秦 倩, 高 翾, 張 嵐, 汪 晶

腦膠質(zhì)瘤是最常見的腦內(nèi)原發(fā)性惡性腫瘤。2021年世界衛(wèi)生組織(World Health Organization,WHO)中樞神經(jīng)系統(tǒng)分類標(biāo)準(zhǔn)將分子分型指標(biāo)納入了腦膠質(zhì)瘤分類診斷標(biāo)準(zhǔn),如異檸檬酸脫氫酶(isocitrate dehydrogenase,IDH)、表皮生長(zhǎng)因子受體(epidermal growth factor receptor,EGFR)、端粒酶逆轉(zhuǎn)錄酶(telomerase reverse transcriptase,TERT)等,據(jù)此將腦膠質(zhì)瘤分為了1～4級(jí)[1]。相關(guān)研究表明,不同分子分型的腦膠質(zhì)瘤患者的預(yù)后有顯著差異[2-3]。Parsons等[4-5]發(fā)現(xiàn),IDH突變型腦膠質(zhì)瘤的侵襲性相對(duì)較低,對(duì)放化療敏感,總體生存期較IDH野生型長(zhǎng)。腦膠質(zhì)瘤的分級(jí)也與患者的預(yù)后密切相關(guān),腦膠質(zhì)瘤級(jí)別越高,患者的生存時(shí)間越短[6],因此對(duì)腦膠質(zhì)瘤患者進(jìn)行準(zhǔn)確的IDH突變狀態(tài)預(yù)測(cè)和WHO分級(jí)有助于評(píng)估預(yù)后。目前,病理活檢是診斷膠質(zhì)瘤分子生物學(xué)特征的主要依據(jù),但其屬于有創(chuàng)操作且實(shí)驗(yàn)結(jié)果受到腫瘤異質(zhì)性的影響。酰胺質(zhì)子轉(zhuǎn)移加權(quán)(amide proton transfer-weighted imaging,APTw)成像是一種新型MRI技術(shù),可以反映內(nèi)源性游離蛋白質(zhì)及多肽的濃度[7],為探索細(xì)胞的分子代謝提供了一種潛在方法。影像組學(xué)可以更大程度地分析、利用影像圖像中的信息[6,8]。目前基于2021年腦膠質(zhì)瘤新分類標(biāo)準(zhǔn)和3D APTw序列的影像組學(xué)研究較少。Han等[9]采用的是基于2D APTw的影像組學(xué)模型預(yù)測(cè)腦膠質(zhì)瘤IDH突變狀態(tài)且樣本量較少(59例),其曲線下面積(area under the curve,AUC)值為0.700～0.892。本研究中腦膠質(zhì)瘤的診斷標(biāo)準(zhǔn)按照2021版WHO中樞神經(jīng)系統(tǒng)腫瘤分類,采用基于3D APTw成像的影像組學(xué)方法構(gòu)建預(yù)測(cè)模型,探討其在預(yù)測(cè)腦膠質(zhì)瘤IDH突變狀態(tài)及WHO分級(jí)中的應(yīng)用價(jià)值。

1 資料與方法

1.1臨床資料 回顧性分析我院2021年4月至2022年9月經(jīng)手術(shù)病理證實(shí)且完成術(shù)前APTw成像評(píng)估的98例腦膠質(zhì)瘤患者。納入標(biāo)準(zhǔn):(1)經(jīng)手術(shù)病理證實(shí)為腦膠質(zhì)瘤,且行IDH免疫組織化學(xué)分析和相關(guān)基因測(cè)序;(2)術(shù)前MRI檢查包括T1加權(quán)像(T1 weighted image,T1WI)、液體衰減反轉(zhuǎn)恢復(fù)序列(fluid attenuated inversion recovery,FLAIR)、T1增強(qiáng)掃描(contrast examination-T1 weighted image,CE-T1WI)、3D-APTw成像序列;(3)MR檢查前均未進(jìn)行手術(shù)、放化療及其他抗腫瘤藥物治療。排除標(biāo)準(zhǔn):(1)合并腦出血、腦梗死等腦內(nèi)相關(guān)病癥者;(2)圖像質(zhì)量不佳影響病灶觀察,不能用于圖像分析的病例。本研究獲醫(yī)院倫理委員會(huì)批準(zhǔn)[2021倫理字(0984)號(hào)]。

