0 引言

       椎体压缩性骨折（vertebral compression fractures, VCFs）是由于椎体骨强度降低无法维持椎体骨的完整性和连续性，导致椎体高度降低和结构破坏^{[1, 2]}。根据病因，VCFs可分为良性和恶性两类。良性VCFs通常由骨质疏松或创伤引起，其中绝经后女性发生骨质疏松性VCFs的概率较同年龄男性组高^{[3, 4]}，而创伤性VCFs常见于50岁以下患者。相较之下，恶性VCFs通常由骨原发或转移瘤导致^[5]。由于不同病因的VCFs在临床表现、治疗策略及预后方面存在显著差异，准确鉴别其性质具有重要临床意义^[6]。

       MRI是评估和诊断VCFs的主要影像学工具，可显示骨折不同时期的水肿变化，也可观察转移瘤的信号特点，同时清晰显示椎体骨髓及周围软组织的情况^{[7, 8]}。常规MRI对发现VCFs非常敏感，然而，由于骨髓病变的异质性和复杂性，急性骨质疏松性骨折的骨髓水肿有时可与骨转移瘤的信号类似，均表现为T1WI低信号、T2WI-脂肪抑制（fat saturation, FS）高信号，在椎体良恶性骨折的鉴别中缺乏特异性，因此常规MRI特征不足以作为鉴别良恶性VCFs的决定性依据^[5]。鉴于MRI影像的复杂性，放射医师往往基于MRI图像提炼语义特征，以进行主观描述和鉴别。

       影像组学作为一种无创分析方法，用高通量的方法从医学影像中提取大量定量特征，通过深入分析这些特征，为临床决策提供更加客观、敏感的信息^{[9, 10]}。虽然既往有研究表明，基于CT图像建立组学模型可以提高诊断效能^{[11, 12]}，但是CT会对人体造成辐射伤害，因此有一些学者利用MRI图像建立影像组学模型用于评估良恶性VCFs，证实了影像组学在鉴别良恶性VCFs中具有重要价值。此外，多种分类算法的比较可以更全面地评估性能，避免单一模型的过拟合或欠拟合。逻辑回归（logistic regression, LR）具有较强的解释性和计算效率，随机森林（random forest, RF）在高维数据及非线性特征处理中表现优异，而支持向量机（support vector machine, SVM）则能够通过核函数准确刻画复杂分类边界。因此，本研究旨在结合影像组学和语义特征，使用三种机器学习算法以建立最优的预测模型，更准确地鉴别良恶性VCFs，从而提升临床诊断的精准性。

1 材料与方法

1.1 研究对象

       本研究遵守《赫尔辛基宣言》，经重庆医科大学附属第一医院（中心一）及重庆市渝北区中医院（中心二）伦理委员会批准，免除受试者知情同意，批准文号分别为：2024年科研伦审（2024-213-01）及Ybqzyy2024-24号。回顾性收集2018年1月至2022年12月在两家医院就诊的VCFs患者资料。

       良性VCFs纳入标准：（1）年龄≥18岁，X线或CT显示椎体高度减低，骨皮质中断；（2）无肿瘤病史；（3）MRI显示椎体压缩变扁，椎体内骨髓呈条状或斑片状异常信号影，T1WI呈低信号、T2WI及T2WI-FS呈高信号；（4）临床随访6~12个月证实VCFs好转（如骨髓异常信号消失、骨折线消失、临床症状消失）。恶性VCFs纳入标准（满足第1条和2~4条中的任意1条即可）：（1）年龄≥18岁，X线或CT显示椎体高度减低，骨皮质中断；（2）手术证实为恶性肿瘤引起的压缩性骨折；（3）有恶性肿瘤病史，经两种以上影像学方法（MRI、X线、CT、ECT、PET-CT）诊断为恶性VCFs；（4）临床随访6~12个月椎体异常信号无消失，骨折仍表现为恶性征象。共同排除标准：（1）有其他疾病者：如传染性脊柱炎、强直性脊柱炎等；（2）骨折术后，包括成形术后、假体植入等；（3）转移性骨折治疗后；（4）良性和恶性并存脊椎骨折；（5）病例资料不全或者原始数据丢失。

