MRI紋理分析預測心肌淀粉樣變有無延遲強化的價值初探

伍希，唐露，鄧巧，吳韜，劉念，張?zhí)祆o，陳玉成，黃小華，孫家瑜*

作者單位：1.川北醫(yī)學院附屬醫(yī)院放射科，南充637000；2.四川大學華西醫(yī)院放射科，成都610041；3.飛利浦（中國）投資有限公司，廣州510180；4.四川大學華西醫(yī)院心內(nèi)科，成都610041

淀粉樣變是一種由不溶性纖維原蛋白沉積在心臟、腎臟等器官的系統(tǒng)性疾病[1]。不溶性復合物聚集于心肌細胞外間隙，稱為心肌淀粉樣變性(cardiac amyloidosis，CA)。CA 是心臟疾病中較為少見的限制型心肌病，會引起心肌增厚、心室功能降低、心律失常、最終可能引起心力衰竭等一系列形態(tài)和功能障礙。且CA病情進展迅速，在早期缺乏特異性，導致CA 患者較高的病死率[2]。因此，早期準確診斷CA，從而提供更精準的臨床治療對改善預后有重要的意義[3]。心內(nèi)膜下心肌活檢是診斷CA的金標準，但因其有創(chuàng)、風險較高且價格昂貴等原因不能作為常規(guī)檢查。心臟磁共振(cardiovascular magnetic resonance，CMR)作為一種無創(chuàng)影像檢查方法，能夠提供心臟形態(tài)、功能以及組織學和血流動力學信息，是CA多模態(tài)成像評估的一個重要工具[4,5]。傳統(tǒng)的CMR 對CA 的診斷主要基于釓對比劑延遲增強(late gadolinium enhancement，LGE)序列典型的心內(nèi)膜下環(huán)形強化或透壁強化，對于CA伴隨腎功能不全的患者，在一定程度上限制了LGE 序列的應用。心肌延遲強化與CA 患者死亡率增加有關，早期識別心肌有無延遲強化并進行危險分層，對CA 患者的治療和預后有重大價值[6]。因此，我們嘗試用影像組學方法對CA 患者的native T1 mapping圖像進行紋理分析。

紋理是圖像的一個固有屬性，其特征是描述圖像像素分布特點及灰階強度，能夠反映圖像中肉眼不可見的微觀信息。紋理分析作為一種新的醫(yī)學圖像分析技術，現(xiàn)已廣泛應用于各種疾病的研究中。通過磁共振成像(magnetic resonance imaging，MRI)紋理分析提取客觀數(shù)據(jù)能夠增加疾病診斷可信度和預測臨床結果，同時能夠減少掃描序列縮短檢查時間[7]。目前，紋理分析在CMR 中的研究也越來越廣泛，既往多個研究[8-10]已經(jīng)證明非對比增強的MRI紋理分析在梗死樣急性心肌炎、高血壓性心臟病和肥厚型心肌病等心臟疾病的診斷或鑒別診斷中能提供有用信息，而采用native T1 mapping心肌紋理特征來預測淀粉樣變心肌有無延遲強化的研究暫未檢索到。因此本研究旨在探討心肌MRI 紋理分析在鑒別無延遲強化淀粉樣變心肌與健康心肌的差異及在預測CA 患者心肌有無延遲強化中是否有潛在的價值。

1 材料與方法

1.1 臨床資料

本研究回顧性分析2013 年8 月至2021 年5 月四川大學華西醫(yī)院經(jīng)病理證實的132 例輕鏈型CA 患者的臨床及影像學資料。按照CMR 有無延遲強化分為無延遲強化組(45 例)和延遲強化組(87 例)，同時納入年齡和性別與無延遲強化組匹配的健康對照組66 例。CA 患者納入標準：(1)有完整的臨床資料和手術病理結果，能夠明確診斷；(2)未合并其他心臟疾病。(3)序列至少包括電影磁共振成像(cine magnetic resonance imaging，cine-MRI)序列、native T1 mapping序列及LGE序列。排除標準：(1)在CMR檢查前接受過放射治療和藥物治療。(2)圖像質(zhì)量欠佳，不能滿足圖像分割和影像診斷要求。健康對照組納入標準：(1)正常心臟形態(tài)及功能；(2)無高血壓、高脂血癥和糖尿病等心血管風險因素；(3)無個人及家族心血管病史。

