于 泳

（南京中醫(yī)藥大學(xué)附屬鹽城中醫(yī)院<鹽城市中醫(yī)院>醫(yī)學(xué)影像科 江蘇 鹽城 22400）

腦卒中已成為人類健康的主要威脅之一，每年全球有600 萬(wàn)人因卒中而死亡，其致死率超過(guò)10%，同時(shí)也是中國(guó)居民的首要致死病因[1]。急性缺血性腦卒中（acute ischemic stroke，AIS）為最普遍的腦卒中類型[2]，占所有急性腦血管病的70%。AIS 因腦血管長(zhǎng)時(shí)間或永久性堵塞引發(fā)，導(dǎo)致腦組織持續(xù)缺血、缺氧，進(jìn)而引起局部神經(jīng)功能缺損或永久性喪失，AIS 患者的預(yù)后與及時(shí)有效治療密切相關(guān)。重組化織型纖溶酶原激活劑（rt-PA）是治療AIS 最廣泛的藥物，能通過(guò)溶解血栓恢復(fù)腦組織的血供促進(jìn)功能恢復(fù)[3]。盡管大部分患者在接受靜脈rt-PA溶栓治療后短期癥狀有所緩解，但部分患者仍存在功能障礙，甚至有出現(xiàn)出血性轉(zhuǎn)化的風(fēng)險(xiǎn)。因此，早期預(yù)測(cè)患者在rt-PA 溶栓治療的預(yù)后具有重要意義，有助于前期臨床治療方案的制定。近年來(lái)，影像組學(xué)的發(fā)展為AIS患者預(yù)后預(yù)測(cè)提供了新機(jī)遇，它將醫(yī)學(xué)圖像轉(zhuǎn)化為高維、定量的數(shù)據(jù)特征，從而建立模型來(lái)輔助臨床診療[4]。本研究初步探索了基于MRI 的影像組學(xué)在預(yù)測(cè)AIS 患者短期預(yù)后中的價(jià)值，旨在探尋預(yù)測(cè)AIS 患者短期預(yù)后的最佳方案。

1 資料與方法

1.1 一般資料

本研究經(jīng)南京中醫(yī)藥大學(xué)附屬鹽城中醫(yī)院倫理委員會(huì)批準(zhǔn)（批號(hào)：KY230409），免除受試者知情同意。本研究回顧性分析2016 年6 月—2023 年3 月于鹽城市中醫(yī)院行顱腦MRI 檢查的219 例AIS 患者的臨床和影像學(xué)資料，其中預(yù)后良好組106 例（男60 例，女46 例），平均年齡（71.53±11.11）歲；預(yù)后不良組113 例（男55 例，女58 例），平均年齡（71.13±10.94）歲。采用隨機(jī)分層抽樣法將患者隨機(jī)分為訓(xùn)練集175 例，測(cè)試集44 例。

納入標(biāo)準(zhǔn)：①M(fèi)RI 證實(shí)為前循環(huán)的急性腦梗死；② 癥狀發(fā)生6 h 內(nèi)行MRI 檢查；③行靜脈rt-PA 溶栓治療。排除標(biāo)準(zhǔn)：①存在腦腫瘤、腦部外傷或手術(shù)史；② 因其他器官疾患，正在接受藥物或治療；③圖像偽影較重或因病灶過(guò)小而無(wú)法勾畫ROI 的病例。在醫(yī)院信息系統(tǒng)中查閱患者病歷，記錄臨床資料及病史、入院時(shí)基線美國(guó)國(guó)立衛(wèi)生研究院卒中量表（national institutes of health stroke scale，NIHSS）評(píng)分和90 d 改良Rankin 量表（modified rankin scale，mRS）評(píng)分。采用mRS 評(píng)分作為短期預(yù)后判斷指標(biāo)，mRS 評(píng)分0～2 分為預(yù)后良好，mRS 評(píng)分3～5 分為預(yù)后不良。