       依据上述纳排标准，最终收集中心一VCFs患者病例共229例，其中良性VCFs共103例，含149个椎体，恶性VCFs共126例，含151个椎体；收集中心二VCFs患者病例共220例，其中良性VCFs共163例，含175个椎体，恶性VCFs共57例，含75个椎体。中心一的数据通过随机分层抽样按7∶3比例分为训练集和内部验证集，中心二数据作为外部验证集。所有的良性VCFs除了有MRI图像以外，都含有CT或X线中至少一项检查可以作证；恶性VCFs中有18例进行过穿刺检查，有67例经过半年以上的随诊验证，有172例含除MRI外至少一项影像学检查共同证实。

1.2 影像检查方法

       中心一所有患者均在3.0 T超导磁共振（GE，美国）机器上进行MRI扫描。矢状位T1快速自旋回波（fast spin echo, FSE）序列扫描参数：TR 350 ms，TE 9.5 ms，层厚4.5 mm，层数12，FOV 250 mm×250 mm，矩阵320×224，激励次数1.5；矢状位T2快速翻转快速自旋回波（fast recovery fast spin echo, FRFSE）序列扫描参数：TR 2000 ms，TE 100 ms，层厚4.5 mm，层数12，FOV 250 mm×250 mm，矩阵320×224，激励次数1.5。矢状位T2 FLEX序列扫描参数：TR 2500 ms，TE 70 ms，层厚4.5 mm，层数12，FOV 250 mm×250mm，矩阵 320×224，激励次数2。

       中心二所有患者均在1.5 T超导磁共振（GE，美国）机器上进行MRI扫描。矢状位T1 FSE序列扫描参数：TR 591 ms，TE 9.7 ms，层厚4.5 mm，层数12，FOV 250 mm×250 mm，矩阵320×224，激励次数1.5。矢状位T2 FRFSE序列扫描参数：TR 2500 ms，TE 120 ms，层厚4.5 mm，层数12，FOV 250 mm×250 mm，矩阵320×224，激励次数1.5。矢状位T2 FLEX序列扫描参数：TR 2505 ms，TE 68 ms，层厚4.5 mm，层数12，FOV 250 mm×250 mm，矩阵320×224，激励次数2。

1.3 图像分析和语义特征的评价

       由1名工作8年的主治医师及1名工作3年的研究生分别独立勾画感兴趣区（region of interest, ROI）。应用ITK-snap软件，在MRI矢状位序列（TIWI、T2WI、T2WI-FS）上完成ROI勾画。在骨折椎体上选取图像质量最好的连续相邻层面（3~5层），沿骨皮质下缘约2 mm进行勾画，尽量避免椎间盘、椎管、韧带及其他软组织影，构建3D图像模型。为评估影像组学特征的一致性，采用组间相关系数（intra-class correlation coefficient, ICC）分析测量者间提取特征的一致性，仅纳入ICC>0.75的特征进入后续分析。

       由1名工作10年以上的主任医师及1名工作8年的主治医师对所有语义特征进行独立评估，不一致的特征由2名医师共同商议后确定统一。评估的语义特征名称为脂肪残留征、椎体后柱受累、椎体内积液或积气、椎体终板下缘低信号带、椎体后缘骨皮质形态、椎体周围软组织肿块。使用Cohen's Kappa系数评估2位医师之间的一致性，Cohen's Kappa系数大于0.8说明一致性良好。

1.4 影像组学特征提取

       影像组学特征通过Python中的PyRadiomics包提取^{[13, 14]}，基于MRI矢状位序列（T1WI、T2WI、T2WI-FS）中的ROI，对于每个序列均提取107个影像组学特征，包括形态特征14个、强度统计特征18个和纹理特征75个。涵盖灰度共生矩阵（gray level co-occurrence matrix, GLCM）、灰度运行长度矩阵（gray level run-length matrix, GLRLM）、灰度大小区域矩阵（gray level size zone matrix, GLSZM）、邻近灰度差矩阵（neighborhood gray-tone difference matrix, NGTDM）及灰度依赖矩阵（gray level dependence matrix, GLDM）。在特征提取前对所有MRI图像进行预处理，首先使用B样条插值将图像空间分辨率重采样为1 mm×1 mm×1 mm，然后采用Z-score方法对像素强度进行归一化处理。