本研究通過四川大學華西醫(yī)院倫理委員會批準(批準文號：2019年審381號)，免除受試者知情同意。

1.2 檢查方法

采用3.0 T 核磁共振掃描儀(Siemens Magnetom Tim Trio)，32 通道專用心臟線圈進行檢查。主要掃描序列包括：(1) cine-MRI序列。采用回顧性心電門控的平衡穩(wěn)態(tài)自由進動序列在屏氣狀態(tài)下完成采集，掃描方位包括連續(xù)短軸位(從左心室基底部到心尖)和單層長軸位(兩腔心、三腔心和四腔心)。掃描參數(shù)如下：重復時間3.4 ms；回波時間1.2 ms；掃描視野300～360 mm；矩陣256×144；層厚8 mm；層間距0 mm；翻轉角36°～50°；時間分辨率42 ms。(2) native T1 mapping序列。通過前瞻性心電門控技術，使用經(jīng)運動校正后的LOOK-LOCKER反轉恢復序列進行采集，掃描方位包括三層短軸位(左心室基底層、中間層、心尖層)和單層長軸位(四腔心)。掃描參數(shù)如下：重復時間2.9 ms；回波時間1.12 ms；矩陣193×144；翻轉角35°；首次反轉時間為100 ms，往后每次增加80 ms；并行采集因子2；帶寬930 Hz/像素；層面空間分辨率：2.1 mm×1.4 mm，共采集11 個心動周期。(3) LGE序列。采用二維相位敏感反轉恢復序列，掃描方位與cine-MRI 序列一致，在注射釓對比劑5 min 左右進行掃描。掃描參數(shù)如下：重復時間613 ms；回波時間3.4 ms；掃描視野300～360 mm；矩陣256×144；層厚8 mm；層間距0 mm；翻轉角20°；在掃描LGE 序列之前，通過掃描反轉時間偵察(inversion time scout，TI-scout)序列，找到心肌過零點的TI 值用于LGE掃描。

1.3 心功能參數(shù)測量

將采集的短軸電影序列使用西門子Argus 軟件進行分析，逐層勾畫舒張末期左心室心內(nèi)膜和心外膜及右心室心內(nèi)膜輪廓，收縮末期左、右心室心內(nèi)膜輪廓，得到左右心室射血分數(shù)、舒張末期容積指數(shù)、收縮末期容積指數(shù)和左室心肌質(zhì)量指數(shù)等心功能參數(shù)。

1.4 圖像分割與特征提取

由兩位分別有4 年和6 年工作經(jīng)驗的放射科醫(yī)生采用手動分割法進行圖像分割。將所有受試者的MRI 圖像以DICOM 格式進行保存，圖像分割采用ITK-SNAP 軟件。選擇native T1 mapping 序列短軸位上心肌中間層面的map圖像載入軟件，在左室中間層心肌勾畫感興趣區(qū)(region of interest，ROI)，如圖1B所示。ROI的勾畫需要避開血池和乳頭肌，防止產(chǎn)生噪聲和部分容積效應。將勾畫的ROI 圖像及原始圖像以.nii 格式進行保存，選擇FeAture Explorer (FAE，V0.3.7)軟件[11]進行特征提取。提取特征包括形狀特征、一階直方圖特征及灰度共生矩陣(gray level co-occurrence matrix，GLCM) 和灰度游程矩陣(gray level run-length matrix，GLRLM)等二階特征。

1.5 特征篩選與建立模型

1.5.1 無延遲強化組與健康對照組

通過R 軟件(Version:4.0.4)，對兩位放射科醫(yī)生進行圖像分割后所提取的特征矩陣采用組內(nèi)相關系數(shù)(intraclass correlation coefficient，ICC)來評價紋理特征的一致性，篩選出ICC≥0.8 的紋理特征，增加特征的魯棒性；并選擇有6 年工作經(jīng)驗的醫(yī)生提取的紋理特征矩陣進一步特征篩選并建立模型。將數(shù)據(jù)以7∶3 的比例在保持正負樣本比例一致的情況下隨機拆分為訓練集與測試集，訓練集用于特征篩選和構建模型，測試集用于測試模型的泛化性。通過FAE 軟件對訓練集利用合成少數(shù)類過采樣技術(synthetic minority oversampling technique，SMOTE)平衡陰性和陽性樣本，對數(shù)據(jù)進行Z-score 標準化處理，通過皮爾森相關系數(shù)(pearson correlation coefficient，PCC)進行預處理，對PCC≥0.99 的特征刪除其中一個，使每個特征相互獨立。并進行十折交叉驗證，通過遞歸式特征消除法(recursive feature elimination，RFE)選擇最優(yōu)特征子集建立無延遲強化組與健康對照組的支持向量機(support vector machine，SVM)模型A。

1.5.2 無延遲強化組與延遲強化組

采用上述同樣的特征提取、篩選和建模方法，構建無延遲強化組與延遲強化組的SVM模型B。本研究影像組學流程如圖1.

