论文部分内容阅读
第一部分2区胸主动脉夹层腔内治疗的支架选择研究背景胸主动脉腔内修复术（Thoracic Endovascular Aortic Repair,TEVAR）已经成为复杂Stanford B型主动脉夹层的一线治疗方案,而健康、充足的近端锚定区（夹层近端破口与左侧锁骨下动脉开口之间的区域）,是保证TEVAR能够成功实施的关键。常规TEVAR要求至少15mm的健康血管作为支架的近端锚定区,对于近端锚定区不足的Stanford B型主动脉夹层,直接封闭左侧锁骨下动脉以延长近端锚定区,会增加左上肢和脑后循环缺血的风险。对于该类患者,多采用左侧颈总动脉-左侧锁骨下动脉旁路术或开窗、烟囱等技术来保留左侧锁骨下动脉的血流灌注,分支支架目前也已应用于主动脉弓部疾病的腔内治疗。杂交手术增加了神经系统并发症和围手术期死亡的风险,开窗技术影响支架原有的结构,而烟囱支架增加了内漏发生的风险,分支支架则存在分支精确定位困难、需要个体化定制等问题。因此,对于近端锚定区不足的Stanford B型主动脉夹层患者,目前仍无法确定最优的腔内治疗策略。研究目的对于近端锚定区不足的StanfordB型主动脉夹层患者,评价在zone 2 TEVAR（支架近端锚定在左侧锁骨下动脉与左侧颈总动脉开口之间）术中应用烟囱支架或单分支支架的安全性及有效性,并对我们的经验进行总结,为该类患者选择适当的支架提供参考依据。研究方法自2017年2月至2020年6月,共纳入137例因近端锚定区不足行zone 2 TEVAR及左侧锁骨下动脉重建的Stanford B型主动脉夹层患者。夹层破裂的患者采用烟囱支架,夹层累及左侧锁骨下动脉开口的患者采用Castor分支支架,患者的治疗方案基于医患共同决策模式（Shared Decision Making,SDM）结合病变的特征决定。68例患者（A组）采用烟囱支架,69例患者（B组）采用Castor分支支架,所有手术均在急性期进行。分析两组患者的技术成功率、术后内漏发生率、神经系统并发症发生率、30天死亡率、12个月临床治疗成功率、全因死亡率、术后分支闭塞率和再干预率、主动脉重构等指标,并对患者住院期间的费用、支架的鸟嘴构型（Bird-Beak Configuration,BBC）等指标进行分析。1.主要研究目标:12个月临床治疗成功率。2.次要研究目标:技术成功率、内漏发生率、神经系统并发症发生率、30天死亡率、术后分支闭塞率、再干预率、全因死亡率、主动脉重构、BBC发生率、住院费用等。研究结果两组患者技术成功率分别为97.06%（66/68,A组）、97.1%（67/69,B组）。A组患者术后内漏、神经系统并发症（脑卒中或脊髓缺血）发生率和30天死亡率分别为5.9%、1.5%和4.4%,B组患者为2.9%、2.9%和2.9%。随访期间,两组患者12个月临床治疗成功率相似,A组为98.4%,B组为96.9%,A、B两组患者的全因死亡率分别为3.1%、4.5%,术后分支闭塞率和再次干预率无统计学差异。B组BBC的发生率为59.4%,明显高于A组（17.6%）,B组住院费用也明显高于A组。此外,两种治疗方式均明显促进了胸主动脉的重构。研究结论对于近端锚定区不足的Stanford B型主动脉夹层患者,在zone 2 TEVAR术中应用烟囱支架或Castor分支支架重建左侧锁骨下动脉是安全、可行的。尽管Castor分支支架具有更高的BBC发生率,但两组患者围手术期及随访期间并发症发生率无统计学差异。对于zone 2 TEVAR术中左侧锁骨下动脉的重建,支架的选择需基于SDM模式结合病变的特征来决定。第二部分2区胸主动脉夹层腔内治疗中支架鸟嘴构型风险预测机器学习模型构建研究背景胸主动脉腔内修复术（Thoracic Endovascular Aortic Repair,TEVAR）已广泛应用于胸主动脉疾病的治疗,中期随访结果显示,TEVAR比开放手术具有更好的总体生存率和更低的主动脉相关死亡率。