从常模数据库中剔除离群值可提高单被试基于体素形态学测量对区域萎缩的检测
本研究纳入81例生物标志物确诊的阿尔茨海默病(AD,n=51)或额颞叶变性(FTLD,n=30)患者及37例健康对照,比较剔除常模数据库离群值前后单被试基于体素形态学测量(VBM)视觉判读的诊断性能。两种常模数据库(单扫描仪37例、多扫描仪164例)剔除离群值后敏感度均提高,多扫描仪数据库从0.47(95%CI 0.36-0.58)升至0.61(0.49-0.71),差异有统计学意义;所有设置下特异度均为100%。作者认为常模数据库清理可能提高VBM检测AD或FTLD的敏感度而不增加假阳性风险。
要点
- 常模数据库剔除离群值后,单被试VBM视觉判读检测AD或FTLD的敏感度提高,多扫描仪数据库从0.47升至0.61。
- 所有设置下特异度均为100%,剔除离群值未增加假阳性。
- 多扫描仪数据库剔除离群值后,13例判读改变者中12例由错误转为正确,伴总萎缩体积增加9±5 mL。
核心结论
- 常模数据库清理可能提高VBM检测AD或FTLD的敏感度而不增加假阳性风险。
研究设计与样本
- 回顾性研究,测试集118例:81例患者(AD 51例、FTLD 30例)和37例健康对照。
- 常模数据库两个:单扫描仪数据库37例健康对照,多扫描仪数据库164例来自164台不同扫描仪的正常T1加权MRI。
- 所有受试者均使用同一PET-MRI混合系统(Siemens Biograph mMR)和相同3D T1加权序列(分辨率1×1×1 mm³,TR=2300 ms,TE=2.98 ms,TI=900 ms,翻转角9°)。
- 参考标准为痴呆专家基于生物标志物(FDG-PET、淀粉样蛋白PET和/或脑脊液淀粉样β42、磷酸化tau、总tau)、临床检查、神经心理学测试和临床随访确立的诊断。
- VBM使用Biometrica分析平台,以年龄和颅内总体积为协变量,视觉判读阈值p=0.005,由两名神经放射科医生盲法判读。
关键影像表现/征象
- 单扫描仪数据库剔除7个离群值(19%),多扫描仪数据库剔除35个离群值(21%)。
- 多扫描仪数据库剔除离群值后,12例判读由错误转为正确的病例总萎缩体积增加9±5 mL,1例由正确转为错误的病例总萎缩体积减少4 mL。
- 多扫描仪数据库剔除离群值后,单扫描仪数据库较高GM密度的簇总容积从128.0 mL降至35.8 mL。
- 多扫描仪数据库剔除离群值后,出现一个5.6 mL的单扫描仪数据库较低GM密度簇。
诊断标准与关键数值
- 离群值判定:任一质量指标值≥该指标在常模数据库中的上四分位数+1.0×四分位距即视为离群值。
- 检测AD或FTLD的敏感度:多扫描仪数据库剔除离群值前0.47(95%CI 0.36-0.58),剔除后0.61(0.49-0.71)。
- 所有设置下视觉判读检测AD或FTLD的特异度均为100%。
- 多扫描仪数据库剔除离群值后读者内kappa从0.972±0.040降至0.890±0.030,读者间kappa从0.962降至0.839。
临床应用与阅片要点
- 作者认为,多扫描仪数据库中由特定MR系统或异常采集序列导致的离群值一般应予以剔除,以提高多扫描仪数据库VBM的敏感度。
- 作者提出,若常模数据库本身较小,可采用更严格的离群值定义(如界值改为上四分位数+1.5×四分位距和/或要求多于一个质量指标异常)。
局限性
- 多扫描仪数据库剔除离群值后读者内和读者间一致性下降:读者内kappa从0.972±0.040降至0.890±0.030,读者间从0.962降至0.839。
- 单扫描仪数据库样本量较小(n=37),剔除离群值进一步缩小样本量带来的统计效力损失可能抵消获益。
- 常模数据库清理的效果因数据库而异,取决于离群值的比例和严重程度。
