文献速递神经MR

多发性硬化患者脑实质分数的自动估计:合成MRI与基于FSL的成熟自动脑分割软件的比较

Automatic estimation of brain parenchymal fraction in patients with multple sclerosis: a comparison between synthetic MRI and an established automated brain segmentation software based on FSL.
PubMed 文献 · Neuroradiology · 2023-12-18

研究纳入216例多发性硬化患者和28名对照者,比较合成MRI(SyMRI)与FSL-SIENAX估算脑实质分数(BPF)的一致性,并对35例患者进行纵向脑体积变化分析。SyMRI较SIENAX高估灰质和BPF、低估白质和脑脊液,BPF不能直接互换,但两种方法相关性强且一致性满意,SyMRI适合量化多发性硬化的疾病特异性萎缩。

要点

  • SyMRI较FSL-SIENAX高估BPF和灰质体积、低估白质和脑脊液体积,BPF不可直接互换。
  • 脑萎缩患者中两种方法BPF一致性更好(ICC=0.723),无萎缩者一致性差(ICC=0.198)。
  • SyMRI与SIENA纵向脑体积变化相关性好(r=0.6),一致性良好(ICC=0.628)。

核心结论

  • 基于SyMRI与FSL-SIENAX的BPF不能直接互换,因SyMRI存在高估和更高变异性,但两种方法一致性和相关性满意,SyMRI适合量化多发性硬化的疾病特异性萎缩。

研究设计与样本

  • 回顾性研究,纳入216例多发性硬化患者和28名对照者进行横断面体积比较,另对35例患者进行纵向分析。
  • 使用1.5-T磁共振扫描仪,采集3D T1加权、3D FLAIR和用于SyMRI的轴位MDME序列。
  • 以FSL-SIENAX作为参考标准估算脑体积和BPF,纵向以FSL-SIENA估算脑体积变化百分比。

关键影像表现/征象

  • SyMRI将部分白质病灶分类为灰质或其他组织类别,导致白质体积较SIENAX降低。
  • SyMRI在无脑萎缩者中脑脊液分割体积较SIENAX小,在明显脑萎缩者中两者脑脊液分割相似。

诊断标准与关键数值

  • BPF定义为灰质、白质和非白质/灰质/脑脊液类体积之和除以总颅内体积。
  • 高萎缩组定义为BPF<0.65,低萎缩组定义为BPF>0.73。
  • SyMRI与SIENAX的ICC:灰质优秀、BPF和白质良好;低BPF组ICC=0.723(N=111,95%CI [-0.11; 0.90]),高BPF组ICC=0.198(N=103,95%CI [-0.05; 0.55])。
  • 纵向SyMRI与SIENA的PBVC相关系数0.6(p<0.001),ICC=0.628(95%CI [0.149, 0.826],p=0.009)。
  • BPF与EDSS相关系数-0.54(p<0.001),与病程相关系数SyMRI为-0.56、FSL为-0.55(p<0.001)。

临床应用与阅片要点

  • SyMRI可在PACS内全自动输出BPF,但用于多发性硬化随访时不应将SyMRI的BPF值与SIENAX的BPF值直接互换。
  • SyMRI对脑萎缩患者与SIENAX一致性更好,对无萎缩者一致性差,判读时需注意萎缩程度对一致性的影响。
  • SyMRI将白质病灶部分归为灰质或其他类别,可导致白质体积低估,报告白质体积时需结合病灶负荷解读。

局限性

  • 原文未报告局限性。
全文中译16 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Neuroradiology. 2023 Dec 18;66(2):193–205. doi: 10.1007/s00234-023-03264-0

