《Healthcare》:Cardiac Magnetic Resonance Radiomics for Diagnosis, Phenotyping and Risk Stratification of Cardiomyopathies
编辑推荐:
背景:心血管磁共振(cardiovascular magnetic resonance,CMR)是无创评估心肌病的参考影像学手段,可全面评价心脏形态、功能和组织特征。影像组学(radiomics)作为一种新兴的图像分析技术,可从常规CMR图像中提取定量影像生物
背景:心血管磁共振(cardiovascular magnetic resonance,CMR)是无创评估心肌病的参考影像学手段,可全面评价心脏形态、功能和组织特征。影像组学(radiomics)作为一种新兴的图像分析技术,可从常规CMR图像中提取定量影像生物标志物,有望超越传统视觉评估增强疾病表征。本系统综述总结了基于CMR的影像组学在心肌病诊断、表型分型及风险分层中的现有证据。方法:采用结构化检索策略,筛选截至2026年8月发表的英文同行评审研究,这些研究探讨了基于CMR的影像组学在肥厚型心肌病、扩张型心肌病、致心律失常性心肌病及浸润性心肌病(包括心脏淀粉样变性、法布里病和心脏结节病)中的应用。研究筛选遵循PRISMA 2020指南。采用非随机研究方法学指数(Methodological Index for Non-Randomized Studies,MINORS)和影像组学质量评分2.0(Radiomics Quality Score 2.0,RQS 2.0)评估方法学质量。研究人员已审阅并编辑输出内容,并对本出版物的内容负全责。结果:现有证据表明,CMR影像组学通过量化心肌组织异质性,提供了超越常规CMR的增量诊断信息。从电影成像、钆延迟强化(late gadolinium enhancement,LGE)、平扫T1/T2 mapping及细胞外容积(extracellular volume,ECV)图中提取的影像组学特征,在区分心肌病亚型、鉴别病理性与生理性重构、识别浸润性和炎性心肌疾病方面表现出良好的性能。多参数影像组学模型通常优于单一影像生物标志物,初步证据支持其在风险分层和预后预测中的应用。然而,研究多为回顾性、样本量较小、影像采集和影像组学工作流程存在异质性,且很少包含外部验证。RQS 2.0评估显示方法学质量为低至中等。结论:基于CMR的影像组学在改善心肌病的诊断和表型分型方面显示出巨大潜力。但在常规临床实施之前,仍需进行方法学标准化、多中心前瞻性验证,并证明其增量临床价值。
1. 引言
心肌病是一组异质性心肌疾病,与显著的发病率和死亡率以及心源性猝死风险相关。准确的诊断和表型分型对患者管理、风险分层和治疗决策至关重要。心血管磁共振凭借其卓越的空间分辨率和通过多参数技术提供心脏形态、功能、组织成分和心肌纤维化综合信息的独特能力,已成为评估心肌病的无创参考影像学手段。除左心室容积、射血分数、钆延迟强化和参数mapping等常规CMR参数外,人们对高级图像分析方法兴趣日增。影像组学是指高通量提取描述心肌强度、纹理、形状和空间异质性的定量特征,可能捕捉人眼难以察觉的细微组织特征。在此视角下,医学图像不仅是视觉呈现,更是结构化的定量数据,可支持诊断、预后和预测建模。近年来,越来越多的研究探索了基于CMR的影像组学在多种心肌病中的应用,包括肥厚型、扩张型、致心律失常型和浸润性心肌病如心脏淀粉样变性。这些研究探讨了从电影图像、LGE序列和参数图中提取的影像组学特征在区分心肌病亚型、鉴别病理性与生理性重构以及在某些情况下预测临床结局方面的能力。尽管初步结果令人鼓舞,但证据仍然零散,在成像方案、分割策略、特征提取方法、机器学习算法和验证方法方面存在显著异质性。鉴于这些方法学挑战,影像组学质量评分2.0可能为评估已发表CMR影像组学研究的可重复性、稳健性和临床转化潜力提供一个结构化框架。本系统综述旨在评估基于CMR的影像组学在心肌病诊断、表型分型、鉴别诊断和风险分层中的现有证据,具体目标是总结所研究的心肌病类型、采用的成像序列和影像组学方法、应用的机器学习模型以及报告的诊断和预后性能指标,同时评估方法学质量并指出未来研究方向。
