需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

基于磁共振成像的退行性腰椎滑脱症硬膜外脂肪增多症诊断流程与风险预测

47 次观看

⸱

DOI：

10.3791/72724

⸱

2026年8月14日

 ,  ,  ,  , 
1School of Medicine, Nankai University, 2Department of Spine Surgery, Tianjin Union Medical Center, 3The First Affiliated Hospital of Nankai University, 4Department of Pain Treatment, Tianjin Union Medical Center

* These authors contributed equally

本文内容

摘要

本方案描述了一种基于磁共振成像的标准化方法，用于诊断退行性腰椎滑脱症患者的硬膜外脂肪增多症并预测其风险。

摘要

本方案提出了一种基于磁共振成像（MRI）的标准化诊断方法，用于评估退行性腰椎滑脱症（DLS）患者的硬膜外脂肪增多症，并介绍了临床风险预测模型的构建过程。连续纳入的DLS患者均接受了标准化MRI评估，包括T1加权序列以检测硬膜外脂肪增多症、多裂肌脂肪浸润的Goutallier分级以及影像学评估。研究队列被分为建模队列（n = 248）和验证队列（n = 106）。通过单变量筛选后进行多变量二元逻辑回归分析，确定独立预测因子。为实现透明报告，年龄和体重指数（BMI）的效应分别以每10年和每5 kg/m2的增量表示。床旁预测方程采用代数等价的原始单位系数表达，以便直接输入年龄（岁）和BMI（kg/m2）。共识别出五个独立预测因子：年龄（比值比[OR] = 每增加10年1.510）、女性性别（OR = 2.354）、BMI（OR = 每增加5 kg/m2 1.874）、L5节段受累（OR = 3.766）以及Goutallier 3-4级（OR = 3.184）。该模型在建模队列中的受试者工作特征曲线下面积为0.834，在验证队列中为0.815。校准曲线分析和决策曲线分析支持该模型作为探索性临床决策辅助工具的应用价值；但在广泛临床推广前仍需进行外部验证。本方案提供了一个可重复的基于MRI的硬膜外脂肪增多症评估框架，并整合了床旁预测工具，结合临床与影像学参数，有助于对DLS患者进行标准化评估和个体化风险预测。

引言

退行性腰椎滑脱症（DLS）影响着一般人群的4%–8%，其患病率在50岁以后显著上升1,2。DLS定义为椎体相对于其下方相邻椎体向前移位，且后方神经弓结构完整，常导致椎管狭窄和神经源性跛行，显著损害患者的活动能力、肌力及生活质量3。在相关的影像学特征中，硬膜外脂肪增多征——即在滑脱节段中矢状位T1加权磁共振成像（MRI）上表现为条带状高信号脂肪影——是一个重要的影像学指标，有助于疾病的识别和严重程度评估。硬膜外脂肪增多既往多与糖皮质激素使用、硬膜外类固醇暴露或库欣综合征等内分泌紊乱相关4,5,6。然而，近年来越来越多的报道显示，该现象也见于肥胖或代谢综合征患者，且无类固醇暴露史7,8,9,10，提示代谢和生物力学因素在病因中具有重要作用。最近一项系统综述总结了已报道病例中的多种病因及临床结局11，也有研究记录了体重减轻后症状改善的情况12。既往已有基于MRI的脊柱硬膜外脂肪增多分级和定量评估方法的报道，包括轴位硬膜外脂肪与硬膜囊比值法以及局部区域分级系统13,14。然而，目前尚无专门针对DLS患者硬膜外脂肪增多进行系统评估的标准化MRI方案。因此，该疾病的判读仍依赖操作者经验，缺乏适用于此类人群的一致诊断标准，区分患者与非患者群体的临床决定因素尚未充分明确，临床医生在初次评估时也缺乏实用的风险评估工具。

为弥补上述不足，本方案建立了一套标准化且具有临床适用性的框架，用于基于磁共振成像（MRI）对退行性腰椎滑脱（DLS）患者中的硬膜外脂肪增多症进行评估。该方案整合了临床参数、预定义的MRI诊断标准（含特定图像采集参数）、采用脊柱适应性Goutallier分级法对椎旁肌进行评估、对硬膜囊受压情况的轴位确认性评估，以及用于床旁风险分层的预测模型。Manjila分级系统被认为是一个重要的局部区域参考标准，因其通过矢状位成像评估头尾方向的累及范围，并采用基于3×3网格的轴位评估方法判断严重程度，有助于指导手术规划，并区分背侧、腹侧及环周性硬膜外脂肪分布14,15,16。本方案并非旨在取代现有的脊柱硬膜外脂肪增多症分级系统，而是针对与DLS相关的滑脱节段提供一个聚焦的工作流程，同时在具有临床意义时记录轴位及局部区域特征。该方法旨在提高硬膜外脂肪增多症评估的可重复性，并支持对DLS患者进行标准化影像学评估和个体化临床风险估计。

访问受限。请登录或开始试用以查看此内容。

方案

本MRI方案适用于配备专用16通道脊柱表面线圈的1.5特斯拉超导扫描仪。该方案可适配具有同等硬件的其他1.5或3.0 T系统。所有操作均遵循《赫尔辛基宣言》，并经天津医科大学总医院伦理审查委员会批准（批准编号：2024-IRB-089）。

