影像组学用于骨质疏松症研究进展

高 荣,曾健康,王 平,,姚红艳,周 晟,*

(1.甘肃中医药大学第一临床医学院,甘肃 兰州 730000;2.甘肃省人民医院放射科,甘肃 兰州 730000)

骨质疏松症(osteoporosis, OP)是以骨量减低、骨组织微结构损坏和骨脆性增加为特征的全身性代谢性骨病,可严重影响患者生活质量[1-2]。我国50岁以上人群OP患病率为19.2%,男女比例约1∶5～1∶4[1,3],且发病率随年龄增长而升高;女性OP患者中,约30%～50%可发生常见于椎体、髋关节及前臂远端等处的骨质疏松性骨折(osteoporotic fracture, OPF)[4]。早期筛查和有效干预OP可延缓疾病进展、降低骨折风险[5-6]。目前临床常采用双能X线骨密度仪(dual energy X-ray absorptiometry, DXA)和定量CT(quantitative CT, QCT)获取骨密度(bone mineral density, BMD),并以之作为评价OP的主要指标,但检出早期骨丢失的敏感度不高[7-8]。影像组学[9]可通过获取图像特征反映骨小梁微结构变化并建立模型以早期诊断OP及预测OPF[10-12]。本文对影像组学用于OP研究进展进行综述。

1 影像组学概述

影像组学通过提取并筛选不同模态医学图像中的高通量特征并建立模型而为临床提供精准信息,已广泛用于诊断疾病、制定治疗方案及预测预后等;其基本流程包括获取图像、分割图像及勾画ROI、提取并筛选图像特征、建立和验证模型,以及绘制受试者工作特征曲线并以曲线下面积(area under the curve, AUC)评估模型效能[13-15]。

2 影像组学用于OP

2.1 X线影像组学 X线片可显示椎体变形或骨折情况,为多数基层医疗机构评估BMD及判断有无OPF的常用方法,但其空间分辨率低,骨量减少低于30%时肉眼几乎观察不到差异[16]。DXA测量包括骨皮质和骨松质在内的综合骨密度时易受骨髓脂肪含量影响,诊断灵敏度较低,常需结合骨折风险评价工具,综合考虑患者年龄、身高、体质量等信息,以提高诊断准确性。基于X线片的影像组学模型可较精准地评估骨量减少程度,提高早期诊断OP的准确性并预测OPF。YANG等[17]测量同期接受胸部平扫CT和DXA检查患者的T1～L1的CT值,利用人工智能(artificial intelligence, AI)建立影像组学模型,其诊断骨量减少及OP的AUC分别为0.831和0.972。KIM等[18]基于髋关节X线片所见骨纹理特征、结合临床特征及影像组学特征而构建的骨纹理-临床-影像组学联合模型诊断训练集和验证集OP的AUC分别为0.95和0.87,高于单一模型及其中2种特征联合模型。利用影像组学,通过深度学习(deep learning, DL)从髋关节DXA图像中提取可量化骨纹理特征,可在不增加成本的前提下提高预测髋关节骨折的准确率[19],为临床预测OPF提供了可能。

2.2 CT影像组学 低BMD可显著增加骨折风险,故应尽早评估高危OP患者BMD水平并预防骨丢失。基于CT的影像组学有望成为评估BMD的新方法。DAI等[20]观察245例接受腹部CT和DXA检查患者,对每例提取1 218个CT组学特征,采用最小绝对收缩和选择算子(least absolute shrinkage and selection operator, LASSO)算法筛选最佳特征并构建双层堆叠回归模型以评估BMD,结果显示模型预测BMD的效能与DXA结果呈高度正相关(r=0.932)。YAO等[21]基于CT脂肪-水成像特征构建影像组学模型,其于训练集和验证集诊断低BMD的AUC分别为0.96和0.98。另有学者[22]比较基于腰椎CT图像构建的RF、SVM及K邻近算法模型鉴别OP、骨量减少与正常BMD的效能,发现RF分类模型效能较高,其鉴别OP及骨量减少、骨量减少与正常BMD的AUC分别为0.866和0.940。XIE等[23]采用多变量logistic回归分析基于QCT图像构建影像组学-临床联合模型,其在训练集和验证集的AUC均高于临床模型,鉴别OP及骨量减少效能良好。此外,影像组学还可于腰椎术前判断患者是否存在OP,对于指导治疗决策、改善预后具有重要意义[24]。

