据报道，欧洲男性腹主动脉瘤(AAA)的患病率为1.9-18.5%，女性为0 - 4.2%。虽然大多数情况下无症状，但AAA破裂的致死率仍在80%至95%之间。AAA破裂的主要预测指标是AAA的最大直径(DMax)。动脉瘤破裂的其他危险因素包括动脉瘤的扩张速度、近期手术、未控制的高血压和吸烟。然而，基于最大直径和性别的logistic回归预测模型在破裂风险预测方面仅产生60%的敏感性和77%的特异性(AUC 0.67)。

其他可能导致血管破裂的危险因素也有研究，如血液生物标志物或主动脉硬度，但它们都没有显示出足够的准确性，无法用于临床环境。因此，预测主动脉破裂的能力差导致在可能从未破裂的患者中进行主动脉修复，从而增加了相关的成本和发病率。相反，估计4.0至4.9 cm AAA的年破裂率不可忽略(0.5%至5%)，23%的AAA破裂小于5 cm。因此，需要新的预测参数来提高AAA破裂预测的准确性。

各种有限元分析和临床研究都提出钙化可能是导致AAAs破裂的因素，而其他研究则推断相反。只有少数临床研究探讨了主动脉钙化与AAA破裂之间的联系，尽管没有一项研究在使用大量对比增强(C+) CT扫描和机器学习分析的人群中使用半自动量化钙化。鉴于C+CT扫描是评估AAA形态和是否适合进行血管内修复的主要方式，这一点就更加重要了。

近日，发表在European Radiology杂志的一项研究通过机器学习和LASSO回归评估了主动脉钙化分布预测AAA破裂的能力及价值。

在本项回顾性研究中，根据最大AAA直径、年龄和性别，将2001年1月至2018年8月期间接受AAA破裂治疗的80例患者与80例未破裂患者进行匹配。采用单变量分析(p = 0.05)和多变量分析(机器学习和LASSO回归)比较两组间钙化体积、离散度、形态学和临床变量。研究在机器学习中使用AUC，在回归中使用比值比来衡量性能。

患者平均年龄74.0±8.4岁，男性占89%。两组的AAA直径相等(80.9±17.5 vs 79.0±17.3 mm, p = 0.505)。破裂动脉瘤包含较少数量的钙化聚集体(18.0±17.9 vs 25.6±18.9,p = 0.010)，较少可能发生在近端颈部(45.0% vs 76.3%，p < 0.001)。在机器学习分析中，有5个变量与AAA破裂相关:颈部近端、抗血小板使用、钙化数、钙化之间的欧几里得距离和欧几里得距离的标准差。后续LASSO回归与机器学习分析关于钙化分散度的结果一致，但在钙化数量上不一致。  

图 a破裂状态分类的ROC曲线。黑线是使用ExtraTreesClassifier对所有初始变量进行破裂状态预测的ROC曲线(AUC为0.61±0.08)。红线是使用XGBoost分类器在5变量约简数据集上预测破裂状态的ROC曲线(0.81±0.04)。b来自XGBoost分类器的5变量简化数据集的相对重要性

本项研究发现，AAA钙化可能比目前文献所知的更多，破裂动脉瘤的钙化体积更可能集中在较小的地理区域。

原文出处：

Mohamed Mansouri,Eric Therasse,Emmanuel Montagnon,et al.CT analysis of aortic calcifications to predict abdominal aortic aneurysm rupture.DOI:10.1007/s00330-023-10429-1

Tags： European Radiology：如何利用主动脉钙化早期预测腹主动脉瘤的破裂？