1. 患者选择与临床评估

  1. 在患者入组前，须获得机构审查委员会和伦理委员会的批准。确保所有涉及人类受试者的研究过程均符合《赫尔辛基宣言》的规定。在所有研究记录中注明批准编号（2024-IRB-089）。
    ​注意：当研究使用完全去标识的现有临床数据和影像数据集时，若该豁免符合机构政策及国家关于临床数据二次使用的法规，则可免除个体知情同意的要求。须从伦理委员会获得对该豁免的明确批准。在开展患者入组前，须取得伦理审批。
  2. 筛查脊柱外科门诊连续就诊且确诊为退变性腰椎滑脱症（DLS）的患者。回顾站立位侧位或过屈-过伸位X线片，确认椎体前向滑脱程度≥3 mm或≥椎体宽度的10%。
    1. 验证相应节段的退行性改变，包括椎间盘退变和小关节突关节肥大17确认侧位X线片和矢状面MRI上无椎弓峡部缺损。
    2. 纳入在临床评估后2周内接受过标准腰椎MRI（矢状面T1加权、矢状面T2加权和轴向T2加权序列）检查的18至85岁患者。排除在过去6个月内接受过脊柱手术或硬膜外类固醇注射的患者。
    3. 使用椎体后缘线法在站立位侧位或屈伸位X线片上测量椎体前移程度。沿尾端椎体后皮质画一条垂直参考线，然后测量该线至滑脱头端椎体后下角的垂直距离。以毫米为单位记录移位距离，必要时以尾端椎体前后径的百分比表示。
  3. 排除患有非退行性脊椎滑脱症（峡部裂性、创伤性、病理性、术后性，或发育性/解剖学类似情况，如L5椎体发育不全和L5–S1假性滑脱）以及使用糖皮质激素的患者， >前一年内累计3个月，或确诊内源性皮质醇增多症（库欣综合征、肾上腺腺瘤或垂体促肾上腺皮质激素分泌性肿瘤）。
    1. 排除在过去6个月内接受过合成代谢类固醇或睾酮替代治疗的患者。排除图像质量不足的MRI检查，包括运动伪影达到II级或以上，或腰骶部覆盖不完整的检查。
    2. 排除患有严重心肺或肾功能不全（美国麻醉医师协会身体状况分级IV–V级）、活动性感染或存在磁共振成像禁忌证的患者。
      ​警告：进入扫描仪前须完成磁共振成像安全筛查。排除携带磁共振成像不兼容植入装置的患者。
    3. 使用四级图像质量评分标准对运动伪影进行分级：0级 = 无可见伪影；I级 = 轻度伪影，不影响诊断；II级 = 中度伪影，遮蔽解剖边界或测量标志；III级 = 严重伪影，导致该序列无法用于诊断。若任何用于结局分类所需的序列出现II级或III级伪影，则应排除该检查，或在将检查纳入研究前重复受影响的序列。
  4. 使用两名经过培训的研究助理填写的标准化 REDCap 数据收集表，从电子病历（EMR）数据库和影像归档与通信系统（PACS）中提取临床数据。
    1. 记录年龄（岁）、性别（男/女）、体重指数（BMI；kg/m²）2），以及滑脱节段（L3、L4 或 L5）。
    2. 记录症状持续时间、神经源性间歇性跛行的存在情况以及既往保守治疗史。
    3. 安排两名经过培训的研究助理独立地从电子病历系统（EMR）和影像归档与通信系统（PACS）中提取临床变量，并分别录入两份重复的 REDCap 表单。数据提取完成后，比对两份表单，通过查阅原始资料解决差异。对于无法达成一致的差异，提交给高级研究人员进行裁定。
    4. 在 REDCap 范围和完整性检查期间识别缺失或不完整的变量。将缺失值与电子病历系统（EMR）、影像归档和通信系统（PACS）及原始影像报告进行核对。仅当无法恢复模型所需的预测变量、结局变量或关键 MRI 序列时，才将患者排除于模型构建之外。对于模型所需的变量，不得进行统计学填补。
  5. 使用 SPSS 27.0 软件，以 42 为随机种子，按照 7:3 的分配比例将符合条件的患者随机分配至建模队列（n = 248）和验证队列（n = 106）。
    1. 根据两位资深脊柱放射科医生的一致诊断，将建模队列中的患者分为硬膜外脂肪增多症组和非脂肪增多症组 >10年经验，遵循第3步中所述的MRI解读方案。
    2. 在 SPSS 27.0 版本中，将随机种子设为 42，选择 转换 > 计算变量，并使用 RV.UNIFORM(0,1) 生成一个均匀分布的随机变量。根据该变量将样本按升序排列，将符合条件的前 70% 样本分配至建模队列，其余 30% 分配至验证队列，并在所有后续分析中保持该分配变量不变。
    3. 采用简单随机分配，而非分层随机化。在队列分配过程中，不要强制平衡基线人口统计学、影像学或磁共振成像（MRI）变量。
    4. 随机分配后，使用Student’s t检验比较建模队列与验证队列之间的基线人口统计学、临床、放射影像学和MRI变量 t-检验或卡方检验，视情况而定。若未发现具有临床意义的不平衡，则认为分组可接受，并在报告中说明队列可比性评估结果。 表1.
      注意：在确认所有入组标准后，完成队列分配。
变量建模队列
(n = 248)		验证队列
(n = 106)		t/χ2P 值
年龄（年）67.87 ± 11.3968.16 ± 11.930.2160.829
性别，n (%)0.0020.966
  男性96 (38.71)42 (39.62)
  女性152 (61.29)64 (60.38)
体重指数（kg/m²）24.88 ± 3.6224.91 ± 3.480.0770.939
滑脱节段，n (%)0.5640.754
  L331 (12.50)14 (13.21)
  L4149 (60.08)67 (63.21)
  L568 (27.42)25 (23.58)
Pfirrmann 分级，n (%)0.1040.991
  II 级18 (7.26)8 (7.55)
  III 级74 (29.84)33 (31.13)
  IV 级93 (37.50)38 (35.85)
  V 级63 (25.40)27 (25.47)
Goutallier 分级，n (%)3.0220.388
  1 级78 (31.45)27 (25.47)
  2 级86 (34.68)33 (31.13)
  3 级52 (20.97)28 (26.42)
  4 级32 (12.90)18 (16.98)
远端小关节角（°）55.26 ± 6.4255.18 ± 6.390.1110.912
远端小关节积液（mm）0.94 ± 0.210.93 ± 0.200.4440.657
远端椎间盘高度（mm）9.16 ± 1.929.20 ± 1.880.1930.847
近端小关节角（°）49.95 ± 6.0350.03 ± 5.990.1150.908
近端小关节积液（mm）0.84 ± 0.260.83 ± 0.250.2370.813
近端椎间盘高度（mm）8.05 ± 1.528.08 ± 1.500.1560.876
骨盆入射角（PI，°）52.18 ± 7.9452.35 ± 7.850.1880.851
骨盆倾斜角（PT，°）24.35 ± 7.1724.28 ± 7.230.0800.936
骶骨倾斜角（SS，°）44.91 ± 6.8345.01 ± 6.790.1290.898
胸椎后凸角（TK，°）21.18 ± 7.6721.25 ± 7.620.0750.940