- 离群值判定界值较敏感,导致两个常模数据库各剔除约20%的扫描。
全文中译11 节 · 点击展开
引言
得益于方法学进展和处理时间的大幅缩短,针对个体患者的基于T1加权MRI的自动化脑容量测量近来已进入临床实践[1–3]。许多软件工具可提供相对于健康个体规范数据库(NDB)的区域脑体积z分数[4–6]。一些工具还使用基于体素的形态学分析(VBM)来生成个体受试者相对于NDB的灰质(GM)密度体素级z分数图。这些体素级VBM图已被证明不仅有助于检测神经退行性疾病,还有助于其鉴别诊断[3, 7]。
显而易见,NDB的质量会对单受试者VBM的性能产生相当大的影响。例如,关于NDB的规模,既往研究发现,由20–30次扫描组成的NDB可用于单受试者VBM,但规模大两到三倍的NDB可能提供更好的敏感性[8–10]和/或特异性[11]。
NDB中的离群值会导致对灰质密度正常受试者间变异(标准差)的高估,进而导致单受试者VBM中z分数的低估。结果,根据区域z分数的预定义截断值,真实的区域萎缩可能无法达到统计学显著性。在此背景下,本研究的主要假设是,从NDB中去除离群值(“NDB清洗”)可通过提高检测区域萎缩的效能来改善检测阿尔茨海默病(AD)或额颞叶变性(FTLD)的敏感性。在痴呆性神经退行性疾病中,疑似AD和疑似FTLD是大多数中心VBM最常见的适应症。
此外,VBM对MRI扫描仪平台和采集序列的细节敏感[12–17]。因此,使用与待分析个体MRI相同的MRI扫描仪和完全相同的采集序列所采集的MRI扫描构建的NDB是单受试者VBM的金标准。然而,许多中心无法获得扫描仪特异性NDB(每次相关硬件和/或软件更新后必须更换)。使用来自另一台扫描仪(来自另一中心)的扫描仪特异性NDB可能导致VBM检测到扫描仪差异,而这些差异在VBM图中可能难以与真实萎缩区分。这可以通过使用非扫描仪特异性的多扫描仪NDB来避免,该NDB包含来自众多不同扫描仪的正常扫描,从而充分代表临床实践中遇到的扫描仪频谱。然而,由扫描仪间差异引起的无意义额外变异最可能降低检测真实萎缩的敏感性。在此背景下,本研究的次要目的是评估与扫描仪特异性NDB相比,使用多扫描仪NDB时检测AD或FTLD的VBM性能损失。鉴于大多数市售的基于MRI的脑容量测量软件工具已采用多扫描仪NDB[6],这具有临床相关性。
材料与方法
测试数据集
这项回顾性研究的测试数据集由118名受试者组成,包括81名患者(年龄65.9 ± 8.2岁,54%为女性),患有AD(18例AD伴遗忘型痴呆,22例由AD导致的遗忘型轻度认知障碍(MCI),11例后皮质萎缩(PCA))或FTLD(20例行为变异型FTLD(bvFTLD),10例语义变异型原发性进行性失语(SD)),以及37名健康对照(HC,58.1 ± 10.9岁,43%为女性)。受试者回顾性纳入自先前一项关于局部神经元活动与分布式脑区之间功能耦合关系的前瞻性研究[18],以及先前一项关于使用扫描仪和序列特异性NDB进行单受试者VBM在临床实践中对痴呆性神经退行性疾病鉴别诊断效用的回顾性研究[3]。金标准诊断由痴呆专家根据生物标志物信息(FDG-PET、淀粉样蛋白-PET和/或脑脊液淀粉样蛋白-β42、磷酸化tau和总tau)、临床检查、神经心理学测试和临床随访结果确立。
在所有受试者中,使用同一PET-MRI混合系统(Siemens Biograph mMR PET-MRI,Siemens Healthineers,Erlangen,德国)并采用完全相同的采集序列进行同步FDG-PET/MRI检查。成像包括分辨率为1 × 1 × 1 mm3的3D T1加权序列(TR = 2300 ms,TE = 2.98 ms,TI = 900 ms,翻转角 = 9°)。
正常参考数据库
扫描仪特异性单扫描仪NDB(SSD)由测试数据集中的37名健康对照组成。
