《Frontiers in Neurology》：Development and internal validation of CTA-based radiomics models for differentiating symptomatic from asymptomatic unruptured spontaneous intracranial vertebrobasilar artery dissection
编辑推荐：
背景：自发性颅内椎基底动脉夹层（sIVBD）具有异质性临床表现，常规临床和形态学评估可能无法完全表征病变异质性。研究人员旨在开发并内部验证基于CT血管成像（CTA）的放射组学模型，以鉴别症状性与无症状性未破裂sIVBD，并评估放射组学在常规临床和CTA特征之外
背景：自发性颅内椎基底动脉夹层（sIVBD）具有异质性临床表现，常规临床和形态学评估可能无法完全表征病变异质性。研究人员旨在开发并内部验证基于CT血管成像（CTA）的放射组学模型，以鉴别症状性与无症状性未破裂sIVBD，并评估放射组学在常规临床和CTA特征之外的增量贡献。
方法：这项回顾性单中心研究纳入173例未破裂sIVBD患者，包括56例症状性和117例无症状性患者。患者被分层分为开发队列（n=138）和独立内部验证队列（n=35）。在三维病灶分割后，从减影CTA图像中提取放射组学特征。采用读者间组内相关系数（ICC）评估特征可重复性。研究人员开发了四种模型：常规CTA模型（M1）、临床联合常规CTA模型（M2）、放射组学XGBoost模型（M3）以及整合M2预测因子与交叉拟合放射组学概率的综合模型（M4）。主要开发队列评估采用五次重复五折分层嵌套交叉验证。评估了判别能力、校准度、Brier评分和决策曲线分析。
结果：在851个放射组学特征中，722个（84.8%）符合预先设定的可重复性标准。在患者平均折外预测中，M1、M2、M3和M4的曲线下面积（AUC）分别为0.630、0.681、0.676和0.723。与M2相比，M4使AUC增加了0.0416（95%置信区间[CI]，?0.0130至0.0962；p=0.136），Brier评分降低了0.0101（95% bootstrap CI，?0.0208至0.0006）。在25个外部折中，M4具有最高的平均AUC（0.715）和最低的折间变异性。在独立内部验证队列中，M1至M4的AUC分别为0.814、0.807、0.803和0.966。
结论：整合临床变量、常规CTA特征和交叉拟合放射组学信息的综合模型在鉴别症状性与无症状性未破裂sIVBD方面表现出最佳整体性能。放射组学可能提供超越常规评估的补充定量信息。
# 论文解读
## 研究背景与目的
自发性颅内椎基底动脉夹层（spontaneous intracranial vertebrobasilar artery dissection, sIVBD）是动脉壁破坏伴壁内血肿形成的脑血管疾病，可导致管腔狭窄、动脉瘤样扩张等一系列形态学改变。其临床表现高度异质，从偶然发现或轻微症状到后循环缺血性卒中、蛛网膜下腔出血（subarachnoid hemorrhage, SAH）乃至脑干压迫症状均可出现，尤其好发于中青年人群。sIVBD的自然史同样难以预测：部分病变可保持稳定或自发改善，部分则可能发生缺血事件、破裂出血或进行性扩大。尽管吸烟史、腔内血栓、既往SAH及病灶大小等临床和影像特征被认为与不良结局相关，但传统评估手段对个体化风险判断的支持仍有限。治疗决策需综合症状、病变形态、血管解剖和介入风险，而常规CTA检查可能无法充分捕捉病变的细微异质性。放射组学可高通量提取定量影像特征，已逐渐应用于颅内血管病变，但基于CTA的放射组学在鉴别症状性与无症状性未破裂sIVBD方面的价值尚未被充分研究。因此，研究人员开发并内部验证基于CTA的放射组学模型，旨在评估其在常规临床和CTA特征之外的增量贡献。