表1： 建模队列与验证队列的基线特征。连续变量以均值±标准差（SD）表示，分类变量以例数（%）表示。为评估队列间的可比性，比较了建模队列（n = 248）与验证队列（n = 106）在基线人口学、临床、放射影像学及磁共振成像特征方面的差异。缩写：BMI，体重指数；PI，骨盆入射角；PT，骨盆倾斜角；SS，骶骨倾斜角；TK，胸椎后凸角。

2. MRI 采集方案

  1. 使用标准化问卷进行磁共振成像（MRI）安全筛查。识别禁忌证，包括妊娠、植入式电子设备、铁磁性异物、幽闭恐惧症以及对钆基对比剂过敏史。
    1. 指导患者取下所有金属物品，包括珠宝、手表、穿孔饰品和助听器。让患者仰卧于MRI检查床上。
    2. 在膝下放置软垫，使膝关节屈曲约20°–30°，以减少生理性腰椎前凸。将脊柱线圈中心对准L3椎体水平，确保覆盖范围从T12至S3。
    3. 确保线圈与皮肤直接接触，并消除可见的空气间隙。在身体两侧放置泡沫垫以减少患者移动，并提供一个MRI兼容的紧急呼叫装置。
    4. 不使用静脉注射钆基对比剂。诊断流程采用无对比剂的矢状面T1加权、矢状面T2加权和轴位T2加权序列。
  2. 使用梯度回波序列获取三平面定位像（scout序列），参数设置为：TR = 8 ms，TE = 4 ms，层厚 = 8 mm，视野 = 400 mm × 400 mm。
    1. 确认腰椎完全覆盖，范围从T12/L1至骶骨。若腰骶交界区未完全显示，需重新调整患者体位。
  3. 采用以下参数获取矢状面T1加权快速自旋回波图像：TR = 500 ms，TE = 12 ms，视野 = 280 × 280 mm，矩阵 = 512 × 256，层厚 = 4 mm，层间距 = 0.4 mm，NEX = 2。
    1. 设定扫描层面平行于棘突。至少采集11幅矢状面图像，以确保完整的左右覆盖。
      ​注：T1加权成像是识别硬膜外脂肪增多症的主要序列，因为脂肪组织相对于周围结构具有固有的高信号强度。所选采集参数在保持足够信噪比和空间分辨率的同时，最大化T1加权效果。典型采集时间约为3–4分钟。
    2. 当将该方案适配至等效的1.5 T或3.0 T平台时，应保持所需的解剖覆盖范围、序列类型、层面方向、层厚、层间间隙及诊断平面。根据需要优化视野、矩阵、激励次数、回波链长度和平行成像因子，前提是硬膜外脂肪、硬膜囊边缘及滑脱节段的解剖结构仍能清晰显示，满足诊断判读要求。
  4. 采用以下参数获取矢状面T2加权快速自旋回波图像：TR = 3,500–4,000 ms，TE = 100–120 ms，视野 = 280 mm × 280 mm，矩阵 = 512 × 256，层厚 = 4 mm，层间距 = 0.4 mm，NEX = 2。
    1. 使扫描层面与矢状面T1加权图像一致，以便进行直接图像对比。
      ​注：T2加权成像通过增强脑脊液（CSF）、硬膜囊及椎间盘形态的显示，提供互补的解剖信息。该序列也用于椎间盘退变的Pfirrmann分级。典型采集时间约为4–5分钟。
  5. 在L1/L2至L5/S1各腰椎椎间盘水平，采用以下参数获取轴位T2加权快速自旋回波图像：TR = 4,000 ms，TE = 112 ms，视野 = 180 mm × 180 mm，矩阵 = 320 × 256，层厚 = 4 mm，层间距 = 0.4 mm，NEX = 3。
    1. 设定轴位层面平行于每个椎间盘间隙。在滑脱节段采集6–8层图像，以确保完整的解剖覆盖。
      ​注：轴位T2加权成像可用于评估硬膜外脂肪分布及硬膜囊形态。结合矢状面T1加权、矢状面T2加权和轴位T2加权序列，可提供互补的解剖信息，实现全面评估。所有腰椎节段的总采集时间约为15–20分钟。整个检查过程（包括患者摆位和定位像采集）约需30–35分钟。
  6. 在结束检查前评估图像质量。确认无II级或更高级别的运动伪影、腰骶交界区完全显示、信噪比充足，且无明显卷褶伪影。
    1. 对不符合图像质量标准的序列应重新采集。将所有医学数字成像和通信（DICOM）图像连同元数据导出至PACS系统。
    2. 将可接受的图像质量定义为：覆盖范围从T12/L1至骶骨完整，椎体后缘皮质及硬膜囊边缘清晰显示，无卷褶伪影延伸至椎管内，且信噪比足够以区分硬膜外脂肪、脑脊液（CSF）和椎旁肌肉。任何未达到上述标准的序列均需重扫。
    3. 采用步骤1.3.3中描述的四级运动伪影分级系统。在释放患者前，对存在II级或III级运动伪影的序列进行重扫；若无法重复成像，则排除该次检查。
      注：在患者离开扫描仪前，须确认图像质量。

