基于新型多参数脑MRI放射组学模型识别克罗恩病患者神经改变
前瞻性单中心研究纳入230例克罗恩病患者和46例健康对照,基于多参数脑MRI提取放射组学特征构建模型区分两组,训练组AUC 0.991、测试组AUC 0.956;多组学分析提示韦荣球菌属可能通过三酰甘油调控颞中皮层血流。
要点
- 多参数脑MRI放射组学模型在测试组区分克罗恩病与健康对照的AUC为0.956(95%CI 0.881–1.000)。
- 模型最优阈值为0.56,rad-score超过0.56提示个体可能呈现克罗恩病相关脑特征。
- 左侧海马R2Star-p10、左侧壳核fMRI-ReHo-p10和左侧尾侧前扣带皮层DKI-KFA-std是模型最重要的三个特征。
核心结论
- 研究开发的多参数MRI放射组学模型可表征克罗恩病患者的神经改变,多组学数据为模型有效性提供潜在证据。
- 韦荣球菌属等菌群失调可能通过三酰甘油调控颞中皮层血流。
- 该研究可能为潜在治疗靶点提供线索。
研究设计与样本
- 前瞻性、观察性、单中心研究,经中山大学附属第一医院机构伦理审查委员会批准(编号[2021]215-2)。
- 2021年6月至2023年5月招募243例克罗恩病患者和46例健康对照,最终纳入276例(克罗恩病230例、健康对照46例)。
- 155例接受脑MRI并按7:3随机分为训练组(克罗恩病75例、健康对照32例)和测试组(克罗恩病34例、健康对照14例)。
- MRI采用3-T扫描仪(MAGNETOM Prisma,Siemens Healthineers),64通道相控阵头线圈,序列包括静息态BOLD、扩散谱成像、定量磁化率映射、动脉自旋标记和非增强T1WI,全脑检查时间50分钟。
- 从29个定量参数图的95个脑区提取13,870个特征,采用三步策略构建多参数多脑区逻辑回归模型,训练组行五折交叉验证。
关键影像表现/征象
- 最终选用13个脑放射组学特征构建模型,其中5个特征(左侧海马R2Star-p10、左侧尾侧前扣带皮层DKI-KFA-std、左侧颞中皮层CBF-p90、左侧丘脑CBF-std、右侧额上回DKI-GA-std)为未见于现有克罗恩病文献的新特异性标志物。
- 左侧海马R2Star-p10特征上克罗恩病患者均值低于健康对照,提示该特征值降低可能与克罗恩病相关。
- 放射组学评分、状态焦虑评分、特质焦虑评分、感知压力量表和贝克抑郁量表评分在克罗恩病患者中高于健康对照,教育水平、BMI和饮酒史低于健康对照。
- 4个脑特征(右侧中央前回fMRI-ALFF-P10、右侧中央后回fMRI-ReHo-P90、左侧楔叶fMRI-ReHo-Std、左侧丘脑CBF-std)与状态焦虑、特质焦虑和贝克抑郁量表评分呈轻度相关(r=0.10–0.26,均p<0.05)。
诊断标准与关键数值
- 训练组放射组学模型区分克罗恩病与健康对照的AUC为0.991(95%CI 0.975–1.000),验证组AUC为0.988(95%CI 0.975–1.000),测试组AUC为0.956(95%CI 0.881–1.000)。
- 模型最优阈值为0.56,rad-score超过0.56提示个体可能呈现克罗恩病相关脑特征。
- 综合脑-心理-临床模型在训练组、验证组和测试组的AUC分别为0.998(95%CI 0.993–1.000)、0.994(95%CI 0.983–1.000)和0.985(95%CI 0.945–1.000)。
临床应用与阅片要点
- 放射组学评分在综合模型中贡献最大,超过临床和心理因素,支持单一放射组学模型表征克罗恩病脑特征的能力。
- 放射组学模型与综合脑-心理-临床模型在训练组和测试组性能相当(DeLong检验均p>0.05)。
