文献速递神经儿科影像CT

CT 图像量化的颅骨厚度与密度异常可识别慢性颅内压增高

Cranial bone thickness and density anomalies quantified from CT images can identify chronic increased intracranial pressure.
PubMed 文献 · Neuroradiology · 2024-06-14

该回顾性研究从儿童 CT 图像量化颅骨局部厚度与骨密度,发现慢性颅内压增高(IIP)患者颅骨骨密度较正常儿童显著降低,而骨厚度差异不显著;基于这些测量构建的分类器识别 IIP 的敏感度为 83.33%、特异度为 87.13%。在非综合征性矢状缝早闭患者中,36.78% 被识别为具有 IIP 高风险。

要点

  • 慢性 IIP 患儿颅骨骨密度较正常儿童显著降低(P < .001),骨厚度差异不显著。
  • 基于骨厚度与密度异常的分类器识别 IIP 敏感度 83.33%,特异度 87.13%,AUROC 0.91。
  • 非综合征性矢状缝早闭患者中 36.78% 被分类器识别为 IIP 高风险。

核心结论

  • 儿童慢性 IIP 相关的颅骨改变可从 CT 图像量化,以支持更早诊断 IIP 并研究非综合征性矢状缝早闭等颅骨病理继发 IIP 的存在。

研究设计与样本

  • 回顾性研究,纳入 2005 至 2022 年三个儿童 CT 数据集:正常对照 1,018 例、慢性 IIP 48 例、非综合征性矢状缝早闭 242 例。
  • 图像重采样至平面分辨率 0.5 mm、层厚 1.5 mm,自动分割颅骨并计算各部位骨厚度(mm)与平均密度(HU)。
  • 采用留一交叉验证评估逻辑回归分类器,以年龄、性别和图像体素体积校正的线性回归比较组间差异。

关键影像表现/征象

  • 慢性 IIP 患者颅骨骨密度较正常儿童普遍显著降低(P < .001),但颅骨骨板厚度差异不显著(0-2 岁组 P = .56,2-10 岁组 P = .89)。
  • 慢性 IIP 患者在未闭合颅缝周围(除 2 岁后已正常闭合的额缝外)出现显著骨变薄。
  • 非综合征性矢状缝早闭患者颅骨较正常儿童和 IIP 患者显著增厚(P < .001),骨密度较正常儿童显著降低(P < .001)且与 IIP 患者无差异(P = .57)。

诊断标准与关键数值

  • 分类器识别慢性 IIP 的敏感度 83.33%(95% CI:69.24%,92.03%),特异度 87.13%(95% CI:84.88%,89.10%),准确率 86.96%(95% CI:84.76%,88.89%),AUROC 0.91。
  • 仅用骨板骨密度异常重新训练的分类器识别 IIP 的敏感度 81.25%(95% CI:66.90%,90.56%),特异度 84.97%(95% CI:82.59%,87.08%),准确率 84.80%(95% CI:82.47%,86.88%),AUROC 0.82。
  • 分类器判定的 IIP 平均风险:正常儿童 19.08 ± 20.29%,慢性 IIP 患者 78.44 ± 32.31%(P < .001)。
  • 非综合征性矢状缝早闭患者 IIP 平均风险 45.79 ± 25.42%,高于正常儿童的 30.83 ± 20.54%(P < .001),低于确诊慢性 IIP 患者的 66.70 ± 28.37%(P < .001)。

临床应用与阅片要点

  • 慢性 IIP 患儿的颅骨骨密度降低可能较急性 IIP 更细微,肉眼神经影像评估可能遗漏,量化工具可系统识别。
  • 量化方法校正了年龄、性别和图像分辨率差异,可基于常规临床获得的 CT 图像进行。

局限性

  • 原文未报告局限性
全文中译12 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. 2024 Jun 14;66(10):1817–28. doi: 10.1007/s00234-024-03393-0

引言

颅盖骨包绕脑、脑脊液(CSF)和脑血液。在儿童期,颅盖骨由不同的骨组成,骨与骨之间由骨缝分隔,从而为发育中的脑提供容纳空间[1]。当病理情况影响颅盖内体积与颅内内容物所需空间之间的平衡时,颅内压(ICP)可升高并引起智力障碍、视力损害、脑疝甚至死亡等症状[2, 3]。这种失衡可能是生长受限(如颅缝早闭)或过多组织(如肿瘤)或液体(即CSF或血液)积聚的结果。