圖1 影像組學流程圖Fig.1 The workflow of radiomics in this study.

1.6 統(tǒng)計分析

采用SPSS 25.0 軟件對臨床資料和影像數(shù)據(jù)進行統(tǒng)計分析。采用Kolmogorov-Smirnov 檢驗對連續(xù)變量進行正態(tài)性檢驗，符合正態(tài)分布的連續(xù)變量以(±s)表示，組間比較采用獨立樣本t檢驗；不符合正態(tài)分布的連續(xù)變量使用中位數(shù)和四分位間距(P25-P75)表示，采用Mann-WhitneyU檢驗；兩組間的分類變量比較采用成組設計χ2檢驗。

通過R 軟件(Version:4.0.4)進行紋理特征的一致性檢驗，以及利用基于python (3.7.6)的FAE 軟件對影像組學數(shù)據(jù)進行統(tǒng)計分析。根據(jù)約登指數(shù)得出敏感度、特異度、陽性預測值、陰性預測值和準確度，采用受試者操作特征(receiver operating characteristic，ROC)曲線下面積(area under the curve，AUC)分別評價兩個模型的分類效能，所有統(tǒng)計結果以P＜0.05表示差異有統(tǒng)計學意義。

2 結果

2.1 一般資料

按照嚴格的納入排除標準，排除5 例缺臨床資料、12 例影像數(shù)據(jù)不完整、4 例合并其他心臟疾病、3 例接受過放射和藥物治療和15 例圖像質(zhì)量差的患者，最后納入CA 患者132 例，其中無延遲強化組男22 例，女23 例，年齡58±10 歲；延遲強化組男52 例，女35 例，年齡57±11 歲。同時納入健康對照組66例，男32例，女34例，年齡53±14歲。心肌無延遲強化的CA患者與健康對照組的性別、年齡、身體質(zhì)量指數(shù)、舒張壓、左室舒張末期容積指數(shù)、左室收縮末期容積指數(shù)及左右心室射血分數(shù)差異均無統(tǒng)計學意義(P＞0.05)；心肌無延遲強化的CA 患者的收縮壓、右室舒張末期和收縮末期容積指數(shù)均低于健康對照組，差異有統(tǒng)計學意義(P＜0.05)，而左室心肌質(zhì)量指數(shù)顯著高于健康對照組(P＜0.01)。

而在所有CA患者中，無延遲強化組的左、右心室收縮末期容積指數(shù)及左室心肌質(zhì)量指數(shù)均低于延遲強化組，差異具有統(tǒng)計學意義(P＜0.01)；無延遲強化組的左、右心室射血分數(shù)均高于延遲強化組，差異具有統(tǒng)計學意義(P＜0.01)；而兩組的性別、年齡、身體質(zhì)量指數(shù)、收縮壓、舒張壓及左右心室舒張末期容積指數(shù)差異均無統(tǒng)計學意義(P＞0.05)。所有受試者的臨床及MRI參數(shù)的比較見表1。

表1 所有受試者的臨床及MRⅠ參數(shù)比較Tab.1 Comparion of clinical and MRⅠparameters among all subjects

2.2 特征篩選與模型建立結果

提取的特征包括形狀特征、一階特征、二階特征(GLCM、GLRLM)共70個影像組學特征。

2.2.1 無延遲強化組與健康對照組

對兩位醫(yī)生提取的無延遲強化組與健康對照組的特征集經(jīng)過一致性檢驗(ICC≥0.8)篩選出41 個特征。將數(shù)據(jù)按照7∶3 的比例隨機分為訓練集(77 例)和測試集(34 例)，訓練集經(jīng)過SMOTE、Z-score標準化、PCC、RFE以及十折交叉驗證，最后得出8個最優(yōu)特征子集，形狀特征有1個：MinorAxisLength；一階特征有3個，分別為90Percentile、Maximum、Mean；GLCM特征有2 個，分別為Correlation、Imc1；GLRLM 特征有2 個，分別為RunLengthNonUniformityNormalized、RunPercentage；各特征及其相應系數(shù)如表2。通過選出的8個特征構建SVM模型A鑒別無延遲強化的淀粉樣變心肌與健康心肌的差異。

