单受试者分析中区域脑体积测量受头围校正方法的强烈影响
本研究在5059例正常T1w-MRI数据库上比较残差法与比例法进行总颅内体积(TIV)校正对z值的影响,并在127例多发性硬化患者中检验丘脑萎缩检出。残差法消除了TIV与年龄的相关性,比例法未消除TIV相关且方向反转;丘脑体积鉴别MS的AUC残差法0.84 vs 比例法0.79。作者认为单受试者分析应优先采用残差法。
要点
- 单受试者脑体积z值分析中,TIV校正方法可导致z值差异超过1个z值点。
- 比例法未消除TIV与区域脑体积的关联,且关联方向反转,残差法可消除。
- 丘脑体积鉴别MS的AUC:残差法0.84 vs 比例法0.79(残差法更高)。
核心结论
- 在临床常规单受试者分析中,对T1w-MRI脑体积估计进行TIV和年龄校正以检出或排除区域脑萎缩时,应优先采用残差法而非比例法。
研究设计与样本
- 研究为方法学比较,正常数据库包含5059例不同患者的临床3D梯度回波T1w-MRI图像,年龄20–90岁(均值49.6±16.7岁),57.6%为女性(540例性别未知),来自160台不同MRI扫描仪(西门子/飞利浦/GE:n=109/37/14),多数为1.5T(n=116),其余为3T(n=44),层厚0.9–1.3 mm。
- 多发性硬化患者数据集回顾性纳入127例MS患者,其中33例来自德累斯顿大学医院临床研究(年龄42.2±10.1岁,EDSS 2.7±1.6,病程5.2±4.8年,3.0T西门子Verio扫描仪),94例来自苏黎世大学医院观察性研究(年龄37.3±8.9岁,EDSS 1.3±1.3,病程2.7±4.5年,3.0T飞利浦Ingenia扫描仪),均使用3D梯度回波T1w-MR序列。
- 使用自定义三维卷积神经网络(U-net架构)分割全脑实质、总颅内体积、双侧海马和双侧丘脑,计算体积(ml),并分别用残差法和比例法进行TIV与年龄校正,将残差转换为z值进行比较。
诊断标准与关键数值
- 残差法在正常数据库中消除了所有ROI与TIV的关联,比例法仅消除与年龄的关联,且所有ROI与TIV的关联方向反转。
- TIV和年龄校正后的变异系数(CoV)残差法低于比例法:脑实质3.68% vs 4.04%,丘脑5.95% vs 7.14%,海马8.16% vs 9.65%。
- 比例法与残差法所得z值的差异(z-diff)与TIV强相关(r < −0.92,p < 0.001),在5%的受试者中差异大于1个z值点,各ROI最大z值差异约2个z值点。
- 丘脑体积鉴别MS患者与正常对照的ROC曲线下面积:残差法z-resTHALV为0.84,比例法z-resTHALF为0.79。
临床应用与阅片要点
- 在单受试者脑体积报告中使用TIV校正时,残差法可减少生理性个体间变异并消除TIV关联,比例法可能导致与TIV相关的系统性高估或低估。
- 比例法在小TIV时高估z值、大TIV时低估z值,而常用区域脑萎缩z值阈值在−1.5至−2.5之间,约5%受试者z值差异可达1个z值点以上。
- 残差法回归模型中TIV×年龄交互项和年龄二次项均显著,提示ROIV与TIV的关系随年龄变化,且年龄依赖呈非线性。
局限性
- 回归模型中各项的解释可能受多项共线性限制,但这不影响完整回归模型用于减少TIV和年龄相关个体间变异的效用。
- 额内骨肥厚可导致TIV低估,在绝经后女性中较常见、男性中罕见;补充材料中按性别重复分析提示其对主要发现的影响可能较小。
- 正常数据库的临床随访不可用。
全文中译12 节 · 点击展开
引言
基于MRI的脑区体积估计越来越多地用于支持神经和精神疾病的诊断与监测。例如,基于MRI的海马体积被用作地形学生物标志物,用于检测或排除疑似阿尔茨海默病患者的 hippocampal degeneration [1]。在多发性硬化(MS)中,MRI检测到的丘脑萎缩是神经退行性变最早的征象之一,并且是残疾和认知损害的强预测因素 [2]。
