基于脑网络拓扑结构的磁共振影像组学模型对阿尔茨海默病的诊断价值研究OA

目的:构建基于脑网络拓扑结构的磁共振影像组学模型,探讨其对阿尔茨海默病(AD)的早期诊断价值。方法:前瞻性采用随机数表法选取2024年1月至2025年6月新疆医科大学第二附属医院收治的120例AD患者纳入AD组,另选同期120名健康志愿者纳入健康对照组。均行磁共振成像(MRI)三维T1加权成像(3D-T1WI)序列扫描,重建脑灰质体积和皮层厚度参数,分析脑网络拓扑属性,提取影像组学特征构建影像组学模型,并采用最小绝对收缩与选择算子(LASSO)和多因素logistic回归分析筛选影像组学特征,利用R语言软件计算影像组学评分。采用受试者工作特征(ROC)曲线下面积(AUC)评估影像组学模型的诊断效能。利用图论分析方法评估脑网络拓扑结构的全局和局部属性,包括全局效率、局部效率、平均聚类系数、平均最短路径长度及小世界系数。结果:影像组学模型分析显示,AD组双侧海马、左侧楔前叶和左侧中央前回的脑灰质体积显著低于健康对照组,差异有统计学意义(t=10.235、8.326、6.654、7.524,P<0.05);左右侧的颞叶、额叶、顶叶、扣带回和岛回脑的皮层厚度显著低于健康对照组,差异有统计学意义(t=29.368、27.842、32.499、33.089、56.158、70.113、76.701、75.279、23.347、34.188,P<0.05)。经LASSO和多因素logistic回归分析共筛选出43个显著影像组学特征,ROC曲线显示,影像组学评分诊断AD的曲线下面积(AUC)为0.897(95%CI:0.802~0.943,P<0.001)。校准曲线显示影像组学评分的稳定性较好。图论分析显示,AD组脑网络拓扑结构的全局效率和局部效率显著高于健康对照组,而最短路径小于健康对照组,差异有统计学意义(t=6.325、5.421、4.526,P<0.05)。影像组学评分与脑网络拓扑结构的全局效率和局部效率呈显著正相关(r=0.658、0.602,P<0.05),与脑网络拓扑结构的最短路径呈负相关(r=-0.457,P<0.05)。结论:基于脑网络拓扑结构的磁共振影像组学模型有助于AD的早期临床诊断。