1.5 影像组学和语义特征筛选与模型构建

       语义特征的筛选采用单因素逻辑回归，首先识别与良恶性VCFs显著相关的特征（P<0.05）。随后，通过多因素逻辑回归分析，确定独立预测因子，并基于这些因子构建临床模型。

       影像组学特征的筛选按每个MRI序列单独进行。首先，使用单因素逻辑回归筛选与骨折良恶性显著相关的影像组学特征（P<0.05）。对筛选出的特征集进一步应用Boruta算法进行优化，形成最终特征集^[15]。随后，基于优化后的特征集，利用LR、RF、SVM三种机器学习算法分别构建3个单序列模型（TIWI、T2WI、T2WI-FS）、3个双序列组合模型（T2WI-FS+T1WI、T2WI-FS+T2WI、T1WI+T2WI），以及1个整合所有序列的三序列组合模型（T2WI-FS+T1WI+T2WI）。详细的流程如图1所示。

       最后，将语义特征与影像组学特征结合，基于三种算法分别构建联合模型。通过训练集的受试者工作特征（receiver operating characteristic, ROC）曲线下面积（area under the curve, AUC）比较，选择最优模型，并在内部验证集和外部验证集中评估其对良恶性VCFs的鉴别性能。

点击查看大图

图1  影像组学预测模型构建流程。
Fig. 1  Construction process of radiomics prediction model.

1.6 统计学分析

       统计学分析使用SPSS软件完成。连续变量的正态性检验采用Kolmogorov-Smirnov检验，符合正态分布的连续变量以均值±标准差表示，不符合正态分布的连续变量以中位数（四分位数）表示。训练集、内部验证集和外部验证集之间连续变量的差异采用单因素方差分析或Kruskal-Wallis检验，具体方法根据变量分布选择；分类变量的差异则使用卡方检验进行分析。所有统计检验均采用双侧检验，P<0.05为差异具有统计学意义。

2 结果

2.1 一般资料

       中心一入组的229例VCFs患者病例按7∶3分为训练集160例和内部验证集69例。训练集平均年龄（65±11）岁，其中良性病例72例（45.0%），恶性病例88例（55.0%）；内部验证集平均年龄（63±13）岁，其中良性病例31例（44.9%），恶性病例38例（55.1%）。中心二入组的220例VCFs患者病例为外部验证集，平均年龄（66±12）岁，其中良性病例163例（74.1%），恶性病例57例（25.9%）。患者的一般资料详见表1。统计分析显示，椎体终板下低信号带、椎体周围软组织肿块以及良恶性比例在三个数据集间差异具有统计学意义（双侧检验P<0.05），其余一般资料在三组间差异无统计学意义（双侧检验P>0.05）。语义特征一致性评估显示，Cohen's Kappa系数大于0.8，表明2名评估者之间具有良好一致性。

点击查看表格

表1  患者基本资料
Tab. 1  Patient basic information

2.2 模型特征选择

       单因素逻辑回归分析结果显示，脂肪残留征、椎体内积液或积气、椎体终板下低信号带及椎体后缘骨皮质形态与VCFs的良恶性具有显著相关。进一步，通过多因素逻辑回归分析表明，椎体内积液或积气和椎体终板下低信号带是良恶性VCFs的独立预测因子（表2）。因此，基于这两个特征构建临床模型。

       对于三个序列的影像组学特征，经过单因素逻辑回归和Boruta算法筛选后，FS序列的特征FS_original_glcm_Correlation和FS_original_gldm_GrayLevelNonUniformity被纳入预测模型；T1WI序列的特征T1_original_glcm_DifferenceEntropy用于模型构建；T2WI序列的特征T2_original_gldm_HighGrayLevelEmphasis被选入模型。最终，联合模型整合了2个语义特征和4个影像组学特征，完成构建。

点击查看大图

图2  训练集中逻辑回归（2A）、随机森林（2B）以及支持向量机（2C）预测模型的ROC曲线。图中FS代表T2WI脂肪抑制model，T1代表T1WI model，T2代表T2WI model。ROC：受试者工作特征；AUC：曲线下面积。
Fig. 2  ROC curves of logistic regression (2A), random forest (2B), and support vector machine (2C) prediction models in the training set. FS represents the T2WI fat saturation model, T1 represents the T1WI model, and T2 represents the T2WI model. ROC: receiver operating characteristic; AUC: area under the curve.

