可能出现头痛,癫痫发作和/或神经系统缺陷的客观患者(AVM)可能出现。可能会偶然发现少量案件。这些病变由于报道稀疏而尚未完全理解。在此,作者描述了迄今为止最大的系列,比较了儿童的偶然性和有症状的无破坏性AVM的表现,血管结构和管理。方法作者对1998年至2022年在加利福尼亚大学旧金山分校介绍脑AVM的患者进行了回顾性分析。纳入标准在出现时年龄≤18岁,是在产后被诊断出的血管造影未破裂的AVM。有76名未破坏AVM的儿童的结果,有66名(86.8%)出现头痛,癫痫发作和/或神经缺陷。十个AVM(13.1%)是通过无关的疾病检查(50%),颅创伤(40%)或研究研究参与(10%)的偶然发现的。与有症状的不充气AVM的患者相比,偶然未破坏的AVM的患者的平均值±SD最大直径(2.82±1.1 vs 3.98±1.52 cm,P = 0.025),更少的具有深静脉输液(20%的患者vs 61%,P = 0.036)。他们也在较早的年龄(10±5.2 vs 13.5±4岁,p = 0.043)和持续时间更长的持续时间(541±922 vs 196±448天,p = 0.005)。在观察期间,有1名患者患有反复出现的头痛并证明了AVM Nidus的生长。上次随访中消除了八个AVM(80%)。用放射外科处理的四个大于3 cm或深处的AVM大于3 cm。其他六个AVM通过重新处理处理,并接受2个接受术前栓塞。术后并发症包括切除后的2个短暂性神经缺陷和1例放射外科手术后的癫痫发育延迟发育。平均随访期为5。7±5。7年,没有任何出血发作。结论偶然发现了无破坏AVM的小儿患者。与有症状的未充气AVM相比,这些附带病变具有早期的呈现和更多的基本血管结构,在症状发育或破裂之前为AVM的自然历史提供了快照。
目的:儿童脑动静脉畸形 (bAVM) 破裂与大量发病率和死亡率相关。先前研究儿童期 bAVM 出血表现的预测因素的研究有限。机器学习 (ML) 在应用于大型数据集时具有很高的预测准确性,可以成为预测出血表现的有用辅助手段。本研究的目的是将 ML 与传统回归方法结合,基于回顾性队列研究设计来识别儿科患者出血表现的预测因素。方法:作者使用 19 年研究期间从 186 名儿科患者获得的数据,实施了三种 ML 算法(随机森林模型、梯度提升决策树和 AdaBoost)来识别对预测出血表现最重要的特征。此外,使用逻辑回归分析来确定出血表现的显著预测因素作为比较。结果 三种 ML 模型一致认为 bAVM 大小和患者就诊年龄是预测出血表现的两个最重要因素。在多变量逻辑回归中,就诊年龄并不是出血表现的重要预测因素。梯度提升决策树/AdaBoost 和随机森林模型分别将 bAVM 位置和并发动脉瘤确定为第三重要因素。最后,逻辑回归将左侧 bAVM、小 bAVM 尺寸和并发动脉瘤的存在确定为出血表现的重要风险因素。结论 通过使用 ML 方法,作者发现了使用传统回归方法无法识别的出血表现预测因素。
数字减影血管造影 (DSA) 存在与灰度图像质量相关的局限性,需要逐张检查才能观察到时间差异。本文通过介绍灌注血管造影作为定量分析框架以及 DSA 灌注参数和延迟的可视化来解决这些局限性。它的实用性可以归因于其良好的时空分辨率,并且不易与其他采集技术(如磁共振成像和计算机断层扫描)兼容。3 二维组织灌注血管造影图像是通过集成到计算机中的软件获得的,该软件允许基于 DSA 的二维功能信息。它为干预者提供了一种工具,可以实时测量所执行治疗的影响并帮助确定完成治疗的正确时间。从这些观察中,本文的总体目标是描述可以从该研究中提取的灌注参数的实用性,并以彩色编码图像显示,神经科医生、神经外科医生和神经介入放射科医生可以轻松解释。
摘要背景:很多情况下,患者脑动静脉畸形(bAVM)的破裂率及血管内治疗或手术治疗(当不适合进行放射外科治疗时)的风险均不低,因此在治疗前更谨慎地评估破裂风险显得尤为重要。本文基于目前的高危预测因素及临床资料,采用不同的样本量、采样时间和算法构建bAVM出血风险预测模型,并研究模型的准确性和稳定性,旨在提醒研究者在开发类似的预测模型时可能存在一些陷阱。方法:收集353例bAVM患者的临床资料,在构建bAVM破裂预测模型时,改变训练集与测试集的比例,增加采样次数,通过逻辑回归(LR)算法和随机森林(RF)算法构建bAVM破裂预测模型。采用曲线下面积(AUC)评价模型的预测性能。结果:两种算法建立的预测模型性能都不理想(AUC:0.7或更低)。不同样本量的LR算法建立的模型的AUC优于RF算法(0.70 vs 0.68,p < 0.001)。两种不同样本量的预测模型的AUC标准差(SD)范围较宽(最大范围> 0.1)。结论:基于目前的风险预测因子,可能难以建立稳定准确的bAVM出血风险预测模型。与样本量和算法相比,有意义的预测因子对于建立准确稳定的预测模型更为重要。关键词:脑动静脉畸形,Logistic回归,随机森林,预测模型,AUC
