关键词:
自身免疫性脑炎
单纯疱疹病毒性脑炎
多模态磁共振成像
影像组学
摘要:
目的 探讨基于多模态MRI的影像组学模型对自身免疫性脑炎(autoimmune encephalitis, AE)与单纯疱疹病毒性脑炎(herpes simplex virus encephalitis, HSE)的鉴别诊断价值。材料与方法 回顾性收集2013年1月至2024年7月期间复旦大学附属华山医院经脑脊液或血液学检查确诊的急性和亚急性期AE与HSE。将AE和HSE患者按照8∶2的比例随机分为训练集和独立测试集。收集患者的T2液体衰减反转恢复(T2 fluid-attenuated inversion recovery, T2-FLAIR)序列、T1加权成像(T1 weighted imaging, T1WI)、扩散加权成像(diffusionweightedimaging,DWI)资料。手动勾画T2-FLAIR高信号感兴趣区(regionof interest, ROI)。应用Pyradiomics提取影像组学特征,最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法和相关性分析筛选特征。应用随机森林(random forest, RF)、支持向量机(support vector machine, SVM)和K近邻(K-nearest neighbor, KNN)分类器构建模型,使用五折交叉验证优化模型参数。在独立测试集中验证模型的诊断效能。绘制模型受试者工作特征(receiver operating characteristic, ROC)曲线,计算曲线下面积(area under the curve, AUC)、敏感度、特异度及准确率以评估模型的诊断效能。结果 共纳入117例AE和110例HSE患者。从训练集的182个患者中共提取出810个病灶,测试集的45个患者共提取出215个病灶。经数据降维,多模态和T2-FLAIR、DWI、T1WI分别保留了22、10、15和12个特征。多模态、T2-FLAIR、DWI和T1WI的RF模型训练集AUC值分别为0.884、0.841、0.775和0.799,测试集AUC值分别为0.805、0.809、0.696和0.737,测试集准确率分别为74.9%、73.5%、67.0%和67.4%;SVM模型的训练集AUC值分别为0.831、0.820、0.780和0.816,测试集AUC值分别为0.792、 0.807、0.696和0.728,测试集准确率分别为74.9%、76.7%、68.8%和68.8%;KNN模型的训练集AUC值分别为0.850、0.806、0.760和0.766,测试集AUC值分别为0.805、0.809、0.712和0.734,测试集准确率分别为74.0%、73.0%、67.9%和71.2%;测试集中基于多模态和T2-FLAIR的RF、SVM和KNN模型诊断效能较好,AUC值均高于基于DWI的模型,差异具有统计学意义(P<0.05)。测试集中各模态RF、SVM和KNN模型的AUC值无明显差异。结论 基于多模态MRI和T2-FLAIR的影像组学RF、SVM和KNN模型对AE与HSE具有较高的鉴别诊断效能,可辅助临床医生进行无创性诊断,有助于临床决策的及早制订。