膝骨关节炎（KOA）是老年人中常见的关节疾病，其早期预测和个性化治疗对预防疾病进展至关重要。尽管现有的X线诊断方法有效，但无法准确评估早期软骨和半月板的微观变化。本研究旨在通过基于磁共振成像（MRI）的关节间隙（JS）放射组学模型（RM），利用半月板和股胫骨软骨的影像特征，开发并验证一种预测KOA发生的新模型，进而提升KOA早期检测的精度。

本研究纳入了来自骨关节炎研究计划（Osteoarthritis Initiative）中的患者，这些患者在基线时没有影像学诊断的KOA，但属于KOA高风险人群。我们选取了随访四年内发展为KOA的患者作为实验组，未发展为KOA的患者作为对照组。研究对象随机分为开发组和测试组（8:2比例），并从基线的三维双回波稳态序列MRI中提取半月板和软骨的影像特征。模型性能通过受试者工作特征曲线（AUC）、敏感性和特异性来评价。此外，九名住院医生在没有和使用JS-RM模型辅助的情况下分别进行MRI阅读，以对比其预测KOA发生的准确性。

结果显示，开发组包含549个膝关节（KOA患者275个膝关节，对照组274个膝关节），测试组包含137个膝关节（KOA患者68个膝关节，对照组69个膝关节）。在测试组中，JS-RM模型预测KOA发生的AUC为0.931（95% CI 0.876-0.963），敏感性为84.4%（95% CI 83.9%-84.9%），特异性为85.6%（95% CI 85.2%-86.0%）。九名住院医生在无JS-RM辅助下预测KOA的平均敏感性和特异性分别为0.586（95% CI 0.429-0.743）和0.474（95% CI 0.333-0.614），而在JS-RM辅助下，这些数值分别提高至0.812（95% CI 0.742-0.881）和0.874（95% CI 0.847-0.901），差异具有统计学意义（P < 0.001）。

研究设计与主要结果

本研究显示，基于MRI的关节间隙放射组学模型整合了半月板和软骨特征，显著提升了KOA影像学诊断的预测精度。该模型不仅具有较高的敏感性和特异性，还能够有效辅助临床医生提高KOA早期检测的准确性。未来该模型有望应用于临床，实现膝骨关节炎的个性化预测和早期干预。

原始出处

Integrating Radiomics and Neural Networks for Knee Osteoarthritis Incidence Prediction. Arthritis Rheumatol. 2024 Sep;76(9):1377-1386. doi: 10.1002/art.42915. Epub 2024 Jul 8. PMID: 38751101.

Tags： Arthritis Rheumatol：基于磁共振成像的关节间隙放射组学模型预测膝骨关节炎发生的准确性如何？