多模态MRI表征的神经表型与克罗恩病肠道损伤的相关性

doi:10.3969/j.issn.1006-5725.2025.15.016

摘要/Abstract

摘要：

目的通过多模态脑MRI分析克罗恩病（Crohn′s disease， CD）患者的神经表型，揭示肠道损伤相关的神经变化。方法前瞻性纳入在1周内同时接受了脑MRI、MR肠道成像和结肠镜检查的CD患者。采用Lémann指数（LI）定量评估肠道累积性结构损伤，根据4.8的截断值将CD患者分为伴有肠道损伤（LI > 4.8）组和无肠道损伤（LI ≤ 4.8）组。通过从多模态脑MRI中提取的一阶特征中选择关键特征，在训练队列中开发了用于表征CD肠道损伤患者神经变化的神经表型模型，并在独立测试队列中进行了验证。结果本研究纳入了109例CD患者（伴有肠道损伤组51例，无肠道损伤组58例）。伴有肠道损伤组的神经表型模型评分为0.785（0.506， 0.945）分，无肠道损伤组的神经表型模型评分为0.155（0.093， 0.394）分，两组的评分差异有统计学意义（P < 0.001）。神经表型模型表现出良好的性能，在训练、验证和测试队列中，受试者工作特征曲线下面积（AUC）范围为0.824 ~ 0.918（均P < 0.05）。结论神经表型模型揭示了伴有肠道损伤的CD患者所发生的神经变化，可作为监测肠道损伤严重程度的肠外标志物。

关键词: 克罗恩病, 脑-肠轴, 肠道损伤, Lémann指数

Abstract:

Objective To characterize neurological alterations associated with structural bowel damage in patients with Crohn′s disease （CD） through radiomics-assisted neurophenotyping， utilizing multiparametric brain MRI. Methods This prospective study enrolled patients with CD who underwent brain MRI， MR enterography， and ileocolonoscopy within one week. The Lémann Index was used to quantitatively assess cumulative structural bowel damage. CD patients were stratified into two groups based on a cutoff value of 4.8： those with bowel damage （LI > 4.8） and those without bowel damage （LI ≤ 4.8）. A neurophenotype model was developed to characterize the neural changes associated with bowel damage in CD. Key features were selected from first-order features extracted from multiparametric brain MRI in the training cohort and validated in an independent test cohort. Results The final study population comprised 109 patients， including 51 individuals with bowel damage and 58 without bowel damage. The neurophenotype model scores were 0.785 （95%CI： 0.506 ~ 0.945） in the bowel damage group and 0.155 （95%CI： 0.093 ~ 0.394） in the non-bowel damage group， showing a statistically significant difference between the two groups （P < 0.001）. The developed model exhibited strong discriminative performance， with area under the receiver operating characteristic curve （AUC） values ranging from 0.824 to 0.918 across the training， validation， and test cohorts （all P < 0.05）. Conclusion Our radiomics-assisted neurophenotype analysis reveals neural alterations in CD patients with bowel damage， which may indicate extraintestinal manifestations associated with cumulative intestinal injury.

Key words: Crohn′s disease, brain-gut axis, bowel damage, Lémann index

中图分类号:

R574

方壮念,张若楠,黄丽莉,申晓迪,郑卿珠,王杨迪,李雪华,李周雷,林少春. 多模态MRI表征的神经表型与克罗恩病肠道损伤的相关性[J]. 实用医学杂志, 2025, 41(15): 2398-2405.

Zhuangnian FANG,Ruonan ZHANG,Lili HUANG,Xiaodi SHEN,Qingzhu ZHENG,Yangdi WANG,Xuehua LI,Zhoulei LI,Shaochun LIN. Multimodal MRI⁃based neurophenotype correlated to structural bowel damage in Crohn′s disease[J]. The Journal of Practical Medicine, 2025, 41(15): 2398-2405.

