近日，安徽中医药大学神经病学研究所韩永升教授团队在《Parkinsonism and Related Disorders》发表研究，开发了基于MRI影像组学与临床特征的可解释机器学习模型，用于精准预测具有神经症状的Wilson病患者抗铜治疗期间的神经功能恶化风险。

Wilson病是神经系统遗传罕见病，约1/3有神经系统症状的患者驱铜治疗初期神经症状会恶化。团队回顾性分析107例以神经系统症状为主要表现的Wilson患者临床数据与脑T1WI影像的1050个影像组学纹理特征，结合9项临床指标构建6种模型，其中XGBoost表现最佳，测试集 AUC 达 0.94。通过SHAP分析，关键因素包括UWDRS神经症状评分、起病年龄、壳核灰度非均匀性归一化特征、尾状核区域熵特征及胼胝体中心区小依赖强调特征，揭示了大脑结构纹理与神经恶化的关联。该模型可早期风险分层等，团队拟多中心验证。相关数据与代码已开源至 GitHub，为研究提供资源。

期刊链接：https://doi.org/10.1016/j.parkreldis.2025.107908

汪世靖/文图 喻绪恩/审核