多发性硬化症患者顺磁性边缘病变的预后价值

The Prognostic Value of Paramagnetic Rim Lesions in People With Multiple Sclerosis

作者信息Markus Lauerer, Cui Ci Voon, Julian McGinnis, Dominik Sepp, Jakob Meineke, Tun Wiltgen, Ronja C Berg, Christine Preibisch, Benedikt Wiestler, Christina Engl, Paula Uibel, Achim Berthele, Jan S Kirschke, Bernhard Hemmer, Mark Mühlau
PMID42623573
期刊Neurology
发布时间2026-09-22
DOI10.1212/WNL.0000000000218428

实验完整度

高

研究包含多种证据层级:纵向临床队列(862例)验证PRL对CDA/PIRA的预后价值;CSF亚组(541例)分析炎症标志物;影像亚组(747例)分析脑萎缩;使用深度学习和人工修正分割PRL,并进行多变量和敏感性分析。

主要模型

多发性硬化患者队列(862例) 脑脊液亚组(541例) 脑萎缩亚组(747例)

重点核对

PRL分割方法:基于深度学习的nnU-Net模型,辅以人工修正,需验证其准确性 PRL分类标准:遵循NAIMS和MAGNIMS共识,需确认非强化和慢性存在 残疾结局定义:CDA和PIRA定义明确,需核对确认时间和复发窗口 多变量调整:调整年龄、病程、性别、EDSS、T2病灶体积、高效治疗,需核对协变量定义 敏感性分析:PRL计数阈值(≥1 vs ≥4)、诊断亚组、治疗随时间变化等,需核对分组和结局

摘要

背景与目的:顺磁性边缘病变(PRL)已被确立为多发性硬化(MS)中慢性活动性炎症的放射学替代标志物。尽管已观察到PRL与残疾之间的关联,但其对长期临床恶化风险(尤其是独立于复发活动的进展(PIRA))的预后价值数据仍然有限。本研究评估了PRL与中位随访5年期间未来残疾累积的关联,以及其与其他(副)临床参数的关系。方法:从一项大型、正在进行的单中心队列研究中,根据敏感性MRI的可用性纳入了多发性硬化患者。使用基于深度学习的分割模型在重建的定量磁化率图扫描上对PRL进行分割,目视检查合理性,并在必要时进行修正。使用多变量Cox比例风险模型研究PRL对残疾结局(包括确认的残疾累积(CDA)和PIRA)的预后价值。基于PRL计数、MS诊断、既往残疾累积和随访期间治疗进行敏感性分析,以评估我们发现的稳健性。此外,以探索性方式评估了PRL状态与脑脊液参数以及未来脑萎缩(通过年化脑容量变化百分比衡量)之间的关联。结果:在862名参与者(平均年龄40.3岁,64.7%为女性)中,395名(45.8%)至少有一个PRL。在中位随访5.1年期间,801名具有纵向分析临床随访的个体中有142名经历了CDA(17.7%),其中104次CDA事件(73.2%)以PIRA形式发生。PRL的存在与较高的PIRA风险相关(调整后风险比1.8,95% CI 1.1–2.8;p = 0.02)。探索性亚组分析显示,患有PRL的个体中慢性鞘内炎症标志物增加,以及PRL数量与未来脑萎缩之间存在相关性(PBVC:β = −0.012%,95% CI −0.018%至−0.005%;p < 0.001)。讨论:PRL与未来PIRA风险增加和脑萎缩加速相关。这些发现强调了其作为多发性硬化风险分层预后生物标志物的潜力。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
在多发性硬化患者中,基线顺磁性边缘病变(PRL)是否与未来残疾累积(特别是独立于复发活动的进展)和脑萎缩相关?
核心机制
PRL代表慢性活动性炎症,其存在和数量增加与慢性鞘内炎症标志物升高(如IgG指数和OCB阳性)以及脑萎缩加速相关,提示慢性活动性炎症负荷驱动残疾进展。
主要证据
基于862例多发性硬化患者队列,中位随访5年,PRL存在与CDA(调整后HR 1.6)和PIRA(调整后HR 1.8)风险增加相关;PRL数量与PBVC(β=-0.012%)相关;CSF亚组显示PRL患者炎症标志物升高。
研究意义
PRL可作为多发性硬化预后风险分层的影像生物标志物,可能有助于识别高风险患者和治疗决策。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

队列建立与PRL识别

基于可用MRI确定研究人群并识别基线PRL,评估其与预后的关联。

从单中心前瞻性队列中根据入选标准筛选参与者,使用QSM和SWI成像,基于深度学习模型分割PRL,并目视检查和修正。

2

评估PRL与残疾累积的关联

验证PRL的存在和数量是否能预测未来的CDA和PIRA。

使用Cox比例风险模型分析PRL状态与CDA和PIRA的关联,调整潜在混杂因素,并进行敏感性分析。

3

评估PRL与CSF炎症标志物的关联

探索PRL是否与鞘内炎症标志物相关。

比较有无PRL患者的CSF参数,包括白蛋白商、IgG指数、鞘内IgG合成和OCB阳性率。

4

评估PRL与脑萎缩的关联

探索PRL是否与未来脑萎缩加速相关。

使用SIENA计算年化PBVC,线性回归分析PRL与PBVC的关联,调整协变量。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
Ingenia 3T磁共振扫描仪Philips Healthcare--
32通道头部线圈----
高清颅脑提取----
Greedy----
nnU-Net----
SIENA----
SAMSEG----
R(版本4.4.0)----

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
队列入组
诊断标准(2017版McDonald)、年龄、MRI可用性、PRL慢性确认
阅读提示:Methods - Participants
PRL分割
深度学习模型(nnU-Net)的训练集、人工校正标准、PRL分类规则
阅读提示:Methods - Lesion Segmentation and Image Analysis
残疾结局评估
EDSS随访间隔(≥6个月)确认、PIRA定义(复发窗口前后30/90天)、基线EDSS设置
阅读提示:Methods - Clinical Scores and Definition of Disability Accumulation
CSF分析
CSF参数(白蛋白商、IgG指数、OCB)、采集时间、检测方法
阅读提示:Methods - CSF Parameters
脑萎缩评估
PBVC计算、随访间隔(≥1年)、SIENA版本、协变量调整
阅读提示:Methods - MRI Acquisition and Processing; Results - PRLs and Subsequent Brain Atrophy
统计模型
Cox模型协变量(年龄、病程、性别、EDSS、T2LV、HET)、线性回归模型协变量(包括基线脑容量)、敏感性分析分组
阅读提示:Methods - Statistical Analyses