解锁潜力:T1加权MRI作为帕金森病左旋多巴反应的有力预测指标
本回顾性研究利用PPMI数据集219条记录和瑞金医院外部临床数据集217条记录,比较基于MedicalNet提取的T1加权MRI特征与既往三种特征提取方法及临床特征在预测帕金森病左旋多巴反应(良好/不良应答者)中的表现。结果显示MedicalNet特征在三种机器学习模型中均优于临床特征,联合模型在测试集SVM上AUC达0.83±0.01,但外部临床集单独影像模型AUC仅0.64±0.03。
要点
- MedicalNet提取的T1加权MRI特征在测试集上三种模型均优于临床特征(SVM联合0.83±0.01 vs 临床0.73±0.01,p<0.001)。
- 外部临床集上仅影像特征模型AUC为0.64±0.03,优于临床模型0.53±0.01(p<0.001),但性能明显下降。
- 关键贡献脑区包括颞上回、扣带回、丘脑、壳核、GPe、GPi、海马、岛叶、RN、SN、脑桥和VTA。
核心结论
- T1加权MRI特征比临床特征更稳健、更具泛化性,二者联合在测试集上表现最佳。
- T1加权MRI单独在外部临床集AUC为0.64±0.03,可能不足以在临床环境中预测左旋多巴反应,未来研究应探索先进影像以提取稳健特征。
研究设计与样本
- 回顾性研究,使用PPMI数据集219条记录(训练集173条,测试集46条)及瑞金医院2017至2022年外部临床数据集217条记录。
- PPMI为多中心研究,T1加权MRI采用1.5-T(Philips)或3-T(Siemens)扫描仪,各向同性分辨率1 mm;瑞金医院采用1.5-T或3-T(GE)扫描仪,分辨率1 mm至2 mm。
- 以左旋多巴挑战试验改善率30%为阈值分类良好与不良应答者,改善率计算公式见原文。
- 采用四种特征提取方法(年龄校正区域灰质强度、皮质下ROI纹理、形态学图、MedicalNet)和三种机器学习模型(SVM、XgBoost、MLP)。
- PPMI数据集按8:2随机分为训练集和测试集,确保同一受试者记录在同一集合;外部临床集用于验证泛化性,模型固定不再训练。
关键影像表现/征象
- MedicalNet特征经特征选择后保留9个特征,可视化显示主要贡献脑区包括颞上回、扣带回、丘脑、壳核、GPe、GPi、海马、岛叶、RN、SN、脑桥和VTA。
- 皮质下纹理特征保留2个位于右侧丘脑的特征,年龄校正区域灰质强度仅保留1个特征,形态学图保留18个特征。
- 验前显著图强度阈值为0.4。
诊断标准与关键数值
- 左旋多巴反应良好/不良应答者分类阈值:改善率30%。
- 测试集上MedicalNet联合模型SVM AUC 0.83±0.01,XgBoost 0.80±0.04,MLP 0.80±0.03;临床模型SVM 0.73±0.01,XgBoost 0.74±0.02,MLP 0.70±0.07(联合 vs 临床 p<0.001)。
- 外部临床集SVM:MedicalNet联合0.59±0.005 vs 临床0.53±0.01,MedicalNet单独0.64±0.03;皮质下纹理联合0.57±0.005 vs 临床0.53±0.01(p<0.001)。
- 外部临床集包含201例良好应答者和16例不良应答者。
- 测试集46条记录平均年龄62±9岁,28名男性;训练集173条记录平均年龄64±9岁,116名男性;外部临床集217条记录平均年龄63±9岁,125名男性。
临床应用与阅片要点
- T1加权MRI特征提取可作为左旋多巴反应预测的客观影像学辅助手段,但单独影像模型在外部临床集AUC为0.64±0.03,原文指出可能不足以在临床环境中预测左旋多巴反应。
- 联合影像与临床特征在测试集上表现最佳(SVM AUC 0.83±0.01),但外部临床集性能明显下降,原文提示临床信息在真实世界环境中泛化性存疑。
- 原文建议未来研究探索先进影像(如T2*或定量磁化率成像)进行稳健特征提取,以改善实际左旋多巴挑战试验预测性能。
局限性
- 样本量有限,导致模型有偏并影响性能,且无法进行针对特定任务的深度学习模型训练。
- 仅有一个回顾性外部临床集,限制了对预测特征泛化性的进一步评估。
- 通过MedicalNet提取器识别的数据驱动ROI在左旋多巴反应预测和帕金森病进展中的意义仍不明确,需要更具可解释性的模型或特征来阐明其病理作用。
- 外部临床集记录来自可进行脑深部电刺激手术的患者,可能引入数据集分布偏倚,表现为更长的病程、更高的LEDD和MDS-UPDRS III评分以及更高比例的良好应答者。