图/表 6

图1

表1

表2

图2

表3

图3

参考文献 30

[1]	TORRES J， MEHANDRU S， COLOMBEL J， et al. Crohn's disease［J］. Lancet， 2017，389（10080）：1741-1755. doi:10.1016/s0140-6736(16)31711-1 doi: 10.1016/s0140-6736(16)31711-1
[2]	PEYRIN-BIROULET L， LOFTUS E V J， COLOMBEL J， et al. The natural history of adult Crohn's disease in population-based cohorts［J］. Am J Gastroenterol， 2010，105（2）：289-297. doi:10.1038/ajg.2009.579 doi: 10.1038/ajg.2009.579
[3]	何伟涛，申晓迪，王杨迪，等. 基于术前磁共振小肠成像预测克罗恩病患者首次肠切除术后早期吻合口复发风险［J］. 实用医学杂志， 2024，40（5）：664-671.
[4]	袁和学，田丰，李卉，等. 外科治疗联合英夫利昔单抗与乌司奴单抗克对罗恩肛瘘的临床疗效观察［J］. 实用医学杂志， 2025，41（6）：872-876.
[5]	GRACIE D J， HAMLIN P J， FORD A C. The influence of the brain-gut axis in inflammatory bowel disease and possible implications for treatment［J］. Lancet Gastroenterol Hepatol， 2019，4（8）：632-642. doi:10.1016/s2468-1253(19)30089-5 doi: 10.1016/s2468-1253(19)30089-5
[6]	GRACIE D J， GUTHRIE E A， HAMLIN P J， et al. Bi-directionality of Brain-Gut Interactions in Patients With Inflammatory Bowel Disease［J］. Gastroenterology， 2018，154（6）：1635-1646. doi:10.1053/j.gastro.2018.01.027 doi: 10.1053/j.gastro.2018.01.027
[7]	ZHANG R， WANG Y， WANG H， et al. Identification of neural alterations in patients with Crohn's disease with a novel multiparametric brain MRI-based radiomics model［J］. Insights Imaging， 2024，15（1）：289. doi:10.1186/s13244-024-01859-6 doi: 10.1186/s13244-024-01859-6
[8]	MACER B J D， PRADY S L， MIKOCKA-WALUS A. Antidepressants in Inflammatory Bowel Disease： A Systematic Review［J］. Inflamm Bowel Dis， 2017，23（4）：534-550. doi:10.1097/mib.0000000000001059 doi: 10.1097/mib.0000000000001059
[9]	De SANTIS S， MORATAL D， CANALS S. Radiomicrobiomics： Advancing Along the Gut-brain Axis Through Big Data Analysis［J］. Neuroscience， 2019，403：145-149. doi:10.1016/j.neuroscience.2017.11.055 doi: 10.1016/j.neuroscience.2017.11.055
[10]	GOODYEAR B G， HEIDARI F， INGRAM R J M， et al. Multimodal Brain MRI of Deep Gray Matter Changes Associated With Inflammatory Bowel Disease［J］. Inflamm Bowel Dis， 2023，29（3）：405-416. doi:10.1093/ibd/izac089 doi: 10.1093/ibd/izac089
[11]	BAO C H， LIU P， LIU H R， et al. Alterations in brain grey matter structures in patients with Crohn's disease and their correlation with psychological distress［J］. J Crohns Colitis， 2015，9（7）：532-540. doi:10.1093/ecco-jcc/jjv057 doi: 10.1093/ecco-jcc/jjv057
[12]	DENG J， SUN J， LU S， et al. Exploring neural activity in inflammatory bowel diseases using functional connectivity and DKI-fMRI fusion［J］. Behav Brain Res， 2023，443：114325. doi:10.1016/j.bbr.2023.114325 doi: 10.1016/j.bbr.2023.114325
[13]	HUANG M， LI X， FAN W， et al. Alterations of Regional Homogeneity in Crohn's Disease With Psychological Disorders： A Resting-State fMRI Study［J］. Front Neurol， 2022，13：817556. doi:10.3389/fneur.2022.817556 doi: 10.3389/fneur.2022.817556
[14]	QIU Y， LI Q， WU D， et al. Altered mean apparent propagator-based microstructure and the corresponding functional connectivity of the parahippocampus and thalamus in Crohn's disease［J］. Front Neurosci， 2022，16：985190. doi:10.3389/fnins.2022.985190 doi: 10.3389/fnins.2022.985190
[15]	BAO C， LIU P， LIU H， et al. Differences in regional homogeneity between patients with Crohn's disease with and without abdominal pain revealed by resting-state functional magnetic resonance imaging［J］. Pain， 2016，157（5）：1037-1044. doi:10.1097/j.pain.0000000000000479 doi: 10.1097/j.pain.0000000000000479
[16]	THAPALIYA G， ELDEGHAIDY S， ASGHAR M， et al. The relationship between Central Nervous System morphometry changes and key symptoms in Crohn's disease［J］. Brain Imaging Behav， 2023，17（2）：149-160. doi:10.1007/s11682-022-00742-6 doi: 10.1007/s11682-022-00742-6
[17]	GILLIES R J， KINAHAN P E， HRICAK H. Radiomics： Images Are More than Pictures， They Are Data［J］. Radiol， 2016，278（2）：563-577. doi:10.1148/radiol.2015151169 doi: 10.1148/radiol.2015151169
[18]	LI X， MAO R， HUANG S， et al. Characterization of Degree of Intestinal Fibrosis in Patients with Crohn Disease by Using Magnetization Transfer MR Imaging［J］. Radiology， 2018，287（2）：494-503. doi:10.1148/radiol.2017171221 doi: 10.1148/radiol.2017171221
[19]	PARIENTE B， TORRES J， BURISCH J， et al. Validation and Update of the Lémann Index to Measure Cumulative Structural Bowel Damage in Crohn's Disease［J］. Gastroenterol， 2021，161（3）：853-864. doi:10.1053/j.gastro.2021.05.049 doi: 10.1053/j.gastro.2021.05.049
[20]	FIORINO G， BONIFACIO C， ALLOCCA M， et al. Bowel Damage as Assessed by the Lémann Index is Reversible on Anti-TNF Therapy for Crohn's Disease［J］. J Crohns Colitis， 2015，9（8）：633-639. doi:10.1093/ecco-jcc/jjv080 doi: 10.1093/ecco-jcc/jjv080
[21]	MUTSAERTS H J M M， PETR J， GROOT P， et al. ExploreASL： An image processing pipeline for multi-center ASL perfusion MRI studies［J］. Neuroimage， 2020，219：117031. doi:10.1016/j.neuroimage.2020.117031 doi: 10.1016/j.neuroimage.2020.117031
[22]	EMMERICH J， BACHERT P， LADD M E， et al. A novel phantom with dia- and paramagnetic substructure for quantitative susceptibility mapping and relaxometry［J］. Phys Med， 2021，88：278-284. doi:10.1016/j.ejmp.2021.07.015 doi: 10.1016/j.ejmp.2021.07.015
[23]	JORDAN K， MORIN O， WAHL M， et al. An Open-Source Tool for Anisotropic Radiation Therapy Planning in Neuro-oncology Using DW-MRI Tractography［J］. Front Oncol， 2019，9：810. doi:10.3389/fonc.2019.00810 doi: 10.3389/fonc.2019.00810
[24]	HENSCHEL L， CONJETI S， ESTRADA S， et al. FastSurfer-A fast and accurate deep learning based neuroimaging pipeline［J］. Neuroimage， 2020，219：117012. doi:10.1016/j.neuroimage.2020.117012 doi: 10.1016/j.neuroimage.2020.117012
[25]	DESIKAN R S， SÉGONNE F， FISCHL B， et al. An automated labeling system for subdividing the human cerebral cortex on MRI scans into gyral based regions of interest［J］. Neuroimage， 2006，31（3）：968-980. doi:10.1016/j.neuroimage.2006.01.021 doi: 10.1016/j.neuroimage.2006.01.021
[26]	LI J， LIU S， HU Y， et al. Predicting Mortality in Intensive Care Unit Patients With Heart Failure Using an Interpretable Machine Learning Model： Retrospective Cohort Study［J］. J Med Internet Res， 2022，24（8）：e38082. doi:10.2196/38082 doi: 10.2196/38082
[27]	VECCHIARELLI H A， AUKEMA R J， HUME C， et al. Genetic Variants of Fatty Acid Amide Hydrolase Modulate Acute Inflammatory Responses to Colitis in Adult Male Mice［J］. Front Cell Neurosci， 2021，15：764706. doi:10.3389/fncel.2021.764706 doi: 10.3389/fncel.2021.764706
[28]	FAN Y， BAO C， WEI Y， et al. Altered functional connectivity of the amygdala in Crohn's disease［J］. Brain Imaging Behav， 2020，14（6）：2097-2106. doi:10.1007/s11682-019-00159-8 doi: 10.1007/s11682-019-00159-8
[29]	SKROBISZ K， PIOTROWICZ G， RUDNIK A， et al. Evaluation of Subcortical Structure Volumes in Patients with Non-Specific Digestive Diseases［J］. Diagnostics （Basel）， 2022，12（9）： 2199. doi:10.3390/diagnostics12092199 doi: 10.3390/diagnostics12092199
[30]	FERNANDEZ-REAL J， SERINO M， BLASCO G， et al. Gut Microbiota Interacts With Brain Microstructure and Function［J］. J Clin Endocrinol Metab， 2015，100（12）：4505-4513. doi:10.1210/jc.2015-3076 doi: 10.1210/jc.2015-3076

