0 引言

       颅内动脉粥样硬化（intracranial atherosclerotic disease, ICAD）是世界范围内卒中的主要原因，在西方国家，颅内动脉粥样硬化性狭窄占缺血性卒中病因的10%~15%，2009年在亚洲高达46.6%^[1]。如果卒中机制是血栓栓塞和低灌注相结合，则早期复发的风险很高^[2]。

       随着MRI技术的发展，高分辨率血管壁成像（three-dimensional high-resolution vessel wall imaging, HRVWI）逐渐成为临床中对颅内动脉狭窄病因及易损斑块诊断的最佳无创性方法，已由二维（two dimension, 2D）成像进入到了三维（three dimension, 3D）成像，其通过高空间分辨率、多平面2D采集或3D采集、多组织加权以及抑制管腔血液和脑脊液中的信号使颅内动脉血管壁得以清晰显示，在1.5 T和3 T的场强中得到广泛临床应用，已成为临床评估血管壁病变的常见可靠方式^{[3, 4]}。

       既往许多研究发现颅内动脉粥样斑块的放射学特征如斑块内出血（intraplaque hemorrhage, IPH）、斑块强化和斑块负荷、重构指数、富脂坏死核心、斑块表面不规则的存在与卒中风险和未来复发相关^{[5, 6, 7, 8, 9]}，对颅内斑块的准确风险评估有助于指导患者特异性治疗以预防未来卒中。放射组学是近年兴起的一项热门科学，其可以从各种模态的图像中提取高通量定量成像特征，量化了感兴趣区域（regions of interest, ROI）的3D形态和灰度分布的各个方面^[10]。然而目前关于颅内动脉粥样硬化斑块的组学特征的相关研究较少。

       在这项研究中，我们通过提取缺血性卒中患者责任斑块的组学特征，并与IPH相结合，开发一种有效的卒中复发的风险预测模型，以协助临床评估患者预后。

1 材料与方法

1.1 研究对象

       回顾性分析2021年11月至2023年8月在我院接受治疗的缺血性卒中患者病例。这些患者在入院14天内接受了3D-HRVWI检查。本研究遵守《赫尔辛基宣言》，经南通市第一人民医院伦理委员会批准，免除受试者知情同意，批准文号：2023KT207。

       纳入标准：（1）局灶性神经功能障碍的突然发作持续超过24小时；（2）经影像学证实为急性脑梗死；（3）3D-HRVWI上显示梗死区域的供血动脉管壁有局限性增厚。

       排除标准：（1）图像质量差、伪影和患者配合不佳，使图像无法分析；（2）非动脉粥样硬化性血管疾病，如夹层、血管炎；（3）由于大面积出血或血栓形成，难以识别责任斑块；（4）在12个月的随访期间失访的人员。

       本研究最终共纳入296名患者。患者信息包括性别、年龄、高血压状况、糖尿病状况、吸烟状况、既往短暂性脑缺血发作（transient ischemic attack, TIA）或卒中病史、埃森卒中风险评分、美国国立卫生研究院卒中量表（National Institute of Health Stroke Scale, NIHSS）评分。实验室检查数据包括糖化血红蛋白（glycated hemoglobin, GHb）、空腹血糖（fasting blood glucose, FBG）、甘油三酯（triglyceride, TG）、甘油三酯-葡萄糖指数（triglyceride-glucose index, TyG）、总胆固醇（total cholesterol, TC）、高密度脂蛋白（high density lipoprotein, HDL）、低密度脂蛋白（low density lipoprotein, LDL）、动脉硬化指数，以及脂蛋白a、超敏C反应蛋白（hypersensiitive-CRP, hs-CRP）、脂蛋白磷脂酶A2、同型半胱氨酸水平。

       随访采用电话咨询的形式，随访时间为卒中发生后的12个月，并登记患者的病情。卒中复发定义为弥散加权成像（diffusion weighted imaging, DWI）显示同一血管供血区出现新发急性梗死灶，当缺乏影像学资料时需要两名或两名以上资深临床医生（经验≥10年）的评估，确定有无新发局灶性神经功能障碍的突然发作持续超过24小时，或神经功能突然恶化（NIHSS评分增加4分）^[11]。

1.2 磁共振成像

1.2.1 成像参数

       采用3.0 T Siemens MAGNETOM Prisma MRI扫描仪，64通道头颈联合线圈。除了常规的DWI和MRA图像外，在注射对比剂前后扫描了3D-T1-SPACE压脂序列，分别为平扫3D-T1-SPACE序列（T1WI序列）和增强3D-T1-SPACE序列（CE-T1WI序列）。