2. 检索策略与纳入标准
对截至2026年8月发表的英文全文文章进行了结构化检索。检索策略包含以下术语:影像组学或纹理分析或影像组学特征与CMR或心脏磁共振的组合。符合条件的原创研究评估了从CMR图像中提取的影像组学特征在淀粉样变性、法布里病、肥厚型心肌病、特发性扩张型心肌病、致心律失常性心肌病和结节病患者中的应用。分析了PubMed、Embase、Web of Science、Scopus、Biomed Central和Cochrane Library数据库。仅选择发表在英文同行评审期刊上的论文。纳入标准为:调查CMR影像组学的观察性或临床试验。总体共识别出101条记录。在评估标题和摘要后,共对83项研究进行了全文分析。采用非随机研究方法学指数标准测试所选论文的一般方法学质量。最终审查纳入26篇论文。对于每项纳入的研究,提取了影像组学特定的方法学特征,包括CMR序列、感兴趣区域和分割方法、特征提取方法、特征选择策略、模型开发、验证方法以及外部验证或开放科学要素的可用性。使用影像组学质量评分2.0评估影像组学特定的方法学质量。
3. 影像组学:原理
影像组学是一种图像分析方法,旨在通过提取大量预定义的特征来描述组织强度、纹理、形状和空间异质性,从而将医学图像转化为高维定量数据。影像组学的基本假设是医学图像包含反映微结构和分子水平病理生理过程的信息,而这些信息可能无法仅通过视觉评估来识别。在CMR中,影像组学工作流程始于临床相关的假设和选择适当的患者队列,随后是标准化图像采集、图像预处理、心脏感兴趣区域分割、特征提取与选择、模型构建、模型验证以及临床效用评估。提取的特征通常分为三大类:一阶特征描述分割区域内体素强度的分布而不考虑其空间关系;基于形状的特征描述分割区域的几何形状;纹理特征描述体素强度在组织内的空间排列方式,提供关于图像区域是否相对均匀或包含复杂空间变化的信息。纹理特征通常源自灰度共生矩阵、灰度游程矩阵和灰度尺寸区域矩阵等矩阵。影像组学特征也可以从滤波或变换后的图像中提取,例如小波分解和高斯-拉普拉斯滤波可以强调不同空间尺度的图像模式并揭示关于组织异质性的额外信息。由于提取的特征数量庞大而医学影像研究样本量相对有限,特征选择和降维是减少冗余和减轻过拟合的关键步骤。选定的特征可随后纳入统计或机器学习模型,用于疾病分类或风险分层等特定任务。在CMR背景下,影像组学可应用于多种序列,包括电影成像、钆延迟强化和参数mapping,从而实现心肌组织的多参数表征。然而,影像组学特征对图像采集、重建、分割、预处理、强度归一化、重采样和灰度离散化敏感。因此,特征的稳健性、标准化定义、透明报告和外部验证对于临床转化至关重要。
4. 影像组学工作流程与方法学质量
影像组学工作流程特征和RQS 2.0评估结果显示,纳入的研究使用了异质性的CMR输入,包括电影成像、LGE、平扫T1 mapping、T2加权成像、T2 mapping、ECV图,以及一项研究中结合了PET和LGE-CMR数据。大多数研究依赖于手动分割的心肌感兴趣区域,而自动分割仅在少数研究中报告。特征提取主要基于手工制作的纹理或影像组学特征。特征选择和机器学习建模很常见,最常使用LASSO方法、递归特征消除、主成分分析、支持向量机、随机森林、逻辑回归或集成学习方法。内部验证策略经常被报告,而独立的外部验证仅在少数研究中可用。相应地,RQS 2.0得分普遍较低至中等,反映了大多数现有证据的探索性质以及有限的临床转化准备度。
