AI-derived Carotid Elongation Ratio may predict procedural delay but offer limited prognostic utility in mechanical thrombectomy [ARTIFICIAL INTELLIGENCE]

頸動脈越彎折，取栓後的預後真的就越差嗎？若單看這 412 例的初步分析，極度扭曲的解剖構造確實與較低的 90 天功能獨立性相關；但多變數迴歸推翻了這個直覺，顯示每增加 0.1 扭曲指數的勝算比僅為 0.97。真正的阻礙在於物理時間耗損：AI 算出的數值完美解釋了高齡患者為何在鼠蹊部到血管打通之間，每年齡的增加會無形中多浪費 0.13 分鐘。

頸動脈扭曲指數與 412 例前循環取栓的對決

執行機械動脈取栓術（MT）時，術者最怕遇到的往往不是堅硬的血栓，而是宛如雲霄飛車般蜿蜒的頸動脈。這類極端解剖構造會大幅削弱導管推進時的軸向力量傳遞，導致導絲推進困難、導管系統容易發生扭結，進而拉長了從鼠蹊部穿刺到成功打通血管的關鍵時間。然而，過去放射科醫師在打報告時，往往只能用語意模糊的「頸動脈極度彎曲」來描述，缺乏標準化的量化指標，這使得術前評估流於主觀，難以與後續的臨床結果建立精確的統計關聯。

為了解決這個缺乏客觀指標的困境，Vall d’Hebron 大學醫院的團隊進行了一項具規模的回顧性分析。他們從前瞻性維護的資料庫中，篩選出 2017 年至 2023 年間因前循環急性缺血性中風而接受機械取栓的 412 位患者。這個收案數量對於單一醫學中心的取栓研究而言相當充足，能夠提供足夠的統計檢定力來探索解剖變異與手術效率之間的微小關聯。研究的核心目標非常明確：探討客觀量化的頸動脈延長比率（Carotid Elongation Ratio, CER）是否能獨立預測手術時間的延遲，以及更重要的，它是否能預測患者 90 天後的改良式蘭金量表（mRS）。

有別於過往依賴人工在 3D 重組畫面上徒手測量長度與角度，這項研究導入了先進的影像處理技術。作者們利用病患術前的電腦斷層血管攝影（CT angiography），搭配基於人工智慧的中心線自動提取演算法，來計算每一位患者的 CER。這套系統類似於 nnU-Net（自動調架構的切割框架）的延伸應用，能夠在複雜的顱頸交界處，精準剝離靜脈與骨骼的干擾，找出頸內動脈的絕對幾何中心，從而將 3D 空間中的血管彎折程度，轉換為一個簡潔且可被統計模型消化的一維數值。

AI 自動量化技術與 CER 1.33 的基準線解密

從具體的方法學來看，CER 的數學定義其實相當直觀：它是血管中心線的實際總長度，除以血管起點到終點之間的直線最短距離。如果一條血管是筆直的，其 CER 就會無限接近於 1.0；若數值越大，代表血管在三度空間中繞的路徑越長，包含了各種類型的 S 型彎折、捲曲甚至折疊。在本次收錄的 412 名患者中，經過 AI 系統自動化測算，整體的平均 CER 落在 1.33 ± 0.15。這意味著在真實世界的前循環中風患者中，平均而言，導管需要多走 33% 的冤枉路才能抵達顱內目標。

這個 1.33 ± 0.15 的基準線數據具有極高的臨床參考價值。它告訴我們，微小的扭曲是常態，但標準差 0.15 也暗示了病患之間存在顯著的個體差異。部分極端個案的 CER 可能逼近或超過 1.6，這在流固耦合 CFD（把血流當液體模擬算血管受力）的力學模型中，代表著導管在通過這些彎折點時，會遭遇幾何級數倍增的摩擦力與反作用力。AI 演算法的介入，讓這項本來需要放射科醫師耗費數十分鐘才能勉強估算的數值，得以在幾秒鐘內於術前自動生成。

此外，研究團隊將這個精準的 AI 衍生數值，與各項關鍵的手術參數進行了相關性分析。首先浮出檯面的是 CER 與手術時間（定義為從鼠蹊部穿刺到血管最終成功再灌注的時間）的正相關。統計結果顯示，兩者之間存在微弱但具統計學意義的關聯（ρ = 0.11，p = 0.049）。儘管 Spearman 相關係數 0.11 在絕對數值上並不高，代表還有許多其他因素（如術者經驗、血栓性質、設備差異）在左右手術時間，但在控制了龐大雜訊的真實世界數據中，單一解剖指標能拉出 p < 0.05 的顯著性，已充分證實了血管彎折確實是拖慢手術進度的物理性路障。

Table 2 呈現單變量與 90 天預後的假性關聯

把焦點拉到臨床醫師最在意的最終預後，本研究在單變量分析階段拋出了一個極具迷惑性的結果。根據論文中 Table 2 所呈現的數據對比，當研究者將患者按照 90 天功能獨立性分為預後良好（mRS 0–2 分）與預後不良（mRS 3–6 分）兩組時，他們發現預後良好組的平均 CER 為 1.30，而預後不良組的平均 CER 顯著升高至 1.35。這 0.05 的微小差距，在統計學上卻展現了極高的顯著性（p = 0.001）。

