南昌大学第二附属医院 | 龚良庚教授团队:基于CT血管成像影像组学预测主动脉壁内血肿保守治疗短期预后

• 结论  

1.1  研究对象 

回顾性收集2017年1月—2022年12月南昌大学第二附属医院119例IMH患者的临床和CTA资料，男81例，女38例，年龄36~88岁，平均（62.0± 10.9）岁。纳入标准：①经胸腹部CTA确诊IMH（动脉壁呈环形或新月形突出超过5 mm，其内无强化血流^[7-8]）；②随访复查CTA影像资料完整，可评估预后；③采用保守治疗。排除标准：①其他心血管及主动脉疾病；②IMH累及主动脉分支动脉（如头臂干、肾动脉、髂动脉等）；③首诊CTA即存在提示可能预后不良的特异性影像学征象（如溃疡样突起、胸腔积液、心包积液）；④CTA图像质量差，无法准确勾画感兴趣区（ROI）或准确评估；⑤临床或影像资料不全。收集患者性别、年龄、Stanford分型、高血压和糖尿病史、吸烟饮酒史、白细胞计数、主动脉最大直径和最大血肿厚度。本研究已通过南昌大学第二附属医院医学伦理委员会审核批准（BR/AF/SG-03/1.0），免除患者知情同意。

1.2  仪器及方法  

患者均接受保守治疗，包括严格控制血压，静脉使用降压药物，同时给予镇静、镇痛药物。患者禁食4~6 h后接受仰卧位扫描。使用Philips Brilliance iCT和Philips IQon CT扫描仪进行图像采集，管电压120 kV，自动管电流，轴向图像重建参数矩阵512×512，层厚和层间距均为1 mm。扫描范围从胸腔入口至耻骨联合平面。经肘静脉以3.5~5.0 ml/s注射60~70 ml碘普罗胺（370 mgI/ml，拜耳），在主动脉弓造影剂阈值达150 Hu时触发扫描。在GE工作站获取三维重建图像，包括容积再现技术、最大密度投影、曲面重组、多平面重组，并以DICOM格式导出。由2名具有5年以上工作经验的放射科医师评估患者CTA图像。在垂直于主动脉长轴的曲面重建上测量主动脉最大直径和最大血肿厚度，并在多平面重组上对测量进行校准。平均随访时间为3个月，根据随访复查CTA情况，将患者分为预后不良组47例与预后良好组72例。预后不良定义为血肿厚度和范围增加、进展为主动脉夹层、IMH进展为穿透性主动脉溃疡、随访CTA显示动脉瘤样扩张甚至出现主动脉源性死亡。

1.3  图像处理及影像组学分析

使用3D Slicer 5.2.2软件（www.slicer.org）手动勾画ROI。采用线性插值法将图像标准化为1 mm×1 mm×5 mm。因本研究重点关注主动脉形态和变化，ROI勾画范围包括全程胸腹主动脉（从升主动脉起始至髂动脉起始水平），仅勾画主动脉主干，未勾画主动脉分叉（图1）。由1名具有3年工作经验的放射科医师进行ROI分割，在横断面上逐层半自动勾画ROI，在冠状面和矢状面上进一步完善和修改。使用3D Slicer中的Radiomics插件（版本号：aa418a5）提取影像组学特征，共得到851个影像组学特征，包括形状特征、一阶特征、纹理特征（如灰度共生矩阵、灰度区域大小矩阵、灰度游程矩阵、邻域灰度差矩阵、灰度依赖矩阵等）和744个小波特征。为确保影像组学特征的稳定性，由另1名放射科医师对45例患者图像（38%）进行ROI分割。保留组内相关系数（ICC）>0.8的特征，以增强模型的稳定性。将119例患者按7∶3分为训练集84例和测试集35例。使用最小绝对收缩与选择算子算法在训练集中进行特征选择。通过十折交叉验证，确定最小λ值，从而识别最优影像组学特征并评估其系数。计算每例患者的影像组学评分，通过Logistic回归分析构建影像组学模型。