       扫描参数：TR 810 ms，TE 10 ms，FOV 200 mm×200 mm，体素大小0.5 mm×0.5 mm×0.5 mm，扫描时间7分16秒。对比剂采用钆特酸，剂量为0.1 mmol/kg，注射后8分钟采集增强图像。

1.2.2 斑块放射学特征分析

       采用西门子工作站进行图像后处理（syngo.via VE40）。由2名具有5年MR血管壁成像诊断经验的副主任医师及以上职称的影像诊断医师共同进行图像评估，意见不一致时经协商达成一致。评估的动脉有颈内动脉颅内段、大脑中动脉的M1和M2段、大脑前动脉的A1和A2段、大脑后动脉的P1和P2段、椎动脉的V4段和基底动脉。通过3D-T1-SPACE序列结合矢状面、冠状面和轴向图像确定斑块的位置。

       责任斑块定义为DWI图像中与新发梗死区域供血动脉管壁的不均匀的偏心性增厚，如果在同一血管分布区域存在多个斑块，则选择最狭窄处管腔的斑块进行分析^[6]。

       斑块形态学评价测量于显示斑块最佳的3D-T1-SPACE图像上调整图像为垂直于血管长轴层面，测量斑块处血管外壁面积（outer wall area, OWA）、管腔面积（lumen area, LA）及邻近正常参照血管外壁面积。在增强前后的3D-T1-SPACE的图像上分别勾画斑块的ROI，记录斑块增强后的信号强度。相关计算公式如下：

       （1）IPH，斑块信号强度>邻近灰质信号的150%^[12]；

       （2）血管狭窄程度=（狭窄远端的正常直径-狭窄段的最窄直径）/狭窄远端的正常直径×100%；

       （3）斑块负荷=1-剩余管腔面积/血管壁面积；

       （4）斑块处管壁面积（wall area, WA）= OWA-LA；

       （5）增强率=增强后斑块信号强度/增强前斑块信号强度；

       （6）重构指数（remodeling ratio, RR）以病变部位血管面积/参考部位血管面积计算，其中RI≥1.05表示正性重构，RI≤0.95表示负性重构^[13]。

1.3 3D-HRMRVWI影像组学模型建立

1.3.1 斑块分割

       使用开源软件ITKSNAP 3.6.0^[14]对用于影像组学分析的ROI进行分割。由同一放射科医生在不同的序列上，包括T1WI和CE-T1WI序列，分别手动勾画整个斑块的ROI。因为斑块很小，ITK.SNAP.3.6.0软件不能自由旋转以更好地观察斑块，所以在测量完斑块放射学特征后立即在ITK-SNAP.3.6.0软件上勾画病灶，使斑块勾画更加准确。

1.3.2 组学特征提取和筛选

       在放射组学特征提取之前，所有MR图像均以相同的分辨率（0.5 mm×0.5 mm×0.5 mm）重采样，并进行归一化（图像强度缩放至0~100）。通过使用深睿医疗多模态科研平台2.6.1版本作为数据分析工具，提取放射组学特征。

       特征的筛选中首先进行了特征相关性分析，剔除了相关系数在0.9下的特征。特征相关性分析结束后，我们选择了基于L1正则化的特征筛选（linear models penalized with the L1 norm, L1 Based），在训练数据上建立线性模型并得到稀疏的系数矩阵，系数绝对值较大的特征将更有可能被保留，参数C用于控制特征筛选的严格程度，C越小将保留越少的特征，解决了特征变量过多的问题和防止过拟合和共线性^{[15, 16]}。

1.3.3 建立模型

       在本研究中，所有的数据按7∶3的比例随机分为训练集和测试集。将T1WI和CE-T1WI序列筛选出的组学特征用于构建斑块影像组学模型，多因素回归分析中P值小于0.05特征用于构建传统模型，将所有特征用于构建联合模型。通过受试者工作特征（receiver operating characteristic, ROC）曲线和曲线下面积（area under the curve, AUC）来评估模型在预测患者卒中复发的性能。使用logistic回归模型构建列线图以提高其临床实用性。流程图如图1所示。

点击查看大图

图1  研究流程图。
Fig. 1  Flowchart of research.

