《Annual International Conferrence of IEEE Engeneering in Medcine and Biology Society》杂志2021年11月 刊载[668-3671]台北荣民总医院的Pei-Hsuan Kuo, Cheng-Chia Lee, Chia-Feng Lu撰写的《伽玛刀放射外科治疗脑海绵状血管畸形后再出血的基于影像组学的预测。Radiomics-based Prediction of Re-hemorrhage in Cerebral Cavernous Malformation after Gamma Knife Radiosurgery》（doi: 10.1109/EMBC46164.2021.9629762.）。
脑海绵状血管畸形(CCM)是大脑中的血管异常，由一簇异常透明的毛细血管组成，毛细血管被含铁血黄素沉积物和胶质增生所包围，而脑组织不介于其间（consisting of clusters of abnormal and hyalinized capillaries surrounded by hemosiderin deposits and gliosis without intervening brain tissue）。在一般人群中，CCMs的发生率为0.4% - 0.8%，但它们是最常见的血管异常，占所有血管畸形的10 - 25%。大约25%的CCMs患者从未经历过任何相关的健康问题。其他患有此病的人可能会经历严重的症状和体征，如偏侧感觉缺失、颅神经功能障碍、偏瘫、头痛、癫痫、头晕和脑出血。目前可用于CCMs的治疗包括保守治疗、手术和伽玛刀放射外科治疗(GKRS)。GKRS的主要治疗目标是防止病灶再出血，但约30%的患者在GKRS治疗后仍会再次出血。在本研究中，我们基于纵向MRI放射影像学特征建立了GKRS治疗CCMs 后再出血的预测模型。我们的目的是提供一个可靠的系统，利用定量和无创MRI方法指导CCM患者的治疗决策和随访监测。
我们对经伽玛刀放射外科(GKRS)治疗的脑海绵状血管畸形(CCM)患者进行有长期随访的回顾性研究。
CCM是常见的脑血管疾病之一。出血是CCMs的常见和危险症状，GKRS治疗后仍有30%的患者可能再次出血。我们的目的是利用磁共振成像(MRI)的放射影像组学识别可靠的成像生物标志物，以预测GKRS治疗后的再出血。
a .研究队列
我们回顾性纳入162例患者的共计199 割CCM病变,包括72个GKRS治疗后再次出血的CCMs (出血组)和其他治疗后未再出血的127 割CCMs (无出血组）。从1993年到2020年，在台北荣民总医院神经学研究所神经外科和医学院收集每位患者在GKRS治疗前和GKRS治疗后每年随访的纵向磁共振图像(MRI)。该研究得到医院伦理审查委员会的批准，并放弃了知情同意。
本研究纳入患者的标准如下:(i)现有纵向资料，包括GKRS治疗前的MRI和GKRS治疗后至少4年的年度MRI随访；(ii)全系列T2加权图像(T2W)和增强T1加权图像(CET1)；(iii)足够的MRI质量，没有明显的头部运动或伪影。共769次病灶随访最终纳入后续分析和再出血预测模型训练。
使用我们先前发表的MRI放射影像组学平台(MRP, http://www.ym.edu.tw/~cflu/MRP_MLinglioma.html)，以及基于MATLAB编程环境的图形用户界面，MRI上的几个后处理步骤被用于减少成像参数的差异。根据图像生物标志物标准化计划(IBSI)，首先进行图像分辨率的调整，将所有体素大小重新采样到1.00 x 1.00 x 1.00 mm3，每个MRI对比的连续层面之间没有间隔。我们还将所有体素大小按0.50 x 0.50 x 3.00 mm3重新采样，每个MRI对比层面之间没有间隔，以评估各向异性空间分辨率对放射影像学分析的影响。然后使用六参数刚体变换和互信息算法（ sixparameter rigid body transformation and mutual information algorithm）将CET1图像注册到受试者的T2W图像中。