基于CT放射组学列线图检测颈动脉斑块内出血
本研究回顾性纳入两个中心2013年至2021年的颈动脉CTA患者,构建结合临床因素(狭窄度)和放射组学特征的列线图,用于检测斑块内出血(IPH)。外部测试集显示列线图AUC为0.811,敏感度88.9%、特异度80.0%、准确率84.2%,优于临床因素模型(AUC 0.761,p=0.039)。
要点
- 狭窄度是IPH的独立临床预测因子(OR 10.4,95%CI 1.01–1.07,p=0.008)。
- 列线图在外部测试集AUC 0.811,敏感度88.9%,特异度80.0%。
- 常规CT难以区分IPH与脂质坏死核心,放射组学可提供定量辅助。
核心结论
- 基于CTA的放射组学列线图在区分伴与不伴IPH的颈动脉斑块方面表现出满意性能,可作为无创风险分层工具。
研究设计与样本
- 回顾性研究,训练集来自山东第一医科大学附属省立医院(46例患者,106个斑块),外部测试集来自山东省医学影像学研究所(18例患者,38个斑块),参考标准为高分辨率MRI T1加权脂肪抑制序列。
- CTA扫描参数:管电压100 kVp,重建层厚0.5 mm,层间距0.5 mm,螺距1.0,旋转时间350 ms。
- 放射组学特征提取后经ICC>0.75筛选,再经ANOVA、select_k_best和LASSO回归选择8个特征构建Rad-score,并结合临床因素构建列线图。
关键影像表现/征象
- IPH在MRI T1加权脂肪抑制序列上定义为信号强度至少为邻近胸锁乳突肌的1.5倍(至少1个体素)。
- 训练集中,伴IPH斑块的Rad-score显著高于不伴IPH者(0.67±0.13 vs. -0.05±0.12,p<0.001),外部测试集验证一致(0.19±0.17 vs. -0.16±0.18,p<0.001)。
诊断标准与关键数值
- 狭窄度定义为CTA上按NASCET标准评估的颈动脉狭窄程度,是IPH的独立临床预测因子(OR 10.4;95%CI 1.01–1.07;p=0.008)。
- 放射组学列线图在训练集AUC 0.743(95%CI 0.650–0.835),外部测试集AUC 0.811(95%CI 0.661–0.961)。
- 外部测试集中,列线图敏感度88.9%(16/18)、特异度80.0%(16/20)、准确率84.2%(32/38);临床模型敏感度80.0%、特异度77.8%、准确率78.9%;放射组学签名模型敏感度62.5%、特异度69.2%、准确率63.2%。
- 列线图AUC在训练集(p=0.032)和外部测试集(p=0.039)均显著高于临床因素模型。
临床应用与阅片要点
- 对于CTA上发现颈动脉斑块的患者,可结合狭窄度和放射组学评分评估IPH风险,辅助识别易损斑块。
- 常规CT上IPH平均密度约97.5 HU,难以与脂质坏死核心区分,放射组学列线图可提供额外定量信息。
- 列线图决策曲线分析显示在多数合理阈值概率下净获益高于临床模型和放射组学签名。
局限性
- 回顾性研究设计,需未来前瞻性研究验证。
- IPH的组织学验证仅少数病例有病理结果,未全部验证。
- 不同医院CT设备制造商不同可能导致图像质量不一致,虽经图像归一化处理,仍可能影响结果。
全文中译15 节 · 点击展开
背景
在多项指南和临床实践中,颈动脉斑块患者卒中的预防基于管腔狭窄的严重程度[1, 2]。然而,随着影像技术的进步,人们对管腔狭窄之外颈动脉斑块易损性特征的识别和检测重新产生了兴趣[3]。斑块内出血(IPH)是易损斑块的关键特征之一,已被证明与卒中的发生率密切相关,且独立于狭窄程度[4, 5]。大多数研究表明,多种影像学方法可作为无创手段评估斑块易损性并检测IPH。以组织学为金标准,MRI被认为是识别IPH的最佳影像技术,具有高特异性和敏感性[6]。然而,幽闭恐惧症患者和已置入金属支架的患者无法进行MRI检查。CTA因其速度快、空间分辨率高和可及性好,是动脉粥样硬化患者治疗前评估的有价值影像 modality。但常规CT成像难以检测IPH,更多依赖于放射科医师的经验。
影像组学可利用计算机数据挖掘技术获取医师评估常规影像无法获得的定量、有价值的信息[7]。影像组学分析为我们提供了一种反映组织异质性的定量方法,与主观评估相比更为可靠[8]。用于斑块评估的影像组学分析研究近年来刚刚出现,但迄今为止与肿瘤学相比相对较少[9–11]。近期,基于CT和MRI的影像组学分析已被用于识别易损颈动脉斑块[9, 10]。既往研究还表明,MRI上斑块纹理的影像组学分析可区分症状性和无症状性基底动脉斑块[11]。据我们所知,尚无相关研究采用基于CT的影像组学方法检测颈动脉IPH。