1.2 方法

采用西門子1.5T MRI 掃描儀進(jìn)行檢查，頭部線圈為8 通道線圈。掃描序列包括常規(guī)T1WI 序列、T2WI 序列、彌散加權(quán)成像（diffusion weighted imaging，DWI）等。掃描參數(shù)：①T1WI：TR 2 259 ms，TE 25.4 ms，層厚5 mm，間距1.5 mm，視野（FOV）240 mm×240 mm，矩 陣256×192；②T2WI：TR 5 582 ms，TE 111 ms，層 厚5 mm，間 距1.5 mm，F(xiàn)OV 240 mm×240 mm，矩陣256×192；③DWI：TR 3 203 ms，TE 83.9 ms，層厚5 mm，間 距1.5 mm，b 值 取0 和1 000 s/mm2，矩 陣96×96。

1.3 影像組學(xué)分析方法

在DWI 序列進(jìn)行相關(guān)的影像組學(xué)特征分析流程，具體步驟如下。①感興趣區(qū)分割：由1 名有10 年神經(jīng)影像診斷經(jīng)驗(yàn)的放射科醫(yī)師應(yīng)用ITK-SNAP 軟件（版本3.4.0）手動(dòng)分割DWI 序列高信號(hào)急性腦梗死區(qū)作為感興趣區(qū)（region of interest，ROI）。②預(yù)處理：在Python（3.8.5版本）環(huán)境中使用Pyradiomics 包對(duì)圖像進(jìn)行預(yù)處理，主要包括強(qiáng)度歸一化和灰度級(jí)離散化。③特征提?。菏褂肞yRadiomics 特征提取，包含直方圖特征、形態(tài)學(xué)特征、灰度共生矩陣特征，灰度尺寸區(qū)域矩陣，灰度游程矩陣，相鄰灰度差分矩陣，灰度依賴矩陣等特征。④特征篩選：使用方差分析、Spearman 相關(guān)性檢驗(yàn)及最小絕對(duì)收縮與選擇算子算法（least absolute shrinkage and selection operator，LASSO）篩選特征。⑤構(gòu)建模型：應(yīng)用支持向量機(jī)（support vector machine，SVM）分類器構(gòu)建AIS 預(yù)后預(yù)測(cè)模型。

1.4 統(tǒng)計(jì)學(xué)方法

采用SPSS 27.0 統(tǒng)計(jì)軟件進(jìn)行數(shù)據(jù)分析。符合正態(tài)分布的計(jì)量資料以均數(shù)±標(biāo)準(zhǔn)差（）表示，采用t檢驗(yàn)；計(jì)數(shù)資料以頻數(shù)（n）、百分率（%）表示，采用χ2檢驗(yàn)。影像組學(xué)數(shù)據(jù)通過(guò)Python 軟件篩選和統(tǒng)計(jì)。模型效能采用受試者工作特征（receiver operating characteristic，ROC）曲線評(píng)估。以P＜0.05 表示差異具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 不同預(yù)后患者的臨床資料

兩組患者的性別、年齡、高脂血癥史、糖尿病史、高血壓史、腦卒中史、腦出血史、飲酒史、抽煙史、高同型半胱氨酸血癥、房顫史組間差異無(wú)統(tǒng)計(jì)學(xué)意義（P＞0.05），兩組患者入院時(shí)NIHSS 評(píng)分有統(tǒng)計(jì)學(xué)意義（P＜0.001），詳見表1。

表1 不同預(yù)后患者臨床基線資料比較

2.2 影像組學(xué)特征提取及篩選

在MRI 檢查的DWI 序列提取了396 個(gè)特征，通過(guò)方差分析、秩和檢驗(yàn)和Spearman 相關(guān)性檢驗(yàn)后剩下45 個(gè)特征，最后使用LASSO 降維后選出15 個(gè)特征，包括2 個(gè)一階特征，4 個(gè)形狀特征和9 個(gè)紋理特征。病灶感興趣區(qū)分割示意圖見圖1，影像組學(xué)特征的LASSO 系數(shù)分布圖見圖2。