3. 硬膜外脂肪增多症的MRI影像解读

注意：硬膜外脂肪增多症定义为脊柱硬膜外间隙内无包膜的成熟脂肪组织出现病理性过度增生。在退变性腰椎侧凸（DLS）中，该病症可导致椎管狭窄，可能需要在融合手术中同时进行减压处理。准确诊断需通过多种成像序列和层面进行系统性评估。

  1. 在配备医用级诊断显示器（最小3兆像素；符合DICOM第14部分灰度标准显示功能）的专用PACS工作站上进行图像解读。保持受控的环境光照（≤50 lux）。
    1. 加载完整的MRI检查数据。在上方显示窗口并排显示矢状位T1加权图像和矢状位T2加权图像，在下方显示窗口显示轴位T2加权图像，并启用同步解剖交叉参考功能。
    2. 使用机构内部的PACS阅片软件，启用DICOM校准的测量工具及同步矢状-轴位交叉参考功能。每次阅片时采用一致的窗宽窗位设置，以便进行并排图像比较。在材料表中记录PACS供应商及软件版本。
  2. 在中矢状位T1加权图像上通过观察椎体前移来确定滑脱的椎体节段。沿下位椎体后缘皮质绘制一条参考线。
    1. 测量从参考线到滑脱椎体后下角的垂直距离。确认所测位移≥3 mm或≥椎体宽度的10%。
      ​注意：准确识别滑脱节段至关重要，因为硬膜外脂肪增多症的评估需特异性针对椎体滑脱节段进行。
    2. 使用PACS工作站内置的校准电子卡尺工具进行椎体滑脱程度测量。测量前须根据DICOM元数据验证像素校准，并将所有距离记录至最接近的0.1 mm。
  3. 在中矢状位T1加权图像上检查滑脱节段的后部硬膜外间隙。识别位于前方蛛网膜囊与后方黄韧带或棘突之间的带状或新月形高信号区域。
    1. 将病灶信号强度与同一图像上的皮下脂肪直接比较。若具备脂肪抑制序列，应确认信号被抑制，以验证病灶的脂肪性质。
      ​注意：需将硬膜外脂肪增多症与其他T1高信号硬膜外病变相鉴别，包括亚急性硬膜外血肿和富含蛋白的液体积聚。仅当病灶信号特征与皮下脂肪完全相同且符合硬膜外间隙分布时，方可确诊为硬膜外脂肪增多症。
    2. 以本方案规定的矢状位标准作为主要的滑脱节段筛查方法，并在轴位T2加权图像上交叉验证阳性或不确定的发现。在前瞻性实施过程中，应记录硬膜外脂肪分布、蛛网膜囊变形情况，并评估其与既定的基于MRI的评估方法的一致性，包括轴位硬膜外脂肪与蛛网膜囊比率法及局部区域Manjila分级系统。在用于模型开发的回顾性队列中，这些既定的分级系统未作为独立参考标准应用，原始的二分类结局也未进行回顾性重新分类。
  4. 使用PACS工作站上的电子卡尺测量硬膜外脂肪沉积物的头尾方向范围。将卡尺置于连续硬膜外脂肪沉积物的上下边界，记录最大测量值。
    1. 确认在相同矢状面上头尾方向范围≥5 mm。仅使用至少两个相邻矢状面图像来确认内外侧连续性并减少部分容积伪影；不得使用相邻矢状面图像估算头尾方向范围。
    2. 在矢状位T2加权图像上交叉验证病灶以评估其信号特征。回顾相应的轴位T2加权图像，评估硬膜外脂肪的环周分布及蛛网膜囊的前后径受压情况。
      ​注意：在本方案中，将头尾方向范围≥5 mm作为操作性的滑脱节段筛查阈值。在轴位图像上记录蛛网膜囊前后径和横截面积作为连续性确证测量指标。在当前的回顾性队列中，不得使用固定的轴位截断值作为独立参考标准。
    3. 若脂肪信号仅在一个矢状面图像上可见，则除非轴位图像显示相应的硬膜外脂肪积聚且同平面头尾方向范围仍≥5 mm，否则应将该发现归类为不确定。此标准用于区分主要的头尾方向测量与辅助性的内外侧连续性评估。
    4. 在显示滑脱节段最大压迫的轴位T2加权图像上，测量蛛网膜囊前后径：从硬膜囊前缘至后缘的距离即为前后径。使用PACS感兴趣区工具或ImageJ多边形选择工具勾画硬膜内边界以测量横截面积，并以mm2为单位记录面积。
    5. 定性比较矢状面范围和轴位严重程度与Manjila分级框架的一致性。在此聚焦于退行性腰椎滑脱（DLS）的方案中，使用Manjila分级系统作为局部区域参考用于记录目的，而非作为主要结局定义，因为研究终点是预测模型中滑脱节段硬膜外脂肪增多症的存在。
  5. 应用最初用于队列分类的四项滑脱节段标准：（1）滑脱节段后部硬膜外间隙出现带状或新月形T1高信号；（2）信号强度与皮下脂肪相同；（3）在相同矢状面上头尾方向范围≥5 mm；（4）在相邻矢状面图像上可重复观察到。对于前瞻性临床应用，不应仅依赖矢状位标准。需在轴位图像上确认相应的硬膜外脂肪积聚及蛛网膜囊轮廓变形，并记录脂肪分布为背侧、腹侧或环周性。
    1. 记录轴位定量结果，包括蛛网膜囊前后径和横截面积，以及与基于硬膜外脂肪-蛛网膜囊比率的评估方法和Manjila局部区域分级系统的一致性定性评估。
      注意：原始研究并非设计为采用既定MRI参考标准的诊断准确性研究，且在稿件修订期间未对原始DICOM图像重新分析。因此，未重新计算敏感性、特异性及方法间一致性。这些额外的轴位描述旨在支持前瞻性临床应用，不改变原始研究结局或预测模型。
  6. 由两名资深脊柱放射科医师（≥10年经验）独立解读所有检查。填写标准化结构化报告表格，记录每项诊断标准的存在与否、滑脱椎体节段、最大头尾方向范围（mm）及最终诊断。
    1. 通过第三位资深脊柱放射科医师（>15年经验）进行共识讨论以解决分歧，该医师对初始评估结果设盲。采用Cohen's kappa统计量计算观察者间一致性。
    2. 使用结构化报告表格记录滑脱节段、硬膜外脂肪分布（背侧、腹侧或环周）、最大头尾方向范围、同平面矢状位测量值、相邻层面可见性、轴位确认结果、蛛网膜囊直径、蛛网膜囊横截面积、最终诊断及阅片者信心水平。在正式图像解读前，使用20例代表性培训病例（包括阴性、临界和阳性检查）对所有观察者进行校准。
      注意：在进行统计分析前，须完成所有共识性解读。