非扫描仪特异性多扫描仪NDB(MSD)包含164名受试者(64.1 ± 9.4岁,57%为女性)的3D T1加权MRI,分辨率为1 × 1 × 1 mm3,因非特异性症状(如头痛、头晕)在164个不同站点使用164台不同MRI扫描仪按照扫描仪制造商推荐的采集序列采集。成像在3/1.5/1.0 Tesla下进行,分别为47/114/3例(28.7/69.5/1.8%),使用来自三家不同制造商的MRI扫描仪:Siemens(n = 110;Aera、Amira、Avanto、Espree、Galan、HarmonyExpert、MAGNETOM(Lumina、Vida、ESSENZA)、Orian、Skyra(fit)、Symphony(Tim)、TrioTim、Verio)、Philips(n = 40;Achieva(dStream)、Ingenia、Intera、Panorama HFO)和GE(n = 14;DISCOVERY MR750、Optima MR450w、SIGNA(Hde、HDxt、Voyager))。
none of the patients had a history of or currently ongoing neurological or psychiatric disease. All scans were free of abnormalities beyond those expected for the patients’ age based on visual inspection by an experienced radiologist.
NDB中离群值的去除
按照“单受试者基于体素的形态学分析”小节所述,为NDB中的每次扫描获取蒙特利尔神经学研究所(MNI)解剖空间中的GM密度图。然后,通过逐体素应用以下公式为每个GM图计算留一法z分数图:其中GM密度的均值和标准差在NDB中除个体GM图外的所有GM密度图上计算。z分数图的计算限于MNI空间中预定义的标准GM掩模(以避免除以零或非常小的数值)。
对给定NDB中每个个体留一法z分数图计算以下质量指标
如果NDB中某次扫描的相应值等于或大于该质量指标在NDB中的上四分位数+1.0*四分位距,则该扫描被视为该质量指标的离群值。如果某次扫描在一个或多个质量指标上为离群值,则该扫描被视为(总体)离群值。
两个NDB分别进行离群值的识别和剔除。
单受试者基于体素的形态学分析(VBM)
使用Biometrica分析平台(jung diagnostics GmbH,汉堡,德国)进行单受试者VBM相对于四个不同NDB(剔除离群值前后的SSD和MSD)的分析。简言之,将原始3D T1加权MRI分割为灰质、白质和脑脊液成分图像[15]。通过高维非线性图像配准(DARTEL)建立患者灰质成分图像与NDB灰质成分图像之间的空间对应关系[19]。将配准并调制的个体灰质成分图像与各向同性高斯核(半高全宽8 mm)进行卷积平滑。平滑后,将个体平滑灰质成分图像与NDB的平滑灰质成分图像进行基于体素的双样本t检验,得到统计t图。年龄和总颅内体积(TIV)作为 nuisance 协变量纳入分析。TIV在每次T1加权MRI中通过3D卷积神经网络估计,该网络专门训练用于准确稳定地勾画TIV,特别是避免传统方法偶尔观察到的TIV高估[20, 21]。
个体VBM图的视觉判读
个体VBM图以p = 0.005为阈值。为便于VBM图的视觉判读,使用标准化显示方式,将阈值化的VBM图以彩色编码叠加形式显示于轴位切片上,并以玻璃脑视图形式呈现在每例单独的一页pdf文档中(图1)。
VBM图由两名神经放射科医师判读,分别具有3年和8年判读疑似神经退行性疾病患者VBM图的经验。除年龄外,判读者对所有临床和生物标志物信息均设盲。
