《CNS Neuroscience & Therapeutics》：An Integrated QSM-Radiomics Nomogram With Clinical and Imaging Markers for Stratifying Cognitive Impairment in Hypertension
编辑推荐：
本研究创新性地构建了整合定量磁敏感图（QSM）影像组学特征、深部灰质铁沉积定量参数、白质高信号（WMH）评分及临床危险因素的多参数诺莫图，在训练队列和验证队列中分别达到0.860和0.872的曲线下面积（AUC），显著优于单一QSM模型（AUC=0.620/0.710）和WMH模型（AUC=0.688/0.691）。该可视化工具为高血压相关认知障碍（CI）的早期客观分层提供了可靠的影像学依据。
研究背景与意义
高血压（HTN）作为全球范围内重要的血管危险因素，显著增加脑血管事件风险，是血管性认知障碍和痴呆的关键诱因。高血压诱导的脑微血管病理改变可导致结构、连接和功能损伤，在磁共振成像（MRI）上表现为脑微出血、腔隙性梗死和白质高信号（WMH）等特征性神经影像标志物。除血管功能障碍相关标志物外，铁代谢紊乱及其在脑内的沉积日益受到关注。大规模横断面研究显示，血清铁和铁蛋白水平等铁代谢标志物与高血压发病率显著相关。定量磁敏感图（QSM）作为一种新兴MRI技术，能够以高分辨率非侵入性量化组织铁含量，对磁化率值具有卓越敏感性。基底节等灰质核团因血管密度和灌注需求较高，更易受高血压损伤。然而，单一的磁化率值仅反映全局铁水平，可能无法捕捉微观结构异质性。影像组学通过从医学图像中提取高维亚视觉特征，为量化组织异质性提供了强大工具。
研究方法与对象
本研究前瞻性纳入232例高血压患者，最终178例符合标准。所有患者接受3.0T西门子Skyra扫描仪脑MRI检查，采用战略采集梯度回波（STAGE）序列进行QSM重建。由三名经验丰富的神经放射科医师手动勾画双侧尾状核头（CN）、壳核（PU）和苍白球（GP）感兴趣区域（ROIs），排除血管和相邻脑室结构。使用PyRadiomics软件包从每个灰质核团提取1130个影像组学特征，包括一阶统计量、形状特征、灰度共生矩阵（GLCM）特征等。采用多阶段特征降维策略：首先进行方差阈值筛选，随后通过最小冗余最大相关性（mRMR）算法和LASSO回归选择最优特征集。基于蒙特利尔认知评估（MoCA）量表将患者分为高血压伴认知障碍（HTN-CI）和高血压认知正常（HTN-NC）组，随机分为训练队列（n=124）和验证队列（n=54）。
主要研究结果
组间比较显示，HTN-CI组在双侧GP和左PU区域的磁化率值显著高于HTN-NC组。通过多阶段特征选择最终确定14个最优影像组学特征，构建的放射组学评分（Radscore）在训练队列和验证队列中分别达到0.812和0.827的AUC值，显著优于单一QSM模型和WMH模型。多区域融合的影像组学模型在验证队列中显著优于单区域模型。多参数联合模型整合Radscore、磁化率值、WMH评分、年龄和教育水平，在训练队列和验证队列中分别获得0.860和0.872的AUC值。多变量逻辑回归分析显示，教育水平和Radscore是认知障碍的独立预测因子。基于联合模型构建的诺莫图展示出良好的校准度，决策曲线分析（DCA）表明在阈值概率>10%时具有更显著的临床净获益。
讨论与创新点
本研究首次将QSM影像组学应用于高血压认知障碍分层，发现深部灰质铁沉积不仅增加且存在空间异质性分布。14个入选的影像组学特征可分为形状特征、一阶特征和纹理特征三类，主要从小波滤波图像或原始图像中提取。其中右GP体积和左GP小波能量对区分HTN-CI和HTN-NC贡献最大，反映深部灰质萎缩和非均匀铁聚集共同促进认知障碍发生。多区域特征融合模型优于单区域模型，支持高血压认知障碍涉及多个灰质核团协同病理改变的假设。教育水平作为早期认知刺激因素，是抵抗痴呆的关键可改变保护因素。尽管磁化率值在多变量分析中失去独立意义，但Radscore的持续显著性凸显影像组学通过解码铁沉积空间异质性模式可提供传统定量参数无法实现的病理学见解。
研究局限与展望
本研究存在样本量有限、单中心招募的局限性；手动ROI分割耗时较长；主要关注基底节区而未纳入皮质灰质结构。未来研究应进行多中心验证，纳入更广泛脑区，探索基于深度学习的自动分割技术以优化影像组学工作流程。
结论与临床意义
本研究成功构建的QSM影像组学模型在高血压认知障碍分层中表现出优越诊断性能。基于多参数联合模型开发的可视化临床诺莫图为高血压认知障碍的早期客观分层提供了可靠影像学依据，具有重要临床转化潜力。