5. 扩张型心肌病
CMR影像组学正在成为评估扩张型心肌病的有前途的工具,因为它可能捕捉到超越常规容积、功能和组织表征参数的心肌异质性。在常规CMR上,非缺血性DCM通常表现为左心室扩张、整体收缩功能障碍、与弥漫性间质纤维化一致的平扫T1和ECV升高,以及当存在时,一种非缺血性中壁模式的LGE,最常见累及室间隔。在此背景下,影像组学可通过从常规获取的CMR序列中提取高维定量信息,从而捕捉视觉评估无法完全识别的细微心肌纹理和空间异质性变化,提供增量价值。DCM中的初步证据主要来自基于参数mapping纹理分析的研究。从平扫T1 mapping中提取的纹理特征已被证明可以区分DCM患者和健康对照者,支持DCM中心肌异常不能仅由平均T1值完全捕捉的概念。同样,平扫T1图的纹理分析已被报道可表征弥漫性间质纤维化模式,并提供超出平均平扫T1测量的增量信息,表明影像组学可能更好地反映DCM中纤维化重塑的空间复杂性。最近,源自非缺血性DCM中平扫T1、ECV和LGE图像的影像组学特征已与心内膜心肌活检的组织学心肌组成相关联,进一步支持了影像组学作为心肌微结构重塑无创替代标志物的潜力。除了组织表征,CMR影像组学在具有重叠心肌病表型的患者的鉴别诊断中也显示出潜力。从CMR图像中提取的影像组学特征已被报道可以区分DCM、肥厚型心肌病和健康对照,而从短轴CMR图像中得出的影像组学特征也显示出区分左心室致密化不全、肥厚型心肌病和DCM的高诊断性能。这些发现表明,当常规形态学解释不确定时,影像组学可以改善表型分类。一个特别相关的应用是区分缺血性心肌病和DCM。基于电影CMR影像组学的机器学习模型,特别是心肌特征,已显示出区分缺血性心肌病和扩张型心肌病的能力,并且可能优于仅基于临床变量的模型。这似乎具有生物学合理性,因为缺血性心肌病通常以区域性疤痕相关重塑为特征,而DCM更常反映整体心室重塑和弥漫性间质心肌异常。影像组学因此可能捕捉反映这些不同基质的纹理、空间异质性和腔室-心肌关系差异。一致地,源自非对比剂电影CMR的影像组学也已证明能够区分缺血性和扩张型心肌病,同时识别心肌疤痕,突出了在钆对比剂禁忌症患者中潜在的有价值策略。在一个更广泛的心力衰竭人群中,结合电影成像、平扫T1/T2 mapping和纹理分析的多参数非对比剂CMR也显示出识别不同心力衰竭病因的潜力,可能与扩张型表型相关。总体而言,现有证据支持CMR影像组学在DCM中进行疾病检测、组织表征和鉴别诊断的可行性。然而,目前的研究仍受限于相对较小的样本量、频繁的单中心设计、采集和分割工作流程的异质性、影像组学特征的不稳定性以及有限的外部验证。
6. 肥厚型心肌病
CMR在肥厚型心肌病中的核心作用此前已被证实,可提供相关的诊断和预后信息。影像组学提供了一个从标准CMR图像中提取纹理和异质性特征的定量框架。一方面,影像组学可用于鉴别诊断。关于HCM与高血压性心脏病,多项研究表明影像组学模型优于常规CMR参数。利用平扫T1 mapping,Neisius等人证明选定的纹理描述符比全局平扫T1值更准确地区分HCM与HHD,即使在具有相似室壁厚度的患者中也是如此,突显了影像组学捕捉HCM典型的局灶性、异质性纤维化而非HHD更弥漫性重塑的能力。扩展此方法,Liu等人将乳头肌衍生特征纳入机器学习模型,显著改善了判别能力,强调了超出单纯心肌实质之外的细微几何重塑模式的贡献。在一个更大的队列中,Zhang等人将电影和LGE衍生的影像组学评分与常规参数整合,与临床模型相比实现了优越的诊断性能,确认了多参数影像组学特征的增量价值。另一方面,影像组学已显示出区分MYH7和MYBPC3相关HCM的能力,尽管常规CMR指标相似,表明存在标准评估无法识别的基因特异性微结构特征。除了诊断应用,影像组学也可能有助于HCM的预后风险分层。在一项大型队列研究中,Wang等人证明,从LGE图像中提取的反映心肌疤痕异质性的影像组学特征与心源性猝死风险相关,表明纹理衍生指标可能提供超越常规临床和影像参数的增量信息用于识别高危患者。