引言

多发性硬化(MS)被认为是年轻人中最常见的慢性炎性中枢神经系统疾病[1],导致白质和灰质脱髓鞘,继而诱发神经变性并导致大体性脑萎缩[2]。既往研究表明,由于该疾病的退行性成分所致脑体积丢失,从临床孤立综合征开始在多发性硬化的所有阶段均有进展,并与患者残疾状态相关进展[3–5]。脑萎缩的临床重要性通过将全脑定量纳入当前的无疾病活动证据-4标准(除病灶负荷变化外,脑萎缩率< 0.4%/年)以及多发性硬化新的治疗理念日益以神经保护为目标而得到强调[6, 7]。磁共振成像(MRI)可用于定量脑萎缩[8, 9]。然而,手动或半自动容积测量方法耗时且需要大量专业知识。用于脑分割的自动软件应用如FSL-SIENAX、CAT12或FreeSurfer不仅有助于减少所需时间,而且比手动方法更具可重复性、客观性和可比性[10]。这些方法大多基于各向同性3D T1加权(T1w)MRI序列,并已用于广泛的研究应用。然而,此类技术需要高级后处理策略,对临床实施构成重大障碍。

合成MRI(SyMRI)是另一种全自动定量工具,基于专用的多动态多回波(MDME)MRI序列。该单一序列通常实施为2D轴位采集,层厚4 mm,平面内分辨率1 mm。它由相关软件SyMRI(Synthetic MR,林雪平,瑞典)处理,以即时且全自动地确定脑体积和脑实质分数(BPF;全脑体积相对于颅内体积的分数)。SyMRI可整合并在常用的放射学图像归档和通信系统(PACS)内运行,从而允许在临床基础设施中使用。SyMRI已应用于不同的研究主题,如儿童脑发育[11]、海马硬化[12]、衰老[13]、阿尔茨海默病[14]和多发性硬化[15],以研究脑体积变化。

在本研究中,我们旨在比较全自动脑分割软件应用SyMRI和FSL-SIENAX(SIENAX)在大型多发性硬化患者样本中检测脑萎缩的能力。SIENAX被用作金标准,因为它已被类似地用于建立病理性脑萎缩的截断值[16]以及许多其他多发性硬化研究[17–20]。我们探讨了BPF估计之间的一致性和差异,重点关注这些方法检测患者组之间疾病相关脑体积差异的敏感性以及它们与残疾水平的关联。此外,我们对多发性硬化患者的BPF测量进行了纵向分析,比较SyMRI和FSL-SIENA(SIENA)用于脑体积变化百分比(PBVC)的两时间点分析。我们预测使用SyMRI进行脑定量将显示与已建立的SIENAX方法良好的一致性和可比的敏感性。

材料和方法

研究人群

2018年8月至2021年7月期间,在常规临床检查后从临床数据库中回顾性收集多发性硬化(MS)患者。纳入的MS患者符合2017年McDonald标准[21]的MS诊断标准。我们还纳入了无神经功能缺损的对照受试者(CS),他们接受常规MRI扫描以排除颅内病变。其MRI适应症为偏头痛、头痛或眩晕。排除标准为年龄>65岁及其他颅内病变(如小血管病、缺血性或出血性卒中、脑积水或肿瘤)。参与者使用标准化脑成像方案接受诊断性MRI扫描。相关的神经学和人口学信息包括患者残疾状态(扩展残疾状态量表[EDSS])[22]、年龄、性别和疾病病程;数据从患者档案中提取。研究方案经医学院伦理委员会批准。严格遵循《加强观察性流行病学研究报告》指南[23]。

MRI采集

MRI使用1.5-T扫描仪(Aera;Siemens Healthineers,Erlangen,Germany)和16通道头/颈矩阵线圈进行。标准化成像方案包括脑常规对比加权成像:矢状位3D T1w磁化准备快速梯度回波序列(重复时间,10 ms;回波时间,4.6 ms;采集矩阵,240 × 240;体素大小,1 × 1 × 1 mm3;180层轴位切片)和矢状位3D液体衰减反转恢复序列(重复时间/回波时间/反转时间:5000 ms/332 ms/1800 ms;翻转角,120°;激励次数,1;分辨率,1 × 1 × 1 mm3;矩阵,256 × 230;160层切片)。此外,所有参与者均使用SyMRI的轴位MDME序列(通过多回波采集饱和恢复结合涡轮自旋回波读出定量弛豫时间和质子密度;重复时间,6930 ms;回波时间1,23 ms;回波时间2,102 ms;反转时间,29 ms;采集矩阵,256 × 146;体素大小,1 × 1 × 4 mm3)。