点击查看表格

表2  单因素和多因素逻辑回归筛选临床特征
Tab. 2  Single factor and multi factor logistic regression screening of clinical characteristics

2.3 模型性能评估

       在使用训练集构建模型预测良恶性VCFs方面，LR模型在性能上表现最佳。结果显示，其AUC达0.957。因此，LR算法被确定为最优分类器，并应用于内部验证集和外部验证集进行进一步验证（图2）。

       临床模型在训练集、内部验证集和外部验证集中的AUC分别为0.877、0.861和0.848。单序列影像组学模型中，T2WI-FS序列表现最佳，其在训练集、内部验证集和外部验证集中的AUC分别为0.827、0.821和0.803，略低于临床模型。然而，将三个序列联合后，模型性能显著提升，AUC在训练集、内部验证集和外部验证集中分别达到0.887、0.856和0.832（DeLong检验，P=0.014~0.046）。使用LR算法建立的模型性能结果见表3和图3。

       进一步将语义特征与影像组学特征相结合后，联合模型性能达到最佳，在训练集、内部验证集和外部验证集中的AUC分别为0.957、0.936和0.921。联合模型的性能显著优于临床模型和单序列影像组学模型（DeLong检验，P均<0.05）。

点击查看大图

图3  内部验证集（3A）和外部验证集（3B）中各逻辑回归预测模型的ROC曲线。图中FS代表T2WI脂肪抑制model，T1代表T1WI model，T2代表T2WI model。ROC：受试者工作特征；AUC：曲线下面积。
Fig. 3  ROC curves of various logistic regression prediction models in the internal validation set (3A) and external validation set (3B). FS represents the T2WI fat saturation model, T1 represents the T1WI model, and T2 represents the T2WI model. ROC: receiver operating characteristic; AUC: area under the curve.

点击查看表格

表3  模型性能表现
Tab. 3  Model Performance

2.4 校准曲线和决策曲线分析

       校准曲线分析显示，所有模型在训练集、内部验证集和外部验证集中均表现出良好的校准性能（Hosmer-Lemeshow检验，P=0.130~0.962），决策曲线分析显示，在三个数据集中，联合模型在大部分阈值区间内的临床净收益均优于其他模型（图4）。在内部验证集中，联合模型在阈值范围为0.09~1.00时表现出正的临床净收益；在外部验证集中，临床净收益在阈值范围为0.06~0.82时均大于0（图5）。

点击查看大图

图4  训练集（4A）、内部验证集（4B）和外部验证集（4C）中各模型的校准曲线。图中FS代表T2WI脂肪抑制model，T1代表T1WI model，T2代表T2WI model。
Fig. 4  Calibration curves of each model in the training set (4A), internal validation set (4B), and external validation set (4C). FS represents the T2WI fat saturation model, T1 represents the T1WI model, T2 represents the T2WI model.

点击查看大图

图5  训练集（5A）、内部验证集（5B）和外部验证集（5C）中各模型的DCA曲线。图中FS代表T2WI脂肪抑制model，T1代表T1WI model，T2代表T2WI model。DCA：决策曲线分析。
Fig. 5  DCA curves of each model in the training set (5A), internal validation set (5B), and external validation set (5C). FS represents the T2WI fat saturation model, T1 represents the T1WI model, and T2 represents the T2WI model. DCA: decision curve analysis.

2.5 特征重要性评估

       通过SHAP方法评估影像组学特征的重要性，特征重要性从大到小依次为T1_original_glcm_DifferenceEntropy、FS_original_gldm_GrayLevelNonUniformity、T2_original_gldm_HighGrayLevelEmphasis和FS_original_glcm_Correlation（图6）。

点击查看大图

图6  用于建模的影像组学特征重要性分析。
Fig. 6  Importance analysis of radiomics features used for modeling.

