Page 177 - 磁共振成像2024年7期电子刊
P. 177

综   述｜｜Reviews                       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


           这种疗法中受益的患者及无反应的患者至关重要，                              级、基因分型和预后等，作为一种新的识别预测和预
           以便为无反应患者提供更加个性化的靶向治疗，避                              后生物标志物的工具广泛应用于临床，为精准医疗
           免 毒 性 和 不 必 要 的 费 用 。 WEI 等      [71]  回 顾 性 纳 入    铺平了道路。但仍然存在着一些局限性：（1）大多数
           105 例 2~4 级星形细胞瘤患者，从 CE-T1WI、FLAIR                  研究样本量偏小，缺乏独立验证队伍进行模型的验
           和 ADC 图在肿瘤和瘤周水肿区提取影像组学特征，                           证，会降低结果的准确度。应开展多中心、大样本研
           使用生存分析曲线探讨 TMZ 化疗患者总生存率特                            究，多中心研究确保研究结果不依赖于单个研究中
           征，影像组学方法成功地将患者分为高风险组和低风                             心的特定条件，这增加了结果的再现性，并增强了对
           险组，以了解 TMZ化疗后的总生存期，从而为个体化                           模型的信心。（2）图像采集的标准化不一，来自不同
                                           [72]
           治疗计划提供了依据。SAMUEL等 搜集 79例原发                          中心的数据可能因为数据收集方法、设备及扫描参
           GBM或高级别IDH1突变星形细胞瘤患者，基T1WI、                         数的不同其质量和一致性会有差异, 这可能会影响
           CE-T1WI、FLAIR和ADC图像生成影像病理图，确定                       分割精度。因此必须采用标准化的方式进行图像的
           了与Bev治疗反应相关的非增强肿瘤浸润的表型。                             采集。（3）未经过良好训练的模型容易过度拟合，泛
               胶质瘤是中枢神经系统中最致命的肿瘤，生存                            化能力差，无法应用于医学。增加训练数据的数量
           时间很短，尤其是 HGG。由于治疗选择有限，临床试                           有助于防止过度拟合。（4）DL 应用的研究主要通过
                                               [73]
           验中免疫疗法更频繁地用于胶质瘤患者 。越来越                              MRI 和病理切片来显示，尚未涵盖多组学数据，如全
           多的证据表明，除了突变和分子改变之外，肿瘤的免                             外显子组序列、RNA 序列、蛋白质组学和表观基因组
           疫微环境也会显著影响肿瘤行为，影响抗肿瘤治疗                              学。在后续的工作中可以尝试更深层次的研究，更
                              [74]
           的反应或导致抗药性 。放疗和化疗等传统治疗方                              全面地了解疾病过程，并开发更有效的治疗方法。
           法以及靶向肿瘤野和聚焦超声等新型治疗方法也可                             （5）DL 模型非常复杂，需要大量的计算资源来训练
           以诱导肿瘤免疫微环境发生变化，从而导致肿瘤反应                             和优化。研究人员应该开发更优化及高效的算法为
                               [76]
           发生改变 。CHEN等 纳入379例HGG患者构建影                          分析和解释这些数据提供强大的新工具。
                   [75]
           像 组 学 免 疫 生 物 标 志 物（radiomics  immunological             作者利益冲突声明：全体作者均声明无利益冲突。
           biomarker, RIB）的影像组学模型预测M2样肿瘤相关                          作者贡献声明：高阳设计本研究的方案，对稿件
           巨噬细胞 TAM 的绝对密度，研究发现只有 RIB 评分                        重要内容进行了修改，获得了内蒙古自治区科技计
           高的患者才能从树突状细胞（dendriticcell, DC）疫苗中                  划项目的资助；王茹起草和撰写稿件，获取、分析和
           获得生存获益（DC疫苗与安慰剂：中位PFS为10.0个                         解释本研究的数据，对稿件重要内容进行了修改；全
           月和4.5个月；中位OS为15.0个月和7.0个月），DC疫                      体作者都同意发表最后的修改稿，同意对本研究的
           苗治疗是提高 RIB 高评分组生存率的独立因素。此                           所有方面负责，确保本研究的准确性和诚信。
           外，基于 RIB 评分和临床因素的影像组学列线图可
                                       [77]
           以有效预测生存率。LUAN 等 构建免疫相关的长                            参考文献[References]
           非编码 RNA 特征和影像组学特征以探讨 GBM 患者                          [1]  LOUIS  D  N,  PERRY  A,  WESSELING  P,  et  al.  The  2021  WHO
                                                                   classification  of  tumors  of  the  central  nervous  system: A  summary[J].
           的预后和免疫浸润，结果表明这些特征能够将患者                                  Neuro Oncol, 2021, 23(8): 1231-1251. DOI: 10.1093/neuonc/noab106.
           分为高风险和低风险组，且生存率存在显著差异。                               [2]  BERA K, BRAMAN N, GUPTA A, et al. Predicting cancer outcomes
                                                                   with radiomics and artificial intelligence in radiology[J]. Nat Rev Clin
