环球医讯

本研究对机械心脏瓣膜患者发生颅内出血后重启抗凝治疗的最佳时机进行了系统回顾与荟萃分析，纳入13项研究共788例患者。结果显示，停药期间缺血性卒中汇总发生率为5.23%（95% CI 3.80%–7.20%），平均发生时间为8.08天；重启抗凝后出血复发汇总发生率为10.95%（95% CI 8.77%–13.70%），高于缺血事件。研究表明，颅内出血后暂停抗凝最长7天相对安全，但现有证据质量低，需前瞻性多中心研究及随机对照试验提供更可靠依据。

本研究提出了一种针对左心室辅助装置患者的新型机械循环辅助装置（MCAD）卒中分类系统，将卒中的病因分为管理相关、临床相关、获得性和装置相关性四类，并在单中心回顾性队列中验证了该系统具有出色的评估者间信度，为LVAD相关卒中的标准化病因评估和管理决策提供了结构化的框架。

本研究回顾性分析了2015年1月至2023年1月期间法国和瑞士14个卒中中心的数据，旨在评估机械取栓（MT）治疗急性缺血性卒中（AIS）且靶血管存在并发颅内动脉瘤（CIA）患者的有效性和安全性。研究纳入了104例至少有一个CIA的MT治疗患者，并与416例无CIA的MT治疗患者进行倾向性匹配。结果显示，尽管CIA组中有5.8%的动脉瘤破裂，但两组在3个月时的良好功能结局（42.4% vs 41.0%，校正后OR=1.20，95%CI 0.72-1.97）和再通率（90.0% vs 85.9%，校正后OR=1.75，95%CI 0.77-3.95）均无显著差异。结论认为MT对AIS患者是一种有效的选择，即使靶血管存在CIA，但破裂风险提示需要周密的术前规划。

本研究回顾性分析2015年1月至2023年1月期间法国和瑞士14个卒中中心的机械取栓治疗急性缺血性卒中患者数据，其中104例靶血管存在并发颅内动脉瘤（CIA），并与416例无CIA患者按年龄和性别1:4匹配。结果显示，尽管CIA组术中动脉瘤破裂发生率为5.8%，但两组在3个月良好功能结局（mRS≤2或等于术前mRS）方面无显著差异（42.4% vs 41.0%，校正OR 1.20，95%CI 0.72～1.97），再通率（mTICI≥2b）也相似（90.0% vs 85.9%，校正OR 1.75，95%CI 0.77～3.95）。研究表明机械取栓对靶血管合并CIA的急性缺血性卒中患者仍是一种有效选择，但破裂风险提示需做好术前规划，未来需进一步探索动脉瘤大小和位置以优化患者筛选和治疗决策。

本文报告一例56岁男性患者，在因右侧大脑中动脉M1段闭塞接受静脉溶栓和机械取栓术5个月后，出现左上肢局灶性运动性癫痫持续状态。影像学检查显示右侧额叶深部白质出现多个强化病灶，伴血管源性水肿。脑立体定向活检证实为坏死性肉芽肿和异物巨细胞反应，病原物为来自取栓导管的亲水性聚合物。患者经甲泼尼龙冲击治疗及后续免疫抑制剂治疗后症状缓解。文章还详细讨论了机械取栓术后神经功能恶化的鉴别诊断，包括迟发性缺氧后白质脑病、造影剂脑病、脑脓肿、结节病、原发性中枢神经系统血管炎、结核和真菌感染以及淋巴瘤等，强调亲水性聚合物栓塞作为机械取栓术后并发症的临床特征在于症状出现延迟（术后2-12个月），病灶局限于操作血管区域，且对免疫抑制治疗响应良好。该病例强调了在机械取栓术后出现延迟性神经功能恶化时，应考虑亲水性聚合物栓塞这一罕见但重要的并发症。

威尔康奈尔医学院的研究人员开发了一种基于机器学习的计算机模型，该模型利用电子健康记录数据在妊娠晚期持续更新子痫前期风险预测，为临床医生提供早期预警，从而有机会采取预防措施，降低该严重并发症的危害。该研究发表在《JAMA Network Open》上，验证了模型的准确性，并指出血压是最强预测因子，而炎症等因素在后期也起重要作用。该模型有望改善晚期妊娠管理，但仍需进一步研究以明确不同阶段的病因。

伍斯特理工学院的研究人员利用机器学习分析脑部解剖变化，以近93%的准确率预测阿尔茨海默病，并发现脑体积减少因年龄和性别而异，海马体、杏仁核和内嗅皮层的体积损失是主要预测因子，为早期诊断和治疗提供了新方法。

本研究利用新加坡早期帕金森病纵向队列（PALS）193名参与者的数据，评估了重复血液生物标志物（神经丝轻链和总tau蛋白）在改善认知下降预测方面的价值。通过应用三种变量选择方法和五种机器学习模型对七个特征集进行分析，发现约23%的参与者在五年内经历了认知下降。采用随机森林选择的变量训练的XGBoost模型表现最佳，曲线下面积达到0.806，显著优于仅使用基线数据的模型（0.560）。关键预测因素包括舒张压以及总tau蛋白和神经丝轻链的汇总统计量。研究结果表明，随时间变化的生物标志物比单一基线数据更能改善预测，支持将其与机器学习相结合用于帕金森病的早期认知风险评估。

机器学习分析显示，在无痴呆及已患痴呆的老年人中，神经精神症状（如焦虑、抑郁、易怒、冷漠、激越等）可形成四种明确的行为特征：无症状型、抑郁-冷漠-焦虑型、抑郁-焦虑型、以及妄想-激越-易怒型。这些症状在痴呆确诊前就已出现，并与高LDL胆固醇、低HDL、血糖失调、甲状腺疾病及体重不足等可干预的健康因素相关联，为早期预防和监测提供了新线索。该研究由卡罗林斯卡学院和佩鲁贾大学合作完成，发表于《阿尔茨海默病与痴呆》期刊。

一项发表在《通讯医学》杂志上的新研究，通过利用常规临床评估数据，开发并验证了机器学习模型，能够为阿尔茨海默病和轻度认知障碍患者提供个性化的12个月认知和功能变化预测。研究团队利用英国Minder健康管理研究的纵向数据，基于ElasticNet回归模型，分别预测了简易精神状态检查（MMSE）和布里斯托尔日常生活活动能力量表（BADL）的未来得分。结果显示，认知模型在内部验证中平均绝对误差仅为1.84分，R²为0.74，并在外部数据集上得到验证。功能模型同样表现出色。特定的认知和功能子领域，如观念性失用、言语、理财能力等，比总分更能预测衰退速度。研究还开发了名为Theia的临床决策支持工具，有助于在不依赖昂贵影像或侵入性检查的情况下，实现精准的个体化护理规划和资源优化。