1.2MRI檢查方法 所有患者于術(shù)前使用3.0 T(飛利浦Ingenia CX)MR掃描儀配合32通道頭線圈行頭顱MRI掃描檢查。掃描序列包括T1WI、FLAIR、CE-T1WI、3D-APTw序列。FLAIR:重復(fù)時(shí)間(repetition time,TR)4 800 ms,回波時(shí)間(echo time,TE)300 ms,矩陣252×252,視野(field of view,FOV)250 mm×250 mm,層厚2 mm;T1WI及CE-T1WI:TR 8.2 ms,TE 3.7 ms,矩陣256×256,FOV 240 mm×240 mm,層厚 1 mm;3D-APTw序列:TR 5 925 ms,TE 8.3 ms,FOV 230 mm×200 mm,空間分辨率1.8×1.8×6 mm3,回波鏈長(zhǎng)度174,信號(hào)平均次數(shù)(number of average,NSA)1,飽和功率2 μT,飽和持續(xù)時(shí)間2 s。

1.3病灶分割 在ITK-SNAP軟件(3.8.0版本)上,參考CE-T1WI、T2-FLAIR影像圖像確定病灶的強(qiáng)化區(qū)、壞死區(qū)及瘤周水腫區(qū),手動(dòng)勾畫相應(yīng)區(qū)域輪廓,并在APTw圖像上完成上述三類區(qū)域的分割。

1.4影像組學(xué)特征提取與選擇 對(duì)APTw圖像上提取病灶的強(qiáng)化區(qū)、壞死區(qū)及瘤周水腫區(qū)三類區(qū)域,分別按照成強(qiáng)化區(qū)和整個(gè)病灶(強(qiáng)化區(qū)、壞死區(qū)及瘤周水腫區(qū))提取圖像特征。首先在原始APTw圖像基礎(chǔ)上,分別進(jìn)行Wavelet、LoG、Square、SquareRoot、Logarithm、Exponential、Gradient、LocalBinaryPattern2D及LocalBinaryPattern3D處理,然后在原始APTw圖像及衍生圖像上,提取First Order、Shape、Gray Level Co-occurrence Matrix、Gray Level Size Zone Matrix、Gray Level Run Length Matrix、Neighbouring Gray Tone Difference Matrix、Gray Level Dependence Matrix特征,總共提取到1 476個(gè)圖像特征(見圖1)。所有圖像特征利用開源軟件包pyradiomics(https://pyradiomics.readthedocs.io/en/latest/index.html)完成。對(duì)提取到的影像組學(xué)特征,按照預(yù)測(cè)腦膠質(zhì)瘤IDH突變狀態(tài)、WHO分級(jí)的任務(wù),利用Least Absolute Shrinkage and Selection Operator(LASSO)方法,分別對(duì)已有的影像組學(xué)特征進(jìn)行特征選擇,以除去冗余特征。

圖1 基于APTw序列進(jìn)行機(jī)器學(xué)習(xí)的研究流程圖

1.5分類器模型的構(gòu)建和性能評(píng)估 本研究構(gòu)建了腦膠質(zhì)瘤IDH突變狀態(tài)、WHO分級(jí)的預(yù)測(cè)模型。所采用的分類器包括XGBoost、Random Forest、Logistic Regression和Support Vector Machine。對(duì)每個(gè)分類器,分別訓(xùn)練并評(píng)估其對(duì)每幅圖像的預(yù)測(cè)能力。采用五折交叉驗(yàn)證訓(xùn)練并評(píng)估模型。采用受試者工作特征(receiver operating characteristic,ROC)曲線評(píng)估所構(gòu)建模型的效能。分類器模型使用Python語(yǔ)言及開源軟件包scikit-learn(https://scikit-learn.org/)完成。

