Prolonged Venous Transit on Perfusion Imaging: An Evolving Marker of Outcomes in Large Vessel Occlusion Stroke - A Comprehensive Review [REVIEW ARTICLE]

即使機械取栓達到完美的 TICI 3 血管再灌注，仍有高達 40% 的急性大血管阻塞患者在 90 天後遭遇嚴重失能。過去我們緊盯動脈端的血流量與核心梗塞區，卻無視了靜脈回流才是決定微循環存活的底層邏輯。只要在上矢狀竇的灌注影像發現 Tmax 超過 10 秒，患者 3 個月內的死亡風險會直接飆升 2.5 倍。

動脈參數盲區與大於10秒的靜脈排空延遲

這篇由史丹佛大學與約翰霍普金斯大學聯手發表的重量級綜述，直指目前放射科在處理 AIS-LVO（急性前循環大血管阻塞性腦中風）時的最大盲點：過度依賴動脈端的灌注參數。在常規的 CTP 判讀中，我們習慣看 CBF（大腦血流量，反映組織存活狀態）或 Tmax > 6s（反映缺血半暗帶的動脈延遲）來決定是否進行 MT（機械取栓手術，用導管將腦血栓抓取移除）。然而，這些動脈數據無法反映微血管層級的「無復流現象」（no-reflow phenomenon）。當缺血導致微血管周圍細胞腫脹與白血球阻塞時，即使大動脈已經打通，微循環依然停滯，導致組織最終走向壞死。

為了解決這個痛點，作者提出了 PVT（Prolonged Venous Transit，靜脈排空延遲的現象）作為全新的影像生物標記。PVT 的定義非常簡單且具備高度可操作性：在灌注影像的時間參數圖上，主要硬腦膜靜脈竇（如上矢狀竇 SSS 或橫竇）的 Tmax ≥ 10 秒。這個指標直接反映了微循環的排空阻力。當血液無法順利穿透毛細血管床進入靜脈系統時，代表組織已經處於嚴重的缺氧與代謝衰竭狀態。相比於單純看動脈缺血範圍，PVT 能更精準地揪出那些「血管通了但腦細胞照樣死」的高風險病患，讓臨床醫師能提早準備神經保護劑或調整加護病房的血壓管控策略。

文獻回顧的收案條件與四大靜脈評分系統

從 Methods 與文獻檢索的邏輯來看，研究團隊系統性地篩選了過去十年內探討靜脈流出（Venous Outflow, VO）與中風預後關聯的關鍵文獻。這些研究主要涵蓋前循環大血管阻塞（包含頸內動脈 ICA 與大腦中動脈 M1/M2 段）的成年病患，且均具備完整的發病前 baseline 影像（非對比 CT、CTA 或 CTP）以及 90 天的臨床追蹤數據。被排除的對象包含後循環阻塞、腦出血病患，以及因為病患躁動導致影像出現嚴重假影、無法正確計算靜脈引流時間的案例。Reference standard 統一設定為 90 天的 mRS 評分（評估神經功能恢復的國際標準），並以 mRS 0-2 分作為預後良好的切點。

在影像評估工具上，文章比較了目前主流的幾套系統。除了簡單暴力的 PVT 之外，還詳細討論了 COVES（用皮質靜脈顯影程度評估側支循環的量表，分數 0-6）、CVO（綜合深淺靜脈回流狀態的全面性指標，結合大腦內靜脈與皮質靜脈）、以及 PRECISE（預測靜脈系統取栓效果的特製評分）。作者指出，雖然 COVES 等多變數評分系統能提供豐富的解剖資訊，但其評分過程依賴肉眼比對多個靜脈分支的顯影濃淡，不同醫師之間的判定一致性（Cohen's kappa）往往僅落在 0.60 至 0.75 之間。相對而言，PVT 只要單純讀取上矢狀竇的 Tmax 數值，其 inter-observer agreement 高達 0.85 以上，更適合忙碌的急診放射科前線作戰。

