《Advanced Science》：Assessing the Relative Importance of Imaging and Serum Biomarkers in Capturing Disability, Cognitive Impairment, and Clinical Progression in Multiple Sclerosis
编辑推荐：
本综述通过机器学习方法系统评估了多种磁共振成像（MRI）与血清生物标志物对多发性硬化（MS）患者残疾严重程度、认知功能、疾病表型及无复发活动进展（PIRA）的预测价值。研究发现脊髓萎缩是残疾严重度的最强预测指标，而皮质变薄、深部灰质萎缩与血清神经丝轻链（sNfL）、胶质纤维酸性蛋白（sGFAP）等指标共同为PIRA预测提供独立互补信息。研究强调了脊髓与皮质退变在MS进展中的核心地位，为优化临床监测策略提供了关键依据。
引言
多发性硬化（MS）是一种以中枢神经系统脱髓鞘、炎症和神经退行性变为特征的慢性疾病。尽管磁共振成像（MRI）在MS诊断和临床管理中至关重要，但常规MRI检测的白质病变（WMLs）负荷与临床症状之间常存在不一致性，即"临床-放射学悖论"。这种差异源于常规MRI的病理特异性有限、对脊髓病变的关注不足以及对正常表现组织中弥漫性损伤的不敏感性。近年来，先进成像技术和血清生物标志物的发展为更精准地量化MS病理变化提供了新途径。
研究方法
本研究采用前瞻性观察设计，纳入两个独立MS患者队列。队列1（n=120）包含57项高级定量MRI（qMRI）生物标志物；队列2（n=279）包含35项常规MRI生物标志物。两组均检测了血清神经丝轻链（sNfL）和胶质纤维酸性蛋白（sGFAP）水平。通过Boruta机器学习算法评估各生物标志物对扩展残疾状态量表（EDSS）评分、符号数字模态测验（SDMT）评分、疾病表型（进展型MS vs. 复发缓解型MS）以及PIRA发生风险的预测重要性。
结果分析
残疾严重程度预测：脊髓萎缩是EDSS评分的最强预测指标，其中C2水平横截面积（CSA）贡献最大。脑容积测量（如丘脑体积）、T1/T2-WML负荷等也被纳入预测模型（R2=0.55）。区分EDSS≥3.0和≥6.0患者时，丘脑qT1和C2 CSA分别为关键指标（AUC均>0.9）。
认知功能预测：白质、丘脑、海马等皮下结构体积是SDMT评分的主要预测因子（R2=0.31），凸显了皮下区域在信息处理速度中的重要性。
疾病表型鉴别：脊髓萎缩（尤其是C2 CSA）与T1-WML负荷、qMRI指标共同区分进展型与复发缓解型MS（AUC=0.92）。加入EDSS后模型区分度近乎完美（AUC=1.00）。
PIRA预测：颞叶皮质厚度（CTh）是PIRA发生的最强预测因子（C-index=0.67），深部灰质体积、脑室容积及C3/C4 CSA等共同构成预测模型。在倾向评分匹配分析中，皮质病变体积、sNfL水平等指标可区分PIRA患者（AUC=0.80）。RRMS亚组中颞叶CTh仍是PIRA的独立预测因子。
验证队列验证：队列2结果证实脊髓CSA（C1-C3水平）、丘脑体积、sGFAP等对残疾和PIRA预测具有一致性。基于临床易得指标（年龄、C1 CSA、全脑体积、丘脑体积）构建的PIRA风险评分在两组中均显示良好预测效能（C-index：0.64-0.67）。
讨论与展望
本研究系统揭示了脊髓与皮质退变在MS疾病进展中的核心地位。脊髓萎缩作为残疾严重度的关键指标，反映了局部脱髓鞘、轴索丢失和胶质增生的综合病理改变；而皮质损伤（尤其是颞叶和扣带回皮质变薄）与PIRA风险密切关联，提示其作为"沉默进展"的早期预警信号。血清生物标志物sNfL（轴索损伤）和sGFAP（星形胶质细胞激活）为疾病监测提供了血液层面的补充信息。
研究局限性包括PIRA判定依赖EDSS、缺乏脊髓区域性损伤评估、队列间差异等。但多生物标志物整合的机器学习方法为临床提供了超越传统影像的预测视角。未来研究可探索脊髓灰质特异性萎缩、扩大血清生物标志物面板，并在更大队列中验证这些指标的临床转化价值。
