提升椎间盘源性腰痛的诊断：一种结合腰椎MRI T2放射组学的SHAP解释随机森林模型

摘要

本研究利用腰椎MRI T2数据、放射组学及结合SHAP分析的随机森林模型，提高了椎间盘源性腰痛（DLBP）的诊断水平，实现了高准确性和可解释性，有助于改善临床决策。

摘要

下背痛（LBP）是全球范围内导致残疾和生活质量下降的主要原因，其中椎间盘源性下背痛（DLBP）占所有病例的39%。由于缺乏可靠的诊断方法，LBP病因的准确诊断具有挑战性。本研究旨在结合腰椎MRI T2数据、影像组学和机器学习，提高DLBP的诊断效率。本项回顾性研究分析了81例DLBP患者和162例健康对照者的MRI数据。提取了影像组学特征、临床数据以及高信号区（HIZ）影像特征。数据被分为四组（d0、d1、d2、D），并使用随机森林（RF）、决策树（TREE）、支持向量机（SVM）、K近邻（KNN）和逻辑回归（LOG）构建了20个预测模型。采用受试者工作特征曲线（ROC）下的面积（AUC）、精确率-召回率（PR）AUC、准确率、敏感性、特异性、阳性预测值（PPV）、阴性预测值（NPV）和F1分数评估模型性能。应用SHapley加性解释（SHAP）方法解析最具显著性的特征。在D组中，随机森林模型表现最佳，训练集和测试集的ROC AUC分别为0.9861和0.9580，PR AUC分别为0.9813和0.9179，F1分数分别为0.9254和0.8148。SHAP分析确定一阶峰度为对DLBP诊断贡献最大的特征。结合SHAP分析的随机森林模型显著提升了DLBP的诊断能力，具有高性能和良好的可解释性，有助于增强临床决策。

引言

随着人口老龄化加剧以及日常工作中不良坐姿的普遍存在，腰痛（LBP）患者人数逐年增加¹。普通成人群体中腰痛的平均患病率约为12%，在40岁及以上人群以及女性中患病率更高，终生患病率约为40%²。在所有腰痛病例中，椎间盘源性腰痛（DLBP）约占39%，其病因复杂多样，常与椎间盘退变相关，尤其是延伸至椎间盘外层纤维环的纤维环撕裂^3,4,5。椎间盘内压力升高会刺激已被炎症介质致敏的神经末梢，从而引发椎间盘源性疼痛^5,6。

目前，椎间盘造影术被认为是诊断椎间盘源性腰痛（DLBP）的金标准，通过诱发椎间盘源性疼痛来确认病因⁷。然而，由于可能存在假阳性结果以及加速椎间盘退变的风险，其有效性和安全性受到质疑，限制了其在临床中的应用^5,8。高信号区（HIZ）是指在T2加权MRI图像上椎间盘后部纤维环出现的高信号影，病理上表现为纤维环撕裂或破裂^5,8,9。尽管HIZ与DLBP之间的关系已被广泛研究，但HIZ特异性较低，在无症状人群中也较为常见，常导致误诊^10,11,12,13。在腰椎退行性椎间盘疾病（LDDD）和慢性腰痛（LBP）患者的T2加权图像中，几乎所有退变的椎间盘均表现为信号强度降低¹⁴。根据Pfirrmann等人的分类，椎间盘退变程度分为I级（正常椎间盘）至V级（严重退变）¹⁴。T2加权成像已广泛应用于多模态研究中，用于LDDD和LBP的诊断与评估，为椎间盘退变及其临床相关性提供重要信息^15,16。然而，低信号强度并不能准确反映椎间盘的形态学变化，且与DLBP引起的疼痛程度相关性甚微^17,18,19。