儿童颅内压增高(IIP)的识别具有挑战性。由于需要使用麻醉,而麻醉可能以不可预测的方式影响ICP,因此通过腰椎穿刺进行直接测量在儿童中可能不准确。使用脑实质传感器进行长时间ICP监测确实能够提供准确测量,但这需要24–48小时的住院观察,并存在出血或感染的风险[4, 5]。由创伤性脑损伤引起的急性IIP患儿可能表现出明显的症状,促使其立即接受治疗[3]。相比之下,由发育性疾病(如先天性脑积水、颅缝早闭)或低级别肿瘤引起的慢性IIP患者往往表现出多变的体征或症状,诊断可能具有主观性[2, 6]。然而,当存在可能的IIP体征时,患者应接受紧急评估。尽管据报道视乳头水肿对识别IIP具有高特异性,但其诊断敏感性多变,且在较年轻患者中较低[2, 7]。因此,儿童慢性IIP的诊断往往不明确,儿科IIP仍然存在诊断不足[8, 9]。这一诊断挑战可能有助于解释颅缝早闭患儿治疗前IIP报告患病率的差异[10–15]。

放射学评估可以帮助了解慢性颅内压增高患者是否存在IIP。对颅内占位性病变、脑积水、静脉窦血栓形成、巩膜变平或视神经迂曲以及硬脑膜静脉窦受压的观察,可在颅内磁共振成像(MRI)或计算机断层扫描(CT)上提示IIP[16, 17]。然而,这些发现多变,与急性病例相比在慢性患者中较少见,且可能较细微,因此其识别取决于观察者的专业水平。

既往研究表明,颅内压升高会导致颅骨骨板的骨吸收与骨沉积之间失衡,从而可引起骨厚度和密度异常[13, 18–20]。这些发现得到了对特发性颅内压增高(IIP)患者颅骨变薄和密度丢失的临床观察的支持[18, 19]。遗憾的是,由于这些观察结果高度变异,因其依赖于年龄和性别,并受CT图像分辨率和部分容积效应的影响[21],它们尚未被常规用于识别IIP。在本研究中,我们假设慢性IIP所导致的细微颅骨密度和/或厚度变化可在儿童中利用常规获取的CT图像进行系统量化,以支持神经影像学评估。我们的方法利用儿童颅骨发育的年龄和性别特异性规范参考——该参考代表颅穹窿各部位骨密度和厚度的预期范围——来量化在病因多样的慢性IIP儿童数据集中常见的异常模式。随后,我们介绍一种机器学习工具,我们训练其识别此类量化异常。最后,我们展示一项初步研究,演示使用我们的方法在一个独立的非综合征性矢状缝早闭(NSSC)患者治疗前数据集中探索IIP征象,这些患者的IIP临床报告高度变异[8, 9, 11, 15, 22]。

材料与方法

数据描述

在获得科罗拉多大学安舒茨医学校区(方案#20-1563)和儿童国家医院(方案#3792)内部审查委员会批准后,获取了2005年至2022年间三套10岁以下儿童的回顾性CT图像数据集。数据集A、B和C中获取的所有CT图像均为标准临床诊疗的一部分,因此,没有专门为本回顾性研究获取任何CT图像。数据集A包括1,018名无IIP的规范受试者的CT图像(539名男性,479名女性,年龄3.08 ± 3.02岁,年龄范围0–10岁)。这些受试者因创伤被转至急诊室,其临床和影像学评估排除了任何颅骨异常。所有这些图像已在既往研究中用于创建儿童发育的规范统计参考[23],并在本研究中用于创建颅穹窿各部位骨厚度和密度的定量规范参考,同时考虑人群中与年龄和性别相关的变异性,以及不同图像分辨率所引入的影响。