对于大脑中的大多数感兴趣区(ROI),基于MRI的体积估计(ROIV)与头围大小相关 [3, 4]。因此,在受试者间比较中,头围大小可能是一个无需关注的混杂因素( nuisance covariate)[3]。在这些情况下,需要对头围大小进行仔细校正,不仅是为了提高检测所关注效应的统计效能,也是为了避免虚假效应和对实际效应的误读 [3, 5, 6]。当考虑整个成年年龄范围内的ROIV估计时,通常使用与ROIV来自同一T1w-MRI的总颅内体积(TIV)来校正头围大小 [3, 7]。
ROIV估计中常用的TIV校正方法包括残差法和比例法 [5, 7–9]。在残差法中,ROIV在一个足够大的独立正常对照受试者组(正常数据库)中对TIV进行回归。所得的回归模型用于计算感兴趣受试者(通常不包含在正常数据库中)中ROIV相对于该模型的残差。残差定量表征了每个受试者的ROIV偏离具有相同TIV的正常受试者预测值的程度。在比例法中,将ROIV按个体TIV进行缩放,以获得ROIV与TIV之比,下文记为ROIF(“F”代表分数)。
比例法的主要优点是其直观且易于实施。特别是,它不需要独立的正常对照受试者数据库。比例法的一个缺点是它通常不能消除ROIV与TIV的关联,而残差法可以 [5, 7, 9–11]。
残差法的另一个优点是,它通过简单地向回归模型中添加更多项,就可以同时轻松校正其他混杂协变量(如年龄)与TIV。当使用比例法进行TIV校正时,对其他混杂协变量的校正可以通过计算ROIF相对于正常数据库中以其他混杂变量为解释变量的ROIF回归模型的残差来实现。然而,通常没有明确的理由将TIV与其他混杂变量分开并区别对待。此外,脑区体积与TIV之间的曲线(异速生长)关系 [4] 可以通过在回归模型中包含对数、二次或更高阶多项式项,用残差法轻松建模。对于不同混杂协变量之间(例如TIV与年龄)对感兴趣脑区体积的交互作用也是如此,只需向回归模型中添加交互项即可。最后,残差法有效的主要假设之一,即正常数据库中残差呈正态分布,很容易进行质量控制检查。比例法没有类似的质量检查。
TIV校正方法对区域脑容量测量的影响此前已有研究。然而,既往研究完全集中于组水平分析以刻画疾病特异性效应[10, 12, 13],或年龄和性别对脑容量指标的影响[4, 8, 14–19],或脑容量指标与认知表现之间的关联[11]。本研究的目的是评估TIV校正方法对用于支持单个患者单受试者分析中区域脑容量估计解读的z分数的影响。基于T1w-MRI的脑实质(大体积)、丘脑(中等体积)和海马(小体积)体积估计被视为临床相关示例。区域脑体积除按TIV校正外还按年龄校正,因为纵向和横断面研究明确证实了独立于TIV的年龄相关脑萎缩[20, 21]。
材料与方法
T1w-MRI扫描的正常数据库
正常数据库包含5059例不同患者的5059幅临床3D梯度回波T1w-MR脑图像,这些患者因非特异性症状(头痛、头晕)转诊接受MR成像。患者年龄范围为20至90岁(平均49.6 ± 16.7岁,年龄分布见在线补充图1);57.6%为女性(540例患者性别未知)。MR成像时,无患者有神经系统或精神疾病病史或当前正患有此类疾病。根据当地放射科医生的视觉检查,所有图像均无超出患者年龄预期的异常。MRI后的临床随访不可获得。图像由来自三家不同制造商(Siemens/Philips/GE:n = 109/37/14)的160台不同MRI扫描仪采集。大多数扫描仪在1.5 T场强下运行(n = 116),其余扫描仪在3 T下运行(n = 44)。MR图像采用扫描仪制造商推荐用于脑容量分析的扫描仪特异性序列采集。层厚范围为0.9至1.3 mm。
正常数据库的MR图像在临床常规中采集,并根据欧洲通用数据保护条例的条款和条件传输至jung diagnostics GmbH进行远程图像分析。随后,数据已进行匿名化处理。德国汉堡州医学会伦理审查委员会豁免了本研究中对匿名数据进行回顾性使用需获得书面知情同意的要求(参考编号2021–300,047-WF)。
MS患者数据集
回顾性纳入127例MS患者的T1w-MR图像,以比较两种TIV校正方法对检测MS中丘脑萎缩的敏感性的影响。
