0 引言

       椎体压缩性骨折（vertebral compression fractures, VCF）是骨质疏松症最常见且最具致残性的并发症之一^[1]。绝经后女性受年龄增长及雌激素水平下降的双重影响，其骨质疏松症的发病率是男性的3倍^[2]，因此发生VCF的风险明显高于男性，这不仅严重影响患者生活质量，还显著增加再骨折风险与死亡率^{[3, 4]}。识别高风险个体并进行干预，是预防绝经后女性VCF发生、改善预后的关键环节。然而，当前临床对VCF的风险识别仍主要依赖双能X线吸收测定法（dual energy X-ray absorptiometry, DXA）测量的骨密度及骨折风险评估工具（fracture risk assessment tool, FRAX）等评估指标，其对骨折风险的评估效能有限，DXA仅反映骨量变化，无法全面评估骨微结构、骨转换状态及骨髓成分改变，导致部分“低骨量但未骨折”或“骨量正常却发生骨折”的临床悖论现象；FRAX的局限性可能导致特定人群骨质疏松性VCF风险的低估等^{[5, 6, 7]}。

       近年来，定量影像学技术的发展为深入解析骨骼内在质量提供了新路径。体积骨密度（volumetric bone mineral density, vBMD）通过三维成像克服了DXA二维投影的局限，能够更准确地反映局部骨小梁结构的矿化程度，已被证实与椎体生物力学强度具有更强相关性^[8]。与此同时，基于常规磁共振成像（magnetic resonance imaging, MRI）序列的椎体骨质量（vertebral body quality, VBQ）评分作为一种新兴的无创评估手段，通过分析T1加权像中椎体信号强度（signal intensity, SI）比值，间接反映骨髓脂肪浸润程度和骨小梁结构破坏，在多项研究中展现出对骨质疏松及脆性骨折风险的良好判别能力^{[9, 10]}。值得注意的是，骨髓脂肪含量的增加不仅是骨老化和骨质疏松的重要标志，也被认为直接参与骨骼微环境的代谢紊乱，进而影响骨强度^[11]。因此，定量测量骨髓脂肪分数（fat fraction, FF）成为揭示骨代谢状态的新视角，磁共振水脂分离序列（如mDixon Quant、IDEAL-IQ）已实现FF的精准量化^{[12, 13]}。与此同时，功能MRI序列如MAGiC序列可在一次扫描中同步获取T1、T2及PD值等多种物理参数，全面反映组织的化学环境与微观结构特征。研究表明，T1值与骨髓脂肪含量呈负相关，T2值反映骨水含量及基质状态，而PD值则与骨髓组织总体质子含量相关，这些参数联合分析有望实现对骨骼质量的多维刻画^{[14, 15]}。尽管现有研究已分别探索了定量计算机体层成像（quantitative computed tomography, QCT）、常规MRI及功能MRI序列参数在骨质疏松和/或骨折风险评估中的应用价值，但据我们所知，目前国内外尚无研究将功能MRI序列MAGiC相关参数纳入列线图模型，用于绝经后女性VCF的风险预测。

       因此，本研究拟基于绝经后女性的病例对照资料，整合QCT、常规MRI及功能MRI序列多维影像定量指标，构建并验证一个用于绝经后女性VCF风险评估的列线图模型，旨在提升对高危人群的风险识别能力，推动精准化骨健康管理策略的实施。

1 材料与方法

1.1 一般资料

       本研究为前瞻性病例对照研究，经池州市人民医院伦理委员会批准（批件号：2025-KY-02），志愿者均签署知情同意书。自2025年3月至2026年1月招募因腰背部疾患在我院骨科门诊或住院就诊的绝经后女性志愿者。纳入标准：（1）自然绝经状态下的老年女性；（2）资料完整，可满足本研究分析需求；（3）均接受腰椎QCT、常规MRI序列、功能MRI序列（IDEAL-IQ及MAGiC序列）扫描。排除标准：（1）绝经前行子宫、附件切除术者；（2）合并精神疾病、认知障碍者；（3）合并心功能衰竭及严重肝肾功能障碍者；（4）近半年有服用影响骨代谢药物者；（5）因良、恶性骨肿瘤致椎体病理性骨折者；（6）腰椎体骨折数量≥4个椎体者。纳入志愿者依据椎体是否骨折，分为骨折组和非骨折组，骨折组患者以未发生骨折的椎体作为分析对象，以降低骨折事件本身对定量参数的急性影响。

