学习方法。多种机器学习算法可用于卒中后出血转化的预测，但具体表现因临床环境和研究设计的差异而有所不同，临床实践中应结合数据特点和临床需求选择合适的预测算法。

人工智能技术已能通过自动量化影像特征、融合多模态数据实现AIS后出血转化的高精度预测，未来需进一步解决模型的泛化性和临床工作流的整合问题，以推动个体化治疗决策。

5   小结

近年来，随着多模态影像技术的快速发展和人工智能算法的不断创新，AIS后出血转化的预测和早期诊断取得了重要进展。基于CT和MRI影像标志物及人工智能模型，AIS后出血转化预测的准确性和时效性得到了显著提高。总体来说，融合临床表现、影像特征及生物标志物的多参数预测模型的判别性能明显优于单一参数模型，且有更高的泛化能力。未来研究将致力于前瞻性、多中心研究进行验证，推动扫描方案和影像组学特征的标准化。随着多学科交叉研究的深入和临床转化应用的推进，AIS后出血转化的防治必将迈向更精准、更有效的个体化诊疗新时代。