目前，弥漫性退行性腰椎间盘病变（DLBP）的临床决策主要依赖于临床医生的主观评估，评估因素包括高信号区（HIZ）、椎间盘高度、黑椎间盘或椎间盘内的信号改变^20,21。其他考虑因素还包括患者的年龄、性别、身高、体重和体重指数（BMI）。腰痛（LBP）的持续时间和严重程度也在评估范围之内。这种依赖主观判断的诊断方法可能导致错误的治疗方案。因此，迫切需要开发一种有效的诊断工具，以提高DLBP的诊断效率⁴。

磁共振成像（MRI）作为一种非侵入性成像技术，在腰痛（LBP）的诊断中发挥着重要作用。特别是轴向T2加权成像（T2WI），由于其具有高组织对比度，相较于传统的计算机断层扫描（CT），能够提供更准确的椎间盘生理信息和病理状态^22,23。影像组学特征分析通过将MRI、CT等医学图像数据转化为可用于高级数学分析的定量特征，为医学图像的评估与解读提供了强有力的工具²⁴。该方法可减少主观分析带来的偏差，从而提高诊断结果的准确性和一致性²⁵。

近年来，医学影像分析中的人工智能与机器学习技术为疾病诊断带来了新的希望²⁶。通过提高诊断准确性、自动化临床工作流程以及实现个性化治疗策略，人工智能技术正在深刻改变智能医疗的格局²⁷。在弥漫性大B细胞淋巴瘤（DLBP）的诊断中，影像组学与机器学习算法的结合在提升诊断准确性与效率方面展现出巨大潜力²⁸。然而，复杂机器学习模型的"黑箱"特性限制了其在临床中的应用，使得可解释人工智能（XAI）成为临床决策支持系统中的关键组成部分²⁹。SHapley加性解释（SHAP）是一种基于博弈论的解释方法，能够量化每个特征对模型诊断预测的贡献与影响，从而使复杂的机器学习模型更加透明且易于理解³⁰。该方法已成为临床决策支持系统中最广泛使用的XAI技术之一，有效增强了临床医生对人工智能系统的信任与接受度²⁹。

本研究开发了一种结合放射组学与SHAP可解释性分析的随机森林算法，相较于传统的主观评估方法，显著提高了弥漫性低度恶性骨病变（DLBP）的诊断效率。此外，SHAP解释方法增强了模型诊断预测的透明度，提升了临床医生对诊断结果的信心，进而改善了临床决策的准确性。本研究认为，该模型将减少因误诊和治疗延误导致的不必要痛苦，推动个体化治疗的发展，并最终提高患者的总体治疗效果。

方案

伦理考量与研究人群
本回顾性研究已获得机构伦理委员会批准。由于所有受保护的健康信息均已匿名化，故免除知情同意。研究人群包括2022年1月至2023年12月期间因腰痛在南通市第一人民医院影像数据库中检索到的接受腰椎MRI检查的患者。同时收集了患者的临床特征（表1）。

纳入与排除标准
目前对 DLBP 的诊断标准遵循 1995 年国际疼痛研究协会（International Association for the Study of Pain）提出的椎间盘造影方法，该方法通过增加椎间盘内压力诱发疼痛，但由于侵入性较高，尚未被广泛接受⁸。因此，本研究采用一种限制性的术中椎间盘疼痛诱发试验作为 DLBP 的诊断方法，该方法符合椎间盘造影的基本原理，同时可最大限度减少对椎间盘的进一步损伤及并发症³¹。操作过程包括：患者在脊髓麻醉下取俯卧位，通过 C 型臂 X 光机引导定位目标腰椎间盘；采用后外侧入路，将 18 G（<22 G）穿刺针插入椎间盘中央的髓核区域，避免损伤神经根和硬膜囊；确认针尖位置后，以不超过 0.5 mL/min 的速度注射生理盐水或非离子型造影剂（如碘海醇），注射压力低于 50 psi，总注射量少于 3 mL，以模拟椎间盘内压力升高，诱发患者熟悉的腰背部疼痛症状，并要求视觉模拟评分（VAS）≥ 7 分。

