影像组学在帕金森病中的应用及研究进展

李星江 薛培源 崔耀月 王 婷 吕坤雪 魏秀芳

1.牡丹江医学院，黑龙江牡丹江 157000；2.牡丹江医学院附属红旗医院核磁共振科，黑龙江牡丹江 157011

帕金森病（Parkinson’s disease，PD）是第二大常见的神经退行性的运动障碍性疾病，其发病以50岁以上老年人多见，据报道我国PD患者已有170多万，已成为“帕金森第一大国”[1-2]。PD患者起病隐匿，病情呈缓慢渐进性发展，PD主要的病理基础特征之一为中脑黑质多巴胺（dopaminergic，DA）能神经元丢失和纹状体DA递质减少。此外一些学者在动物模型中发现α-突触蛋白介导的炎症也参与了PD的进程[3-4]。Rodríguez等[5]研究认为，PD患者在出现临床症状前，其神经元就已经开始丢失，当出现症状时DA能神经元已出现不可逆的损伤。目前临床治疗只能缓解患者的运动症状，尚无阻止和逆转PD的有效方法[6]。因此，如何对PD进行早期诊断并针对性干预成为目前研究的热点。基于近年的发展，影像组学在PD的诊断、鉴别、认知及预测评估有广泛的应用研究前景。

1 影像组学的概念

影像组学首次由荷兰Lambin等[7]提出，是以定量成像技术为基础从X线（x-ray）、MRI（magnetic resonance imaging）、正电子发射型计算机断层显像（positron emission computed tomography，PET）及 CT（computed tomography）等医学影像图像中提取高通量的定量影像特征，将传统的医学影像图像转换为数据信息，可定量分析医学图像的灰度分布、像素之间的空间关系等灰阶信息，可以捕捉脑内微小结构的信号改变，提供肉眼无法获得的图像信息，影像组学方法主要包括感兴趣区域的勾画、纹理特征的提取及数据分析。

2 影像组学在PD中的应用

2.1 影像组学在PD诊断中的应用

目前对于PD诊断的影像学手段主要是MRI、PET及超声成像，如通过磁敏感加权序列（susceptibility weighted imaging，SWI）视觉评估观察燕尾征的消失或利用其相位值进行半定量分析，但早期诊断PD的准确率较低，因此缺少有效的定量分析方法[8-10]。

刘磐石等[11]首次利用常规T2FLAI序列将PD患者左右两侧的尾状核头为感兴趣区域（region of interest，ROI）进行纹理分析，得出此处的纹理特征参数具有统计学意义，提示影像组学可以应用于PD与健康对照组（healthy control，HC）的辅助诊断中，但该研究仅选择了单层尾状核头的单一特征参数分析，诊断效能较低。康锦涓等[12]利用影像组学做了更加细致的研究分析，利用定量磁敏感图（quantitative susceptibility mapping，QSM），以整个黑质区域为ROI进行分析并建立了影像组学模型，在此研究中HC组的一阶特征低于PD组、二阶特征参数高于PD组。这与Li等[13]得出的结果相同，提示PD组黑质区域的敏感性高于HC组，PD组黑质区域在空间分布上更均匀，但各体素之间关联减少，影像组学参数将来可能作为PD诊断的一种标志物。与以往使用SWI序列进行半定量分析不同，彭媛媛等[14]利用基于SWI序列的影像组学进行定量分析，发现PD患者的丘脑、苍白球和红核处的特征参数具有统计学意义。在一些研究中发现白质区域的影像组学特征也可以用于PD的诊断[15-16]，如徐建国等[17]利用机器学习脑内白质的影像组学标签用来识别早期的PD，标签在所有数据集中诊断准确率为82.3%。基于超声图像的纹理分析也可应用于PD的诊断中，Shi等[18]将影像组学结合超声图像对PD进行诊断，提出了一种多模态经颅超声（transcranial sonography，TCS）成像PD计算机辅助诊断，明显提高了单一诊断的效能。

影像组学方法在PD的诊断中取得了较好的诊断效能，可广泛适配于常见的影像图像，影像组学特征参数有望作为诊断PD的一种影像指标，其中二阶纹理特征参数意义较大且与PD病理相关。与建立影像组学模型相比，使用单一的特征参数诊断PD效能偏低。

2.2 影像组学在PD鉴别诊断中的应用

PD症状具有叠加性，与其他神经系统疾病难以区分，如多系统萎缩（multiple system atrophy，MSA）、特发性震颤（essential tremor，ET），基于图像的视觉评估已经应用于PD和其他中枢神经系统的鉴别诊断中，但是在PD患者进展早期，这种评估方法对临床的价值并不大。有研究表明影像组学与传统影像相结合能够提高PD与其他神经系统疾病的检出率[10，19]。

