将皮层形态测量指标与3D多参数MRI放射组学相结合的诺模图，用于预测复发-缓解型多发性硬化症的残疾进展和认知功能恶化：一项多中心验证研究

《Journal of Neurology》：Nomograms integrating cortical morphometric metrics with 3D multi-parametric MRI radiomics for predicting disability progression and cognitive worsening in relapsing–remitting multiple sclerosis: a multi-center validation study

多发性硬化症个体化预后模型研究：整合皮质形态学与MRI radiomics预测残疾进展和认知恶化

　　

摘要

目的

开发一种个性化的诺模图（nomogram），将皮质形态测量指标与3D多参数MRI放射组学（radiomics）相结合，以预测复发-缓解型多发性硬化症（RRMS）患者的残疾进展（DP）和认知功能恶化（CW）。

材料与方法

在这项多中心研究中，来自两个中心的191名RRMS患者被分为内部数据集（训练集和验证集，n=158）和外部验证集（n=33）。所有患者在基线和2年随访时均接受了临床和神经心理学评估。从3D T1W图像中提取了皮质形态测量指标，并在3D DIR、3D FLAIR和3D T1W图像上评估了MS斑块内的放射组学特征。构建了四种模型：仅基于临床数据的模型、仅基于放射组学数据的模型、仅基于皮质形态测量数据的模型以及结合这两种数据的模型。基于多变量逻辑回归模型开发了诺模图，以提供DP和CW的个性化概率估计。通过接收者操作特征（ROC）曲线、校准曲线和决策曲线分析来评估模型的预测性能。

结果

结合临床、放射组学或皮质形态测量数据的诺模图在预测DP方面优于单独使用这些数据的模型，在内部队列中的曲线下面积（AUC）（95%置信区间[CI]）为0.950（0.878–0.994），在外部队列中为0.904（0.781–0.987）。同样，用于预测CW的诺模图也表现出优异的性能，在相应队列中的AUC分别为0.916（0.831–0.984）和0.889（0.752–0.981）。决策曲线分析证实了这些诺模图的临床实用性。

结论

皮质萎缩、形态复杂性降低以及MS病变的高异质性在解释RRMS患者的DP和CW过程中起着重要作用。结合临床指标、皮质形态测量特征和3D多参数MRI放射组学的诺模图作为一种临床工具，具有预测疾病进展的潜力，有助于为RRMS患者提供个性化治疗。

目的

开发一种个性化的诺模图，将皮质形态测量指标与3D多参数MRI放射组学相结合，以预测复发-缓解型多发性硬化症（RRMS）患者的残疾进展（DP）和认知功能恶化（CW）。

材料与方法

在这项多中心研究中，来自两个中心的191名RRMS患者被分为内部数据集（训练集和验证集，n=158）和外部验证集（n=33）。所有患者在基线和2年随访时均接受了临床和神经心理学评估。从3D T1W图像中提取了皮质形态测量指标，并在3D DIR、3D FLAIR和3D T1W图像上评估了MS斑块内的放射组学特征。构建了四种模型：仅基于临床数据的模型、仅基于放射组学数据的模型、仅基于皮质形态测量数据的模型以及结合这两种数据的模型。基于多变量逻辑回归模型开发了诺模图，以提供DP和CW的个性化概率估计。通过接收者操作特征（ROC）曲线、校准曲线和决策曲线分析来评估模型的预测性能。

结果

结合临床、放射组学或皮质形态测量数据的诺模图在预测DP方面优于单独使用这些数据的模型，在内部队列中的曲线下面积（AUC）（95%置信区间[CI]）为0.950（0.878–0.994），在外部队列中为0.904（0.781–0.987）。同样，用于预测CW的诺模图也表现出优异的性能，在相应队列中的AUC分别为0.916（0.831–0.984）和0.889（0.752–0.981）。决策曲线分析证实了这些诺模图的临床实用性。

结论

皮质萎缩、形态复杂性降低以及MS病变的高异质性在解释RRMS患者的DP和CW过程中起着重要作用。结合临床指标、皮质形态测量特征和3D多参数MRI放射组学的诺模图作为一种临床工具，具有预测疾病进展的潜力，有助于为RRMS患者提供个性化治疗。