頸動脈易損斑塊的無創(chuàng)性影像學評估研究進展

任羿陶，李 康（通信作者）

（1重慶醫(yī)科大學 重慶 400016）

（2中國科學院重慶綠色智能技術研究院 重慶 400714）

（3中國科學院大學重慶學院 重慶 400714）

（4重慶市人民醫(yī)院放射科 重慶 401147）

腦卒中會導致大腦出現不可逆轉的損傷。粥樣硬化斑塊造成管腔狹窄，遠端腦組織的血液循環(huán)受阻及粥樣硬化斑塊的破裂形成的栓子阻塞遠端血管是腦卒中的主要病因[1-2]。既往研究中研究人員只將管腔狹窄程度作為缺血性腦卒中的一個高危因素，但多項研究證實，狹窄程度及易損斑塊成分都是腦卒中治療中不容忽視的兩方面[3]。易損斑塊的形成是一個復雜的過程，它包括多種細胞、炎癥活動及信號通路的參與。易損斑塊的特征性表現為巨大的脂質核心、薄的纖維帽、大量的炎性細胞及較少的平滑肌細胞使斑塊容易破裂，其病理過程主要分為血管內膜增厚、脂肪紋形成、纖維斑塊、粥樣斑塊；繼發(fā)性改變5步。超聲、CT、MRI、PET、人工智能等非侵入性影像學檢查方法能夠評估管腔的狹窄程度和易損斑塊的成分特征，幫助臨床醫(yī)生及早識別高?；颊叩淖渲酗L險，對未來不良事件進行危險分層[4]，使有卒中風險的患者得到及時的救治及管理?；诖?，本文就無創(chuàng)性影像學方法在頸動脈易損斑塊中的應用研究進展進行綜述。

1 CT在頸動脈易損斑塊中的應用

CT檢查費時短、禁忌證相對較少，故在臨床上應用較廣，但CT具有輻射效應也在一定程度上限制了它的發(fā)展。

1.1 常規(guī)CT

CT是一種掃描速度快、無創(chuàng)的檢查方法，它包括普通平掃及血管增強掃描，可以測量管腔的狹窄程度、觀察斑塊的位置及表面情況。根據NASCET公式計算，管腔的狹窄程度主要分為輕度狹窄（0%～＜30%）、中度狹窄（30%～＜70%）、重度狹窄（70%～＜100%）、閉塞（100%）4 型。通過在后處理工作站勾畫粥樣硬化斑塊的感興趣區(qū)，并計算出不同組織成分的像素值可以初步對斑塊的成分做出判斷。易損斑塊的CT表現主要包括[5-6]：①脂肪成分（斑塊內含有CT值＜10 HU）；②斑塊內出血（增強掃描動脈期斑塊內CT值增加10 HU以上）；③斑塊潰瘍（有龕影或局部管腔不規(guī)則）。張芙榮等[6]選取126頸動脈潰瘍斑塊患者進行數字減影血管造影（digital subtraction angiography，DSA）診斷，對患者行超聲及CTA檢查比較他們的檢出及診斷陽性率，最終得出CT血管成像在頸動脈斑塊潰瘍識別中更有優(yōu)勢。但是因為一些成分的部分容積效應，CT很難區(qū)分纖維出血、斑塊內出血等。

1.2 能譜CT

能譜CT采用單球管瞬時雙keV切換技術在0.5 ms內實現在80～140 kVp管電壓間實現瞬時切換，而實現雙能量成像。與傳統(tǒng)的多排螺旋CT相比，能譜CT采集速度更快、具有更高的空間分辨率，輻射劑量大大減低，被稱為“綠色環(huán)保”CT。能譜CT提供了更多的定量指標，通過能譜曲線、碘水圖等可以對易損斑塊成分進行定性、定量分析。易損斑塊也有特征性的能譜曲線，例如：① 斑塊內大的富含脂質的壞死核心，能譜曲線呈“弓背向上”；②斑塊內出血則表現為呈下降曲線且斜率較大。