一些学者将影像组学参数用于与PD的鉴别诊断中，如陈永露[20]利用此方法鉴别早期PD、MSA、对照组，各组间鉴别效果良好，提取的特征参数可以作为PD与MSA早期鉴别诊断的标志物。Tupe等[21]的研究中PD与非典型帕金森综合征（atypical parkinsonian syndromes，APS）的 鉴 别 准 确 率 为92%。Hett等[22]利用T1WI分析小脑区域的纹理特征，用来鉴别PD与ET，纹理分析显示两组患者纹理特征存在差异，并提出纹理分析对灰质的差异性更敏感。Pang等[23]研究中提取的影像组学特征，证明了PD与MSA患者大脑深部核团的影像学特征具有统计学差异，并将影像组学特征与临床运动评分量表相结合进一步提高了组合模型的鉴别诊断效能。PET/MRI也可结合影像组学进行PD的鉴别诊断，Hu等[24]收集了行PET/MRI的90名患者（PD∶MSA=2∶1）代谢PET图以及MRI图像，以尾状核和壳核为感兴趣区域，在所有队列中的影像组学特征显示PD和MSA之间均存在显著差异。

影像组学可应用于PD的鉴别诊断中，鉴别诊断效能较好，影像组学参数可以作为PD与其他疾病鉴别诊断的一种标志物，将特征参数与临床量表相结合可以提高其鉴别诊断的能力。

2.3 影像组学在PD认知障碍中的应用

认知障碍是PD的常见非运动性症状，其发生的原因与神经免疫异常关系密切，随着病情的进展会愈来愈重，逐渐进展至痴呆，将会给患者及其家庭带来巨大的负担，因此早期识别PD患者的认知障碍具有重要意义[25]。

Betrouni等[26]将PD患者根据认知状态分为完整组、执行功能轻度减退组、执行功能轻度缺陷组，提取6个脑区域的一阶、二阶纹理特征参数探究其与认知的相关性，结果显示海马、丘脑和杏仁核的偏度、熵组间差异显著。Devignes等[27]的研究中得到了不同的结论，PD患者被分为无认知障碍组（PD-NC）、额纹状体亚型组（PD-FS）、后皮层亚型组（PD-OC）、混合亚型组（PD-MS），组间比较显示右侧海马区峰度有显著差异。事后分析显示，与PD-NC和PD-FS相比，PD-MS患者右侧海马区的峰度值较低。Sivaranjini等[28]做了类似的研究，其将受试者分成四组，分别为HC组、认知正常PD组、PD伴轻度认知障碍组、PD伴痴呆组，提取的3D纹理参数特征可以更好地区分HC、NC-PD、PD-MCI和PD-D受试者。

PD相关认知障碍可以通过影像组学纹理分析早期捕捉，能够为PD患者认知功能提供较为敏感的评价指标，海马区域的特征参数在PD认知障碍的研究中意义较大，将来可以作为敏感指标，为PD患者认知功能状态的改变提供预警作用，但可靠性及准确性需后续研究继续探讨。

2.4 影像组学在PD预测评估方面的应用

PD是一种进展性的疾病，我国PD的患病率在逐年上升[29]，因此预测评估PD患者的病情进展对于临床具有重大的价值，可以个性化为PD患者制订诊疗方案，能够指导临床干预治疗及减轻PD患者经济负担。

近年来Arman等[30]利用多巴胺转运体（DAT）SPECT图像的影像组学特征对PD运动严重程度进行预测，将提取的特征与临床量表结合分析，使得PD综合评价量表第三部分的绝对误差降低，表明加入放射特征后可以显著改善预后预测。Betrouni等[31]也得出类似的结果，将研究对象分为HC组、早期PD组、晚期PD组，在三组中均观察到显著不同的纹理特征参数，并且一些纹理特征显示出渐进式线性发展，两组PD患者的纹理特征参数与运动障碍评分显著相关。Shu等[32]基于全脑白质的影像组学特征用于评估和检测PD进展，对Ⅰ期、Ⅱ期PD预测的准确度均达到了80%以上。Salmanpour等[33]提取PD患者981项特征（包括运动、非运动和基于SPECT的放射组学特征），利用这些特征实现了PD患者的亚型识别及亚型的适当预测，预测准确率超过90%，并发现影像组学特征在PD亚型的聚类及预测中十分重要。

影像组学可以应用于PD患者的预后预测以及评估，同时将影像组学特征与临床评分量表相结合能够有效提高其灵敏度及特异度，后续应注重探讨研究影像-临床模型。

3 小结与展望

影像组学可应用于PD的诊断、鉴别、认知以及预测评估研究中，适用于多种医学影像图像，可以深度挖掘图像上的信息并能将提取出特异的纹理特征参数进行定量分析，具有广泛的适配性以及独特的优势和较高的分类能力，将来是否可以准确利用影像组学特征区分出PD患者的亚型以及PD患者运动症状的相关性值得进一步探讨研究。通过影像组学参数特征建立的影像组学模型在PD的诊断中效能优于单一纹理特征参数，因此后续应探究多模态影像组学模型在PD诊断中的价值。

目前影像组学在PD研究的局限性在于：①影像组学在PD的研究基本都是单中心、小样本量研究，可重复性相对不高；②不同研究中心所用机器型号，勾画方法难以进行统一标准化，为后续多中心研究分析造成困难。

综上所述，影像组学在PD诊断、分型、预测评估中具有广泛应用前景，后续研究中应偏向于探究多模态的影像组学方法在PD中的应用。