1 研究背景
创伤性脑损伤（Traumatic Brain Injury，TBI）可导致长期的躯体、认知和行为功能障碍。简易爆炸装置是造成军人TBI的常见原因。在美国军人的TBI中，82%为轻度TBI（mild TBI，mTBI），而爆炸暴露是主要诱因。关于爆炸相关轻度TBI（blast-related mTBI，bmTBI）的病理生理学机制，目前尚不完全清楚，且其长期后果仍存在争议。mTBI通常无法通过标准诊断方法检测出来，即使是在那些持续出现脑震荡后综合征（Post-Concussive Symptoms，PCS）症状的患者中也是如此。这一缺陷凸显了开发更敏感的、能够揭示主要的病理生理特征技术的必要性，这对于准确诊断和针对性干预至关重要。
近年来，扩散张量成像（Diffusion Tensor Imaging，DTI）已被用于研究mTBI，因为这种损伤的病理生理学机制会破坏白质的微观结构连接，而这些连接在常规解剖磁共振成像中是无法观察到的。从各向异性扩散特性中得出的常见指标包括部分各向异性（Fractional Anisotropy，FA）、平均扩散率（Mean Diffusivity，MD）、轴向扩散率（Axial Diffusivity，AD）和径向扩散率（Radial Diffusivity，RD）。尽管一些研究报告了健康对照组bmTBI队列之间在扩散指标模式上存在显著差异，但各研究之间的结果并不一致，而且，许多研究纳入了患有共病的bmTBI参与者，这些共病可能影响DTI结果。此外，DTI分析方法在各研究之间也有所不同。综上所述，这些因素都可能影响DTI结果。
尽管DTI能够在群体水平上检测到mTBI中的白质异常，但其较低的敏感性（18–41%）限制了其在个体诊断中的应用。此外，由于缺乏诊断的敏感性，需要评估整个大脑中白质束的多个DTI指标的分析方法，以了解来自不同大脑区域的指标的最佳组合，从而更好地区分mTBI患者与对照组。在这方面，机器学习（Machine Learning，ML）方法可能为开发神经影像学数据的个性化应用铺平道路。其中一种方法是支持向量机（Support Vector Machines，SVM），它能够很好地处理与多变量数据集相关的分类挑战，尤其在医学数据集样本数量少的情况下。
研究利用SVM建模，从多个白质束的DTI指标中找出最佳组合，以最好地区分亚急性/慢性bmTBI参与者和健康对照组（Healthy Controls，HC）之间的白质异常。研究通过基于体素的纤维束分析来选择与临床相关的建模特征，这些分析确定了五个DTI指标在整个白质束中的组间差异，这些指标共同阐明了白质损伤的发病机制。随后，对这些阈值化簇的指标应用了带有交叉验证的SVM模型，以确定最佳分类每位参与者为bmTBI或HC的共识特征集，这些特征可能为未来的验证研究提供一个有前景的诊断模型。
2 研究方法
2.1 数据来源与参与者
参与者为19例无TBI病史的HC和20例有PCS的bmTBI。所有的参与者都是参加过持久自由行动/伊拉克自由行动的男性现役军人或退伍军人。该研究得到了美国加利福尼亚州圣地亚哥退伍军人医疗保健系统和美国加利福尼亚州圣地亚哥海军健康研究中心的机构审查委员会的批准。参与者对所有程序均给予书面知情同意。两组的特征见表1。受伤后的天数从130天到758天不等。15名bmTBI参与者在损伤后4个月至1年（亚急性/早期慢性）进行测试，5名参与者在损伤后1至2年（远程）进行测试28。经委员会认证的神经放射学家复查MRI扫描，所有bmTBI参与者的MRI扫描结果均为阴性。两名bmTBI参与者被诊断为创伤后应激障碍（Post-Traumatic Stress Disorder，PTSD）。在年龄和受教育年限上没有群体差异。
表1 对照组和bmTBI组的人口学特征和神经心理测试成绩