1.2 骨折诊断标准

       患者有腰背部疼痛症状，体格检查存在脊柱畸形、棘突压痛、活动受限等；脊柱MRI提示新鲜骨折，影像学表现：T1加权像呈低信号，T2加权像呈等信号或高信号，压脂序列呈明显高信号，即可诊断VCF^[16]。

1.3 检查方法及图像分析

1.3.1 腰椎QCT扫描及vBMD值获取

       使用NeuViz Extra 63排CT机（东软医疗，中国）进行腰椎QCT扫描，扫描参数：管电流60 mAs，管电压120 kV，旋转时间0.5 s，螺距≤1.0，层厚5 mm，视野40 cm，范围L1~L5椎体。使用QCT PRO V6.1骨密度分析软件（Mindways公司，美国）进行后处理，利用三平面定位，避开皮质骨及椎基静脉，最大程度勾画椎体松质骨为感兴趣区（region of interest, ROI），非骨折组获取L1~L4椎体平均vBMD值；骨折组获取非骨折椎体的平均vBMD值。

1.3.2 常规MRI序列、功能MRI序列（IDEAL-IQ及MAGiC序列）扫描及对应参数获取

       腰椎常规MRI序列、IDEAL-IQ序列及MAGiC序列均使用SIGNA Architect 3.0 T磁共振扫描仪（GE，美国）进行扫描。扫描参数见表1。

       VBQ评分是基于骨髓脂肪含量变化评估骨质量的重要参数。随着骨小梁逐渐退化，骨髓内脂肪细胞增多，T1加权像上的SI相应升高^[17]。由于人体脑脊液（cerebrospinal fluid, CSF）成分相对稳定，以L3层面CSF的SI作为参考进行标准化处理，可使VBQ评分在不同患者、不同机型、场强及扫描参数之间具备可比性^[18]。同一患者对应测量vBMD时的椎体ROI，在T1加权像正中矢状面上避开皮质骨及椎基静脉勾画松质骨区域ROI，记录并计算椎体平均SI，同时测量L3平面CSF的SI，勾画ROI时需避开硬脊膜及下行神经根。将椎体的平均SI除以L3平面CSF的SI，得到最终的VBQ评分（图1A）。

       在IDEAL-IQ序列生成的FF图正中矢状面勾画椎体ROI，勾画标准对应测量vBMD时的椎体ROI，避开皮质骨及椎基静脉，获取FF值（图1B），取平均值为最终记录结果。

       使用MAGiC软件在合成T2加权像正中矢状面勾画椎体ROI，椎体勾画标准同样对应测量vBMD时的椎体ROI，分别获取对应椎体的T1、T2及PD值（图1C~1F），取平均值为最终记录结果。

       图像勾画及数据测量由两名具有脊柱MRI诊断经验的放射科医师（分别为13年诊断经验的副主任医师与9年诊断经验的主治医师）独立完成，测量者对患者分组信息保持盲态。人工勾画完成后，采用组内相关系数（intra-class correlation coefficient, ICC）评价观察者间测量的一致性，ICC>0.75为一致性良好。