图1  横轴位CTA图像示手动逐层沿病灶边缘勾画ROI（绿色区域，A）与分割ROI后生成的3D示意图（B）。CTA为CT血管成像，ROI为感兴趣区

1.4  临床模型和联合模型建立  

对IMH患者的临床资料进行单因素分析，将P<0.05的变量进行多因素Logistic回归分析筛选影响预后的临床因素，建立临床模型。将临床因素、影像组学评分纳入Logistic回归构建联合模型，并绘制列线图。

1.5  统计学方法  

采用SPSS 26.0软件。计量资料使用Shapiro-Wilk检验分析其正态性，符合正态分布者以均数±标准差表示，非正态分布者以M（Q1，Q3）表示，采用独立样本t检验或Mann-Whitney U检验比较。计数资料以例（%）表示，采用X²检验或Fisher精确概率法比较。绘制受试者工作特征曲线，使用曲线下面积（AUC）、准确度、敏感度、特异度等评估3个模型的稳定性和准确性。采用Delong检验比较各模型的效能差异。使用决策曲线分析模型的临床效用。P<0.05为差异有统计学意义。

2.1  两组临床资料及实验室指标比较  

训练集84例中，预后良好组50例，预后不良组34例；验证集35例中，预后良好组22例，预后不良组13例。训练集和验证集年龄、性别等基线资料差异无统计学意义（X²/t=-0.73~0.67，P>0.05），确保分组均衡。单因素分析显示预后良好组和预后不良组性别、年龄差异有统计学意义（P<0.05），Stanford分型、高血压和糖尿病史、吸烟饮酒史、白细胞计数、主动脉最大直径和最大血肿厚度差异均无统计学意义（P>0.05），见表1。将性别和年龄纳入多因素Logistic回归分析，结果显示年龄是预测IMH短期预后的独立危险因素（OR=0.962，95% CI 0.927~0.998，P=0.040），性别不是预测IMH短期预后的独立危险因素（OR=2.385，95% CI 0.978~5.815，P=0.056）。

2.2  影像组学特征筛选

排除ICC<0.8的影像组学特征后，剩余830个特征。利用最小绝对收缩与选择算子算法筛选出11个系数非零的最优特征（图2、3），其中包括2个形态特征、4个一阶特征和5个纹理特征，部分特征为经小波转换的小波特征。原始形态特征包括伸长率和最大长轴长度，一阶特征包括均值、中值和偏度，纹理特征包括长行程高灰度强调、集群阴影、区域熵、大区域低灰度强调和灰度不均匀性。在训练集和测试集中，预后不良组的影像组学评分均显著高于预后良好组（P<0.05），见图4。

图2  最小绝对收缩与选择算子算法筛选最优影像组学特征分布（A）与最小绝对收缩与选择算子算法的λ参数选值（B）

图3  筛选出的11个最优影像组学特征及其系数

图4  训练集和测试集影像组学评分。A.训练集；B.测试集

2.3  构建预测模型和列线图 

分别将筛选的临床特征和影像组学特征构建临床模型和影像组学模型，将两者结合构建联合模型并绘制列线图（图5）。3种模型在训练集和测试集的效能见表2。基于年龄和性别构建的临床模型在训练集和验证集的AUC分别为0.677和0.590。在训练集中，影像组学模型的AUC（0.812）和联合模型的AUC（0.829）区分预后良好组和预后不良组明显优于临床模型。Delong检验显示，联合模型的预测效能显著优于临床模型（Z=-2.610，P<0.05），影像组学模型与联合模型的AUC差异无统计学意义（Z=-1.005，P>0.05）。校准曲线（图6）显示，在训练集和测试集中，联合模型预测概率和实际概率的一致性较高。决策曲线（图7）分析显示，与单纯临床模型相比，影像组学模型和联合模型列线图预测IMH保守治疗短期预后的性能更好。

图5  临床-影像组学联合模型可视化列线图 

图6  临床-影像组学联合模型校准曲线。A.训练集；B.验证集

图7  临床模型、影像组学模型和联合模型决策曲线

[1]Mazzolai L, Teixido-Tura G, Lanzi S, et al. 2024 ESC guidelines for the management of peripheral arterial and aortic diseases[J]. Eur Heart J, 2024, 45(36): 3538-3700. DOI: 10.1093/eurheartj/ehae179. 