2 超聲在頸動脈易損斑塊中的應用

臨床在頸動脈易損斑塊中常采用的超聲技術包括常規(guī)二維超聲、超聲造影技術及超聲彈性成像。

2.1 常規(guī)二維超聲

常規(guī)二維超聲可以直觀地觀察血管腔的形態(tài)、斑塊的位置及斑塊表面的情況，對狹窄處殘余管腔的內徑測量、血流情況的評估等方面對斑塊的易損性進行評估。超聲通過回聲不同將斑塊分為以下4型：①軟斑：低回聲，主要含有脂質及血栓，斑塊表面不規(guī)則，是一種不穩(wěn)定斑塊；②硬斑：含有較大的鈣化灶而表現為強回聲，是一種穩(wěn)定斑塊；③扁平斑：呈條形帶狀回聲，信號不連續(xù)，是一種相對穩(wěn)定的斑塊；④潰瘍斑：回聲不均，形態(tài)不規(guī)則，表現凹凸不平，當斑塊內出現出血時表現為低回聲或無回聲，是一種不穩(wěn)定斑塊。Emma Nyman通過對106例受試者研究發(fā)現超聲對于斑塊檢測的可重復性高，是一種可靠的檢測方法[7]。但是二維超聲對斑塊內炎癥及新生血管的情況的評估是有限的。

2.2 超聲造影技術

超聲造影檢查是通過向血管內注射一種血管內示蹤劑，是一種可以在易損斑塊中聚集的微氣泡。造影劑使目標斑塊與周圍組織形成灌注差異來全面觀察斑塊，易損斑塊因含有較多的新生血管是它不穩(wěn)定的標志，超聲造影技術通過檢測斑塊內新生血管來評估斑塊的易損性及管腔的狹窄程度[8]。有學者在術前[9]對25例行頸動脈內膜切除術的頸動脈狹窄的患者進行了超聲造影及MRI成像評估斑塊的穩(wěn)定性，研究結果顯示，超聲造影識別頸動脈易損斑塊的敏感性、特異性及診斷的整體準確性都非常高。通過Logistic回歸模型分析發(fā)現，斑塊內新生血管分級可以預測腦梗死的復發(fā)，當斑塊內新生血管分級大于Ⅱ級時有較高的相關性。超聲造影雖然能夠更為全面地評估斑塊內新生血管，但是當斑塊內含有較多鈣化時，其敏感度會降低。

2.3 超聲彈性成像

超聲彈性成像[10]通過顯示斑塊的彈性特征來評估斑塊的易損性，目前所采用的主要是特異性及敏感度均較高的聲脈沖輻射力成像及剪切波彈性成像[11]。易損斑塊的某些成分如脂質、斑塊內出血等較相對穩(wěn)定的鈣化斑有較高的位移，而且不穩(wěn)定斑塊的狹窄程度常更高，其楊式模量值更低。超聲彈性成像作為檢測斑塊易損性的一項新的研究方法，目前的研究標本還較少超聲應變特征與組織學是否一一對應后續(xù)也需要更多的臨床研究來探索及證實，而且剪切波在評估斑塊易損性時通過如血液這類的介質時會受到偽影干擾影響評估的準確性，同時剪切波在體內的衰減也是急需解決的問題。

3 MRI在頸動脈易損斑塊中的應用

3.1 MRI常規(guī)檢查序列

MRI是一種較理想的無創(chuàng)性斑塊成像方法，其組織分辨率較高。MRI常用的掃描序列包括：①黑血技術自旋回波序列：T1WI、T2WI、PDWI評價斑塊的體積、位置，識別斑塊成分；②亮血技術梯度回波序列：3D-TOF，顯示早期鈣化及纖維帽等；③增強掃描顯示炎性病變。其血管壁成像及“黑血”和“亮血”技術等對判斷斑塊的易損性有很大的價值，這些得到了病理的證實?！昂谘奔夹g抑制血流信號強度，可以更清晰地顯示管壁，“亮血”技術增強血流信號強度，其圖像中血流為高信號，并通過圖像后處理顯示頸動脈全貌。MRI增強可以顯示斑塊內出血及纖維等成分，斑塊內新生血管認為是斑塊易損性的一個標志，可以通過對比增強MRI來量化[12]，還能通過新生血管的數量反應斑塊的炎癥反應[13]對易損斑塊進行評分。