表2 SVM模型A最優(yōu)特征子集及其系數(shù)Tab.2 Optimal feature subsets and its coefficients of the model of SVM A

2.2.2 無延遲強化組與延遲強化組

對兩位醫(yī)生提取的無延遲強化組與延遲強化組特征集經(jīng)過一致性檢驗(ICC≥0.8)篩選出41 個特征，數(shù)據(jù)按照7∶3 的比例隨機分為訓練集(92 例)和測試集(40 例)，訓練集特征經(jīng)過同樣的降維方式，最后得出9 個最優(yōu)特征子集，其中形狀特征有2 個，分別為MajorAxisLength、SurfaceVolumeRatio；一階特征有2 個，分別為Mean、Median；GLCM 特征有3 個，分別為Correlation、Id、InverseVariance；GLRLM 特征有2 個，分別為RunLengthNonUniformityNormalized、RunPercentage。各紋理特征及相應系數(shù)如表3。最后基于這9個特征子集及其對應的系數(shù)構建SVM模型B，預測CA患者心肌有無延遲強化。

表3 SVM模型B最優(yōu)子集及系數(shù)Tab.3 Optimal feature subsets and its coefficients of the model of SVM B

2.3 模型的診斷效能

鑒別無延遲強化組與健康對照組的SVM 模型A (圖2A)，其訓練集與測試集的敏感度、特異度、陽性預測值、陰性預測值、準確度分別為：0.839、0.957、0.929、0.898、0.909 和0.786、0.950、0.917、0.864、0.882；訓練集與測試集的AUC 分別為：0.948 (95%CI：0.890～0.991)、0.918 (95%CI：0.780～1.000)。鑒別CA 患者有無延遲強化的SVM 模型B (圖2B),其訓練集與測試集的敏感度、特異度、陽性預測值、陰性預測值及準確度分別為：0.853、0.710、0.853、0.710、0.804 和0.846、0.714、0.846、0.714、0.800；訓練集與測試集的AUC 分別為：0.762 (95%CI：0.639～0.875)、0.758 (95%CI：0.565～0.937)，兩個SVM模型均表現(xiàn)出較好的鑒別能力。

圖2 鑒別無延遲強化的CA 患者心肌與健康心肌的SVM模型A訓練集與測試集的ROC曲線圖(圖A)；預測CA 患者心肌有無延遲強化的SVM模型B訓練集與測試集的ROC曲線圖(圖B)Fig. 2 ROC curves of the training and test set of the model of SVM A, which differentiated the myocardium of patients with CA without LGE from healthy myocardium (A); ROC curves of the train and test set of SVM model B, which predicted the presence or absence of LGE in patients with CA(B).

3 討論

本研究通過提取native T1 mapping 心肌紋理特征，經(jīng)特征篩選后分別構建SVM模型鑒別無延遲強化淀粉樣變心肌與健康心肌的差異及預測CA患者心肌有無延遲強化。本研究結果顯示：構建的影像組學SVM 模型A 能夠準確識別無延遲強化心肌，AUC 高達0.948；鑒別CA 患者心肌有無延遲強化的SVM 模型B 在訓練集與測試集中均表現(xiàn)了良好的鑒別結果。這表明通過平掃MRI 紋理分析能夠識別早期CA 肉眼不可見的病理改變，以及能對淀粉樣變心肌有無延遲強化進行預測，其優(yōu)勢在于利用增強前序列聯(lián)合新的醫(yī)學圖像分析技術，不僅減少患者對比劑的攝入和縮短掃描時間，也為早期評價CA 實現(xiàn)患者個性化精準診療提供新的途徑。

