中华急诊医学杂志  2023, Vol. 32 Issue (11): 1441-1445   DOI: 10.3760/cma.j.issn.1671-0282.2023.11.004
多模态信息化平台和MDT:开创脑卒中急诊救治的未来
史晓朋1 , 朱良付2 , 裴小溪2 , 景莉娟1 , 秦历杰1 , 李天晓2     
1. 河南省人民医院急诊科/郑州大学人民医院,郑州 450003;
2. 河南省人民医院脑血管病医院,郑州 450003

脑卒中是全球公共卫生的重要问题,其影响不仅限于患者,还涵盖了社会和经济层面。据世界卫生组织报告,全球每年约有1500万人发生脑卒中,年死亡人数约为580万人,另外有多达500万人成为长期残疾[1]。我国的卒中发病率处于持续上升状态,每年新发病例占全球的四分之一,全球疾病负担(GBD)研究结果显示,2019年我国新发卒中394万例,卒中患者达到2876万例,卒中死亡人数为219万例[2],是所有疾病中导致失能调整生命年损失最高的疾病[3]。虽然一些地区的脑卒中死亡率已经有所下降,但由于人口老龄化和风险因素的增加,脑卒中的全球负担仍然很高,被列为第二大死亡原因及第三大致残原因[4]

为了改善脑卒中患者的急诊救治和康复过程,多模态信息化平台(multimodal information integration platform, MIIP)和多学科团队(multidisciplinary team, MDT)的应用逐渐受到重视。MIIP则通过集成和分析来自不同源的数据,包括影像数据、临床记录、实验室结果和生理参数等,为医疗团队提供有关患者状况的实时反馈和预警,从而有助于优化治疗方案和改善患者预后[5, 6]。MDT由不同专业领域的医疗人员组成,共同参与患者的诊断、治疗和康复过程,被认为是提供有效脑卒中护理的基础[7]

MIIP与MDT的协同作用为脑卒中急诊救治注入了新的发展活力。MIIP为MDT提供了一个高效的信息整合和访问平台,确保团队成员能及时获取患者的全面信息,从而提高诊疗效率[8, 9]。MDT通过跨学科的合作,为患者提供了从急诊救治到康复治疗的全程服务,确保患者得到最优的医疗服务[7]。通过MIIP与MDT的整合,构建了一站式的救治模式,可以实现个性化的医疗护理,为脑卒中患者提供了更为精准和全面的治疗及康复机会[10]。然而,实现这一目标,仍面临多方面的挑战,例如技术瓶颈、跨学科协作的难题及资源的不足。面对这些挑战,需要在技术创新、协作机制的构建和资源配置等领域进行深入的探索和改进。展望未来,随着医疗科技的持续进步和医疗体系的逐步完善,MIIP和MDT将在脑卒中急诊救治中继续发挥核心作用。通过优化信息整合和团队协作,有望为脑卒中患者提供更优质的生存和生活质量保障,推动脑卒中救治领域的持续发展。

1 脑卒中的背景和挑战

脑卒中(stroke)是一种严重的神经系统疾病,其紧急性和挑战性在临床中常常显著体现。脑卒中主要分为两大类型,分别是缺血性脑卒中和出血性脑卒中,前者是最常见的类型,具有高致残和致死风险,对公共卫生构成重大负担[11]。脑卒中的治疗在过去十年中取得了显著的进步,尤其是在急性缺血性脑卒中(AIS)的管理方面。《中国脑血管病临床管理指南(第2版)》推荐建立多学科协作团队,包括医师、护士、康复治疗师、卒中联络员和临床药师,共同参与卒中门诊,以不断提高院前急救系统和卒中急诊绿色通道的质量,促进卒中中心的区域协同网络建设[12]。"时间就是大脑" 的理念在AIS治疗中尤为关键,因此建立健全的急诊医疗体系至关重要,以便临床医生尽早识别AIS患者,并在最短的时间内开始血管再通治疗[13]。尽管静脉溶栓治疗存在严格的时间窗限制,仅有不到3%的缺血性卒中患者能够从中受益,但它仍然能够显著改善患者的神经功能预后。然而,治疗后仍有2/3的患者遗留不同程度的残疾,而且有研究显示静脉溶栓并不能降低卒中后患者3到6个月的病死率,尤其是在大血管闭塞或病情较重的患者中,静脉溶栓的效果往往不佳[14]。近年来,血管内治疗在急性脑卒中患者中取得了迅速的发展,国内外指南给予了其最高级别的推荐[15],血管内取栓治疗极大地推动了缺血性脑卒中的治疗进步[16]。通过不断改进血栓取出设备、医学管理和脑卒中工作流程,后循环脑卒中和大型脑卒中的治疗得到了显著改善[17]。随着医学治疗和影像技术的进步,脑卒中诊断和治疗的时限得以延长,为之前无法参与治疗的患者提供了急性脑卒中治疗的可能[8]。然而,脑卒中治疗中还面临一些挑战和难题。