33例多发性硬化(MS)患者曾在德国德累斯顿卡尔·古斯塔夫·卡鲁斯大学医院诊断与介入神经放射学研究所参与一项临床研究(年龄42.2 ± 10.1岁,扩展残疾状况量表2.7 ± 1.6,病程5.2 ± 4.8年)。T1w-MR图像使用3.0 T Siemens Verio扫描仪采集。其余94例MS患者曾参与瑞士苏黎世大学医院的一项观察性研究(年龄37.3 ± 8.9岁,扩展残疾状况量表1.3 ± 1.3,病程2.7 ± 4.5年)。T1w-MR图像使用3.0 T Philips Ingenia扫描仪采集。两项研究均使用三维梯度回波T1w-MR序列。
两项研究均获当地伦理委员会批准。所有患者均签署书面知情同意书。该同意包括将数据回顾性用于本研究。所有程序均符合2013年赫尔辛基宣言。
MS子样本的MRI数据此前曾用于一项关于使用雅可比积分检测病理性深部灰质体积损失的年龄依赖性截断值的研究[22]。
区域体积测量
使用一种最近引入的、具有U-net架构[23]的定制三维卷积神经网络(此前用于T2w-MRI中病理性病灶的分割[24, 25])对每幅T1w-MRI中的全脑实质(BP,=灰质和白质)、总颅内体积(TIV,= BP + 内、外脑脊液)、海马(HIPP)和丘脑(THAL)进行分割。该3D-CNN用于分割这些脑结构的训练和验证(关于稳定性和准确性)将另行描述。分割结果用于计算每幅T1w-MRI中相应的体积(以ml为单位)(TIV、BPV、THALV、HIPPV)。THALV和HIPPV包括双侧丘脑和海马。
使用残差法进行TIV和年龄校正
对于残差法[17–19, 26],区域体积ROIV与TIV和年龄的生理关系在正常数据库中通过以下模型建模:
更准确地说,回归系数a、b、c、d、e和f通过最小化正常数据库中个体ROIV估计值与根据Eq. 1的模型之间的平方差之和来确定。然后,个体ROIV估计值相对于该模型的残差(记为resROIV)计算为:
使用比例法进行TIV和年龄校正
首先,将个体ROIV除以个体TIV以获得ROIF,即ROIV与TIV之比[27–29]。然后,通过计算ROIF相对于以下模型的残差来进行年龄校正:
回归系数r、s和t通过最小化正常数据库中个体ROIF估计值与该模型之间的平方差之和来确定。个体ROIF估计值相对于该模型的残差计算为:
离群值
回归可能受到离群值的影响。为了考虑这一点,回归建模采用了迭代两步法。第一次回归后,残差<下四分位数 − 1.5 × 四分位距或残差>上四分位数 + 1.5 × 四分位距的扫描被视为离群值,并从第二次(最终)回归中排除。离群值的识别分别针对残差法和比例法进行,并分别针对每个ROI进行。
统计分析
正常数据库中的变异系数(CoV[%] = 100 × 标准差/均值)用于表征原始体积测量值和校正后体积测量值的生理性个体间变异。残差的CoV以相应原始测量值的均值作为参考计算(残差均值为零)。
采用Pearson双变量相关分析检验校正后体积与TIV及年龄的(残差)相关性。
残差的Z分数用于标准化表征经TIV和年龄校正的ROIV偏离正常值的程度,且不依赖于校正方法[30]。残差通过按其与正常数据库中残差标准差的比值进行缩放转换为z分数,即 和
z-resROIF(通过比例法获得)与z-resROIV(通过残差法获得)之间的个体差异,即 ,用于评估校正方法对个体受试者脑区体积估计解读的影响。对z分数差值(z-diff)检验其与TIV和年龄的可能关联。
通过比较z-resTHALV与z-resTHALF之间区分MS患者与正常数据库中对照受试者的受试者工作特征(ROC)曲线,评估TIV校正对检测MS相关丘脑萎缩的效能的影响。
结果
正常数据库中第一次回归建模迭代后残差的离群值数量分别为:残差法79(BP)、71(THAL)、104(HIPP);比例法64、52、73。图1显示了残差法获得的最终回归模型。ROIF与TIV的散点图见图2,同时显示了ROIF与年龄的最终回归模型。残差法最终回归模型中除项(系数 )外,所有项均有显著贡献。
正常数据库中残差(不含离群值)的分布在所有情况下均良好近似于高斯分布(在线补充图2)。