- 韦荣球菌属与左侧颞中皮层CBF-p90相关(r=0.41),中介分析提示菌群失调可能通过三酰甘油调控颞中皮层血流。
局限性
- 原文未报告局限性。
全文中译16 节 · 点击展开
引言
克罗恩病(CD)是一种慢性炎症性肠病(IBD),以腹痛、持续性腹泻、非意愿性体重下降、慢性疲劳和/或食欲减退等临床症状为特征[1]。IBD(如CD)使个体易患精神障碍,尤其是抑郁和焦虑[2]。IBD患者中共病抑郁和焦虑的患病率为20%至40%[3]。焦虑和抑郁的存在反过来又会加重肠道症状[4]。肠-脑轴是中枢神经系统与胃肠道之间的重要生理连接,越来越多的证据表明其参与发病机制,使其成为管理CD的有前景的靶点[5]。然而,CD患者的神经改变仍不明确,阻碍了相应治疗策略的开发[6]。
脑磁共振成像(MRI)有助于描述CD患者的神经改变并阐明肠道与大脑之间的关系[7]。既往研究已将杏仁核和岛叶的功能和结构改变等脑特征与CD的情绪、认知和肠道状况联系起来[8–10]。杏仁核功能连接(FC)异常可能参与CD内脏痛感觉和情绪的处理[9];而以岛叶为中心的结构和/或功能改变可能与异常的内脏感觉处理及相关情绪反应有关[10]。然而,这些研究大多仅使用了有限数量的MRI参数,例如仅来源于弥散张量成像的参数[8]、静息态血氧水平依赖(BOLD)信号[11, 12]、BOLD联合T1加权结构序列[10, 13, 14],或联合质子磁共振波谱参数[15]。这一局限性可能限制了病理生理学解释的准确性。相比之下,更全面的多参数神经影像学可能克服这些局限性,并为复杂的神经过程提供新的见解。
影像组学从医学图像中提取大量特征并构建机器学习模型用于诊断,已在医学领域得到广泛应用[16]。我们假设影像组学结合多参数脑MRI有望全面表征脑特征,并能克服数据挖掘和解释不足的局限性。
此外,近期证据揭示了肠道微生物组、代谢物紊乱与神经系统疾病之间的显著关联,涉及其他疾病,如遗忘型轻度认知障碍和肠易激综合征[17, 18],提示采用多组学方法研究CD中肠-脑轴潜在关联的可行性。
本前瞻性研究旨在开发并验证基于多参数脑MRI数据的影像组学模型(RM),用于表征CD患者的神经表型,并利用多组学数据(包括脑影像组学、粪便16S rRNA测序和血液代谢组学)对该RM进行解释。
材料与方法
研究对象
本前瞻性、观察性、单中心研究经中山大学附属第一医院机构伦理审查委员会批准(编号:[2021]215-2)。所有参与者均获得了知情同意。
2021年6月至2023年5月,共招募243例CD患者和46名健康对照(HCs)。为探究肠-脑轴多组学相关性,我们纳入自愿提供血液或粪便样本、接受脑MRI扫描或参与这三种程序任意组合的CD患者。CD患者和HCs的纳入标准如下:(a)可获得粪便或血液样本或完整脑MRI数据(方案见下文),(b)年龄18–45岁(以尽量减少较大年龄对脑结构或功能的潜在影响,以及较小年龄对MRI扫描和心理量表调查期间配合有限的潜在影响[19–21]),以及(c)右利手(以尽量减少利手对脑功能的潜在影响[22])。排除标准如下:(a)纳入前三个月内使用抗生素、益生菌或益生元(以尽量减少对肠道微生物群的潜在影响[23, 24]);(b)其他伴发的器质性/功能性消化系统疾病;或(c)在接受脑MRI者中,存在以下之一:(1)神经外科手术史、头部损伤、脑血管疾病或伴意识丧失的脑外伤;(2)纳入前3个月内使用中枢神经系统药物或抗抑郁药;(3)不良生活事件所致暂时性抑郁;(4)幽闭恐惧症;或(5)金属植入物。研究方案见图1,参与者招募流程见补充图2。
基于多参数脑MRI的RM的开发与验证
脑MRI采集