早期诊断和及时治疗:脑卒中救治的“黄金时间”(golden hour)非常短暂,即在脑卒中发生后的几小时内,在这个时间窗口内接受治疗,患者的预后可能会得到显著改善[18]。然而,很多患者在这个关键时刻无法迅速就医,这导致许多机会被浪费。特别是在特殊情况下,如COVID-19疫情期间,医院急诊对急性脑卒中的快速通道治疗面临着特定的困难和挑战[19]

治疗方案的选择和个体化治疗:急性脑卒中的管理正在从通用时间窗口方法转向组织保存概念,特别是保护大脑血流和灌注区,并减少二次事件的风险。传统的影像学检查不能满足这种要求,需要通过多模态CT和MRI的使用,以及根据患者的具体情况制定个性化治疗方案,去实现这一转变[20]

服务不均等:过去一年中,虽然急性缺血性脑卒中的治疗取得了进展,但研究还揭示了脑卒中服务的大不相同,需要战略性的倡议来改善[11]

康复和长期管理:脑卒中是成人残疾的主要原因之一,康复治疗和长期管理的需求正在增加。然而,目前的康复治疗方法和长期管理措施仍需改进以满足患者的需求[21]

多学科团队协作:在急性脑卒中的治疗中,时间窗口非常狭窄,需要快速决策和行动。这可能增加了MDT合作的复杂性。MDT成员在治疗团队中的角色和责任可能不明确,这可能导致重复努力或遗漏关键治疗环节。

综合来看,脑卒中治疗的挑战和难题需要医疗界、政府、社会各界共同努力,以提高治疗效果、降低发病率、改善患者的康复机会,并减轻卫生系统的负担。这包括加强公众教育、提高卫生系统的容量、改进急诊医疗团队的协作、推动科研和医疗技术创新等多方面的努力。

2 多模态信息化平台在脑卒中的应用

多模态信息化平台(multimodal information integration platform,MIIP)是一种智能医疗数据融合系统,它能够整合来自多种不同数据源的信息,如电子健康记录(EHRs)、医学影像(例如CT、MRI和超声)、临床病历记录、实验室检查结果和生理参数等。该平台通过数据融合技术,如特征选择、基于规则的系统、机器学习和深度学习等,实现了不同数据模态的有机整合,从而为医疗团队提供了全面的患者健康评估,帮助优化诊断和治疗决策[22]

多模态影像融合:MIIP能够整合不同影像学模态的数据,例如CT、MRI和脑血管造影。通过这种数据融合,可以更准确地确定脑卒中类型和定位病变,从而为医生提供选择最佳治疗方案的依据[23, 24]

影像信息的集中存储和共享:多模态信息化平台可以实现急性脑卒中患者的临床CT和MRI扫描数据的集中存储和共享。例如,脑卒中神经影像学表型库(stroke neuroimaging phenotype repository, SNIPR) 是一个基于开源XNAT影像信息平台的多中心集中影像仓库,为全球范围内的脑卒中患者提供了影像数据的存储和共享服务[25]

临床数据整合:MIIP可以整合临床数据,包括病史、体格检查结果和实验室检查数据。这种数据整合有助于医生全面评估患者的病情,支持临床决策,同时也为多学科合作提供了数据支持。例如,Synapse ERm是一个用于脑卒中团队分发和整合临床和影像数据的移动平台,该平台的实施具有可行性,并且易于使用,能为治疗管理提供适度的附加效用[26]

决策支持系统:MIIP可以为医生提供决策支持,根据整合的多模态数据,帮助医生选择最佳的治疗策略。这可以包括是否进行溶栓治疗、介入手术的选择等。例如Brugnara等[27]的研究利用机器学习对临床、多模态成像和血管造影特征进行综合评估,可以准确预测急性缺血性卒中血管内治疗后的临床结果。