3.2 易損斑塊的MRI特征

根據周圍的肌肉組織信號來表征斑塊的成分，幾種易損斑塊的信號主要表現為：①鈣化在所有序列均呈低信號。②完整的纖維帽在TOF序列上呈條形低信號，增強掃描有強化；破裂的纖維帽則表現為低信號帶的缺失，增強掃描無強化。③LRNC在TOF序列上呈等信號，T1WI呈高信號，T2WI呈混雜信號，增強掃描無強化。④IPH：在所有序列上均呈高信號。IPH和LRNC都可能出現T1WI高信號，他們可以在T1-加權TOF序列上區(qū)分。雖然MRI一直被認為是粥樣硬化斑塊組織成分顯示的金標準，但是MRI由于檢查時間耗時較長、費用高以及禁忌證較多在臨床中的應用受到限制。

4 PET在頸動脈易損斑塊中的應用

正電子發(fā)射斷層掃描（positron-emission tomography，PET）屬于核醫(yī)學分子影像技術。PET是在分子影像學的基礎上選用合適的示蹤劑注入體內，檢測放射性示蹤劑在目標病灶中的攝取情況。目前臨床上所使用示蹤劑主要是18F-FDG，它主要在代謝活躍的細胞內分布。由于頸動脈易損斑塊具有活動性炎癥、血管正性重構等特征，生物示蹤劑會在更多的聚集在易損斑塊中，當目標斑塊18F-FDG攝取增加可提示斑塊易損性。研究人員[14]對18 例患者36條頸動脈分析發(fā)現，發(fā)生腦缺血事件患者有癥狀和無癥狀側斑塊的18F-FDG攝取量存在差異，其同側頸動脈斑塊顯示有更多的18F-FDG分布。因為所有的細胞都進行糖代謝，18F-FDG會被所有細胞攝取缺乏特異性。此外，有研究人員[15]尋找到了一種特異性較高的示蹤劑18氟-氟化鈉（18F-NaF）用以反映斑塊的易損性。有研究通過選取一批臨床診斷短暫性腦缺血發(fā)作或輕微腦卒中的患者進行了18F-FDG及F-NaF的PET/CT檢查，最終證實18F-NaF在易損性斑塊中的檢測率更高。但是由于PET的檢查價格相對較高，使其在臨床上的使用受限。

5 小結與展望

綜上所述，各種無創(chuàng)性影像學檢查技術因為成像方式不同，對頸動脈斑塊易損性的評估各有優(yōu)劣，多種影像學方法結合的靈活運用可提高斑塊狹窄程度及斑塊成分檢測的準確度。還需要探索更加有特異性及靈敏度的檢查方法分析頸動脈斑塊成分，為高危人群預測腦血管事件的風險。

此外，隨著來計算機技術的蓬勃發(fā)展，人工智能在頸動脈斑塊方面的研究也越來越多并且取得了卓越的成果。人工智能是利用自動化、可重復的人工智能分析方法從海量的影像圖像資料中提取研究對象的關鍵信息，并以此建立模型，后續(xù)可以對患者的數據進行精確的定性、定量分析，幫助臨床醫(yī)生進行診斷[16]。它不僅大大減輕了醫(yī)生的工作強度，而且相較于傳統(tǒng)的依靠影像醫(yī)師的診斷方式它滿足了越加復雜的醫(yī)學圖像的分析及處理需求，但是人工智能的發(fā)展還有很多不足，需要更多的研究來驗證它的效果。