共有155名接受脑MRI的参与者按7:3的比例随机分配到两个队列:训练队列(CD,n = 75;HCs,n = 32)和测试队列(CD,n = 34;HCs,n = 14)。MRI在3-T MRI扫描仪(MAGNETOM Prisma;Siemens Healthineers,Erlangen,Germany)上使用64通道相控阵头线圈采集。MRI序列包括静息态BOLD成像(用于反映每个体素的自发神经活动水平)[25]、扩散谱成像(DSI,用于评估组织微结构特性)[26]、定量磁敏感映射(用于评估铁变化)[27]、动脉自旋标记(用于量化脑灌注)[28]以及平扫T1加权成像(T1WI,用于提供解剖细节)[29]。采用这些序列的组合以实现对CD患者更全面的脑表征。完成全脑检查所需时间为50分钟。方案参数见补充表1。
数据预处理、脑区分割和影像组学特征提取
MRI 后,对数据进行处理以生成 29 幅定量参数图(补充材料 1;图 2a)。首先,为增强解剖细节的保留,我们使用 FreeSurfer 工具箱(版本 6.0)[30] 并采用 FastSurfer 方法 [31] 和 Desikan-Killiany 图谱 [32] 对脑 T1WI 进行自动分割。随后使用 Elastix(https://elastix.lumc.nl/)将所有参数图配准至 T1WI。接着,使用 PyRadiomics(版本 3.0.1,https://pyradiomics.readthedocs.io/)软件包从每幅图上的每个脑区提取五个一阶特征,包括均值、标准差(std)、第 10 百分位数(p10)、第 50 百分位数(p50)和第 90 百分位数(p90)。因此,提取了 13,775 个一阶特征(5 个一阶特征 × 29 幅参数图 × 95 个脑区)以及 95 个脑区相对体积(vol)特征,每位受试者共得到 13,870 个特征。图像处理和特征提取流程在我们基于 Python 代码(版本 3.8)的内部后处理工具 BrainQuanAll 中实现。
RM的开发与验证
建模前,使用上采样对训练队列进行平衡,以确保数据集中正样本和负样本比例相等。使用Z变换对一阶放射组学特征进行标准化。为降低维度并从13,870个特征中筛选最佳特征子集,采用三步策略,使用开源软件FeatureExplorer开发多参数-多脑区逻辑回归(LR)模型[33](图2a;补充图1;补充材料2)。为确保多参数模型的稳健性和泛化能力,在训练集中进行五折交叉验证以确定最终特征集。根据最终的多参数-多脑区模型计算每位参与者的放射组学评分(rad-score)。其中“FeatureK”为RM中保留的第k个脑特征的值,“Coef”为RM为每个脑特征生成的值,“bias”为线性回归的偏置值。模型公式的详细信息见补充材料2。
此外,为进一步检验RM的性能,我们构建了一个综合脑-心理-临床LR模型(补充材料3),并将其与单一RM进行比较(使用DeLong检验)。我们利用受试者工作特征(ROC)曲线和ROC曲线下面积(AUC)评估预测模型的性能。分类阈值通过在训练集中最大化约登指数获得,并用于计算准确率(ACC)、灵敏度(SEN)和特异度(SPE)。使用Shapley加性解释(SHAP)通过评估模型中每个特征的重要性对模型进行可视化[34]。这些特征的分布通过山脊图展示[35]。统计分析使用开源Python库SciPy和scikit-learn实现。
心理问卷和临床数据收集
接受脑MRI的155名参与者完成了状态-特质焦虑量表(STAI)[36]、感知压力量表(PSS)[37]和贝克抑郁量表(BDI)[38],用于评估其心理状况(补充材料4;补充表2-5)。
通过问卷收集临床数据,包括性别、年龄、教育水平、体质指数(BMI)、吸烟史和饮酒史。饮酒史和吸烟史均作为二分类变量处理。自我报告的过去或现在吸烟和饮酒行为分别定义为吸烟和饮酒[39]。
RM与综合脑-心理-临床模型的性能比较