共有472份不同的pdf文档(118例测试病例×两个NDB×剔除或不剔除离群值)。从每份pdf文档生成一份副本,以评估视觉判读的判读者内变异。最终得到944份匿名pdf文档,以随机顺序呈现。
要求判读者采用以下两步法进行视觉判读。第一步,判读者须判定神经退行性疾病为“存在”、“不存在”或“不确定”。若神经退行性疾病为“存在”,第二步判读者使用先前描述的标准[3](补充图1)将萎缩模式分类为AD或FTLD。
对于第一步中神经退行性疾病检测和/或第二步中神经退行性疾病分类存在判读者内不一致的病例,由同一判读者第三次判读以获得判读者内共识,两名判读者分别进行。通过联合判读会议解决判读者内共识之间的判读者间不一致,以获得判读者间共识。
统计分析
对于每张设定阈值的VBM图,通过计数体素数量,再将体素总数乘以单个体素的体积来计算萎缩总体积。采用一般线性模型进行重复测量,以检验NDB清洗对萎缩总体积的影响。NDB(SSD或MSD)和清洗(不清洗或清洗)作为受试者内因素纳入。真实诊断(AD、FTLD、HC)作为受试者间因素纳入模型。
采用交叉表和Cohen's kappa评估视觉判读的读者内和读者间一致性,并分别针对每个NDB评估读者间共识相对于临床真实诊断的准确性。为使统计分析尽可能具有特异性,“不确定”病例被归入“无神经退行性疾病”类别。
使用IBM SPSS(版本27)进行上述统计分析。统计显著性阈值设定为双侧p = 0.05。
使用统计参数图软件包(SPM12版本)中实现的异方差双样本t检验,分别在NDB清洗前和清洗后,对SSD和MSD两个NDB之间的灰质密度进行基于体素的组水平比较。为较敏感地检测区域灰质差异,体素水平显著性阈值设定为单侧p = 0.005,未进行多重比较校正。最小簇大小固定为296个体素(对应于1 ml体积)。
伦理声明
测试数据集的回顾性使用已获慕尼黑工业大学伦理委员会批准(批准号176/18 s)。由于分析的回顾性性质,伦理委员会豁免了书面知情同意的要求。
MSD的MRI数据已按照欧盟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。德国汉堡州医学总会伦理审查委员会豁免了对匿名数据回顾性使用需获得书面知情同意的要求。
结果
在SSD中识别出7个离群值(19%),在MSD中识别出35个离群值(21%)(补充图2)。在两个NDB中,大多数离群值是在显著体素数量(n-significant)方面的离群值:SSD中7个总体离群值中的6个(86%),MSD中35个总体离群值中的25个(71%)。在另外两项质量指标z-sum和z-max方面的离群值较少见:SSD中分别为7个中的4个和3个(57%和43%),MSD中分别为35个中的15个和15个(43%)。
两个NDB在去除离群值前后的 demographic 特征和TIV估计值汇总于表1。去除离群值前,SSD和MSD之间的年龄差异显著(p < 0.001),去除离群值后则无显著差异。性别和TIV在两个NDB之间无论去除离群值前后均无显著差异。
两个NDB在去除离群值前后的灰质密度体素均值和体素标准差分别见图2和图3。
重复测量的一般线性模型显示,所有对被试内效应对萎缩总体积的影响均高度显著,包括交互效应(清理:p < 0.0005,偏eta平方η2 = 0.274;清理*金标准:p < 0.0005,η2 = 0.268;清理*NDB*金标准:p = 0.001,η2 = 0.122;NDB:p < 0.0005,η2 = 0.470;NDB*金标准:p < 0.0005,η2 = 0.324)。因此,NDB清理存在显著效应,且该效应依赖于NDB,而清理效应的NDB依赖性在HC、AD和FTLD之间存在差异(图4)。更准确地说,去除离群值后萎缩总体积更大,以MSD更为明显,但仅在AD或FTLD患者中如此,在HC受试者中则不然。
