基于深度学习的黑质背侧高信号susceptibility map-weighted imaging分析作为特发性快眼动睡眠行为障碍患者多巴胺转运体正电子发射断层扫描替代指标的研究

《Frontiers in Neurology》：Deep learning-based susceptibility map-weighted imaging analysis of dorsal nigral hyperintensity as a surrogate for dopamine transporter positron emission tomography in patients with idiopathic rapid eye movement sleep behavior disorder

　　

特发性快眼动睡眠行为障碍是α-突触核蛋白病的前驱期，准确识别早期多巴胺能功能障碍具有重要的临床意义。本研究评估了基于深度学习的磁敏感加权成像能否预测iRBD患者的多巴胺转运体正电子发射断层扫描异常。研究人员回顾性纳入了74名同时接受SMwI和¹⁸F-FP-CIT PET检查的患者，并应用深度学习模型来检测黑质背侧高信号的缺失。在患者和半球层面评估了诊断效能。基于深度学习的SMwI在预测DAT PET异常方面的敏感度为78%，特异度为66.7%，准确度为73%。双侧SMwI异常与DAT PET阳性具有很强的相关性（24/26；92.3%），而在视觉评估无明显异常的SMwI患者中，有35.5%存在DAT PET异常。这些发现表明，人工智能辅助的SMwI与DAT PET具有中等程度的一致性，可作为识别iRBD中突触前多巴胺能功能障碍的实用分诊或随访工具，特别是在无法进行DAT PET检查的情况下。

研究背景及意义
临床数据不足以准确预测特发性快眼动睡眠行为障碍（iRBD，以睡眠期肌肉松弛丧失为特征的睡眠障碍）患者的表型转换，而iRBD是α-突触核蛋白病（alpha-synucleinopathies，一类以α-突触核蛋白异常沉积为特征的神经退行性疾病）的前驱期，包括帕金森病（PD，一种常见的神经退行性疾病）和路易体痴呆。因此，神经影像学生物标志物在检测iRBD早期多巴胺能功能障碍方面受到广泛关注。多巴胺转运体（DAT，负责多巴胺回收的膜蛋白）正电子发射断层扫描（PET，一种利用放射性示踪剂进行活体成像的技术）具有特定优势，但受限于高昂的成本、辐射暴露及仅在专业中心可用。基于磁共振成像（MRI，利用磁场和射频脉冲进行成像的技术）的技术作为一种非侵入性替代生物标志物引起了兴趣。其中，磁敏感加权成像（SMwI，一种对铁含量敏感的MRI技术）能够有效观察黑质致密部（SNpc，黑质中富含多巴胺能神经元的区域）内的黑质背侧高信号（DNH，黑质区域的放射学标志）。SMwI与DAT PET发现密切相关，在PD诊断中表现出高准确度。然而，SMwI上DNH缺失的视觉评估由于固有主观性及显著的观察者间变异性而充满挑战。深度学习（DL，一种基于人工神经网络的机器学习方法）的发展可能提供客观、可重复的评估。此前基于DL的研究多集中在区分确诊PD患者与健康对照，而iRBD患者作为前驱人群，其黑质成像异常更为微妙且异质性强，使得自动检测更具挑战性。为此，研究人员开展了评估基于DL的人工智能（AI，模拟人类智能的计算机系统）辅助SMwI预测iRBD患者突触前多巴胺能功能障碍的诊断准确性研究。结论表明AI辅助的SMwI与DAT PET具有中等程度的一致性，可作为非侵入性分诊或随访工具。该论文发表在《Frontiers in Neurology》上，对在无法广泛进行DAT PET检查的环境中早期识别多巴胺能受损具有重要意义。

关键技术方法
本研究为回顾性研究，样本队列来源于某三甲医院确诊的74例iRBD患者，均同时接受了SMwI和¹⁸F-FP-CIT PET检查。使用3T MRI扫描仪获取SMwI数据，利用迭代最小二乘法计算定量磁化率成像（QSM，通过MRI测量组织磁化率的技术）并重建SMwI。采用Heuron IPD软件集成两个独立的深度学习模型进行黑质分割和DNH检测，以生成二分类和定量体积估计。以经验丰富的核医学医师对DAT PET的视觉判读作为金标准，计算敏感度、特异度等评估AI基于SMwI在患者和半球层面的诊断效能，并采用受试者工作特征（ROC，用于评估二分类模型诊断效能的曲线）曲线分析DNH体积的预测效能。

研究结果
Patient characteristics
在134例接受SMwI的患者中，74例同时进行了DAT PET并纳入最终分析。平均MRI检查年龄为66.8岁，MRI与DAT PET检查的间隔中位数为139.5天。

AI-based SMwI interpretation
AI分析在74例接受DAT PET的患者中识别出43例SMwI异常，其中26例为双侧受累。半球层面分析中，右侧和左侧分别检测到36例和33例DNH异常。右侧和左侧平均DNH体积分别为4.85 mm³和5.15 mm³。

DAT PET imaging results
在74例接受DAT PET的患者中，41例被分类为异常，33例为正常。在异常患者中，15例表现为对称性双侧异常，其余表现为不对称或单侧异常。

Diagnostic performance of AI-based SMwI versus DAT PET
患者层面比较显示，在41例DAT PET阳性患者中，SMwI正确识别了32例为异常；在33例阴性患者中，正确识别了22例为正常。诊断敏感度、特异度、阳性预测值（PPV，测试阳性结果中真正患病的比例）、阴性预测值（NPV，测试阴性结果中真正未患病的比例）和准确度分别为78%、66.7%、74.4%、71.0%和73.0%。双侧DAT异常病例的SMwI一致性较高，而单侧异常病例的一致性较低。大多数假阴性病例在DAT PET上表现为单侧异常。

Side-based diagnostic performance
半球层面分析表明，右侧黑质的诊断敏感度、特异度和准确度分别为73.2%、81.8%和77.0%；左侧分别为63.4%、78.8%和70.3%。

Quantitative analysis of SMwI DNH volume
使用双侧DNH的最小体积进行定量ROC分析，曲线下面积（AUC，衡量分类模型性能的指标）为0.685。使用约登指数确定截断值后，其诊断效能均未超过AI二分类模型。

讨论与结论
在讨论部分，研究人员指出，AI辅助SMwI表现出中等的特异度，存在较高的假阳性率。这可能是因为SMwI检测到了DAT PET尚未反映出的细微结构改变，或者由于两次检查间隔时间较长导致多巴胺能状态发生时间变化。假阴性主要出现在单侧DAT PET异常的患者中，表明SMwI可能会遗漏较早期或局部的退化。此外，PD特征性的“逆行性死亡”现象可能导致突触前末端退化先于黑质结构改变。同时，SMwI可能捕捉到更广泛的多巴胺能病理变化。定量分析显示，仅使用DNH体积的诊断效能低于AI二分类模型，说明DL算法利用了体积以外的特征，如对比度梯度和区域强度模式。
研究结论翻译如下：AI辅助的SMwI判读在iRBD患者中表现出与DAT PET的中等一致性。虽然不足以替代DAT PET，但它可以作为一种实用的辅助工具，特别是在DAT成像获取受限的环境中。未来的纵向研究有必要探讨SMwI异常是否可以预测前驱期突触核蛋白病的表型转换。