点击查看大图

图1  女，58 岁，腰1 椎体压缩性骨折，腰2~4 椎体平均vBMD 值为77.9mg/cm3。1A：常规MRI T1 加权像；1B：脂肪分数图；1C：MAGiC T2 加权像；1D：MAGiC T1 Map 定量图；1E：MAGiC T2 Map 定量图；1F：MAGiCPD Map 定量图。脑脊液信号强度ROI 放置腰3 平面，需避开硬脊膜及马尾神经。计算获得该患者腰2~4 椎体的VBQ 评分为3.8，平均FF 值为53.7%，平均T1 值为542.5 ms，平均T2 值为80.5 ms，平均PD值为83.8 pu。vBMD：体积骨密度；MAGiC：MRI 集成；PD：质子密度；ROI：感兴趣区；VBQ：椎体骨质量。
Fig. 1  Female, 58 years old, with compression fracture of L1 vertebra and average vBMD of 77.9 mg/cm3 at L2-L4 vertebrae. 1A: Conventional MR T1-weighted image; 1B: Fat fraction map; 1C: MAGiC T2-weighted image; 1D: MAGiC T1 Map quantitative image; 1E: MAGiC T2 Map quantitative image; 1F: MAGiC PD Map quantitative image. Vertebral delineation standards align with vBMD. Cerebrospinal fluid signal intensity ROI placement at the L3 level must avoid the dura mater and cauda equina. Calculations yielded a VBQ score of 3.8 for L2-L4 vertebrae in this patient, with an average FF value of 53.7%, average T1 value of 542.5 ms, average T2 value of 80.5 ms, and average PD value of 83.8 pu. vBMD: volume bone mineral density; MAGiC: magnetic resonance image compilation; PD: proton density; ROI: region of interest; VBQ: vertebral bone quality.

点击查看表格

表1  腰椎矢状位MRI常规及功能序列的具体扫描参数
Tab. 1  Specific scan parameters for conventional and functional sequences of sagittal lumbar MRI

1.4 统计学分析

       使用SPSS 26.0及R4.5.2软件进行数据分析。对计量资料进行正态性检验，符合正态分布的资料以（x¯±s）表示，不符合正态分布的计量资料以M（P25, P75）表示。满足正态分布及方差齐性的资料采用独立样本t检验进行组间比较，不满足正态分布或方差齐性的资料采用曼-惠特尼U检验进行组间比较。将单因素分析中P<0.05的变量作为候选变量，采用逐步回归法进行二元logistic回归分析，基于似然比检验进行变量筛选（α入=0.05，α出=0.10），筛选绝经后女性VCF的独立影响因素。基于多因素logistic回归最终保留的独立影响因素，采用R4.5.2软件的rms包构建列线图风险模型。采用rms包的calibrate函数绘制校准曲线，经1000次Bootstrap自助抽样验证模型校准度。利用pROC包的roc及auc函数绘制受试者工作特征（receiver operating characteristic, ROC）曲线并计算曲线下面积（area under the curve, AUC），并行DeLong检验，比较联合模型与各单一指标AUC差异。采用rmda包的decision_curve函数完成决策曲线分析（decision curve analysis, DCA），经100次自助交叉验证评估临床净获益。P<0.05为差异有统计学意义。

2 结果

2.1 骨折组与非骨折组一般资料及影像多参数的组间比较

       本研究最终纳入104位绝经后女性志愿者，年龄47~85岁（中位年龄67岁）。依据骨折标准，划分骨折组53例，非骨折组51例。骨折组与非骨折组一般资料及影像多参数的组间比较（表2）显示：年龄（P=0.021）、vBMD值（P<0.001）、VBQ评分（P<0.001）、FF值（P<0.001）、PD值（P<0.001）组间比较差异有统计学意义，而BMI、T1及T2值组间比较差异无统计学意义（P均>0.05）。2名诊断医师测量vBMD、T1、T2、PD、FF值及VBQ评分的ICC分别为0.915、0.804、0.913、0.817、0.908、0.793（P均<0.001），ICC均>0.75提示测量结果均具有良好的一致性和可靠性。

点击查看表格

表2  骨折组与非骨折组基本特征及影像学参数比较
Tab. 2  Comparison of basic characteristics and imaging parameters between the fracture group and the non-fracture group

2.2 绝经后女性VCF的多因素二元logistic回归分析

       以绝经后女性椎体是否发生骨折为因变量，自变量纳入单因素分析中具有统计学差异的5个变量（年龄、vBMD、VBQ评分、FF及PD），采用逐步回归法进行二元logistic回归分析（表3），结果显示，vBMD是骨折发生的独立保护因素（OR=0.959，P=0.001），VBQ评分（OR=5.055，P=0.018）及PD（OR=1.067，P=0.025）是骨折发生的独立危险因素。

点击查看表格

表3  绝经后女性椎体压缩性骨折的多因素二元logistic回归分析结果
Tab. 3  Multivariate binary logistic regression analysis results for vertebral compression fractures in postmenopausal women