在对VBM图进行的八次视觉判读(两名判读者×两种NDB×未清理或清理)的第一步中,就神经退行性疾病存在与否被归类为“不确定”的病例数在4至14例之间(3–12%)。将不确定病例重新归类为“无神经退行性疾病”后,对VBM图关于神经退行性疾病存在的二分类视觉判读的判读者内和判读者间Cohen kappa分别介于0.868至1.0之间和0.839至0.966之间(补充图3)。当使用MSD时,NDB清理导致判读者内和判读者间一致性降低:判读者内kappa从0.972 ± 0.040降至0.890 ± 0.030(两名判读者的均值 ± 标准差),判读者间kappa从0.962降至0.839(补充图3)。
VBM图共识二分类视觉判读用于检测任何神经退行性疾病(AD或FTLD)的敏感性、特异性和预测值见表2。在所有设置中特异性均为100%。NDB清理提高了敏感性,尤其是使用MSD时(图5给出了一个示例病例)。AD与HC、FTLD与HC以及AD与FTLD鉴别的性能估计见表3。
使用MSD时,去除离群值未改变118例中105例(89%)的共识二分类视觉判读。在去除离群值前后共识二分类视觉判读不一致的13例中,12例(92%)在使用完整MSD时被错误判读,但在从MSD中去除离群值后被正确判读。剩余1例(8%)则相反。12例中从错误判读变为正确判读是由NDB清理使萎缩总体积增加9 ± 5 mL所驱动的(图6)。在从正确判读变为错误判读的病例中,NDB清理使萎缩总体积减少4 ml。
两种NDB之间GM密度组水平比较的统计图见补充图4。在NDB清理之前,SSD中有若干簇GM密度显著高于MSD,总体积为128.0 ml。SSD中没有GM密度显著较低的簇。NDB清理后,SSD中GM密度显著较高的簇的数量和大小均减少(从128.0 ml总容积降至35.8 ml总容积)。此外,NDB清理后SSD中出现了一个小的(5.6 ml)GM密度显著较低的簇。
讨论
本研究的主要发现是,通过去除NDB中的离群值,单受试者VBM检测AD或FTLD的敏感性得到改善,且未增加假阳性发现的风险,这与主要假设一致。
剔除离群值带来的益处对MSD比对SSD更为明显。这可能与这些NDB样本量的差异有关。SSD相对较小(n = 37),而MSD相当大(n = 164)。这表明,通过剔除离群值进一步缩小较小NDB的规模所带来的统计功效损失,可能抵消了避免离群值高估区域灰质密度的正常变异性(标准差)所带来的益处[10]。
通过剔除离群值进行NDB清洗的效果在不同NDB之间总体上存在差异。这不是所提出的NDB清洗方法的局限性,而是一种必要的特征。首先,所提出的NDB清洗方法识别出的离群值比例应取决于NDB的同质性。特别是,如果从一开始就仔细筛选扫描以避免离群值,那么NDB清洗应移除比原始NDB组建不太仔细时更少的扫描。其次,NDB清洗对VBM检测区域萎缩功效的影响不仅应取决于被移除的离群值数量,还应取决于其严重程度。这也可能 contribut 到以下事实:NDB清洗带来的灵敏度改善在MSD中比在SSD中更为明显(因为MSD中的离群值比SSD中更严重;补充图2)。从小型NDB中移除“轻度”离群值的潜在益处可能被清洗后NDB样本量减少所导致的统计功效损失所抵消。相反,移除少数非常严重的离群值即使在小型NDB的情况下也可能是有益的。
如果NDB中某次扫描在三个质量指标中至少一个的对应值等于或大于该质量指标在NDB中的上四分位数 + 1.0 * 四分位距,则该扫描被视为离群值。使用基于四分位数的非参数规则而非基于标准差的参数规则的理由是,降低离群值识别对NDB中确切灰质分布的敏感性。本研究选择的具体截断值相当敏感,导致从两个NDB中移除了约20%的扫描。如果NDB从一开始就相当小,则可能采用更严格的离群值定义(例如,以上四分位数 + 1.5 * 四分位距作为截断值和/或相对于一个以上质量指标判定为离群值)。值得注意的是,正常标准差的估计对NDB中的离群值特别敏感,比正常均值的估计更敏感。这是由于标准差的估计基于与均值的平方差。因此,即使移除一小部分(强)离群值也可能对标准差的估计产生相关影响。使用非参数置换方法代替参数t统计量也可以降低基于体素的检验对离群值的敏感性,但它们很少用于VBM [11, 22, 23]。