图像信号强度正常化（ Image intensity normalization）将所有受试者的每种成像方式的MRI强度转换到标准化范围。确定的CCM感兴趣区域(ROI)是基于神经外科医生和神经放射影像学家对GKRS治疗计划的共识，根据我们研究团队制定的标准操作程序。在T2W图像上手工逐层勾画CCM病灶，生成二元病灶掩模，用于后续的放射影像学分析（ binary lesion masks for the subsequent radiomic analysis）。随后对MRI放射影像组学分析也使用MR进行。采用非抽样和离散子波变换（An undecimated and discrete wavelet transform），使用三维低(L)和高(H)空间频率滤波器（ three-dimensional Low (L) and high (H) spatial frequency filters）对每个MRI对比度进行多尺度表征（perform a multiscale representation of each MRI contrast ）。
我们开发了一种基于KNN机器学习方法的再出血预测模型model 3，该模型对在基于MRI放影像射组学的GKRS治疗CCM患者的术后再出血预测中表现良好。该模型估计的预测分数可以有效地预测第二至第四年的训练和测试数据集的出血情况。我们提出的方法可以利用从GKR治疗S后CCMs纵向随访中提取的信息，并为预测GKRS后未来的再出血事件提供一种定量和无创的工具。
GKRS术后再出血的几种表现
基于我们的结果，我们确定了几个可能与GKRS治疗后再出血相关的趋势。在图像对比方面，从本研究使用的序列中提取的放射影像学特征(CET1和T2W)为再次出血的预测提供了有用的信息。在放射影像组学方面，直方图和纹理特征在预测GKRS治疗后再出血方面具有很大潜力，但几何特征对预测GKRS后再出血的作用不大。在随访时间点方面，我们的结果显示，前两年的随访提供了关键信息，符合临床决策策略，以确定在GKRS治疗后的前两年有强烈建议定期随访的患者。这一结果与一些文献一致，而另一些文献表明，GKRS治疗后的前5年随访是值得关注的。通过评估各向同性和各向异性空间分辨率对预测GKRS术后再出血的影响，我们发现两种不同分辨率的预测性能没有显著差异。
B. CCM放射影像组学的纵向变化
图3显示了GKRS治疗后再出血的代表性患者和未再出血的患者(无出血)的MRI图像纵向变化。
根据文献记载，出血性病变根据血液产物的时间表现出不同的信号，在T1W图像上可能有明显的小液-平（small fluid-fluid levels）;根据血液产物的时间不同，它们表现为一种内部信号不同的低信号边缘。如果最近有出血，T2W图像可显示周围水肿，CET1图像一般无增强。在再出血病例中(图3A)， T2W图像显示的模式与以往研究的结果一致。此外，在无出血病例中(图3B)，我们发现两种T2图像上CCM病变的大小都有所缩小。图3C显示了再出血和无出血病例中选择的放射影像组学特征的纵向变化。由于在纯数值形式下很难直观地看到数值的动态变化，我们绘制了一个线图来表示放射影像学特征的纵向变化。在无出血的病例中，线呈相对平坦的形态。然而，我们观察到再出血组在出血发生前线有更明显的波动。
下面讨论几个问题和局限性。首先，本研究中没有其他几种MRI对比，包括T1加权图像、弥散加权图像和飞行时间血管造影。纳入这些MRI数据可以进一步提高预测性能。第二，据报道GKRS在治疗后5年内可有效预防出血，但长期疗效可能需要进一步研究。
在未来的研究中，应收集足够的纵向随访和更多的CCM病变。最后，为了减少人工勾画病灶造成的潜在偏差，CCM病灶自动分割的发展可能有助于优化再出血预测模型。
临床相关性:
本研究报道了GKRS后CCM MRI放射影像学特征的纵向变化。将机器学习方法与纵向放射图像学特征相结合，可以预测GKRS治疗后CCM的再出血情况，指导临床治疗。