3 讨论

       本研究整合多中心T1WI、T2WI、T2WI-FS三种MRI序列的影像组学特征，在临床上分别反映了骨髓结构的复杂度、脂肪抑制下骨髓信号的不均一性、高灰度区域的强调程度以及局部纹理的关联性。T1WI能敏感捕捉到骨髓内脂肪成分的变化，Difference Entropy反映其纹理复杂度，提示骨折区域结构紊乱；T2WI对水含量敏感，High Gray Level Emphasis体现其对骨折部位高信号（水肿）区域的聚焦；而FS序列进一步强化了对病灶的识别，Gray Level Non Uniformity与Correlation则揭示了病变区信号分布的非均质性与局部空间关联特征。这些关键特征与椎体骨折后的微结构改变密切相关，在联合模型中体现出较高的诊断价值，验证了多序列联合分析在提升模型性能及临床实用性方面的重要意义。

       结合椎体内积液/积气等语义特征，采用LR、RF、SVM算法构建了融合影像组学与临床特征的综合诊断模型。结果显示该模型在训练集、内部验证集及外部验证集的AUC值均高于0.92，显著优于单一特征模型。其创新性多维度分析显著提升椎体骨折诊断效能，为临床精准分型和个性化治疗决策提供可靠工具。

3.1 MRI影像特征对VCFs的诊断价值

       鉴别良恶性骨折对于建立正确的分期和治疗计划十分必要，MRI是鉴别这两种疾病的首选检查方法，它具有较高的特异性，能很好地描述形态特征、信号特征及周围软组织受累情况^{[16, 17]}。从椎体受累范围来看，良性VCFs常常只累及单椎体或者连续相邻多个椎体，恶性VCFs常多椎体受累，且呈跳跃性分布^[18]。良性VCFs常呈楔形、双凹形，椎体后缘常向前凹，病变往往不会累及椎弓根、椎板或附件等后柱结构。恶性VCFs常累及后柱结构，呈扁形、倒楔形，椎体后缘常向后凸^{[19, 20]}。椎体信号改变也有提示意义，良性VCFs中往往含有正常的骨髓组织，可见T1WI、T2WI稍高的脂肪信号，而在恶性VCFs中，当肿瘤组织弥漫浸润整个椎体时，常导致椎体正常的骨髓组织信号被肿瘤组织取代，血管通透性增加，导致椎体内骨含量降低，骨骼完整性减弱，易发生病理性骨折^{[21, 22, 23]}。有研究表明，椎体周围结构的改变也可以帮助鉴别，恶性VCFs椎体内的肿瘤组织侵犯硬膜外或者椎旁间隙时，可能出现椎旁或者硬膜外软组织肿块。良性VCFs椎旁可出现水肿、出血等类似软组织肿块的征象，此时两者鉴别较困难^[24]。此外，良性VCFs还可以出现一些其他征象，如“真空征”“液体征”“线样征”，“真空征”和“液体征”可以统称为“裂隙征”，推测是由于发生VCFs时骨折不愈合、出现裂隙形成负压，溶解在椎体内的气体或血浆、组织液溢出所致，可能与椎体缺血坏死有关^{[25, 26]}。“线样征”是指良性VCFs的椎体内出现与终板平行的线样带，T1WI和T2WI均为低信号，代表骨折线或致密的骨小梁，恶性VCFs没有这些表现^[27]。我们的研究将这些语义特征通过单因素逻辑回归及多因素逻辑回归分析，发现椎体内积液或积气、椎体终板下低信号带与良恶性VCFs显著相关，基于此建立的对VCF鉴别的临床模型在训练集、内部验证集和外部验证集中的AUC分别为0.877、0.861和0.848。

