基于海马功能影像组学特征诊断帕金森病认知障碍患者的研究

《BMC Neuroscience》：Hippocampal functional imaging-derived radiomics features for diagnosing cognitively impaired patients with Parkinson’s disease

帕金森病（PD）认知障碍诊断困难，南昌大学第一附属医院研究人员开展了基于海马功能成像的影像组学特征研究。结果显示相关模型能有效区分认知障碍与认知正常的 PD 患者，为 PD 认知障碍诊断提供新方法，提升功能 MRI 诊断效能。

　　帕金森病（Parkinson’s disease，PD）是一种常见的神经退行性疾病，除了运动症状外，认知障碍是其突出的非运动症状之一。PD 患者发生认知障碍的概率比健康人高出 6 倍，严重影响患者的社交功能和生活质量。在疾病早期，约 40% 的 PD 患者会出现认知症状，有时甚至早于运动症状出现。然而，由于认知障碍的临床表现多样，在临床实践中其诊断面临诸多挑战。

目前，传统的成像技术虽能提供 PD 脑部结构变化的信息，但对于早期细微的功能异常难以精准检测。功能磁共振成像（functional magnetic resonance imaging，fMRI）虽有一定应用，但将其结果转化为临床实践仍困难重重。在此背景下，研究人员迫切需要新的方法来更准确地诊断 PD 患者的认知障碍。

南昌大学第一附属医院的研究人员开展了一项回顾性研究，旨在探究海马功能成像衍生的影像组学特征能否有效区分认知障碍的 PD 患者和认知正常的 PD 患者。该研究成果发表在《BMC Neuroscience》上。

研究人员采用了多种关键技术方法。首先，招募了 102 名 PD 患者，最终 89 名患者纳入分析，这些患者来自南昌大学第一附属医院神经内科。对患者进行临床评估和分组，通过一系列神经心理测试评估运动症状（统一帕金森病评定量表第三部分，Unified Parkinson’s Disease Rating Scale Part III，UPDRS-III ）、非运动症状（非运动症状量表，Non-Motor Symptom Scale，NMSS）、认知状态（蒙特利尔认知评估北京版，Montreal Cognitive Assessment-Beijing Version，MoCA-BJ）等，并根据 MoCA-BJ 评分将患者分为认知障碍的 PD 患者（cognitively impaired Parkinson’s disease，CI-PD）和认知正常的 PD 患者（cognitively preserved Parkinson’s disease，CP-PD） 。其次，使用 GE 3.0T-SIGNATM Pioneer MRI 扫描仪进行 MRI 数据采集，包括结构像和静息态功能像（resting-state fMRI，rs-fMRI）。然后，对 rs-fMRI 数据进行预处理，计算低频振幅（amplitude of the low-frequency fluctuations，ALFF）、局部一致性（regional homogeneity，ReHo）、体素镜像同伦连接（voxel-mirrored homotopic connectivity，VMHC）和度中心性（degree centrality，DC）等衍生指标。接着，从双侧海马提取标准化的影像组学特征，并通过特征选择构建影像组学评分（rad-score）和逻辑回归（logistic regression，LR）模型。最后，利用 Shapley 加性解释（Shapley additive explanations，SHAP）算法解释模型预测结果，并探索影像组学特征与临床指标的关系。

研究结果如下：

1. 人口统计学和临床数据：最终纳入研究的 89 名患者中，34 名为 CP-PD 患者，55 名为 CI-PD 患者。CP-PD 患者的教育水平高于 CI-PD 患者，两组在年龄、性别、UPDRS-III 评分、NMSS 评分等方面无显著差异。
2. 海马功能影像组学特征选择：经过特征筛选，最终保留了 8 个 ALFF 特征、6 个 ReHo 特征、8 个 DC 特征和 10 个 VMHC 特征用于区分 CI-PD 和 CP-PD 患者，且这些特征均为小波特征。
3. 海马功能影像组学评分的分类性能：基于 ReHo 和 VMHC 衍生的影像组学特征构建的 rad-score 模型表现优异，AUC 达到 0.941，各项评估指标 ACC、SPE 和 SEN 均超过 0.850。
4. 机器学习模型的分类性能：LR 模型中，同样是基于 ReHo 和 VMHC 特征构建的模型表现最佳，AUC 为 0.906，ACC、SEN 和 SPE 值均超 0.850，决策曲线分析（Decision curve analysis，DCA）表明该模型具有临床应用潜力。
5. SHAP 分析：SHAP 分析显示，VMHC 和 ReHo 的一些小波特征是诊断 CI-PD 的重要指标。
6. 相关性分析：在 CI-PD 患者中，ALFF 衍生的小波特征与 MoCA 评分、HAMA 评分相关，DC 衍生的小波特征与 NMSS 评分相关；在 CP-PD 患者中，DC 衍生的小波特征与 PDQ-39 评分、UPDRS-III 评分相关，与 HAMD 评分呈负相关。

研究结论和讨论部分指出，基于海马功能成像的 rad-score 和 LR 模型可有效区分 CI-PD 和 CP-PD 患者，为临床诊断提供了有价值的工具。其中，ReHo 和 VMHC 的小波特征组合表现突出。该研究首次在 PD 队列中探究海马功能成像衍生的影像组学特征，具有重要意义。然而，研究也存在局限性，如单中心、横断面研究，未进行外部验证，样本量相对较小，未考虑 CI-PD 的亚型分类等。未来研究可针对这些不足进一步开展，有望为 PD 认知障碍的诊断和治疗带来新的突破。