基于機器學習的大腦白質影像組學標簽識別帕金森病早期階段的應用研究

徐建國 宋僑偉 沈瑩 舒震宇

帕金森病（Parkinson’s disease，PD）是最常見的運動相關神經退行性疾病[1]。大多數PD患者確診時已處于疾病中晚期，錯過了最佳治療時期[2-5]。因此，尋找一種快速、準確的方法對PD進行早期診斷顯得尤為重要。近年來，影像組學作為一種新的定量成像技術，已被應用于包括PD在內的多種疾病的診斷[6-7]。而機器學習由于能提高分析結果的精確度和可靠性，已成為影像組學的重要組成部分[8]。PD患者大腦白質的微觀結構可能在疾病的早期階段就發生了變化，且結構變化的發生早于生理變化[9]，而已有研究表明影像組學分析可以反映白質的微觀結構變化[10]。本研究旨在探討使用機器學習方法構建大腦白質影像組學標簽用于PD早期診斷的可行性，以確定PD新的影像學標志物。

1 對象和方法

1.1 研究病例 使用PD進展標記倡議數據庫（Parkinson’s progression markers initiative，PPMI）（http：//www.PPMI-info.org）[11]基線數據來研究PD的早期階段。經過性別和年齡匹配，從數據庫中選出171例健康對照（healthy control，HC）人群和169例PD患者的影像和臨床資料。PD患者均是未進行藥物治療的新患者，大多處于疾病的早期。340例受試者按7∶3隨機分為訓練組237例和測試組103例。訓練組男156例、女81例，年齡（61.6±9.9）歲；測試組男 58例、女 45例，年齡（61.4±10.0）歲；兩組性別和年齡比較差異均無統計學意義（均P＞0.05）。兩組組內PD患者和HC人群性別和年齡比較差異均無統計學意義（均P＞0.05），見表1。利用訓練集構建影像組學標簽，并利用測試集驗證標簽的可靠性。本研究經浙江省人民醫院倫理委員會審查通過。

1.2 白質分割與圖像預處理 使用SPM 12軟件包（https：//cn.mathworks.com/）將所有數據的 T1FLAIR 圖像自動分割成大腦灰質、白質和腦脊液。……