对个体离群值的留一法 z 分数图进行目视检查表明,由特定 MR 扫描仪和/或非寻常采集序列引起的离群值主要通过 z-sum 指标识别(补充图 5)。与个体受试者特征相关的离群值主要通过 z-max 和 n-significant 指标识别,其中 z-max 对局灶性效应更敏感,n-significant 对程度较轻但空间上更广泛的差异更敏感。因此,这三个质量指标相当互补。
关于是否应从 NDB 中排除基于所提出的质量指标被“数学上”识别为离群值的病例这一问题,我们认为,由使用特定 MR 系统和/或非寻常采集序列引起的 MSD 中的离群值通常应被排除,以提高 MSD-VBM 的敏感性(补充图 6)。对于因个体受试者非寻常的局灶性或脑叶灰质密度而导致的离群值,情况则不那么明确,前提是这些实际上是健康受试者的正常生理变异(而非由未被识别的疾病引起)。从 NDB 中排除正常生理变异也会增加 VBM 检测 AD 和 FTLD 的敏感性。然而,它也会增加检测正常生理变异的敏感性。这是否可取取决于具体情境。此外,受试者特别年轻或特别年老也可能导致该扫描被识别为离群值,因为灰质密度随健康衰老而变化。然而,将这些扫描纳入 NDB 可能是可取的,以覆盖较大的年龄范围。
NDB 清洗后,单受试者 VBM 区分 AD 与 FTLD 的准确性降低(表 3)。乍看之下这似乎令人意外,但这是 NDB 清洗提高区域萎缩检测敏感性的直接结果,导致 NDB 清洗后 VBM 检测到一些相当小的萎缩簇,而清洗前未检测到。此外,本研究中 AD 与 FTLD 的鉴别因测试数据集包含 AD 和 FTLD 的不同亚型而变得复杂。特别是,FTLD 的 SD 变异型中前颞叶包括海马、杏仁核、颞极及前颞叶外侧部分(颞下回和颞中回)的轻度萎缩,可能难以与 AD(MCI 阶段)中孤立的轻度内侧颞叶萎缩相鉴别 [3, 24]。事实上,两例萎缩体积相当小的 SD 病例在去除离群值后基于 SSD-VBM 图被误分类为 AD。此外,在侧位玻璃脑视图中无法区分内侧与外侧颞叶簇(图 1),这可能导致了区分 AD 与 SD 时不确定性的增加。这种不确定性或许可通过在标准化显示中纳入内侧渲染视图来避免(有待未来研究检验)。
出乎意料的是,NDB清洗后读者内和读者间一致性略有降低,但仍然极好(kappa > 0.80)。这一效应在使用MSD时最为明显(补充图3)。其原因是在使用完整MSD时VBM图为空白的病例中去除离群值后,MSD检测到的萎缩簇相当小。这些小的萎缩簇有助于提高检测神经退行性疾病的敏感性,但它们也导致了读者内和读者间一致性的降低(在VBM图为空的情况下,只能将其归类为“无神经退行性疾病”)。
关于本研究的次要目的,正如预期,在多扫描仪NDB与扫描仪特异性NDB之间,后者在VBM诊断准确性方面明显优于前者。尽管跨不同MRI扫描仪的采集序列 harmonization 是当前研究的重点,但扫描仪特异性NDB仍然是VBM的金标准。然而,如果无法获得扫描仪特异性NDB,则包含来自大量不同扫描仪的健康对照扫描的多扫描仪NDB可能优于来自另一台扫描仪的扫描仪特异性NDB,以避免将VBM检测到的扫描仪差异误判为萎缩。本研究证实了这一点,因为MSD未导致任何假阳性病例,这与以下事实一致:即使在敏感的非校正p = 0.005显著性阈值下,尤其是在NDB清洗后,MSD与SSD之间的组水平GM差异也仅限于相当小的脑区(补充图4)。此外,本研究表明,使用多扫描仪NDB也可以实现VBM的临床有用敏感性。这些发现支持在无法获得SSD时使用清洗后的MSD进行VBM分析。
