Page 174 - 磁共振成像2024年7期电子刊
P. 174

磁共振成像  2024年7月第15卷第7期  Chin J Magn Reson Imaging, Jul, 2024, Vol. 15, No. 7          综   述｜｜Reviews


              能 。 LU 等    [22]  回 顾 性 纳 入 414 例 胶 质 瘤 患 者 ，从       共生矩阵），使用最小冗余最大相关性技术来进行特
                [21]
              CE-T1WI 和 FLAIR 序列中提取 851 个影像组学特                     征筛选，经留一交叉验证和外部队列数据集验证后，
              征 ，使用最小绝对收缩和选择算子（least absolute                      AUC可达 0.83。基于影像组学特征的 ResNet被证明
              shrinkage  and  selection  operator  regression,  LASSO）  是预测胶质瘤 MGMT 启动子甲基化状态的可行工
              回归结合 10 倍交叉验证进行特征选择来构建预测                             具 ，研 究   [30]  通 过 提 取 T1WI、T2WI、ADC 图 和
              IDH 突变模型，影像组学列线图的准确性和 AUC 在                          CE-T1WI 四个序列的两个 ROI（整个肿瘤区域和肿
              测试数据集中达到 86.96% 和 0.891，在外部验证数据                      瘤核心区域）的放射组学特征 ，并将其联合输入
              集中达到 84.26% 和 0.881。基于机器学习的研究中，                      ResNet18 开 发 DL 模 型 预 测 111 名 弥 漫 性 胶 质 瘤
              WANG 等 回顾性纳入 100 例接受动态对比增强                           MGMT 启动子甲基化，取得良好的诊断性能和高准
                       [23]
              MRI（dynamic  contrast  enhancement  MRI, DCE-MRI）和   确性。YOGANANDA 等 使用 247 名受试者的脑
                                                                                          [5]
              DWI 检查的胶质瘤患者，采用支持向量机（support                         MRI图像，使用3D U-Net网络开发和训练了T2WI网
              vector machine, SVM）模型、常规模型（根据临床和形                   络以确定 MGMT启动基因甲基化状态，结果表明，基
              态学特征构建）及组合模型进行 IDH 突变的预测，与                           于DL的方法优于传统的组织学和分子方法。
              SVM 和常规模型相比，组合模型实现了最高的 AUC                           2.3 细胞周期蛋白依赖性激酶抑制剂纯合缺失
             （训练组AUC=0.967、验证组AUC=0.909）。PASQUINI                      细胞周期蛋白依赖性激酶抑制剂（cyclin-dependent
                [24]
              等 第一次尝试利用 CNN 模型预测 GBM 患者 IDH                        kinase inhibitor 2A/B, CDKN2A/B）纯合缺失是一种
              状态，实现了良好的预测性能，尤其是在相对脑血容量                             阴性预后标志物，表明中位总生存期（overall survival,
             （relative cerebral blood volume, rCBV）图谱上（准确率         OS）较短和无进展生存期（progression free survival,
                                                                            [31]
                                                 [25]
              83%，敏感度 76%，特异度 86%）。LI 等 通过在多模                      PFS）较短 。CDKN2A/B 纯合缺失的情况下，即使
              态 MR 图 像 上 结 合 DL 的 影 像 组 学（DL radiomics,            没有微血管增殖或坏死，IDH 突变组织学 2 级或 3 级
                                                                                             [32]
                                                       [26]
              DLR），获得了 0.95的 AUC。BANGALORE等 在多                     星形细胞瘤也被归类为 4 级 ，并且 CDKN2A/B 纯
              参数 MRI 上开发了 CNN 模型，仅使用 T2WI 图像就                      合性缺失已被证明是所有级别 IDH 突变胶质瘤的独
              实现了 87.5% 的分类准确率，表明 T2WI 网络在未来                       立预后标志物。
                                                                             [33]
              应用中有巨大的潜力。加上 T2WI 图像在临床广泛                                YAE 等 的研究中对 88 例 IDH 突变星形细胞瘤