数据集B包含48例诊断为慢性IIP并接受长期随访后需手术治疗患者的CT图像(男23例,女25例,年龄4.23 ± 3.13岁,年龄范围0–10岁)。采用严格的纳入和排除标准以确保诊断准确。患者临床随访至少2周,除至少一项可量化的IIP体征外,还至少有一项IIP临床体征(平均症状持续时间2.5 2.9个月)[24, 25]。IIP的临床体征定义为随访期间持续存在的头痛(N = 15)、视力改变(N = 2)、呕吐/恶心(N = 26)、烦躁(N = 7)、嗜睡(N = 9)、发育迟缓/发育里程碑丧失(N = 4)和/或囟门膨隆/饱满/紧张(N = 3)[2, 26]。IIP的可量化体征包括眼科评估或MRI上的视乳头水肿(N = 18)、枕额围增加(N = 8)、神经影像学评估中IIP或脑积水的各种影像学征象(N = 44,包括中线移位、脑室扩大、脑室周围水肿和/或视神经迂曲),和/或通过颅内压监测仪、腰椎穿刺或术中硬脑膜紧张直接测量颅内压升高(N = 6)[24, 26–28]。慢性IIP的详细病因、数据集B中每位患者的临床和可量化症状见在线资源1。所有这些患者的症状表现均非急性,且在随访期间逐渐加重直至需要治疗。排除标准包括表现为急性颅内压升高并伴有精神状态改变、呼吸衰竭、意识丧失或脑疝征象等症状的患者。若患者出现任何营养不良征象亦予以排除,因为营养不良可能对骨骼产生继发影响,从而对本研究造成偏倚。继发于颅内肿瘤的慢性IIP患者,若因肿瘤可能影响骨密度和厚度而存在骨骼受累,亦予以排除。无患者在图像采集前接受过任何手术、放疗/化疗或任何癌症治疗。对于继发于颅内肿瘤的慢性IIP患者,仅纳入生长缓慢的肿瘤(WHO 1级或2级肿瘤,以及4例WHO 3级肿瘤,均为阻塞脑脊液并导致脑室扩大的室管膜瘤)。数据集B中慢性IIP的病因列于表1。

数据集C包含242例(男180例,年龄0.38 0.35岁,年龄范围0–2岁)诊断为NSSC并接受治疗前患者的横断面CT图像。数据集C中年龄大于两岁的患者被排除,因为该患者组数据不足以进行统计分析。

为尽量减少与图像分辨率和部分容积效应相关的数据变异性,平面内分辨率大于0.5 mm或层厚大于1.5 mm的图像被排除。此外,有既往手术史或已知遗传疾病的患者被排除。表1列出了患者人群的特征,图1显示了数据收集流程图。平均平面内图像分辨率为0.37 0.06 mm,层厚为0.72 0.26 mm。不同数据集之间未发现显著的图像分辨率差异(数据集A与B、A与C、B与C之间分别为P=.88、P=.07和P = .10)。

图1 数据集A、B和C的数据收集流程图 查看原图 ↗
表1 数据集A(正常受试者)、B(慢性颅内压增高患者)和C(非综合征型矢状缝早闭患者)的详细信息 查看原表 ↗

颅盖表征的标准化

所有图像均采用线性插值重采样至统一的平面内分辨率0.5 mm和层厚1.5 mm,以减少与部分容积效应相关的数据多样性。我们使用公开可用的最先进方法[29, 30]从CT图像中自动分割颅盖并标记额骨、顶骨和枕骨(见图2)。任何分割不准确之处均经手动校正。在计算颅盖每个位置的颅骨厚度(单位:mm)和平均密度(单位:亨氏单位(HU))后[30],我们使用球面采样获得颅盖的二维表征。随后将这些表征在颅缝处迭代对齐,以获得患者间标准化的解剖学表征,如图2(b)-(d)所示[30]。

图2 颅盖的标准化表征。(a)从CT图像中分割的颅面,以颜色编码的骨骼标记。(b)-(c)一名1.4岁正常受试者的平均骨密度(亨氏单位)(b)和厚度(mm)(c)的标准化二维表征。(d)每块主要骨骼和骨缝的位置 查看原图 ↗

