2025-07-22 13:49:41 by admin 
53
編者按：在上一次推文（【揭秘】VPD的MRI-PalqueView軟件為何成為全球最廣泛應(yīng)用的血管斑塊分析診斷工具）中，我們揭密了MRI-PlaqueView廣泛應(yīng)用于全球的技術(shù)基礎(chǔ)。今天就趁熱打鐵舉例說(shuō)明，MRI-PlaqueView在全球具體科研項(xiàng)目中都扮演著什么角色。本文簡(jiǎn)要翻譯兩篇近期發(fā)表的文章，分別探索了“PET與易損斑塊MRI特征的關(guān)聯(lián)”和“斑塊MRI特征與卒中復(fù)發(fā)風(fēng)險(xiǎn)的關(guān)系”，其中斑塊的MRI特征分析都用到了標(biāo)準(zhǔn)化分析工具M(jìn)RI-PlaqueView。
【文章1】18FDG-PET與斑塊易損性的 MRI 特征之間的關(guān)聯(lián)目的：病理學(xué)研究表明不穩(wěn)定的斑塊形態(tài)和炎癥與腦血管事件有關(guān)。MRI 可以識(shí)別不穩(wěn)定斑塊的形態(tài)學(xué)特征。18F-氟脫氧葡萄糖正電子發(fā)射斷層掃描（18FDG-PET）是一種經(jīng)過(guò)驗(yàn)證的可對(duì)斑塊炎癥代謝進(jìn)行非侵入性成像的技術(shù)。本研究的目的是在癥狀性頸動(dòng)脈狹窄患者人群中，研究MRI確定的斑塊易損特征和PET之間的關(guān)聯(lián)。方法：從 BIOVASC 研究的受試者中，按如下標(biāo)準(zhǔn)招募：（1）年齡≥50歲；(2) 近期（<30 天）缺血性卒中（改良Rankin 量表 ≤3) 或運(yùn)動(dòng)/言語(yǔ)/視覺 TIA；(3)同側(cè)頸內(nèi)動(dòng)脈狹窄（狹窄率≥5 0%）；(4)完成頸動(dòng)脈PET/CTA和MRI檢查。采用MRI-PlaqueView對(duì) MRI 圖像進(jìn)行半自動(dòng)分析，量化不穩(wěn)定斑塊的形態(tài)學(xué)特征。PET 圖像與 CTA共同配準(zhǔn)，采用最大標(biāo)準(zhǔn)化攝取值 (SUVmax)表示炎癥相關(guān)代謝。結(jié)果：25 名患者符合納入標(biāo)準(zhǔn)（72% 為男性，平均年齡 65歲）。MRI 測(cè)量的斑塊體積在男性中（1,708–1,286 mm3，p = 0.03），卒中患者（1,856–1,440 mm3，p = 0.05），以及非他汀類藥物使用者 (1,325–1,797 mm3, p =
0.03)較大。SUVmax 與 MRI 識(shí)別的斑塊富脂質(zhì)核 (LRNC)(rs = 0.64, p <0.001) 相關(guān)（如下圖），與斑塊纖維帽厚度（rs = -0.4，p = 0.02）和鈣體積（rs = -0.4，p = 0.03）負(fù)相關(guān)。(A) 頸動(dòng)脈 MRI 管腔和血管壁半自動(dòng)分割。(B)半自動(dòng)分析的 LRNC區(qū)域 。(C) 頸內(nèi)動(dòng)脈的3D 渲染。(D-F) 同一斑塊區(qū)域的 CT 和 PET 圖像。ROI (F) 顯示了測(cè)量 SUVmax 的位置。