使用SyMRI对MDME序列进行定量分析

用于SyMRI的自动后处理软件基于MDME序列[24, 25]可同时逐体素定量弛豫率R1和R2以及质子密度(PD)。基于健康志愿者不同脑区创建的三维R1–R2–PD空间中的组织查找网格,将脑分割为白质(WM)、灰质(GM)和脑脊液(CSF)[26]。因此,SyMRI提供每个体素中这些组织类别的分数:GM、WM和CSF。未归类为WM、GM或CSF的体素归纳为非WM/GM/CSF(NON)类。组织体积通过将每体素的组织分数乘以体素大小并随后对所有脑体素求和来计算。除各组织类别的图谱外,SyMRI还计算GM、WM、CSF、NON的体积(以ml为单位)以及总脑组织体积和相对于总颅内体积的体积分数(ICV = GM + WM + CSF + NON)。BPF通过将GM、WM和NON之和除以总颅内体积来确定。在既往发表的研究中,BPF、GM和WM在健康对照和MS患者中显示出极好的扫描-再扫描可靠性[16]。

3D T1w数据集的后处理

在进行脑容量分析之前,首先使用基于病灶分割工具箱(LST toolbox;v2.0.15;http://www.statistical-modelling.de/lst.html.27)中的病灶预测算法、基于相应FLAIR病灶图的病灶填充法,对3D T1w数据集中的低信号病灶进行校正。为排除包含颈髓的区域,使用FSL的robustfov函数对填充后的图像进行裁剪。使用FSL进行脑提取。未采用默认的BET选项,而是使用0.1的部分强度阈值[27]以及偏场校正和颈部清理选项。随后使用SIENAX[28, 29](FSL[30]的一部分)对图像进行处理,该方法估计经受试者头围大小归一化的脑组织、GM和WM体积。SIENAX首先从单一全头数据中提取脑和颅骨图像[31]。然后将脑图像仿射配准至MNI152空间[32, 33](使用颅骨图像确定配准缩放比例);这主要是为了获得体积缩放因子,该因子用于基于头围大小的归一化。接下来,进行带部分容积估计的组织类型分割[34],以计算总脑组织体积(包括GM、WM、皮层GM和脑室CSF的单独估计值)。为保证方法可比性,仅使用非归一化体积,并使用FSL的结果计算BPF。为此, additionally使用SIENAX中的调试选项保存CSF掩膜,并使用fslmaths函数通过这些掩膜估计CSF体积。然后计算BPF:(GM + WM)/(GM + WM + CSF + NON)。图1展示了一名健康参与者(女性,36岁)中SyMRI(轴位4 mm层厚,MDME)与SIENAX(各向同性病灶填充3D-T1w MRI)组织分割图的示例比较。

图1 一名健康参与者(女性,36岁)由SIENAX(A)和SyMRI(B)生成的组织分割图在相应T1加权图像上的比较;绿色叠加:白质;红色叠加:灰质;蓝色叠加:脑脊液 查看原图 ↗

纵向分析

为分析纵向数据,使用FSL-SIENA(SIENA)对病灶填充后的3D T1w数据进行处理,以获得两个时间点的脑体积变化百分比(PBVC)。SIENA是一种基于配准的软件,利用两个时间点图像中脑表面边缘点的表观位移来估计体积变化[31]。SyMRI数据的PBVC,以及探索性地基于SIENAX结果的PBVC,在基线(BL)和随访(FU)之间使用两点相减法和以下公式计算。

统计分析

为检验SyMRI与FSL之间的一致性、一致程度和差异,使用不同的统计分析方法对体积估计值进行比较。首先,基于相对差异和绝对差异计算BPF以及WM体积(WMV)和GM体积(GMV)估计值的差异,以百分比表示[35]。相对差异的正值反映SyMRI得出的体积高于FSL。相对(rDiff)和绝对(aDiff)体积差异通过以下公式计算:

其次,使用组内相关系数(ICC,模型:双向混合,类型:绝对一致性)评估两种方法的一致性,并根据Chicchetti等人[36]的分类标准解释如下:<0.4,差;0.4–0.59,一般;0.6–0.74,好;>0.75,一致性极好。

第三,创建Bland–Altman图,显示两种方法测量的体积差异与其均值的关系。这有助于识别系统性偏倚以及两种方法之间的变异程度。第四,进行Pearson相关分析以评估体积估计值之间的相关性。此外,还检查了本研究纳入的不同疾病类型与对照参与者之间的体积差异。为此,以病程、年龄和性别作为协变量进行单因素方差分析,随后进行成对Tukey事后检验。

为检查病灶填充对灰质(GM)和白质(WM)分割结果的影响,我们比较了在3D-T1w数据集进行病灶填充前后SIENAX衍生的GM和WM体积。组均值差异分析使用配对t检验。

所有分析均旨在以横断面方式比较两种方法。此外,通过比较PBVC纵向研究SyMRI与FSL之间的一致性。同样进行了Pearson相关、Bland–Altman图和ICC分析。

结果

使用SyMRI和SIENAX分析后,对图像和分割图进行视觉检查以评估图像质量。因伪影或组织分割错误,我们排除了14例患者,最终纳入共计244例患者和对照参与者。患者中两种MS亚型均有代表:110例复发缓解型MS(RRMS)和106例原发或继发进展型MS(PMS,包括N=83例SPMS和N=23例PPMS)。最终队列的人口学数据汇总于表1。SPMS和PPMS亚组的详细信息见电子补充材料(表S1)。PMS组患者较RRMS患者年龄更大,EDSS评分显著更高,病程更长。

表1 用于横断面分析的患者和对照参与者人口学数据 查看原表 ↗

体积测量比较

SyMRI和SIENAX在整个研究样本中平均的脑体积及方法比较参数汇总于表2。总体而言,SyMRI衍生的BPF和GMV值高于SIENAX。相反,与SIENAX相比,SyMRI估计的WMV和脑脊液体积(CSFV)较低。两种方法之间的百分比差异在BPF中最小,在GMV和WMV中较高且处于相似水平。CSFV估计值显示出最大差异>30%,其中基于SyMRI的CSFV个体间变异显著大于基于SIENAX的变异。

使用ICC量化的两种方法之间的一致性在BPF和WMV方面为良好,在GMV方面为优秀。为了量化测量准确性对脑萎缩的依赖性,我们测定了低萎缩和高萎缩患者的ICC(N = 214,高萎缩:BPF < 0.65,低萎缩:BPF > 0.73)。我们假设低萎缩指高脑体积因而高BPF,反之亦然。SIENAX与SyMRI之间的一致性在低BPF患者中(ICC = 0.723,N = 111,95%置信区间 [-0.11; 0.90])优于高BPF患者(ICC = 0.198,N = 103,95%置信区间 [-0.05; 0.55])。

图2描绘了SyMRI与SIENAX所得结果之间的相关性。对于所有测量指标(BPF、GMV、WMV、CSFV),两种技术之间均获得了强相关性(表2;所有p < 0.001)。SyMRI进行的WMV分析显示,与SIENAX相比,离群值数量更多且体积明显更低。这可能反映了两种方法在处理WM病灶方面的差异,其中病灶填充包含在SIENAX后处理流程中,而在SyMRI中病灶被部分分类为其他组织类别或NON,导致WMV减少。这一效应在图3中也可见,该图展示了高BPF(轻度脑萎缩)患者和低BPF(明显脑萎缩)患者使用SIENAX和SyMRI进行组织分割的示例。在此,病灶填充的不同使用导致了WM和GM分割的差异,其中WM病灶被部分分类为GM(在图3右列以箭头标记)。然而,两种方法之间GM和WM体积估计的系统性偏倚并非主要由病灶填充的效应引起。在一项额外分析中,我们将SIENAX在未填充病灶的原始3D-T1w数据集上进行的脑分割与病灶填充数据上默认的GM和WM分割进行了比较。结果呈现在电子补充材料中(表S2和图S1),显示病灶填充对GM和WM体积测量的影响较小,病灶填充与未填充分割之间组平均GM和WM无显著差异。因此,仅在病灶填充不必要的对照组受试者中使用SIENAX和SyMRI进行GM和WM体积估计的比较,证实了两种方法之间的系统性偏倚(补充材料,图S2)。因此,其他效应必定对这些分割差异有所贡献,即SyMRI中GM体积较大而WM体积较小。潜在来源可能是SyMRI中由于各向异性分辨率导致的更强的部分容积效应、由于部分容积效应导致脑室周围脑脊液与WM边界处WM被误分类为GM,或 underlying MRI序列类型之间GM与WM对比度的差异使WM与GM之间的分类边界发生偏移。

