| 宋娆，吴小佳，李传明，刘欢，郭大静，汤琳.基于MRI影像组学及ATN分类系统的列线图预测轻度认知障碍进展[J].放射学实践,2021,(12):1481-1487 |
| 基于MRI影像组学及ATN分类系统的列线图预测轻度认知障碍进展 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2021.12.005 |
| 中文关键词: 轻度认知障碍 阿尔茨海默病 列线图 影像组学 ATN分类系统 磁共振成像 |
| 基金项目:重庆市科卫联合医学科研重点项目（2018ZDXM005）；重庆市自然科学基金面上项目（cstc2020jcyj-msxmX0044）；重庆医科大学附属第二医院“宽仁英才”项目 |
|
| 摘要点击次数: 1990 |
| 全文下载次数: 1905 |
| 中文摘要: |
| 【摘要】目的：探讨基于MRI组学特征及ATN分类的列线图对轻度认知障碍（MCI）患者认知进展的预测价值。方法：搜集阿尔茨海默病神经影像学计划（ADNI）数据库中147例认知功能正常者（CN）、197例轻度认知障碍（MCI）患者以及128例阿尔茨海默病（AD）患者的临床和影像资料。在5年随访期内，MCI患者中有100例进展为痴呆，余97例认知功能保持稳定。采用Freesurfer软件对CN人群以及MCI、AD患者的3D-T1WI图像进行自动化后处理，提取全脑皮层和皮层下结构的影像组学特征，并筛选最佳影像组学特征构建组学模型以区分CN和AD患者。采用受试者操作特征（ROC）曲线分别评价脑脊液（CSF）Aβ42（A）和p-tau浓度（T）和组学模型（N）区分CN和AD患者的效能，分别计算阈值作为A、T、N的阳性分界值，并用于MCI人群的ATN分类。使用Cox回归分析筛选与MCI患者认知障碍进展相关的临床危险因素，并使用多因素Cox比例风险模型结合ATN分类构建联合预测模型并制作列线图。采用一致性指数（C-index）和校准曲线（Hosmer-Lemeshow检验）评估模型的预测能力和准确性，Kaplan-Meier（KM）分析用于风险分层。结果：每例患者共提取了全脑皮层及皮层下区域的1198个影像组学特征，经特征筛选，最终选取15个最佳影像组学特征用于构建诊断模型。脑脊液Aβ42、脑脊液p-tau和组学模型区分CN和AD患者的ROC曲线下面积（AUC）分别为0.813、0.822和0.998。Cox回归分析显示，载脂蛋白E（APOE）ε4等位基因（HR=2.449；95% CI=1.539~3.896）、临床活动调查问卷（FAQ）评分（HR=1.111；95% CI=1.069~1.156）和动物词汇流畅性测试（AFT）评分（HR=0.949；95% CI=0.901~0.999）是与MCI患者认知障碍进展相关的临床危险因素。联合预测模型在训练集和验证集的的C-index分别为0.927和0.906，校准曲线显示联合模型的预测结果与患者的实际进展情况之间差异无统计学意义（P=0.119、0.778），模型的拟合效果较好。KM分析结果显示，以联合模型预测概率的中位数0.02作为临界值，可以很好地将MCI患者分为低风险和高风险进展组（log-rank test，P<0.0001）。结论：基于MRI影像组学及ATN分类系统的列线图模型有助于对轻度认知障碍患者的认知障碍进展的概率进行个体化预测。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