比例法将脑区体积(ROIV)按TIV缩放以获得ROIV/TIV比值(ROIF),导致BP的CoV显著降低(从10.54%降至6.70%;表1),THAL的CoV小幅降低(从11.17%降至10.41%),HIPP的CoV小幅升高(从11.26%升至11.41%)。比例法中年龄校正导致所有ROI的CoV降低(BP:从6.70%降至4.04%,THAL:从10.41%降至7.14%,HIPP:从11.41%降至9.65%;表1)。比较残差法与比例法的TIV和年龄校正后测量值时,残差法在所有ROI中CoV均较低(BP:3.68% 对 4.04%,THAL:5.95% 对 7.14%,HIPP:8.16% 对 9.65%;表1)。
原始ROIV在所有ROI中与TIV呈正相关,与年龄呈负相关(表1)。残差法消除了所有ROI中与TIV和年龄的相关性,而比例法仅消除了与年龄的相关性(表1)。比例法使所有ROI中与TIV相关性的符号发生了反转(表1)。
z-diff(采用比例法减去残差法得到的区域脑体积z分数的个体差异)在正常数据库中的分布见在线补充图3。z-diff绝对值的均值、第95百分位数和最大值见表2。在所有感兴趣区(ROI)中,最大z分数差异均大于或等于两个z值点。z-diff与颅内容积(TIV)及与年龄的散点图见图3。在所有ROI中,z-diff与TIV均呈强相关(r < − 0.92,p < 0.001)。与残差法相比,比例法在小TIV时导致个体z分数被高估,在大TIV时导致z分数被低估。z-diff与年龄无关(图3)。
z-resTHALV和z-resTHALF在正常数据库中将多发性硬化(MS)患者与对照受试者区分开来的ROC曲线见在线补充图4。z-resTHALV的ROC曲线下面积为0.84,z-resTHALF为0.79。
讨论
在减少生理性个体间变异以及去除所考虑区域脑体积与TIV的关联方面,残差法优于比例法。第一点提示残差法具有更高的统计效能,这一点在对丘脑体积进行检验以区分MS患者与对照受试者时,残差法具有更高的ROC曲线下面积所支持(在线补充图4)。第二点提示,使用比例法时,基于MRI的体积估计值存在系统性误读的风险增加,且该风险取决于受试者的TIV。
两种调整方法得出的z分数的平均差异范围在0.34至0.46个z分数点之间,具体取决于感兴趣区(ROI)(表2),这一差异可能看起来相当小。然而,在每个ROI的5059次扫描中,约有5%的扫描其z分数差异大于1个z分数点(表2)。在本样本中,每个ROI观察到的最大z分数差异约为2个z分数点(表2)。使用两种替代分割方法对海马体积测量获得了非常相似的发现,提示这些发现并非本研究所使用的定制卷积神经网络分割所特有,而是具有更普遍的适用性(在线补充材料“分割方法的影响”部分)。鉴于用于检测区域性大脑萎缩的典型截断值在z分数上范围为−1.5至−2.5,约5%的受试者存在1个z分数点或以上的系统误差,这对在临床常规中基于MRI的脑体积测量单受试者分析中使用比例法提出了质疑,尽管该方法仍被广泛使用[31, 32]。
本研究的发现与既往研究一致,这些研究证明比例法往往不能消除ROIV估计值与TIV的关联[5, 7, 9–11]。比例法隐含假设在健康受试者中,ROIV与TIV成比例,即ROIV = 斜率 × TIV。在此情况下,ROIV相对于TIV的分数ROIF是恒定的(与TIV无关):ROIF = ROIV/TIV = 斜率。本研究中比例法未能消除ROIV与TIV之间的关联,这一事实提示患者数据中ROIV与TIV成比例的假设因非零截距而被违反:ROIV = 斜率 × TIV + 截距[4]。在此情况下,ROIF = ROIV/TIV = 斜率 + 截距/TIV。因此,正截距导致ROIF与TIV之间呈负相关(TIV较大时ROIF较小),正如本研究所观察到的(图2)[11, 12]。与TIV相关性的符号翻转在所有ROI中均被观察到。对于海马(HIPP),比例法甚至导致相关强度略有增加(相关系数从0.42变为−0.52;表1)。因此,如果目标是消除可变TIV对区域脑体积测量的影响,残差法明显优于比例法[11]。