圖1 彌散加權(quán)成像序列ROI 分割示意圖

圖2 影像組學(xué)特征降維LASSO 系數(shù)收斂圖

2.3 急性缺血性腦卒中短期預(yù)后預(yù)測(cè)模型構(gòu)建及效能評(píng)估

通過(guò)SVM 分類器建立AIS 預(yù)后預(yù)測(cè)模型。應(yīng)用ROC 曲線分析該模型訓(xùn)練集的AUC 為0.897，準(zhǔn)確度為0.840，靈敏度0.893，特異度為0.791；測(cè)試集的AUC為0.835，準(zhǔn)確度為0.795，靈敏度0.818，特異度為0.773，見表2，圖3。

圖3 模型訓(xùn)練集及測(cè)試集預(yù)測(cè)AIS 短期預(yù)后的效能

表2 模型訓(xùn)練集及測(cè)試集預(yù)測(cè)AIS 短期預(yù)后的效能

3 討論

AIS 是全球重點(diǎn)關(guān)注的健康問(wèn)題之一，AIS 的預(yù)后因個(gè)體差異而有所不同，早期診斷和預(yù)后評(píng)估對(duì)于AIS 的預(yù)后至關(guān)重要[5]。DWI 序列可以在發(fā)作后的幾個(gè)小時(shí)內(nèi)顯示梗死核心，但傳統(tǒng)影像學(xué)對(duì)于AIS 預(yù)后的評(píng)估缺乏手段。而影像組學(xué)可以將醫(yī)學(xué)圖像轉(zhuǎn)換為定量數(shù)據(jù)，充分高效利用檢查數(shù)據(jù)，為臨床方案的選擇提供依據(jù)。

目前影像組學(xué)已被用于AIS 的診療及預(yù)后評(píng)估。Zhang 等[6]開發(fā)了基于NCCT 的AIS 短期預(yù)后預(yù)測(cè)模型，在測(cè)試集中，組學(xué)模型和融合模型的AUC 分別為0.705和0.857，優(yōu)于臨床模型（0.643）。Yu 等[7]在DWI 等序列上選擇了16 個(gè)組學(xué)特征構(gòu)建預(yù)后模型，通過(guò)五個(gè)分類器對(duì)比后，LightGBM 模型的表現(xiàn)最佳，在測(cè)試集模型準(zhǔn)確度為0.831，曲線下面積（AUC）為0.902。Zhou 等[8]開發(fā)了基于臨床數(shù)據(jù)和DWI 及T2WI 序列的AIS 預(yù)后預(yù)測(cè)模型，其ROC 曲線下面積在訓(xùn)練集中為0.868，在測(cè)試集中為0.890，大于單一的臨床或影像組學(xué)模型，這提示影像組學(xué)模型可與臨床數(shù)據(jù)模型融合，形成融合模型或諾莫圖來(lái)指導(dǎo)臨床工作。本研究中SVM 構(gòu)建的模型訓(xùn)練集AUC 為0.897，準(zhǔn)確度為0.840；測(cè)試集的AUC為0.835，準(zhǔn)確度為0.795，提示模型能夠較準(zhǔn)確地預(yù)測(cè)患者的短期預(yù)后，但較前者對(duì)比，還需要增加其他序列分析或融入更多的臨床基線數(shù)據(jù)來(lái)提高模型的精度。

此外，MRI 影像組學(xué)亦可預(yù)測(cè)AIS 患者機(jī)械取栓后的結(jié)局與預(yù)后，如Li 等[9]在DWI 序列上提取特征，通過(guò)SVM 分類器構(gòu)建AIS 患者機(jī)械取栓術(shù)后預(yù)后模型，其訓(xùn)練集和測(cè)試集的AUC 值分別為0.945 和0.920。影像組學(xué)還被用于針對(duì)AIS 血栓的分析，可以預(yù)測(cè)AIS 的血栓來(lái)源，進(jìn)一步指導(dǎo)臨床溶栓或取栓方式的選擇[10]。

