超低场场循环成像R1 mapping与脑小血管疾病负担的相关性研究

《Magnetic Resonance Materials in Physics, Biology and Medicine》：Ultra-low-field R1 mapping at 0.2 mT obtained by field-cycling imaging correlates with cerebral small vessel disease burden

　　

目的：场循环成像（FCI）能够在低于0.2特斯拉的多个超低磁场强度下获取独特的分子动力学信息。本项首次概念验证研究旨在确定利用FCI获得的超低场R1 mapping是否能敏感地反映脑小血管疾病（SVD）的存在及其负担。 材料与方法：研究人员对39名受试者在0.2、2、20和200毫特斯拉的场强下进行了FCI扫描，采集单个图像层面。通过以下三种方式检验了区分中度或重度SVD存在与否的敏感性和特异性：1）两名独立评估者对R1图谱的视觉审查；2）R1直方图特征分析；以及3）深度学习分类。 结果：基于配准后的3T MRI FLAIR图像的放射学审查，最终将受试者分为疾病组（存在中度或重度白质高信号，WMHs）和对照组（无或轻度WMHs），两组人数分别为16人和21人。来自FCI的数据显示，评估者1、评估者2、最佳直方图特征以及最佳深度学习分类的敏感性和特异性分别为（0.81；0.86）、（0.88；0.52）、（0.94；0.90）和（0.67；1.00）。 讨论：利用FCI进行的定量超低多场R1 mapping具有检测由脑小血管疾病引起的脑组织变化的诊断潜力。

论文解读文章

一、研究背景与目的

脑小血管疾病（cerebral small vessel disease, SVD）在老年人群中极为常见，是导致卒中和认知功能下降的主要潜在病因。神经影像学上，SVD可表现为白质高信号（white matter hyperintensities, WMHs）、腔隙灶、微出血等。随着针对延缓SVD进展的新型治疗方法的开发，亟需新的影像学手段来从细胞水平早期检测脑组织变化，并探索与SVD进展和严重程度相关的机制。

场循环成像（field-cycling imaging, FCI）是一种新兴的基于MRI的技术，它通过在脉冲序列中快速改变磁场强度，能够获取患者在低于0.2特斯拉（T）的多个场强下的自旋-晶格弛豫率（R₁ = 1/T₁）色散信息。这种独特的方法使得识别和表征病理学的定量标记物成为可能。本研究作为一项概念验证，旨在确定利用FCI获得的超低场R₁ mapping是否能敏感地反映脑小血管疾病的存在及其负担。

二、研究方法概述

这是一项单中心前瞻性研究，于2022年6月至2024年4月期间进行。研究人员招募了两个队列：队列1包含既往MRI扫描报告存在中度或重度深部WMHs的受试者；队列2为年龄匹配的健康志愿者。所有受试者均完成两次访视，每次均进行3T MRI和FCI扫描。FCI采用预极化至0.2T后，在四个演化磁场强度（0.2、2、20和200 mT）下采样自旋-晶格弛豫恢复信号，每个场强采集五个演化时间点，总时长30分钟，仅采集单个10mm厚度的图像层。3T MRI数据用于获取T₂加权FLAIR图像作为金标准。数据分析流程包括：模型驱动的多场R₁图和R₁色散斜率图的生成；两名独立评估者对图谱进行视觉审查；提取全脑R₁值的直方图特征（均值、标准差、峰度）并进行受试者工作特征（ROC）曲线分析；以及基于预训练视觉Transformer模型的深度学习分类。此外，还采用了约束k-means聚类方法对异常白质区域进行分割，并与3T MRI结果进行比较。

三、研究结果

1. 受试者分组

经放射科医师对配准后的3T MRI FLAIR图像进行评分后，首次访视最终将受试者分为SVD阳性组（存在中度或重度SVD，n=16）和SVD阴性组（无或轻度SVD，n=21）。第二次访视的分组人数分别为17人和18人。

2. 评估者审查

两名独立评估者同时审阅R₁^0.2mT和R₁^dispersion图谱进行分类。与3T MRI金标准相比，评估者1在首次访视时的敏感性和特异性为0.81和0.86，评估者2为0.88和0.52。两次访视间的评估者间一致性为中等（首次访视κ=0.48）到较低（第二次访视κ=0.18）。两位评估者均认为R₁^0.2mT图谱比R₁^dispersion图谱更有助于判断。

3. 直方图特征分析

所有从R₁^0.2mT提取的直方图特征（均值、标准差、峰度）均能显著区分SVD阳性和阴性组（P<0.05），而从R₁^dispersion提取的特征则无显著差异。其中，R₁^0.2mT的标准差效应量最大（2.06），并在最佳阈值下获得了最高的综合敏感性和特异性（0.94和0.90）。其ROC曲线下面积（AUC）达到0.91。R₁^0.2mT的标准差和峰度显示出良好的访视间重复性（ICC分别为0.84和0.75）。

4. 深度学习分类

使用仅基于R₁^0.2mT图谱的分类器表现最佳，首次访视时AUC为0.94，敏感性0.67，特异性1.0。加入R₁^dispersion图谱后性能下降，这与其较低的对比噪声比（CNR）有关。

5. SVD负担评估

R₁^0.2mT的每个直方图特征均与3T MRI测量的SVD负担（WMH占白质体积百分比）呈显著线性相关。基于R₁^0.2mT的聚类分割结果与3T FLAIR分割结果在重度融合性病变病例中具有最高的一致性（Dice系数中位数约0.45-0.50）。两种方法测得的SVD负担在两次访视间均表现出高度显著的正相关（R=0.837和0.764，P<0.001）。

四、讨论与结论

本概念验证研究的主要发现是，利用FCI获得的定量超低场R₁ mapping与脑SVD负担密切相关。R₁^0.2mT的直方图特征不仅能有效区分中度至重度SVD患者与无或轻度疾病者，还表现出良好的可重复性，并与MRI衍生的疾病负担指标强相关。尽管FCI也能测量R₁色散，但本研究表明在0.2 mT下测量的绝对R₁值在本队列中是更具信息价值的SVD组织变化标记物，这可能是因为R₁^dispersion图谱的对比噪声比较低，空间变异性较大所致。

研究结论：利用场循环成像获得的定量超低场R₁ mapping显示出对脑小血管疾病负担的敏感性，能够区分中度至重度疾病参与者与无或轻度疾病参与者，并且与MRI衍生的异常白质体积测量值显著相关。这些发现支持进一步发展定量超低场R₁ mapping作为脑小血管疾病负担的影像生物标志物，并证明了FCI在低于临床常用MRI磁场强度下获取具有诊断价值的组织信息的潜力。