项目	总样本（n = 109）	训练队列（n = 77）	测试队列（n = 32）	P值^?
性别（男/女）	94/15	67/10	27/5	0.770
年龄（x ± s）/岁	29.32 ± 7.07	29.10 ± 6.76	29.84 ± 7.86	0.620
吸烟史	13（11.93）	10（12.99）	3（9.38）	0.750
饮酒史	13（11.93）	9（11.69）	4（12.50）	1.000
BMI（x ± s）/（kg/m²）	20.0 ± 3.34	19.99 ± 3.59	20.18 ± 2.67	0.786
病程［M（P₂₅， P₇₅）］/个月	48.0（24.0， 101.5）	60.0（18.0， 134.4）	46.5（24.0， 94.5）	0.518
病变部位				0.347
L1（回肠末段）	19（17.43）	15（19.48）	4（12.50）
L2（结肠）	4（3.67）	4（5.19）	0（0.00）
L3（回结肠）	83（76.15）	55（71.43）	28（87.50）
L4（上消化道）	3（2.75）	3（3.90）	0（0.00）
疾病行为				0.469
非狭窄非穿透	39（35.78）	29（37.66）	10（31.25）
狭窄	38（34.86）	24（31.17）	14（43.75）
穿透	32（29.36）	24（31.17）	8（25.00）
肛周病变				0.215
无	37（33.94）	24（31.17）	13（40.63）
肛瘘	60（55.05）	42（54.55）	18（56.25）
肛周脓肿	12（11.01）	11（14.28）	1（3.12）

