基于MRI的影像组学模型预测致病性三叉神经-血管压迫的应用研究.pdf

基于MRI的影像组学模型预测致病性三叉神经-血管压迫的应用研究

摘要

背景

三叉神经痛（Trigeminalneuralgia，TN）是一种颅神经疾病，其特征是面部剧

烈疼痛的阵发性发作。TN的发作可能是由多种原因导致的三叉神经根局部慢性损伤

引起的。根据病因不同，TN可分为经典TN（ClassicalTN，cTN）、继发性TN以

及特发性TN，其中以神经-血管压迫（Neurovascularcompression，NVC）引起的经

典型TN最常见。磁共振成像（Magneticresonanceimaging，MRI）通常作为评估

NVC的首选检查方式，高分辨率MRI诊断细微的血管异常越发敏感，这些微小血

管异常或神经压迫可能是TN患者发病的原因。但是临床实践以及相关研究表明，

颅脑MRI在检测症状侧是否存在NVC时存在准确度和敏感度不足等缺陷；即使MRI

显示症状侧存在NVC，但健康人群中有相当部分人也存在NVC现象。而且目前影

像诊断报告主要依靠放射科医生经验判断，存在较大的主观性。因此研究一个基于

影像特征信息的模型来定量描述影像学信息至关重要。影像组学作为定量成像分析

中的一个新兴领域备受关注，该领域旨在将图像的大规模数据挖掘与临床和生物学

终点联系起来，已广泛应用于疾病分期、鉴别诊断等方面，但在TN中影像组学的

相关研究很少。

目的

建立一种基于MRI的影像组学模型，用于预测是否存在能引起症状的三叉神经

-血管压迫（致病性三叉神经-血管压迫），并进一步研究其临床价值。

方法

回顾性分析2018年1月-2022年6月就诊于青岛大学附属医院的TN患者350

例，以及因良性阵发性位置性眩晕（Benignparoxysmalpositionalvertigo，BPPV）就

诊的对照受试者100例，所有TN患者均行微血管减压术（Microvascular

decompression，MVD）并术中证实存在引起症状的三叉神经-血管压迫。首先将各

患者的颅神经MRI图像以DICOM格式导出，采用ITK-SNAP软件在神经和血管

序列勾画全部受试者双侧三叉神经三维感兴趣区（Regionofinterest，ROI），选择

TN患者的患侧及对照受试者的双侧ROI提取影像组学特征，共选取了550侧ROI，

并全部提取其特征。同时收集全部受试者的基本临床信息，尽可能减少其他变量。

利用最小绝对收缩与选择算子（Leastabsoluteshrinkageandselectionoperator，

LASSO）回归对提取到的特征进行筛选与降维，随后利用逻辑回归、支持向量机

（Supportvectormachines，SVM）和Adaboost等机器学习方法计算每例患者的影

像组学评分并构建影像组学模型。使用10折交叉验证评估每个模型在回顾组中的诊

断能力，采用受试者工作特征曲线（Receiveroperatingcharacteristiccurve，ROC）

评估三种模型的预测效能，同时采用校准曲线评估模型的拟合度，通过决策曲线

（Decisioncurveanalysis，DCA）评价预测模型预测致病性三叉神经-血管压迫的净

获益。随后进行了一项前瞻性研究，纳入了20名TN患者和20名对照受试者，以

回顾组中的所有受试者为训练集，以前瞻组中40例受试者为验证集，用以评估模型

在前瞻性验证组的性能，另选取两例典型患者进行了个案分析，进一步说明此研究

的意义。

结果

针对每个ROI区域，总共从MRI神经和血管序列图像中获得了200个影像组学

特征，最终筛选出26个最佳影像组学特征，以此构建影像组学模型。在回顾组中，

逻辑回归、SVM和Adaboost模型的准确率分别为91.8%（AUC=0.969，

95%CI=0.956-0.980）、92.7%（AUC=0.977，95%CI=0.959-0.99）和88.5%（AUC=0