《Brain Research Bulletin》：Sex-Specific Classification Models for Cognitive Function in Cerebral Small Vessel Disease Based on MRE and Machine Learning
编辑推荐：
## 三、摘要专业翻译
血管性认知障碍（VCI）是仅次于阿尔茨海默病（AD）的第二大痴呆类型。脑小血管病（CSVD）是VCI的主要病因，但CSVD相关认知障碍的早期识别缺乏客观、特异的生物标志物。传统结构MRI标志物如白质高信号（WMH）和内侧颞叶萎缩（MT
## 三、摘要专业翻译
血管性认知障碍（VCI）是仅次于阿尔茨海默病（AD）的第二大痴呆类型。脑小血管病（CSVD）是VCI的主要病因，但CSVD相关认知障碍的早期识别缺乏客观、特异的生物标志物。传统结构MRI标志物如白质高信号（WMH）和内侧颞叶萎缩（MTA）反映不可逆的结构损伤，常在认知症状显现后才出现。磁共振弹性成像（MRE）作为一种新兴的无创脑组织力学特性评估技术，为认知障碍研究提供了新视角。本研究假设WMH、MTA及脑硬度参数是评估CSVD认知功能的重要因素，机器学习（ML）方法可提供客观有效的评估途径。据此，研究前瞻性纳入CSVD患者，依据蒙特利尔认知评估（MoCA）评分确定认知状态（认知正常 vs. 轻度认知障碍），利用上述指标构建多种模型，并通过SHapley Additive exPlanations（SHAP）方法实现模型可解释性，同时探索性考察性别差异对模型性能与特征重要性的影响。研究纳入100例受试者（MCI组58例，CN组42例），采集FLAIR、3D-T1WI及多频（30/40/50/60 Hz）MRE数据，提取WMH体积与分布、MTA评分及12个脑区硬度值。在训练集内采用Spearman相关与递归特征消除（RFE）筛选特征，以避免测试集泄漏，最终保留13个特征。十种机器学习算法经5折交叉验证比较，采用SHAP分析解释特征贡献。结果显示，整体队列中朴素贝叶斯（Naive Bayes）表现最佳（cvAUC = 0.704，95% CI 0.652–0.756）。模型性能存在显著性别差异：男性亚组中极端随机树（Extra Trees）表现最佳（cvAUC = 0.828，95% CI 0.635–1.000），而女性亚组中XGBoost虽为最优模型，但cvAUC仅为0.617（95% CI 0.370–0.863，置信区间跨越随机水平）。SHAP特征排序亦因性别而异：男性以MTA评分和WMH负荷为主导，女性则与整体队列相似，以角回和扣带回硬度及脑室旁WMH体积为主导。研究表明，基于MRE的脑硬度特征与认知功能的相关性强于WMH体积及百分比，且在机器学习模型中占据重要地位；模型性能的性别差异提示在MRE认知筛查中采用性别分层建模的必要性，相关发现尚需在更大多中心队列中验证。
## 四、论文主体解读
**研究背景** 血管性认知障碍（VCI）是仅次于阿尔茨海默病（AD）的第二大痴呆类型，占全部痴呆病例的15%~20%。随着全球人口老龄化及心血管疾病患病率上升，VCI发病率持续攀升，预计到2050年全球痴呆患者将由2019年的5740万增至1.528亿，其中VCI患者占有相当比例。脑小血管病（CSVD）是VCI的主要病因，也是血管性认知障碍最常见的病理基础。与AD相比，VCI的认知损害模式异质性更大，常表现为执行功能、信息处理速度和注意力的早期缺陷，给早期识别带来显著挑战。目前CSVD相关认知障碍的早期识别缺乏客观、特异的生物标志物：蒙特利尔认知评估（MoCA）等神经心理学测验虽对认知损害敏感，但在CSVD患者中缺乏疾病特异性，难以在认知症状出现前用于预警。然而早期诊断对CSVD患者至关重要，及时控制血管危险因素可有效延缓认知衰退。传统MRI标志物如白质高信号（WMH）主要反映CSVD所致脱髓鞘与轴突损伤，内侧颞叶萎缩（MTA）评分主要用于AD诊断但在混合性痴呆中亦具预测价值；但这类形态学标志物反映的是不可逆的结构损伤，往往在认知症状明显后才出现，从而限制了早期干预窗口。磁共振弹性成像（MRE）作为评估脑组织力学特性的新兴无创技术，通过外部驱动器产生低频剪切波、以相位对比MRI捕捉波传播、经弹性重建算法计算组织剪切模量，可综合反映神经元密度、髓鞘完整性、胶质细胞组成及细胞外基质结构等组织微环境信息。