人工智能在数据处理中的应用:多模态信息化平台还可以应用人工智能技术来处理急性缺血性脑卒中的DWI和PWI数据,为临床诊断和治疗提供支持[28]

患者管理和康复:MIIP能够在患者管理方面大显身手,助力医生跟踪患者病程,制定个性化的康复方案,并监控患者的进展。例如,Isabl平台作为一个可定制的插件式平台,可以处理多模态的以患者为中心的数据,以支持患者管理和康复。该平台包括关系数据库、命令行客户端、RESTful API和前端网络应用程序,能够自动化部署用户验证的流程,以确保数据的溯源、治理和发现的可重复性[29]

协作和远程访问:MIIP支持多学科协作,不同专业的医疗专业人员可以共享和访问患者数据,从而更好地共同制定治疗计划。例如,一种模块化的信息平台可以有效支持卡迪奥学领域的协作和多中心研究。此外,MIIP还可以支持远程医疗服务,使专家可以远程评估患者的情况,特别是在偏远地区或急诊情况下[30]

3 MDT在脑卒中救治中的作用

MDT是由来自不同专业领域的医疗专业人员组成,以促进跨学科的合作,并为患者提供综合性的护理和治疗。在脑卒中(stroke)的救治中,MDT的应用具有重要意义,它能为患者提供一种协调性的、全面的治疗方案,进而改善患者的康复效果和生活质量。

MDT团队的组成:脑卒中患者的治疗需要多学科的支持,这包括神经科医生、急诊医生、放射科医生、康复医生、护士、物理治疗师、言语治疗师以及心理健康专业人员等。MDT的核心功能是将来自不同领域的医疗专业人员聚集在一起,以确定患者的治疗计划[31]

MDT的协作方式:MDT的协作是跨学科和跨专业的,其工作流程通常包括以下几个方面。

患者评估和诊断:不同专业领域的成员共同参与患者的评估,包括神经学检查、影像学评估、实验室检查等,以确诊脑卒中的类型和严重程度。评估通常包括神经功能损害、血管风险因素、吞咽能力、液体平衡和营养状况、认知功能、交流能力、情绪障碍、排泄能力、日常生活活动能力和康复目标的评估[32]

制定治疗计划:MDT成员在急诊情况下紧密合作,例如,在缺血性脑卒中情况下,神经科医生可能推荐溶栓治疗,急诊医生负责快速启动治疗,放射科医生提供影像指导。

长期康复:康复医生、护士和其他专业人员协同工作,以确保脑卒中患者在康复期间获得最佳的康复和生活质量。这包括身体、职业、娱乐、语言和心理康复,旨在恢复患者的日常生活技能和改善生活质量。

MDT的协作为确保脑卒中患者获得全面、协调和高质量的护理提供了重要支持。在脑卒中的各个治疗阶段,从评估和诊断到急诊治疗和长期康复,MDT的成员通过跨学科和跨专业的合作,确保患者获得最佳的治疗和康复结果。

4 多模态信息化平台和MDT的协同作用

随着医疗科技的快速进步,多模态信息化平台和MDT的协同作用正在逐步塑造脑卒中急诊救治的未来。多模态信息化平台,通过整合多种医疗数据和应用先进的数据分析技术,能为脑卒中的早期诊断和实时监控提供强有力的支持。例如,DeepStroke框架通过深度学习,利用面部视频数据和音频数据,实现了对急诊室中可能出现脑卒中的患者的早期筛查,提高了诊断的准确性和速度,每次评估的时间少于6 min[33]。此外,MDT通过汇集不同专业领域的医疗专家,能为每个脑卒中患者提供个性化和全面的治疗方案,从而优化了救治过程,并保证了治疗的连续性和细节的优化[7]。MIIP和MDT的协同作用体现在:MIIP能够通过分析大量数据,为MDT提供可能的治疗方案,从而辅助医生制定最适合患者的治疗计划,MIIP也能够实时监测患者的病情变化,及时向MDT反馈重要信息,如治疗效果、可能的并发症等。而MDT的多学科专家可以根据MIIP提供的信息,结合各自的专业知识,为患者设计个体化、全方位的治疗方案。MDT也可以根据MIIP的实时反馈,及时调整治疗方案,确保治疗效果。