2 結(jié)果

2.1腦膠質(zhì)瘤患者的IDH突變狀態(tài)及WHO分級(jí)情況 本研究共納入98例腦膠質(zhì)瘤患者,其中IDH突變型43例,IDH野生型55例,兩組患者年齡比較差異有統(tǒng)計(jì)學(xué)意義(P<0.05),性別比較差異無統(tǒng)計(jì)學(xué)意義(P>0.05)。WHO 2/3級(jí)32例,WHO 4級(jí)66例,兩組患者年齡、IDH突變狀態(tài)差異有統(tǒng)計(jì)學(xué)意義(P<0.05),性別比較差異無統(tǒng)計(jì)學(xué)意義(P>0.05)。見表1,2。

表1 98例腦膠質(zhì)瘤患者的IDH突變狀態(tài)

表2 98例腦膠質(zhì)瘤患者的WHO分級(jí)情況

2.2分類器預(yù)測(cè)腦膠質(zhì)瘤IDH突變狀態(tài)的效能 當(dāng)以整個(gè)病灶對(duì)應(yīng)的酰胺質(zhì)子轉(zhuǎn)移(amide proton transfer,APT)區(qū)域來構(gòu)建影像組學(xué)模型時(shí),通過LASSO算法,從所有影像組學(xué)特征中保留17個(gè)特征。當(dāng)以強(qiáng)化灶對(duì)應(yīng)的APT區(qū)域來構(gòu)建影像組學(xué)模型時(shí),通過LASSO算法,從所有影像組學(xué)特征中保留19個(gè)特征。對(duì)篩選出的影像組學(xué)特征分別構(gòu)建XGBoost、Random Forest、Logistic Regression及Support Vector Machine預(yù)測(cè)模型。以分子病理的結(jié)果為金標(biāo)準(zhǔn),采用ROC曲線評(píng)估模型的預(yù)測(cè)效能(見圖2)。當(dāng)以整個(gè)病灶對(duì)應(yīng)的APT區(qū)域來構(gòu)建影像組學(xué)模型時(shí),這4種機(jī)器學(xué)習(xí)模型的AUC值分別為0.778、0.800、0.797、0.792;當(dāng)以強(qiáng)化灶對(duì)應(yīng)的APT區(qū)域來構(gòu)建影像組學(xué)模型時(shí),這4種機(jī)器學(xué)習(xí)模型的AUC值分別為0.819、0.776、0.766、0.654。

??以整個(gè)病灶對(duì)應(yīng)的APT區(qū)域構(gòu)建4種機(jī)器學(xué)習(xí)模型的ROC曲線及效能參數(shù);??以強(qiáng)化灶對(duì)應(yīng)的APT區(qū)域構(gòu)建4種機(jī)器學(xué)習(xí)模型的ROC曲線及效能參數(shù)

2.3分類器預(yù)測(cè)腦膠質(zhì)瘤WHO分級(jí)的效能 以2021年第5版WHO中樞神經(jīng)系統(tǒng)腫瘤分類為標(biāo)準(zhǔn)的病理結(jié)果為金標(biāo)準(zhǔn),當(dāng)以全瘤加瘤周水腫對(duì)應(yīng)的APT區(qū)域來構(gòu)建影像組學(xué)模型時(shí),通過LASSO算法,從所有影像組學(xué)特征中保留7個(gè)特征。當(dāng)以強(qiáng)化灶對(duì)應(yīng)的APT區(qū)域來構(gòu)建影像組學(xué)模型時(shí),通過LASSO算法,從所有影像組學(xué)特征中保留14個(gè)特征。對(duì)篩選出的影像組學(xué)特征分別構(gòu)建XGBoost、Random Forest、Logistic Regression及Support Vector Machine預(yù)測(cè)模型。采用ROC曲線評(píng)估模型的預(yù)測(cè)效能(見圖3)。當(dāng)以整個(gè)病灶對(duì)應(yīng)的APT區(qū)域來構(gòu)建影像組學(xué)模型時(shí),這4種機(jī)器學(xué)習(xí)模型的AUC值分別為0.806、0.810、0.814、0.720;當(dāng)以強(qiáng)化灶對(duì)應(yīng)的APT區(qū)域來構(gòu)建影像組學(xué)模型時(shí),這4種機(jī)器學(xué)習(xí)模型的AUC值分別為0.810、0.803、0.817、0.783。