1.4 统计学方法

       所有统计分析均通过R软件（4.3.3版）和IBM SPSS Statistics 26.0进行。采用Shapiro-Wilks检验评价数据是否符合正态分布。具有正态分布的变量由均值±标准差表示，并执行t检验。不符合正态分布的测量数据表示为M（Q1，Q3），并执行Mann-Whitney U检验。分类变量以例数表示，卡方检验用于两组之间的比较。单变量分析中P值小于0.05的所有变量都被纳入多因素分析，以进一步筛选与卒中复发相关的危险因素。对于每个模型，采用ROC曲线来评估每个模型的预测能力。采用DeLong检验比较这些模型的AUC值。P<0.05表示差异具有统计学意义。

2 结果

2.1 患者基线特征

       共纳入296例患者，男207例（69.9%），女89例（30.1%），平均年龄为66岁。其中未复发卒中患者238例（80.4%），卒中复发患者58例（19.6%）。

       责任斑块的放射学特征中，与非复发性卒中组相比，复发性卒中组有更高比例的IPH（22.8% vs. 74.1%，P<0.010）。此外，在临床特征中，复发性卒中组显示出较高的既往TIA或卒中病史（21.0% vs. 39.9%，P<0.05），埃森卒中风险评分更高（2 vs. 3，P<0.010），以及更高水平的FBG（5.30 vs. 5.80，P<0.05）。多因素回归分析显示，IPH [优势比（odds ratio, OR）=8.577，95% CI：4.374~16.818]是卒中复发的独立危险因素（表1）。训练组和测试组临床特征和责任斑块的放射学特征比较中显示，IPH在两组中差异无统计学意义（P=0.497）（表2）。

点击查看表格

表1  临床特征与责任斑块的放射学特征
Tab. 1  Clinical features and radiological characteristics of responsible plaques

点击查看表格

表2  训练组和测试组中的临床特征和责任斑块的放射学特征
Tab. 2  Clinical features and radiological characteristics of responsible plaques in the training and testing groups

2.2 预测模型的建立和效能评价

       296位患者的责任斑块组学特征以7∶3的比例随机分配到训练组和测试组。我们从CE-T1WI和T1WI序列原始图像中的每个ROI中分别提取了2153个放射组学特征，包括414一阶统计量特征、14个形状特征、1725个纹理特征（552个灰度共生矩阵特征、368个灰度游程矩阵特征、368个灰度区域矩阵特征、322个灰度相依矩阵特征和115个邻域灰度差分矩阵特征）。

       通过相关性分析和LASSO算法用于特征筛选。最后，CE-T1WI数据中保留了4个放射组学特征，T1WI数据中保留了6个放射组学特征（表 3），用于构建斑块组学模型。最终将组学特征与IPH共同构建联合模型。

       在训练组和测试组中，联合模型的ROC曲线都优于IPH和斑块影像组学模型（图2）。在训练组中，IPH的AUC为0.757（0.693~0.814），斑块组学特征的AUC为0.770（0.707~0.826），联合模型的AUC为0.866（0.811~0.909）。在测试组中，IPH的AUC为0.750（0.647~0.836），斑块组学特征的AUC为0.819（0.723~0.892），联合模型的AUC为0.880（0.794~0.939）（表4）。DeLong检验结果显示，在训练组和测试组中，联合模型的表现优于IPH模型（P<0.05）。

       构建联合模型的所有特征及特征权重用条形图表示（图3A），特征相关性矩阵图显示构建模型的特征之间没有强相关性（图3B）。最终将联合模型用列线图可视化（图4）。

点击查看大图

图2  受试者工作特征曲线。
Fig. 2  Receiver operating characteristic curves.

点击查看大图

图3  联合模型的特征权重和特征相关性矩阵。
Fig. 3  Feature weights and feature correlation matrices for the combined model.

点击查看大图

图4  联合模型的列线图。
Fig. 4  Nomogram of the combined model.

点击查看表格

表3  保留的斑块组学特征
Tab. 3  Reserved radiomics features

点击查看表格

表4  模型的AUC值
Tab. 4  AUC values for models

3 讨论

       在这项研究中，单因素和多因素回归分析显示，症状性ICAD患者的临床特征和颅内动脉责任斑块的放射学特征中只有IPH为卒中复发的独立风险因素。我们通过联合症状性ICAD患者责任斑块在3D-HRVWI图像上的组学特征与IPH，构建了用于预测患者卒中复发的联合模型。由于不同序列上的独立放射组学特征不同，我们使用放射组学方法从T1WI和CE-T1WI序列中分别提取放射组学特征，将影像组学与IPH相结合发现，联合模型的预测性能优于独立的IPH（AUC：0.866 vs. 0.757，P<0.05），并使用列线图作为临床决策中的视觉辅助工具简化了模型的解释。