在Bland–Altman图(图4)中,BPF、GMV和CSFV的大多数值均位于一致性界限内,而WMV显示少量离群值,两种方法之间的差异明显较大。总体而言,两种方法之间的平均偏倚对于BPF和GM约为10%,WM更高,而CSFV则大得多(约25%,图4)。在一致性界限内,Bland–Altman图提示BPF存在比例性差异,即随着均值增大,差异也增大。因此,当存在明显脑萎缩时,两种方法对BPF的估计显示出比高脑体积参与者更好的一致性。GMV也发现了相应但不那么明显的关联。对于CSFV,在CSF体积较小(低脑萎缩)的参与者中,SyMRI测得的体积小于SIENAX,而在平均CSFV较大(重度脑萎缩)的参与者中,CSFV差异较小。这种CSF分割差异的影响也可见于图3,其中在一名有明显脑萎缩(BPF低)的患者中,SIENAX与SyMRI的CSF分割相似,而在一名无脑萎缩(BPF高)的患者中,SIENAX显示的CSF体积明显小于SyMRI。

表2 SyMRI与SIENAX估计的脑实质分数(BPF)、灰质体积(GMV)和白质体积(WMV)及方法间差异的比较 查看原表 ↗
图2 所有参与者SyMRI脑体积估计值与相应SIENAX估计值的散点图;蓝线:线性回归;虚线:表示两种方法完全一致的一致性线。上排左:脑实质分数BPF,上排右:白质体积WMV,下排左:灰质体积GMV,下排右:脑脊液体积CSFV 查看原图 ↗
图3 轻度脑萎缩患者(左列,称为“BPF高”)与明显脑萎缩患者(右列,称为“BPF低”)SIENAX与SyMRI脑分割的比较;叠加在T1加权图像上的分割图代表白质(绿色)、灰质(红色)、脑脊液(蓝色)的分割图;最右侧列显示相应的T1加权图像。右列的圆圈和白色箭头指向合成T1加权图像(未进行病灶填充)中WM病灶的示例,这些病灶在SyMRI分割图中被分类为GM 查看原图 ↗
图4 用于比较SyMRI与SIENAX之间脑实质分数(BPF)、灰质体积(GMV)、白质体积(WMV)和脑脊液体积(CSFV)值的Bland–Altman图(差异为SyMRI – SIENAX)。虚线:方法间的偏倚(以方法间差异的均值表示;中间)以及一致性界限的上限和下限(+ -1.96标准差);点线:偏倚、一致性界限上限和下限的95%预测范围;粗黑线:零水平;粗蓝线:线性回归线 查看原图 ↗

组间差异

为评估SyMRI检测疾病特异性脑变化的适用性,我们对RRMS、PMS和CS组的BPF进行了比较(图5)。以疾病病程、年龄和性别为协变量进行方差分析及随后的事后检验,SyMRI和SIENAX均得出相似的显著组间差异,即与CS和RRMS相比,PMS的BPF显著更低(表3)。

图5 对照组受试者(CS)和患者组(复发缓解型多发性硬化[RRMS]、进展型多发性硬化[PMS])的脑实质分数(BPF)估计值,分别由SIENAX和SyMRI得出;* p < 0.05,*** p < 0.001,两两事后检验 查看原图 ↗
表3 BPF组间比较的事后检验 查看原表 ↗