神经表型模型特征	平均SHAP值	无肠道损伤	有肠道损伤	Cohen′s d （95%置信区间）	P值
左侧杏仁核-fMRI ALFF-std	0.688	0.21（0.16，0.28）	0.30（0.20，0.45）	-0.63（-1.01 ~ -0.24）	0.001
脑干-DKI AK-p90	0.643	1.03（1.01，1.05）	1.02（1.00，1.04）	0.44（0.06 ~ 0.82）	0.009
右侧尾状核-DKI AD-p10	0.529	0.86（0.84，0.87）	0.87（0.86，0.88）	-0.24（-0.62 ~ 0.13）	0.005
左侧丘脑-R2Star-p50	0.482	20.50（20.00，21.00）	20.00（19.00，21.00）	0.41（0.03 ~ 0.79）	0.014
脑干-R2Star-p90	0.476	32.29（28.00，44.25）	46.00（31.00，66.00）	-0.49（-0.88 ~ -0.11）	0.002
右侧杏仁核体积（x ± s）	0.465	0.001 6 ± 0.000 1	0.001 6 ± 0.000 1	-0.53（-0.92 ~ -0.02）	0.010
右侧小脑白质-QSM-std（x ± s）	0.365	24.28 ± 6.37	20.88 ± 5.46	0.57（0.19 ~ 0.95）	0.004
左侧尾状核体积（x ± s）	0.355	0.003 0 ± 0.000 3	0.002 9 ± 0.000 3	0.47（0.09 ~ 0.85）	0.020
左脑中央前回皮质-MAP RTAP-std	0.336	0.014（0.012，0.017）	0.016（0.013，0.019）	-0.36（-0.74 ~ 0.02）	0.060
右脑颞上回皮质-fMRI ALFF-p50（x ± s）	0.307	0.029 ± 0.16	0.094 ± 0.17	-0.40（-0.78 ~ -0.02）	0.040
右侧小脑白质-fMRI ReHo-p10	0.165	-1.13（-1.19，-1.02）	-1.06（-1.14，-0.97）	-0.35（-0.73 ~ 0.03）	0.039
脑干-fMRI ReHo-std	0.126	0.28（0.23，0.34）	0.34（0.22，0.43）	-0.42（-0.80 ~ -0.04）	0.145

项目	AUC（95%CI）	敏感度	特异度	阳性预测值	阴性预测值
训练队列	0.918（0.853 ~ 0.971）	0.806	0.878	0.852	0.837
验证队列	0.824（0.689 ~ 0.890）	0.892	0.681	0.688	0.889
测试队列	0.824（0.663 ~ 0.950）	0.800	0.765	0.750	0.813