统计分析

颅内压对颅骨厚度和密度的影响

使用标准化解剖学表征,我们计算了每位患者每块颅骨和每条骨缝处的平均颅骨厚度和密度。为提高可解释性,我们随后使用线性回归对正常人群(数据集A)和慢性IIP患者(数据集B)中观察到的分布进行统计学比较。由于出生后前两年的颅骨生长速率显著快于2至10岁之间[31],我们将数据集分为这两个年龄组。然后,我们使用线性回归量化IIP对颅骨厚度和密度的影响,同时考虑年龄和性别。由于图像分辨率可影响CT图像中厚度和密度的量化[32, 33],我们还使用以下表达式考虑原始CT图像体素体积:

其中为患者在某颅骨位置的局部颅骨厚度或密度,为回归参数,为患者的年龄,为原始图像体素体积(单位:),和分别为表示患者为男性或患有IIP的二值指标。IIP效应的显著性使用t检验评估。

IIP的自动识别

在量化正常受试者与慢性IIP患者之间颅骨厚度和密度差异的显著性后,我们构建了一种基于机器学习的方法来自动识别与慢性IIP相关的模式。首先,我们使用数据集A在颅盖每个区域创建骨厚度和密度的统计正常参考模型,采用与其他工作[23]类似的公式,但同时考虑图像分辨率。具体而言,我们构建了从出生到10岁的局部非线性回归模型,如下所示:

其中是回归参数。模型参数使用高斯-牛顿算法[34]进行估计,目标是最小化数据集A中真实观测值与我们的模型估计值之间的平方差。

然后,对于数据集A和B中的每个受试者,我们使用公式(2)计算其厚度和密度异常值,即从其CT图像中量化的值与回归得到的规范性参考值之间的距离。对于对称结构(即两块额骨和两块顶骨,以及两条冠状缝和两条人字缝),我们计算了左右结构之间的平均值和绝对差值。随后使用主成分分析来表示量化信息以消除共线性。在剔除方差为零的主成分后,我们在使用递归特征消除[35]进行特征选择后,训练了一个逻辑回归分类器来区分患有和不患有慢性IIP的患者。在分类器训练过程中,我们使用了加权方案[36]来补偿数据集A(n = 1,018)和B(n = 48)之间的类别不平衡,使两组对分类模型的贡献相等。评估采用留一交叉验证进行。

非综合征性颅缝早闭(NSSC)患者中IIP体征的研究

按照第2.3.1节所述方法,我们通过修改公式(1)以将NSSC纳入考量,量化了NSSC患者(数据集C)、正常人群(数据集A)和IIP患者(数据集B)之间骨厚度和密度差异的统计显著性:

其中是回归参数,是表示患者是否被诊断为NSSC的二值指示变量。注意和是互斥的。

然后,我们使用与第2.3.2节中训练用于识别慢性IIP的分类器类似的分类器,研究NSSC患者是否表现出慢性IIP的体征。具体而言,在计算厚度和密度异常后,我们剔除了数据集C中NSSC患者病理所独有的特征信息(即第3.3节结果中呈现的缝线信息和骨厚度),以避免引入NSSC独有的定量偏差并使模型具有泛化能力。然后,我们重新训练分类器以将IIP患者(数据集B)与正常受试者(数据集A)进行分类。训练完成后,我们使用模型在NSSC患者的独立数据集(数据集C)中预测IIP风险。

结果

颅内压对颅骨厚度和密度的影响

表2展示了正常受试者与IIP患者之间颅骨厚度和密度的差异。本研究采用0.05的p值阈值来确定统计学显著性。除2岁以下枕骨外,各颅骨骨板均未发现显著的骨厚度差异。然而,在IIP患者中,围绕未闭合颅缝处(2岁后已正常融合的额缝除外)发现显著的骨变薄。在各年龄段IIP患者中均观察到颅骨密度总体显著降低(p < .001)。虽然在出生至2岁期间所有骨缝中也发现骨密度显著降低(p < .001),但与正常值相比,2至10岁期间仅在冠状缝和人字缝处差异显著。在图3中,我们展示了来自数据集B的慢性IIP患者(a.1)与来自数据集A的年龄和性别匹配的正常参考者(a.2)相比的颅骨异常代表性示例。

