基于影像组学分析：大脑形态计量学改变对偏头痛诊断及分型的预测价值

偏头痛（Migraine）的诊断和分型缺乏客观依据，为解决这一问题，研究人员开展了基于影像组学的研究。他们分析了偏头痛患者和健康对照者的磁共振成像（MRI）数据，发现大脑形态计量学特征可用于诊断偏头痛和区分有先兆偏头痛（MwA）与无先兆偏头痛（MwoA），这有助于个性化治疗1212。

　　偏头痛，一种令人困扰的原发性神经系统疾病，全球超 10 亿人深受其害。它不仅带来头痛，还严重影响个人生活与社会经济。目前，偏头痛主要分为有先兆偏头痛（MwA）和无先兆偏头痛（MwoA），但诊断和分型仅依赖临床标准，缺乏客观证据，误诊率较高。比如，MwA 的视觉先兆症状短暂，易与其他神经系统疾病混淆。因此，寻找能辅助诊断和分型的神经影像学标记迫在眉睫。

南京医科大学附属南京第一医院的研究人员为此开展了一项研究，相关成果发表于《BMC Medical Imaging》。该研究旨在找出与偏头痛诊断及分型相关的大脑影像组学特征，并构建预测模型。

研究人员采用了以下关键技术方法：

1. 样本选取：从医院神经内科病房招募患者，依据国际头痛疾病分类第三版（ICHD-3）标准筛选出 88 例偏头痛患者（32 例 MwA 和 56 例 MwoA）和 49 例健康对照者（HCs）纳入训练组；另外招募 30 例偏头痛患者（10 例 MwA）和 17 例 HCs 作为测试组3。
2. 影像采集与处理：对所有参与者进行 3.0T MRI 扫描，获取 T₁加权磁共振图像（T₁WI）和扩散加权图像（DWI）。对 DWI 数据进行预处理，计算扩散张量参数；用特定软件处理 T₁WI，提取相关特征45。
3. 特征选择与模型构建：运用随机森林算法，在交叉验证循环中进行特征选择，构建随机森林模型6。

研究结果如下：

1. 人口统计学和临床特征：MwA 和 MwoA 患者在年龄、性别、疾病持续时间和偏头痛发作频率上无显著差异，但 MwA 患者头痛严重程度评分更高。患者与 HCs、MwA 与 MwoA 之间的总脑容量和灰质体积也无显著差异7。
2. 显著相关的影像组学特征：在区分偏头痛患者和 HCs 时，发现 6 个显著相关特征，如丘脑凸度的偏度、中央后沟局部厚度的均值等；区分 MwA 和 MwoA 时，有 4 个显著特征，像尾侧中额叶平均旅行深度、中央后回各向异性分数标准差等。此外，部分特征与头痛严重程度评分显著相关8910。
3. 预测结果：基于训练组筛选出的特征构建的随机森林模型，在测试组中区分偏头痛患者和 HCs 的准确率达 80.9%，区分 MwA 和 MwoA 的准确率为 76.7%11。

研究结论和讨论部分指出，该研究通过影像组学分析，发现偏头痛患者大脑存在宏观和微观形态学改变，这些特征可作为潜在生物标志物辅助诊断和分型。例如，大脑形态学特征的改变与偏头痛的发病机制相关，丘脑和中央后回等区域的变化可能影响三叉丘脑皮质通路。虽然研究存在样本量较小、未考虑潜在混杂因素等局限性，但仍为偏头痛的研究和临床应用提供了重要依据，有助于推动个性化治疗策略的发展。