通过MIIP和MDT的协同作用,能够明显减少工作流程中的延误,提高诊疗效率,如一站式脑卒中管理平台已显示出减少患者在医院的工作流程时间的效果[34]

通过优化急诊通道,例如应用紧急绿色通道综合管理策略,能进一步提高患者的治疗合规率,节省溶栓治疗时间,改善患者的神经功能[35]。MIIP和MDT的协同作用促进了不同学科之间的交流和知识共享,有助于提高整体的诊疗质量和效率。

5 面临的挑战和未来展望

在脑卒中诊治领域,MIIP和MDT的应用正逐步展现其巨大的潜力。然而,这一进步的道路上也伴随着一些挑战和困难,具体包括如下。

数据整合与互操作性:MIIP的核心任务之一是整合来自多种源头的数据,包括临床数据、影像学数据以及实验室数据。这其中,数据的标准化和多模态技术的集成成为主要的技术挑战,需要制定统一的协议和格式,以保证不同来源和类型的数据能够有效整合和分析。

数据隐私与安全:MIIP需要处理大量患者的敏感医疗数据,确保数据的隐私和安全成为必须面对的重要问题,以防止未经授权的访问、数据泄露或黑客攻击。对于此,严格遵守相关法规和标准,以及实施强有力的数据保护措施是非常重要的。

多学科协作效率与效果:MDT间的有效协作是另一重要挑战,需要在各学科之间建立良好的沟通和协调机制,以确保患者能够获得全面和个体化的治疗方案。

成本与资源限制:部署和维护MIIP与MDT系统需要相应的资金和资源支持。在医疗资源有限的环境中,可能会面临资金不足的问题,特别是在发展中国家。

政策与法规:随着医疗行业的法规和政策环境不断变化,确保MIIP与MDT的合规性也显得尤为重要。这可能涉及到遵守医疗隐私法、数据保护法和医疗法规等。

针对这些挑战,医疗领域需要持续努力,以克服技术、管理和法律方面的障碍,发挥MIIP和MDT的潜力,提升脑卒中患者的护理质量和救治效果。同时,全球卫生领域应推动合作和知识分享,促进MIIP和MDT的发展和应用,使脑卒中的救治更加高效和人性化。

展望未来,MIIP和MDT在急诊脑卒中护理中拥有巨大的发展潜力,可能的发展趋势和未来展望包括以下方向。

人工智能(AI)与机器学习:随着技术的不断进步,MIIP有望通过应用AI和机器学习技术,提供更准确、更实时的决策支持,助力医生更好地诊断和治疗脑卒中。

远程医疗与数字化:通过数字化技术,MIIP和MDT的协同作用可能会推动远程医疗和数字化医疗的发展,使更多地区和更多患者能够获得及时、高质量的脑卒中诊疗服务。

培训与教育:为了实现多学科团队和多模态信息平台的有效协作,可能需要对医务人员进行额外的培训和教育,以确保他们能够充分利用这些新技术和新模式,提高脑卒中的诊治效率和效果。

基因编辑与分子靶向治疗:未来,基因编辑和分子靶向治疗方法可能会更为丰富,而MIIP和MDT将在个性化治疗中扮演重要角色,帮助选择最适合患者的治疗方法。

大数据与预测分析:借助大数据和预测分析,MIIP可以帮助识别患者的脑卒中风险因素,并预测患者未来的健康状况,从而采取更早期的干预措施,降低脑卒中的发生率。

可穿戴技术与监测设备:随着可穿戴技术和监测设备的发展,MIIP将能够更广泛地监测患者的生理状况,提供实时数据,助力MDT更好地了解患者的情况,以便更精确地调整治。

6 结论

综上所述,MIIP和MDT的结合为脑卒中患者的护理带来了革命性的变化,加强了急诊脑卒中护理的实时性、个性化和全面性。在脑卒中这种需要迅速而准确的护理的情况下,MIIP和MDT已经证明了它们不仅仅是理论上的概念,而且是提高患者预后和生活质量的现实工具。未来,随着技术和医疗实践的不断发展,MIIP和MDT将继续发挥更大的作用,推动脑卒中救治的进步,为患者带来更好的未来。

