本研究由Carlota Villar-Rodríguez等人完成，主要作者来自西班牙Virgen del Rocío大学医院神经内科卒中单元、神经血管实验室及介入神经放射科等机构。通讯作者为Elena Zapata-Arriaza。该研究以原创性研究论文的形式发表于 *Journal of NeuroInterventional Surgery*，并于2026年在线发表（DOI: 10.1136/jnis-2026-025872）。

研究背景

随着肿瘤筛查手段进步和抗肿瘤治疗的发展，恶性肿瘤患者生存期明显延长，癌症与急性缺血性卒中（acute ischemic stroke, AIS）共存的临床情况日益常见。约10%–15%的癌症患者在其病程中会经历缺血性卒中，而高达20%的卒中患者存在当前或既往的恶性肿瘤病史。与一般人群相比，活动性癌症或既往癌症患者的卒中发病机制除传统血管危险因素外，还包括癌症相关高凝状态、全身炎症反应、抗肿瘤治疗相关血管损伤以及肿瘤直接作用等。这些生物学差异可能导致该类患者对再灌注治疗的反应和临床结局与无癌症者不同。

在大血管闭塞（large vessel occlusion, LVO）性缺血性卒中患者中，机械取栓（mechanical thrombectomy, MT）可显著提高血管再通率并改善功能预后。然而，即便实现了成功的血管再灌注，仍有相当比例的患者在90天时功能结局不良。这种情况被称为无效再通（futile recanalization, FR），其通常定义为成功血管再灌注（改良脑梗死溶栓分级eTICI≥2b）但90天改良Rankin量表（modified Rankin scale, mRS）评分≥3分。已有观察性研究提示，尽管癌症患者接受MT后的再通率与一般人群相似，但其长期功能结局可能更差，因此该类人群中的FR风险可能更高。然而，此前尚缺乏专门针对癌症患者FR风险的定量评估工具。

本研究旨在基于ARTISTA注册研究数据，开发一个临床预测模型，用于在大血管闭塞且合并癌症病史、接受机械取栓的患者中预测无效再通的发生风险，并将该模型转化为便于临床使用的列线图（nomogram），即CACTUS列线图。

研究设计与主要方法

本研究为单中心回顾性研究，数据来自前瞻性ARTISTA注册登记，纳入2021年1月至2023年12月期间在Virgen del Rocío大学医院接受MT的缺血性卒中合并活动性癌症或既往癌症病史的患者。纳入标准包括：年龄≥18岁；经影像证实的大血管闭塞性急性缺血性卒中；按照国际指南接受MT治疗；存在活动性或既往实体瘤或血液系统恶性肿瘤病史；卒中前mRS评分为0–2分；最终血管再灌注达到eTICI/TICI≥2b；90天mRS评估资料完整。排除标准包括：拒绝参与研究；年龄<18岁；90天随访资料缺失；肿瘤资料不全；原发脑肿瘤或脑转移；仅患有孤立性基底细胞癌；肿瘤预后极差（接受姑息治疗或预期寿命个月）；卒中前mRS评分≥3分。

研究期间共有1584例患者接受MT，其中203例有癌症病史。经排除后，最终167例患者纳入分析。研究收集了患者人口学资料、血管危险因素、卒中前mRS评分、入院NIHSS评分、基线实验室指标、影像学资料、肿瘤类型、TNM分期、转移状态、肿瘤活动性以及抗肿瘤治疗情况等。活动性癌症的定义综合了多项既往研究标准，包括：卒中前12个月内新诊断癌症、正在接受或拒绝接受抗肿瘤治疗、完成抗肿瘤治疗6个月内、存在转移性疾病或卒中前1年内肿瘤进展等。

主要终点为FR，定义为成功血管再灌注后90天mRS评分≥3分。研究首先对FR组与非FR组的基线特征进行比较，采用χ²检验或Fisher精确检验对分类变量进行分析，连续变量使用t检验或Wilcoxon秩和检验。在预测模型构建方面，研究预先基于临床相关性和生物学合理性指定了四个预测因子：年龄、卒中前mRS评分、入院NIHSS评分和转移性疾病。采用简约Logistic回归模型进行建模，并将活动性癌症状态排除在主模型之外，以避免与转移性疾病变量产生概念重叠。

作为次要分析，研究者还使用LASSO（least absolute shrinkage and selection operator）回归构建了扩展的惩罚Logistic模型，以探索是否其他临床可得变量具有额外预测价值。在LASSO模型中，四个预设预测因子未进行惩罚化处理，而其他候选变量则被惩罚化，并通过嵌套交叉验证进行变量筛选和参数调优。