分别采用Delis-Kaplan执行功能系统（D-KEFS）和韦克斯勒成人智力量表第三版（WAIS-III）中的子测试来评估执行功能和处理速度（见表1），这两个认知领域在mTBI中容易受损。数字-字母排序和类别转换子测试用于测量认知灵活性和转换能力。字母流畅性和类别流畅性子测试用于评估音素和语义检索能力。处理速度通过符号搜索和数字符号编码子测试来评估。所有测试均在单次测试会期内完成，且在MRI会期后一周内进行。所有分数均为根据常模数据校正年龄后的量表分数。
mTBI的诊断基于美国退伍军人事务部/国防部制定的标准诊断标准。研究采用改良版头部损伤症状清单（Head Injury Symptom Checklist，HISC）评估了21类持续性创伤后应激障碍（PCS）症状（见表2）。研究纳入了在至少三类症状中存在持续性症状的参与者。研究参与排除标准包括：（1）既往头部损伤史；（2）其他神经系统疾病、发育障碍或精神疾病史（如脑肿瘤、中风、癫痫、双相情感障碍、受伤前患重度抑郁症或自述有学习障碍）；（3）根据临床访谈，研究前六个月内存在物质滥用或酒精滥用情况（符合《精神疾病诊断与统计手册》第五版即DSM-V标准）；（4）目前正在服用镇静型抗精神病药物和催眠药物；（5）在后续风险评估中确认存在自杀念头或意愿。
表2 bmTBI组和对照组在HISC±上认可的症状百分比
2.2 神经影像分析流程
研究使用大脑功能磁共振成像软件库（FSL）4.1.5版进行了DTI分析。对于每位参与者，将每次DTI采集的图像合并为一个数据集，并通过将所有脑体积与第一张非扩散加权图像进行刚体变换（无旋转）配准来校正涡流和运动。通过在运动校正中避免旋转（即仅考虑X、Y、Z方向上的运动），避免了在分析前改变编码方向所带来的问题。对每次DTI扫描进行视觉检查，以确保脑体积中不存在磁敏感伪影和显著旋转。如果存在显著运动，则将该整个脑体积从数据集中删除。使用FMRIB的弥散工具箱（FDT）将每个体素的数据拟合到弥散张量模型中。然后，将张量对角化为三个特征值，用于计算FA、RD、MD和AD。研究还分析了AD/RD比值，以评估纤维的形状（长度与宽度的比值），因为仅FA不足以确认mTBI的具体病理机制。使用基于纤维束的空间统计分析（TBSS）进行逐体素统计分析。首先，通过非线性配准将所有参与者的FA数据与蒙特利尔神经病学研究所（MNI）152标准空间对齐，生成特定于研究的FA模板图像。从FA模板中，使用FA阈值>0.20创建一个白质骨架，以表示所有参与者共有的白质纤维束的核心。应用FSL一般线性模型（Generalized Linear Model，GLM）工具测试骨架内FA的组间差异。然后进行5000次置换测试，以建立逐体素的p值，量化DTI参数（FA）的组间差异。在每次置换中，在MNI152标准空间上使用非参数双样本t检验评估组间差异。置换统计测试后，使用无阈值聚类增强方法[64]识别两组间FA存在显著差异的簇（经家族错误率校正，FWE校正p<0.05）。使用与FA相同的配准矩阵，将AD、RD、MD和AD/RD配准到MNI152标准空间中的FA骨架，然后对这些指标的组间差异进行逐体素测试。
2.3 特征分析与机器学习建模
使用以下程序选择SVM分析的DTI特征。首先，在最具代表性的DTI度量中表现出显著群体差异的聚类被识别为位于国际脑测绘协会（International Consortium for Brain Mapping，ICBM） DTI-81图谱定义的白质束内的体素。研究选择FA作为代表性度量，因为在组差异测试中发现该度量的体素数量最多。接下来，研究纳入了显示显著组差异的剩余DTI指标。支持向量机分析MD、AD、RD和AD/RD的特征是位于代表性FA聚类掩码内的特征。
对于显示显著组差异的每个聚类，计算平均DTI度量（即聚类掩码内各体素的平均值），作为SVM模型的输入。采用基于逐步支持向量机的模型，根据上述多个白质区域的多个扩散指标的线性组合来区分bmTBI和HC。该过程的核心概念是尝试DTI指标集的所有可能组合并选择最优组合。对于每个指标子集，通过递归地去除最不相关的特征来选择分类特征。