              使用，且采集时间很短，从而降低了运动伪影并提高                              患者通过自动肿瘤分割评估 ADC、ADC5%、nCBV和
              了患者的舒适度，处理流程也相对简单，这为我们未                              nCBV95% 预测 CDKN2A/B 纯合缺失，结果发现较高
              来的临床工作提供了很好的思路。                                      的 nCBV95% 是 IDH 突变星形细胞瘤中 CDKN2A/B
                   6
              2.2 O -甲基鸟嘌呤-DNA甲基转移酶启动子甲基化                          纯合缺失的有用 MRI 生物标志物。DL 网络在预测
                  O - 甲 基 鸟 嘌 呤 -DNA 甲 基 转 移 酶（O -                 IDH 突变星形细胞瘤的 CDKN2A/B 纯合缺失状态方
                    6
                                                            6
              methylguanine-DNA methyltransferase, MGMT）启 动        面取得了良好的性能，一项大规模研究 应用两个多
                                                                                                      [34]
              子甲基化是胶质瘤诊断中的另一个重要分子标志                                序列网络（ResFN-Net 和 FN-Net）对 234 例胶质瘤患
              物。MGMT 启动子的甲基化导致 MGMT 表达减少                           者基于常规 MRI 影像进行 CDKN2A/B 纯合缺失预
              并增加对烷化剂的敏感性。因此，MGMT 启动子甲                             测，通过三路交叉验证总结网络的性能，结果显示
              基化的测定可以指导治疗决策，特别是在可能受益                               FN-Net 具有较高的平均交叉验证精度和 AUC，分别
              于烷化剂化疗的患者方面。                                         为 0.923 和 0.970。基于 FN-Net 的 CE-T1WI 和 T2WI
                  DONISELLI 等 回顾性分析 277 名 GBM 患者，                  的序列组合表现最好，平均交叉验证精度和AUC分别
                                [27]
                                                                                          [35]
              在 3D-CE-T1WI 和 3D-FLAIR 序列勾画感兴趣区域                    为0.8971、0.9574。GAO等 从CE-T1WI和FLAIR中
             （regions of interest, ROI）（包 括 肿 瘤 增 强 、坏 死 和         提取了 1106 个放射组学和 1000 个 DL 特征来开发区
              FLAIR 高信号区域），构建 SVM 和随机森林（random                     分 CDKN2A/B 纯合缺失状态的模型，结果发现放射
              forest, RF）两种分类模型预测 MGMT启动子甲基化，                      组学特征与 DL 特征相结合的组合模型（训练组
              发现基于三个独立 ROI的 SVM 分类器的模型显示出                          AUC=0.966；验 证 组 AUC=0.935；测 试 组 ：AUC=
                                                [28]
              最佳效能（AUC=0.894）。SAXENA等 基于400例患                      0.943）优于仅基于放射组学或 DLR 模型（训练组 ：
              者 多 参 数  MRI 图 像（T1WI、T2WI、FLAIR 和 CE-T              AUC=0.916、0.952；验证组：AUC=0.886、0.912；测试
              1WI），利 用 残 差 卷 积 网 络（residual neural network,        组：AUC=0.862、0.902）。在病例数量足够的情况下
              ResNet）建立 DL 影像标签以预测 MGMT 甲基化，结                      我们可以将放射组学特征与 DL 特征相结合进行建
              果 显 示 出 较 好 的 预 测 效 能 ，AUC 为 0.753。                  模，这样我们的研究结果会更加准确且稳定，可以获
              MATHEW 等 应用影像组学方法，收集了 235 例经                         得更加精准的信息指导患者精准治疗。
                          [29]
              病理证实的 GBM 患者的常规 MRI 图像进行 MGMT                        2.4 端粒酶逆转录酶启动子突变
              甲基化预测，提取了一阶和二阶影像组学特征（灰度                                  端粒酶逆转录酶（telomerase reverse transcriptase,

               https://www.chinesemri.com                                                                  ·167 ·
   169   170   171   172   173   174   175   176   177   178   179