DLBP组纳入标准：纳入的患者均接受过MRI检查，存在持续3个月以上的复发性腰痛，保守治疗无效，伴有或不伴有下肢麻木或放射性疼痛，且术中椎间盘疼痛诱发试验呈阳性。

非非特异性下背痛（Non-DLBP）组纳入标准：纳入的患者需接受过磁共振成像（MRI）检查；在过去3个月内无下背痛病史，或为接受体检的健康个体；无MRI异常表现；且通过Oswestry功能障碍指数（ODI）标准化评估得分<10，视觉模拟评分（VAS）≤2。

排除标准：排除存在其他原因导致腰痛的患者，如显著的椎间盘突出压迫神经、骨折、脊柱感染、脊椎滑脱、肿瘤、骨质疏松或代谢性骨病；检查前有手术史；影像不清晰或质量较差；无法识别感兴趣区域（ROI）。

最终纳入243名患者，包括81名DLBP患者和162名对照组。

MRI 参数
本研究中所有患者均接受了 3.0 T MRI 扫描，扫描序列包括矢状位和轴向 T1 加权成像（T1WI）及 T2 加权成像（T2WI）。研究中使用了三种不同的 MRI 设备：Siemens Verio、Siemens Prisma 和 Philips Ingenia CX。扫描参数设置如下：矢状位 T2WI 的 TR 范围为 2000 至 4597 ms，TE 为 90 至 120 ms，层厚为 4.0 至 4.8 mm，共包含 15 层，带宽为 250 Hz 至 340 Hz，矩阵大小为 384 × 384 或 512 × 512，相位视野百分比为 100%，读出视野为 300 mm。

HIZ 影像特征测量与统计
本研究使用 3D Slicer 软件（版本 5.6.1，https://download.slicer.org/?version=5.6.1）对 243 名患者和对照者的腰椎 MRI T2 加权图像进行手动分析。数据处理流程如下：通过 3D Slicer 中的添加 DICOM 数据功能导入图像。由两名脊柱研究方向的研究生在具有 10 年以上临床经验的放射科医生和脊柱外科医生指导下，使用标记功能进行测量。测量结果的差异通过与两位医生协商解决。所有测量值由两名统计人员取平均值，以确保准确性。在矢状位图像上，测量高信号区（HIZ）两个相互垂直的最大直径，分别定义为 Hizh（近垂直方向）和 Hizw（近水平方向）。使用分割功能勾画 HIZ 区域，并计算矢状面上最显著 HIZ 的面积，记为 Hizarea。在轴位图像上测量 HIZ 的最大长度，记为 Hizl。此外，定义了三个二分类变量：Hiz（HIZ 的存在与否）、Other（是否存在多节段 HIZ）以及 Position（HIZ 是否跨越后正中线）（表 2）。

影像组学特征提取与标准化
为了将重采样标量体积的具体操作整合到使用 3D Slicer 处理来自 243 名患者和对照组的腰椎 MRI T2 加权图像的流程中，遵循了以下详细步骤：首先将腰椎 MRI T2 加权图像导入 3D Slicer。为确保一致性并减少异质性偏差，使用重采样标量体积模块将所有图像重采样至体素尺寸为 0.6 × 0.6 × 0.6 mm。具体步骤如下：进入模块部分，选择重采样标量体积。在参数集下，确认已选择重采样标量体积。在重采样参数部分，将间距设置为 0.6、0.6、0.6，以定义目标体素尺寸。从插值方法选项中选择合适的插值方法，如线性、最近邻、bspline、hamming、cosine、welch、lanczos 或 blackman，其中线性为默认方法。对于输出体积，选择或创建一个新的体积以存储重采样后的数据。确认设置无误后，点击应用以执行重采样过程。