全文中译15 节 · 点击展开
引言
帕金森病(PD)是一种患病率不断上升的神经退行性疾病[1]。其一系列症状,包括震颤、强直、运动迟缓和姿势不稳,显著损害患者的生活质量[1]。左旋多巴作为多巴胺前体,是最常用的治疗方法[1–3]。临床医生常采用左旋多巴冲击试验(LCT),因为其结果对于作出诊断和指导治疗策略至关重要,尤其是深部脑刺激的治疗策略[3]。左旋多巴反应的预测模型不仅可以帮助临床医生确定治疗策略[4],还可以为潜在的病理生理机制提供见解。
T1加权MRI是一种广泛可用的成像技术,可提供高分辨率脑图像。尽管它广泛用于临床常规中以诊断和鉴别PD[5–10]并预测从轻度认知障碍向痴呆的转化[11],但其预测左旋多巴反应的潜力尚未得到充分探索。对于T1加权MRI,Ballarini等[12]从区分良好和不良反应者的判别性体素中提取了经年龄校正的灰质强度,以预测LCT结果。Xie等[13]构建了形态学脑图网络,以获取个体水平的网络指标用于LCT结果预测。此外,PREDISTIM研究组[4]利用16个皮层下感兴趣区(ROI)的纹理特征为每位参与者构建特征向量,以预测LCT结果。尽管这些研究证明了T1加权MRI在左旋多巴反应预测中的潜力,但它们要么缺乏足够的测试集且样本量有限,要么未单独考察影像特征的预测能力,从而使T1加权MRI在左旋多巴反应预测中的潜在价值仍不明确。卷积神经网络已在脑MRI分析预测任务中显示出有效性,包括PD诊断[14, 15],但尚未用于左旋多巴反应预测。因此,T1加权MRI在左旋多巴反应中的作用应通过更具说服力的预测模型进一步评估。
在本研究中,我们旨在利用帕金森病进展标志物倡议(PPMI)数据集和一个外部临床数据集,通过比较包含和不包含影像特征的分类性能来评估T1加权MRI对左旋多巴反应预测的预测潜力,并识别潜在的脑区。
方法
数据来源
在这项回顾性研究中,数据于2023年1月取自公开可访问的PPMI数据库(https://www.ppmi-info.org/)。PPMI是一项多中心研究,专注于收集帕金森病进展生物标志物[16]。PPMI参与者符合特定标准:PD诊断(在PPMI数据库中标记为“PD”组),且在同一次访视中具有T1加权MRI数据以及药物ON和OFF状态下的MDS-UPDRS III评分。排除标准包括缺乏与访视时间重叠的可计算左旋多巴等效日剂量(LEDD)、同一患者在一次访视中有多条记录、MDS-UPDRS III OFF < 5以及LEDD > 5000。总共纳入219条记录,包括同一参与者在不同访视中的多条记录。仅为了年龄校正,额外纳入了来自PPMI的193名健康对照的数据集。
以30%改善率作为阈值,将患者分为“良好”和“不良”反应者[13];改善率的计算方式如下:
整个PPMI数据集按8:2的比例随机分为训练集和测试集,确保同一参与者的记录位于同一集合中,最终训练集和测试集分别包含173条和46条记录。
输出模型在实际样本上的性能通过一个外部临床数据集进行验证,该数据集包含来自上海交通大学医学院附属瑞金医院的217条记录,收集于2017年至2022年间。所有纳入的参与者均接受了标准LCT。值得注意的是,这些记录是从可进行脑深部电刺激手术的患者中回顾性收集的,这可能给数据集分布引入潜在偏倚,表现为更长的病程、更高的LEDD和MDS-UPDRS III评分以及更高比例的“良好”反应者(表1和图1)。
PPMI的T1加权MRI扫描使用1.5-T(Philips)或3-T(Siemens)扫描仪采集,各向同性分辨率为1 mm;而瑞金医院的扫描则使用1.5-T或3-T扫描仪(GE)进行各向同性采集,分辨率为1 mm至2 mm。
数据预处理
参照既往研究(见图2),使用Nipype(https://nipype.readthedocs.io/en/latest/)[17]构建了两条图像预处理流程,用于不同的特征提取方法。第一条利用SPM12(https://www.fil.ion.ucl.ac.uk/spm/software/spm12/)中的CAT12工具箱(http://www.neuro.uni-jena.de/cat/)[18];图像被分割为灰质、白质和脑脊液,随后以1.5 mm各向同性体素大小配准至CAT12中的默认模板(IXI151_MNI152)。采用8 mm半高全宽高斯核进行空间平滑。第二条利用ANTs(https://github.com/ANTsX/ANTs)[19, 20];使用RegistrationSynQuick将图像配准至PD25图谱[21–23],各向同性体素大小为1 mm。