為了進一步驗證這個趨勢，團隊進行了四分位數（Quartile）分析。當把所有患者依照 CER 數值由低到高分為四等分時，隨著 CER 所屬級距的攀升，患者達到 90 天 mRS 0-2 的比例呈現階梯式的下降，趨勢檢定顯示 p = 0.004。若研究只停留在這一步，多數人可能會草率地下定論：頸動脈越扭曲，患者的腦組織就越難被拯救。然而，醫學統計的價值就在於剝開表象，尋找真正的因果鏈。

若細看術中的技術指標，我們會發現一個反常的現象：雖然 CER 高的人預後較差，但 CER 數值竟然與「最終再灌注成功率（TICI 評級）」以及「取栓設備的操作次數（number of passes）」毫無關聯。這意味著什麼？這代表一旦術者費盡千辛萬苦把導管推到了血栓前方，接下來的抽吸或支架取栓動作，其成功率與近端血管的扭曲程度完全無關。現代的取栓器械已經具備極高的循跡性與順應性，血管扭曲只會在你「上山」的時候刁難你，卻不會改變你在「山頂」移除障礙物時的效率。這個線索，為後續多變數模型的翻盤埋下了伏筆。

多變數 OR 0.97 與 Sobel 檢定的 0.13 分效應

本篇論文最精彩、也最具臨床矯正意義的段落，在於多變數邏輯斯迴歸分析與中介效應的探討。當研究團隊將年齡、初始 NIHSS 分數、梗塞核心大小、發病至穿刺時間等強大的干擾因子全數納入模型校正後，CER 預測 90 天 mRS 的能力瞬間土崩瓦解。數據顯示，在校正模型中，CER 每增加 0.1 個單位，其對應的調整後勝算比（Adjusted OR）僅為 0.97，95% 信賴區間跨越了無效線（0.80–1.18），且 p 值高達 0.77。這明確宣告：CER 本身並不是決定大腦死活的獨立危險因子。

那麼，為什麼在單變量分析中 CER 會與不良預後掛鉤？答案藏在衰老的軌跡裡。作者採用了 Mediation analysis（中介分析）來拆解這個複雜的三角關係。年紀越大的患者，血管彈性蛋白流失，動脈延長變形的機率本來就高；而高齡同時也是腦神經復原能力低下的主因。也就是說，「年齡」同時拉高了 CER 與不良預後，CER 只是高齡的解剖學代罪羔羊。

更深入的 Sobel 檢定（p = 0.047）給出了一個極度具體的物理量化數字：CER 顯著地「中介」了年齡與手術時間的關係。模型計算出，由於高齡導致的血管彎折加劇，使得年齡每增加一歲，就會透過 CER 這個變數，間接讓鼠蹊部到血管打通的時間額外延長 0.13 分鐘。換句話說，一位 80 歲老翁與一位 60 歲壯年人相比，光是因為這 20 年歲月累積的血管扭曲，就會讓術者在導管室裡多耗費將近 2.6 分鐘的純粹導航時間。這 0.13 分鐘/年的間接效應，完美詮釋了血管解剖變異在取栓流程中扮演的「時間減速帶」角色。

Figure 3 臨床適用範圍與術前評估的實際效益

在 Discussion 中，作者坦誠了這項研究的幾項先天限制。首先，這是單一醫學中心的回顧性資料，雖然 412 例的樣本數不小，但單一機構的手術習慣與器材偏好可能會對時間參數產生一定程度的偏差。其次，AI 中心線演算法目前仍高度依賴術前 CTA 的影像品質，如果在嚴重的頸動脈斑塊鈣化，或是患者因為躁動導致影像出現移動假影時，AI 自動追蹤的精準度可能會下降，這也是許多 radiomics（從影像自動抽上千個量化特徵）技術在落地時共同面臨的考驗。

儘管有著上述限制，這份研究依然為放射科與神經介入醫師帶來了極具操作性的臨床啟示。既然多變數分析證實了 CER 並非決定 90 天預後的獨立殺手，我們就不該因為術前 CTA 看到一條極度扭曲的頸動脈，就悲觀地拒絕讓患者上手術台。高 CER 不代表救不回來，它只代表你需要耗費更多的體力與時間。

對於放射科醫師而言，在判讀急性中風的 CTA 時，除了常規地尋找大血管阻塞位置與評估側支循環外，若能利用軟體快速獲得高於平均值（大於 1.33）的 CER 數據，應立刻在報告中向介入團隊發出警示。這個預警訊號的價值在於「戰術準備」：介入醫師在刷手前，就可以提前決定放棄常規的軟導管，直接將硬度較高的支撐導絲、長型氣球導引鞘，甚至直接頸動脈穿刺的套組備妥在無菌桌上。不把時間浪費在無效的器械嘗試上，這才是 AI 量化解剖特徵在分秒必爭的中風急救鏈中，所能發揮的最大實際效益。

當高齡患者的術前 CTA 算出異常高的 CER 時，請將它視為導管推進的物理減速帶而非預後的死刑判決；提前備妥高支撐力器械以抵銷那每年 0.13 分鐘的延遲，才是確保再灌注效率的致勝策略。