Table 2顯示PVT陽性與預後不良的極高勝算比

若把焦點拉到 Results 區塊，Table 2 清楚列出了不同靜脈指標與最終臨床預後的關聯強度，數字極具說服力。在針對超過 1500 名病患的 pooled data 分析中，呈現 PVT 陽性（PVT+，即 Tmax ≥ 10s）的病患，其 90 天達到預後良好（mRS 0-2）的比例僅有 18%，而 PVT 陰性（PVT-，即 Tmax < 10s）的病患則高達 54%。進一步觀察梗塞核心體積（Infarct Core Volume）的演進，PVT+ 群體在追蹤影像上的平均最終梗塞體積為 45 mL [IQR 30-65]，而 PVT- 群體僅為 12 mL [IQR 5-25]，兩者差異達到統計學上的高度顯著（p < 0.001）。

除了整體的對比，Table 2 另外也展示了閾值設定的差異。當採用 general version（Tmax ≥ 10s）時，預測預後不良的敏感度為 81% [78-84%]，特異度為 76% [72-79%]。若改用 strict version（將閾值拉高到 Tmax ≥ 12s），敏感度雖然下降至 68% [64-72%]，但特異度大幅攀升至 94% [91-96%]。這意味著，如果你在急診看到患者的靜脈竇 Tmax 亮到 12 秒以上，你幾乎可以 100% 篤定即使神經外科把血管清得再乾淨，這名病患的微循環也已經遭受不可逆的破壞，極高的死亡率或依賴臥床狀態幾乎是必然的結局。

Figure 3多變數迴歸與側支循環指標的交互作用

這篇綜述最精華的分析落在 Figure 3 針對各變數進行的多重迴歸與 subgroup 拆解。一般人可能會質疑：靜脈排空變慢，會不會只是因為動脈側支循環本來就很差？為了解答這個疑惑，作者將 PVT 與 HIR（Hypoperfusion Intensity Ratio，評估側支循環好壞的灌注比例，定義為 Tmax>10s 體積除以 Tmax>6s 體積）放入同一個 multivariable logistic regression 模型中，並校正了年齡、入院 NIHSS（評估神經學缺損嚴重度的國際標準量表）、以及動脈核心梗塞體積等干擾因子。

分析結果非常震撼：即使在 HIR 指標極佳（側支循環良好，HIR < 0.4）的次群組中，只要患者合併出現 PVT 陽性，其預後不良的 Odds Ratio 依然高達 3.42 [95% CI 2.1-4.8, p<0.01]。更具體地看 compounded probability（複合機率）：當一名病患具備好側支（低 HIR）且無靜脈延遲（PVT-），其良好預後機率高達 85%；但如果具備好側支卻出現靜脈延遲（PVT+），良好預後的機率會雪崩式滑落至 22%。這清楚證明了靜脈排空延遲是一個完全獨立於動脈側支循環之外的病理機制。靜脈系統的狀態不只是動脈血流的「倒影」，它本身就是決定組織生死的關鍵戰場。

實務限制與常規CTP自動判讀系統的技術天花板

儘管 PVT 展現出強大的預後分層能力，作者在 Discussion 階段也坦承了目前推廣至常規臨床實務的幾項明確限制。首先是假影干擾：急診中風病患經常躁動不安，而靜脈竇位於顱骨邊緣，極易受到頭部運動假影或 partial volume 效應的影響，導致 Tmax 曲線計算失真。其次，目前的商業化 AI 軟體（如 RapidAI 或 Viz.ai）幾乎全部針對動脈區域進行最佳化，它們會自動吐出核心梗塞體積與缺血半暗帶的數字，但並不會自動圈選硬腦膜靜脈竇並輸出「靜脈排空時間」。

對放射科醫師而言，這代表我們目前無法依賴 AI 來代勞，必須親自打開 workstation，將 Tmax map 的 color scale 調整到 10 秒的閾值，手動檢視上矢狀竇、橫竇或 Labbe 靜脈是否有明顯的高亮訊號。未來的研究方向必須將 venous region-of-interest 自動切割技術融入 AI 軟體中，才能真正實現自動化的 CVO 或 PVT 評分。在此之前，PVT 最適用的場景是：當你看到一個動脈參數處於 borderline（例如核心體積介於 50-70 mL），臨床醫師猶豫是否要冒著出血風險進行取栓時，靜脈端 Tmax > 10s 的殘酷數據可以作為踩煞車、避免無效醫療的有力輔助。

下次在 RapidAI 報完動脈的 core 與 penumbra 體積後，花五秒鐘手動把 Tmax 的閾值切到 10 秒，看看上矢狀竇有沒有亮起來——這才是決定病人三個月後能不能自己走路的底牌。