特征提取
评估了四种特征提取方法,包括三种来自已发表研究的方法和一种本研究提出的方法。前几种方法的细节见补充材料。简言之,第一种是从CAT12预处理图像中提取的年龄校正区域灰质强度,遵循Ballarini等[12]的方法,之后使用主成分分析(PCA)选择前50个主成分作为特征。第二种方法由PREDISTIM研究组和Chakraborty等[4, 5]提出,使用皮层下ROI纹理作为PD生物标志物,通过使用PyRadiomics(https://pyradiomics.readthedocs.io/en/latest/)从ANTs预处理图像中提取并去除16个皮层下ROI的高度相关纹理特征,包括尾状核、壳核、丘脑、GPi、GPe、STN、SN和RN。形态学图按照Xie等[13]的方法使用Kullback–Leibler和Jensen–Shannon散度构建。个体网络的图指标被计算作为特征。
为增强T1加权MRI数据的效用,我们提出了一种基于MedicalNet的特征提取方法,MedicalNet是一个针对医学图像定制的预训练ResNet深度模型[24]。我们将原本用于分割的层替换为最大池化层(核大小 = 8,步长 = 8,填充 = 0)和展平层。预训练模型被固定并作为纯特征提取器处理。将ANTs预处理的T1加权图像(193、229、193维)输入模型,获得输出向量作为每个样本的特征。
在序列特征选择之后,采用GradCAM[25]对保留的特征进行可视化。所选特征被映射回其在展平层中作为对应梯度的坐标。被排除的特征被赋予–0.001的梯度。生成显著性图并上采样至最后一个卷积层,以可视化图像中贡献的ROI。
特征选择
为优化特征集,鉴于其潜在的冗余和噪声,特征选择步骤对于有效分类是必要的。最小冗余最大相关(mRMR)、最小绝对收缩和选择算子(LASSO)以及递归特征消除(RFE)被依次应用于原始特征集。mRMR基于互信息,选择与目标高度相关且冗余低的特征[26]。LASSO基于L1正则化,将不重要的特征压缩为零以实现特征选择[27]。RFE基于后向消除,递归地移除最不重要的特征,直到达到指定的特征数量。
我们依次将这些方法分别应用于通过四种特征提取方法从训练集中提取的特征,以消除由于MRI数据生成大量特征而产生的不相关和冗余特征,其中LASSO和RFE经过5折交叉验证以确定最优超参数。对于mRMR,选择在特征集中排名前50的特征用于下一步。对于LASSO,使用最优正则化参数α*在整个训练集上拟合模型,以选择系数非零的特征。对于RFE,使用代表L2正则化的逻辑回归模型作为RFE中的估计器。整个特征选择过程重复10次以生成更稳健的特征集。结果,每种提取方法的特征数量分别导致特征集被缩减。
机器学习模型
机器学习模型在训练集上使用5折交叉验证进行训练,并在测试集上进行测试,以预测LCT结果的类别(良好/不良反应者)。进行了消融研究以评估T1加权MRI数据的贡献。这涉及在相同设置下比较三个特征集的分类性能:影像集,分别包含通过四种方法提取的特征;临床集,涵盖人口学和临床信息,包括年龄、性别、病程、LEDD和MDS-UPDRS III OFF;以及结合影像集和临床集的联合集。所有训练集特征用于拟合MinMaxScaler以缩放训练集和测试集特征。
每个模型的最优超参数通过在训练集上进行的5折交叉验证确定。然后使用最优超参数在整个训练集上训练特定模型,并用于预测测试集的LCT结果。进行重复实验以消除随机效应。
我们的研究采用了三种机器学习模型——SVM、XgBoost和MLP——共产生九个经过训练和测试的模型。
模型性能评估
为评估模型性能,我们使用微平均受试者工作特征曲线下面积(AUC)作为主要指标。对于每种特征提取方法和机器学习模型,我们为使用三种不同特征集生成的三个测试集计算了三个AUC。在临床集和联合集之间进行了配对单尾t检验,以评估临床模型和联合模型之间的统计学显著性。
如果任何影像特征集显示出统计学显著的贡献(p < 0.001),则使用最佳机器学习方法在外部临床数据集上进一步验证该模型以评估其泛化能力。更具体地说,训练阶段训练的所有模型均固定,不再进行进一步训练和修改,因此验证阶段没有额外训练。待测试的特征标签根据训练集的特征选择结果手动选择,待验证的特征集通过根据特征标签从外部集提取特征来构建。外部集生成的特征使用在训练集上训练的MinMaxScaler进行归一化,并输入到训练好的模型中以预测LCT结果。
