Диагностика диффузного аксонального повреждения с помощью диффузионно-куртозисной МРТ и методов радиомики

Цель исследования — оценить информативность параметров радиомики по данным диффузионно-куртозисной МРТ (ДК МРТ) для выявления микроструктурных повреждений головного мозга при диффузном аксональном повреждении (ДАП) и прогнозирования его исходов. Предполагалось, что характеристики радиомики, рассчитанные по параметрическим картам ДК МРТ, могут различаться у здоровых людей и при травме, а также быть связанными с исходом ДАП. Обследован 31 пациент с ДАП и 12 здоровых добровольцев. Всего было рассчитано 342 300 параметров радиомики (по 2282 признака на каждую комбинацию 10 параметрических карт ДК МРТ с 15 областями интереса). Результаты показали, что совокупность параметров радиомики является информативной для дифференцирования здоровых и поврежденных тканей головного мозга, а также прогнозирования исхода при ДАП. Расширенный спектр параметров радиомики по данным ДК МРТ демонстрирует высокий диагностический и прогностический потенциал при ДАП, а также преимущества перед традиционно используемыми средними значениями по областям интереса на параметрических картах ДК МРТ.

1. Захарова Н. Е., Данилов Г. В., Потапов А. А., Пронин И. Н., Александрова Е. В., Кравчук А. Д., Ошоров А. В., Сычев А. А., Полупан А. А., Савин И. А. Прогностическое значение МРТ-классификации уровней и локализации травматического повреждения мозга в зависимости от сроков обследования пациентов // «Вопросы нейрохирургии» имени Н. Н. Бурденко. 2019. T. 83, № 4. С. 45–55.

2. Захарова Н. Е., Потапов А. А., Пронин И. Н., Данилов Г. В., Александрова Е. В., Фадеева Л. М., Погосбекян Э. Л., Баталов А. И., Горяйнов С. А. Изменения параметров диффузионно-куртозисной МРТ у пациентов с диффузным аксональным повреждением // «Вопросы нейрохирургии» имени Н. Н. Бурденко. 2019. T. 83, № 3. С. 5–16.

3. Потапов А. А., Данилов Г. В., Сычев А. А., Захарова Н. Е., Пронин И. Н., Савин И. А., Ошоров А. В., Полупан А. А., Александрова Е. В., Струнина Ю. В., Лихтерман Л. Б., Охлопков В. А., Латышев Я. А., Чёлушкин Д. М., Баранич А. И., Кравчук А. Д. Клинические и магнитно-резонансные томографические предикторы длительности комы, объема интенсивной терапии и исходов при черепно-мозговой травме // «Вопросы нейрохирургии» имени Н. Н. Бурденко. 2020. T. 84, № 4. С. 5–16.

4. Benson R. R., Meda S. A., Vasudevan S. et al. Global white matter analysis of diffusion tensor images is predictive of injury severity in traumatic brain injury. J. Neurotrauma. 2007. V. 24, no. 3. P. 446– 459.

5. Grossman E. J., Ge Y., Jensen J. H. et al. Thalamus and Cognitive Impairment in Mild Traumatic Brain Injury: A Diffusional Kurtosis Imaging Study. J. Neurotrauma. 2012. V. 29, no. 13. P. 2318.

6. Henriques R. N., Correia M. M., Marrale M. et al. Diffusional Kurtosis Imaging in the Diffusion Imaging in Python Project. Front Hum Neurosci. 2021. V. 15.

7. Kolossváry M., Karády J., Szilveszter B. et al. Radiomic Features Are Superior to Conventional Quantitative Computed Tomographic Metrics to Identify Coronary Plaques With Napkin-Ring Sign – SUPPLEMENTAL MATERIAL. Circ. Cardiovasc. Imaging. 2017. V. 10, no. 12.

8. Li Y., Zhang G., Shan Y. et al. Non-Invasive Assessment of Intracranial Hypertension in Patients with Traumatic Brain Injury Using Computed Tomography Radiomic Features: A Pilot Study. J. Neurotrauma. 2023. V. 40, no. 3–4. P. 250–259.

9. Liu J., Shan Y., Gao G. The application value of CT radiomics features in predicting pressure amplitude correlation index in patients with severe traumatic brain injury. Front. Neurol. 2022. V. 13.

10. Luo X., Lin D., Xia S. et al. Machine Learning Classification of Mild Traumatic Brain Injury Using Whole-Brain Functional Activity: A Radiomics Analysis. Dis Markers. 2021.

11. Mayerhoefer M. E., Materka A., Langs G. et al. Introduction to Radiomics. J. Nucl. Med. 2020. V. 61, no. 4. P. 488–495.

12. RIA package manual [Internet]. Available from: https://cran.r-project.org/web/packages/RIA/vignettes/RIA.html.

13. Shih Y. J., Liu Y. L., Chen J. H. et al. Prediction of Intraparenchymal Hemorrhage Progression and Neurologic Outcome in Traumatic Brain Injury Patients Using Radiomics Score and Clinical Parameters. Diagnostics (Basel). 2022. V. 12, no. 7. P. 1677.

14. Tamez-Peña J., Rosella P., Totterman S. et al. Post-concussive mTBI in Student Athletes: MRI Features and Machine Learning. Front Neurol. 2022. V. 12.

15. Zhang L., Zhuang Q., Wu G. et al. Combined Radiomics Model for Prediction of Hematoma Progression and Clinical Outcome of Cerebral Contusions in Traumatic Brain Injury. Neurocrit. Care. 2022. V. 36, no. 2. P. 441–451.

16. Zheng R. Z., Zhao Z. J., Yang X. T. et al. Initial CT-based radiomics nomogram for predicting in-hospital mortality in patients with traumatic brain injury: a multicenter development and validation study. Neurol. Sci. 2022. V. 43, no. 7. P. 4363–4372.