基于深度学习脑龄模型预测急性缺血性脑血管病的卒中复发风险

2025年12月8日，北京天坛医院王拥军院士在npj Digital Medicine发表了题为“Deep learning-based brain age predicts stroke recurrence in acute ischemic cerebrovascular disease”的最新研究成果。

这项研究基于CNSR-III前瞻性队列，纳入10,890名AICVD患者（验证集），模型训练使用了来自ADNI、OASIS3和PRECISE三个数据库的5,353名健康人T2-FLAIR影像数据。最终发现大脑年龄差是卒中复发最强的独立预测因子之一。在调整了年龄、血管危险因素、卒中严重程度即NIHSS评分等传统变量后，大脑年龄差更大的患者，其短期及长期卒中复发风险均显著升高。这提示大脑的“结构性老化”本身是脑血管易损性的一个直接体现和风险驱动因素。

该技术的优势在于，其并非评估单一梗死灶，而是通过分析全脑数百个区域的宏观与微观结构特征如灰质体积、白质完整性、脑沟形态等，综合计算出反映大脑整体健康状态的生物学年龄。加速的脑老化可能源于未检出的微小血管病变、慢性炎症或累积的神经变性过程，这些因素共同构成了卒中复发的病理生理基础。

这一发现的深层意义在于，它捕捉了传统风险因素如高血压、糖尿病对大脑造成的累积性、结构性的整体损害，而不仅仅是当下的病理状态，为卒中二级预防提供了全新的视角和工具。为临床提供了强大的风险分层工具，标志着卒中风险管理从“血管事件驱动”向“大脑健康状态驱动”的范式转变，推动卒中预防进入精准医学的新阶段。