2.3 列线图风险模型的构建与验证

       基于多因素logistic回归最终模型保留的3个独立影响因素（vBMD、PD及VBQ评分）构建列线图风险模型（图2）。模型的回归方程为logit（P）=-8.879-0.042×vBMD+0.065×PD+1.620×VBQ评分。Hosmer-Lemeshow拟合优度检验显示拟合良好，χ²=7.811，P=0.452。经1000次Bootstrap自助抽样校正后，模型估计概率与实际观察概率具有良好的一致性，校准曲线（图3）平均绝对误差为0.028，表明模型具有较好的校准度。该模型的AUC为0.891（95% CI：0.815~0.944），最佳阈值为0.661，对应的敏感度为71.7%、特异度为92.2%；相较于vBMD（AUC=0.829，95% CI：0.743~0.896）、VBQ评分（AUC=0.830，95% CI：0.744~0.897）及PD（AUC=0.766，95% CI：0.673~0.843）的风险区分能力均有显著性差异（DeLong检验P值分别为0.027、0.013、0.003）（表4、图4）。DCA显示，在阈值概率0.2~0.9的较宽范围内，该风险模型的临床净获益始终优于“全部干预”或“全部不干预”策略，尤其是在中等阈值区间（如0.4~0.8）优势更为明显，表明该模型具有良好的临床实用性（图5）。

点击查看大图

图2  绝经后女性椎体压缩性骨折列线图风险模型。vBMD：体积骨密度；PD：质子密度；VBQ：椎体骨质量。
Fig. 2  Nomogram for predicting the risk of vertebral compression fractures in postmenopausal women. vBMD: volumetric bone mineral density; PD: proton density; VBQ: vertebral bone quality.

点击查看大图

图3  列线图风险模型的校正曲线。自助法重复次数（B）=1000，平均绝对误差（MAE）=0.028。
Fig. 3  Calibration curve of the nomogram risk model. Number of bootstrap iterations (B) = 1000, Mean Absolute Error (MAE) = 0.028.

点击查看大图

图4  联合模型与单一指标受试者工作特征曲线。
Fig. 4  Receiver operating characteristic curves of the combined model and individual indicators.

点击查看大图

图5  列线图风险模型的决策曲线分析。
Fig. 5  Decision curve analysis (DCA) of the nomogram risk model.

点击查看表格

表4  相关变量受试者工作特征曲线对比分析结果
Tab. 4  Results of the comparative analysis of receiver operating characteristic curves for relevant variables

3 讨论

       本研究基于QCT、常规MRI序列及功能MRI序列，整合vBMD、VBQ评分并首次引入PD值构建了针对绝经后女性VCF风险的列线图模型。结果表明，vBMD、VBQ评分与PD值均为绝经后女性VCF的独立影响因素，模型具有良好的校准度、区分度（AUC=0.891）及临床净获益，提示多模态定量影像融合在绝经后女性VCF风险评估中的显著优势。该模型突破传统骨密度评估的局限，实现了从“骨量”到“骨质量”的多维跃迁，可有效实现绝经后女性VCF的风险分层，为绝经后女性VCF的风险识别与精准干预提供了新的影像学工具。

3.1 核心参数影响绝经后女性VCF发生的病理生理机制

       vBMD作为三维骨密度指标，可精准反映椎体局部骨小梁的矿化程度与骨量绝对值^[19]，其作为独立保护因素的机制在于，vBMD数值降低意味着骨组织钙盐沉积不足，骨小梁厚度与数量减少，椎体骨量的宏观支撑能力下降，而椎体作为脊柱的主要承重结构，骨量缺乏会直接导致其力学强度降低，在轻微外力或长期生理负荷下极易发生压缩性骨折^{[20, 21]}；且相较于传统DXA测量的面积骨密度，vBMD克服了二维投影的局限，能排除椎体退变、血管钙化等干扰，更真实反映局部骨小梁的矿化状态^[19]，因此，本研究中其保护效应在排除混杂因素后仍显著，与王松等^[22]研究结果相符。