统计分析
为了评估临床模型与联合模型之间的统计学显著性,对两组数据进行了配对单尾 t 检验,每组包含由 10 个随机种子生成的 10 个 AUC。p 值 < 0.001 被认为具有统计学显著性。所有统计分析均使用 scikit-learn(https://scikit-learn.org/stable/,版本 1.2.1)、scipy(https://www.scipy.org/,版本 1.10.0)和 statannotations(https://github.com/trevismd/statannotations,版本 0.5.0)进行 [28]。
结果
记录纳入
在本研究中,我们纳入了来自 PPMI 的 219 条记录。训练集和测试集分别包含 173 条记录(平均年龄 64 ± 9 岁,116 名男性)和 46 条记录(平均年龄 62 ± 9 岁,28 名男性)。来自瑞金医院的外部临床数据集包含 217 条记录(平均年龄 63 ± 9 岁,125 名男性),其中 201 例为良好反应者,16 例为不良反应者。所有数据集的人口学和临床数据总结于表 1。
特征提取
生成了四组不同的特征集。经年龄校正的区域灰质强度通过 PCA 从判别性体素中产生 50 个主成分。皮层下纹理特征从 16 个 ROI 中各产生 86 个特征,最终通过基于相关性的特征排除缩减至 225 个特征。形态学图贡献了 368 个特征,而 MedicalNet 预训练模型提取了 13,824 个特征。所有四种特征提取方法的重复选择之间均无差异。
特征选择
特征提取步骤最终形成四组不同的特征集。经年龄调整的区域灰质强度在 50 个 PCA 特征中仅产生一个被选特征。皮层下纹理在 225 个输入特征中包含位于右侧丘脑的两个特征。对于形态学图,368 个特征中有 18 个被选中。从 MedicalNet 提取的 13,824 个特征中,仅有 9 个被选中。所选特征的详细信息呈现于表 2。
模型性能
表 3 总结了模型在测试集上的性能。MedicalNet 提取的特征在所有三种模型中始终优于其他特征集(SVM 联合 0.83 ± 0.01,临床 0.73 ± 0.01;XgBoost 联合 0.80 ± 0.04,临床 0.74 ± 0.02;MLP 联合 0.80 ± 0.03,临床 0.70 ± 0.07;p < 0.001)。使用 MedicalNet 提取特征的表现最佳的联合模型为 SVM,在测试集上的 AUC 为 0.83 ± 0.01。对于皮层下纹理特征,仅 SVM 显示出显著改善(联合 0.79 ± 0.003,临床 0.73 ± 0.01,p < 0.001)。MLP 表现出轻微但无统计学意义的提升,从 0.70 ± 0.07 升至 0.74 ± 0.08。将纹理特征加入 XgBoost 使 AUC 从 0.74 ± 0.02 降至 0.73 ± 0.03。区域灰质强度特征和形态学网络特征在三种模型中均未显示显著改善。改进特征集的 AUC 见图 3。
对于外部临床集(表4),皮层下纹理和MedicalNet提取的特征在SVM下均显示出统计学显著的改善(皮层下纹理联合集 0.57 ± 0.005,临床集 0.53 ± 0.01;MedicalNet联合集 0.59 ± 0.005,临床集 0.53 ± 0.01;p < 0.001);然而,两个模型均观察到显著的性能下降。使用MedicalNet提取特征的影像模型优于所有其他模型(p < 0.001),AUC为0.64 ± 0.03(图4)。
特征可视化
使用MedicalNet作为特征提取器,我们可视化了特征选择后存留的特征。来自最后一个卷积层的上采样显著性图揭示了有助于分类的关键ROI。显著性图和最显著的聚类如图5所示。该主导聚类识别了多个解剖区域,包括颞上回、扣带回、丘脑、壳核、GPe、GPi、海马、岛叶、RN、SN、脑桥和VTA。
讨论
在本项目中,我们提出了一种基于预训练ResNet模型的特征提取方法。该模型的特征在PPMI和外部临床数据集上均优于先前发表的方法,证明了其比临床特征具有更强的鲁棒性和泛化能力。我们的研究还为负责左旋多巴反应预测的脑区提供了见解。
