摘要
脑小血管病（CSVD）是一种对我国人民健康产生严重影响的常见疾病。该疾病进展隐匿，可能被患者和临床医师忽视。近些年，对于CSVD的危险因素、发病机制、临床表现以及评价体系的研究取得一些进展。2013年，国际血管改变神经影像标准（STRIVE）协作组对CSVD的定义与描述进行了规范性的梳理。2021年，本团队发布了《中国脑小血管病诊治专家共识2021》，整合了最新的国内外研究成果。在2023年，国际STRIVE协作组进一步更新了CSVD领域的研究进展。在临床表现上，CSVD与神经退行性病变相似，特异性不够显著。尽管遗传检测和脑组织活检对于确诊有一定帮助，但由于技术和经费限制，这些方法在临床中并不常用。目前，神经影像学技术是主要用于检测CSVD引发的脑组织病变并作出诊断的手段。本文将集中讨论用于CSVD诊断的影像学标志，并深入探讨CSVD的影像鉴别诊断。
脑小血管病（cerebral small vessel disease， CSVD）涵盖了由多种病因引发的，影响脑内小动脉（直径100~400 μm）、微动脉（直径40~100 μm）、毛细血管、微静脉与小静脉的临床、影像和病理综合征。当前，对脑小血管的定义不仅包括上述的血管，还进一步扩展至这些血管周围2~5 mm的脑实质和蛛网膜下腔内的血管结构。
2013年，国际血管改变神经影像标准1（Standards for Reporting Vascular Changes on Neuroimaging 1，STRIVE-1）小组明确了CSVD的6种核心影像学特征，包括近期皮质下小梗死（recent small subcortical infarct，RSSI）、推测为血管源性的腔隙、推测为血管源性的脑白质高信号（white matter hyperintensity，WMH）、血管周围间隙（perivascular space，PVS）、脑微出血（cerebral microbleed，CMB）和脑萎缩。到2023年，基于STRIVE-1的基础上，STRIVE-2对CSVD的影像学特征进行了更新和扩充。新的修订不仅保留了原有的6种核心特征，还新增了皮质表面铁沉积（cortical superficial siderosis，CSS）和皮质微梗死这2项核心影像学特征；此外，偶发弥散加权成像（diffusion weighted imaging，DWI）阳性病变被纳入新的影像学特征。
1 近期皮质下小梗死
RSSI是指一条与神经功能缺失症状一致的穿通动脉分布区的近期小梗死。在T1WI序列中这种病变呈现为低信号，而在T2WI和T2-FLAIR序列中为高信号，轴位直径不超过20 mm，但在冠状或矢状位可超出这一直径。此病变有时也被称为腔隙性梗死、腔隙性卒中或腔隙综合征，但鉴于“腔隙”主要用于描述空腔状改变，STRIVE-2讨论组推荐继续使用RSSI作为规范描述。
“近期”通常指的是过去大约3周内，包括超急性期、急性期以及部分亚急性期。RSSI主要分布在内囊后肢、半卵圆中心、豆状核、丘脑前外侧以及脑干和小脑的幕下部位。在鉴别诊断时，需要与脉络膜前动脉梗死进行区分，后者通常位于尾状核头部并呈逗号状。而那些基底节区和内囊轴位直径超过20 mm的病灶，一般由多个穿通动脉闭塞导致，被称为纹状体内囊梗死，这类梗死与大脑中动脉粥样硬化或颈动脉重度狭窄等明确病因相关，不归类为RSSI。
病理上，RSSI的产生与内源性穿通动脉的硬化（指年龄和血管病危险因素相关的脑小血管病）有关。需注意其他可能导致RSSI的原因，例如心脏或颅外血栓栓塞，或大动脉与穿通动脉的粥样硬化。当多个动脉区域出现RSSI时，可能是栓塞的原因，但在没有可识别栓子源的严重CSVD中也可能出现。与穿通动脉起源点较近的长形RSSI可能与母动脉或穿支动脉的粥样硬化有关。
根据STRIVE-1的定义，RSSI重点在于影像学特征。但在STRIVE-2中，基于是否存在神经功能缺失症状，被分类为RSSI和偶发DWI阳性病变。RSSI通常表现为急性发病的5种经典症状：纯感觉卒中、纯运动偏瘫、共济失调轻偏瘫、构音障碍手笨拙综合征和感觉运动卒中。当RSSI与非典型神经行为异常相关或没有局灶性神经功能缺失时，STRIVE-2描述其为新兴的CSVD特征，即偶发DWI阳性病变，但这不被视为CSVD的核心特征。