因此,在本研究中,我们的目的是开发并验证一种结合临床因素和影像组学特征的基于CT的影像组学列线图,用于检测颈动脉IPH。
方法
研究人群
所有研究程序均获得机构审查委员会批准,由于研究的回顾性性质,免除知情同意。我们筛查了2013年1月至2021年1月在山东第一医科大学附属省立医院和山东省医学影像学研究所因疑似颈动脉粥样硬化性疾病而接受CTA的连续患者。纳入标准为在CTA检查后两周内接受MR血管壁成像检查的患者。排除标准如下:(1)动脉粥样硬化性疾病以外的疾病,如动脉瘤;(2)图像质量差;(3)有颈动脉支架置入和动脉内膜切除术史。研究人群选择流程图见图1。
MRI图像采集
高分辨率MRI在3.0 Tesla MRI扫描仪(Prisma,Siemens Healthineers;Ingenia,Philips Healthcare;Verio,Siemens Healthineers)上使用标准64通道头颈线圈进行。MRI方案见附加文件1:表S1。
CTA方案
CTA检查在多层CT扫描仪(SOMATOM Force,Siemens Healthineers;SOMATOM Definition Flash,Siemens Healthineers)上进行。使用电动注射器以5 mL/s的速度注射60–70 mL对比剂(Omnipaque-350;GE Healthcare),随后以50 mL生理盐水冲管。当主动脉弓达到100 Hounsfield单位(HU)的衰减阈值并持续5 s后,采用团注跟踪技术触发采集。所有扫描仪的颈动脉CTA扫描参数如下:管电压100 kVp,重建层厚0.5 mm,重建层间隔0.5 mm,螺距1.0,旋转时间350 ms。扫描范围从主动脉弓至颅顶。
图像分析
颈动脉IPH定义为在T1加权脂肪饱和涡轮自旋回波序列上可见较高信号强度(至少1个体素信号强度较邻近胸锁乳突肌高1.5倍)[6]。CTA标志物的测量使用后处理工作站(Syngo.via,Siemens Force,德国)获得。颈动脉狭窄程度根据北美症状性颈动脉内膜切除术试验标准在CTA上定义[12]。斑块溃疡定义为在任何单一平面上存在至少2 mm的对比剂突入斑块内[13]。
临床因素模型的开发
采用单变量分析比较两组间临床因素的差异。然后,以单变量分析中有显著意义的变量作为输入,应用多变量逻辑回归分析构建临床因素模型。计算每个独立因素的比值比(OR)作为相对风险的估计值,并附95%置信区间(CI)。
斑块图像分割与影像组学特征提取
在斑块横截面上手动分割感兴趣区(ROI),分割和特征提取使用后处理平台(汇医慧影医疗科技有限公司)进行。勾画轮廓绘制在斑块边界内,不覆盖邻近正常组织。两名放射科医师(B.K.和G.H.,分别具有7年和8年血管影像学经验)独立进行ROI分割。为消除特征间量纲的影响并使强度信息一致,分析前对图像进行归一化处理,以消除不同CT设备制造商造成的干扰。
影像组学标签与影像组学列线图的开发
采用单因素方差分析(ANOVA)对满足组内相关系数(ICCs)大于0.75标准的影像组学特征进行检验,以筛选重要特征。然后将剩余特征纳入select_k_best方法和最小绝对收缩与选择算子(LASSO)回归模型,在训练队列中选择最有价值的特征。随后,将所选特征用于构建影像组学标签。通过对每个子集迭代进行特征选择和模型开发,实施五折交叉验证。计算影像组学评分(Rad-score)。通过结合影像组学标签和临床特征中的显著变量,构建影像组学列线图。影像组学模型开发的整体工作流程见图2。
三种模型性能的评估
在训练集和验证集中,通过受试者工作特征(ROC)曲线的曲线下面积(AUC)评估临床因素模型、影像组学标签和影像组学列线图对颈动脉IPH的识别诊断性能。为评估列线图的临床实用性,通过计算净获益进行决策曲线分析(DCA)。
统计分析
采用单因素分析比较两组患者临床因素的差异,定量数据采用独立样本t检验,定性数据酌情采用卡方检验或Fisher精确检验。采用单因素方差分析比较每个影像组学特征在鉴别伴和不伴IPH的颈动脉斑块中的值。三种模型间AUC值的差异采用Delong检验评估。以p < 0.05为差异有统计学意义。统计分析采用SPSS(版本22.0,IBM)和R统计软件(版本3.3.3,https://www.r-project.org)进行。
结果
患者的临床因素