利益冲突  所有作者声明无利益冲突

参考文献
[1] Donkor ES. Stroke in the 21st century: a snapshot of the burden, epidemiology, and quality of life[J]. Stroke Res Treat, 2018, 2018: 3238165. DOI:10.1155/2018/3238165
[2] 王拥军, 李子孝, 谷鸿秋, 等. 中国卒中报告2020(中文版)(1)[J]. 中国卒中杂志, 2022, 17(5): 1037-1043. DOI:10.3969/j.issn.1673-5765.2022.05.001
[3] Simiao, Wu, PhD, et al. Stroke in China: advances and challenges in epidemiology, prevention, and management[J]. Lancet Neurol, 2019, 18(4): 394-405. DOI: 10.1016/S1474-4422(18)30500-3.
[4] GBD 2019 Stroke Collaborators. Global, regional, and national burden of stroke and its risk factors, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019[J]. Lancet Neurol, 2021, 20(10): 795-820. DOI:10.1016/S1474-4422(21)00252-0
[5] Steiner T, Pilz J, Schellinger P, et al. Multimodal online monitoring in middle cerebral artery territory stroke[J]. Stroke, 2001, 32(11): 2500-2506. DOI:10.1161/hs1101.097400
[6] Li X, Ren S, Gu F. Medical Internet of Things to realize elderly stroke prevention and nursing management[J]. J Healthc Eng, 2021, 2021: 9989602. DOI:10.1155/2021/9989602
[7] Clarke DJ, Forster A. Improving post-stroke recovery: the role of the multidisciplinary health care team[J]. J Multidiscip Healthc, 2015, 8: 433-442. DOI:10.2147/JMDH.S68764
[8] Hollist M, Morgan L, Cabatbat R, et al. Acute stroke management: overview and recent updates[J]. Aging Dis, 2021, 12(4): 1000-1009. DOI:10.14336/AD.2021.0311
[9] Abdalkader M, Siegler JE, Lee JS, et al. Neuroimaging of acute ischemic stroke: multimodal imaging approach for acute endovascular therapy[J]. J Stroke, 2023, 25(1): 55-71. DOI:10.5853/jos.2022.03286
[10] Herpich F, Rincon F. Management of acute ischemic stroke[J]. Crit Care Med, 2020, 48(11): 1654-1663. DOI:10.1097/CCM.0000000000004597
[11] Norrving B. Stroke management—recent advances and residual challenges[J]. Nat Rev Neurol, 2019, 15(2): 69-71. DOI:10.1038/s41582-018-0129-1
[12] 张通, 赵军, 李雪萍, 等. 中国脑血管病临床管理指南(第2版)(节选): 第8章脑血管病康复管理[J]. 中国卒中杂志, 2023, 18(9): 823-831. DOI:10.3969/j.issn.1673-5765.2023.09.010
[13] 中国老年医学学会急诊医学分会, 中华医学会急诊医学分会卒中学组, 中国卒中学会急救医学分会. 急性缺血性脑卒中急诊急救中国专家共识2018[J]. 中国卒中杂志, 2018, 13(9): 956-967. DOI:10.3969/j.issn.1673-5765.2018.09.013
[14] 缪中荣, 霍晓川. 未来已来: 急性缺血性卒中血管内治疗中国现状[J]. 中国卒中杂志, 2021, 16(11): 1085-1090. DOI:10.3969/j.issn.1673-5765.2021.11.001
[15] 中国卒中学会, 中国卒中学会神经介入分会, 中华预防医学会卒中预防与控制专业委员会介入学组. 急性缺血性卒中血管内治疗中国指南2023[J]. 中国卒中杂志, 2023, 18(6): 590-606. DOI:10.3969/j.issn.1673-5765.2023.06.010
[16] Bathla G, Ajmera P, Mehta PM, et al. Advances in acute ischemic stroke treatment: current status and future directions[J]. AJNR Am J Neuroradiol, 2023, 44(7): 750-758. DOI:10.3174/ajnr.A7872
[17] Broderick JP, Hill MD. Advances in acute stroke treatment 2020[J]. Stroke, 2021, 52(2): 729-734. DOI:10.1161/strokeaha.120.033744
[18] Molisz A, Zarowski A, Theunen T, et al. Influence of stimulus presentation rate on intraoperative ECAP thresholds in cochlear implant users[J]. Int J Audiol, 2019, 58(5): 296-300. DOI:10.1080/14992027.2018.1558293
[19] Zubair AS, Sheth KN. Emergency care of patients with acute ischemic stroke[J]. Neurol Clin, 2021, 39(2): 391-404. DOI:10.1016/j.ncl.2021.02.001