4. 椎间盘退变评估

  1. 在滑脱节段处回顾矢状位T2加权MRI图像。逐层浏览所有矢状面切片，并选择能够最清晰显示髓核的图像。
    1. 采用Pfirrmann分级系统18对椎间盘退变程度进行分级。若椎间盘信号均匀且呈高信号，与脑脊液（CSF）信号相同，椎间盘高度正常，且髓核与纤维环界限清晰，则评为I级。
    2. 若椎间盘信号不均匀，呈高信号并包含水平低信号带，椎间盘高度得以保留，髓核与纤维环界限清晰，则评为II级；若椎间盘呈中等灰色信号，髓核与纤维环分界模糊，椎间盘高度正常或轻度降低，则评为III级。
    3. 若椎间盘信号不均匀且呈低信号暗灰色，髓核与纤维环分界完全消失，椎间盘高度中度至重度降低，则评为IV级；若椎间盘信号不均匀且呈低信号，椎间隙塌陷，髓核与纤维环分界完全消失，并伴有明显椎间隙狭窄，则评为V级。
  2. 由两名具有≥5年肌肉骨骼影像诊断经验的认证放射科医师独立进行Pfirrmann分级。记录每位医师对每个评估椎间盘所评定的等级。
    1. 当分级结果存在分歧时，由第三名认证放射科医师进行裁定以达成一致。采用加权Cohen’s kappa统计法计算观察者间的一致性。
    2. 在独立进行Pfirrmann分级过程中，对放射科医师设盲，使其不知晓患者的临床症状、治疗史、硬膜外脂肪增多状态、预测模型变量以及彼此的评估结果。
    3. 使用步骤3.1中所述的相同诊断级显示器和标准化阅片条件进行Pfirrmann分级。
      注意：在开展椎旁肌脂肪浸润评估之前，须先完成一致性分级。

5. 椎旁肌脂肪浸润评估

  1. 在椎间盘滑脱的中点处，回顾轴向T2加权快速自旋回波图像。双侧识别多裂肌，即紧邻棘突和椎板外侧的深层椎旁肌。
    1. 回顾矢状位图像，确定椎体滑脱较显著的一侧。选择相应侧的多裂肌进行评估。
    2. 采用基于原始脂肪变性分类及既往在腰椎多裂肌中应用经验改良的、适用于脊柱的Goutallier分级方法19,20。若肌肉表现为均匀的低信号强度、无脂肪条纹且肌肉体积保持良好，则评为0级；若肌肉内含有少量线性高信号脂肪条纹，占据横截面积的<5%，则评为1级。
    3. 若肌肉可见明显脂肪浸润，累及横截面积的5%–50%，评为2级；若肌肉脂肪浸润≥50%但仍有残余肌肉组织，评为3级。
    4. 若肌肉整个横截面积均被脂肪取代，无法辨认肌肉组织，则评为4级。为统计分析需要，将结果二分法分为0–2级与3–4级。
      ​注意：多裂肌是最大且最内侧的椎旁肌，是腰椎节段主要的动态稳定结构。严重的脂肪浸润（3–4级）提示显著的脂肪替代，建模时将其视为临床重度类别，因其反映脂肪至少占据肌肉横截面积约一半的阈值。
    5. 需明确本研究中使用的原始Goutallier分级系统已针对轴向MRI上的腰椎多裂肌评估进行了调整。将0–2级与3–4级进行二分，以区分无至中度脂肪浸润与重度脂肪替代，从而在预测模型中降低模型复杂性，同时保持足够的事件-变量比例。本方案中使用的百分比阈值应视为基于MRI的操作性标准，而非原始肩部CT Goutallier分类的逐字复制。
    6. 通过回顾轴向和矢状位图像，根据椎体不对称移位、旋转位移或更明显的侧隐窝狭窄，判断椎体滑脱较显著的一侧。若两侧无明显优势，则评估多裂肌脂肪浸润更明显的一侧。若两侧对称，则评估右侧多裂肌，并记录此决策。
  2. 从PACS导出轴向T2加权快速自旋回波DICOM图像。在ImageJ软件（版本1.53t）中打开该图像。
    1. 选择多边形选区工具，勾画目标多裂肌的筋膜边界。筋膜边界为环绕肌肉的细黑线。
    2. 打开 图像 > 调整 > 阈值。将下限阈值设为120任意单位，上限阈值设为最大像素值。
    3. 选择红色作为显示颜色，以确认脂肪区域的识别。点击“应用”生成二值掩膜。
    4. 将120任意单位的阈值视为特定扫描仪和序列的起始点，而非通用阈值。当扫描平台、射频线圈、磁场强度或图像采集参数与本方案建立时所用参数不同时，应使用代表性本地图像重新校准阈值。
    5. 不得将该阈值解释为适用于所有成像系统的组织学验证标准。应将其作为可重复的图像处理辅助工具，并在进行定量测量前，将每个二值掩膜与原始轴向T2加权图像进行视觉比对验证。
  3. 在ImageJ中打开 分析 > 测量。在执行测量前，启用“面积”、“面积分数”、“限制于阈值”和“显示标签”选项。
    1. 记录“%面积”值作为肌肉内脂肪百分比的定量指标。
    2. 由同一操作者在至少间隔24小时后重复测量一次。计算组内相关系数（ICC）以评估操作者内部的可靠性。
      ​注意：ICC >0.90 表示操作者内部可靠性极佳。
    3. 在重复测量过程中，为避免偏倚，应将初始测量值存储于锁定的REDCap字段中，并在至少24小时后以新的测量会话重新打开DICOM图像，使操作者对初始结果保持盲态。
  4. 由两名经委员会认证的放射科医师独立进行Goutallier分级并完成基于ImageJ的定量测量。在正式研究评估前，提供使用参考图像集的标准化培训。
    1. 若存在分歧，由第三位资深肌肉骨骼放射科医师参与达成共识。计算Goutallier分级的Cohen’s kappa值以及脂肪百分比定量结果的组内相关系数（ICC）。
    2. 在正式研究评估前，使用包含20例病例的训练数据集，其中包括各5例代表极轻、轻度、中度和重度脂肪浸润的病例。在独立图像分级开始前，组织校准会议，回顾参考图像、感兴趣区域的放置、阈值调整及分歧解决流程。
      注意：若观察者间Cohen’s kappa值低于0.70，或组内相关系数低于0.85，应在继续分析前重新组织校准会议。

