基于T1紋理特征的阿爾茨海默病性別差異研究

黃子昂，李 慧，李曉舒，朱婉秋，高子雯，李雨晴，周珊珊，余永強

阿爾茨海默病(Alzheimer's disease，AD)是一種慢性神經(jīng)系統(tǒng)的退行性疾病，主要表現(xiàn)為進行性的記憶喪失。aMCI是介于正常衰老和癡呆之間的一種狀態(tài)，患者存在認知能力下降，但未達到癡呆的診斷標準，是AD的臨床前期[1]。

目前診斷AD的方法主要有臨床認知評估，磁共振(MRI)結(jié)構(gòu)、結(jié)構(gòu)像紋理分析[2]等。而影像組學(xué)作為一種新興的診斷方法，其基本原理是假設(shè)電子醫(yī)學(xué)圖像包含視覺感知之外的信息，這些信息可以很好地反映組織特性，也能提高診斷或預(yù)后的準確性[3]。而女性的AD患病率約是男性的兩倍，在臨床表現(xiàn)和疾病進展上也存在諸多不同[4-6]，因此探索AD的性別差異是非常重要的臨床問題。本研究創(chuàng)新性的關(guān)注了AD的性別差異，選取了與AD腦損害關(guān)系密切的多個腦區(qū)作為感興趣區(qū)域(region of interest，ROI)，提取并篩選影像組學(xué)特征，旨在得出AD患者影像組學(xué)紋理特征的性別差異，及對不同性別AD患者診斷的預(yù)測能力，以期為AD的早期診療提供幫助。

1 材料與方法

1.1 研究對象收集2017年5月-2022年8月就診于安徽醫(yī)科大學(xué)第一附屬醫(yī)院神經(jīng)內(nèi)科記憶障礙門診AD患者77例，其中男35例，女42例。入組標準：患者及知情者有記憶障礙主訴；符合美國國立神經(jīng)病、語言交流障礙和卒中研究所-老年性癡呆及相關(guān)疾病學(xué)會對AD的診斷標準；簡易精神狀態(tài)檢查(Mini-Mental State Examination，MMSE)評分<24分；蒙特利爾認知評估(MoCA)評分<18分；臨床癡呆評定量表(Clinical Dementia Rating Scale，CDR)評分>0.5分。排除標準：其他類型癡呆(如路易體癡呆、額顳葉癡呆等)；合并其他精神障礙或藥物、酒精依賴者；有過腦感染、外傷及手術(shù)者；有卒中病史；MR掃描禁忌證(如幽閉恐懼癥、金屬假牙或支架及高熱)等[7]。aMCI患者74例，其中男35例，女39例。入組標準根據(jù)Petersen et al[8]在1999年提出的MCI診斷標準及美國國立老化研究所與阿爾茨海默病協(xié)會(National Institute on Aging-Alzheimer′s Association，NIA-AA)提出關(guān)于AD源性MCI的診斷標準：患者及知情者有記憶減退主訴；存在記憶減退的客觀表現(xiàn)(記憶功能評分在匹配組分值1.5標準差以下)；保留獨立生活的基本能力；日常生活能力量表(Activity of Daily Living Scale，ADL)評分<23 分；MMSE評分≥24分，MoCA評分≥18分；CDR評分=0.5分。排除標準：同AD。正常對照(health control， HC)75例，其中男35例，女40例，正常對照為同期招募的社區(qū)志愿者。入組標準：無記憶障礙主訴；MMSE評分≥26分；MoCA評分≥24；CDR評分=0分；無精神疾病家族史；無腦卒中史等。本研究嚴格遵循赫爾辛基宣言標準，被試均知情同意。

1.2 影像數(shù)據(jù)采集使用GE Discovery 750w 3.0T MR掃描儀，24通道頭頸部聯(lián)合線圈獲取影像數(shù)據(jù)。掃描前以海綿墊固定頭部，囑患者仰臥靜止，閉目清醒，掃描常規(guī)T1WI、T2WI、FLAIR序列，以排除腦器質(zhì)性疾病。