RSSI可能的结局有多种，包括病变消失、直径小于3 mm的腔隙、周围有含铁血黄素的腔隙、仅留有一个小的含铁血黄素斑点，或相邻白质出现帽状或轨迹状的高信号。
2 推测为血管源性的腔隙
在磁共振成像（MRI）上，腔隙表现为位于皮质下的圆形或卵圆形液体充满的空腔，其信号与脑脊液相似。在T1WI序列中，它呈现为低信号，而在T2WI序列中为高信号。在T2-FLAIR序列中，腔隙呈中心低信号，外围则有一个高信号环。部分血管源性腔隙，T2-FLAIR序列可见未被抑制的中央高信号，但T1WI和T2WI序列上仍表现为脑脊液信号。腔隙的可能来源包括RSSI、皮质小出血、偶发的DWI阳性病变或WMH的最终演变结果。
根据STRIVE-1的定义，腔隙的轴位直径范围是3~15 mm。但在STRIVE-2中，仅规定了其最大直径为15 mm，并未设定3 mm的最小直径限制。这是因为RSSI可以演变为直径小于3 mm的腔隙。腔隙与直径≥3 mm的PVS的主要鉴别在于，根据切片方向的不同，PVS可能呈圆形、卵圆形或线性，且在T2WI或T2-FLAIR序列上无明显的高信号环。
3 推测为血管源性的脑白质高信号
WMH在T2WI和T2-FLAIR序列中表现为脑白质区域的高信号，而在T1WI序列中为等或低信号。初期，WMH病变常呈小帽状，主要分布在额叶或枕角；随着病情的进展，这些病变会逐渐延伸，并可能与皮质下白质区域相融合。除非特别说明，皮质下灰质和脑干的白质高信号改变通常不包含在该特征分型中。除血管源性WMH外，多种其他因素如遗传、自身免疫反应、代谢疾病、中毒、肿瘤和感染也可导致白质病变，并在影像上呈白质高信号。针对这些病变的鉴别诊断可以通过结合病史、临床症状、影像学分析以及基因检测来进行。
对于WMH的定量评估，现有的自动分割技术能够更精确、快速地评估WMH的负荷及其进展。尽管当前已有多种半自动和全自动方法用于评估白质高信号，但它们在可重复性和比较性方面仍需进一步验证。与此同时，基于深度学习的算法正在被研发和优化，但其有效性仍在探索中。当前，已有的Fazekas视觉评分量表及其改良版已经经过验证，被广泛应用于临床实践中。
4 血管周围间隙
PVS在影像学上呈现为围绕并沿着血管走行的间隙，平行于血管时为线状，垂直于血管时为圆形或椭圆形，信号与脑脊液相似。在T1WI和T2-FLAIR序列中呈低信号，而在T2WI序列中呈高信号。其直径通常小于3 mm；当直径超过15 mm时，被称为巨大或瘤样PVS。PVS常见于基底核（Ⅰ型）、皮质下（Ⅱ型）和脑干（Ⅲ型），而小脑较为罕见。除非PVS位于WMH中，其边缘通常不会呈现高信号环，这一点与腔隙病变不同，腔隙的边缘会出现高信号环。
特别是在基底节核和半卵圆中心，PVS最为显著；此时，需要与基底节区的正常血管发育凹陷进行鉴别。尽管Potter等于2015年为临床实践提出了PVS的视觉评分法，该方法在敏感性上存在一定的局限。最近，Paradise提出了一个新的PVS视觉评分法。目前，有一些基于图像后处理的计算方法可用于量化PVS的数量、体积及单个PVS的长度和宽度。
5 脑微出血
CMB是由于脑小动脉、小静脉、毛细血管的破裂所致，表现为脑实质内出血。其在T2*加权梯度回波（gradient‑recalled echo，GRE）和磁敏感加权成像（susceptibility weighted imaging，SWI）序列上由于血液中含铁血黄素的顺磁性特性，呈现为清晰、均质的小圆形或椭圆形低信号灶，而在其他常规序列如T2-FLAIR、T1WI和T2WI中通常不可见。
对于CMB的直径，一般认为其范围在2~5 mm之间，但在某些情况下其可达10 mm，这一上限有助于与较大的脑出血进行鉴别。CMB可以分布在多个脑区，包括皮质、皮质下、深部灰质和白质。在SWI和T2*-GRE序列中，需注意钙化、空气和脑血管畸形也可能呈低信号，但这些可通过CT、T2WI、T2-FLAIR及MRA进行鉴别。