??以整個(gè)病灶對(duì)應(yīng)的APT區(qū)域構(gòu)建4種機(jī)器學(xué)習(xí)模型的ROC曲線及效能參數(shù);??以強(qiáng)化灶對(duì)應(yīng)的APT區(qū)域構(gòu)建4種機(jī)器學(xué)習(xí)模型的ROC曲線及效能參數(shù)

3 討論

3.1目前基于2021年腦膠質(zhì)瘤新分類標(biāo)準(zhǔn)和3D APTw序列來預(yù)測(cè)腦膠質(zhì)瘤IDH突變狀態(tài)及WHO分級(jí)的影像組學(xué)研究較少且模型預(yù)測(cè)效能未知。本研究以2021年WHO中樞神經(jīng)系統(tǒng)腫瘤分類方法為標(biāo)準(zhǔn),探討了基于3D APTw成像的影像組學(xué)模型預(yù)測(cè)腦膠質(zhì)瘤IDH突變狀態(tài)及WHO分級(jí)的價(jià)值,分別從整個(gè)病灶和強(qiáng)化灶中提取影像組學(xué)特征,采用XGBoost、Random Forest、Logistic Regression及Support Vector Machine 4種機(jī)器學(xué)習(xí)算法構(gòu)建預(yù)測(cè)模型。結(jié)果表明,在預(yù)測(cè)腦膠質(zhì)瘤IDH突變狀態(tài)時(shí),采用XGBoost機(jī)器學(xué)習(xí)算法以強(qiáng)化灶構(gòu)建的影像組學(xué)模型預(yù)測(cè)效能最佳,其AUC值為0.819;在預(yù)測(cè)腦膠質(zhì)瘤WHO分級(jí)時(shí),4種機(jī)器學(xué)習(xí)模型診斷效能相似,基于全瘤及瘤周水腫與強(qiáng)化灶的影像組學(xué)模型預(yù)測(cè)效能也基本相似。

3.2術(shù)前準(zhǔn)確識(shí)別腦膠質(zhì)瘤的IDH突變狀態(tài)和WHO分級(jí)對(duì)患者的臨床診療具有十分重要的意義,它與患者的治療方案選擇及預(yù)后判斷密切相關(guān)。2021年WHO中樞神經(jīng)系統(tǒng)分類標(biāo)準(zhǔn)將IDH分子分型指標(biāo)納入了腦膠質(zhì)瘤分類診斷標(biāo)準(zhǔn)。IDH作為三羧酸循環(huán)的限速酶,能夠催化異檸檬酸生成α-酮戊二酸(α-ketoglutaric acid,α-KG)和還原性輔酶Ⅱ(nicotinamide adenine dinucleotide phosphate,NADPH)。有研究發(fā)現(xiàn)IDH突變可導(dǎo)致腫瘤代謝物D-2-羥基戊二酸的產(chǎn)生,進(jìn)而抑制腫瘤細(xì)胞增殖[10]。與IDH野生型相比,IDH突變型腦膠質(zhì)瘤生長(zhǎng)速度較慢,在經(jīng)過放化療后總體生存期和無進(jìn)展生存期更長(zhǎng)[11]。低級(jí)別膠質(zhì)瘤(low-grade gliomas,LGG)惡性程度較低,中位生存期為8～10年;高級(jí)別膠質(zhì)瘤(high-grade gliomas,HGG)侵襲性強(qiáng),惡性程度更高,預(yù)后更差[12]。由于不同IDH分子分型和WHO分級(jí)的治療方案及預(yù)后有顯著差異,因此術(shù)前無創(chuàng)性預(yù)測(cè)腦膠質(zhì)瘤IDH突變狀態(tài)及WHO分級(jí)具有重要的臨床價(jià)值。