三維高分辨T1結(jié)構(gòu)像采用全腦容積采集(the brain volume sequence，BRAVO)序列，掃描參數(shù)：TR 8.5 ms，TE 3.2 ms，TI 450 ms，翻轉(zhuǎn)角12°，矩陣 256 × 256，F(xiàn)OV 25.6 cm× 25.6 cm，層厚1 mm，無層間隔，矢狀位掃描188層，掃描時間4 min 56 s。

1.3 圖像預(yù)處理采用優(yōu)化的基于體素形態(tài)學(xué)測量方法，使用 Mricron 軟件里的 dcm2nii 插件對原始的DICOM格式圖像轉(zhuǎn)換為Nifti格式圖像，并對圖像質(zhì)量進行檢查。

1.4 影像分析及統(tǒng)計方法

1.4.1人口基線統(tǒng)計學(xué)分析 使用SPSS 23.0軟件對受試者人口基線信息進行統(tǒng)計學(xué)分析。三組之間符合正態(tài)分布、方差齊的計量資料采用方差分析，并進行post-hoc事后檢驗。性別組成使用卡方檢驗。各組男女之間采用獨立樣本t檢驗。

1.4.2腦區(qū)的分割及特征提取 選取與AD結(jié)構(gòu)萎縮相關(guān)性較高的腦區(qū)(海馬，丘腦，尾狀核，殼核，蒼白球，基底節(jié)區(qū)，島葉，楔前葉，扣帶回，角回，額中回，額下回，頂上小葉及頂下小葉，并進一步分成左右兩個區(qū)域)作為ROI[9-11]，由一名經(jīng)驗豐富的放射科醫(yī)師使用ITK-SNAP軟件動勾畫分割相應(yīng)腦區(qū)的所有層面(圖1)。得出個體腦區(qū)后，使用GE Monogram的AK軟件對這些腦區(qū)的影像組學(xué)特征進行提取，本研究提取的特征包括：① 一階特征(First Order)：體素強度的一階統(tǒng)計特征值；② 形狀特征(Shape)：形狀特征值；③ 灰度共生矩陣(GLCM)：體現(xiàn)紋理變化快慢的高階紋理特征值；④ 灰度行程矩陣(GLRLM)：以描述像素值的分布的高階紋理特征值；⑤ 灰度區(qū)域大小矩陣(GLSZM)：以描述圖像亮度的高階紋理特征值。將獲得的高維特征通過LASSO算法及小波分析進行降維處理，使受試者的每一個腦區(qū)都能得到828個特征。

1.4.3特征處理 將受試者的特征按AD、aMCI、HC設(shè)置label，從而分為AD-HC、AD-aMCI、aMCI-HC三組(如將AD和HC的特征設(shè)置label為0和1，然后使用IPMs軟件對設(shè)置label的數(shù)據(jù)進行逐步分析，即對AD-HC這個分組數(shù)據(jù)進行分析，以此類推)，再使用IPMs軟件設(shè)置隨機種子點為1，separate(訓(xùn)練數(shù)據(jù)與驗證數(shù)據(jù)比例)為0.7，并對每一組數(shù)據(jù)進行標準化處理，隨后進行特征的篩選，其中包括單因素特征篩選及多因素特征篩選。單因素特征篩選包括：① Correlation_XX(根據(jù)自變量與自變量的相關(guān)系數(shù)篩選)；② Variance(根據(jù)方差篩選，方差大于選定值的自變量被保留)；③ General_Univariate_analysis(采用t檢驗、秩和檢驗等方法綜合分析，存在統(tǒng)計學(xué)差異的自變量被保留); ④ Univariate_Logistic(采用單因素邏輯回歸進行分析，存在統(tǒng)計學(xué)差異的自變量被保留)。多因素特征篩選包括：① PCA(PCA降維至選定主成分)；② Multivariate_Logistic(采用逐步邏輯回歸進行分析，存在統(tǒng)計學(xué)差異的自變量被保留)；③ GBDT(采用GBDT分析，保留對分類貢獻大的自變量)。前后進行多種不同特征篩選，后一步篩選在前一步篩選的基礎(chǔ)上進行。再按照上述操作分性別進行特征處理。其中P<0.05為差異有統(tǒng)計學(xué)意義。