       VBQ评分作为反映骨髓脂肪浸润与骨小梁结构改变的定量MRI指标^{[17, 23]}，是本研究中对绝经后女性VCF效应值最大的独立危险因素（OR=5.055）。VBQ评分异常升高既提示骨小梁出现萎缩、断裂、间隙增宽等微结构破坏导致骨小梁网状支撑结构的完整性受损，椎体抗压缩能力大幅下降^{[23, 24]}，又反映骨髓脂肪化程度加剧，而脂肪细胞可分泌脂联素、瘦素等细胞因子，抑制成骨细胞活性并促进破骨细胞活化，进一步加剧骨量流失与骨微结构破坏^{[25, 26, 27]}，双重作用下显著升高VCF发生风险，这一病理过程在绝经后骨质疏松等临床场景中已得到验证，提示骨髓脂肪组织是骨代谢失衡的关键调控节点^[26]。该结果与既往研究^{[22, 28]}一致，证实VBQ评分可有效弥补传统骨密度指标仅反映骨量、无法评估骨微结构的不足，尤其适用于骨量减少阶段绝经后女性的VCF风险识别。本研究显示，尽管在单因素分析中骨折组FF值显著高于非骨折组（P<0.05），但在包含年龄、vBMD、PD、FF及VBQ评分的多因素logistic回归模型中，FF未达到统计学显著性（P值为0.089），逐步回归基于剔除标准（α≥0.05）将FF自动移出最终模型。进一步分析显示，FF值与VBQ评分呈中等程度相关（r=0.573），提示二者在反映骨髓脂肪浸润方面存在信息重叠。然而，该相关系数对应的决定系数r²≈0.33，表明两者仅共享约1/3的信息变异。结合多因素模型中FF（P=0.089）与VBQ（P=0.004）的差异，FF失去显著性的更合理解释是：在控制其他协变量（尤其是vBMD及VBQ评分）后，FF所提供的额外预测信息有限，而VBQ评分作为更全面的骨质量指标（同时反映脂肪浸润与骨小梁结构信息），在模型中表现出更强的独立预测能力。因此，本研究在多因素分析中优先纳入VBQ评分，而未将FF纳入最终模型。

       本研究首次证实了PD值为绝经后女性VCF发生的独立危险因素。这一发现与CHANG等^[14]研究中PD值是腰椎骨量减少/骨质疏松及腰椎骨质疏松的极好预测因子的结论类似。众所周知，高PD值对应高水、高脂肪组织。JONES等^[29]研究已证实绝经后女性胫骨中段骨质疏松组的孔隙水密度（11.6 mol/L）和总水密度（21.2 mol/L）均较非骨质疏松组（9.5 mol/L、19.7 mol/L）升高，孔隙水密度和总水密度与DXA及外周QCT测得的骨密度呈负相关（P<0.001），该研究间接提示PD值的升高可能与孔隙水和总水密度升高及骨量减少有关。此外骨质疏松患者的骨小梁间隙增宽，使骨髓脂肪含量增加^[30]；且存在椎体骨折的患者往往具有更高的骨髓脂肪含量^[31]，骨髓脂肪含量的增加可能也是PD值升高的另一重要因素。雌激素缺乏介导的骨代谢失衡是绝经后女性骨微结构破坏及骨折风险升高的核心病理基础^[32]，本研究进一步明确了PD值作为该病理过程影像学标志物的临床价值。本研究丰富了定量MRI指标在VCF风险评估中的临床应用，为无创评估绝经后女性骨代谢状态提供了新的思路与参考依据。本研究中T1、T2值在骨折与非骨折组中无显著差异，提示二者在绝经后女性VCF风险评估中特异性较低，暂无法作为核心评估指标。这与CHEN等^[33]研究结果不相符，该研究显示中老年女性腰椎T1、T2值诊断骨质疏松（T1 AUC=0.982，T2 AUC=0.978）的准确性较高。原因可能与研究群体存在差异有关，该研究基于中老年女性[平均年龄（53.01±16.99）岁]非骨折群体，而本文平均年龄为（66.90±9.75）岁；且其T1、T2值仅被证实可有效区分非骨折群体的骨质疏松与非骨质疏松，但并未进一步验证T1、T2值在区分绝经后女性是否发生VCF方面的价值。