已开发多种特征提取方法以最大化从T1加权MRI中可提取的用于LCT预测的信息。尽管先前的研究已证明使用年龄校正的区域灰质强度(准确率74%)和形态学图(AUC 0.98)特征具有令人鼓舞的预测性能,但由于样本量小且缺乏测试集和外部验证集,其结论存在不确定性[12, 13]。皮层下ROI纹理特征(r2为0.76)将临床特征与T1加权图像结合使用,样本量相对较大且设有外部验证集,但影像特征未单独评估[4]。在此,我们开发了一套严格的流程,以三种特征组合(含或不含临床和影像特征)重新评估先前的方法。我们的结果表明,仅将皮层下纹理特征加入模型即可显著改善分类性能。
尽管皮层下纹理特征显示出预测潜力,我们仍希望将生物标志物的搜索范围扩展到该区域之外或寻求更大的改进。我们修改了MedicalNet以作为深度学习特征提取器。融合模型结合了MedicalNet提取的特征,在测试集上所有三种机器学习模型中均优于所有其他方法(所有p < 0.001)。为可视化MedicalNet所选特征而生成的显著性图突出了常见的皮层下感兴趣区(壳核、丘脑、GPi、GPe、RN和SN)以及额外的感兴趣区(颞上回、扣带回、海马、岛叶、脑桥和VTA)。这些发现可能阐明了MedicalNet提取特征优于皮层下纹理特征的原因。Gallagher等[29]报道前扣带回多巴胺代谢的细微变化可能导致PD的执行功能障碍行为。Calabresi等[30]提出海马与PD多巴胺能系统变化之间存在联系。同样,Faivre等[31]提出VTA调节与PD中多巴胺细胞部分丢失相关的运动和non-motor症状。Halliday等报道了PD中儿茶酚胺细胞群的神经病理学改变[32]。这些发现表明,我们研究中新识别的感兴趣区可能确实与PD的多巴胺能系统变化有关,解释了它们对LCT预测的贡献。虽然更多与PD认知障碍相关,但在PD患者岛叶中观察到D2受体丢失,可能影响使用MDS-UPDRS III测量的LCT结果[33]。对于颞上回,尚未报道与PD多巴胺能系统变化的直接关系;然而,其参与PD进展已被提出[34]。
类似地测试外部临床集时,仅使用先前在测试集上已确立为预测性的两个特征集,临床模型和融合模型的性能出现了大幅下降。这表明外部临床集的临床信息存在潜在偏倚,这在临床环境中很常见。这种性能下降也质疑了临床信息在真实世界环境中的泛化性。然而,使用MedicalNet的影像模型优于所有其他模型,AUC为0.64 ± 0.03,表明使用MedicalNet从客观T1加权MRI中提取的信息比临床信息更稳健和一致。
本研究存在一些局限性。尽管样本量大于若干研究,但我们的样本量有限,导致模型存在偏倚,影响了性能,并排除了针对特定任务进行深度学习模型训练的可能性。仅有一个回顾性外部临床集限制了对预测特征泛化性的进一步评估能力。尽管数据驱动的感兴趣区通过MedicalNet提取器识别并使用外部临床集进行了验证,但其在左旋多巴反应预测和PD进展中的意义仍不清楚,需要更具可解释性的模型或特征来阐明其病理作用。最后,考虑到临床信息的泛化性较差,真实世界预测模型需要仅依赖影像特征。然而,仅使用T1加权MRI在外部临床集中产生的AUC为0.64,这意味着影像数据具有潜在价值。
总之,T1加权MRI提供的信息比一般人口学和临床特征更为稳健。然而,在临床环境中,它可能不足以预测左旋多巴反应(AUC 0.64 ± 0.03)。因此,为提高实际LCT预测性能,未来研究应探索先进成像技术以实现稳健的特征提取。既往一项研究强调了T2*图像在16个皮层下感兴趣区(ROI)中的效用[4]。后续研究可涵盖利用T2*或定量磁化率成像(其指示铁负荷[4])对我们新识别的脑区预测潜力进行调查,整合这些信息以生成更稳健且可推广的左旋多巴反应预测模型。
补充信息
电子补充材料
引用
- Yan J, Luo X, Xu J, et al. Unlocking the potential: T1-weighed MRI as a powerful predictor of levodopa response in Parkinson's disease. Insights Imaging. 2024. PMID: 38853208. doi:10.1186/s13244-024-01690-z
- 全文:PMC11162980(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11162980/
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。