为进一步研究RM的性能,我们将心理因素(包括STAI、BDI和PSS评分)和临床因素(包括在CD和HC之间差异显著的饮酒史、BMI和教育水平)与RM结合,开发了一个综合模型,并将其性能与RM进行比较。
粪便16S rRNA测序和血液代谢组学分析
粪便样本进行16S rRNA基因扩增子测序,重点鉴定与健康对照(HC)相比在克罗恩病(CD)患者中富集的菌属。血液样本用于靶向代谢组学分析,检测528种特定代谢物(补充材料5)。肠道微生物群和血液代谢物的分析在R统计软件(版本4.2.2)中进行。微生物α多样性[40]基于Chao1[41]、Simpson[42]、Shannon[43]和Pielou指数[44]进行评估。还计算了Bray‒Curtis距离[45]和β多样性[46]。α多样性和β多样性的定义及指数介绍见补充表10。
统计分析
统计分析使用R统计软件进行。双侧p值<0.050表示统计学显著。变量的单因素分析根据数据分布采用Student t检验、Mann–Whitney U检验或卡方检验。
采用Wilcoxon秩和检验比较CD患者与HC之间的α多样性。使用Vegan软件包(版本2.6)中的adonis函数进行置换多元方差分析(PERMANOVA),以评估不同分组所解释的微生物方差(https://view.qiime2.org/)。进行线性判别分析效应量(LEfSe)以鉴定差异丰度分类群。代谢组学数据归一化后,进行主成分分析(PCA)以观察组内和组间的分布。通过单因素分析和正交偏最小二乘判别分析(OPLS-DA)鉴定组间差异丰度代谢物。
在CD患者中进行了成对线性回归分析以研究多组学数据内的相关性,同时校正年龄、性别和BMI。仅成对回归分析中p<0.05的变量用于后续Pearson相关和中介分析,以进一步探索多组学数据内的关联。
结果
CD患者与HC之间临床和心理数据的差异
最终纳入276名受试者(CD,n=230;HC,n=46;补充图2)。在这些参与者中,260名(CD,n=230;HC,n=30)提供了血液样本,182名(CD,n=152;HC,n=30)提供了粪便样本,155名(CD,n=109;HC,n=46)另外接受了脑MRI并完成了心理问卷。所有这些数据均在一周内收集。
参与者的人口学特征、临床变量和心理问卷结果见表1。除肠道状况外,我们还考虑了吸烟和饮酒等可能影响脑结构或功能的的生活方式因素[47]。在训练队列和测试队列中,CD患者与HC之间在教育水平和心理评分方面均观察到显著差异(均p<0.05)。CD患者与HC之间饮酒量和BMI的差异在训练队列中显著(均p<0.01),但在测试队列中不显著(均p>0.05)。
通过RM识别的CD患者脑特征与HC不同
最终使用13个脑影像组学特征来构建RM。与先前发表的文献相比(详见表2),在我们的研究中,13个脑特征中有五个特征(左侧海马-R2Star-p10、左侧扣带回前部-尾侧-DKI-KFA-std、左侧颞中回-CBF-p90、左侧丘脑本体-CBF-std和右侧额上回-DKI-GA-std)被确定为CD患者的新颖特异性标志物。这些特征尚未在现有文献中针对CD患者报道。它们在RM中的总体重要性见表3和SHAP图(图2b)。具体而言,左侧海马-R2Star-p10、左侧壳核-fMRI-ReHo-p10和左侧扣带回前部-尾侧-DKI-KFA-std是三个最重要的特征。山脊图显示了HCs和CD患者之间同一脑特征的数据分布差异(图2c)。例如,在左侧海马-R2Star-p10特征中,CD患者表现出比HCs更低的平均值,提示该特征值降低与CD之间可能存在关联。