## 研究内容与结论概览
这是一项单中心回顾性研究，纳入173例未破裂sIVBD患者（症状性56例，无症状性117例），按约8:2分层随机分为开发队列（138例）和独立内部验证队列（35例）。从减影CTA图像中提取851个放射组学特征，以读者间组内相关系数（intraclass correlation coefficient, ICC）评估可重复性，722个特征（84.8%）达到预设阈值。研究者构建四种模型：常规CTA模型（M1）、临床联合CTA模型（M2）、放射组学XGBoost模型（M3）及综合模型（M4，整合M2预测因子与交叉拟合放射组学概率）。主要评估采用五次重复五折分层嵌套交叉验证。结果显示，在开发队列中M4的AUC最高（0.723），Brier评分最低（0.193）；在独立验证队列中，M4的AUC达0.966，敏感度100%，特异度79.2%。研究结论认为，整合临床变量、常规CTA特征和交叉拟合放射组学信息的综合模型在鉴别症状性与无症状性未破裂sIVBD方面表现最佳，放射组学可提供超越常规评估的补充定量信息。
## 主要技术方法
研究基于单中心2018年5月至2024年9月连续筛查的173例sIVBD患者。关键技术包括：①利用3D Slicer对减影CTA图像进行三维病灶分割，由三名经验丰富的神经影像专家独立完成，以评估特征级可重复性；②使用PyRadiomics提取形状、一阶统计量和纹理特征（灰度共生矩阵、灰度游程矩阵、灰度尺寸区域矩阵、灰度依赖矩阵、邻域灰度差矩阵），特征来源于原始图像及八种小波变换图像；③经ICC过滤、Mann-Whitney U检验、Spearman相关性过滤、最小冗余最大相关性（minimum redundancy maximum relevance, mRMR）选择及最小绝对收缩和选择算子（least absolute shrinkage and selection operator, LASSO）逻辑回归进行特征筛选；④模型构建方面，M1、M2、M4采用岭逻辑回归，M3采用XGBoost并经灰狼优化器（grey wolf optimizer, GWO）进行超参数调优；⑤模型评估采用五次重复五折分层嵌套交叉验证及独立内部验证队列，指标包括ROC-AUC、平均精确度、Brier评分、校准度及决策曲线分析。
## 研究结果
### 研究人群与基线特征
共173例患者纳入分析，其中117例无症状、56例症状性。开发队列含93例无症状和45例症状性患者，验证队列含24例无症状和11例症状性患者，症状性占比分别为32.6%和31.4%。总体队列中，两组在性别分布（p=0.034）、高血压（73.2% vs. 49.6%，p=0.003）、脑梗死病史（37.5% vs. 12.0%，p<0.001）、改良Rankin量表评分（p<0.001）及病变位置（p=0.002）方面存在显著差异。症状性患者的病变长度（中位数12.55 vs. 8.36 mm）和宽度（中位数7.06 vs. 4.38 mm）均显著大于无症状患者（均p<0.001）。
### 放射组学特征可重复性与模型开发
851个提取的放射组学特征中，722个（84.8%）满足预先设定的ICC(2,1)≥0.75标准，ICC中位数为0.888。在最终全开发队列M3模型构建的完整流程中，可重复特征经Mann-Whitney U筛选后保留300个，Spearman相关性过滤后剩余291个，mRMR选出排名前50的特征，LASSO最终在λ=4.0370处选定20个特征。所选特征以小波衍生的纹理和一阶特征为主，同时包含原始形状特征Maximum2DDiameterSlice。M4模型将12个预设临床与常规CTA预测因子与单一交叉拟合放射组学概率相结合。