3.3基于2016版WHO中樞神經(jīng)系統(tǒng)腫瘤分類標(biāo)準(zhǔn),近年來許多研究將MRI與影像組學(xué)結(jié)合建立機(jī)器學(xué)習(xí)模型來預(yù)測(cè)腦膠質(zhì)瘤IDH分子分型及WHO分級(jí)。Arita等[13]基于299例腦膠質(zhì)瘤患者的T1WI、T2WI、T2-FLAIR及CE-T1WI序列構(gòu)建了IDH突變狀態(tài)預(yù)測(cè)模型,預(yù)測(cè)準(zhǔn)確度為0.83。Zhang等[14]基于73例患者的T2WI、T2-FLAIR、CE-T1WI序列,運(yùn)用Support Vector Machine機(jī)器學(xué)習(xí)算法構(gòu)建了IDH突變預(yù)測(cè)模型,發(fā)現(xiàn)基于T2WI序列的預(yù)測(cè)模型效能最好,其AUC值為0.83。Huang等[15]利用59例患者的MRI圖像構(gòu)建機(jī)器學(xué)習(xí)模型,發(fā)現(xiàn)基于CE-T1WI序列的影像組學(xué)模型能較好地預(yù)測(cè)腦膠質(zhì)瘤IDH突變狀態(tài)和WHO分級(jí),AUC值分別為0.90、0.91,基于T2WI序列的影像組學(xué)模型預(yù)測(cè)O6-甲基鳥嘌呤-DNA-甲基轉(zhuǎn)移酶(O6-methylguanine-DNA-methyltransferase,MGMT)甲基化狀態(tài)的AUC值為0.86。Ditmer等[16]采用基于94例患者的T2-FLAIR序列及CE-T1WI序列的影像組學(xué)模型來預(yù)測(cè)腦膠質(zhì)瘤WHO分級(jí),研究發(fā)現(xiàn)基于CE-T1WI序列的預(yù)測(cè)模型效能最佳,其AUC值為0.90。上述研究表明基于常規(guī)MRI成像的影像組學(xué)模型在腦膠質(zhì)瘤術(shù)前診斷中具有重要價(jià)值。

3.4但是常規(guī)MRI序列主要提供腫瘤的形態(tài)學(xué)信息,隱藏在影像圖像中的特征數(shù)據(jù)有限,構(gòu)建的預(yù)測(cè)模型對(duì)術(shù)前病變的診斷準(zhǔn)確性及分級(jí)存在不足。目前,腦膠質(zhì)瘤的影像組學(xué)研究主要集中在MRI常規(guī)序列[17]。APTw成像是一種基于化學(xué)交換飽和轉(zhuǎn)移(chemical exchange saturation transfer,CEST)顯像技術(shù)的功能MRI成像序列,利用特定的飽和脈沖,使酰胺質(zhì)子中的氫質(zhì)子充分預(yù)飽和,并與周圍自由水中的氫質(zhì)子發(fā)生化學(xué)交換,通過測(cè)量氫質(zhì)子交換前后的信號(hào)變化差值,能夠半定量檢測(cè)組織內(nèi)酸堿度及內(nèi)源性游離蛋白質(zhì)和多肽的濃度,提供體內(nèi)分子代謝信息[18]。APT效應(yīng)與體內(nèi)酰胺質(zhì)子濃度及pH值呈正相關(guān),細(xì)胞代謝越活躍,其內(nèi)蛋白質(zhì)含量增多,APT值越高。腫瘤在分子水平上的改變往往早于形態(tài)學(xué)變化,因此可以采用APTw成像獲取分子水平信息,為腫瘤的臨床治療決策提供重要依據(jù)。Choi等[19]通過分析46例腦膠質(zhì)瘤患者的APTw成像,發(fā)現(xiàn)膠質(zhì)瘤分級(jí)越高APT信號(hào)越高[Ⅱ級(jí)為(0.84±0.60)%,Ⅲ級(jí)為(1.55±0.87)%,Ⅳ級(jí)為(2.53±0.70)%],APT信號(hào)在Ⅱ、Ⅲ、Ⅳ級(jí)之間的差異有統(tǒng)計(jì)學(xué)意義(P<0.001)。多項(xiàng)研究也表明,HGG細(xì)胞代謝旺盛,所產(chǎn)生的游離蛋白質(zhì)及多肽濃度更高,因此HGG的APT信號(hào)強(qiáng)度增加,高于LGG[20]。Jiang等[21]通過對(duì)27例腦膠質(zhì)瘤患者的APT圖像進(jìn)行統(tǒng)計(jì)分析,結(jié)果發(fā)現(xiàn)IDH野生型膠質(zhì)瘤的APT信號(hào)強(qiáng)度明顯高于IDH突變型膠質(zhì)瘤,其中APTwmax的預(yù)測(cè)效能最佳,AUC值為0.89。Joo等[22]也發(fā)現(xiàn)不同IDH分子分型腦膠質(zhì)瘤的APTw差異有統(tǒng)計(jì)學(xué)意義(P<0.001)。多項(xiàng)研究指出膠質(zhì)瘤術(shù)前APTw信號(hào)可以作為其預(yù)后的獨(dú)立預(yù)測(cè)因子,APTw信號(hào)增加反映了腫瘤細(xì)胞增殖活躍及侵襲性的增加[23-24]。上述研究表明將APT信號(hào)加入預(yù)測(cè)模型能顯著提高模型的預(yù)測(cè)效能。