RM有效表征了CD患者的脑特征,并成功将其与HCs区分开来,在训练队列中达到AUC为0.988(95% CI,0.975–1.000),在验证队列中为0.914(95% CI,0.856–0.960)。在测试队列中,RM仍表现出令人满意的性能(AUC = 0.956;95% CI,0.881–1.000)(图2d;表4)。该RM确定的最佳阈值为0.56,表明当个体的rad-score超过0.56时,他/她可能表现出与CD患者相关的脑特征。
RM的性能与综合脑-心理-临床模型相当
综合模型中八个特征的总体重要性见表3和图3a。具体而言,rad-score、S-score、T-score、PSS和BDI的升高具有正向影响,并驱动了对CD患者脑特征的预测。在这些特征中,rad-score对综合模型的贡献最为显著,超过了临床和心理因素的重要性,从而进一步证实了其表征CD脑特征的能力。这些特征在HCs和CD患者之间数据分布的差异见图3b的山脊图。具体而言,CD患者的rad-score、S-score、T-score、PSS和BDI高于HCs。相反,与HCs相比,CD患者表现出较低的教育水平、BMI和饮酒史。
综合模型也准确地将CD患者与HCs区分开来,在训练、验证和测试队列中分别达到AUC为0.998(95% CI,0.993–1.000)、0.994(95% CI,0.983–1.000)和0.985(95% CI,0.945–1.000)(图3c)。值得注意的是,RM在训练和测试队列中的性能与综合模型相当(DeLong检验,两者p > 0.05),表明单一RM能够表征CD患者的脑特征。
此外,四个脑特征(Ctx-Rh-Precentral-fMRI-ALFF-P10、Ctx-Rh-Postcentral-fMRI-ReHo-P90、Ctx-Lh-Cuneus-fMRI-ReHo-Std 和 Left-Thalamus-Proper-CBF-std)与 S、T 和 BDI 评分呈轻度相关(r = 0.10–0.26,均 p < 0.05;图 3d)。
CD患者与HCs的肠道微生物群和血液代谢物存在差异
CD患者的α多样性显著低于HCs(图4a)。β多样性在两组之间也显著不同(图4b)。在肠道微生物群的LEfSe差异分析中,发现24个菌属在CD患者中富集,包括志贺菌属、瘤胃球菌属、乳杆菌属、韦荣球菌属、梭菌属和肠球菌属(补充表6)。
通过代谢组学分析鉴定了528种代谢物。两组之间的血液代谢物显著不同(图4c)。基于单变量分析的火山图展示了差异丰度代谢物的浓度趋势(图4d)。观察了CD组和HC组中各代谢物类别的相对丰度(图4e)。胆固醇酯(CE)、碳水化合物和三酰甘油(TAG)是表现出显著差异的最丰富代谢物类别。这三种代谢物在CD患者和HCs中的百分比分别为:CE为67.37% vs. 74.71%,碳水化合物为9.87% vs. 8.00%,TAG为7.92% vs. 5.28%。
脑部特征与CD富集的微生物群和血液代谢物相关
在一个纳入55例具有完整多组学数据的克罗恩病(CD)患者的队列中,分析了13个脑部MRI特征、24个CD富集微生物群和528种血液代谢物之间的相关性。在进行两两回归分析时,将年龄、性别和BMI作为协变量进行校正,以避免潜在的混杂效应。弦图中仅展示在两两回归分析中显著的变量(p < 0.05)。检测到13个脑部影像组学特征与137种血液代谢物之间存在显著相关性(图5a;补充表7),9个细菌属与122种血液代谢物之间存在显著相关性(补充图3;补充表8);此外,24个细菌属与13个脑部特征相关(图5b;补充表9)。值得注意的是,TAG、磷脂酰胆碱(PC)和磷脂酰乙醇胺(PE)与脑部特征(图5a)和CD富集微生物群(补充图3)均表现出显著相关性。LachnospiraceaeUCG010与Ctx-Lh-Middle-Temporal CBF-p90之间(r = −0.43)以及Veillonella与Ctx-Lh-Middle-Temporal CBF-p90之间(r = 0.41)存在中度相关性。