与临床数据的相关性

在所有患者中,无论采用SyMRI还是FSL得出的BPF值,其与临床数据的相关性均具有显著性。因此,EDSS与BPF之间的Pearson相关性显示为负相关,两种方法的相关系数均为-0.54(p < 0.001)。同样,病程与两种方法得出的BPF均呈负相关,SyMRI的相关系数为-0.56,FSL为-0.55(p < 0.001)。

纵向分析

共有35例患者(N = 12例RRMS,N = 23例PMS,其中N = 19例SPMS和N = 4例PPMS)接受了随访MRI检查,并被纳入纵向分析,随访间隔为1–2年。该亚组的人口学数据汇总于表4。

总体而言,SyMRI获得的脑体积变化率(绝对值和年化值)均高于SIENA(表5)。Pearson相关性分析显示,SyMRI与SIENA获得的PBVC之间呈显著正相关(相关系数:0.6;p < 0.001)。两种方法之间的一致性良好(ICC = 0.628,置信区间 = [0.149, 0.826];p = 0.009)。在组水平上,PMS组与RRMS组相比差异更大(表5)。尽管Bland–Altman图(图6)也显示两种方法之间总体一致性良好,但存在一种趋势,即萎缩率较高的患者差异增大,SyMRI得出的PBVC值更大。

为检验SIENA(基于配准检测时间点之间的边缘差异)和SyMRI(两时间点减影法)中不同萎缩率计算策略的效果,我们基于两个时间点的SIENAX结果计算了萎缩率,并使用减影法计算了SIENAX PBVC。结果见补充材料。简言之,两时间点减影法(SIENAX PBVC)的受试者间变异度显著高于SIENA PBVC,并且倾向于也高于使用SyMRI结果计算的PBVC(表S3)。SIENAX PBVC的平均变化率较小,更接近于零萎缩,与SIENA PBVC和SyMRI PBVC相比如此。因此,在此相对较短的随访时间内,使用SIENAX的减影法不如SyMRI和SIENA适合用于估计萎缩率。

表4 用于纵向分析的患者人口学数据 查看原表 ↗
表5 由SIENA和SyMRI获得的平均脑体积变化百分比(PBVC)。年萎缩率使用两次MRI检查之间的时间计算 查看原表 ↗
图6 SyMRI与SIENAX得出的纵向脑体积变化比较的Bland–Altman图;差异[%]:SIENA PBVC – SyMRI PBVC;均值[%]:SIENA PBVC和SyMRI PBVC的均值;虚线:方法间的偏倚(以方法间差异的均值表示;中间)以及一致性上下限(±1.96标准差);点线:偏倚、一致性上下限的95%预测范围;粗黑线:零水平;粗蓝线:线性回归线 查看原图 ↗

讨论

在本研究中,我们通过将SyMRI估算的BPF与作为金标准的、广泛使用的FSL的SIENA(X)流程进行比较,在大量多发性硬化(MS)患者样本中验证了SyMRI对BPF的估算。此外,我们在真实世界临床环境中使用SyMRI对MS患者的BPF测量进行了纵向分析。两种方法之间的高度相关性提示它们产生稳健且可比的结果。此外,良好的一致性突出了SyMRI与SIENAX分割相比的一致性。然而,观察到SyMRI估算的BPF值系统性高于SIENAX的趋势,提示SyMRI相对于SIENAX高估了BPF以及GMV。相反,SyMRI低估了WMV和CSFV。这种BPF高估和CSFV低估在较高BPF和较低CSFV值时更为明显,反映出在脑萎缩患者中具有极好的一致性(根据ICC),而在无萎缩患者中一致性较差。因此,可以认为SyMRI中BPF估算较大的系统性偏倚主要归因于CSF的分割或部分容积效应,因为这一趋势在WMV或GMV中不那么明显。作为次要发现,我们能够表明,与SIENAX相比,SyMRI计算出的较大GM体积和较小WM体积并不强烈依赖于使用填充病灶或未填充病灶的T1w图像,而必定是由于两种方法之间的其他系统性差异所致。