6. 风险预测模型的开发与应用

  1. 使用 REDCap 将所有研究变量汇编成结构化数据集。将结局变量定义为二分类变量：1 = 存在硬膜外脂肪增多症（满足第 3.5 步中的全部四项诊断标准），0 = 无硬膜外脂肪增多症。
    1. 按如下方式编码预测变量：年龄（岁）；性别（0 = 男性，1 = 女性）；BMI（kg/m2）；滑脱节段（0 = L3/L4，1 = L5）；以及 Goutallier 分级（0 = 0–2 级，1 = 3–4 级，代表严重脂肪浸润）。在报告中，表达年龄每增加 10 岁和 BMI 每增加 5 kg/m2 的效应。在床旁预测方程中使用原始单位系数，这些系数在代数上等同于基于增量报告的系数。
    2. 通过识别缺失值、验证异常值并确认所有变量均在预期范围内，执行数据清理。
    3. 在核实原始记录后，排除缺失必要结局或预测变量的患者。使用范围检查和散点图检查连续变量，根据原始记录纠正已确认的数据录入错误，保留生物学上合理的异常值，并且不对模型所需变量进行插补。
  2. 打开 SPSS 27.0 版本，并将随机种子设为 42 以确保可重复性。对连续变量使用 Student’s t-检验，对分类变量使用卡方检验进行单变量筛选。
    1. 选择 P < 0.05 的变量用于多变量分析。采用基于最小化赤池信息准则（AIC）的向后逐步剔除法拟合多变量二元逻辑回归模型。
    2. 使用 Hosmer-Lemeshow 检验评估模型拟合优度。计算所有保留预测因子的方差膨胀因子（VIF），并确认所有 VIF 值均 <5。
    3. 将回归系数取指数，得到校正后的比值比（OR）及其 95% 置信区间（CI）。使用 R 中的 forestplot 包生成森林图以可视化效应量（图 1）。报告年龄每增加 10 岁和 BMI 每增加 5 kg/m2 的效应。
    4. 对于该单中心数据集，采用单变量筛选后接向后逐步选择的方法作为探索性建模策略。由于逐步选择可能导致不稳定的系数估计和过于乐观的模型性能，应将最终模型解释为一种生成假设的临床决策支持工具。在临床应用前需通过外部验证确认模型性能。
    5. 将清理后的 SPSS 数据集导出为逗号分隔值（.csv）文件，去除变量标签但保留编码。使用 R 4.3.1 版本中的 forestplot 包生成森林图。绘图前确认 R 中的变量编码与 SPSS 编码字典一致。
  3. 通过计算建模队列受试者工作特征曲线下面积（AUC）来评估模型区分能力。使用 DeLong 检验估计标准误。
    1. 使用校准图评估模型校准情况，比较建模队列和验证队列中按预测风险区间分组的预测概率与观察概率（图 2）。由于在预测风险极端值处可用观察值较少，对验证队列的校准曲线应谨慎解释。
    2. 使用 R 4.3.1 版本中的 rmda 包（版本 1.6）进行决策曲线分析。在一系列阈值概率范围内，将预测模型与“全部治疗”和“全部不治疗”策略进行比较（图 3）。
    3. 使用保留的内部验证队列（n = 106）验证最终模型。描述性报告验证 AUC、校准图和决策曲线。将建模队列与验证队列之间的一致性解释为内部一致性的证据，而非外部有效性的证明。
    4. 在 R 4.3.1 版本中执行受试者工作特征分析、校准图绘制和决策曲线分析。将 R 脚本、包版本、输入数据集、编码字典和输出图像与统计分析记录一并归档。
    5. 不要使用固定阈值（如 AUC 差异 ≤0.05 或校准斜率 0.8–1.2）作为正式验证标准。将这些值作为描述性指标报告，用以反映模型内部稳定性，并说明在广泛临床应用前需进行多中心外部验证。
      注：在将模型应用于外部临床数据集之前，必须完成内部验证。
  4. 收集一名 DLS 新患者的五个预测变量：年龄（岁）、性别、BMI（kg/m2）、滑脱节段（L3/L4 或 L5）以及滑脱节段水平多裂肌的 Goutallier 分级。
    1. 使用以原始临床单位表示的逻辑回归方程计算预测概率：
      figure-protocol-1
      其中， z = -5.521 + (0.0412 × 年龄) + (0.856 × 性别) + (0.1256 × BMI) + (1.326 × 滑脱节段) + (1.158 × Goutallier 分级)。年龄以岁为单位输入；性别编码为 0 = 男性，1 = 女性；BMI 以 kg/m2 为单位输入；滑脱节段编码为 0 = L3/L4，1 = L5；Goutallier 分级编码为 0 = 0–2 级，1 = 3–4 级。年龄和 BMI 的原始单位系数在代数上分别等同于每增加 10 岁和每增加 5 kg/m2 的系数。
    2. 按如下方式描述性解释预测概率：<20% 表示估计概率较低，20%–50% 表示估计概率中等，>50% 表示估计概率较高。将这些类别用于风险沟通和工作流程优先排序，而非用于治疗选择。
      注：仅将预测模型作为临床决策支持工具使用。不得以模型替代临床判断或影像学解读。在未进行额外验证的情况下，不得将该模型应用于推导队列以外的人群，包括峡部裂性脊椎滑脱、术后脊柱状况或类固醇诱导的硬膜外脂肪增多症患者。
    3. 直接将原始年龄和 BMI 数值代入预测方程。对年龄和 BMI 系数的代数重缩放仅改变方程的表达形式，不会改变预测概率、比值比、受试者工作特征曲线、校准图或决策曲线分析结果。
    4. 一致地报告比值比如下：年龄每增加 10 岁；BMI 每增加 5 kg/m2；性别，女性相对于男性；滑脱节段，L5 相对于 L3/L4；Goutallier 分级，3–4 级相对于 0–2 级。
    5. 将低、中、高概率类别作为源自模型预测概率分布和决策曲线分析的实用临床沟通分组。不要将这些类别解释为经过验证的治疗阈值，因为建立最优决策阈值需要前瞻性外部验证。

