精神分裂症是一种高度致残的脑部疾病，涉及广泛脑区，特别是小脑在其发展中可能起重要作用。尽管已有证据表明小脑在精神分裂症中的重要性，但目前尚无具体的小脑异常生物标志物来辅助疾病的客观诊断。

本研究共招募了336名参与者，其中174名为精神分裂症患者，162名为健康对照。参与者被分为训练队列（122名精神分裂症患者和115名健康对照）和测试队列（52名精神分裂症患者和47名健康对照）。研究采用高分辨率T1加权磁共振成像（T1-MRI）获取小脑的影像数据。扫描参数包括重复时间6.3毫秒、回波时间2.1毫秒、翻转角度12度、视野256×256平方毫米、矩阵256×256以及体素大小1×1×1立方毫米。扫描持续时间为5分钟。

图1：影像组学pipeline的工作流程

图像经过人工检查，以排除伪影和失真。 小脑的解剖分割通过volBrain CERES自动完成，基于高分辨率小脑图谱将小脑分为12个子区域：小叶I-II、小叶III、小叶IV、小叶V、小叶VI、Crus I、Crus II、小叶VIIB、小叶VIIIA、小叶VIIIB、小叶IX和小叶X。然后，从这些子区域中提取影像组学特征，包括14个形状特征、18个一阶特征和75个二阶特征（如灰度共生矩阵、灰度运行长度矩阵、灰度尺寸区矩阵、灰度依赖矩阵和邻近灰度调节差矩阵），共2568个特征。 特征选择采用互信息的方法，旨在减少高度相关特征的数量并避免过拟合。然后，使用轻量梯度提升机（LGBM）分类器进行建模，并在训练队列中进行五折交叉验证。为了克服数据不平衡，模型训练结合了合成少数过采样技术和编辑近邻法（SMOTE-ENN）。模型性能通过计算曲线下面积（AUC）、准确率、灵敏度和特异性来评估其判别能力，并通过Brier评分来评估其校准性能。

图2：训练队列和测试队列中的受试者工作特性曲线

在影像组学模型中，我们识别出17个显著特征，其中1个来自左半球，16个来自右半球。这些特征包括来自小叶I-II、IV、V、VI、Crus II、VIIB、VIIIA、IX和X的形状特征、一阶特征和二阶特征。这些特征用于构建精神分裂症的诊断模型。 在训练队列中，影像组学模型显示出AUC为0.81（95%置信区间：0.76–0.87），准确率为73.8%，灵敏度为73.0%，特异性为75.4%。在测试队列中，AUC为0.89（95%置信区间：0.82–0.95），准确率为78.8%，灵敏度为88.5%，特异性为75.4%。Brier评分在训练队列中为0.23，在测试队列中为0.17，表明良好的校准性能。

表1：训练队列和测试队列中研究参与者的人口统计学和临床特征

相比之下，基于小脑形态学特征的模型表现较差，其AUC为0.66（95%置信区间：0.55–0.77），准确率为62.6%，灵敏度为59.6%，特异性为66.0%。影像组学模型在识别精神分裂症方面表现显著优于形态学模型（Delong’s检验P < 0.001）。 SHAP值分析显示，右侧小叶IX的灰度尺寸区非均匀性特征、右侧小叶V和VI的一阶能量特征是区分精神分裂症患者的关键特征。灰度尺寸区非均匀性反映了区域内信号强度的变化，较高的非均匀性表明组织结构的异常。第一阶能量特征则量化了信号强度的分布，较高的能量值与精神分裂症风险相关。

表2：区分精神分裂症参与者与健康对照的显著影像组学特征列表

进一步的相关性分析表明，右侧小叶IX的尺寸区非均匀性特征与PANSS量表中的负性因子、组织/具体因子和痛苦因子显著相关。右侧小叶V和VI的一阶能量特征与组织/具体因子显著相关。这些结果支持了“小脑病理假说”，表明小脑微观结构的异常与精神分裂症的病理机制密切相关。

影像组学模型通过分析小脑结构磁共振成像特征，在诊断精神分裂症方面表现出高度的有效性和稳健性。我们的研究结果表明，小脑后部的微电路破坏是精神分裂症的关键特征，影像组学建模在临床实践中具有支持基于生物标志物决策的潜力。

原始出处：

Bang, M., Park, K., Choi, S.-H., Ahn, S. S., Kim, J., Lee, S.-K., Park, Y. W., & Lee, S.-H. (2024). Identification of schizophrenia by applying interpretable radiomics modeling with structural magnetic resonance imaging of the cerebellum. *Psychiatry and Clinical Neurosciences*, 78(4), 287-299. https://doi.org/10.1111/pcn.13707

Tags： Psychiatry Clin Neurosci：应用可解释的影像组学模型结合小脑结构磁共振成像识别精神分裂症