关于ClotOUT研究：一种用于大血管闭塞急性缺血性卒中血栓原位表征的阻抗分析设备的首次人体研究

一、 研究团队与发表信息 本研究由澳大利亚利物浦医院的Andrew Cheung博士、黄金海岸大学医院的Henry Rice、法国利摩日大学中心医院的Aymeric Rouchaud、美国梅奥诊所的Ramanathan Kadirvel、加州大学洛杉矶分校的David S. Liebeskind以及Sensome公司的Franz Bozsak、Julie Lafaurie-Janvore、Joachim Rambeau等多名研究者共同领导，是一项由多国多中心团队合作完成的临床研究。该研究作为原创性研究（Original Research）于2026年发表在《Journal of NeuroInterventional Surgery》（JNIS）期刊上，论文标题为“In situ impedance analysis device for clot characterization in large vessel occlusion acute ischemic stroke, a first-in-human study”。

二、 学术背景与研究目的 本研究属于神经介入与卒中治疗领域，聚焦于急性缺血性卒中（AIS）机械取栓（MT）治疗中的一个关键挑战。目前，大血管闭塞（LVO）所致卒中具有高致残风险，而机械取栓的首过效应（FPE，即一次取栓即实现良好再通）与患者功能预后改善显著相关。然而，血栓的特性，如成分（红细胞、血小板、纤维蛋白比例）、长度、异质性等，被证实是影响FPE的关键因素。当前临床实践中，缺乏能够在手术过程中实时、原位提供血栓特征信息的可靠工具。血栓的“金标准”组织学分析只能在取栓后对取出的血栓碎片进行，无法指导术中的决策，且取栓失败的血栓无法被分析。

此前的研究已表明，电阻抗光谱（EIS）技术具有分析血栓成分的潜力。基于此背景，Sensome公司开发了一种集成微型EIS传感器的智能神经血管导丝系统，名为Clotild。本研究（ClotOUT试验）作为首次人体研究，核心目的在于：1）评估Clotild系统在LVO卒中患者机械取栓手术中使用的安全性；2）验证该系统能否在手术过程中，原位获取并提供关于血栓特征（如成分、长度、血管壁接触）的信息。

三、 详细研究流程与方法 本研究是一项前瞻性、多中心、单臂的首次人体试验，在澳大利亚和法国的三个中心进行。研究流程严格遵循赫尔辛基宣言，并获得伦理委员会批准。

1. 研究对象与分组： 研究共纳入45名因大脑中动脉M1段闭塞导致急性缺血性卒中且符合机械取栓条件的患者。其中4名患者筛选失败，最终41名患者构成安全性分析集。在获得完整知情同意后，39名患者构成符合方案集。由于部分设备出现电气故障导致阻抗数据采集不完整，最终26名拥有完整阻抗数据的患者构成了性能分析集。这26名患者进一步被分为两个子集：11名用于预测模型开发，15名用于预测模型验证。

2. 研究设备与操作流程： Clotild系统由两部分组成：一是集成了微型阻抗传感器的“智能”导丝（含发射器和标准附件），二是通过专用平板电脑提供的用户界面（运行名为Cloviz的专用应用程序）。传感器包含9个电极，每次阻抗测量在单个电极对层面进行，探测区域约为长1毫米、宽300微米、深200-300微米的范围。 研究操作流程如下：在首次机械取栓操作前，将Clotild导丝插入患者血管系统。在导丝导航过程中，当设备通电时，持续采集随时间变化的阻抗测量数据。操作者可以在不同环境中（如流动血液、血栓近端/远端、血栓内部）对测量点进行标记。这些标记的测量数据随后由阻抗专家进行标注，用于预测模型的训练与验证。第一次取栓时，治疗器械（如抽吸导管、取栓支架）通过Clotild导丝输送。Clotild从患者体内取出后，研究程序结束。后续所需的取栓操作按标准临床实践独立进行。

3. 预测模型与专家标注： 研究开发了一个预测模型，用于处理每个独立的阻抗测量数据。该模型能够估算对应测量点处的红细胞和血小板浓度，以及标准化的血栓和动脉壁接触力。对于每个类别，模型输出一个0到1之间的数值，代表该类别在单个测量尺度上的含量（0表示不存在，1表示最大程度存在）。 为了训练和验证模型，研究采用了“专家标注”作为参考标准。两名独立的阻抗专家根据其专业知识，为每个阻抗测量数据分配二元分类标签，类别包括：红细胞、血小板、纤维蛋白、动脉壁和循环血液。

4. 研究终点与数据分析： * 安全性终点： 主要安全性终点是发生Clotild相关的颅内血管穿孔/夹层的患者比例，由独立的影像核心实验室和数据安全监查委员会在手术期间和术后24小时进行评估。 * 性能终点： 评估Clotild对阻抗测量数据进行二元分类的能力，包括：区分局部红细胞/血小板含量是“显著”还是“可忽略”；检测动脉壁；检测血栓远端末端。性能通过受试者工作特征曲线下面积（AUC）来衡量，比较预测模型输出与阻抗专家标注之间的一致性。 * 外部数据集验证： 为了进一步验证预测模型与组织学“金标准”的关联，研究团队在一个独立的、已发表的外部数据集上测试了该模型。该数据集包含199个取自人体的血栓碎片，同时拥有阻抗测量数据和对应的组织学（MSB染色）与免疫组化（CD42b染色）分析结果。通过线性回归和Spearman相关性分析，评估了模型预测的血栓成分与组织学评估结果之间的关联。

5. 统计分析： 样本量基于验证性能分析集的大小进行计算。使用标准的描述性统计来总结患者基线特征。模型性能通过计算AUC及其95%置信区间（CI，采用Bootstrap法估计）来评估。