交叉验证用于评估具有小数据集的构建模型的性能。研究在每个验证（10,000）中随机留下5个受试者（k = 5），因为通常情况下，小数据集中验证数据的分割率在10 - 15%左右。该过程从bmTBI和HC组合队列中随机选择5个样本，并计算跨验证的平均特征权重、正确性、灵敏度和特异性。
3 研究结果
3.1 神经心理测试成绩
两组的平均神经心理测试成绩均在平均范围内（表1）。bmTBI组的类别转换得分（总正确反应）显著低于HC组（p < 0.05）。在字母流畅性方面观察到组间差异的亚阈值趋势（p = 0.055）。
3.2 TBSS结果
在五个指标中，研究发现FA、RD和AD/RD有显著的组间差异（表3），但MD或AD无显著差异。bmTBI组胼胝体膝和体部（genu of the corpus callosum，gCC/body of the corpus callosum，bCC）、前放射冠（Anterior Corona Radiata，ACR）、内囊前肢和后肢（Anterior Limb of the Internal Capsule，ALIC/Posterior limb of the Internal Capsule，PLIC）和上放射冠（Superior Corona Radiata，SCR）的FA（图1a）和AD/RD（图1c）显著高于HC组（p < 0.05， FWE校正）。bmTBI组除左侧PLIC外，上述所有区域的RD均减少（图1b）。
表3 白质特征DTI指标的组间差异
图1 白质纤维束FA、RD和AD/RD组间差异显著。（A）bmTBI组的肌束FA明显高于健康对照组。（B）与HC组相比，bmTBI组RD明显减少。
3.3 SVM与交叉验证结果
图2（顶部）显示了从TBSS分析（表3）中提取bmTBI中异常DTI特征用于支持向量机分析的区域。研究选择FA作为代表性指标，因为FA具有最大数量的体素，在TBBS分析中显示出显著的组差异。然后，研究选择位于显著增加的FA和ICBM-DTI-81白质图谱内的体素作为掩模，用于生成FA， RD和AD/RD特征，用于逐步支持向量机建模。总共选择了29个特征进行SVM建模（表3）。
图2 将DTI特征输入到SVM模型中
表4 最佳支持向量机模型的特征和性能
3.4 SVM特征与行为变量的相关性
在整个样本中，来自最佳SVM模型的DTI特征的加权组合与神经心理学测试分数没有显著相关性，该模型的单个特征也没有显著相关性。在bmTBI组中，SVM特征与总PCS数和损伤后天数也不相关。
4 讨论与结论
研究确定了一个最优的DTI特征线性组合，该组合在交叉验证测试中能以89%的总体准确率、90%的灵敏度和88%的特异度区分bmTBI患者与HC组。在bmTBI中，最具辨别力的DTI特征包括右侧ACR和左侧SCR的FA异常增高，以及双侧gCC和ALIC的AD/RD升高。尽管分类准确度高，但SVM特征未能与神经心理学测试分数或临床变量相关联，这可能是由于在大多数测试中，bmTBI组的执行功能相对完好；不过，考虑到样本量相对较小，统计测试的功效可能也不足。
研究是首次仅基于DTI特征，利用ML来区分bmTBI患者与健康对照的研究。SVM模型的性能表明，在明确界定的纤维束中，不同弥散指标的多变量组合可能是bmTBI的潜在有力标志物。此外，模型还确定了最具辨别力的异常解剖纤维束，这些纤维束共同构成了最佳SVM模型。
4.1 bmTBI的异常扩散率
FA的增加伴随着RD的减少，这可能是由于爆炸导致的微结构白质区域变形，这种变形可以拉伸和扭曲轴突。这种扭曲可能会使白质纤维束变紧，并破坏沿轴突延伸的神经丝和微管。轴突因紧密压缩和神经元物质受损而肿胀，并减少细胞外空间，从而限制水分子沿垂直于轴突方向的扩散。这种限制会阻碍水分子的运动，导致RD异常降低、AD/RD升高，进而推断FA增加。
