European Radiology：如何准确预测颈动脉支架置放后新发脑缺血病变的出现？基于高分辨率血管壁MRI的放射组学分析

众所周知，颈动脉粥样硬化疾病是缺血性卒中的主要原因之一。颈动脉支架植入术（CAS）是治疗颈动脉狭窄的重要替代方法，具有创伤小、住院时间短的优点。一项随机对照试验显示，从长期来看，CAS和CEA之间的同侧卒中风险没有显著差异。然而，CAS后围手术期同侧缺血性病变的发生率高于CEA后。虽然这些脑部病变大多没有明显的症状，但可能会增加复发性脑血管事件、认知障碍和痴呆的风险。脑扩散加权成像（DWI）可以检测到CAS后新的同侧缺血性病变（NIILs），识别NIILs的高风险患者有助于确定最佳治疗策略。

动脉粥样硬化斑块破裂常常发生在CAS手术中，产生的碎片很可能是发生NIILs的主要原因。因此，NIILs的发展应该与病变组成特征有密切关系，这些特征可以通过颈动脉高分辨率血管壁成像（hrVWI）来描述。已有研究表明，存在大量富含脂质的坏死核心或斑块内出血（IPH）与CAS后远端栓塞的风险增加有关。然而，关于这些特征与NIILs风险之间的关系还缺乏全面的定量分析。此外，每个病变都伴随着高维的成像特征。通过提取高通量的定量特征，放射组学可以将图像转化为可挖掘的数据并分析这些数据以支持决策。这些算法不仅能找到许多与人类相同的模式，而且还能检测出人类无法检测的次视觉模式。试点分析显示，与单独的病变组成相比，椎动脉病变的放射组学和传统组成特征的结合提高了区分患者临床表现的能力，在颈动脉粥样硬化斑块患者中也观察到类似现象。

近日，发表在European Radiology杂志的一项研究评估了临床特征、颈动脉斑块的组成特征和CAS后的NIIL之间的关系，以及放射组学分析在预测NIIL方面对这些特征的附加价值。

本项研究回顾性地招募了146名在CAS前后接受了脑部MRI和高分辨率血管壁MR成像（hrVWI）的患者。研究在hrVWI上对管腔和外壁的边界以及动脉粥样硬化成分进行了分割。利用患者的临床信息以及病变的形态和组成特征构建了一个传统模型，并进行最小绝对收缩和选择算子算法，以确定重建放射组学模型的关键放射组学特征。对预测NIIL的模型进行了训练并测试了其性能。 

61名患者为NIIL阳性，85名为阴性。斑块内出血（IPH）的体积百分比和患者的临床表现（有症状/无症状）是NIILs的风险因素。考虑到这两个特征的传统模型在训练和测试队列中的曲线下面积（AUC）分别达到了0.778和0.777。确定了22个关键的放射组学特征，基于这些特征的模型在两个队列中达到了0.885和0.801的AUC。考虑IPH体积百分比、临床表现和放射组学特征的综合模型在训练和测试队列中的AUC分别为0.893和0.842。 

图 一名66岁的男子，患有颈动脉狭窄，接受了颈动脉支架手术（CAS）。斑块成分的分割是在CE-T1W空间手动进行的，参考了共同登记的对比（TOF、T1W、T2W）。CAS前的大脑DWI（g）显示正常的结果。CAS后的大脑DWI（h）在同一水平显示右颞叶有新的同侧缺血病变（红色箭头）

本项研究表明，与单独的临床和放射学特征相比，将这些特征与颈动脉hrVWI的放射组学特征相结合可提高预测CAS后NIILs的准确性。

原文出处：

Ranying Zhang,Qingwei Zhang,Aihua Ji,et al.Prediction of new cerebral ischemic lesion after carotid artery stenting: a high-resolution vessel wall MRI-based radiomics analysis.DOI:10.1007/s00330-022-09302-4