基于多模态MRI影像组学的多系统萎缩诊断模型开发与验证

本研究通过多模态MRI（T1WI/T2WI/FLAIR/DWI）提取七大脑区（小脑半球/桥脑/壳核等）的1,502个影像组学特征，采用LASSO回归筛选关键特征构建Rad-score，最终建立的逻辑回归模型在训练/测试/验证队列中准确率达0.98/0.97/0.95，左壳核Rad-score被SHAP分析确定为最具预测力因子，显著优于放射科医师视觉评估（AUC 0.976 vs. 0.559/0.535），为无典型MRI标志的早期多系统萎缩（MSA）诊断提供了高灵敏度（89%）和完美特异性（100%）的新工具。

　　

Introduction

多系统萎缩（MSA）是一种以自主神经功能障碍、左旋多巴抵抗性帕金森综合征和小脑性共济失调为特征的快速进展性神经退行性疾病。2022年国际运动障碍学会（MDS）诊断标准将MSA分为神经病理确诊、临床确诊、临床可能和潜在前驱期四个层级。传统诊断依赖特征性MRI标志如"热十字面包征"（T2WI/FLAIR上桥脑十字形高信号）和壳核T2^*低信号，但这些标志在早期病例中敏感性不足（45%-68%）。中国专家共识强调必须整合多模态MRI（T1/T2/ADC/SWI序列）与临床数据，这为影像组学技术的应用提供了契机。

Materials and methods

研究纳入重庆市九龙坡区第二人民医院62例临床可能MSA患者（符合2022 MDS标准）和73例健康对照，使用3.0T Siemens VIDA扫描仪获取T1WI（FLASH序列，TR/TE=236/2.46 ms）、T2WI（TSE序列，TR/TE=1500/80 ms）、FLAIR（TR/TE/TI=9000/84/2500 ms）和DWI（b值=0/1000 s/mm²）数据。由两名资深放射科医师手动分割双侧小脑半球、中脑脚、壳核和桥脑七个区域，通过PyRadiomics（IBSI标准）提取1,502个特征，经ICC≥0.75筛选后采用LASSO回归（10折交叉验证）选择各区域前5个关键特征构建Rad-score。最终通过逻辑回归模型整合七区域Rad-score，在6:2:2分组的训练/测试/验证队列中评估性能。

Results

模型表现出色：训练集准确率0.98（精确度1.0），测试集0.97，验证集0.95（MSA召回率89%）。SHAP分析揭示左壳核Rad-score权重最高（2.0314），其次为右壳核（1.6966）和右中脑脚（1.4922），显示左半球结构（壳核/小脑）贡献度显著高于右侧。值得注意的是，模型在全部队列中实现MSA分类零假阳性（精确度1.0），而两名放射科医师基于传统MRI标志诊断的AUC仅0.559和0.535（Kappa一致性0.152），DeLong检验证实模型显著优于人工评估。

Discussion

该研究首次系统证实MSA存在影像组学层面的左半球易损性，这与既往¹⁸F-DOPA PET显示的左壳核多巴胺能神经元优先丢失现象一致。LASSO回归筛选出的纹理特征可能反映了早期微结构改变，如左壳核铁沉积导致的T2^*信号异质性变化。学习曲线显示样本量达15例后模型即趋于稳定，暗示其在小样本场景的应用潜力。与SPECT研究发现的早期壳核不对称性（Eun Hye Jeong, 2017）相呼应，Rad-score可能成为疾病分期的新指标。

Conclusion

基于七大脑区Rad-score构建的诊断模型突破了传统MRI标志的敏感性瓶颈，为MSA早期识别提供了客观量化工具。未来需通过多中心前瞻性研究验证其临床适用性，并探索自动化分割技术以减少人工勾画变异。

Limitations

单中心回顾性设计可能影响结果普适性，且依赖手动ROI勾画引入主观性。未纳入其他神经退行性疾病（如PD/PSP）对照可能高估特异性，需在后续研究中完善鉴别诊断功能。