圖1 部分腦區(qū)3D T1勾畫結(jié)構(gòu)圖

1.4.4分類分析 支持向量機(support vector machine, SVM)是一種普遍且經(jīng)典的分類建模方法，旨在通過一個線性判別函數(shù)，獲得兩個類別之間的決策邊界(這個決策邊界被稱為超平面，它的定位是盡可能遠離每個分類中最近的數(shù)據(jù)點，而這些最近的點稱為支持向量)，從而達到預(yù)測和分類的效果。既往研究表明SVM具有較高的性能和泛化能力[12]。本研究將篩選后的特征輸入SVM模型中，對ADvsHC、ADvsaMCI、aMCIvsHC分性別進行影像組學(xué)分類預(yù)測。使用線性核，采用留一法進行交叉驗證。計算了分類的靈敏度、特異度、準確度(accuracy，ACC)及曲線下面積(area under curve, AUC)等指標。

2 結(jié)果

2.1 人口基線信息各組的年齡、性別組成差異均無統(tǒng)計學(xué)意義(P>0.05)， AD組及MCI組教育程度及MMSE得分顯著低于HC組(P<0.05)，見表1、2。

2.2 SVM分類預(yù)測結(jié)果用支持向量機(SVM)將受試者按性別進行組間分類，ADvsHC的分類能力相較于ADvsaMCI、aMCIvsHC的靈敏度、特異度、AUC及ACC等識別指數(shù)均較高，而ADvsaMCI組相較于aMCIvsHC組的靈敏度、特異度、AUC及ACC也相對較高。而女性的ADvsHC、ADvsaMCI、aMCIvsHC的靈敏度、特異度、AUC及ACC普遍高于男性。

在男性的ADvsHC組中，部分ROI擁有較高的識別指數(shù)，其中海馬、左側(cè)海馬、右側(cè)海馬、右側(cè)丘腦、楔前葉、左側(cè)楔前葉、右側(cè)楔前葉、左角回、右側(cè)額中回、右側(cè)頂上小葉、頂下小葉、左側(cè)頂下小葉的靈敏度、特異度、AUC能達到80%以上。ADvsaMCI組中，只有少數(shù)ROI有較好的靈敏度、特異度、AUC及ACC，其中左側(cè)島葉、左側(cè)額中回、左側(cè)頂下小葉的靈敏度、特異度、AUC能達到80%以上。而在aMCIvsHC組中，僅有丘腦、右側(cè)額中回、右側(cè)頂上小葉的靈敏度、特異度、AUC能達到70%以上(表3)。

在女性ADvsHC組中，絕大多數(shù)ROI具有較高的靈敏度、特異度、AUC及ACC，其中海馬、左側(cè)海馬、左側(cè)丘腦、右側(cè)尾狀核、基底節(jié)區(qū)、左側(cè)基底節(jié)區(qū)、右側(cè)基底節(jié)區(qū)、右側(cè)角回的靈敏度、特異度、AUC能達到90%及以上，明顯高于男性組。在ADvsaMCI組中，也有部分ROI有較高的靈敏度、特異度、AUC及ACC，其中右側(cè)扣帶回的AUC能夠高達94.9%(圖2)。而aMCIvsHC組中，只有海馬、右側(cè)基底節(jié)區(qū)、左側(cè)島葉的靈敏度、特異度、AUC能達到70%以上(表4)。

圖2 右側(cè)扣帶回紋理特征對女性AD vs aMCI的分類能力

表1 組內(nèi)按性別基本人口統(tǒng)計學(xué)資料

表2 組間按性別基本人口統(tǒng)計學(xué)資料

3 討論

本研究主要從與AD結(jié)構(gòu)變化關(guān)系較為密切的多個腦區(qū)入手，基于紋理特征的影像組學(xué)方法，對AD分性別進行預(yù)測。此前，雖有一些單個腦區(qū)基于紋理分析的AD影像組學(xué)方面的研究，但是多個腦區(qū)分性別的相關(guān)性研究鮮有報道。關(guān)注AD性別間的紋理差異及預(yù)測能力，對AD分性別的早期精準診療提供一定的借鑒性。

