Bleeding Patterns and Prognostic Implications in Large-Core Ischemic Stroke: Insights from the TENSION Trial [NEUROINTERVENTION]

腦梗塞取栓後高達 54.4% 會發生顱內出血，但這不代表預後變差——多數是無症狀出血，且機械取栓依然能帶來實質好處。對於大片梗塞核心的患者，搞懂出血型態的差異，遠比單純看到出血就退縮更重要。

ASPECTS 3 到 5 分大梗塞的出血迷思與 TENSION 試驗

在過去很長一段時間裡，神經介入與放射科醫師對於大面積缺血性中風的處置態度相對保守。當影像上呈現大片梗塞核心時，血管內再灌注治療經常令人卻步，主要擔憂在於缺血組織的血管內皮細胞已經受損，一旦重新打通血流，極易引發嚴重的再灌注損傷與顱內出血。這種對於出血的恐懼，讓許多大面積中風患者失去了接受積極治療的機會，只能依賴保守的內科處置。

然而，近年來包含 TENSION、SELECT2 等大型臨床試驗陸續證實，即使是梗塞體積龐大的病患，接受機械取栓（Mechanical Thrombectomy, MT）的整體預後依然優於純內科治療。但這衍生出一個新的臨床疑問：我們雖然知道整體預後較佳，但術後出血的風險到底有多高？這些出血會不會抵銷掉取栓帶來的功能性恢復？

本研究正是為了釐清這個問題而生。作者團隊利用了 TENSION 臨床試驗的資料庫進行事後分析（post hoc analysis），試圖在已經確認「大梗塞取栓有效」的前提下，進一步解剖術後出血的真實樣貌。他們想知道，到底發生了哪些型態的出血？哪些因素會預測出血？以及最重要的，這些出血在影像上看起來怵目驚心，但在臨床預後上是否真的具有決定性的殺傷力。

對於每天需要判讀術後 24 小時無顯影電腦斷層（NCCT）的放射科醫師而言，這篇研究具有極高的實務價值。我們經常在片子上看到高密度病灶，卻難以拿捏要在報告中給出多嚴重的警示。這篇論文的數據告訴我們，並非所有高密度影像都代表災難，精確的分級與型態描述，才是幫助臨床醫師判斷下一步的關鍵。

253 例隨機分派與 Heidelberg 影像學分類標準

為了精準描繪大梗塞核心患者的出血特徵，研究團隊從 TENSION 試驗中篩選了 253 位前循環中風的受試者。這群患者在入院時的 ASPECTS（用非顯影電腦斷層評估早期缺血變化的10分制量表）分數皆落在 3 到 5 分之間，屬於典型的巨大梗塞核心族群。這 253 人被隨機分派接受兩種不同的治療策略：一組進行機械取栓加上最佳內科治療（MT + BMT），另一組則僅接受最佳內科治療（BMT alone）。

在評估出血事件時，研究團隊採用了雙軌並行的評分系統。在臨床層面上，他們將出血分為症狀性（Symptomatic ICH, sICH）與無症狀性；所謂的症狀性出血，是指不僅影像上有出血，且伴隨著患者神經學評分顯著惡化的情況。在放射影像層面上，則嚴格套用 Heidelberg Bleeding Classification（將術後出血細分為點狀梗塞出血至大塊實質血腫的系統）。

Heidelberg 分類系統是放射科醫師判讀時的核心工具。它將出血大致分為兩大類：出血性梗塞（Hemorrhagic Infarction, HI）與腦實質血腫（Parenchymal Hematoma, PH）。HI 主要是指在原有的缺血梗塞範圍內出現點狀或斑片狀的血液滲漏，通常不具備明顯的佔位效應（mass effect）；而 PH 則是形成結實的血塊，往往會對周圍的腦組織造成壓迫，甚至伴隨中線偏移。除此之外，分類也涵蓋了蜘蛛膜下腔出血（SAH）與腦室內出血（IVH）等肺實質外出血型態。

透過這種嚴謹的隨機分派對照與標準化的影像分類，研究人員得以在一個相對控制良好的受試者群體中，客觀地比較機械取栓與內科治療在引發不同類型出血上的差異。這也確保了後續多變數分析的統計效力，讓所得出的風險比值更具臨床說服力。

取栓組 54.4% 出血率與各影像型態的發生對比

攤開研究結果，數據呈現出強烈的對比。在所有 253 位大梗塞患者中，發生任何形式顱內出血的總比例高達 45.1%。若進一步拆分治療組別，接受機械取栓（MT）的患者發生出血的比例來到 54.4%，顯著高於純內科治療組（BMT）的 35.9%（p = 0.004）。這個數字初步印證了臨床醫師長久以來的擔憂：大血管打通後，確實有過半數的患者會在影像上出現出血訊號。

然而，魔鬼藏在細節裡。當我們運用 Heidelberg 分類將這些出血細分後，故事的面貌發生了轉變。在所有發生出血的患者中，多數屬於無症狀出血。更有趣的是，單純呈現出血性梗塞（HI）的患者，竟然是所有發生出血的次群組中，擁有最高比例「良好臨床預後」的一群，高達 34.0% 的患者在 90 天後恢復良好。而且，HI 的發生率在取栓組與內科治療組之間並沒有顯著的統計學差異。