排除了34例有颈动脉夹层的患者、48例既往接受过颈动脉内膜剥脱术和支架置入术的患者以及30例图像质量差的患者。共有来自山东第一医科大学附属省立医院的46例患者(平均年龄±标准差,60.7±10.4岁;36例男性)的106个颈动脉斑块组成训练集。外部验证集包含来自山东省医学影像学研究所的18例患者(平均年龄,61.4±10.1岁;13例男性)的38个颈动脉斑块。
训练集和外部测试集患者的临床特征总结于表1。在训练集中,管腔狭窄程度、最大斑块厚度和溃疡在伴IPH斑块与不伴IPH斑块之间显示出显著差异(p < 0.05)。多因素logistic回归分析显示,狭窄(OR 10.4;95% CI 1.01–1.07;p = 0.008)仍作为临床因素模型中的独立预测因子。
特征提取、选择与影像组学标签的建立
从CTA图像中提取的1409个影像组学特征中,946个特征符合观察者间和观察者内ICC大于0.75的标准。共有602个在单因素方差分析中显示有和无IPH的斑块之间差异显著的影像组学特征,采用select_k_best方法剔除冗余和无关特征。随后将这些特征通过LASSO筛选最有价值的特征;最终通过LASSO选择了8个特征用于构建影像组学标签。这些特征被纳入Rad-score,计算公式如下:Radscore = wavelet-HLL_gldm_DependenceVariance × 0.068140989 + wavelet-HLH_glcm_Imc1 × 0.022492042 - wavelet-LHH_ngtdm_Strength × 0.008320669 - wavelet-HLL_glcm_Imc2 × 0.023842802 + wavelet-HHL_firstorder_Variance × 0.035072963 + wavelet-HLH_firstorder_Kurtosis × 0.030005675 + exponential_firstorder_Variance × 0.008876562 + wavelet-LHL_firstorder_Variance × 0.014908661。影像组学特征的更多细节见附加文件1:表S2。在训练集中,有和无IPH的斑块之间Rad-score存在显著差异(0.67 ± 0.13 vs. − 0.05 ± 0.12;p < 0.001),随后在外部测试集中得到证实(0.19 ± 0.17 vs. − 0.16 ± 0.18;p < 0.001)。
影像组学列线图的建立及三种模型性能的评估
将Rad-score和狭窄程度纳入影像组学列线图(图3a)。图3b、c显示了列线图的校准曲线。校准曲线和Hosmer–Lemeshow检验显示在训练集(p > 0.05)和外部测试集(p > 0.05)中具有良好的校准度。
临床因素模型、影像组学标签和影像组学列线图的诊断性能总结于表2。三种模型的ROC曲线在训练集和外部测试集中均显示于图4。在训练集中,影像组学列线图的曲线下面积(AUC,0.743;95%置信区间[CI],0.650–0.835)高于临床因素模型(AUC,0.631;95%CI,0.524–0.738)(p = 0.032)。在验证集中,影像组学列线图(AUC,0.811;95%CI,0.661–0.961)表现优于(p = 0.039)临床因素模型(AUC,0.761;95%CI,0.596–0.927)。在验证集中,影像组学标签模型的灵敏度、特异度和准确率分别为62.5%(11/18例)、69.2%(14/20例)和63.2%(24/38例);临床模型分别为80.0%(14/18例)、77.8%(16/20例)和78.9%(30/38例);影像组学列线图分别为88.9%(16/18例)、80.0%(16/20例)和84.2%(32/38例)。
三种模型的DCA见附加文件1:图S1。DCA显示,在大多数合理的阈值概率范围内,影像组学列线图在区分有IPH和无IPH的颈动脉斑块方面的总体净获益高于临床因素模型和影像组学标签。图5显示了有IPH和无IPH的代表性患者的MRI和CTA图像以及这些患者的列线图结果。
讨论
常规CT成像难以检测IPH。在本研究中,我们开发并验证了一种基于CT的放射组学列线图,该列线图结合了放射组学特征和临床因素,用于检测颈动脉斑块内出血。基于CT的放射组学列线图在外部测试集中区分伴或不伴斑块内出血的颈动脉斑块方面表现出84.2%的准确率、88.9%的敏感性和80.0%的特异性。基于CT的放射组学列线图在外部测试集中显示出优于临床因素模型的诊断性能(p = 0.039)。