不同的CMB分布有助于判断其病因，如脑叶的CMB倾向于指示CAA，而深部的CMB则更可能与高血压性小血管病相关。常用于CMB定量评分的方法包括微出血解剖评分量表（Microbleed Anatomical Rating Scale，MARS）和观察者脑微出血评分量表（Brain Observer Microbleed Scale，BOMBS）。
6 脑萎缩
脑萎缩的特点是脑体积的全面减少，这与由脑外伤和脑梗死引起的局部体积缩小不同。在头部的CT或MRI上，脑萎缩的特征表现为脑体积缩小、脑室明显扩大和脑沟脑回增宽。随着影像技术的进步，我们现在可以更加精确地量化脑萎缩的程度。
对于评估脑萎缩程度，目前主要有4种方法：线性测量法、面积法、目测法和容积测量法。其中，线性测量和目测法操作简便，适合用于脑萎缩的初步筛查。面积法则主要适用于有脑室扩大或胼胝体明显变化的患者，而容积测量法则能提供更为精确的评估结果。
7 皮质表面铁沉积
CSS是指软脑膜和浅表皮质的线性含铁血黄素沉积。这种沉积可能由凸面蛛网膜下腔出血、血管畸形、梗死的出血性转化或创伤引起。在老年人中，这种沉积主要是由于脑淀粉样血管病导致的凸面蛛网膜下腔出血，有时还可能引起继发性皮质缺血性损伤。在影像学上，T2*-GRE或SWI序列显示为皮质表面的线性低信号。根据涉及的范围，可以将其分类为局灶型（涉及少于3个脑沟）和弥漫型（涉及4个或更多脑沟）。CSS是预测脑淀粉样血管病未来临床状况的关键指标，如再出血风险、功能减退和出血后痴呆。
8 皮质微梗死
皮质微梗死是指位于大脑皮质内、最大直径不超过4 mm的梗死灶。这是衰老过程中最常见的梗死类型，其在尸检中的发现率为16%~42%。虽然与小血管病相关，但心源性或动脉源性微栓塞也可能是其原因。
常规MRI能够检测到较大的皮质微梗死，即那些直径在0.5~4.0 mm之间的梗死灶。通常包括使用三维（3D）T1WI和T2-FLAIR序列检测，以及通过DWI序列检测到的近期内产生的超敏感病变。虽然超高场MRI提升了对微小病变的灵敏度，但仍然只能观察到在病理层面上能够观察到的小部分病变。
皮质微梗死在T1WI序列中呈现为低信号，在T2和T2-FLAIR序列中呈现为高信号，在T2*-GRE序列中呈现为等信号，常呈楔形。
9 偶发DWI阳性病变
偶发DWI阳性病变是指在MRI上偶然发现的轴向直径不超过20 mm的DWI高信号病变，且这些病变与近几周神经系统局灶性缺失症状无关。与RSSI类似，这些病变可由内源性小血管硬化导致；也可能由心源性或动脉栓塞，或是血流动力学的变化，如血压下降引起。
在DWI图像上，小的高信号病变会在ADC图像上对应为低信号或等信号。值得关注的是，在T2-FLAIR或T2WI中这些病变也可以呈现为高信号，在T1WI上则呈现为低信号。当DWI阳性病变伴随T1WI上的高信号时，表明这些病变具有出血成分，这可能是梗死出血转化或原发性出血的表现。
偶发DWI阳性病变可能演变为WMH、腔隙、CMB，或者可能完全消失。
10 影像检查手段
在常规检查中，首选3T-MRI。随着技术的进步， 3D或容积MRI在临床实践中的应用也越来越多。常用的CSVD核心影像采集方案包括T1WI、T2WI、T2-FLAIR、DWI、T2*-GRE和SWI。
在高级功能成像方面，弥散张量成像（diffusion tensor imaging，DTI）在WMH的诊断和评估方面尤为重要。通过DTI分析建立的连接组学可以更为精确地定位WMH引发的功能障碍区域和功能连接性。动态对比增强MRI技术（dynamic contrast enhanced-magnetic resonance imaging，DCE-MRI）可以有效评估血脑屏障的完整性。相较于3T-MRI，7T-MRI能更精确地描绘皮质微梗死。而PET更多用于量化脑代谢的变化，在区分血管性和退行性认知障碍中具有重要意义。
11 展 望