此外,我们还发现多组数据之间存在轻度相关性(|r| =0.20–0.39)。其中,我们重点关注CD病原体(如Enterococcus和Collinsella)与脑部特征之间的关联。我们发现较为明显的相关性存在于Enterococcus与Ctx-Rh-Precentral fMRI ALFF p10之间(r = −0.26)、Enterococcus与Ctx-Lh-Caudal-Anterior-Cingulate-DKI-KFA-std之间(r = −0.25)、Collinsella与Ctx-Lh-Cuneus-fMRI-ReHo-std之间(r = 0.35)(图5b)。
随后,我们进行了中介分析,以探究肠道微生物群和代谢物对脑部MRI特征的潜在影响(图6a)。我们识别出两条显著通路(均p < 0.05;图6b、c),而其他通路则表现出接近统计学显著性(p = 0.052–0.066),提示从肠道微生物群到血液代谢物再到脑部改变的潜在因果联系。在这两条显著通路中,左侧中颞叶皮层脑血流量(CBF)的改变是由Veillonella代谢导致的血液TAG水平(45:0)升高所引起(pACME < 0.05)(图6b),而富集的Enterococcus属则通过血液磷脂酰肌醇水平影响左侧前扣带回尾部皮层的微结构(可通过扩散峰度成像(DKI)检测的峰度分数各向异性(KFA)进行评估)(pACME < 0.05)(图6c)。
讨论
在我们研究识别出的十三个脑特征中,其中八个脑特征的影像学参数或特定脑区已在克罗恩病(CD)既往研究中被报道,支持了我们研究结果的可靠性。其余五个脑特征,包括左侧海马较低的R2star值、左侧前扣带回尾部较高的KFA(来自DKI)、右侧额上回增加的测地各向异性(GA;来自DKI),以及左侧颞中回和左侧丘脑增强的CBF,尚未在CD患者中被记录。这五个新脑特征的识别可能为CD患者的脑特征提供额外见解。随后,我们使用这些多参数脑MRI开发了一个放射组学模型(RM),用于准确刻画CD患者的脑特征。多组学数据揭示了脑MRI特征、肠道微生物群和血液代谢物之间显著而复杂的关系,从而支持了该RM的有效性。
脑MRI可以揭示CD患者的神经心理学变化[48]。在我们的RM中,左侧海马的R2star值呈现最高的平均SHAP值,表明它是CD患者13个脑特征中最具区分度的因素。既往一项动物研究表明,实验性结肠炎影响海马神经发生和先天免疫细胞反应[49]。我们的研究报告了CD患者左侧海马R2star值的改变;我们假设它可能通过反映该区域的铁沉积来检测这些细胞反应。此外,我们还识别了CD患者中五个此前未报道的脑特征(在表2中详细解释),从而为CD神经表型提供了新的见解。
我们研究中的另外六个脑特征,包括Left-Putamen-fMRI-ReHo-p10、Ctx-Rh-Postcentral-fMRI-ReHo-p90、Brain-Stem-fMRI-ALFF-p90、Ctx-Lh-Cuneus-fMRI-ReHo-std、Ctx-Rh-Precentral-fMRI-ALFF-p10和Ctx-Rh-Precentral-fMRI-ReHo-mean,在相同脑区和/或fMRI参数方面与既往针对CD患者报道的研究一致或部分重叠[12, 50](详见表2)。其中,我们研究中Ctx-Rh-Postcentral-fMRI-ReHo-p90的变化与既往研究报告的发现一致,即健康对照(HCs)的该特征值高于CD[12]。这些脑区主要与情绪、疼痛或认知功能相关[12, 50]。其中,壳核可能作为肠道微生物群增强内脏高敏感性的通路[51]。在我们的研究中,壳核的ReHo改变与天冬氨酸水平(与脑神经递质合成相关[52])和甘氨鹅脱氧胆酸3-硫酸盐(GCDCA_3S,与肠道健康相关[53])相关,提示该变量可能反映肠-脑轴的破坏。此外,中央后回在感知躯体感觉(包括压力和疼痛)中起关键作用[54, 55],这与我们的发现一致,即CD患者的PSS和疼痛评分高于HCs。总体而言,我们的RM提供了CD患者神经改变的全面图景,从而阐明了CD的神经表型。