3.2 影像多参数风险模型的临床价值分析

       本研究的核心创新在于首次将功能MRI参数的PD值纳入绝经后女性VCF的列线图风险模型，并与QCT来源的vBMD（骨密度参数）、常规MRI来源的VBQ评分（骨质量参数）相结合，构建了从“骨密度—骨质量—骨代谢/骨髓微环境”多维度评估骨折风险的联合模型。与既往仅基于临床指标或单一影像参数的列线图研究相比，本模型整合了结构成像与功能成像参数，填补了功能MRI参数在该类模型中的应用。

       在预测效能方面，联合模型表现出显著提升。本研究模型兼顾识别效率与准确性，ROC曲线最佳阈值下敏感度71.7%、特异度92.2%，在有效覆盖绝经后女性VCF高危人群的同时，大幅降低假阳性判断，减少不必要的后续检查与干预，符合临床实践需求。进一步经DeLong检验，联合模型的AUC显著优于各单一指标，表明多参数整合可显著提升预测效能。

       模型临床净获益显著且适用范围广，DCA显示，在0.2~0.9的宽阈值概率范围内，净获益均高于“全部干预”和“全部不干预”策略，且在0.4~0.8的中等阈值区间优势更显著，可有效解决临床中VCF风险判断的决策困惑，避免过度干预造成的医疗资源浪费和患者负担，也减少干预不足导致的骨折漏诊。此外，本模型相较于临床常用的骨折风险评估工具（如DXA、FRAX）具有独特优势^{[34, 35]}。既往研究显示面积骨密度、FRAX工具预测骨质疏松性骨折的AUC仅为0.617、0.636，预测准确率均不高^[36]。DXA因椎体退变及骨赘增生可能高估骨密度，而本模型采用的QCT-vBMD直接测量纯松质骨，避免了这一偏倚；同时，MRI来源的VBQ评分和PD参数可提供骨质量及骨髓代谢信息，这是传统骨密度检测无法实现的。本模型尤其适用于已接受腰椎MRI或QCT检查的人群，无需额外辐射暴露或检查费用，具有一定的卫生经济学价值。

       同时，模型操作简便、易基层推广，列线图作为可视化工具，无需复杂公式运算，临床医师可通过简单的指标测量与图表查值，快速计算绝经后女性VCF发生概率，降低了基层医疗机构的应用门槛。

3.3 局限性

       本研究存在如下局限性：（1）纳入样本量有限，存在潜在选择偏倚，研究结论的外推性需多中心、大样本研究进一步验证。（2）模型仅纳入影像学指标，未整合绝经年限、骨转换标志物、基础疾病、生活方式等临床危险因素，后续可纳入多维度指标优化模型，提升评估效能。（3）尽管我们通过分析骨折组中非骨折椎体来近似基线状态，但骨质疏松为全身性骨病，骨折组未骨折椎体的骨质量很可能已经劣于健康对照组，但又优于其自身已骨折椎体，这一设计会系统性地缩小两组间的真实影像参数差异（保守偏倚）。该偏倚可能使效应量较小的参数（如FF）的组间差异被人为压缩，导致其在多因素分析中更易被排除出最终模型，而在真实基线数据下，这类参数可能展现出更强的独立预测价值。此外，该设计无法完全替代前瞻性随访数据，且本研究尚未明确模型对VCF发生的动态预测价值及最佳干预阈值，亦缺乏外部独立样本验证。以上局限性有待今后开展多中心外部验证及前瞻性队列研究加以完善。

4 结论

       综上，本研究构建的模型整合了骨量（vBMD）、骨质量（VBQ评分）、骨代谢/骨髓微环境（PD）三大维度的定量指标，突破了传统骨密度指标仅反映骨量的局限，为绝经后女性VCF的筛查与精准评估提供了新的可视化工具，也为影像多模态定量技术在骨质疏松性骨折风险评估中的临床应用奠定了基础。未来可开展多中心、大样本量的前瞻性研究，纳入更多临床与影像学指标，验证并优化模型，同时开展长期随访，明确模型的动态预测价值，为临床制订个体化的骨健康管理与干预策略提供更全面的依据。