7. 淀粉样变性
心脏淀粉样变性是一种浸润性心肌病,其特征是错误折叠蛋白在心肌内细胞外沉积,导致进行性舒张功能障碍、限制性生理学和不良预后的进行性心力衰竭。与其他左心室肥大原因的表型重叠以及对早期浸润的低估仍是这种情况下的重大诊断挑战。影像组学已成为一种有前景的方法,可从CMR图像中提取高维定量特征,捕捉超出视觉评估的细微微结构改变,并有可能改善鉴别诊断和疾病表征。Schofield等人证明,平衡稳态自由进动电影图像的纹理分析可以区分左心室肥大的不同病因。诸如峰度和偏度等参数在不同疾病组和健康对照之间显示出一致的差异,并具有可接受的测试-重测重复性,支持基于电影的影像组学分析的技术稳健性。同样,Jiang等人表明,应用于非对比剂电影图像的机器学习影像组学可以准确区分CA与HCM,其中灰度非均匀性成为心肌微结构差异的关键描述符。在这项研究中,影像组学特征与常规MR指标的相结合提高了与单独常规指标相比的判别能力,表明增量诊断价值。此外,GLevNonU与LGE阳性之间的关联表明,电影衍生的异质性指标可能反映潜在的心肌浸润或纤维化。基于参数mapping的影像组学进一步优化了非对比剂评估。T2加权成像的纹理分析已显示出区分CA与HCM的可行性。Huang等人在一个大型CA和HCM患者队列中评估了源自T2加权CMR的纹理特征,并确定了七个提供强大判别能力的独立特征。纹理模型的诊断性能与LGE定量相当,支持T2影像组学可能捕捉常规评估未充分认识的微环境改变,如含水量变化和间质扩张的假设。分析T1 mapping,Antonopoulos等人从T1图中提取了数百个影像组学特征,并证明一个六个特征的子集在区分心肌健康与疾病以及区分HCM表型模拟包括心脏淀粉样变性方面优于平均平扫T1值。更具体地在AL-CA中,Ma等人表明,源自平扫T1 mapping的影像组学评分为检测心肌受累提供了比平扫T1值更高的敏感性。此外,结合T1值和选定影像组学特征的组合模型进一步提高了诊断性能。这些发现具有临床相关性,因为基于平扫T1的影像组学可能代表ECV定量的无对比剂替代方案,在肾功能不全或钆对比剂禁忌症患者中尤其有利。最近,提出了多参数和集成机器学习方法以提高诊断准确性。在一项单中心回顾性研究中,Zhang等人开发了一个集成模型,整合了来自平扫T1、对比后T1、T2 mapping和ECV的影像组学特征,在AL-CA、HCM和健康对照之间实现了出色的多类别判别。来自mapping序列的纹理和一阶特征主导了模型,而心室形状特征只发挥了边际作用,强化了微结构组织改变而非几何重塑驱动这些实体之间判别的概念。然而,应用于LGE-CMR的影像组学也提供了增量诊断价值。在一项包括经活检证实的AL淀粉样变性的多中心研究中,Zhou等人证明,从LGE图像中提取的影像组学特征与视觉评估和常规定量LGE指标相比实现了优越的诊断性能,基底段特征提供了最高的判别能力。此外,影像组学评分与Mayo分期显示出中等相关性,表明LGE衍生的影像组学可能不仅反映心肌受累的存在,还反映其严重程度。这些发现提出了影像组学可能有助于心脏淀粉样变性预后分层的可能性,尽管需要前瞻性验证。
8. 其他心肌病