本研究中，兩組患者入院時(shí)NIHSS 評(píng)分有統(tǒng)計(jì)學(xué)意義，提示較高的NIHSS 初評(píng)分通常預(yù)示更差的預(yù)后。影像組學(xué)模型共篩選出15 個(gè)與AIS 預(yù)后相關(guān)的特征，包括2 個(gè)一階特征，4 個(gè)形狀特征和9 個(gè)紋理特征，本研究結(jié)果顯示一階特征（first order features，F(xiàn)OF）、灰度游程矩陣（gray level run length matrix，GLRLM）、灰度共生矩陣（gray level co-occurrence matrix，GLCM）、灰度級(jí)大小區(qū)域矩陣（gray level size zone matrix，GLSZM）等特征與短期預(yù)后顯著相關(guān)。FOF 定量描述了圖像中體素的分布，這些信息可能揭示了缺血或受損組織的灰度分布。GLRLM 反映了相同灰度值的連續(xù)像素的長(zhǎng)度，這可能表示在AIS 中受損組織的范圍和連續(xù)性，并可能預(yù)示患者的恢復(fù)潛力。GLCM 描述了兩個(gè)特定灰度值在圖像中的共現(xiàn)頻率，可能與AIS 患者卒中區(qū)域的微觀結(jié)構(gòu)有關(guān)。GLSZM 表示相同灰度級(jí)的連續(xù)區(qū)域大小，其中較大的區(qū)域可能代表廣泛的受損腦組織，這與不良臨床預(yù)后有關(guān)。這些影像組學(xué)特征揭示了腦卒中受損組織的微宏觀特點(diǎn)，其中GLRLM 中測(cè)量具有較高灰度值的長(zhǎng)運(yùn)行長(zhǎng)度的聯(lián)合分布（LRHGLE）及GLCM 中逆差分歸一化（IDN）特征的權(quán)重相對(duì)較大。LRHGLE 是衡量圖像中高灰度值的長(zhǎng)運(yùn)行長(zhǎng)度的分布，長(zhǎng)的連續(xù)運(yùn)行可能與某些生物結(jié)構(gòu)或組織類型相對(duì)應(yīng)，而高灰度值可能與特定的生物屬性或組織狀態(tài)相對(duì)應(yīng)，在AIS 背景下，這可能與病變區(qū)域存在大塊的高信號(hào)區(qū)域有關(guān)，提示更壞的臨床結(jié)局。IDN 則是一種強(qiáng)調(diào)圖像中低對(duì)比度區(qū)域的特征，其捕獲了圖像中相似灰度值的鄰近像素的出現(xiàn)頻率,高的IDN 值意味著圖像中有更多的相似灰度值的鄰近像素，在AIS 背景下，該特征可提供關(guān)于受影響腦組織的微觀結(jié)構(gòu)和完整性的信息，更嚴(yán)重的組織損傷可能導(dǎo)致更顯著的紋理改變，與患者的預(yù)后結(jié)局和恢復(fù)潛力相關(guān)。較傳統(tǒng)單純分析影像資料相比，這些影像組學(xué)特征描繪了圖像到更高維數(shù)據(jù)的轉(zhuǎn)換，可反映影像圖像不同矩陣中局部異質(zhì)性、灰度擴(kuò)展、灰度值差異等，為患者的預(yù)后提供影像組學(xué)依據(jù)。

本研究存在一定的局限性。本研究為回顧性且來(lái)源單中心，樣本量少，需要后期擴(kuò)大樣本量進(jìn)一步研究。其次，預(yù)測(cè)模型構(gòu)建僅使用了DWI 序列，需要后期融合其他序列進(jìn)一步研究。此外，本研究亦缺乏外部驗(yàn)證來(lái)驗(yàn)證模型的泛化性。

綜上所述，基于MRI 構(gòu)建的急性缺血性腦卒中患者短期預(yù)后的預(yù)測(cè)模型，能夠較準(zhǔn)確地預(yù)測(cè)患者的短期預(yù)后，可以為臨床進(jìn)行相應(yīng)干預(yù)手段和治療方案的選擇提供依據(jù)。