有趣的是,与本研究结果一致,在一项将SyMRI与统计参数映射(SPM)分割进行比较的研究中,也获得了SyMRI对全脑和GM体积的这种高估[35]。该研究通过与中国SPM进行比较验证了SyMRI在儿童中的体积测量,并发现除CSFV外分割结果一致,尽管观察到年龄和脑组织体积的系统性影响。

两种方法之间脑体积测量的差异可能归因于不同的分割算法。由于在SyMRI和SIENAX之间观察到脑组织体积的强相关性和良好一致性,这种系统性偏倚很可能是体积差异的主要来源。SyMRI分割方法基于使用弛豫时间的分类。组织类型通过预定义的查找网格与R1–R2–PD空间相关联,提供每个体素中各组织类别的比例[26]。相反,SIENAX使用统计分割方法,其中强度和邻近位置影响空间信息[34]。因此,例如部分容积效应的差异可能会对脑体积估算产生影响。脑体积差异的另一个原因与图像分辨率和几何形状的差异有关。SIENAX中的分割基于层厚为1 mm的各向同性3D T1w序列,而SyMRI分割使用层厚为4 mm的2D图像数据集。因此,SyMRI的分割受部分容积效应的影响更强,这在先前的研究中已被证明对体积测量具有显著影响[26, 37, 38]。

由于开发自动脑体积估算方法的主要目标是量化疾病特异性差异或治疗效果,因此验证其区分疾病类型和监测纵向变化的能力至关重要。本研究对这两个方面均进行了考虑。首先,SyMRI和SIENAX在区分复发缓解型多发性硬化(RRMS)、进展型多发性硬化(PMS)和健康对照方面获得了相当的可靠性。这证实了使用SyMRI分割量化疾病特异性脑体积丢失的能力,因为其显示了与已建立的SIENAX方法一致的结果。对于两种方法,与RRMS和CS相比,PMS的组织体积显著更低。考虑到PMS的疾病持续时间显著长于RRMS,从病理生理学角度来看,体积差异是合理的。神经退行性变及随后的脑体积丢失过程在PMS组中持续进展,而在RRMS组中呈间歇性进展。

其次,在具有相对较短随访时间(中位数15个月)的纵向数据的较小患者亚组中,我们比较了SyMRI和SIENA评估的脑萎缩率。SyMRI显示的萎缩率高于SIENA,约为其两倍,无论是在整个样本中还是在每个疾病亚型中均是如此。考虑到已提出的多发性硬化(MS)中病理性PBVC的截断值为-0.4% [16],目前SIENA得出的PMS组年化PBVC值为-0.47%,反映了15个月内相关的脑萎缩,略超过截断值,但在小型RRMS样本中未见此现象(PBVC,0.61%),该组显示出1.5%的极高变异性。此前一项使用SIENA进行类似14个月随访期的研究报告了PMS与RRMS相当(约-0.5%/年)的脑萎缩率 [20]。因此我们的SIENA结果似乎与既往发现一致。此外,RRMS组的萎缩率可能与PMS不同,因为我们的RRMS患者具有短至中等疾病病程,而PMS组的疾病病程显著更长。与SIENA相反,SyMRI得出PMS组的平均PBVC为每年-0.85%,对应于相较于-0.4%阈值的相当大的脑萎缩率,而RRMS患者为每年0.17%。这些方法之间的差异使萎缩结果的解释和比较复杂化,因此提供了证据表明需要建立方法依赖性的截断值来定义临床显著的脑萎缩率。可能有不同的效应导致SyMRI相比SIENA高估脑萎缩,尤其是在PMS组中。首先必须考虑到在萎缩率估计方面存在方法学差异。因此,SIENA使用基于配准的方法来估计体积变化,而对于SyMRI,我们基于每个时间点分割方法获得的横断面体积来计算率。使用单独分割的MRI数据进行萎缩评估已知会引入更高的变异性,因为例如强度尺度的差异未被考虑,且由于同一脑区分割的不一致而导致噪声增加。因此,与基于配准的方法相比,基于分割的方法在纵向萎缩定量方面可靠性较低 [39]。其次,假设PMS组在随访期间存在显著的脑萎缩,通常与萎缩发展相关的MS病灶体积增加可导致使用SyMRI的随访MRI中分割脑体积的额外损失,因为该方法未使用病灶填充,且慢性MS病灶可部分被分类为脑脊液(CSF)。此外,随访MRI中更多的脑萎缩及相关的脑沟或脑室扩大可能导致CSF-实质边界处部分容积效应的改变,反映为分割脑体积的额外损失。尽管如此,我们在SIENA和SyMRI两种方法中均观察到关于组间特异性差异的一致结果,与横断面结果相似。因此,两种方法均得出PMS患者的萎缩率高于RRMS患者。

