基于磁共振影像组学特征构建内侧半月板外突患者膝关节骨关节炎风险预测模型

摘要：膝关节骨关节炎是一种退行性关节疾病，对其进行早期诊断和风险预测，对延缓病情发展意义重大。内侧半月板外突作为早期KOA的关键影像学指标，与软骨磨损、关节应力变化紧密相关。本研究旨在结合磁共振成像的影像组学特征，构建MME患者发生KOA的风险预测模型，为评估MME患者的KOA风险提供量化工具。研究回顾性分析了牡丹江医科大学附属第二医院2018 - 2023年确诊为MME的213例患者数据，提取膝关节MRI影像组学特征，建立预测模型。结果显示，该模型在验证集中的AUC为0.89（95% CI： 0.82 - 0.94），敏感性达85.2%，特异性为82.6%。研究表明，基于MRI影像组学的多特征模型能有效预测MME患者进展为KOA的风险，为临床早期干预提供有力依据。

关键词：膝关节骨关节炎；内侧半月板外突；磁共振成像；影像组学；风险预测模型

一、引言

近年来研究发现，内侧半月板外突会改变膝关节生物力学负荷分布，加速软骨退变，是KOA病情进展的重要危险因素。MRI能够详细呈现半月板形态、软骨完整性以及周围软组织的信息【1】。影像组学可通过高通量技术提取并分析医学图像的定量特征，挖掘潜在生物学标志物，显著提高预测的准确性。将MRI影像组学特征与临床数据相结合，构建MME患者KOA风险预测模型，有助于实现个体化干预。本研究旨在利用无创的MRI影像组学模型替代部分侵入性检查，降低患者诊疗成本，提高疾病筛查效率。

二、研究内容

1.研究对象

本研究回顾性纳入牡丹江医科大学附属第二医院2018年1月至2023年12月确诊为内侧半月板外突的213例患者。所有患者均接受膝关节MRI检查，并完成至少2年的随访【2】。纳入标准为：① MRI显示内侧半月板外突距离；② 基线时无骨关节炎。排除标准包括：① 既往有膝关节外伤史、类风湿性关节炎或手术史；② 合并其他韧带损伤或半月板撕裂。根据随访终点时KL分级的变化，将患者分为KOA进展组（n = 84）和非进展组（n = 129）。

2.研究方法

（1）MRI数据采集与处理方法

本研究MRI检查均使用3.0T西门子Skyra扫描仪完成【3】，利用PyRadiomics工具包手动分割半月板、软骨下骨及股胫关节面区域，共提取1216个影像组学特征【4】，涵盖以下几类：形态特征：如体积、表面积、厚度等；纹理特征：包括灰度共生矩阵的对比度、相关度，以及灰度游程矩阵的短游程强调等；高阶特征：如小波变换局部二值模式熵。

（2）特征筛选与模型构建方法

为消除不同MRI设备间的信号强度差异，对数据进行标准化处理；同时采用Z - score归一化方法，将特征值转化为均值为0、标准差为1的分布，以此提升模型的稳定性。再运用LASSO回归，最终保留10个最具预测价值的特征。在分类器选择上，采用支持向量机和随机森林。SVM适用于小样本高维数据，通过核函数映射特征空间；随机森林集成多棵决策树，可降低过拟合风险并量化特征贡献。运用5折交叉验证结合网格搜索，确定最佳超参数组合。

三、结论

1． 临床特征与影像组学特征

KOA进展组和非进展组在年龄、BMI以及半月板外突程方面存在显著差异。在影像组学特征中，小波 - HHL_firstorder_Energy（OR = 2.31， p = 0.003）和GLCM_Correlation（OR = 0.67， p = 0.02）是关键预测因子。

2. 模型性能验证

我们利用LASSO回归筛选出10个关键的影像组学特征。将影像组学与临床变量整合后的多因素模型，我们发现于半月板区域，GLCM对比度以及局部二值模式属于独立预测因子，这一情况体现出软骨下骨微结构破坏和内侧半月板外突（MME）进展之间的关联。在软骨下骨区域与骨髓病变进展紧密相关。

在患有MME的患者里，BMI达到或超过28 kg/m²的患者，其发生膝关节骨关节炎进展的风险是BMI正常患者的2.15倍；膝内翻患者的MME发生率是正常力线者的8.3倍。且被划分为低风险组的患者，其5年KOA进展率为12.7%；而高风险组的5年进展率则高达68.3%。多间室严重骨关节炎患者的MME程度显著高于单间室患者，而且病理性MME发生率也更高。女性患者发生MME的风险是男性患者的1.6倍，这种差异与髋膝踝角增大以及胫股关节线夹角外翻存在关系。

3.结论

本模型能够识别出需要早期进行干预的高危人群，针对这类人群，建议采用体重管理与物理治疗相结合的方案。同时基于OAI数据库的验证发现，半月板区GLCM对比度在3.0T与1.5T两种不同MRI设备之间的组内相关系数为0.87，这一结果表明该影像组学特征的可重复性较高。然而，当前模型存在一定局限性，其依赖MRI数据，对于1.5T设备采集到的图像特征，需要进行重新校准。

四.讨论

本研究首次将影像组学应用于MME患者的KOA风险预测。在影像处理过程中，我们利用 3D 卷积神经网络实现了半月板及软骨的精确分割【5】，并集成了小波变换、局部二值模式等多种算法，以提取高阶纹理特征。通过 LASSO 回归筛选出具有明确病理意义的特征，并利用随机森林的特征重要性评估剔除冗余信息。这种结合了生物学解释性和数据驱动的筛选方法，有效避免了单一依赖统计显著性的局限性，同时减少了人工筛选的主观性，从而得到既具生物学解释又能泛化于模型的特征集。

且研究结果表明，基于MRI的纹理特征（如小波能量）能够反映半月板微观结构的改变，与生物力学异常和炎症微环境存在关联，有望成为KOA进展的早期标志。联合模型的高效能显示，影像组学可弥补传统临床指标的不足，实现更精准的风险分层。不过，本研究存在单中心回顾性设计和样本量较小的局限，未来需要开展多中心前瞻性研究进行验证，推动模型在基层医疗机构应用。解决技术适配性及临床可操作性问题，并探索动态影像组学特征与生物标志物的结合应用。

参考文献

【1】Various Authors. MRI-Based Radiomics for the Prediction of Knee Osteoarthritis Progression. Osteoarthritis and Cartilage， 2022.

【2】Felson， D. T.， et al. Osteoarthritis： Basic and Clinical. 人民卫生出版社， 2022.

【3】郭颖奇， 宫先旭， 张 岩， 等.半月板外突与髌股关节软骨损伤及骨髓病变：MRI 半定量评分的评价【J】.中国组织工程研究， 2023， 27（4）： 600-605

【4】田捷， 等. 医学影像组学：原理、方法与应用. 科学出版社， 2022.

【5】蒋可欣， 谢雨含， 李勉文，等.基于半月板MRI的3D卷积神经网络模型预测膝骨关节炎发生的研究【J】.磁共振成像， 2024， 15（2）： 103-107， 121

项目基金：牡丹江医学院大学生科研项目重点项目（2024060）

通讯作者：梁爽，出生年月：1983.6，性别：女，民族：汉族，籍贯：黑龙江，职称：副教授，学历：硕士，研究方向：影像诊断学