图3 慢性IIP患者(a.1)和NSSC患者(b.1)轴位CT图像切片中骨异常的定性展示,与年龄和性别匹配的正常受试者(a.2和b.2)进行比较。(a.1)7.7岁男性患者,继发于颅内肿瘤的慢性IIP,颅骨骨密度降低。(a.2)7.7岁正常男性受试者。(b.1)10.9个月女性患者,未经治疗的NSSC(b.1),颅骨骨密度降低。(b.2)10.9个月女性正常参考者(b.2)。颅骨骨密度以亨氏单位(HU)表示,采用颜色编码 查看原图 ↗
表2 IIP患者(数据集B)与正常受试者(数据集A)之间局部颅骨厚度和骨密度的平均差异 查看原表 ↗

IIP的自动识别

通过递归特征消除进行特征选择后,选取了六个方差非零的主成分来训练我们的逻辑回归分类器。图4(a)展示了使用方差最大的前两个选定主成分表示的数据。我们的留一法交叉验证结果产生了86.96%(95% CI:84.76%,88.89%)的准确率、87.13%(95% CI:84.88%,89.09%)的特异度和83.33%(95% CI:69.24%,92.03%)的敏感度。在八例被误分类的IIP患者中(占总数的16.67%),一例患有先天性脑积水(占该患者组的20.00%),两例患有特发性颅内高压(占该患者组的100.00%),一例患有蛛网膜囊肿(占该患者组的33.33%),四例患有颅内肿瘤(占该患者组的11.11%)。没有出血患者被误分类。图4(b)展示了受试者工作特征(ROC)曲线,其面积(AUROC)为0.91。交叉验证期间计算的概率分布如图4(c)所示。我们获得正常受试者的IIP平均交叉验证风险(19.08 20.29%)显著高于IIP患者(78.44 32.31%,P<.001,Mann Whitney U检验)。

NSSC患者中IIP征象的研究

表3展示了我们的非综合征性颅缝早闭(NSSC)患者(数据集C)与标准受试者(数据集A)及慢性特发性颅内压增高(IIP)患者(数据集B)相比,在局部颅骨厚度和密度上的差异。与标准受试者和IIP患者相比,NSSC患者表现出显著的颅骨增厚(p < .001)。此外,与标准受试者相比,NSSC患者在颅骨处通常表现出显著的骨密度降低(p < .001),这与慢性IIP患者中观察到的降低无差异。我们还发现,与IIP患者相比,NSSC患者在骨缝处的骨密度显著增加(p < .001)。与标准受试者相比,NSSC患者的骨密度在额缝处无差异,在矢状缝处较高(由于融合),在冠状缝和人字缝处较低。图3(b.1)和(b.2)展示了一个定性示例。

在按照第2.3.3节所述重新训练我们的分类器以从标准受试者中识别IIP患者后,使用递归特征消除选择了五个方差非零的主成分。图4(d)展示了前两个被选择的主成分。图4(e)展示了ROC曲线,AUROC为0.82。留一法交叉验证产生了84.80%(95% CI:82.47%,86.88%)的准确率、84.97%的特异度(95% CI:82.59%,87.08%)和81.25%(95% CI:66.90%,90.56%)的敏感度,这与使用厚度和骨缝信息时获得的分类结果在统计学上无差异(McNemar检验P = .11)。图4(f)展示了标准受试者、慢性IIP患者和NSSC患者中IIP风险的分布。分类器量化显示,NSSC患者的IIP风险(45.79 25.42%)显著高于标准受试者(30.83 20.54%,Mann Whitney U检验P<.001),且低于确诊慢性IIP患者(66.70% 28.37%,P<.001)。我们的NSSC患者中有36.78%(95% CI:30.76%,43.22%)被识别为具有高IIP风险。

