基于全脑白质的MR影像组学预测脑白质高信号（WMH）进展及其相关危险因素分析。
方法回顾性分析2014年3月至2018年10月在浙江省人民医院行两次头颅MRI检查的152例患者资料，选取每例患者的基线T1WI图像使用统计参数图（SPM）12软件包切割出全脑白质并导入AK分析软件进行纹理特征提取和降维，最终使用最小绝对收缩与选择算子算法（LASSO）计算每例患者的影像组学标签值。依据改进Fazekas量表，将WMH进展患者分为任何区域进展（AWMH）、侧脑室旁高信号进展（PWMH）和深部高信号进展（DWMH）3种状态，使用独立样本t检验或者Mann-Whitney U检验比较各个状态WMH进展亚组和非进展亚组之间各临床因素和影像组学标签值差异，对各状态筛选出的有统计学差异的因素使用单因素逻辑斯回归筛选独立临床危险因素并使用多变量逻辑斯回归结合影像组学标签构建预测模型，使用ROC曲线评估模型诊断效能，同时分析独立危险因素的临床指标与构建影像组学标签纹理值的相关性。
结果预测AWMH进展、PWMH进展和DWMH进展的影像组学模型的ROC曲线下面积（AUC）分别为0.818、0.778和0.824。其中年龄是AWMH进展和DWMH进展的独立危险因素[OR（95%CI）为4.776（2.152~10.601）和3.851（1.101~8.245）；P<0.05]，体质指数是DWMH的独立危险因素[OR（95%CI）为3.004（1.204~7.37）；P<0.05]，高脂血症是AWMH和PWMH的独立危险因素[OR（95%CI）为4.062（1.834~8.998）和3.549（1.666~7.563）；P<0.05]。在AWMH亚组中，SurfaceArea与年龄和低密度脂蛋白呈负相关（r=-0.401，-0.312），InverseDifferenceMoment_ALLDirection_offset1_SD与年龄呈负相关（r=-0.412）。在PWMH亚组中，Compactness1与低密度脂蛋白呈负相关（r=-0.198），InverseDifferenceMoment_angle0_offset7与低密度脂蛋白呈正相关（r=0.252）。在DWMH亚组中，LongRunEmphasis_ALLDirection_offset7与年龄呈负相关（r=-0.322），GLCMEntropy_angle0_offset4与年龄呈负相关（r=-0.278）。GLCMEntropy_AllDirection_offset4与体质指数呈负相关（r=-0.514）。
结论基于全脑白质影像组学可以预测WMH进展并确立高风险人群的危险因素，可以为常规MR预测WMH进展提供早期额外信息。