在其他心肌病中,CMR影像组学的应用仍然较为有限,但现有证据表明其在表型分型、疾病活动度评估和风险分层方面具有潜在作用。在致心律失常性右心室心肌病中,最近的工作表明,源自CMR心包脂肪组织的影像组学可以预测左心室受累,并为主要不良心血管事件提供增量预后信息。这尤其有趣,因为ARVC越来越被认为是一种双心室疾病,影像组学可能捕捉超出常规功能参数之外的细微结构和组织相关变化。在心脏结节病中,基于CMR的影像组学似乎特别有希望用于完善组织表征和疾病活动度评估。LGE图像的影像组学分析已被证明可以使用PET-CMR定义的炎症活动度作为参考标准来区分活动性与非活动性心脏结节病,表明影像组学可能捕捉与持续心肌炎症相关的纹理特征,超越疤痕的视觉存在。此外,源自LGE-CMR的影像组学特征也被研究用于区分心脏结节病与其他炎性心肌疾病,包括新冠后心肌炎症,支持高级图像分析在临床困难情况下改善鉴别诊断的潜力。一项进一步的定量LGE-CMR研究比较了心脏结节病与其他非缺血性心肌病表型,表明结节病的特征是更高且更区域集中的LGE信号强度,特别是在室间隔内和沿右侧心内膜层,强化了结节病中心肌损伤的模式和分布与非缺血性扩张型心肌病中观察到的更弥漫性间质重塑显著不同的概念。在法布里病中,CMR在心脏表型分型中发挥核心作用,其特征性表现包括与鞘糖脂储存相关的低平扫T1值、在更晚期炎症阶段可能的假性正常化,以及下侧壁中壁LGE。然而,专门关注法布里心肌病中CMR影像组学的同行评审证据仍然稀少。因此,尽管高级图像分析可能代表了将来区分法布里心肌病与表型重叠疾病如肥厚型心肌病的有前途的方向,但仍缺乏稳健的基于影像组学的验证。总体而言,现有证据表明,在ARVC和心脏结节病中,CMR影像组学可能为表型分型、风险评估和鉴别诊断提供增量价值,而在法布里病中该领域仍主要是探索性的。这些发现进一步强调了影像组学在较不常见心肌病中的前景以及在考虑临床实施之前需要进行更大规模、标准化、多中心研究的必要性。
9. 结论与未来方向
CMR影像组学代表了常规CMR的一种有前景的扩展,能够提取超越视觉评估和标准功能或组织表征参数的定量影像生物标志物,捕捉心肌组织异质性。在心肌病谱系中,包括肥厚型、扩张型、浸润性、炎性和致心律失常性疾病,影像组学始终展现出改善诊断准确性、促进鉴别诊断和完善疾病表型分型的潜力。新出现的证据也提示其在预后评估中的可能作用,尽管这一点不如其诊断应用那样成熟。尽管取得了这些令人鼓舞的结果,但目前的证据仍受到相对较小的回顾性队列、方法学异质性、图像采集和分割的变异性、影像组学特征提取和机器学习管线的差异以及缺乏外部验证的限制。因此,影像组学超越既定CMR生物标志物的增量临床价值尚未得到最终证明。目前,CMR影像组学应被视为一种有前景的研究工具,而非准备好常规临床实施的技术。RQS 2.0评估进一步支持了在该领域加强方法学的必要性。尽管大多数研究描述了图像输入、分割策略、特征提取和模型开发,但RQS 2.0得分普遍较低至中等。最高得分出现在纳入外部验证、自动分割、预后随访、校准分析或开放科学元素的研究中。相反,有限的外部验证、小的回顾性队列、手动分割、异质性预处理以及对稳健性、可重复性和临床效用的不完整报告是常见的局限性。这些发现表明,目前心肌病中CMR影像组学的证据仍主要是探索性的,临床转化准备度不足以进行常规实施。未来的研究应侧重于提高CMR影像组学的稳健性、可重复性和临床适用性。具有标准化采集协议、协调图像预处理并遵守国际标准化倡议的大型前瞻性多中心研究对于确保跨扫描仪、供应商和机构的可重复影像组学生物标志物至关重要。同样重要的是采用透明的报告标准和严格的外部验证以提高预测模型的泛化性。另一个重要方向是将影像组学与互补信息来源整合,包括临床变量、遗传数据、循环生物标志物和常规CMR参数,以开发能够支持个体化诊断和风险分层的多模态精准医学模型。人工智能的进步,特别是深度学习和混合影像组学-深度学习方法,可能进一步提高模型性能,同时减少对手工特征工程的需求。与此同时,开发全自动分割和分析管线可以促进工作流程整合并提高日常临床实践中的可重复性。最终,CMR影像组学的临床成功不仅取决于实现高诊断准确性,还取决于证明其对现有影像生物标志物的有意义增量价值、改善临床决策并通过前瞻性临床验证研究积极影响患者结局。