表3 NSSC患者与IIP患者及标准受试者相比局部颅骨厚度和骨密度的平均差异 查看原表 ↗
图4 (a)-(c):使用颅骨厚度和密度异常训练的分类器识别IIP的结果(第2.4节和第3.2节)。(a) 分别显示正常受试者(橙色圆圈)和IIP患者(绿色圆圈)方差最大的前两个选定主成分。(b) 受试者工作特征(ROC)曲线。使约登指数最大化的概率阈值以红色表示。(c) 箱线图表示正常受试者和IIP患者中经交叉验证的IIP风险,采用留一交叉验证评估。**表示P < .001的显著差异,采用Mann Whitney U检验评估。(d)-(f):仅使用骨板处骨密度异常训练的分类器识别IIP,并在NSSC患者中测试识别IIP征象的结果(第2.5节和第3.3节)。(d) 分别显示正常受试者(橙色圆圈)、IIP患者(绿色圆圈)和NSSC患者(紫色圆圈)方差最大的前两个选定主成分。(e) ROC曲线。(f) 箱线图分别表示正常受试者、IIP患者和NSSC患者中IIP的概率。正常受试者和IIP患者的IIP概率风险采用交叉验证量化。NSSC患者的IIP概率风险采用以所有正常受试者和IIP患者训练的最终模型量化。 查看原图 ↗

讨论

我们研究了由先天性异常或低级别肿瘤引起的慢性IIP患者的颅骨异常,这些患者需要纵向评估直至确认压力升高。我们定量显示,与正常受试者相比,这些儿童的颅盖骨密度显著降低。尽管这种降低可能比急性IIP患者更为细微,且在神经放射学评估中可能被肉眼遗漏,但我们证明,使用定量工具可以从常规采集的CT图像中准确、系统地识别这种变化。重要的是,我们的方法考虑了与患者年龄、患者性别和不同图像分辨率相关的变异性。

在发育过程中,随着脑膜扩张以代偿生长中大脑带来的压力增加,颅缝使颅骨能够向外生长。骨细胞具有机械敏感性,并对颅内压的局部升高作出反应,使颅骨能够通过成骨细胞和破骨细胞的协调作用进行重塑,分别形成和吸收骨质[37]。这一协调系统有助于维持内层颅骨骨吸收、骨缝和外层颅骨沉积以及重塑之间的平衡[31]。鉴于慢性IIP患者颅骨异常的细微性和变异性[2, 38],缺乏颅骨厚度和密度的年龄和性别特异性正常参考值,以及缺乏能够进行系统研究的定量工具,关于慢性IIP儿童颅骨异常的报道不一且相互矛盾[2, 22]。因此,在作出诊断之前,通常需要进行纵向或侵入性临床评估。我们的研究首次表明,尽管存在潜在的细微性和变异性,与慢性IIP相关的局部颅骨变化可以被系统地量化,以支持神经放射学评估。

有趣的是,与其他报道[18, 19]不同,我们并未发现颅骨骨板存在显著变薄,这解释了儿童神经放射科医生识别这些异常的困难所在。虽然既往研究报道了显著的颅盖骨变薄,但颧骨厚度并无显著差异。此外,那些研究中发现的颅盖骨厚度差异在0.01的显著性水平下并不显著[18, 19]。我们推测患者年龄是本研究中未发现颅骨变薄的主要原因。首先,已有研究表明,与成人不同,儿科患者在早期发育阶段保留了颅盖骨缺损再骨化的能力[31]。此外,我们的患者表现为非急性和慢性颅内压升高,既往研究表明,儿童能够有效代偿与颅内压升高相关的潜在骨质变薄,直至超过某一阈值后才会观察到颅骨变薄[31, 37]。因此,骨密度丢失可能是非急性颅内压升高患者中唯一能够系统量化的骨骼异常。另一个可能的 contributing 因素可能是图像分辨率不足以发现慢性特发性颅内压增高(IIP)患者中显著的骨厚度异常。我们仅观察到开放颅缝周围的显著骨质变薄(即2岁后未发现额缝区域存在差异)。这可能是因为压力增高导致颅缝处骨板分离加大,同时颅盖骨持续向外扩张。这一解释与在儿童IIP患者中观察到的颅内体积增加相一致[14]。

我们评估了是否仅利用CT图像中的骨厚度和骨密度观察结果即可自动识别慢性IIP患者。我们的交叉验证结果显示了83.33%的敏感度和87.13%的特异度,此外还估计出慢性IIP患者相较于正常人群具有显著更高的风险。这些结果表明了我们的方法在辅助儿童神经放射学评估方面的潜力。