研究显示AD患者全脑硬度下降约10%且与认知评分显著相关，CSVD患者白质硬度降低并与WMH体积独立相关；但MRE在CSVD相关认知障碍中的应用报道仍较少。机器学习（ML）可整合临床、影像与力学参数等高维数据，通过自动学习复杂特征交互模式实现综合评估，但其"黑箱"特性限制临床应用；基于博弈论的SHapley Additive exPlanations（SHAP）方法可为每个特征赋贡献评分，提供可解释性分析。基于此，本研究前瞻性招募CSVD患者，依据MoCA评分判定认知状态（认知正常 vs. 轻度认知障碍），利用上述指标构建多种模型，通过SHAP实现模型可解释性，并探索性考察性别差异对模型性能与特征重要性的影响。
**关键技术方法** 研究自2024年8月4日至2025年6月29日前瞻性招募50~80岁右利手受试者100例（单中心，经伦理委员会批准），依据MoCA评分与CSVD影像负荷分为MCI组（n=58，MoCA 18~25分，Fazekas≥2级）与CN组（n=42，MoCA≥26分，Fazekas≤1级）。主要技术方法包括：①基于United Imaging uMR 780平台的多模态MRI采集，含FLAIR、3D-T1WI及多频（30/40/50/60 Hz）MRE（SE-EPI序列）；②利用CSVD智能分析系统自动分割并提取20项定量影像特征（MTA评分、WMH体积与百分比、Fazekas分级）；③MRE后处理采用优化相位解缠结合Dual-DC方法，并以基于行波展开的神经网络（TWENN）算法进行多频刚度反演，经ANTs的SyN算法配准至MNI152空间，基于Harvard-Oxford图谱提取全脑及12个感兴趣区（ROI）硬度值；④在训练集内以Spearman相关与递归特征消除（RFE）进行特征筛选，十种算法经5折交叉验证比较，并以SHAP解释特征贡献。
**研究结果**
*受试者特征* CN组平均年龄65.59±10.94岁，男13例、女29例，MoCA 27.21±1.25分；MCI组平均年龄68.55±8.85岁，男29例、女29例，MoCA 21.94±3.27分。两组年龄、受教育年限及性别分布无显著差异，MoCA总分差异显著（Welch's t = 11.147，P < 0.001）。
*特征相关性分析* RFE筛选的13个特征与MoCA总分的相关强度呈跨度分布而非仅取最强单变量相关者，符合RFE的多变量选择特性。右侧角回硬度相关性最强（r = 0.33，p < 0.01）；其他MRE硬度指标与MTA评分相关性较弱但一致（|r| = 0.11~0.19）；WMH/Fazekas指标最弱（|r| ≤ 0.16）。亚域相关呈分离现象：萎缩/WMH指标与定向力相关最强（|r| = 0.23~0.31），而MRE硬度与抽象能力相关最强（r = 0.28~0.34，p < 0.01），提示结构与生物力学标志物关联于部分不同的认知过程，并非可互换的MoCA相关物。
*机器学习模型性能* 全性别组（n=100）中，朴素贝叶斯表现最佳（cvAUC = 0.704，95% CI 0.652~0.756；准确度0.660±0.058，精确度0.696±0.058，召回率0.742±0.121，F1 = 0.713±0.066）。男性亚组（n=42）中十种算法cvAUC范围为0.490~0.828，极端随机树最佳（cvAUC = 0.828，95% CI 0.635~1.000；F1 = 0.829±0.080），数值上超过整体队列最佳模型。女性亚组（n=58）cvAUC范围为0.492~0.617，明显低于男性亚组，XGBoost最佳（cvAUC = 0.617，95% CI 0.370~0.863；F1 = 0.537±0.194）；因该置信区间跨越0.5，其判别能力不能认为可靠优于随机水平，故该模型的下游解释（含SHAP特征排序）仅作为探索性而非确证性结果呈现。
*SHAP特征重要性分析* 全体受试者中，朴素贝叶斯模型的前五位贡献特征为右侧角回硬度、左侧前扣带回硬度、左侧脑室旁WMH体积、右侧MTA评分及近皮质WMH体积。男性亚组中，极端随机树模型前五位为右侧MTA评分、左侧MTA评分、近皮质WMH体积、全脑硬度及深部WMH体积百分比——与整体队列中以右侧角回硬度居首不同，男性前五位由萎缩与WMH负荷指标主导，全脑硬度是唯一进入前五的MRE特征。女性亚组中，XGBoost模型前五位为右侧角回硬度、左侧前扣带回硬度、右侧脑室旁WMH体积、左侧脑室旁WMH体积及右侧后扣带回硬度，与整体队列高度相似；但因模型cvAUC置信区间跨越随机水平，该排序仅作探索性呈现，不应解释为存在独特女性特异性机制的证据。