在未来的研究中，有几个重要方向值得关注：（1）研究由CSVD导致的自发性脑出血远隔部位DWI阳性病变是否应被认定为一种新的影像特征；（2）深入研究如何更准确地区分由CSVD本身引起的RSSI与由其他非CSVD因素引起的RSSI；（3）确定导致RSSI和偶发DWI阳性病变的具体CSVD病因。通过发展更先进、更精确的影像技术和算法，我们能够深化对CSVD病理生理的理解，发掘更具代表性的预测指标，提高早期诊断和干预的可能性，从而有助于延缓疾病的进展。
参考文献
[1]中国研究型医院学会脑小血管病专业委员会《中国脑小血管病诊治专家共识》编写组. 中国脑小血管病诊治专家共识2021[J]. 中国卒中杂志,2021,16(7):716-726.
[2]Wardlaw JM,Smith EE,Biessels GJ,et al. Neuroimaging standards for research into small vessel disease and its contribution to ageing and neurodegeneration[J]. Lancet Neurol,2013,12(8):822-838.
[3]Duering M,Biessels GJ,Brodtmann A,et al. Neuroimaging standards for research into small vessel disease-advances since 2013[J]. Lancet Neurol,2023,22(7):602-618.
[4]Donnan GA,Bladin PF,Berkovic SF,et al. The stroke syndrome of striatocapsular infarction[J]. Brain,1991,114 ( Pt 1A):51-70.
[5]Moran C,Phan TG,Srikanth VK. Cerebral small vessel disease:a review of clinical,radiological,and histopathological phenotypes[J]. Int J Stroke,2012,7(1):36-46.
[6]Del Bene A,Makin SDJ,Doubal FN,et al. Variation in risk factors for recent small subcortical infarcts with infarct size,shape,and location[J]. Stroke,2013,44(11):3000-3006.
[7]Jiang S,Cao T,Yan Y,et al. Lenticulostriate artery combined with neuroimaging markers of cerebral small vessel disease differentiate the pathogenesis of recent subcortical infarction[J]. J Cereb Blood Flow Metab,2021,41(8):2105-2115.
[8]Chen X,Wang J,Shan Y,et al. Cerebral small vessel disease:neuroimaging markers and clinical implication[J]. J Neurol,2019,266(10):2347-2362.
[9]Ter Telgte A,Wiegertjes K,Gesierich B,et al. Contribution of acute infarcts to cerebral small vessel disease progression[J]. Ann Neurol,2019,86(4):582-592.
[10]Zhang J,Han F,Liang X,et al. Lacune and large perivascular space:two kinds of cavities are of different risk factors and stroke risk[J]. Cerebrovasc Dis,2020,49(5):522-530.