這個現象在生理機制上有其合理的解釋。HI 通常代表微血管層級的血液滲漏，這某種程度上是「成功再灌注」的副產物；也就是說，血液確實重新進入了缺血但可能還有部分活力的組織。因此，影像上看到的 HI，往往是血管被打通的證明，而不是病情惡化的指標。

相對地，腦實質血腫（PH）的分佈就完全不同了。數據顯示，PH 在機械取栓組的發生率高達 23.2%，遠遠超過內科治療組的 9.4%（p = 0.004）。PH 代表著血管壁遭到嚴重破壞，大量的血液湧入腦實質形成佔位效應，這才是我們真正在放射科閱片時需要高度警戒的危險訊號。明確區分這 54.4% 的出血中，有多少是良性的 HI，多少是具破壞性的 PH，是這份研究帶來的重要觀念更新。

迴歸模型中的 aOR 2.11 與症狀性出血預測難關

了解了發生率的差異後，作者團隊利用邏輯斯迴歸（Logistic regression）進一步挖掘哪些初始條件會增加發生腦實質血腫（PH）的風險。在校正多項干擾因子後的多變數模型中，確認了三個獨立預測因子。首先，接受機械取栓（MT）本身就是一個強烈危險因子，其調整後勝算比（aOR）為 2.11（95% CI 1.11-3.99）。

其次，患者入院時的神經學嚴重程度也扮演關鍵角色。初始 NIHSS 分數每增加一分，發生 PH 的風險就會隨之上升（aOR 1.13，95% CI 1.04-1.23）。第三個預測因子則是核心梗塞的體積，核心體積越大，出血機率越高（aOR 1.003，95% CI 1.000-1.005）。這三個數據勾勒出一個高風險輪廓：一個初始神經學症狀極度嚴重、影像上核心極大的病患，若推入導管室進行取栓，其術後發生實質血腫的機率將倍增。

但令研究團隊訝異的是，當他們試圖用同樣的迴歸模型去尋找「症狀性出血（sICH）」的獨立預測因子時，竟然一無所獲。無論是年齡、梗塞體積還是治療方式，都無法獨立且顯著地預測哪些出血會伴隨神經學惡化。這凸顯了在龐大的缺血核心下，患者神經學狀態的變動往往被原本嚴重的中風症狀所掩蓋，單憑影像預測臨床症狀的難度極高。

更震撼的發現出現在預後分析的模型中。在經過完整調整的迴歸分析裡，作者發現「出血嚴重度」本身，並不是導致 90 天不良預後的獨立因子。真正決定患者生死的獨立變數，依然是年齡、初始 NIHSS 分數以及最初的梗塞核心體積。換句話說，影像上的出血（甚至是部分 PH）往往只是大範圍腦組織壞死的伴隨現象，而不是真正壓垮患者的直接主因。

腦實質血腫的交互作用與放射科看片應對策略

儘管出血本身未必是導致整體預後不良的單一主因，但研究也誠實點出了機械取栓在面對特定併發症時的侷限。在統計模型中，作者發現了一個顯著的「治療交互作用（treatment interaction）」。雖然整體而言，即便計入所有的出血事件，機械取栓（MT）依然與更好的功能性預後呈現獨立正相關；但是，對於那些不幸發展成腦實質血腫（PH）的病患，取栓帶來的臨床紅利就會被大幅削弱。

這篇論文的發現，對放射科醫師的日常實務帶來了具體且立即的指導方針。首先，在處理取栓術後 24 小時的影像時，我們絕對不能只用一句「Rule out hemorrhage」或單純寫下「hemorrhage is noted」就草草了事。面對高達五成以上的出血率，我們有責任在報告中精確定位出血型態。如果病灶侷限在梗塞區內呈點狀分佈且無壓迫效應，應明確標示為符合 Heidelberg 分類的 HI，並向臨床團隊暗示這可能是血管通暢的良性跡象。

其次，若遇到難以區分是顯影劑滯留（contrast stasis）還是真實出血的情況，強烈建議善用 Dual-Energy CT（利用雙能射線區分碘顯影劑與血液的技術）進行虛擬平掃（virtual non-contrast）與碘圖（iodine map）的重建。這能有效避免將無害的碘滯留誤判為致命的實質血腫，進而影響神經內科後續給予抗血小板或抗凝血藥物的時機。

最後，作者也承認本研究的幾項限制。這是一項事後分析，且多數患者集中在前循環中風，未來的研究還需要納入後循環病患的數據來驗證。但在現階段，這份來自 TENSION 試驗的分析已經足夠讓我們放下對「大面積梗塞合併術後出血」的絕對恐懼，轉向更精緻的影像分級與臨床決策。

下次看到 ASPECTS 3 分取栓術後呈現斑片狀出血時，別急著打電話報 critical，只要沒有實質佔位效應的 PH，這很可能是打通血管的良性印記。