**讨论部分总结** 本研究整合MRE脑力学参数、传统影像标志物与临床特征，通过机器学习构建CSVD认知状态分类模型并以SHAP实现可解释性分析，发现基于MRE的脑力学特征与认知功能的相关性强于WMH体积及百分比，且在模型中占据重要地位；模型性能存在性别差异：男性组cvAUC达0.828，MTA评分与WMH负荷贡献最大，女性组cvAUC较低为0.617（置信区间跨越随机水平），更多依赖角回与扣带回硬度及脑室旁WMH体积。讨论指出，MRE可直接可视化组织内传播的剪切波并据此计算局部硬度，提供无创定量评估脑组织力学特性的途径，补充常规结构影像；在血管性脑损伤中，区域脑硬度可介导血管负荷（含WMH）与整体认知功能间的部分关系。所采样脑区支持不同认知功能：海马为记忆编码核心，CSVD负荷可驱动海马亚区萎缩并追踪情景记忆表现；额叶皮质支持执行控制，是CSVD中受累尤为突出的领域；角回作为默认模式网络跨模态枢纽支持语义与联想整合；扣带回支持认知控制与冲突监测。核心发现是CSVD认知状态由灰质力学特性与白质病灶负荷共同解释，而非任一单独成分：区域MRE硬度较WMH体积学更紧密追踪认知状态（右侧角回硬度与MoCA相关性最强，r = 0.33，远高于WMH/Fazekas的|r| ≤ 0.16上限），而SHAP分析显示整体队列最佳模型依赖灰质硬度、白质病灶体积与内侧颞叶萎缩的混合，表明两类组织成分携带互补而非冗余信息；认知亚域层面亦相呼应——MRE硬度与抽象能力相关最强，萎缩/WMH与定向力相关最强，与脑室旁WMH负荷及长程网络连接破坏特异关联于处理速度型认知衰退的证据一致。上述发现支持CSVD相关认知障碍中灰质微结构/力学损伤与白质宏观结构病灶负荷并行进展并共同塑造临床认知表型的模型。关于海马硬度，尽管其在AD-MRE文献中地位突出、内侧颞叶萎缩对CSVD相关认知障碍的贡献亦已确立，但海马硬度未在任何模型中经RFE保留，最可能的解释是与MTA评分存在共线性：MTA已标示同一解剖部位的萎缩，而对同一体积丢失敏感的海马硬度在纳入MTA后提供非冗余信息甚少，故未被选为独立预测因子。除灰-白质共同模式外，SHAP排序存在显著性别差异：男性模型主要依赖MTA与WMH体积，全脑硬度为前位贡献者中唯一力学特征；女性模型则与整体队列呼应，以角回与扣带回硬度及脑室旁WMH为主导（因置信区间跨越随机水平，该排序视为探索性而非独特且经验证的女性特异性机制的证据）。作者将男性认知状态主要由宏观结构损伤标志物解释，理解为符合小血管病由局灶微血管改变向全局、网络层面及宏观结构受累演进的框架；女性中该角色更多归于区域MRE硬度，其反映微观结构组织与连接性等组织层面特性而非体积丢失本身，并被认为对弥漫性微结构破坏敏感——低频MRE可在脱髓鞘疾病早期、常规影像宏观结构损伤显现之前检出深部灰质的年龄非依赖性黏弹性改变；血脑屏障功能障碍被认为是此类弥漫性损伤的前驱与促成机制，是CSVD最早期的机制之一。作者据此推测男、女亚组平均处于该损伤谱的不同位置——男性更接近宏观结构端、女性更接近微结构端，从而解释两亚组为何需要不同影像标志物解释同一结局。脑黏弹性的基线性别二态性（人类MRE研究与动物模型均有记载）为该前提提供独立支持，即男女脑力学特性及其对病理的敏感性不可直接比较；CSVD负担与临床后果存在性别差异的荟萃证据亦支持男女一般处于该谱系不同位点的观点。局限性方面：样本量相对有限，性别分层后尤为如此，小样本神经影像的交叉验证性能估计误差范围宽，可能限制复杂非线性关系与交互作用的检出；为单中心研究，需多中心数据验证；受试者未行PET-CT检查，不能排除合并AD患者。结论部分译文如下：本研究整合MRE衍生脑硬度与结构及临床指标，采用递归特征消除与交叉验证机器学习对脑小血管病认知状态进行分类。在同一特征集与建模流程下，男性分类准确度为中等至良好（cvAUC 0.828），而女性则较弱且接近随机水平（cvAUC 0.617，95% CI 0.370~0.863），表明基于上述指标构建的单一性别不敏感模型在男女之间不能同等泛化。这一性能差距连同两性间存在差异的SHAP模式，凸显了在基于MRE的脑小血管病认知筛查中采用性别分层建模的必要性。上述发现尚需在更大多中心队列中验证后方可应用于临床。