[11]Pantoni L. Cerebral small vessel disease:from pathogenesis and clinical characteristics to therapeutic challenges[J]. Lancet Neurol,2010,9(7):689-701.
[12]Caligiuri ME,Perrotta P,Augimeri A,et al. Automatic detection of white matter hyperintensities in healthy aging and pathology using magnetic resonance imaging:a review[J]. Neuroinformatics,2015,13(3):261-276.
[13]Balakrishnan R,Valdés Hernández MDC,Farrall AJ. Automatic segmentation of white matter hyperintensities from brain magnetic resonance images in the era of deep learning and big data - A systematic review[J]. Comput Med Imaging Graph,2021,88:101867.
[14]Fazekas F,Chawluk JB,Alavi A,et al. MR signal abnormalities at 1.5 T in Alzheimer′s dementia and normal aging[J]. AJR Am J Roentgenol,1987,149(2):351-356.
[15]Potter GM,Chappell FM,Morris Z,et al. Cerebral perivascular spaces visible on magnetic resonance imaging:development of a qualitative rating scale and its observer reliability[J]. Cerebrovasc Dis,2015,39(3/4):224-231.
[16]Paradise MB,Beaudoin MS,Dawes L,et al. Development and validation of a rating scale for perivascular spaces on 3T MRI[J]. J Neurol Sci,2020,409:116621.
[17]Haller S,Scheffler M,Salomir R,et al. MRI detection of cerebral microbleeds:size matters[J]. Neuroradiology,2019,61(10):1209-1213.
[18]Gregoire SM,Chaudhary UJ,Brown MM,et al. The Microbleed Anatomical Rating Scale (MARS):reliability of a tool to map brain microbleeds[J]. Neurology,2009,73(21):1759-1766.
[19]Cordonnier C,Potter GM,Jackson CA,et al. Improving interrater agreement about brain microbleeds:development of the Brain Observer MicroBleed Scale (BOMBS)[J]. Stroke,2009,40(1):94-99.
[20]侯雨桐,李譞婷,胡文立. 脑小血管病的诊断与鉴别诊断[J]. 中国实用内科杂志,2021,41(7):567-570.
[21]Linn J,Halpin A,Demaerel P,et al. Prevalence of superficial siderosis in patients with cerebral amyloid angiopathy[J]. Neurology,2010,74(17):1346-1350.
[22]van Veluw SJ,Shih AY,Smith EE,et al. Detection,risk factors,and functional consequences of cerebral microinfarcts[J]. Lancet Neurol,2017,16(9):730-740.
[23]Ter Telgte A,Scherlek AA,Reijmer YD,et al. Histopathology of diffusion-weighted imaging-positive lesions in cerebral amyloid angiopathy[J]. Acta Neuropathol,2020,139(5):799-812.
[24]Charidimou A,Martinez-Ramirez S,Reijmer YD,et al. Total magnetic resonance imaging burden of small vessel disease in cerebral amyloid angiopathy:an imaging-pathologic study of concept validation[J]. JAMA Neurol,2016,73(8):994-1001.
[25]Duering M,Finsterwalder S,Baykara E,et al. Free water determines diffusion alterations and clinical status in cerebral small vessel disease[J]. Alzheimers Dement,2018,14(6):764-774.
[26]Reijmer YD,Fotiadis P,Martinez-Ramirez S,et al. Structural network alterations and neurological dysfunction in cerebral amyloid angiopathy[J]. Brain,2015,138(Pt 1):179-188.
[27]Li Y,Li M,Zuo L,et al. Compromised blood-brain barrier integrity is associated with total magnetic resonance imaging burden of cerebral small vessel disease[J]. Front Neurol,2018,9:221.
[28]Chen SJ,Tsai HH,Lo YL,et al. Interaction between cerebral small vessel disease,blood pressure,and remote ischemic lesions in acute spontaneous intracerebral hemorrhage[J]. Eur Stroke J,2023,8(3):828-835.