[2]Nebelung H, Hoffmann RT, Plodeck V, et al. Outcome after conservative and endovascular treatment of stanford type B aortic intramural hematomas - a single-center retrospective study[J]. Vasc Endovascular Surg, 2024, 58(5): 477-485. DOI: 10.1177/15385744231225888.

[3]Chow SCY, Wong RHL, Lakhani I, et al. Management of acute type A intramural hematoma: upfront surgery or individualized approach? A retrospective analysis and meta-analysis[J]. J Thorac Dis, 2020, 12(3): 680-689. DOI: 10.21037/jtd.2019.12.109.

[4]Qin H, Wei L, Zhang B, et al. Clinical medical decision-making of acute aortic intramural hematoma: a non-randomized retrospective case study[J]. J Interv Med, 2020, 3(3): 132-135. DOI: 10.1016/j.jimed.2020.07.005.

[5]Abdu RW, Long GW, Baker D, et al. Intramural hematoma of the thoracic aorta: a single-institution, 12-year experience[J]. J Vasc Surg, 2022, 75(6): 1872-1881.e1. DOI: 10.1016/j.jvs. 2021.12.077.

[6]Wang Y, Liu F, Wu S, et al. CTA-based radiomics and area change rate predict infrarenal abdominal aortic aneurysms patients events: a multicenter study[J]. Acad Radiol, 2024, 31(8): 3165-3176. DOI: 10.1016/j.acra.2024.01.017.

[7]向俾桃, 杨阳, 丘俊涛, 等. 主动脉壁内血肿的诊疗现状[J]. 中国心血管杂志, 2019, 24(1): 79-82. DOI: 10.3969/ j.issn.1007-5410.2019.01.012.

[8]Sorber R, Hicks CW. Diagnosis and management of acute aortic syndromes: dissection, penetrating aortic ulcer, and intramural hematoma[J]. Curr Cardiol Rep, 2022, 24(3): 209-216. DOI: 10.1007/s11886-022-01642-3. 

[9]Bai W, Suzuki H, Huang J, et al. A population-based phenome-wide association study of cardiac and aortic structure and function[J]. Nat Med, 2020, 26(10): 1654-1662. DOI: 10.1038/s41591-020-1009-y.

[10]Villard C, Roy J, Bogdanovic M, et al. Sex hormones in men with abdominal aortic aneurysm[J]. J Vasc Surg, 2021, 74(6): 2023-2029. DOI: 10.1016/j.jvs.2021.06.020.

[11]Song JK, Kim HS, Song JM, et al. Outcomes of medically treated patients with aortic intramural hematoma[J]. Am J Med, 2002, 113(3): 181-187. DOI: 10.1016/s0002-9343 (02)01171-3.

[12]Park SI, Kim D, Jung SC, et al. Feasibility and intra-and interobserver reproducibility of quantitative susceptibility mapping with radiomic features for intracranial dissecting intramural hematomas and atherosclerotic calcifications[J]. Sci Rep, 2023, 13(1): 3651. DOI: 10.1038/s41598-023-30745-2.

[13]Ma Z, Jin L, Zhang L, et al. Diagnosis of acute aortic syndromes on non-contrast CT images with radiomics-based machine learning[J]. Biology, 2023, 12(3): 337. DOI: 10.3390/biology12030337.

[14]Ding Y, Zhang C, Wu W, et al. A radiomics model based on aortic computed tomography angiography: the impact on predicting the prognosis of patients with aortic intramural hematoma (IMH)[J]. Quant Imaging Med Surg, 2023, 13(2): 598-609. DOI: 10.21037/qims-22-480.

[15]Gutschow SE, Walker CM, Martínez-Jiménez S, et al. Emerging concepts in intramural hematoma imaging[J]. Radiographics, 2016, 36(3): 660-674. DOI: 10.1148/rg. 2016150094.

[16]许妍, 刘家祎, 刘东婷, 等. 多排CT在主动脉壁内血肿诊断及预后中的价值[J]. 心肺血管病杂志, 2023, 42(9): 970-973. DOI: 10.3969/j.issn.1007-5062.2023.09.017.