利用SynthSR从常规2D临床图像生成3D T1加权MRI数据：用于VSRAD分析的验证

《Frontiers in Neurology》：SynthSR-generated 3D T1-weighted MRI from routine 2D clinical images: Validation for VSRAD analysis

本研究评估了通过SynthSR从2D T1加权MRI生成3D体积数据与标准3D数据的VSRAD分析效果。结果显示，尽管绝对值存在显著差异（p<0.0071），但Spearman秩相关系数较高（>0.7），诊断性能（AUC 0.90 vs 0.96）无统计学差异，表明SynthSR可提供可靠的VSRAD分析替代方案，尤其适用于无法获取标准3D数据的老年患者。

　　随着全球老龄化进程的加快，阿尔茨海默病（AD）及其他形式的痴呆症正变得越来越普遍。据世界卫生组织统计，到2050年，全球60岁以上的老年人口预计将增长至21亿，而80岁以上的老年人口则预计增长三倍，达到4.26亿。这一趋势对医学影像诊断提出了更高的要求，尤其是在早期识别和监测阿尔茨海默病方面。由于阿尔茨海默病患者通常存在认知功能下降，他们可能在MRI扫描过程中表现出较差的配合度，导致运动伪影的产生，从而影响图像质量。此外，标准的3D T1加权MRI采集时间较长，通常需要约5分钟，这对老年患者来说可能是一个挑战。因此，寻找一种能够有效克服这些限制的方法，成为临床实践中的重要课题。

VSRAD（Voxel-based Specific Regional Analysis System for Alzheimer’s Disease）作为一种基于体素的形态测量工具，能够通过区域特异性Z分数量化海马体和边缘系统等中颞叶的萎缩程度，被广泛应用于阿尔茨海默病的临床诊断中。然而，VSRAD通常需要高质量的3D T1加权MRI数据，而这些数据在某些情况下难以获取。因此，研究者开始探索是否可以通过其他方式，如利用2D T1加权MRI数据生成3D体积数据，以达到与标准3D数据相似的诊断效果。

SynthSR作为一种图像超分辨率重建技术，已经被集成到FreeSurfer这一开源软件包中，用于处理和分析脑部MRI图像。该技术能够在低分辨率的MRI数据基础上生成高分辨率的图像，从而提升结构分析的准确性。在过去的几项研究中，SynthSR已被证明可以改善低场强MRI数据的质量，并在分割校正、跨扫描器数据标准化以及提升历史数据的使用价值方面展现出良好的应用前景。这些应用表明，SynthSR不仅适用于先进的神经影像分析流程，还可能在日常临床环境中提供一种实用的替代方案。

本研究旨在评估通过SynthSR从2D T1加权MRI数据生成的3D体积数据，是否能够在VSRAD分析中获得与标准3D T1加权MRI数据相当的诊断效果。研究采用了一种回顾性单中心设计，对75名因疑似认知功能下降而接受头颅MRI检查的患者进行了分析。所有患者均在同一MRI扫描过程中获得了2D和3D T1加权图像，其中3D图像用于作为对照数据。研究过程中，对两种方法下的VSRAD分析结果进行了比较，包括四类Z分数指标和三种分割体积测量。通过Wilcoxon符号秩检验、稳健的Bland–Altman分析、Spearman等级相关分析以及ROC曲线分析，研究者评估了两种方法在数据一致性、排序一致性以及诊断性能方面的差异。

