Радиомика высокого разрешения на основе МРТ для идентификации высокорисковых интракраниальных бляшек

Введение

Разрыв уязвимых бляшек является основной причиной внутрипросветного тромбоза при остром ишемическом инсульте. Выявление особенностей бляшек, указывающих на риск их разрыва, может помочь в прогнозировании цереброваскулярных событий. В данной работе авторы поставили цель разработать модель высокорисковых интракраниальных бляшек, дифференцирующую симптомные и асимптомные бляшки с использованием радиомических признаков на основе высокоразрешающей магнитно-резонансной томографии (HRMRI).

Цель

Построить модель для идентификации высокорисковых интракраниальных бляшек, используя радиомические признаки HRMRI, и сравнить ее эффективность с традиционными методами оценки.

Методы

В исследование включили 172 пациента с 188 интракраниальными атеросклеротическими бляшками (100 симптомных и 88 асимптомных), для которых были доступны данные HRMRI. Клинические характеристики и традиционные признаки бляшек оценивались, включая:

• Высокий сигнал на T1-взвешенных изображениях (HST1)
• Степень стеноза
• Нормализованный индекс стенки
• Индекс ремоделирования
• Коэффициент усиления (ER)

Проведены однофакторный и многофакторный анализы для построения традиционной модели. Радиомические признаки извлекались из HRMRI до и после контрастирования. Радиомическая модель строилась с использованием случайных лесов, ридж-регрессии, LASSO и глубокого обучения (DL). Комбинированная (MIX) модель объединила радиомическую и традиционную модели.

Результаты

Пол, HST1 и ER были ассоциированы с симптомными бляшками и включены в традиционную модель, которая показала AUC 0.697 в обучающей выборке и 0.704 в тестовой. Радиомическая модель достигла AUC 0.982 (обучающая выборка) и 0.867 (тестовая выборка). Комбинированная MIX модель продемонстрировала AUC 0.977 в обучающей выборке и 0.895 в тестовой, превзойдя традиционную модель (p = 0.032).

Выводы

Радиомический анализ на основе DL и машинного обучения позволяет точно идентифицировать высокорисковые интракраниальные бляшки. Комбинированная модель, включающая радиомические и традиционные признаки, показала наилучшую диагностическую эффективность.

Термины и сокращения

• HRMRI – High-Resolution Magnetic Resonance Imaging (высокоразрешающая магнитно-резонансная томография)
• HST1 – High Signal on T1-weighted images (высокий сигнал на T1-взвешенных изображениях)
• ER – Enhancement Ratio (коэффициент усиления)
• DL – Deep Learning (глубокое обучение)
• AUC – Area Under the Curve (площадь под кривой)
• LASSO – Least Absolute Shrinkage and Selection Operator (метод регуляризации в статистике)