由于在脑实质分数(BPF)相对较高的患者中脑体积被高估,这一现象尤其适用于疾病的早期阶段,因此在临床环境中对SyMRI获得的结果必须谨慎解读。此外,在未来的研究中,需要更多的纵向数据来为SyMRI分割提供一种方法依赖的PBVC截断值。最近为研究目的发布的一种改进的3D SyMRI序列可用于以更高分辨率优化分割结果[40]。

总体而言,基于SyMRI的自动脑体积估计在临床环境中具有许多优势。与基于FSL-SIENA(X)的方法相比,它所需时间更少,不仅对于MRI采集如此,对于后处理也是如此,因为SyMRI软件可在临床PACS系统内使用,无需导出图像,且组织体积可自动计算。相比之下,SIENAX和SIENA需要更多需要用户干预的后处理步骤,且必须在临床PACS之外的外部计算机上执行。

局限性

在解读本研究结果时,必须考虑一些局限性。第一,SyMRI的分割未与手动分割进行比较,而是与FSL中广泛建立的参考方法进行了比较。尽管手动分割可能是真正的金标准,但其繁琐且具有挑战性,因此会导致较高的评估者间变异性。本研究的目的是将SyMRI分割与一种经过验证且被广泛接受的方法进行比较,而非确定其准确性。第二,本研究的对照组由健康对照者和为排除任何颅内病变而接受检查的患者组成。尽管这些对照患者的脑MRI数据未显示任何放射学异常,但我们不能完全排除该对照组与健康对照者相比在脑体积上存在差异。因此,多发性硬化(MS)患者与对照参与者之间的差异可能被低估或显示出更大的变异性。除此之外,与患者组相比,对照组的参与者数量相对较少。然而,由于我们的重点是方法学比较,即评估两种不同软件方法的性能,而非获得关于MS脑萎缩的新见解,我们认为在该背景下对照组的规模是足够的。第三,一年的观察期可能较短,但我们看到了在临床环境中观察较短时期内是否能检测到实际萎缩(无论其程度如何)以提供潜在测量值的益处。第四,由于层厚和分割的差异(3D 1×1×1 mm分辨率 vs 2D 1×1×4 mm分辨率),SyMRI受部分容积效应的影响更强。

结论

总之,来自SyMRI和基于FSL的SIENAX或SIENA(用于纵向分析)的BPF估计值不可互换,因为观察到体积和脑萎缩率被高估,以及SyMRI结果的变异性更高。然而,两种方法之间的一致性和相关性令人满意,我们的结果表明,SyMRI与FSL类似,适用于从横断面和纵向MRI中量化MS的疾病特异性萎缩。因此,我们的分析提供了证据,表明SyMRI体积估计提供了可靠的结果,它可以被认为是一种快速且易于使用的替代基于3D T1w图像的组织分割的方法。

补充信息

以下是电子补充材料的链接。补充文件1(DOCX 539 KB)

引用

  1. Yazici I, Krieger B, Bellenberg B, et al. Automatic estimation of brain parenchymal fraction in patients with multple sclerosis: a comparison between synthetic MRI and an established automated brain segmentation software based on FSL. Neuroradiology. 2023. PMID: 38110539. doi:10.1007/s00234-023-03264-0
  2. 全文:PMC10805841(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10805841/

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。