3.1 MRI 紋理分析鑒別無延遲強化淀粉樣變心肌和健康心肌的臨床價值

本研究結果顯示，心肌沒有延遲強化的CA患者，左右心室射血分數(shù)與健康對照組差異也不具有統(tǒng)計學意義(P＞0.05)，但是通過紋理分析發(fā)現(xiàn)，CA患者雖然心肌無延遲強化，但紋理特征已發(fā)生改變，分析原因可能是早期CA 患者缺乏特異性表現(xiàn)，肉眼無法觀察其發(fā)生的病理變化。早期的診斷困難有可能導致患者錯失最佳治療時機，發(fā)生心臟不可逆性損傷。紋理分析挖掘高通量數(shù)字化信息可以為早期識別CA提供有效參考，有利于患者早期診療和改善預后。同樣，也有許多研究將未增強MRI紋理分析應用于識別其他心臟疾病，如Baessler等[8]發(fā)現(xiàn)梗死樣急性心肌炎患者與健康對照有5 個紋理特征存在顯著性差異，單獨基于紋理特征T2 gray-level nonuniformity構建的診斷模型其AUC 為0.9；Shi 等[9]表明，基于native T1 mapping 的影像組學模型鑒別患者(肥厚型心肌病及高血壓性心肌病)和健康志愿者心肌，其AUC 高達0.969；也有研究者[10]基于不使用對比劑的T1加權圖像進行MRI紋理分析，區(qū)分無延遲強化的肥厚型心肌病與健康對照組的敏感度和特異度高達100%和90%。此外，Wu 等[12]曾基于native T1 mapping序列對健康志愿者的心肌紋理進行研究，發(fā)現(xiàn)心肌的紋理特征受年齡和性別兩種生理因素的影響，本文考慮到年齡和性別會對結果造成偏倚，均選取年齡和性別相匹配的對照組進行研究，增加研究的準確性。

3.2 MRI 紋理分析預測CA 患者心肌有無延遲強化的臨床價值

本研究利用native T1 mapping序列聯(lián)合心肌紋理分析預測CA 患者心肌有無延遲強化，并得到了良好的預測表現(xiàn)。推測原因是當心肌細胞外間隙沉積不溶性纖維原蛋白，心肌發(fā)生異質(zhì)性變化，紋理特征也發(fā)生相應改變，從而提供更多有用信息。有文獻表明[6]，心肌出現(xiàn)延遲強化的CA患者每年總死亡率明顯高于無延遲強化的CA 患者，因此，盡早診斷CA 患者心肌有無延遲強化，價值重大。能夠定量反映心肌組織特征的native T1 mapping序列，已被證明在CA 的診斷和預后評估中具有重要價值[13,14]。而紋理分析通過圖像分割、特征提取、特征篩選和建立模型等挖掘人眼無法識別的高通量數(shù)字化特征，提供更豐富的信息增加診斷效能。傳統(tǒng)常依據(jù)LGE 序列典型的心肌延遲強化表現(xiàn)來進行判斷，而對伴有腎功能不全的患者受到一定限制，所以利用平掃MRI紋理分析來預測CA患者心肌有無延遲強化也擴大了適應人群范圍，并降低患者對比劑攝入風險。

目前我們尚未檢索到采用native T1 mapping圖像的紋理特征來預測淀粉樣變心肌有無延遲強化的研究，但在早期有研究者[15]發(fā)現(xiàn)二維超聲的定量紋理分析對于CA 的診斷有潛在價值。而平掃MRI 紋理分析的應用價值在其他心臟病中已得到了初步探究和驗證。如Neisius等[16]基于native T1 mapping圖像結合紋理分析，通過構建SVM 模型，能夠準確區(qū)分高血壓性心臟病和肥厚型心肌?。籛ang 等[17]同樣基于native T1 mapping 心肌紋理分析區(qū)分MYH7 與MYBPC3 基因相關的肥厚型心肌病，其準確度高達92%；Baessler 等[18]發(fā)現(xiàn)結合T1 和T2 mapping 的紋理特征對急性和慢性心力衰竭樣心肌炎也有較高預測價值；也有學者[19]基于cine-MRI 心肌紋理分析，預測肥厚型心肌病患者心肌有無延遲強化，以期減少心肌無延遲強化患者對比劑的攝入。此外，基于不使用對比劑的MRI 影像組學在預測ST 段抬高型心肌梗死患者的心肌損傷情況[20]、診斷亞急性和慢性心肌梗死[21]、評估慢性心肌梗死患者心肌活性[22]、預測takotsubo 綜合征患者預后結果[23]中均顯示有較高的應用價值。

3.3 本研究的局限性

第一，本研究為小樣本、單中心和回顧性研究，尚需要增大樣本量，設計多中心和前瞻性研究，提高模型的魯棒性和泛化能力。第二，CA 雖然多為彌漫性病變，但ROI 只勾勒了native T1 mapping 短軸位的中間層，不能完全代表整個心肌的特征，有可能存在層面選擇偏倚，下一步研究會考慮增加多層面分析，提供更全面信息。

綜上所述，基于MRI的紋理分析可量化心肌組織特征，在不使用對比劑的情況下通過SVM模型能夠鑒別無延遲強化的CA患者與健康志愿者心肌之間的異質(zhì)性，也可預測淀粉樣變心肌有無延遲強化，為臨床早期評估CA及指導個性化治療提供新的方案。

作者利益沖突聲明：全部作者均聲明無利益沖突。