胸主动脉修补术 (TEVAR) 已迅速成为Stanford B型主动脉夹层(TBAD)的主要治疗方法。成功的TEVAR需要选择支架移植物的大小和随后的精确定位。然而，支架区域的曲率和大锥度给支架移植物的定位带来了挑战。

SINE指的是由支架移植物本身引起的血管撕裂，包括所有由自然疾病进展或血管内操作引起的医源性损伤。大多数发展为远端SINE的患者是症状性的。对于无症状的患者，术后随访CT血管造影 (CTA)可确认远端SINE的存在。远端SINE是器械相关血管损伤的常见原因，报告的事件范围从1.3%至34.8%不等，死亡率为28.6%。

以前的回顾性研究已经确定了几个与远端SINE发展相关的因素，包括从主动脉夹层到介入治疗的时间以及TEVAR前的形态学参数。然而，临床上仍然缺乏量化每个因素的权重与发生远端SINE风险的相关预测模型。

近日，发表在European Radiology杂志上的一篇研究基于术前数据集建立了远端SINE的预测模型，为临床评估提供了参考依据。

本项研究对206例经TEVAR治疗的Stanford B型主动脉夹层(TBAD)患者进行了研究及评估。其中30例发生远端SINE。基于CT重构构型测量TEVAR前的形态学参数，并通过虚拟支架植入算法(VSA)计算虚拟TEVAR后形态学和力学参数。研究开发了两个预测模型(PM-1和PM-2)，并以图的形式呈现以帮助评估远端SINE的风险，并对所提出的预测模型的性能进行了评估并进行了内部验证。

PM-1的机器选择变量包括关键的TEVAR前参数，PM-2的机器选择变量包括关键的TEVAR后虚拟参数。两种模型在开发和验证子样本中都显示出良好的校准，而PM-2优于PM-1。在子样本中，PM-2的鉴别性优于PM-1，其曲线下修正面积(AUC)分别为0.95和0.77。在验证子样本中应用PM-2鉴别效果良好，AUC为0.9727。决策曲线显示PM-2在临床上是有价值的。

 表 预测模型的表现

本研究提出了一种结合CT为基础的VSA远端SINE预测模型。该预测模型可以有效地预测远端SINE的风险，从而有助于个性化的干预计划。

原文出处：

Xuehuan Zhang,Dianpeng Wang,Xuyang Zhang,et al.A CT-based predictive model for stent-induced vessel damage: application to type B aortic dissection.DOI:10.1007/s00330-023-09773-z