3.2 影像组学模型对鉴别良恶性VCFs的临床价值

       在日常的临床工作中，上述的鉴别征象并不会出现在每一个VCFs的MRI图像中，也不会都那么典型，有时甚至会交叉干扰、重叠，单纯依靠肉眼观察往往难以区分^[28]。既往有文献证明基于MRI的影像组学，对于鉴别良恶性VCFs有较好的诊断性能。冯茜茜等基于T1WI图像建立影像组学模型，训练组、验证组影像组学模型鉴别VCFs良恶性的曲线下面积分别为0.937（95% CI：0.901~0.973）、0.924（95% CI：0.861~0.987）^[3]。FRIGHETTO-PEREIRA等^[28]发现T1WI图像中提取的统计特征、纹理特征和形状特征能够很好地区分VCFs的良恶性，AUC值在0.84~0.92。ZHANG等^[29]基于7个不同的分类器，对来自2个不同中心的376名VCFs患者的T2WI抑脂序列建立预测模型，其中高斯朴素贝叶斯模型获得了更高的AUC（0.86）和准确率（87.61%）。GENG等^[30]基于脊柱的MRI图像分别使用LR、RF、XGBoost等算法，联合临床资料，构建了影像组学模型，研究结果发现XGBoost模型具有优异的鉴别诊断性能。LIU等^[31]在一项研究中对123例良性及86例恶性VCFs的MRI图像构建区分良恶性VCFs的影像组学模型，并与放射科医师的诊断结果进行比对，结果发现，该影像组学模型在鉴别良恶性VCFs方面比放射科医师的诊断具有更高的准确率。这些研究表明影像组学在鉴别良恶性VCFs方面具有很大的潜力，本研究较以往报道相比，采用了多中心、多序列、多算法的方式构建多个影像模型，同时联合临床资料，通过构建联合模型，更能够表达这项技术具有较高的准确性和特异性。

3.3 本研究的优势

3.3.1 多中心验证

       本研究中的中心二作为外部验证集的基层县（区）级中医院，良恶性VCFs病例数量比例差距相对较大。外部验证集的主要目的是评估模型在不同机构和独立数据集上的泛化性能，因此，尽管病例分布与训练集和内部验证集有所不同，但模型在该数据集上的性能表现依然良好，表明模型具有较强的泛化能力，能够在不同数据分布下保持稳定的分类效果。这进一步证明了模型不仅适用于特定的训练数据集，且能够有效应对来自不同中心的数据，体现其鲁棒性。随机分层抽样的方法确保训练集和内部验证集中良恶性比例的一致性，从而优化模型的训练过程。而外部验证集正是通过不同的分布情况来验证模型的泛化性能。模型能够在这种条件下仍然保持优异的性能，说明其在实际应用中的潜力和可靠性。

3.3.2 多模型比较验证

       既往部分研究仅使用单一模型进行分析，而我们在本次研究中，为了评估不同模型的性能，选取LR、RF、SVM这三种机器学习算法，考虑了算法的多样性、互补性和模型性能的比较与优化，从而确保结果的稳健性。采用多种算法有助于全面比较不同模型在训练集和验证集中的表现，避免单一模型可能出现的过拟合或欠拟合问题。通过比较不同算法的AUC值，我们能够明确哪个模型在具体应用中最具优势，从而为临床决策提供更可靠的预测工具。在本研究中，LR模型表现最佳，因此进一步应用于联合模型中，而RF和SVM则为结果提供了有力的支持和验证。

3.3.3 影像与临床全面联合验证

       以往大多数研究通过观察临床医学影像图像对良恶性VCFs进行鉴别，部分学者使用单一序列对图像进行影像分析，并没有将两者相互结合。本研究不仅将临床与影像进一步结合，同时对MRI所有常规序列进行全面分析，对结果进行了更有力的验证。

3.4 本研究的局限性

       本研究存在一定的局限性：（1）不同个体的椎体结构存在差异，椎体生理变化、腰骶移行椎变异等均有可能影响结果的准确性，且未将颈椎、胸椎、腰椎进行分组研究；（2）本研究主要依靠手动ROI选取和图像分割，可能存在一定误差；（3）本研究为回顾性研究，无法控制研究过程的各类混杂因素，难以保证数据的完整性和一致性，将来可通过前瞻性研究验证其准确性。

4 结论

       综上所述，本研究基于常规多参数MRI，将语义特征结合影像组学特征建立的联合模型，对于良恶性VCFs具有很好的诊断及鉴别效能，为临床提供了无创、客观的评估方法，后续有待更大样本量进一步研究。