我们还展示了使用我们的方法研究非综合征性矢状缝早闭(NSSC)患者中IIP征象的应用,对于这类患者,IIP的报道差异很大[8, 9, 11, 15, 22]。这些患者相较于正常受试者表现为颅骨广泛的密度丢失,且与IIP患者无差异,提示存在压力升高。在颅缝方面,仅在骨生长方向垂直于融合的矢状缝的颅缝(即冠状缝和人字缝)中观察到相较于正常者的骨密度降低。这与平行于融合矢状缝方向上的较高压力有关,该压力也是导致这些患者前后径代偿性过度发育从而引起舟状头畸形的原因[39]。

我们发现,与正常受试者和慢性IIP患者相比,NSSC患者存在广泛的显著颅骨增厚。这一有趣的发现可能与我们的NSSC患者比慢性IIP患者表现出更小的压力升高有关,因为他们通常在出现明显的IIP症状之前就接受了早期手术治疗。既往研究[19, 21]提出了一种压力升高阈值,低于该阈值时成骨细胞与破骨细胞作用的不平衡会导致颅骨增厚,这与我们的发现一致。此外,由于这些患者的颅缝早闭病因未知,导致其病理改变的遗传性疾病也可能扰乱正常的成骨过程,从而影响骨厚度。尽管我们利用大型数据集的研究显示该患者群体相较于正常人群存在显著的异常模式,但仍需进一步研究以确认这些观察结果的具体原因。

尽管识别IIP是决定颅缝早闭及其他影响颅脑复合体的发育性病变手术时机的重要因素[2, 10–12],但IIP仍存在诊断不足[11, 15],且神经影像学评估常无法得出结论[38, 40]。我们的方法提供了一个定量框架,可利用常规采集的CT图像识别有IIP风险的患者。我们发现36.78%的NSSC患者存在IIP征象,这一比例处于已报道的非综合征性颅缝早闭患者IIP患病率范围内(范围从15–20%[11, 15, 22]到年轻患者中的44%[9]、未治疗老年患者中的69.4%[8],以及综合征性颅缝早闭患者中的30–40%[10, 11, 15])。由于使用监护仪或腰椎穿刺直接测量颅内压通常因操作的有创性而被避免,未来在该患者群体中进行临床验证可能具有挑战性。寻求对我们方法进一步验证的可能途径包括开展一项相关性研究,探讨估计的IIP风险与其畸形表型严重程度之间的相关性[10, 15],后者是颅内压升高所致代偿性过度发育的直接结果[41]。

本研究的一项局限性涉及有限的CT图像分辨率和部分容积效应。尽管我们严格的排除标准旨在尽量减少数据变异性,且我们的数据集之间不存在显著的分辨率差异,并且我们的预处理步骤和模型考虑了图像分辨率,但部分容积效应仍可能导致我们定量分析的不准确[32, 33]。另一项局限性是数据集B主要由颅内肿瘤患者组成,这可能影响我们的模型对其他IIP病因的泛化能力。因此,我们正在努力建立合作以增加数据集B中患者的多样性,从而实现我们方法更高的性能和泛化性。我们期望在未来研究中继发于其他非综合征性或综合征性颅缝早闭的慢性IIP患者中验证我们的模型。重要的是,需要考虑在更大的人群群体中开展前瞻性临床研究,以对我们的方法进行临床验证。

结论

在这项工作中,我们已经表明,定量统计和机器学习方法能够系统地识别常规获取的儿科CT图像中由慢性颅内压增高(IIP)引起的局部颅骨厚度和密度异常。此外,我们已经展示了我们的方法在探索非综合征性颅缝早闭(NSSC)患者颅内压升高征象方面的应用。我们的结果表明,我们的方法有潜力支持儿科神经放射学评估,从而在没有长期随访的情况下实现颅内压增高的早期无创诊断。我们的方法对于研究继发于颅骨病理的颅内压升高也具有很高的价值。

电子补充材料

以下是电子补充材料的链接。

补充材料1

引用

  1. Liu J, Chaij J, Linguraru MG, et al. Cranial bone thickness and density anomalies quantified from CT images can identify chronic increased intracranial pressure. Neuroradiology. 2024. PMID: 38871879. doi:10.1007/s00234-024-03393-0
  2. 全文:PMC11424726(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11424726/

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。