3.1 传统放射学特征与影像组学技术的互补性分析

       先前的研究主要依靠视觉评估从HRVWI图像中提取相关信息，结果显示IPH、斑块强化、正性重构、和表面不规则性是缺血性事件患者症状性斑块的影像学生物标志物且与复发相关^{[17, 18]}。然而，这些方法对于分析斑块的特征可能不是最佳和全面的。影像组学可以通过分割图像中的病灶并以高通量提取大量图像特征来检测肉眼无法检测到的大量信息^[19]。本研究对颅内动脉责任斑块的传统放射学特征的评估中加入放射组学特征进行了进一步补充。在既往研究中，LIU等^[20]和WANG等^[21]通过在DWI序列上标记梗死病变提取组学特征，预测缺血性卒中复发风险，结果显示MRI放射组学特征和临床数据的结合提高了模型的预测性能（AUC为0.789和0.847）。在斑块的组学研究中，ZHANG等^[22]和CHEN等^[23]开发了颈动脉斑块的影像组学诊断模型，用于通过HR MRI识别易损的颈动脉斑块，该模型表现出优异的诊断性能（AUC为0.915和0.926）。然而，三维图像的放射组学研究很少用于评估颅内动脉斑块对未来卒中复发的影响。我们的研究显示，责任斑块的放射学特征中只有IPH是缺血性卒中患者复发的独立危险因素（P<0.01），而在T1WI序列的组学特征中保留了6个放射组学特征，CE-T1WI序列中保留了4个放射组学特征，且在特征相关性矩阵图中IPH与筛选出的组学特征没有表现出显著相关性（图3B），这进一步揭示了存在许多与卒中复发相关的独立的斑块放射组学特征。

3.2 IPH对卒中复发的预测价值

       IPH已成为颈动脉斑块脆弱性的标志，它的存在与斑块的快速进展和未来的缺血性脑血管事件有关^{[24, 25, 26]}。NIES等^[27]的研究提出，IPH信号强度比和IPH体积与复发性同侧缺血性脑血管事件或脑部MRI上新发同侧梗死无关，而IPH的存在与否本身显示出与脑血管事件复发的强烈且独立的关联。与既往研究一致，我们的研究中IPH仍然是卒中复发的独立危险因素。TyG指数是胰岛素抵抗的生化标志物，是空腹甘油三酯和葡萄糖浓度的对数乘积，一项meta分析显示与TyG指数较低的缺血性卒中患者相比，TyG 指数较高的缺血性卒中患者与卒中复发风险较高（OR：1.50；95% CI：1.19~1.89）和死亡风险增加（OR：1.40；95% CI：1.14~1.71）相关^[28]，而本次研究中TyG指数与症状性ICAD患者1年内卒中复发无显著关联。埃森卒中风险评分由于简便、易操作，常用于临床中急性缺血性卒中患者的脑卒中复发风险预测评估，其中埃森卒中风险评分3~6分者为中度危险，年卒中复发风险为7%~9%，本研究中复发组与未复发组之间的埃森卒中风险评分差异无统计学意义。过去的研究提出了责任斑块的对比增强程度高于非责任斑块，显著的斑块增强与急性缺血事件密切相关^{[29, 30, 31]}，我们的研究中责任斑块的增强率在复发组与未复发组之间的差异无统计学意义。最近的一项多期对比增强血管壁MRI研究中提出在对比剂注射后延迟9分钟采集可以最大限度地显示斑块的强化，并更好地区分责任和非责任斑块^[32]，部分研究者将增强后图像上垂体漏斗/垂体柄、胼胝体信号作为斑块强化的定量参考^{[29, 30, 31, 32, 33]}，后续关于斑块强化的研究可通过改善扫描时间或将信号强度标准化进一步改进。

3.3 局限性及展望

       本研究存在一定的局限性。首先，这是一项单中心研究，需要在其他环境或机构进行更广泛的验证以证明普遍性。其次，因为颅内动脉的管径相对较小，并且3D ROI是手动分割的，ROI的勾画误差是不可避免的。已有研究者通过深度学习的3D脑血管分割工作流程可视化脑血管结构、监测脑小血管（如豆纹动脉）^[34]，基于深度学习的分割方法也逐渐用于颈动脉斑块的分割^[35]，未来期望开发ROI深度学习语义分割算法以提高颅内斑块分割的效率和一致性，进一步提高临床适用性。

4 结论

       颅内动脉责任斑块的3D-HRVWI影像组学特征联合IPH在预测颅内动脉粥样硬化性卒中患者复发中具有良好效能，优于独立的IPH模型，在协助临床对卒中人群复发风险分层具有重要意义。