基于MRI的简化列线图用于高血管风险患者认知障碍的风险分层

《Discover Neuroscience》：A simplified MRI-based nomogram for risk stratification of cognitive impairment in patients at high vascular risk

　　

目的：开发一种整合常规磁共振成像（MRI）中白质高信号（WMH）和脑萎缩的可视化列线图，用于高血管风险患者认知障碍的风险分层。
方法：这项回顾性研究纳入了143名患者（93名受损，50名正常）。认知障碍由简易精神状态检查（MMSE）（得分<27）定义。WMH通过T2-FLAIR上的Fazekas量表评估，脑萎缩通过T1加权图像上的全脑皮层萎缩（GCA）量表评估。构建了一个多变量逻辑回归模型，并通过受试者工作特征曲线下面积（AUC）、校准（Hosmer-Lemeshow检验）、5折交叉验证和决策曲线分析（DCA）进行评估。
结果：脑白质高信号（调整后比值比[aOR] = 1.35， 95% 置信区间[CI] 1.01–1.79， P = 0.043）和萎缩（aOR = 1.62， 95% CI 1.07–2.43， P = 0.022）是独立的预测因子。组合模型的AUC为0.722（95% CI 0.638–0.806），交叉验证测试集的AUC为0.699（95% CI 0.611–0.786）。校准效果极佳（P = 0.104）。决策曲线分析显示出正的净获益。
结论：这种实用的、基于视觉的列线图提供了一种易于应用的床边工具，可将常规MRI发现转化为个体化风险评估，促进早期临床决策。
临床试验编号：不适用。

**论文解读：基于常规MRI的简化列线图用于高血管风险患者认知障碍的风险分层**

**一、 研究背景与问题提出**

认知障碍是脑血管病患者中常见且影响严重的后遗症，显著降低患者的生活质量和独立性。早期识别高风险个体对于及时干预至关重要。白质高信号（WMH）和脑萎缩是脑小血管病和神经退行性变的两种常见神经影像学标志物，常在高血管风险人群的常规MRI检查中被观察到。两者均在不同环境中（如卒中后人群和老年人群）被证实与认知功能障碍独立相关。纵向研究表明，WMH的进展与脑萎缩存在相互依存关系，WMH的扩大速度与灰质保留呈负相关，提示WMH可能启动或加速萎缩过程。在症状性脑小血管病患者中，联合分析WMH和脑萎缩显示出对认知结局更强的预测能力。

然而，神经影像学证据与临床实践之间存在关键鸿沟。尽管已有预测模型被开发，但它们通常并非专门针对临床常见的“血管风险”人群（包括有和无卒中病史的患者）。此外，现有模型系统性地忽略了关键的影像学生物标志物。例如，一项旨在构建中国老年人认知障碍预测模型的大规模研究发现，最有效的预测因子并未包含任何神经影像学指标。即使是经过验证的卒中后认知下降预后工具，也主要依赖临床和人口统计学因素，缺乏对WMH和脑萎缩的整合。因此，目前尚缺乏一种简单的床边工具用于快速个体化风险评估。这种缺失源于方法学瓶颈：试图捕捉影像复杂性的复杂模型难以推广，而简化的模型又无法捕捉WMH和萎缩的交互效应，导致它们经常被排除在可扩展的模型之外。

此外，对于任何纳入这些生物标志物的新模型，其是否真能比标准诊疗更有效地改善临床决策和患者结局，仍有待使用决策曲线分析（DCA）等方法进行严格验证。虽然MMSE是一种快速、廉价的认知筛查工具，但在研究机构中，脑MRI已是高血管风险患者常规临床检查的一部分。因此，基于现有MRI数据开发风险分层工具，无需额外检查即可提供临床价值。

**二、 研究目的与意义**

为弥合上述差距，本研究旨在开发并验证一种直观的、基于视觉的列线图，以桥接常见MRI视觉评分（Fazekas和GCA评分）与认知障碍个体化风险估计之间的联系，从而增强常规神经影像学的临床实用性。该研究发表于《Discover Neuroscience》。

**三、 主要技术方法概述**

本研究为一项回顾性观察性研究，分析了2025年5月至9月期间连续就诊的高血管风险患者的去标识化临床和影像数据，研究方案经广州市第一人民医院伦理委员会批准。最终纳入143名患者（认知正常组50名，认知障碍组93名）。认知功能使用官方授权的医院版中文MMSE评估，得分<27定义为认知障碍。所有患者均完成了标准脑MRI扫描（使用西门子Skyra 3.0T扫描仪），序列包括T1加权成像、T2-FLAIR等。影像评估由两名对临床数据不知情的神经放射科医生独立进行，使用Fazekas量表评估WMH负担，使用GCA量表评估宏观脑萎缩程度。统计分析采用R语言进行，包括基线特征描述、单变量和多变量逻辑回归分析、模型性能评估（AUC、校准曲线、Hosmer-Lemeshow检验）、5折交叉验证内部验证以及决策曲线分析。

**四、 研究结果**

**1. 患者基线特征**
认知障碍组与认知正常组在多项神经影像标志物上存在显著差异。认知障碍组的WMH评分显著更高，脑萎缩程度更严重，急性梗死病灶体积也更大。脑微出血患病率在障碍组数值上更高，但差异无统计学意义。两组在年龄、性别、血管风险因素（高血压、糖尿病、吸烟、陈旧梗死史）及实验室参数方面均无显著差异。

