European Radiology:放射组学实现老年人认知障碍的风险预测

认知障碍是全球面临的重大挑战之一，它与生活质量的缓慢下降以及沉重的社会负担相关。2015年，据报道约有4700万人患有痴呆症，预计到2050年，这一数字将增至1.15亿。因此，迫切需要先进的方法来对高危患者的认知障碍进行早期筛查和预防。高血压、糖尿病、肥胖、吸烟和缺乏身体活动是与认知障碍相关的独立危险因素。

最近的研究表明，脑血管疾病的存在与认知障碍的发生高度相关，因此，这种被称为脑血管疾病相关认知障碍（CI - CVD）的共病已成为热门研究课题。有研究显示，在亚裔人群中，颅内狭窄与阿尔茨海默病（AD）和血管性痴呆（VD）均有关。社区动脉粥样硬化风险（ARIC）队列研究报告显示，在美国人群中，颅内动脉粥样硬化狭窄（ICAS）≥50% 与痴呆和轻度认知障碍（MCI）显著相关。我们之前的研究也揭示，左大脑后动脉（LPCA）狭窄与脑血管疾病相关认知障碍（CI - CVD）的风险增加有关。所以，建立脑动脉形态特征与脑血管疾病相关认知障碍（CI - CVD）早期预测之间的关联，已成为当前研究的重点。

脑动脉狭窄和血管迂曲是脑血管疾病的重要定量指标。在近期研究中，颅内狭窄率常被分为轻度、中度或重度，但手动测量方法给狭窄分级的准确性和一致性带来了不确定性。此外，对于脑动脉迂曲的定量评估，尚未建立一致的指标。因此，基于脑磁共振血管造影（MRA）的自动定量分析方法有助于测量狭窄和迂曲指标，以评估血管老化。在本研究中，我们使用自动分析方法量化脑动脉的形态特征，除了狭窄评分外，还定量测量了脑血管迂曲的几个指标，包括长度、相对长度、扭曲角度和最大偏差。除了形态分析，我们还对脑动脉进行了全形状影像组学分析。近年来，影像组学已广泛应用于疾病预测，但基于脑磁共振血管造影（MRA）的影像组学分析尚未见报道。在本研究中，使用脑动脉自动分割方法实现了对整个血管的影像组学分析。

最近，发表在European Radiology 上的一篇文章基于脑磁共振血管造影（MRA），在老年人群队列中建立了用于早期预测脑血管疾病相关认知障碍（CI-CVD）的形态学和影像组学模型，为临床进行准确的评估提供了技术支持。

研究从为期14年的老年磁共振血管造影（MRA）队列中，回顾性招募了 104 名脑血管疾病相关认知障碍（CI - CVD）患者和 107 名对照受试者，并纳入 63 名受试者用于外部验证。采用自动定量分析方法，对脑动脉的形态学特征进行分析，包括狭窄评分、长度、相对长度、扭曲角度和最大偏差。使用单因素逻辑回归筛选临床和形态学风险因素。通过最小绝对收缩和选择算子（LASSO）回归提取影像组学特征。在训练集中建立脑血管疾病相关认知障碍（CI - CVD）的预测模型，并在外部测试集中进行验证。

研究表明，卒中病史是一个临床风险因素（优势比 [OR] 为 2.796，置信区间 [CI] 为 1.359 - 5.751）。右侧大脑中动脉（RMCA）和左侧大脑后动脉（LPCA）狭窄≥50%、左侧颈内动脉（LICA）的最大偏差以及右侧颈内动脉（RICA）和左侧颈内动脉（LICA）的扭曲角度被确定为形态学风险因素，其优势比分别为 4.522（1.237 - 16.523）、2.851（1.438 - 5.652）、1.373（1.136 - 1.661）、0.981（0.966 - 0.997）和 0.976（0.958 - 0.994）。总体而言，筛选出 33 个影像组学特征作为风险因素。临床 - 形态学 - 影像组学模型表现最佳，在训练集中的曲线下面积（AUC）为 0.883（0.838 - 0.928），在外部测试集中的曲线下面积（AUC）为 0.843（0.743 - 0.943）。

表 训练、交叉验证和外部测试集中不同模型的度量

本项研究表明，影像组学特征结合脑动脉的形态学指标是老年个体中脑血管疾病相关认知障碍（CI - CVD）早期迹象的有效指标。

原文出处：

Xian Xu,Yanfeng Zhou,Shasha Sun,et al.Risk prediction for elderly cognitive impairment by radiomic and morphological quantification analysis based on a cerebral MRA imaging cohort.DOI:10.1007/s00330-024-11336-9