           这些特征是 GBM 患者的一个新的独立预后因素，在                               Oncol, 2022, 19(2): 132-146. DOI: 10.1038/s41571-021-00560-7.
                                                                [3]  JI  X  L,  DI  Z,  BING  L.  Immune-related  lncRNAs  signature  and
           训练集和验证集中 AUC 分别为 0.890 和 0.887，并且                       radiomics signature predict the prognosis and immune microenvironment of
                                                                   glioblastoma  multiforme[J/OL].  J  Transl  Med,  2024,  22(1):  107
           与免疫细胞的浸润、关键免疫基因的表达有关，可以                                 [2024-03-04]. https://pubmed.ncbi.nlm.nih.gov/38279111/. DOI: 10.1186/
           预测免疫疗法的临床反应。                                            s12967-023-04823-y.
                                                                [4]  AFTAB K, AAMIR F B, MALLICK S, et al. Radiomics for precision
                                                                   medicine  in  glioblastoma[J].  J  Neurooncol,  2022,  156(2):  217-231.
                                                                   DOI: 10.1007/s11060-021-03933-1.
           7 不足与展望                                              [5]  YOGANANDA  C  G  B,  SHAH  B  R,  NALAWADE  S  S,  et  al.
               MRI 是胶质瘤诊断的首选影像学检查技术，可                              MRI-based  deep-learning  method  for  determining  glioma  promoter
                                                                   methylation status[J]. AJNR Am J Neuroradiol, 2021, 42(5): 845-852.
           以为临床医生提供丰富的信息来并制订适当的治疗                                  DOI: 10.3174/ajnr.A7029.
                                                                [6]  HAIDER A  S,  ENE  C  I,  PALMISCIANO  P,  et  al.  Concurrent  IDH1
           计划。因此，充分挖掘医学影像信息对于临床诊断、                                 and IDH2 mutations in glioblastoma: A case report[J/OL]. Front Oncol,
           决策和疾病预后起着至关重要的作用。影像组学可                                  2023,  13:  1071792  [2024-03-04].  https://pubmed.ncbi.nlm.nih.gov/
                                                                   37077830/. DOI: 10.3389/fonc.2023.1071792.
           以提供比肉眼更深入的表征，可以可视化整个肿瘤                               [7]  NEUMAIER F, ZLATOPOLSKIY B D, NEUMAIER B. Mutated isocitrate
                                                                   dehydrogenase  (mIDH)  as  target  for  PET  imaging  in  gliomas[J/OL].
           区域的细胞和分子特性的丰富信息，是一种有前途                                  Molecules,  2023,  28(7):  2890[2024-03-04].  https://pubmed.ncbi.nlm.
                                                                   nih.gov/37049661/. DOI: 10.3390/molecules28072890.
           的肿瘤无创评估方法。DL 可以从大量原始数据中                              [8]  LUO H, ZHUANG Q, WANG Y, et al. A novel image signature-based
           准确地找到深层和抽象的特征，目前已成为医学图                                  radiomics method to achieve precise diagnosis and prognostic stratification
                                                                   of gliomas[J]. Lab Invest, 2021, 101(4): 450-462. DOI: 10.1038/s41374-
           像分析领域广泛研究的课题。基于常规和功能 MRI                                020-0472-x.
                                                                [9]  LIN  K,  CIDAN  W  J,  QI  Y,  et  al.  Glioma  grading  prediction  using
           的 DL 和影像组学已广泛用于神经胶质瘤的术前分                                multiparametric  magnetic  resonance  imaging-based  radiomics  combined

          ·170 ·                                                                      https://www.chinesemri.com
   172   173   174   175   176   177   178   179   180   181   182