AD的進展存在著大腦結(jié)構(gòu)和功能上的改變，隨著成像技術(shù)的迅速發(fā)展，傳統(tǒng)影像已經(jīng)成為AD疾病管理中的重要模式，為臨床提供了全面的視角和豐富的信息，在疾病篩查、早期診斷及治療等方面起到了至關(guān)重要的作用，而影像組學(xué)則是在傳統(tǒng)影像的基礎(chǔ)上，通過深度挖掘數(shù)據(jù)，尋找出疾病的微環(huán)境信息及內(nèi)涵特征，從而反映出疾病組織及細胞水平的變化，實現(xiàn)更高的精確度和生物信息的提取，并且通過對數(shù)據(jù)的分析及處理，使用機器學(xué)習(xí)的方法從中提取關(guān)鍵信息，對疾病進行精準量化評估，并最終用于疾病的輔助診斷及預(yù)測治療。

表3 SVM按性別進行分類預(yù)測(男性)

表4 SVM按性別進行分類預(yù)測(女性)

本研究顯示在不區(qū)分性別的情況下，ADvsHC組較ADvsaMCI組有較高的靈敏度、特異度、AUC及ACC，而ADvsaMCI組較aMCIvsHC組也具有較高的靈敏度、特異度、AUC及ACC。隨著AD的進程，越來越多的腦區(qū)擁有較高的靈敏度、特異度、AUC及ACC，說明越來越多的腦區(qū)隨著病情的發(fā)展參與進來，而在男性和女性的ADvsHC、ADvsaMCI、aMCIvsHC三組分析中，擁有較好靈敏度、特異度、AUC及ACC的腦區(qū)并不相同，這可能間接說明了男性與女性與AD損傷相關(guān)的腦區(qū)也不盡相同，提示了在日后的AD研究中，需要注意區(qū)分性別，將更有助于AD的精準診療。但是海馬、左側(cè)海馬、右側(cè)海馬區(qū)域，在不同分組不同性別中均具有較高的靈敏度、特異度、AUC及ACC。這些區(qū)域與既往的一些研究一致[11-13]。AD是一個慢性退行性病變，隨著疾病的加重，各個腦區(qū)都會呈現(xiàn)不同程度的萎縮。而海馬相較于其他腦區(qū)結(jié)構(gòu)受累最早，損傷的程度更加的明顯，可作為一個穩(wěn)定的生物標記來對AD進行早期識別及診療。而在分性別的研究中，發(fā)現(xiàn)女性的各組間靈敏度、特異度、AUC及ACC普遍高于男性的各組間指數(shù)。這說明，女性相較與男性，腦區(qū)的損害普遍明顯，這可能與女性絕經(jīng)后雌激素水平的顯著下降，更容易受到AD病理的影響，教育程度普遍較低，擁有較低的腦儲備及認知儲備等一些因素關(guān)系密切[14]。

本研究還存在一定的局限性，首先，樣本量相對較??；其次，本研究是橫斷面的研究，后期將納入縱向研究對實驗結(jié)果進行驗證；最后，本研究的受試者雖然都是臨床上通過詳細的篩查量表及根據(jù)臨床表現(xiàn)所納入的，但是依舊缺少AD的病理學(xué)生物標志物。在以后的研究中，將繼續(xù)擴大樣本容量，完善多方面生物標志物相關(guān)檢查，提高對AD的預(yù)測效果。

本研究基于紋理特征的影像組學(xué)方法，分組間和性別探索了AD進程中紋理特征的差異，以及對不同性別AD患者診斷的預(yù)測能力，提示了研究AD性別差異的重要性。本研究還為AD性別特異性的早期識別提供了一些可靠的生物標記，將有助于AD的精準診療。