重采样后，由两名脊柱研究领域的研究生在具有十年以上经验的放射科医生和脊柱外科医生指导下，对感兴趣区域（ROI）进行半自动勾画。若有分歧，则通过协商解决。具体步骤如下：选择图层（重采样后的新体积），创建新的分割图层，并使用绘制功能进行逐层勾画；使用层间填充功能进行图层间的填充；采用中值平滑（Median smoothing）方法对生成的 ROI 进行平滑处理，核大小为 3.0 mm，5 × 5 像素。利用 PyRadiomics 库从重采样图像中提取了 107 个放射组学特征，包括形状特征、一阶统计特征、灰度共生矩阵（GLCM）、灰度游程长度矩阵（GLRLM）、灰度大小区域矩阵（GLSZM）、邻近灰度差异矩阵（NGTDM）以及灰度依赖矩阵（GLDM）特征（补充表 1）。最后，采用 Z-score 方法对提取的特征数据进行标准化，将其原始数值范围转换为标准化范围。

基于特征的分组
各组分配如下：
d0（基础组）：包含临床特征，n(d0) = 5。
d1（基础微调组）：包含临床特征和HIZ影像特征，n(d1) = 12。
d2（模型组）：包含临床特征和影像组学特征，n(d2) = 112。
D（模型微调组）：包含临床特征、HIZ影像特征和影像组学特征，n(D) = 119。

数据读取与预处理
使用 R 软件（版本 4.3.1，https://www.r-project.org/，平台：x86_64-w64-mingw32/x64 [64 位]）中的 read_excel 函数，以 UTF-8 编码（系统默认）读取各组数据，该编码方式支持全球大多数书面语言。使用 select 函数将目标变量与特征变量分离。

特征选择
为确保数据划分的可重复性，四个数据集（D、d2、d1、d0）均遵循相同的处理流程，并采用固定的随机种子（random seed = 80）。在数据框中添加标签列并将其转换为因子类型，随后使用二项分布生成随机标签（1 和 0），以 8:2 的比例将数据划分为训练集和测试集（训练集概率为 80%）。由于特征数量有限，d0 和 d1 组无需进行特征选择，而 d2 和 D 组则需进行特征选择：

首先，对训练集应用 Mann-Whitney U 检验，以筛选出 p 值 <0.05 的特征。随后，采用 10 折交叉验证和 L1 正则化的 Lasso 回归分析，确定最优惩罚系数，并通过单次迭代筛选特征。设置 1 至 100 的随机种子，循环重复上述步骤（数据划分、Mann-Whitney U 检验和 Lasso 回归）。在 100 次迭代中出现超过 50 次的特征被选用于后续建模，以确保模型构建和诊断预测的可靠性。各组的建模特征列于表 3中。

网格搜索与模型调优
为了优化模型，本研究采用网格搜索方法系统地探索和评估不同的超参数组合。通过迭代调优和性能评估，确定了在训练集和测试集上均能提供最佳ROC曲线下面积（ROC AUC）值的超参数组合，从而实现模型性能的最优化。

模型开发与评估
所有模型开发和数据分析均在 R（版本 4.3.1）中进行。本研究应用了多种机器学习算法，包括随机森林（RF）、支持向量机（SVM）、决策树（TREE）、K-近邻（KNN）和逻辑回归（LOG），在四个组（d0、d1、d2 和 D）中分别构建了 20 个模型，用于预测 DLBP 诊断。模型性能通过以下指标进行评估：ROC 曲线下面积（ROC AUC）、PR 曲线下面积（PR AUC）、准确率、灵敏度、特异度、阳性预测值（PPV）、阴性预测值（NPV）和 F1 分数。

ROC AUC 和 PR AUC 值直接由 ROC 曲线和 PR 曲线生成，其余指标（准确率、灵敏度、特异度、阳性预测值、阴性预测值和 F1 分数）则使用 R 中相应的函数进行计算和统计分析。在开发的 20 个模型中，本研究根据上述性能指标选取了 8 个代表性模型进行评估。