多项研究表明,IPH是心血管事件最有力的预测因素之一[14, 15]。如果发生IPH,患者的治疗方式会显著改变[16, 17]。既往研究尝试通过使用狭窄程度来区分伴IPH和不伴IPH的颈动脉斑块[18]。多项研究发现,颈动脉中伴IPH的斑块比不伴IPH的斑块表现出更严重的狭窄[15, 18],这与我们的研究一致。原因可能是管腔狭窄影响了血流动力学参数,进而影响了斑块内新生血管的状态。此外,大多数研究者认为未成熟新生血管的破裂可能是IPH的病理基础[15],从而将管腔狭窄与IPH联系起来。在本研究中,管腔狭窄程度最终被发现为独立预测因素,临床因素模型区分伴IPH和不伴IPH斑块的AUC为0.631。
目前,MRI被认为是检测颈动脉IPH的最佳模态,因为IPH的发生取决于血红蛋白的氧化状态,且可通过常规成像序列轻松检测[19, 20]。然而,MRI不适用于有金属支架和幽闭恐惧症的患者。CTA因其扫描速度快、空间分辨率高和可及性好,是一种广泛用于动脉粥样硬化患者治疗前评估的快速便捷成像模态[21]。尽管多项研究表明IPH在CT上显示平均密度约为97.5 HU,但仍难以区分IPH与富含脂质的坏死核心[22]。因此,常规CT成像难以检测IPH,更多依赖于放射科医师的经验。
影像组学是一种新兴技术,可自动从医学图像中提取定量特征[7, 8, 23]。影像组学在肿瘤学中的一些研究已见于肿瘤分期预测、良恶性肿瘤鉴别以及癌症患者生存预测[24, 25]。影像组学在心血管成像中的研究落后于肿瘤学领域。既往研究已探讨了基于CT的影像组学分析对胸主动脉夹层的预测[26]。近期研究表明,基于CT和MRI的影像组学分析可准确区分有症状与无症状的颈动脉和基底动脉斑块[9–11]。多项研究表明,超声斑块纹理分析可识别易损颈动脉斑块并预测无症状患者的未来缺血事件[27, 28]。
据我们所知,我们的研究首次通过基于CT的影像组学分析检测颈动脉IPH。迄今为止,多项研究认为IPH由未成熟新生血管破裂引起[29]。且IPH已被证明可促进斑块进展和不稳定性,从而增加脑血管事件风险[30]。此外,既往研究结果表明,使用抗血栓治疗可能增加颈动脉斑块中IPH的进展[16, 17]。因此,我们的影像组学研究弥补了常规CT图像无法准确识别颈动脉IPH的不足,具有重要意义。
在本研究中,我们构建了基于CT的影像组学列线图,其显示出令人满意的预测效能和良好的校准度。此外,对于大多数阈值概率模型,决策曲线分析可获得更多净获益,提示使用我们的列线图识别颈动脉IPH将获得更好的临床结局。其次,我们的研究采用了三维ROI。研究表明,三维影像组学分析比二维ROI更好地反映异质性[31, 32]。此外,与其他单中心研究不同,本研究数据来自不同机构,可产生更可信的结果。
我们的研究存在若干局限性。第一,这是一项回顾性研究。但我们的发现值得未来开展前瞻性研究,以影像组学列线图预测IPH后的卒中风险。第二,IPH的组织学验证仍是金标准,但我们的研究中仅有少数病例具有病理学验证,并非全部。然而,MRI目前是IPH最佳的在体成像方式,具有高特异性和敏感性。在我们的研究中,每个斑块均可获得高分辨率MRI。第三,扫描质量依赖于设备制造商。不同医院的不同设备制造商可能导致图像质量不一致。然而,为了消除特征间维度的影响并使强度信息保持一致,我们的研究在分析前对图像进行了归一化处理,从而消除了不同CT设备制造商所致图像质量不一致带来的干扰。
总之,我们的研究提出了一种基于CT的列线图,其在区分伴有和不伴有斑块内出血的颈动脉斑块方面表现出令人满意的性能。影像组学列线图可能作为一种无创且潜在的工具,用于识别颈动脉斑块内出血并进行风险分层。
补充信息
附加文件1。补充表格和图片。
引用
- Zhang, Gao, Kang, et al. Radiomics assessment of carotid intraplaque hemorrhage: detecting the vulnerable patients. Insights Imaging. 2022. PMID: 36538100. doi:10.1186/s13244-022-01324-2
- 全文:PMC9768061(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9768061/
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。