本研究的一个次要发现是VBM检测FTLD的敏感性高于检测AD。可能的解释包括:与AD患者相比,FTLD患者处于更晚期的神经退行性阶段(这与AD患者中MCI患者比例较高相一致,51例中有22例,43%),尽管通过MMSE测量的整体认知表现在各组之间没有差异。FTLD患者明显更大的总萎缩体积证实了这一点(图4)。
这种新型NDB清洗方法不限于VBM。它很容易适用于其他脑成像模态的基于体素的统计检验,包括FDG-、淀粉样蛋白-和tau-PET。最后,这种新型数据库清洗方法可以扩展到清洗用于深度学习方法的训练和验证数据集。
本研究的局限性包括以下内容。第一,测试数据集中的健康对照扫描与SSD中的健康对照扫描相同,这可能造成一些有利于SSD在VBM中的偏倚。因此,本研究中相对于扫描仪特异性NDB,使用多扫描仪NDB导致VBM敏感性下降可能被高估。然而,本研究的主要目的——研究去除离群值对诊断准确性的影响作为一种方法本身——并不受这一事实的限制。第二,在去除离群值之前,SSD与MSD之间存在统计学显著的年龄差异,且众所周知GM体积取决于年龄[25],并且年龄依赖性在不同脑区之间有所差异[26]。然而,平均年龄差异相当小(6岁),并且在所有单受试者VBM分析中年龄均作为混杂协变量纳入考虑。因此,两个NDB之间的年龄差异最可能未对当前发现产生重大影响。此外,虽然两个NDB年龄匹配的局限性可能影响了它们之间关于基于VBM的区域性萎缩检测的比较,但其最可能对本研究的主要发现——即通过NDB清洗提高VBM检测区域性萎缩的敏感性——没有相关影响。第三,测试数据集包含经过相当高度选择的受试者,因此可能不能代表临床实践。特别是,大多数健康对照受试者是从社区招募用于一项前瞻性FDG-PET/fMRI研究[18]。这可能导致了单受试者VBM分析中缺乏假阳性发现(此外还将“不确定”病例纳入“无神经退行性疾病”类别)。最后,测试数据集中的患者患有AD或FTLD。因此,当前关于VBM性能的发现仅适用于AD和FTLD。然而,通过去除离群值获得的敏感性改善在AD和FTLD中相似,提示这一发现可以推广至其他疾病,因为所提出的方法不对需要检测的萎缩模式作任何假设。然而,这需要在进一步研究中加以验证。本研究中NDB的GM密度体素级标准差图显示了正常变异性的区域差异,这可能导致VBM检测局部萎缩效力的区域差异(图3)。
总之,从用作基于体素统计检验参考的NDB中系统去除离群值,有可能通过提高检测区域性萎缩的敏感性来提高单受试者VBM检测AD或FTLD的敏感性。此外,如果无法获得扫描仪特异性NDB,非扫描仪特异性多扫描仪NDB可实现无偏的单受试者VBM,且不增加假阳性发现的风险,但代价是敏感性降低。
补充信息
以下是电子补充材料的链接。补充文件1(DOCX 1844 KB)
引用
- Schultz V, Hedderich DM, Schmitz-Koep B, et al. Removing outliers from the normative database improves regional atrophy detection in single-subject voxel-based morphometry. Neuroradiology. 2024. PMID: 38378906. doi:10.1007/s00234-024-03304-3
- 全文:PMC10937771(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10937771/
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。