3.5筆者研究發(fā)現(xiàn)基于APTw成像的影像組學(xué)模型能更好地定量提取每幅圖像上信號(hào)強(qiáng)度的差異性,并提供更準(zhǔn)確的圖像生物標(biāo)志物來預(yù)測(cè)腦膠質(zhì)瘤分子生物學(xué)信息。Zhuo等[25]基于APTw序列采用Support Vector Machine機(jī)器學(xué)習(xí)算法構(gòu)建影像組學(xué)模型,發(fā)現(xiàn)它能很好地預(yù)測(cè)H3K27M突變狀態(tài),準(zhǔn)確度為0.88,靈敏度為0.92,特異度為0.80。Han等[9]研究了基于APTw序列的影像組學(xué)方法對(duì)腦膠質(zhì)瘤IDH突變狀態(tài)的預(yù)測(cè)效能,AUC值為0.700～0.892,但其采用的是基于2D APTw的影像組學(xué)模型。本研究基于2021年腦膠質(zhì)瘤新分類標(biāo)準(zhǔn),采用了3D APTw成像的影像組學(xué)方法。從多種機(jī)器學(xué)習(xí)得到的結(jié)果顯示,所運(yùn)用的各種機(jī)器學(xué)習(xí)方法在3D APTw圖像的基礎(chǔ)上對(duì)腦膠質(zhì)瘤WHO級(jí)別的預(yù)測(cè)都可以達(dá)到相對(duì)較高的水平,但是對(duì)于IDH基因突變狀態(tài)采用XGBoost機(jī)器學(xué)習(xí)算法以強(qiáng)化灶構(gòu)建的影像組學(xué)模型預(yù)測(cè)效能最佳。因此,基于APTw成像的影像組學(xué)模型有助于術(shù)前評(píng)估腦膠質(zhì)瘤的IDH突變狀態(tài)及WHO分級(jí)。在今后的研究中引入更有力的分析方法,比如深度學(xué)習(xí),有可能進(jìn)一步提高預(yù)測(cè)效能。

3.6本研究存在的局限性:(1)單中心數(shù)據(jù)。所有數(shù)據(jù)來自本院,應(yīng)與其他研究中心合作進(jìn)行外部驗(yàn)證,以提高預(yù)測(cè)模型的普適性;(2)樣本量較少。納入研究的患者數(shù)量相對(duì)較少,可能存在患者WHO分級(jí)及IDH突變狀態(tài)比例不平衡的問題,應(yīng)進(jìn)一步增加病例數(shù)提高模型的預(yù)測(cè)效能;(3)回顧性研究。本研究缺乏前瞻性,存在選擇偏倚的問題。

本研究構(gòu)建并驗(yàn)證了基于3D APTw成像的影像組學(xué)預(yù)測(cè)模型,構(gòu)建的模型可以在術(shù)前有效預(yù)測(cè)腦膠質(zhì)瘤的IDH突變狀態(tài)及WHO分級(jí)。這種無創(chuàng)性預(yù)測(cè)技術(shù)能為患者的術(shù)前診斷、個(gè)性化治療方案制定、預(yù)后評(píng)估提供重要信息,在未來的臨床診療工作中具有廣闊的應(yīng)用前景。