。CC-BY 4.0 国际许可(未经同行评审认证)是作者/资助者,他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2025 年 1 月 3 日发布。;https://doi.org/10.1101/2025.01.03.631070 doi:bioRxiv 预印本
结果:成像固化是在18例患者中实现的,在17例患者中选择了动脉途径,并在一名患者中进行静脉途径。一名患者得到了部分栓塞。在四名患者中进行了分期栓塞。在术后随访9-83个月(37.8±21.2)时,所有19例患者均恢复良好(MRS得分≤2)。三名患者发生围手术期并发症:一名患者的术中on玛瑙回流为中大脑中动脉;术后永久有限的左耳视野损失和一名患者的耳聋;一名患者中左肢疼痛和温度的疼痛和温度降低,并且在过程后磁共振检查中没有异常。在随访期间,共有17名患者完成了术后数字减法血管造影检查,一名患者患有动静脉瘘。
目的脑动静脉畸形 (AVM) 的形态和血管结构特征已被广泛描述并与结果相关;然而,很少有研究对 AVM 血流进行定量分析。作者使用直接视觉分析和基于计算机的方法检查了血管造影上的脑 AVM 血流和通过时间,并将这些因素与伽玛刀放射外科治疗后的闭塞反应相关联。方法在单个机构使用 2013 年 1 月至 2019 年 12 月管理的前瞻性患者登记册进行回顾性分析:使用视觉流量测定方法分析了 71 名患者,使用基于计算机的方法分析了 38 名患者。在对两种方法进行比较和验证后,将闭塞反应与流量分析、人口统计学、血管结构和剂量数据相关联。结果 AVM 平均体积为 3.84 cm3(范围 0.64–19.8 cm3),32 个 AVM(45%)位于关键功能位置,平均边缘放射外科剂量为 18.8 Gy(范围 16–22 Gy)。27 个 AVM(38%)被归类为高流量,37 个(52%)被归类为中等流量,7 个(10%)被归类为低流量。研究期间,44 名患者(62%)完全闭塞;低流量 AVM 的平均闭塞时间为 28 个月,中等流量 AVM 的平均闭塞时间为 34 个月,高流量 AVM 的平均闭塞时间为 47 个月。预测闭塞的因素的单变量和多变量分析包括 AVM 病灶体积、年龄和流量。 5 名患者 (7%) 被确诊为不良放射效应,67 名患者 (94%) 在随访期间未出现任何功能恶化。结论 AVM 血流分析和按传输时间分类是预测闭塞概率和闭塞时间的有用指标。作者认为,更定量地了解血流有助于指导立体定向放射外科治疗并设定准确的结果预期。
未通过同行评审认证)是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本的版权持有人(此版本发布于2024年4月7日。; https://doi.org/10.1101/2024.04.04.04.04.03.588015 doi:biorxiv Preprint
结果 - 28例患者发现了29个FMR-AVF。治疗了24/29(82.8%),观察到5/29(17.2%)。治疗在21/24(87.5%)中是血管内血管内的,在2/24(8.3%)中合并(血管内+手术),而手术为1/24(4.2%)。血管内治疗为76.2%的电视,14.3%的TA和9.5%的电视/TA组合。足够的随访数据可为20/28(71.4%),平均随访为16.8个月。TA/TV,联合血管内/外科手术或手术组没有AVF复发,电视组中有一次复发(7.1%)。在所有组中都可以看到症状改善:TV(71.4%完整,28.6%的部分),TA(66.7%完成,33.3%无随访),TV+TA(100%部分),血管内/手术(100%完成)和手术(100%部分)。次要的非神秘并发症包括电视组中的1/14(7.1%),TA/TV组中的1/3(33.3%)包括1/3(33.3%)。
位于言语功能区的动静脉畸形(AVM)患者常出现语言功能障碍,神经可塑性可使部分患者大脑通过功能重组恢复言语功能。探讨AVM引起语言功能重组的机制,对理解神经可塑性、改进临床干预策略具有重要意义。本综述系统检索并分析了近年来相关领域的研究文献,涵盖神经影像学、功能性磁共振成像(fMRI)和临床病例研究等数据,整合这些证据,评估AVM患者非言语功能区功能重组现象及其影响因素。结论:AVM引起的语言功能重组是神经高度可塑性的表现,了解这一过程对神经外科手术规划和患者术后康复具有重要意义。未来的研究应继续探索脑内功能重组的机制,并致力于开发新的诊断工具和治疗方法,以提高AVM患者语言功能的恢复率。