### 开发队列中的模型性能与比较
基于患者平均折外预测，M1的AUC为0.630，M2为0.681，M3为0.676，M4为0.723。M4数值判别力最高，Brier评分最低（0.193）。预设主要比较中，M4相对M2的AUC增幅为0.0416（95%CI，?0.0130至0.0962；配对DeLong p=0.136），Brier评分降低0.0101（95% bootstrap CI，?0.0208至0.0006）。次要比较中，M2相对M1的AUC增加0.0507，M3相对M1增加0.0452，M4相对M3增加0.0471，但均未达到统计学显著性。探索性决策曲线分析显示，M4在部分阈值范围内净获益优于全部治疗和全部不治疗策略。
### 独立内部验证队列中的性能
锁定模型未经任何修正直接应用于35例独立内部验证队列。M1至M4的AUC分别为0.814、0.807、0.803和0.966。M4的平均精确度最高（0.914），Brier评分最低（0.132）。在开发队列折外预测确定的锁定阈值0.3167下，M4正确识别了全部11例症状性患者（敏感度100%，95%CI，74.1%-100.0%），同时正确分类19/24例无症状患者（特异度79.2%，95%CI，59.5%-90.8%），阳性预测值68.8%，阴性预测值100.0%。然而，M4的校准斜率为6.4466（95%CI，2.9194-13.4592），提示预测对数比值离散度不足，尽管平均预测概率与观察到的症状性比例接近，但个体水平概率校准并不可靠。
### 模型稳定性与解释
25个外部折中，M4的平均AUC最高（0.715），折间标准差最低（0.0618），而M3折间标准差最大（0.0997）。在重复层面，M4的AUC范围0.6834-0.7266，M3为0.5790-0.6986。患者的五次折外概率中位标准差，M4为0.0602，M3为0.0969。特征选择方面，25个外部分区中无单一特征在所有分区被选中，最常选中的特征为wavelet-HHH.glszm.ZoneVariance（17/25个分区，68%），平均成对Jaccard相似度为0.1493，提示特征级稳定性中等。SHAP分析显示，wavelet-HHH.glszm.ZoneVariance在最终M3模型中贡献最大（平均绝对SHAP值0.4481），其后为wavelet-LLL.gldm.LargeDependenceLowGrayLevelEmphasis（0.3164）和wavelet-LHH.glszm.SizeZoneNonUniformityNormalized（0.1832），这些特征量化了分割病灶内的灰度组织与空间异质性。
## 讨论与结论
研究人员指出，放射组学可能捕捉到常规临床记录和CTA测量中未完全体现的信息。M4相对M2的AUC增幅与Brier评分改善方向一致，但95%置信区间包含零，提示增量贡献的可能性存在但幅度需在更大数据集中验证。研究强调放射组学并非替代常规CTA评估，而是提供互补定量信息。模型解释层面，SHAP值仅反映拟合模型如何利用特征修正预测，不能推断为症状性表现的因果决定因素，特定小波特征与壁内血肿或血管壁不稳定性的直接生物学关联尚无法从当前数据确立。特征选择的不稳定性在高维关联特征可相互替代的情境下是可预期的，因此更适用于模型层面的解读。验证队列的AUC升高不应被解释为模型优于开发阶段——AUC仅评估排序而非概率准确性，M4在校准斜率上的明显偏高提示个体概率估计不可靠，验证结果应视为初步，未经更大外部队列评估和必要时重新校准，预测概率不宜直接用于个体临床决策。从临床角度，CTA放射组学可从常规检查中提取可重复的定量描述符，探索性决策曲线提示M4在部分阈值范围有净获益。局限性包括：单中心回顾性设计、样本量有限（症状性仅45例）导致比较精度受限；手动分割虽经ICC评估但仍是变异来源；ICC过滤使用全开发队列确定，属共享预处理步骤；治疗分配非随机可能引入残余选择偏倚；决策曲线分析为探索性，横断面设计无法推断进展、破裂或治疗获益。研究结论为：在单中心回顾性研究中，整合常规CTA特征、临床变量和交叉拟合放射组学概率的综合模型在区分症状性与无症状性未破裂sIVBD方面表现出最佳整体性能，CTA放射组学可能提供超越常规临床和形态学评估的补充定量信息。