各项指标的计算公式如下：

Q

TP：真阳性；TN：真阴性；FP：假阳性；FN：假阴性。

SHAP 可解释性分析
D 组中的随机森林模型在模型评估中表现出最佳性能。为进一步解释模型的预测结果，本研究在 Python（版本 3.7.9）中重建了该模型，并进行了 SHAP 可解释性分析。为保持一致性，Python 中随机森林模型的训练超参数与 R 中所用参数相同，数据处理流程也保持一致。具体而言，我们使用树模型解释器分析了每个特征在训练集和测试集中对模型诊断预测的贡献。为了更直观地展示结果，我们生成了 SHAP 值分布图、特征重要性图以及单个预测的 SHAP 力量图。

统计学分析
所有数据分析均使用 R（版本 4.3.1，https://www.r-project.org/，平台：x86_64-w64-mingw32/x64 (64 位)）和 Python（版本 3.7.9，https://www.python.org/downloads/release/python-379/）进行。连续变量以均值 ± 标准差表示，分类变量以频数和百分比表示。DLBP 与非 DLBP 组之间的比较采用 U 检验，P 值小于 0.05 被认为具有统计学显著性。

结果

本研究基于81例经手术确诊的椎间盘源性腰痛（DLBP）患者和162例对照者共243例患者的MRI T2加权成像（T2WI）数据。提取影像组学特征，并结合临床特征和高信号区（HIZ）影像特征，将数据按8:2的比例划分为训练集和测试集，以构建DLBP预测诊断模型。具体而言，在使用3D Slicer测量目标椎间盘后获得7项HIZ影像特征，并将其与临床特征一同纳入d1组和D组模型。使用PyRadiomics提取的107项影像组学特征经标准化处理后，与临床特征共同纳入d2组和D组模型。由于特征数量有限，d0组和d1组未进行特征筛选；然而，在经过特征筛选和多次迭代后，d2组最终稳定保留11项关键特征，D组保留15项关键特征。本研究对d2组和D组采用Mann-Whitney U检验、Lasso回归（含L1正则化及10折交叉验证）并结合迭代执行，强化了特征筛选过程，以稳健地识别对DLBP诊断最具影响力的特征。各组经特征筛选后的建模结果列于表3中。

基于243名患者的数据，我们使用五种不同的算法（包括随机森林、逻辑回归、决策树、支持向量机和K近邻算法），在四组（d0...

讨论

D组模型整合了临床特征、HIZ影像特征和影像组学特征，通过特征选择和多次迭代后稳定在15个关键特征，表现出优于其他各组的平均性能，具有更高的稳定性和预测能力。随机森林模型在所有组中（d0组除外）均优于其他模型，尤其在D组中表现最佳，其ROC曲线下面积（AUC）接近1，训练集与测试集之间的差异极小，确立了其作为最优模型的地位。d0组和d1组模型更贴近临床应用与实践，为医生的决策过程提供了更清晰的支持。比较四组发现，HIZ影像特征与影像组学特征相互补充，相较于医生主观评估，显著提高了DLBP的诊断效率，凸显了随机森林模型作为集成学习工具在复杂分类任务中的优势。然而，在无创性DLBP诊断及其他领域仍存在显著差距³²。据我们所知，本研究首次系统比较了多种影像特征在DLBP诊断中的预测效能，基于影像干预建立了一个综合预测模型，为精准临床DLBP诊断提供了新的决策工具（表5）。

在DLBP诊断中，一阶峰度（kurtosis）贡献最大，反映了医学图像中病变区域亮度分布的异常，这与Li等人关于图像峰度在椎间盘退变相关...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
3D Slicer 5.6.1	3D Slicer	https://download.slicer.org/?version=5.6.1
数据存储	Zenodo	https://doi.org/10.5281/zenodo.17365220.
GeForce RTX 3060 笔记本电脑 GPU	NVIDIA	N/A
Ingenia CX 3.0T 磁共振成像设备	Philips	N/A
Prisma 3.0T 磁共振成像设备	Siemens	N/A
Python 3.7.9	Python	https://www.python.org/downloads/release/python-379/
R 4.3.1	R	https://www.r-project.org/
Verio 3.0T 磁共振成像设备	Siemens	N/A