精神分裂症精准识别:fMRI与影像组学
发布日期:2019-01-24 15:18:00 来源:中华医学信息导报 作者: 空军军医大学西京医院放射科 印弘 浏览次数:

印弘


精神分裂症的终生患病率约为1%,是全球疾病负担的首要原因之一。

作为常见的、病因未明的、严重影响人类健康的精神疾病,精神分裂症是重要的公共卫生问题和较为突出的社会问题,由于其公共卫生影响极其惊人,至今仍为精神病学领域的研究热点。

近年来一些突破性的研究成果表明功能磁共振成像( fMRI)在神经精神疾病的客观诊断和治疗优化中具有重要作用。当前的fMRI研究已经为精神分裂症积累了大量证据,并提出连接障碍假说,使得深入理解这一严重的精神疾病的病理生理学成为可能。然而,对于精神分裂症而言,虽然过去十年的神经影像学证据激增,反映其病理生理学的影像学标记物却远远落后。

绝大多数研究的目的都是发现异常连接或检测它们的精神病理学关联,无法直接促进fMRI的发现向精神分裂症预后判断的生物标记物转化。

可见, 精神分裂症的fMRI 数据尚未得到充分挖掘与探索,最大限度地发挥fMRI在精神分裂症早期治疗应答预测中的价值亟待解决。

影像组学是一种新兴的利用医学影像大数据进行定量化分析预测的有效方法, 指高通量地从核磁共振成像(MRI)、正电子发射断层显像(PET)及CT影像中提取大量高维的定量影像特征并进行分析,近年来引起了国内外学者的广泛关注。

影像组学的主要过程包括将医学图像转化成高维度数据的高通量提取和最终支持决策制定的关键特征识别,其方法框架一般分为5个部分:医学影像数据获取、图像分割与重建、高通量特征提取与筛选、临床预测模型建立、训练及测试模型准确率。

当前, 影像组学已经被认为是连接医学影像学与个体化医疗之间的桥梁,随着影像组学的应用研究逐渐深入,大数据结合研发的分类预测模型有望辅助临床医师进行疾病诊疗,具有重要的临床价值和应用前景。

影像组学已经在临床肿瘤学中表现出了卓越的性能, 虽然精神分裂症存在脑连接障碍,但是并无实体病变直接用于影像组学分析中的特征挖掘,分析策略就在于将功能连接视为可提取的特征,因此在精神分裂症研究中fMRI影像组学有望成为一种解决途径。

值得一提的是, 基于支持向量机(影像组学常用技术)的分类器采用功能连接识别精神分裂症患者的准确性为81.3% ; 而令人兴奋的是,当进一步采用影像组学策略,突破传统分析思路, 功能连接特征可以更加准确地识别精神分裂症患者(数据集间验证:训练集的准确性87.09%,测试集的准确性82.61%;数据集内验证:训练集的准确性83.15%,测试集的准确性80.07%),成为影像组学策略应用于精神分裂症fMRI研究的初步尝试。

因此, 运用影像组学技术,有望优化fMRI特征的有效整合,从而发现能够用于精神分裂症精准识别的标记物, 辅助临床决策,具有重要的科学意义和潜在的临床价值。

(摘自《中华医学信息导报》2019年第34卷第1期)



Produced By 大汉网络 大汉版通发布系统