在研究的bmTBI队列中，受伤后的时间范围受到了一定限制（四个月至两年），以减少影响神经影像学结果的变量异质性。例如，在急性受伤后四个月内的bmTBI中发现了FA的异常增加和减少，而在受伤后一至十二个月也发现了FA的异常。然而，对于受伤时间超过两年的远期患者，bmTBI中FA通常降低。综上所述，FA在受伤后超过两年的时间内似乎会降低，而在较短的受伤后时间内，不同研究结果之间的差异可能由亚急性损伤中纤维恢复的不同阶段以及早期慢性mTBI中纤维长期错位和轴突变性所解释。未来研究需要系统地追踪白质弥散性的纵向变化，包括DTI成分（AD、RD、AD/RD），以阐明爆炸伤病理机制的恢复过程。
4.2 bmTBI的最优特征
在选择用于支持向量机建模的29个DTI特征中，最能区分bmTBI和hcc的束内5个特征涉及ALIC、ACR、SCR和gCC，这与TBI前部异常弥散性的优势一致。事实上，由于军用头盔的设计，前部区域最容易受到爆炸的影响。胼胝体损伤也很常见，因为来自外侧方向的非冲击旋转加速度可产生均匀的创伤性胼胝体损伤。在日冕辐射中看到的损伤也符合旋转剪切机制。
与许多研究不同的是，本研究将AD/RD作为一个标量度量，因为更多柱状动脉束的AD/RD最能区分老年人和年轻人。在SVM模型中加入AD/RD后，bmTBI的分类准确率从75%提高到近90%。由于水在胼胝体和皮质脊髓束中的扩散率较好地近似为圆柱形扩散，因此AD/RD是DTI研究中应使用的重要指标。
本研究的DTI特征选择方法具有生物学上的合理性和计算效率。特征的选择基于公认的解剖模板，SVM方法侧重于白质束的区域组差异，而不是全脑白质，因为bmTBI的损伤通常是局灶性的。通过使用一个区域内体素的平均度量作为特征来降低数据的维数并最小化SVM模型的过拟合，这也降低了计算成本，否则计算成本会变得很大且难以处理。
5 思考与展望
研究通过建模得到的DTI生物标志物SVM对bmTBI和HC具有高灵敏度和特异性。这些初步研究结果表明，AD/RD和FA异常增高的前径是最有效的鉴别特征。这些特征的高分类准确性表明了它们的诊断潜力，这一知识可以促进治疗干预，如经颅磁刺激或电刺激。例如，对因爆炸和非爆炸损伤而患有慢性mTBI的患者进行经颅电刺激治疗，可显著减轻或消除持续的脑震荡后症状，并减少治疗前出现异常慢波产生的大脑区域的异常慢波。经颅磁刺激也可减少脑震荡后抑郁、头痛，并可改善认知。
研究的局限性包括较小的bmTBI和对照队列，这可能会影响支持向量机分析中异常聚类的选择。与此同时，研究结果可能更具体于轻度爆炸伤害，因为与过去的研究相比，本研究的bmTBI队列更均匀，只有两名患者患有创伤后应激障碍，没有抑郁症或其他精神疾病。而且，bmTBI和PTSD之间的关系尚不清楚，未来的研究需要对bmTBI、PTSD和共病队列进行比较，以充分了解这些疾病中白质紊乱发病机制的异同。
参考文献：
Harrington, D. L., Hsu, P.-Y., Theilmann, R. J., Angeles-Quinto, A., Robb-Swan, A., Nichols, S., Song, T., Le, L., Rimmele, C., Matthews, S., Yurgil, K. A., Drake, A., Ji, Z., Guo, J., Cheng, C.-K., Lee, R. R., Baker, D. G., & Huang, M. (2022). Detection of Chronic Blast-Related Mild Traumatic Brain Injury with Diffusion Tensor Imaging and Support Vector Machines. Diagnostics, 12(4), 987. https://doi.org/10.3390/diagnostics12040987