**2. 单变量逻辑回归分析**
神经影像学标志物与认知障碍强烈相关。WMH评分、脑萎缩程度和梗死位置是显著的预测因子。脑微出血的存在显示出接近显著的趋势。人口统计学因素、病史和实验室参数均未达到统计学显著性。

**3. 多变量逻辑回归分析**
在校正潜在混杂因素后，两个神经影像学因素仍与认知障碍独立且显著相关：脑萎缩程度（aOR 1.62）和WMH评分（aOR 1.35）。梗死位置和脑微出血计数在多变量模型中未保留统计学显著性。高血压在调整神经影像标志物后并非认知障碍的独立预测因子。

**4. 基于神经影像的风险模型的开发、性能及内部验证**
研究人员构建了三个简单的多变量逻辑回归模型。仅包含脑萎缩的模型1 AUC为0.657；仅包含WMH评分的模型2 AUC为0.699；结合两者的组合模型3 AUC最高，为0.722。使用DeLong检验进行两两比较显示，组合模型相比仅脑萎缩模型的AUC改善具有统计学显著性，但与仅WMH模型相比无显著差异。在常规概率阈值0.5处，组合模型的灵敏度为89.2%，特异度为40.0%。校准曲线显示预测概率与观察概率在整个风险谱上高度一致，Hosmer-Lemeshow检验结果不显著，表明校准效果极佳。

**5. 使用5折交叉验证进行内部验证**
组合模型在训练折中表现出稳定的拟合性能，测试集的平均AUC为0.699，支持模型具有稳健的内部性能。

**6. 组合模型的临床效用**
研究人员创建了列线图以促进床边个体化风险评估。决策曲线分析证实，在相关决策阈值范围内，使用该列线图比默认临床策略（“全部治疗”或“全部不治疗”）提供了更大的净获益。基于分析结果，研究人员建议临床决策阈值为0.5。

**7. 基于DCA的临床决策阈值**
决策曲线分析显示，组合模型在阈值概率为0.5时获得最高净获益，在0.5–0.9的阈值范围内，模型曲线始终高于“全部治疗”和“全部不治疗”曲线。

**五、 讨论与结论**

**讨论部分总结：**
本研究开发并严格验证了一种简单的、可视化的列线图，用于对临床相关的高血管风险患者队列进行认知障碍风险分层。该列线图仅整合了常规MRI中两个易于评估的标志物：WMH负担和脑萎缩程度。关键发现包括：（1）在调整常见临床变量后，WMH和脑萎缩均与认知障碍独立相关；（2）结合这两个标志物的模型显示出良好的区分性能；（3）组合模型在校准和内部验证中表现出色且稳健；（4）决策曲线分析证实了该工具在合理风险阈值范围内具有潜在的临床效用。

关键预测因子（WMH和脑萎缩）的选择基于它们作为脑血管和神经退行性损伤下游标志物的既定作用。在血管风险背景下，T2-FLAIR MRI上可视化的WMH主要代表由慢性脑低灌注和血脑屏障破坏（与脑小血管病相关）导致的脱髓鞘、轴突丢失和胶质增生区域。脑萎缩，特别是T1加权成像评估的全脑皮层萎缩，反映了神经元、突触和支持性胶质细胞的净损失。在多变量模型中，两者与认知结局的独立关联表明它们捕捉了脑损伤的不同但互补的方面，共同导致血管疾病患者的认知下降。

模型性能与先前研究相比具有优势。组合模型的AUC为0.722，其性能在领域内具有稳健性。模型的优势在于其实用性和简约性，仅使用两个视觉评估的常规MRI标志物即实现了良好的区分度，满足了关键的临床需求：在护理点提供快速、可及的风险分层工具。这种“足够好”的性能，结合极佳的校准和通过DCA证实的临床效用，代表了在繁忙临床环境中进行初始筛查时，准确性与可行性之间的最佳平衡。

DeLong检验的两两比较显示，组合模型的改善仅在相比仅脑萎缩模型时具有统计学显著性，而与仅WMH模型相比无显著差异。这一模式表明，在该队列中，WMH负担可能是主导的影像预测因子。脑萎缩的加入提供了超过仅脑萎缩模型的显著增量价值，但并未在统计学上超越仅WMH模型的预测能力。这可以用脑小血管病在该人群认知下降中的核心作用来解释。从实践角度看，它强调了在此临床背景下评估WMH的首要重要性。然而，组合模型通过整合两个生物学上合理的损伤途径提供了互补价值，为风险估计提供了一个更全面的病理生理学框架。

本研究开发的列线图提供了一个实用的床边决策辅助工具。临床医生在识别出具有血管风险因素和认知主诉的患者后，可以使用常规MRI扫描获得两个视觉评分，进而得到认知障碍的量化概率。这可以为后续神经心理学评估或干预的紧迫性和深度提供决策依据。研究通过两个病例示例（WMH评分相同但脑萎缩程度不同导致风险差异显著）说明了该工具如何有效整合多个影像标志物实现个体化风险分层。

研究同时指出了若干局限性：回顾性单中心设计可能引入选择偏差，需外部验证；使用MMSE评估认知状态可能对血管性认知障碍（VCI）的核心特征（如执行功能和处理速度缺陷）敏感性不足；WMH评估依赖主观的Fazekas视觉评分量表；未收集改良Rankin量表（mRS）评分，因此认知障碍与功能预后的关系未知；研究为横断面设计，提供的是并发认知障碍的风险分层而非纵向预测；样本量相对较小；MRI协议基于医院的常规临床标准使用2D序列。未来需要在独立、前瞻性、多中心队列中进行外部验证，并考虑使用对血管性认知特征更敏感的工具和自动体积定量方法。

**结论翻译：**
总而言之，研究人员开发了一种基于MRI的列线图，可有效对高血管风险患者的认知障碍风险进行分层。通过结合白质高信号和脑萎缩的常规标志物，这一实用工具将影像学研究转化为临床实践。其稳健的性能支持进一步的验证和对其临床效用的探索。