基于MRI的椎间盘退变的稳健放射组学特征

《Spine》：Robust Radiomic Signatures of Intervertebral Disc Degeneration From MRI

椎间盘退变分级中深度学习分割结合放射学特征自动分类的研究显示，2D球体性和四分位距作为独立radiomic特征，其分类准确率（76.7% balanced accuracy，kappa 0.70）显著优于传统椎间盘高度指数（66.0% balanced accuracy，kappa 0.55）。通过抗干扰特征筛选和稳健性分析，证实DL分割产生的纹理特征能有效捕捉退变程度差异，为临床MRI提供新生物标志物。

　　
低背痛（LBP）作为全球致残率最高的疾病之一，其病理基础与椎间盘（IVD）退行性病变密切相关。IVD退行性病变的影像学评估长期依赖Pfirrmann分级系统，但这一方法存在主观性强、评估耗时且可重复性差等问题。近年来，深度学习（DL）与放射组学（radiomics）技术的结合为这一领域的精准量化提供了新思路。本研究基于北芬兰1966年出生队列（NFBC1966）的45-47岁人群影像数据，通过DL自动分割椎间盘并提取737个放射组学特征，系统评估了新型放射组学签名在IVD分级中的性能优势。

研究首先对影像数据进行预处理，采用1.5T MRI设备获取矢状位T2加权序列，通过Fast Recovery Fast Spin Echo（FRFSE）序列优化信噪比。数据筛选排除金属伪影、发育异常等干扰因素，最终纳入1397例受试者的6985个椎间盘分析。值得注意的是，研究团队创新性地引入影像与掩膜扰动技术，通过膨胀、侵蚀、轮廓随机化等操作模拟实际临床影像的噪声与不确定性，从而筛选出具有鲁棒性的放射组学特征。

在特征提取方面，研究综合运用了形态学、灰度共生矩阵（GLCM）、灰度依赖矩阵（GLDM）及灰度运行长度矩阵（GLRLM）等多维度分析。特别值得关注的是，通过表面面积依赖性校正，研究团队成功消除了尺寸差异对形态学特征的影响，使不同椎间盘大小样本间的比较更具科学性。最终保留的201个高信噪比特征中，2D球状度与四分位距（IQR） emerge为最具代表性的两个指标，其与Pfirrmann分级的Spearman相关系数分别达到-0.72和-0.77，显著优于传统基于椎间盘高度的评估方法。

模型验证阶段采用分层交叉验证策略，在测试集上实现了76.8%的平衡准确率（BA）和0.71的Cohen's Kappa系数，较传统指标模型提升约10%的分类性能。关键创新点体现在：
1. **鲁棒性验证体系**：通过300例手动标注样本的扰动测试，证实2D球状度与IQR的ICC值分别达到0.96和0.83，表明其抗噪声干扰能力显著优于传统参数
2. **特征解耦分析**：单因素SVM模型使用上述两个特征时，BA达到76.7%与完整模型性能一致，验证了核心特征的独立性
3. **临床可视化突破**：三维重建显示，放射组学特征能有效区分Pfirrmann 2-5级病变，尤其是对存在骨赘形成（Pfirrmann 4级）但椎间盘高度变化不明显的病例，误分类率降低42%

研究特别指出，传统椎间盘高度指数存在显著局限性：当椎间盘出现非对称性退变时（如仅一侧骨赘形成），高度指数的ICC值（0.81）较球状度（0.96）下降近30%。而IQR通过整合灰度分布的四分位间距，可有效规避局部高信号区域（如含气骨赘）的干扰，其与Pfirrmann分级的Spearman相关系数（-0.77）较传统参数（-0.45）提升68%。

讨论部分揭示了该技术的临床转化潜力：首先，所提取的形态学特征（如球状度）与影像学可见的退变标志（骨赘、髓核信号异常）具有强相关性，为建立"形态-生化"关联模型奠定基础；其次，通过表面面积校正后的放射组学特征，使得不同体型、体型差异的受试者间评估具有可比性；再者，提出的特征筛选流程（先相关性后鲁棒性）有效避免了特征共线性问题，模型稳定性显著提升。

研究同时指出当前存在的局限性：样本局限于北欧人群，且未纳入椎间盘生物标志物（如蛋白聚糖水平）的联合分析。此外，虽然验证了单特征模型的可行性，但多特征协同作用机制仍需进一步研究。建议后续工作可结合纵向随访数据，探索放射组学特征与临床结局（如LBP进展）的动态关联。

该研究标志着椎间盘退行性病变评估进入智能化新阶段，其提出的放射组学特征筛选方法（基于形态稳定性与临床相关性双维度）为 musculoskeletal radiomics的发展提供了标准化范式。特别值得关注的是，研究团队通过开发开源算法库（github.com/termcs/radiospineomics），使放射组学特征计算成为临床可及的技术工具，这一突破性进展有望推动脊柱退行性疾病的基础研究与临床诊疗的深度融合。