内部验证采用Bootstrap重采样方法评估模型区分度、校准度、Brier评分和对数损失，并根据乐观校正后的校准斜率对回归系数进行收缩处理。同时采用重复交叉验证评估模型表现。最终，基于乐观校正后的预测方程构建了列线图。

主要研究结果

在167例患者中，85例发生FR，FR率为50.9%。中位年龄73岁，63%为女性。FR组与非FR组在多数非肿瘤基线特征上总体具有可比性，但FR组血脂异常比例更高（58% vs 40%），卒中前mRS评分为0分的比例更低（58% vs 79%）。在肿瘤相关变量方面，FR组晚期实体瘤（TNM III–IV期）的比例显著更高（54% vs 25%），转移性疾病更多见（29% vs 5%），活动性癌症比例更高（58% vs 36%），并且正在接受化疗的比例也更高（18% vs 2%）。FR组入院NIHSS评分中位数显著高于非FR组（17 vs 12），静脉溶栓使用率较低（16% vs 30%）。实验室检查方面，FR组淋巴细胞计数中位数较低，中性粒细胞与淋巴细胞比值（NLR）呈升高趋势。

作为探索性背景比较，研究还提取了同一研究期间无癌症病史但满足相同入选标准的MT患者队列。结果显示，有癌症病史组FR率为50.9%，无癌症组为46.7%，绝对风险差为4.2个百分点（95% CI −3.8至12.3），未校正比值比为1.18（95% CI 0.84至1.66，p=0.320），差异无统计学意义。

多因素Logistic回归分析显示，在完全数据集的155例患者中，较高的卒中前mRS评分（校正OR 1.84，95% CI 1.09至3.21，p=0.025）、较高的入院NIHSS评分（每增加1分校正OR 1.11，95% CI 1.05至1.17，p<0.001）以及转移性疾病（校正OR 8.38，95% CI 2.77至31.93，p<0.001）均是FR的独立预测因子。年龄虽作为预设预测因子被保留在模型中，但未达到统计学显著性（校正OR 1.02，95% CI 0.98至1.06，p=0.315）。

内部验证结果稳定。Bootstrap验证得到乐观校正后的AUC为0.758，Brier评分为0.206，校准斜率为0.887。基于155例完整数据的内部交叉验证显示AUC为0.747（95% CI 0.663至0.818），Brier评分为0.204（95% CI 0.175至0.238），校准截距为0.00（95% CI −0.37至0.38），校准斜率为0.85（95% CI 0.54至1.22）。在预设概率阈值0.50下，模型敏感性为71.6%，特异性为66.2%，准确性为69.0%。敏感性分析中，多重插补纳入全部167例患者后所得结果相似。LASSO惩罚回归分析未发现其他候选预测因子在不同重采样过程中被一致选中，约束LASSO预测结果与临床预设模型高度一致。在替代模型中评估活动性癌症状态时，其与FR的关联强度（OR 2.29，95% CI 1.13至4.73，p=0.022）弱于转移性疾病在预设模型中的关联强度。

结论与意义

本研究首次在合并癌症病史的大血管闭塞性缺血性卒中患者中开发并内部验证了预测无效再通的临床模型及列线图。模型包含年龄、卒中前mRS评分、入院NIHSS评分和转移性疾病四个易于快速获取的变量。转移性疾病是模型中与FR关联最强的癌症特异性因素。该模型在内部验证中表现出中等程度的区分度和可接受的校准度。列线图可在MT术前为临床医生、患者及家属提供个体化的预后风险信息，有助于围绕治疗目标进行知情讨论。

需要强调的是，该模型应被视为预后评估和医患沟通的工具，而非决定患者是否应接受MT的绝对标准。在缺乏针对癌症合并卒中患者MT治疗指南的背景下，该工具有助于临床医生设定现实的治疗预期。然而，该研究也存在局限性，包括单中心回顾性设计、样本量相对较小、将活动性癌症与既往癌症患者合并分析、仅纳入卒中前mRS 0–2分患者等。研究结论需要在更大规模的多中心前瞻性队列中进行外部验证后方可常规临床应用。

研究亮点与价值

本研究的创新之处在于：首次专门针对有癌症病史的MT候选患者开发了FR预测列线图；将癌症特异性指标（转移状态）与常规卒中预后指标整合在同一个易于使用的工具中；在分析中同时考虑了活动性与非活动性癌症，拓展了既往研究多聚焦于活动性癌症的视角；在建模方法上采用了预设临床模型与LASSO惩罚模型相结合的策略，并通过Bootstrap和交叉验证多种方法评估模型稳健性。该研究为神经介入医生、卒中团队和肿瘤科医生之间的协作决策提供了潜在支持，也为未来在癌症合并卒中人群中进一步开展风险分层研究奠定了基础。