对神经改变与肠道之间潜在相关性的研究将增进我们对CD患者神经表型的理解。肠-脑轴为阐明肠道与大脑改变之间的相互作用提供了一个框架[56]。在微生物组分析中,我们发现CD患者的α多样性低于HC,β多样性也与HC存在显著差异,这与既往文献一致[57]。LEfSe分析鉴定出的大多数菌属,如志贺菌属、瘤胃球菌属和韦荣球菌属,在既往CD研究中被报道为富集[58, 59],提示我们的研究结果是可靠的。此外,我们发现四个菌属——韦荣球菌属、毛螺菌科UCG010、柯林斯菌属和肠球菌属——的相对丰度与脑MRI特征及众多血液代谢物均显著相关。微生物代谢物途径已被证明是微生物群影响脑功能的一种潜在相关性机制[60]。我们进行了关联分析和中介分析,鉴定出两条连接CD患者肠道微生物群特征、血液代谢物和大脑的显著通路。在这些通路中,“韦荣球菌属”-“TAG (45:0)”-“左侧颞中回皮层CBF”轴尤为突出。韦荣球菌属丰度增加促进CD发病机制[59, 61],而过量的TAG水平可引起组织炎症[62, 63]。韦荣球菌属丰度与TAG (45:0)之间的相互作用可能增加左侧颞中回皮层的CBF,从而诱导CD患者特有的脑特征。同样,肠球菌属和磷脂酰肌醇的血液水平——后者对炎症调节具有重要意义[64]——根据DKI衍生的KFA值影响了左侧尾侧前扣带皮层的微结构。所有这些发现支持以下假说:肠道微生物群和血液代谢物的改变通过肠-脑轴与CD患者的脑改变相关,从而验证了脑MRI的改变。临床和临床前研究已证实基于脑-肠轴的情绪治疗在改善肠道病变和临床标志物方面的疗效[65–67]。
本研究存在一些局限性。第一,这是一项单中心研究。然而,参与者居住在中国不同地区,且数据收集历时近三年。因此,我们的RM具有良好的代表性。第二,具有完整多组学数据的参与者数量有限,且并非所有纳入的参与者都接受了脑MRI检查。在未来的研究中,更大的样本量和完整的数据集可以证实我们的发现。最后,本研究中鉴定的潜在通路需要进一步验证。虽然此类验证超出了本研究的范围,但未来有必要开展研究来解决这一问题。
总之,CD患者的脑功能和结构与HC存在细微但明显的差异,我们开发的基于多参数MRI的RM能够表征CD患者的神经改变。通过使用多组学数据提供生物学上合理的证据,进一步支持了该RM的有效性。该RM提供了额外信息,可增进对CD神经表型的理解,并可作为生物标志物用于更好地管理CD患者。
补充信息
电子补充材料
引用
- Zhang RN, Wang YD, Wang HJ, et al. Identification of neural alterations in patients with Crohn's disease with a novel multiparametric brain MRI-based radiomics model. Insights Imaging. 2024. PMID: 39613905. doi:10.1186/s13244-024-01859-6
- 全文:PMC11607295(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11607295/
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。