結(jié)論：這項(xiàng)研究證明了非侵入性成像顯示的炎癥代謝標(biāo)志物與不穩(wěn)定斑塊的MRI形態(tài)學(xué)特征之間存在相關(guān)性。 如果經(jīng)過(guò)重復(fù)炎癥，我們的研究結(jié)果可能支持在未來(lái)的臨床實(shí)踐和隨機(jī)試驗(yàn)中，聯(lián)合應(yīng)用MRI 和 PET檢測(cè)易損斑塊。【文章2】基于放射組學(xué)列線圖預(yù)測(cè)卒中復(fù)發(fā)風(fēng)險(xiǎn)目的：本研究旨在開發(fā)和驗(yàn)證基于放射組學(xué)列線圖預(yù)測(cè)癥狀性顱內(nèi)動(dòng)脈粥樣硬化狹窄（symptomatic intracranial atherosclerotic stenosis，SICAS）的卒中復(fù)發(fā)風(fēng)險(xiǎn)。方法：從醫(yī)院數(shù)據(jù)庫(kù)中獲取156例SICAS患者的醫(yī)療記錄和血管壁高分辨率成像（VW-HRMRI）資料（成像序列包括 3D-T1WI-VISTA、T2WI 和 3D-T1WI-VISTA 增強(qiáng)成像），確定其基本信息、斑塊特征和卒中復(fù)發(fā)情況。其中VW-HRMRI圖像的分析主要基于MRI-PlaqueView進(jìn)行。將156 名患者分為訓(xùn)練隊(duì)列 (n = 110) 和驗(yàn)證隊(duì)列(n = 46)。使用LASSO)算法選擇與卒中復(fù)發(fā)相關(guān)的像組學(xué)特征；然后使用多元邏輯回歸納入臨床危險(xiǎn)因素、放射學(xué)特征和放射組學(xué)特征構(gòu)建預(yù)測(cè)卒中復(fù)發(fā)列線圖。
結(jié)果：糖尿病、斑塊負(fù)荷和增強(qiáng)率是預(yù)測(cè)卒中復(fù)發(fā)的獨(dú)立危險(xiǎn)因素[OR =
1.24, 95% CI:1.04–3.79, p = 0.018; OR = 1.76，95% CI：1.28–2.41，p < 0.001；和 OR = 1.94，95% CI：1.27–3.09，p < 0.001]。3D-T1WI-VISTA 的 5 個(gè)特征、T2WI 的 6 個(gè)特征和 3D-T1WI-VISTA 增強(qiáng)圖像的 9 個(gè)特征與卒中復(fù)發(fā)有關(guān)。3D-T1WI-VISTA 增強(qiáng)圖像中的放射組學(xué)特征，在訓(xùn)練隊(duì)列[曲線下面積 (AUC), 0.790, 95%CI: 0.669–0.894] 和驗(yàn)證隊(duì)列 [AUC,
0.779, 95% CI: 0.620–0.853]中預(yù)測(cè)卒中風(fēng)險(xiǎn)，表現(xiàn)優(yōu)于優(yōu)于其他兩個(gè)序列的放射組學(xué)特征。臨床風(fēng)險(xiǎn)因素、放射學(xué)特征和放射組學(xué)特征的組合具有最佳預(yù)測(cè)值，在訓(xùn)練隊(duì)列中AUC=0.899（95% CI：0.844-0.936）；在驗(yàn)證隊(duì)列中AUC=0.803（95%
CI：0.761-0.897）。列線圖的 C 指數(shù)在訓(xùn)練和驗(yàn)證隊(duì)列中，分別為 0.880（95% CI：0.805–0.934）和 0.817（95% CI：0.795–0.948）。決策曲線分析進(jìn)一步證實(shí)放射組學(xué)列線圖具有良好的臨床適用性，凈收益為0.458。結(jié)論：影像組學(xué)特征有助于預(yù)測(cè) SICAS 患者的卒中復(fù)發(fā)風(fēng)險(xiǎn)。臨床高危因素、斑塊放射學(xué)特征和放射組學(xué)特征構(gòu)建的列線圖是SICAS卒中復(fù)發(fā)個(gè)性化風(fēng)險(xiǎn)評(píng)估的可靠工具。— THE END —
京公網(wǎng)安備 11010502042883號(hào)