figure-protocol-2
图1．退行性腰椎滑脱患者硬膜外脂肪增多症独立预测因素的森林图。 森林图展示了通过多变量二元逻辑回归分析确定的五个独立预测因素的校正后比值比（OR）及其95%置信区间（CI）。红色方块表示校正后的OR值，水平蓝色线段代表相应的95% CI，垂直虚线表示无效值（OR = 1）。年龄的影响以每增加10年计，体重指数（BMI）的影响以每增加5 kg/m2计。请点击此处查看该图的放大版本。

figure-protocol-3
图 2．逻辑回归预测模型的校准曲线。（A）建模队列的校准曲线（n = 248）。（B）验证队列的校准曲线（n = 106）。x 轴表示硬膜外脂质沉积症的预测概率，y 轴表示观察到的频率。黑色实心对角线表示理想校准，带符号的彩色线表示模型的实际表现，阴影区域表示 95% 置信区间（C.I.）。请点击此处查看该图的放大版本。

figure-protocol-4
图3．预测模型的受试者工作特征曲线与决策曲线分析。（A）建模队列（曲线下面积 [AUC] = 0.834）和验证队列（AUC = 0.815）的受试者工作特征（ROC）曲线。灰色对角线表示无区分能力分类器的参考线。（B）决策曲线分析显示了预测模型在不同阈值概率下的净获益。红色实线代表建模队列，蓝色虚线代表验证队列，黑色点划线代表全部治疗策略，灰色点线代表不治疗策略。请点击此处查看该图的放大版本。

访问受限。请登录或开始试用以查看此内容。

结果

该方案应用于354例连续的DLS患者。通过随机分配建立建模队列（n = 248）和验证队列（n = 106）。基线人口学、临床、放射影像学和MRI特征的比较显示，两队列之间无统计学显著差异，表明患者分布具有可比性，适用于后续模型构建和内部验证（表1）。

在建模队列中，根据标准化的MRI方案，87例患者被归类为患有硬膜外脂肪增多症，161例患者被归类为无硬膜外脂肪增多症。单变量分析显示，两组在年龄（P = 0.014）、BMI（P < 0.001）、滑脱节段（P = 0.010）和Goutallier分级（P = 0.024）方面存在差异。性别（女性）处于名义显著性阈值（P = 0.050）。Pfirrmann分级及其他脊柱骨盆参数和小关节参数均未观察到统计学显著差异（表2）。

访问受限。请登录或开始试用以查看此内容。

讨论

本方案将标准化的磁共振成像（MRI）采集、结构化影像解读和定量风险建模整合为一个统一的临床决策支持工具，用于识别退行性腰椎管狭窄（DLS）患者中的硬膜外脂肪增多症。该工作流程包含四个连续步骤：系统性患者特征描述，包括人口统计学和人体测量学变量；采用优化的矢状面T1加权MRI序列以清晰显示硬膜外脂肪；依据预定义的诊断标准，对硬膜外脂肪沉积及椎旁肌脂肪浸润进行结构化的定性评估；以及应用多变量预测方程生成个体化的概率估计。保障本方案可重复性的关键步骤包括：将矢状面T1加权成像作为主要诊断序列；采用同一平面硬膜外脂肪沉积头尾延伸≥5 mm作为可重复识别滑脱节段脂肪沉积的阈值；通过轴位图像确认硬膜囊受压情况；系统性地采用适应脊柱评估的Goutallier分级法对多裂肌脂肪浸润进行分级；并将上述参数整合为定量风险评分。

该方案可适用于不同的临床环境和成像平台。对于3.0 T系统，可采用更薄的扫描层厚；然而，应谨慎调整回波时间，以尽量减少T1透射伪影，此类伪影在较高场强下可能更为明显。对于1.5 T系统，标准采集参数即可提供足够的诊断图像质量；若图像噪声过大，可将激励次数从2次增加至3次，或使用...