结果显示，所有Z分数指标和分割体积均显示出两种方法之间的显著绝对差异（p < 0.0071），且SynthSR生成的3D数据通常具有更大的体积估计值。然而，尽管存在这些绝对值的差异，Spearman相关系数（ρ）在大多数指标中仍然保持较高水平（ρ > 0.7），尤其是在“Ratio”（比例）和“脑体积”这两个指标上表现出强相关性。其他临床相关的指标则显示中等程度的相关性，表明两种方法在排序一致性方面表现良好。此外，ROC曲线分析进一步证明了两种方法在诊断阿尔茨海默病和正常认知状态患者方面具有相似的性能，其中SynthSR生成的3D数据在AUC（曲线下面积）指标上略胜一筹（0.96 vs. 0.90），但这一差异在统计学上并不显著（DeLong检验：Z = 0.009，p = 0.99）。这些结果表明，尽管SynthSR生成的3D数据在绝对值上与标准3D数据存在系统性偏差，但它们在诊断性能方面与标准方法相当。

值得注意的是，SynthSR生成的3D数据在某些情况下可能因算法特性而表现出偏差。例如，在严重脑萎缩或存在缺血性病变的情况下，SynthSR可能通过某种补偿机制增加了灰质体积的估计值，这可能会影响某些Z分数指标的准确性。此外，由于2D扫描通常具有较大的切片厚度（约4–5 mm），在分析某些特定脑区时，可能会遗漏部分结构，如顶叶区域。这种局限性可能影响体积比分析，但Z分数评估可能仍能从中受益。因此，尽管存在一些技术上的挑战，SynthSR生成的3D数据在临床相关指标上仍展现出较高的可靠性。

从技术角度来看，本研究采用的统计分析方法，如Spearman等级相关分析和稳健的Bland–Altman分析，能够有效评估两种方法之间的数据一致性。这些方法不仅适用于当前的研究，也符合近年来对分割算法全面评估的推荐。此外，研究还指出，虽然SynthSR在某些指标上存在偏差，但其生成的图像在关键的临床指标上仍表现出较高的相关性，这为未来进一步优化算法提供了方向。例如，在某些特定脑结构或病理条件下，可能需要对SynthSR的输出进行调整，以提高其在临床诊断中的准确性。

在临床应用方面，SynthSR的使用可能为资源有限或患者无法接受长时间扫描的情况提供了一种可行的解决方案。特别是在日本，VSRAD已被广泛应用于超过3000家医疗机构，其诊断效果得到了多中心验证。然而，传统的3D扫描在老年患者中面临诸多挑战，包括运动伪影、扫描时间长以及患者配合度低等问题。而SynthSR通过从2D数据生成3D体积数据，不仅显著缩短了扫描时间（约105秒，仅为标准3D扫描时间的一半），还能够有效减少因运动伪影带来的影响。这一优势在本研究中得到了验证，特别是在老年患者群体中，SynthSR生成的3D数据在多个指标上均表现出良好的诊断性能。

此外，本研究的局限性也需要被充分认识。首先，缺乏手动分割作为参考标准，使得结果的准确性依赖于算法本身的性能。其次，研究对象的年龄较大，这可能使得年龄相关的脑萎缩与阿尔茨海默病相关的神经退行性变化难以区分。因此，未来的研究需要纳入更年轻的患者群体，以进一步验证SynthSR在不同年龄段的表现。此外，研究数据来源于单一中心，可能影响结果的普适性。因此，多中心的验证工作将是未来研究的重要方向。同时，尽管本研究主要关注两种方法之间的比较，但进一步整合临床信息和生物标志物，可能有助于更全面地评估SynthSR在痴呆症诊断中的价值。

综上所述，本研究的结果表明，SynthSR生成的3D体积数据在VSRAD分析中能够提供与标准3D数据相当的诊断性能，尤其是在“Severity”（严重程度）这一关键指标上表现突出。这为临床实践中难以获取高质量3D数据的患者提供了一种实用的替代方案，同时也为利用历史2D数据进行大规模纵向研究提供了可能性。随着技术的不断发展和优化，SynthSR有望在未来的痴呆症筛查和诊断中发挥更大作用，特别是在资源有限或患者无法配合长时间扫描的场景下。然而，为了进一步提升其在临床中的可靠性，仍需在不同人群和不同扫描条件下进行更广泛的验证，并结合更多临床信息和生物标志物，以实现更精准的诊断。