编辑推荐：
新生儿高胆红素血症（HB）中 ABE 与非 ABE 患儿的精准鉴别是临床难题。本研究构建基于多模态 MRI 影像与非影像临床数据的自动诊断系统，发现融合特征的 SVM 分类器性能最佳（ accuracy 93.24±2.35% 等），为 ABE 早期诊断提供新策略。
新生儿黄疸是新生儿期最常见的需医疗干预的问题之一，约 60% 足月儿和 80% 早产儿在出生后第一周会出现黄疸。其主要由红细胞分解产生的神经毒性未结合胆红素在体内堆积，而婴儿未成熟的肝脏无法有效清除所致。当血清总胆红素（TSB）水平超过 5mg/dL 时，即为高胆红素血症（HB）。多数黄疸是良性的，但 8-9% 的新生儿可能发展为严重高胆红素血症（SHB，TSB 峰值超过 20mg/dL），若未及时监测或治疗，可进展为急性胆红素脑病（ABE），导致不同程度的脑损伤，引起神经系统功能障碍和神经行为异常，如喂养减少、嗜睡、肌张力异常（低张力和 / 或高张力）、高调啼哭、颈后屈和角弓反张、落日征、发热、惊厥，甚至死亡。若在 ABE 期及时有效降低脑内胆红素水平（如光疗和换血疗法），胆红素诱导的脑损伤可逆转；否则，由于胆红素神经毒性持续侵袭特定脑区，会发生慢性胆红素脑病（CBE，又称核黄疸），导致不可逆脑损伤和永久性胆红素诱导的神经功能障碍（BIND）后遗症甚至死亡。因此，早期识别高风险 ABE 新生儿并及时应用有效治疗，对降低永久性 BIND 和 CBE 的发生率至关重要。然而，目前临床实践中准确检测 ABE 新生儿仍是一项挑战。
传统的 TSB 浓度测量是评估新生儿黄疸的常用指标，但 TSB 仅反映血液中的总胆红素水平，并非脑内实际胆红素水平的直接测量，仅用 TSB 作为 ABE 预测指标常导致误诊。同理，使用血清未结合胆红素浓度、白蛋白水平、胆红素 / 白蛋白比值等其他血清参数作为预测指标，也无法显著提高 ABE 预测性能。由于 ABE 是随着胆红素进入脑组织而进行性发展的，且早期症状可能微妙且非特异性，临床医生或家长往往难以察觉，仅通过临床症状识别 ABE 新生儿存在时间延迟风险，可能导致核黄疸。近年来，磁共振成像（MRI）检查在 ABE 新生儿诊断中的应用日益增多，有研究发现 ABE 新生儿苍白球和丘脑底核常出现 T1 信号增高，而这些区域的 T2 加权成像无明显异常或显示轻微 T2 高信号。但并非所有 ABE 新生儿的特定脑区在 T1 加权图像（T1WI）中都会出现信号升高，健康新生儿的正常髓鞘形成也会导致与 ABE 新生儿相同脑区出现一定程度的 T1 信号升高，这进一步影响了基于 MRI 图像的预测性能。
为解决当前临床诊断准确性低的问题，新疆医科大学医学工程技术学院、基础医学院与浙江大学医学院附属儿童医院放射科的研究人员开展了相关研究，旨在开发一种高效的 ABE 计算机辅助诊断（CAD）系统。研究成果发表在《BMC Pediatrics》。
研究人员使用的主要关键技术方法包括：收集 75 例 ABE 新生儿和 75 例 HB 非 ABE 新生儿的多模态 MRI 图像（T1WI、T2WI 和表观扩散系数图 ADC）及 8 项非影像临床特征（TSB 水平、直接胆红素水平、白蛋白水平、扫描时胎龄、出生胎龄、体重、年龄和性别）；将预处理后的 T1WI、T2WI 和 ADC 分别作为 RGB 图像的 3 个通道，选取苍白球区域中心的 3 个连续切片形成 RGB 图像，裁剪并调整大小为 224×224 像素；采用预训练的 ResNet18 作为深度图像特征提取器，提取 “pool5” 层后的 512 维深度特征向量，与 8 维临床特征向量融合形成 520 维融合特征向量；使用支持向量机（SVM）进行分类，采用 10 次 5 折交叉验证评估性能，通过 Wilcoxon 符号秩检验比较不同特征集的分类性能。
患者特征
demographic 和临床特征分析显示，ABE 新生儿与对照组在性别、体重、出生胎龄、扫描时胎龄（PMA）和白蛋白水平方面无统计学差异（P>0.05），但年龄（p=0.004，相差约 2.29 天）和 TSB（p=0.000，相差约 5.03mg/dL）存在统计学显著差异。
基于不同特征的分类性能
10 次 5 折交叉验证结果表明，仅使用临床特征时，SVM 分类器性能较差（accuracy 69.09±4.91% 等）；使用多模态 MRI 深度特征时，性能显著提升（accuracy 93.04±2.51% 等）；融合深度特征与临床特征后，分类性能最佳，accuracy 为 93.24±2.35%，specificity 为 91.38±4.45%，sensitivity 为 95.11±2.97%，precision 为 91.87±3.88%，AUC 为 98.08±1.16%，F1_score 为 93.38±2.23%。Wilcoxon 符号秩检验显示，融合特征的性能显著优于单独使用深度特征或临床特征。
本研究表明，基于多模态 MRI 深度特征和非影像临床特征的 SVM 分类器可实现有前景的分类性能。将临床特征与多模态 MRI 深度特征融合可显著提高基于多模态 MRI 的 ABE CAD 系统的性能。该研究提出的策略有望应用于临床实践，辅助临床管理，为 ABE 的早期准确诊断提供了新的有效手段，有助于及时干预以减少严重脑损伤和后遗症的发生。然而，研究数据仅来自一家医院，模型的普遍适用性未知，未来需要多中心大样本研究进一步验证。此外，结合灌注 MRI、磁敏感加权 MRI（SWI）和光谱学等先进 MRI 图像，有望进一步提高模型性能。