访问受限。请登录或开始试用以查看此内容。

披露

作者声明不存在任何竞争性的经济或非经济利益。

致谢

作者感谢张世武提供的技术支持。本研究由天津重点医学学科建设项目（项目编号：TJYXZDXK-3-005A-4）资助。资助机构在研究设计、数据收集、数据分析、发表决定或稿件撰写过程中均未发挥任何作用。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
1.5 特斯拉磁共振成像扫描仪设备Siemens HealthineersMagnetom Aera
16 通道脊柱表面线圈设备Siemens Healthineers标准配置
DICOM 第 14 部分兼容诊断显示器（3 百万像素）设备Barco NVNio Color 3MP, MDNC-3421CN；通过 Barco QAWeb Enterprise 进行 DICOM 校准
forestplot R 程序包软件R 统计计算基金会版本 3.1.3
ImageJ软件美国国立卫生研究院版本 1.53t
PACS 工作站设备Dell Inc.Precision 3660 Tower 工作站；Windows 10，64 位操作系统
影像归档和通信系统（PACS）软件INFINITT Healthcare Co., Ltd.INFINITT PACS 7.0
R软件R 统计计算基金会版本 4.3.1
REDCap软件范德堡大学版本 13.1
rmda R 程序包软件R 统计计算基金会版本 1.6
SPSS Statistics软件IBM版本 27.0

参考文献

  1. García-Ramos CL, et al. Espondilolistesis degenerativa lumbar II: tratamiento y controversias. Acta Ortop Mex. 2020;34(6):433-440.
  2. Rangwalla K, et al. Degenerative lumbar spondylolisthesis: review of current classifications and proposal of a novel classification system. Eur Spine J. 2024;33(5):1762-1772.
  3. Nava-Bringas TI, et al. Association of strength, muscle balance, and atrophy with pain and function in patients with degenerative spondylolisthesis. J Back Musculoskelet Rehabil. 2014;27(3):371-376.
  4. Ahmad S, et al. Spinal epidural lipomatosis: a rare association of Cushing’s disease. Endocrinol Diabetes Metab Case Rep. 2020;2020:20-0136.
  5. Al-Omari AA, et al. Is there a relationship between lumbosacral epidural spinal injections and lumbosacral epidural lipomatosis? A retrospective study. Neurochirurgie. 2025;71(2):101636.
  6. Jaimes R III, Rocco AG. Multiple epidural steroid injections and body mass index linked with occurrence of epidural lipomatosis: a case series. BMC Anesthesiol. 2014;14:70.
  7. D’Agostino V, et al. Could spinal epidural lipomatosis be the hallmark of metabolic syndrome on the spine? A literature review with emphasis on etiology. Diagnostics (Basel). 2023;13(2):322.
  8. Ishihara S, et al. Spinal epidural lipomatosis is a previously unrecognized manifestation of metabolic syndrome. Spine J. 2019;19(3):493-500.
  9. Abe T, et al. Spinal epidural lipomatosis is associated with liver fat deposition and dysfunction. Clin Neurol Neurosurg. 2019;185:105480.
  10. Marrone N, et al. Spinal epidural fat as an imaging biomarker of visceral obesity: an MRI-based quantitative analysis. Diagnostics (Basel). 2025;15(19):2490.
  11. Alomari S, et al. Etiologies and outcomes of spinal epidural lipomatosis: systematic review of the literature and meta-analysis of reported cases. Clin Spine Surg. 2022;35(9):383-387.
  12. Haggerty T, et al. Significant symptom resolution of spinal lipomatosis with weight loss. Clin Case Rep. 2023;11(9):e7126.
  13. Borré DG, et al. Lumbosacral epidural lipomatosis: MRI grading. Eur Radiol. 2003;13(7):1709-1721.
  14. Manjila S, et al. Spinal epidural lipomatosis causing lumbar canal stenosis: a pictorial essay on radiological grading and the role of bariatric surgery versus laminectomy. Cureus. 2022;14(7):e26492.
  15. Ben Salah MH, Ziaka M. Holothoracic spinal epidural lipomatosis: report of a rare presentation and review of literature. SAGE Open Med Case Rep. 2025;13:2050313X251339051.
  16. Liu Z, et al. Case report: technical description and clinical evaluation of three cases of unilateral biportal endoscopic decompression for symptomatic spinal epidural lipomatosis. Front Surg. 2024;11:1309202.
  17. Zhou X, et al. The correlation between radiographic and pathologic grading of lumbar facet joint degeneration. BMC Med Imaging. 2016;16:27.
  18. Pfirrmann CW, et al. Magnetic resonance classification of lumbar intervertebral disc degeneration. Spine (Phila Pa 1976). 2001;26(17):1873-1878.
  19. Goutallier D, et al. Fatty muscle degeneration in cuff ruptures. Pre- and postoperative evaluation by CT scan. Clin Orthop Relat Res. 1994;304:78-83.
  20. Duan PG, et al. Is the Goutallier grade of multifidus fat infiltration associated with adjacent-segment degeneration after lumbar spinal fusion? J Neurosurg Spine. 2021;34(2):190-195.
  21. James G, et al. Fat infiltration in the multifidus muscle is related to inflammatory cytokine expression in the muscle and epidural adipose tissue in individuals undergoing surgery for intervertebral disc herniation. Eur Spine J. 2021;30(4):837-845.
  22. Liu Y, et al. Fat infiltration in the multifidus muscle as a predictor of prognosis after decompression and fusion in patients with single-segment degenerative lumbar spinal stenosis: an ambispective cohort study based on propensity score matching. World Neurosurg. 2019;128:e989-e1001.
  23. Shahidi B, et al. The effect of fatty infiltration, revision surgery, and sex on lumbar multifidus passive mechanical properties. JOR Spine. 2023;6(3):e1266.
  24. Walter BA, et al. MR elastography-derived stiffness: a biomarker for intervertebral disc degeneration. Radiology. 2017;285(1):167-175.
  25. Bayerl SH, et al. Treatment results for lumbar epidural lipomatosis: does fat matter? Eur Spine J. 2019;28(1):69-77.
  26. Ulrich NH, et al. Two-year outcome comparison of decompression in 14 lipomatosis cases with 169 degenerative lumbar spinal stenosis cases: a Swiss prospective multicenter cohort study. Eur Spine J. 2020;29(9):2243-2253.

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

MRI T1 Goutallier
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。