[20] Vidhyadharan S, Thankappan K, Janarthanan R, et al. Gastro-omental free flap for reconstruction of tongue defects[J]. Oral Oncol, 2018, 83: 134-139. DOI:10.1016/j.oraloncology.2018.06.023
[21] Pilato F, Calandrelli R, Capone F, et al. New perspectives in stroke management: old issues and new pathways[J]. Brain Sci, 2021, 11(6): 767. DOI:10.3390/brainsci11060767
[22] Shaik T, Tao XH, Li L, et al. A survey of multimodal information fusion for smart healthcare: mapping the journey from data to wisdom[J]. Inf Fusion, 2024, 102: 102040. DOI:10.1016/j.inffus.2023.102040
[23] Nair RR, Singh T, Sankar R, et al. Multi-modal medical image fusion using LMF-GAN - A maximum parameter infusion technique[J]. J Intell Fuzzy Syst, 2021, 41(5): 5375-5386. DOI:10.3233/jifs-189860
[24] Matos Diaz I, Liang JW, Ostojic LV, et al. Acute stroke multimodal imaging: present and potential applications toward advancing care[J]. Semin Neurol, 2017, 37(5): 558-565. DOI:10.1055/s-0037-1607355
[25] Mohammadian Foroushani H, Dhar R, Chen Y, et al. The stroke neuro-imaging phenotype repository: an open data science platform for stroke research[J]. Front Neuroinform, 2021, 15: 597708. DOI:10.3389/fninf.2021.597708
[26] Shkirkova K, Akam EY, Huang J, et al. Feasibility and utility of an integrated medical imaging and informatics smartphone system for management of acute stroke[J]. Int J Stroke, 2017, 12(9): 953-960. DOI:10.1177/1747493017694386
[27] Brugnara G, Neuberger U, Mahmutoglu MA, et al. Multimodal predictive modeling of endovascular treatment outcome for acute ischemic stroke using machine-learning[J]. Stroke, 2020, 51(12): 3541-3551. DOI:10.1161/strokeaha.120.030287
[28] In es, Alaya B. Applications of artificial intelligence for DWI and PWI data processing in acute ischemic stroke: current practices and future directions[J]. Clin Imaging, 2022, 81: 79-86. DOI:10.1016/j.clinimag.2021.09.015
[29] Medina-Martínez JS, Arango-Ossa JE, Levine MF, et al. Isabl Platform, a digital biobank for processing multimodal patient data[J]. BMC Bioinformatics, 2020, 21(1): 549. DOI:10.1186/s12859-020-03879-7
[30] Hermes S, Riasanow T, Clemons EK, et al. The digital transformation of the healthcare industry: exploring the rise of emerging platform ecosystems and their influence on the role of patients[J]. Bus Res, 2020, 13(3): 1033-1069. DOI:10.1007/s40685-020-00125-x
[31] Taberna M, Gil Moncayo F, Jané-Salas E, et al. The multidisciplinary team (MDT) approach and quality of care[J]. Front Oncol, 2020, 10: 85. DOI:10.3389/fonc.2020.00085
[32] Rodgers H, Price C. Stroke unit care, inpatient rehabilitation and early supported discharge[J]. Clin Med, 2017, 17(2): 173-177. DOI:10.7861/clinmedicine.17-2-173
[33] Cai T, Ni H, Yu M, et al. DeepStroke: an efficient stroke screening framework for emergency rooms with multimodal adversarial deep learning[J]. Med Image Anal, 2022, 80: 102522. DOI:10.1016/j.media.2022.102522
[34] Zhou TF, Li TX, Zhu LF, et al. One-stop stroke management platform reduces workflow times in patients receiving mechanical thrombectomy[J]. Front Neurol, 2022, 13: 1044347. DOI:10.3389/fneur.2022.1044347
[35] Zhang H, Zhang B, Chen J. The application of the emergency green channel integrated management strategy in intravenous thrombolytic therapy for AIS[J]. Am J Transl Res, 2021, 13(6): 7132-7139.