四、 主要研究结果 1. 安全性结果： 在全部41名安全性分析集患者中，均未发生与Clotild相关的颅内血管穿孔或夹层，也未发现与研究程序或设备相关的严重不良事件。这证明了Clotild在脑血管系统中导航并采集阻抗数据的安全性。

2. 性能结果（与专家标注对比）： 在验证集（15名患者）中，Clotild预测模型在区分血栓成分方面表现出色： * 红细胞成分分类： AUC为0.97（95% CI: 0.93 - 0.99）。 * 血小板成分分类： AUC为0.94（95% CI: 0.89 - 0.98）。 在检测其他特征方面： * 动脉壁检测： AUC为0.69（95% CI: 0.59 - 0.77）。 * 血栓远端末端检测： AUC为0.83（95% CI: 0.59 - 1.00）。

3. 原位血栓特征扫描的演示： 研究通过一个病例直观展示了Clotild的潜力。在手术过程中，操作者根据血管造影图像，在Clotild导航穿过闭塞部位的不同阶段进行了标记测量（如闭塞近端、内部、远端）。通过整合连续采集的阻抗数据及模型输出，研究成功重建了原位血栓环境的成分扫描图。结果显示，在标记为闭塞近端和远端的区域，设备识别为“血液”；在血栓内部的不同位置，设备识别出红细胞富集区和红细胞贫乏区。取栓后对取出血栓的组织学分析（MSB染色）证实了血栓内部确实存在红细胞富集和贫乏的不同区域，与阻抗扫描结果相符。

4. 外部数据集验证结果（与组织学金标准对比）： 将Clotild预测模型应用于包含199个离体血栓的独立数据集后，分析显示： * 红细胞成分： 阻抗评估值与组织学（MSB染色）评估值之间存在显著正相关（回归方程: y=0.45x + 1.19, p<0.001, Spearman ρ=0.65, R²=0.41）。 * 血小板成分： 阻抗评估值与免疫组化（CD42b染色）评估值之间也存在显著正相关（回归方程: y=0.36x + 51.98, p<0.001, Spearman ρ=0.44, R²=0.17）。 这一结果证实了基于阻抗的预测模型在评估整体血栓成分方面与组织学金标准具有关联性，其中与红细胞成分的关联性更强。

五、 研究结论与意义 本研究得出结论：Clotild智能导丝系统能够安全地获取阻抗数据，并为大血管闭塞中的血栓特征提供原位信息。这是首个能够在机械取栓手术过程中进行原位血栓表征的医疗器械。 其科学价值在于，首次在人体内验证了通过微型阻抗传感器实时分析颅内血栓成分与特征的可行性，将此前离体研究的发现推进到了临床应用场景。应用价值则非常明确：未来，整合了实时血栓特征信息的Clotild系统，有望成为血管造影的重要补充工具，为神经介入手术提供术中洞察，从而指导治疗策略的制定。例如，了解血栓成分（如富含血小板的血栓可能更硬、更韧）、长度以及是否与动脉壁接触（提示可能存在颅内动脉粥样硬化疾病），可能影响术者对取栓器械（如首选抽吸还是支架取栓）和技术方法的选择，最终可能有助于提高首过效应率，改善患者预后。

六、 研究亮点 1. 首创性与转化性： 这是首个报道在急性缺血性卒中患者体内进行原位血栓阻抗表征的首次人体研究，成功将一项有前景的实验室技术转化为临床可用的医疗器械原型。 2. 方法学的严谨性： 研究设计包含了内部验证（与阻抗专家标注对比）和外部验证（与独立离体数据集的组织学金标准对比），从多个角度证明了技术的有效性和可靠性。 3. 安全性与集成性： 研究证实了该智能导丝在真实世界手术环境中的安全性，并且其使用对现有手术流程影响最小，易于与当前标准器械配合使用。 4. 多维信息获取： 设备不仅能评估血栓成分（红细胞、血小板），还能提供关于血栓-血管壁界面以及血栓远端末端的信息，这为全面理解闭塞性质提供了可能。 5. 实时扫描潜力： 通过连续测量，设备能够重建出沿血管路径的血栓成分“扫描图”，实现了从“单点取样”到“连续剖面分析”的跨越，更真实地反映了血栓的异质性。

七、 其他有价值内容与研究局限性 研究也坦诚地指出了当前技术的局限性，这些为未来改进指明了方向： 1. 技术稳定性： 部分受试者因导丝传感器近端内部连接在机械应力下中断而导致数据采集失败。这属于设备电气鲁棒性问题，虽未造成安全风险，但为下一代产品设计提供了重要改进依据。 2. 验证的间接性： 在本研究中，无法将取出的血栓碎片作为原位血栓的真实对照物进行直接关联分析，主要原因是血栓在取出过程中可能发生破碎、变形，且样本量有限。因此，采用外部离体数据集进行关联验证是一种合理且创新的替代方案。 3. 检测性能的置信区间： 对于动脉壁和血栓远端检测，由于样本量较小，AUC的置信区间较宽，未来需要更大规模的研究来优化模型对这些特征的检测性能。 4. 实时决策的缺失： 本研究中的Clotild系统尚未提供实时解读功能，数据用于后期分析。因此，该研究未能评估实时血栓信息对术者决策和患者功能结局的实际影响。开发具备实时显示功能的设备版本并进行相关临床研究，是下一步的关键。

ClotOUT研究成功验证了阻抗传感导丝在急性缺血性卒中取栓术中实现原位血栓表征的安全性和技术可行性，为迈向更精准、更个性化的神经介入治疗迈出了重要的一步。