目前采用双能量CT(dual energy CT, DECT)结合影像组学诊断OP的研究较少。有学者[25-26]认为基于DECT的影像组学模型可通过虚拟单色光谱成像减少对比剂硬化伪影、改善图像质量,其所测腰椎骨髓CT值及骨钙CT值与QCT测得的BMD值呈高度正相关,提示DECT影像组学对于评估BMD具有应用前景。

2.3 MRI影像组学 MRI信号强度与BMD密切相关。经多种图像分析处理,MRI影像组学可通过计算骨小梁组织形态相关参数而全面评估骨折类型、判断是否伴发神经损伤及评估椎体压缩程度等[27]。何丽等[28]纳入50例接受腰椎MR检查患者(OP 28例、BMD正常22例),共基于T1WI、T2WI及联合序列图像提取1 188个腰椎MRI特征,以LASSO方法降维并筛选特征,建立影像组学模型;其中,联合序列的AUC为0.937,明显高于单一序列模型(AUC分别为0.810和0.820)。严重OPF后1～2年,新发骨折风险显著升高。CAI等[29]将T2WI影像学所示 L1特征与临床特征相结合,构建模型预测经皮椎体强化术后新发骨折,结果显示以XGBoost和机器学习(machine learning, ML)算法构建模型的预测效能最佳,在训练集和测试集中,前者的AUC分别为0.93和0.90、后者的AUC均为0.90,提示该模型可用于预测OPF后新发骨折,对评估OPF预后具有重要价值。

骨髓脂肪细胞与成骨细胞均由骨髓间充质干细胞分化而来,二者此消彼长,使得骨髓脂肪组织在骨代谢中发挥重要作用。MR检查中,通过非对称回波最小二乘法迭代水脂分离技术可获得质子密度脂肪分数(proton density fat fraction, PDFF)图及R2*图,观察椎体骨髓含量的细微变化。BURIAN等[30]通过PDFF图结合纹理分析观察腰椎骨髓含量,发现绝经后女性腰椎骨髓脂肪含量相比绝经前明显增加[(49.37±8.14)%vs. (27.76±7.30)%]。LIU等[31]回顾性分析83例腰痛患者的腰椎MRI所示 PDFF并以之构建影像组学模型,其诊断OP及骨量减少的AUC分别为0.776和0.778,提示骨髓脂肪含量特征结合影像组学可用于判断骨量减少程度,为筛查OP提供了新的思路。有学者[32]采用mDIXON Quant技术获得腰椎脂肪分数(fat fraction, FF)图,并以DL分割图像,其诊断椎体脂肪含量的AUC、敏感度和特异度分别为0.92、0.99和0.80。

MRI影像组学还可用于鉴别髋关节暂时性OP与股骨缺血性坏死。有学者[33]比较基于髋关节MRI 采用XGBoost、CatBoost及SVM方法构建模型的诊断效能,结果显示XGBoost效能最高(AUC为0.937)。

3 小结与展望

基于X线、CT、MRI影像组学已在筛查OP高危人群、早期诊断及预测OPF等方面展现出可行性、优越性和巨大应用潜力,有助于指导治疗决策及预后评估。目前鲜见基于超声影像组学的OP研究,有待进一步开发、研究。

影像组学用于OP研究尚存在不足:①扫描设备及其参数存在差异,难以确保图像质量;②所用ML算法多样,导致结果的可重复性较差,且缺乏严格的影像组学评价标准和规范的报告指南;③多为小样本、单中心回顾性研究,易出现过拟合现象。未来应建立多中心影像组学OP研究数据库,对设备及方法进行标准化,以提高鉴别诊断、评估疗效及预测预后等的效能。