基于黑质铁及神经黑色素采用影像组学预测帕金森病脑深部电刺激治疗疗效的研究

Parkinson's disease (PD) is a devastating and disabling neurodegenerative disease. Deep Brain Stimulation (DBS) is a powerful and extensively used treatment for advanced stage PD patients. However, it is difficult to predict patient’s response to DBS treatment because of the various clinical phenotypes. The L-dopa impact test is currently used to predict DBS outcome, but its correlation with clinical improvement is weak, it may induce motor complications and it is time consuming. Therefore, it is urgent to develop new objective preoperative quantitative biomarkers to predict the efficacy of DBS. The degeneration of neurons and the subsequent changes in neuromelanin and iron content in the substantia nigra (SN) are the main pathological features of PD. The literature and our previous studies have shown that there is a correlation between iron deposition and neuromelanin changes in SN and the clinical manifestations of PD. Therefore, we hypothesized that SN neuromelanin loss and increase in iron deposition may provide critical information for choosing the DBS treatment. Quantitative magnetic susceptibility mapping (QSM) and neuromelanin imaging (NM-MRI) were used to assess iron content and neuro-melanin, respectively, in PD patients. This project intends to use radiomics analysis to extract preoperative QSM and NM-MRI features of PD patient data, that, combined with preoperative clinical information and surgical efficacy, will lead to the creation of a set of noninvasive, clinical biomarkers to predict the efficacy of DBS treatment.

帕金森病( PD) 是最常见的神经退行性疾病之一，脑深部电刺激（DBS）为中晚期PD最有效的治疗手段，但预测不同临床表型PD患者DBS疗效一直是临床难点。目前左旋多巴冲击试验是用于判断DBS疗效的主要预测指标，但其与临床改善相关性不强，因此临床迫切需要新的术前客观定量标志物用于预测DBS疗效。文献和我们以往的研究表明PD的主要病理特征即黑质神经黑色素退变及铁沉积与PD临床表现之间具有相关性，能较好地反映临床异质性。我们假设黑质神经黑色素及铁沉积情况可为DBS治疗预后提供关键信息。定量磁化率成像（QSM）及神经黑色素成像（NM-MRI）可分别用于在体无创定量评估脑内铁含量及神经黑色素。本项目拟采用影像组学分析提取PD患者术前QSM及NM-MRI特征，结合术前临床信息及手术疗效建立PD患者DBS疗效预测模型，探索确立预测DBS疗效的影像学生物标记物，为临床无创、简便预测DBS疗效提供新的手段。

脑深部电刺激（DBS）是中晚期PD患者最常用的治疗手段之一且应用愈加广泛，但预测不同临床表型的PD患者DBS反应一直是临床难点。在本项目中，课题组进行了如下探索：1）采集DBS术前PD患者及健康对照的多模态MRI（QSM及NM-MRI）数据，基于多模态MRI自动分割黑质结构，应用传统分析方法及影像组学方法提取特征，采用LASSO方法进行特征筛选，最后通过SVM分类模型对PD和健康对照进行分类训练，以获得可反映PD黑质内神经黑色素及铁沉积信息的影像特征集；2）基于第一步得到的PD患者SN结构QSM影像特征集、PD患者术前临床信息（病程、疾病严重程度及生活质量评估）及术后6个月疗效评估结果，采用SVM方法建立预测STN-DBS疗效的模型并进行交叉验证，最后进行临床验证；3）基于PD患者术前BOLD模态分析其脑网络结构，并结合PD患者术前临床信息（病程、疾病严重程度及生活质量评估）及术后6个月疗效评估结果，探索GPi-DBS的治疗作用相关的神经网络并提取与运动功能改善相关的脑网络影像学标记物。研究结果表明，1）黑质致密部（SNpc）腹外侧铁沉积过载为PD重要的影像学标记物，其用于诊断PD的AUC值为0.93；2）通过3D MTC-GRE序列同时获得铁和神经黑色素（NM）图像并基于NM、铁及N1征象信息创建早期PD患者的综合性影像标记物合集，可为理解早期PD病理生理改变及诊断提供理论依据；3）基于QSM采用影像组学及深度学习进行混合影像特征提用于诊断PD，其AUC值高达0.96；4）基于术前QSM图像采用影像组学方法预测PD患者STN-DBS手术核心运动症状疗效研究，预测整体运动症状和僵直的准确率分别可达82%和80%。该项目研究结果为进一步理解PD病理生理改变及早期诊断提供了新的理论依据，而预测DBS疗效的模型建立临床无创、简便预测DBS疗效提供了新的潜在手段。