本研究的一个次要发现是残差法所用回归模型(公式1)中TIV × 年龄交互项的统计学显著性,表明在所有考虑的ROI中ROIV与TIV之间的关系取决于年龄。在不同固定年龄下评估残差法的最终回归模型显示,与年长受试者相比,年轻受试者中ROIV与TIV之间的关系更为陡峭(在线补充图5)。比例法无法考虑TIV × 年龄交互作用。残差法在逐步应用时也是如此,即先回归掉TIV,然后对所得残差再回归年龄[21, 33]。这种逐步方法预计会导致年轻受试者z分数的高估(检测体积损失的敏感性降低)和年长受试者z分数的低估(假阳性发现率增加)。
另一个次要发现是,在用于残差法的回归模型(公式1)中,年龄的二次项具有统计学显著性。这表明,简单的线性模型不足以充分描述整个成年年龄范围内区域脑体积的年龄依赖性,这与既往研究一致[22, 33]。残差法和比例法均可考虑非线性年龄效应。在本研究中,两种方法的回归模型中均纳入了年龄二次项,以避免仅在其中一种方法中纳入该项可能引起的偏倚(公式1和3)。
协方差分析也广泛用于TIV校正,以ROIV为因变量,TIV及其他混杂协变量与主要关注因素(例如疾病状态)共同作为预测变量[7, 34]。然而,协方差分析设计用于两组或多组间的比较,因此,本研究未将其纳入关于TIV校正对单受试者分析影响的探讨。
在所有相关混杂变量上对受试者进行匹配,可能被视为处理这些变量的金标准。这在组间比较中是可行的[15, 18]。然而,在单受试者分析中,这将需要一个庞大的正常数据库,该数据库能够按TIV和年龄进行分层,使得临床常规中遇到的每种TIV与年龄组合均有足够的样本量覆盖。目前大多数机构尚无此类数据库。
在区域脑体积研究中,除TIV外,已有若干参数被提出用于解释受试者间头大小的变异性,包括身高、头围和全脑体积(不包括脑室)[7]。哪个参数最为合适取决于所关注的问题[7]。当考虑整个成年年龄范围内的区域脑体积和/或辅助神经退行性疾病的诊断时,通常首选TIV,因为它与年龄和萎缩相对无关,因此可被视为个体整个成年生命周期中最大脑体积的指标[3, 7, 35, 36]。这是本研究使用TIV进行头大小校正的理由。此外,有许多软件工具可从同一高分辨率T1w-MRI脑图像(与区域体积测量所用相同)自动估算TIV,具有高准确度和精确度。因此,可靠的TIV估算值易于获取,可在仅适度放大噪声(测量误差)的情况下用于校正头大小。
额骨内板增生症以位于额骨(及顶骨)内板上的骨性结节为特征,会导致TIV低估头大小。额骨内板增生症在绝经后女性中相当常见,但在男性中罕见发现[37]。分别在女性和男性中进行的重复分析提示,与额骨内板增生症相关的TIV估算局限性对本研究主要发现的潜在影响较小(在线补充材料中的“额骨内板增生症的潜在影响”部分)。
本研究的一个局限性在于,回归模型中各个项的解释可能受到各项之间多重共线性的限制。然而,这并不影响完整回归模型在减少与TIV和年龄相关的受试者间变异性方面的实用性。
结论
在临床常规中,对于基于T1加权MRI的脑体积估计进行TIV和年龄校正,以检测或排除单一个体的区域性脑萎缩时,应优先选择残差法而非比例法。
补充信息
以下是电子补充材料的链接。补充文件1(PDF 1029 kb)
引用
- Opfer R, Krüger J, Spies L, et al. Single-subject analysis of regional brain volumetric measures can be strongly influenced by the method for head size adjustment. Neuroradiology. 2022. PMID: 35462574. doi:10.1007/s00234-022-02961-6
- 全文:PMC9474386(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9474386/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。