如今,TEVAR的适应证已经拓展到主动脉弓部病变,然而在多数情况下,处理主动脉弓部病变仍然是非常具有挑战性的。弓部复杂、迂曲的解剖特征,使支架与主动脉弓不能完全匹配,进而导致鸟嘴构型（Bird-Beak Configuration,BBC）的出现,增加Ia型内漏、支架移位或塌陷、主动脉缩窄以及远端脏器灌注不良等相关严重并发症发生的风险。支架的顺应性、主动脉弓的弯曲程度、支架的近端锚定位置与BBC的发生密切相关。在使用单分支支架的zone2TEVAR术中,BBC发生率似乎更高。因此,对于主动脉弓严重扭曲成角的患者,在使用单分支支架时,制定详尽的术前计划是至关重要的,并应加强术后随访以监测BBC的发生和进展。目前,BBC与支架特性和主动脉几何特征等因素之间的相关性尚不明确,对于主动脉弓几何特征参数的获取,也没有标准的处理方法。研究目的通过胸主动脉图像分割与中心线提取、曲线拟合,建立主动脉弓几何模型,并计算其关键几何特征参数;基于常用机器学习模型,以主动脉弓关键几何特征为基础,构建多参数预测模型,预测zone2TEVAR术后BBC的发生风险,指导危险分层及早期个体化干预。研究方法自2019年10月至2022年3月,共纳入201例因近端锚定区不足采用Castor分支支架行zone 2 TEVAR及左侧锁骨下动脉重建的急性Stanford B型主动脉夹层患者。由2位具有10年以上Stanford B型主动脉夹层腔内治疗经验的专家负责评估,根据术中及术后影像资料,将患者分为BBC组（支架出现BBC）和N-BBC组（支架不出现BBC）。其中,2019年10月至2021年2月纳入的131例患者作为开发队列,进行模型的构建;2021年3月至2022年3月纳入的70例患者作为验证队列,对模型进行外部时段验证。首先,采用深度学习的方法,构建分割网络,对胸主动脉感兴趣区域（Region of Interest,ROI）进行分割;基于迭代细化图像的方法进行中心线提取,基于投影法进行主动脉弓大小弯曲线的分离。其次,对中心线、内侧线（小弯）、外侧线（大弯）分别建立拟合为参数曲线,并计算关键几何特征参数。最后,基于胸主动脉ROI关键几何特征参数,以常用机器学习模型为研究基础,利用开发队列（131例患者）进行BBC风险预测模型的构建。基于中心线采样多点曲率对模型进行优化,进一步提高性能,并利用验证队列（70例患者）对模型的预测效能进行检验。研究结果 1、使用修改后的U-Net模型及稀疏标注分割胸主动脉ROI,分割的边缘较为平滑,使得中心线提取以及大小弯分离算法受到的干扰较小,从而使中心线以及大小弯的提取都取得了较准确的结果。2、三次样条曲线拟合的结果充分反映了中心线以及大小弯的整体趋势,胸主动脉ROI几何特征的参数计算结果符合预期。3、基于逻辑回归（Logistic Regression）、支持向量机（Support Vector Machine）、朴素贝叶斯（Na?ve Bayesian）、决策树（Decision Tree）、随机森林（Random Forest）等常用机器学习模型,利用131例患者的数据构建的多参数（特征组1）BBC风险预测模型,随机森林表现最优,平均准确率为66.41%、平均AUC值为0.6677。基于中心线64点采样曲率（特征组2）训练的随机森林模型取得了平均84.25%的灵敏度,以及最高84.62%的准确率,平均AUC值为0.7303。在外部验证数据集中,随机森林模型的平均AUC值为0.7。研究结论基于胸主动脉计算机断层扫描（Computed Tomography,CT）图像,建立图像处理与算法模型,成功获取了胸主动脉ROI关键几何特征参数。基于胸主动脉ROI关键几何特征构建的BBC风险预测机器学习模型,获得了较高的准确率和良好的泛化性能,可以有效预测zone 2 TEVAR术后BBC的发生风险,指导制定个体化的治疗及随访策略。