文献速递神经MR

胶质瘤MGMT启动子甲基化预测的MRI影像组学研究质量评估:系统综述与Meta分析

Quality assessment of the MRI-radiomics studies for MGMT promoter methylation prediction in glioma: a systematic review and meta-analysis.
PubMed 文献 · Eur Radiol · 2024-02-03

该系统综述与Meta分析纳入26项基于MRI影像组学预测胶质瘤MGMT启动子甲基化状态的研究,采用RQS、TRIPOD和QUADAS-2评估方法学质量。RQS中位总分仅8/36(22%),TRIPOD依从性普遍偏低;汇总AUC为0.78(95%CI 0.73-0.83,I²=94.1%),仅纳入WHO IV级且行外部验证的研究AUC显著更低(0.65,95%CI 0.57-0.73,p<0.01)。作者认为影像组学模型尚不足以整合进临床实践。

要点

  • 影像组学预测MGMT甲基化的汇总AUC为0.78(95%CI 0.73-0.83),但研究间异质性高(I²=94.1%)。
  • 仅纳入WHO IV级胶质瘤并做外部验证的研究AUC显著更低(0.65,95%CI 0.57-0.73,p<0.01)。
  • RQS中位总分仅8/36(22%),TRIPOD依从性普遍偏低,方法学质量总体不理想。

核心结论

  • 研究RQS与TRIPOD指南依从性总体偏低,影像组学预测MGMT甲基化状态结果异质性大,在IV级胶质瘤中性能更低,阻碍其当前临床应用。
  • 作者指出MGMT启动子甲基化状态与MRI影像组学特征的相关性不一,影像组学模型尚不够稳健,无法在术前准确预测胶质瘤患者MGMT启动子甲基化状态并整合进临床实践。

研究设计与样本

  • 系统综述与Meta分析,遵循PRISMA声明,检索PubMed Medline、EMBASE和Web of Science截至2022年12月31日,最终纳入26项研究。
  • 纳入标准为用任何MRI序列预测MGMT甲基化状态、以影像组学特征作为分类输入、纳入任何WHO级别(I至IV级,按2016版WHO中枢神经系统肿瘤分类)胶质瘤患者的研究。
  • 采用RQS(16个条目)和TRIPOD(22个条目)评估方法学质量,用QUADAS-2评估偏倚风险与适用性担忧。
  • Meta分析仅纳入报告AUC不确定性(标准差或95%CI)且仅基于影像组学特征模型的研究,采用随机效应模型(限制性最大似然估计)。
  • 纳入研究均采用回顾性设计,患者数中位116例(最少34例,最多418例),15/26(58%)仅纳入WHO IV级胶质瘤。

诊断标准与关键数值

  • 15项研究的汇总AUC为0.778(95%CI 0.728-0.830,I²=94.08%)。
  • 外部验证且仅纳入WHO IV级肿瘤的研究AUC为0.647(95%CI 0.569-0.726,I²=0%),显著低于其他研究(亚组差异检验χ²=14.04,df=3,p=0.0029)。
  • RQS中位总分8/36(22%,范围8-44%),13项研究行外部验证,仅4项(15%)行校准和决策曲线分析,无研究行体模分析、成本效益分析和前瞻性验证。
  • TRIPOD总体依从率在16项研究中为50%至70%,在10项研究中低于50%;26项研究符合31%至68%的适用TRIPOD条目,中位总分15.5(范围10-23)。
  • QUADAS-2评估总体偏倚风险低者10项、不明确1项、高者15项;与本综述问题相关的适用性担忧除1项外均为低。

临床应用与阅片要点

  • 作者指出影像组学模型尚不足以整合进临床实践以在术前准确预测胶质瘤患者MGMT启动子甲基化状态。
  • 作者认为无外部验证步骤则无法获得可推广的结果,此类研究的结果应谨慎解读。
  • 作者建议未来研究提供所考虑肿瘤分区的更多细节(尽可能附代表性示例),并鼓励在各分区及其联合上分别开发影像组学模型以提高研究间可比性和可重复性。
  • 作者建议在不同中心间标准化序列(包括前瞻性研究)并扩大公共数据库病例数以减少变异性。
  • 作者指出未来影像组学研究在做出个体预测并用于支持临床决策时也应考虑校准分析。

局限性

  • RQS中位总分仅8/36(22%),RQS与TRIPOD依从性总体偏低。
  • 汇总AUC的异质性高(I²=94.08%)。
  • 仅15项研究提供足够信息计算汇总AUC,其余研究中有3项经邮件请求后补充缺失数据。
  • 两项研究纳入同一中心同一时期的同一患者队列,仅纳入患者数较多的一项进入Meta分析。
  • RQS在回顾性和影像-基因组相关性研究中固有偏低,域5(高证据水平)和域6(开放科学与数据)共11分难以获得。
全文中译21 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Eur Radiol. 2024 Feb 3;34(9):5802–15. doi: 10.1007/s00330-024-10594-x

引言

胶质瘤是成人最常见的原发性恶性脑肿瘤,发病中位年龄约为55至60岁[1]。在高级别胶质瘤中,大体全切除后使用替莫唑胺是联合放疗的一线药物治疗[2, 3]。在所有已发现的胶质瘤基因改变中,O6-甲基鸟嘌呤-DNA甲基转移酶(MGMT)启动子甲基化是临床环境中重要的预后分子标志物[4]。

MGMT通常保护细胞免受烷化剂[5](如替莫唑胺)的损伤,因此其通过甲基化实现的表达抑制与胶质母细胞瘤标准治疗化疗期间更好的预后相关[2, 6, 7]。事实上,MGMT甲基化与更好的生存相关,尤其是对于MGMT甲基化程度较高的患者[8]。

在少数患者中,手术切除不可行(由于合并症或高龄),或由于组织不足导致MGMT甲基化检测不成功,尤其是对于接受立体定向活检的患者。因此,通过影像学而非手术干预来确定MGMT甲基化状态的机会将对患者管理具有很大实用性。

既往多项研究试图基于经验丰富的放射科医生的视觉评估,将MRI数据与MGMT甲基化状态相关联。这些研究的结果并不总是一致,结论相互矛盾[9, 10]。基于影像组学特征提取的机器学习方法的引入重新激活了这一争论[11, 12]。

影像组学是一个研究领域,利用过去几十年来可用的计算能力提升,从放射学图像中提取和分析数千种定量生物标志物[13]。许多研究团队一直在研究影像组学特征与MGMT甲基化状态的相关性。他们的发现差异很大,从非常有前景的预测价值[14]到令人失望的结果[15]不等。

影像组学研究在其方法学流程上存在很大差异,这可能影响结果的可重复性和泛化性。在此背景下,影像生物标志物标准化倡议(IBSI)代表了一项国际努力,旨在为图像处理和影像组学特征计算提供标准化程序[16]。旨在为影像组学模型报告提供具体建议的方法学研究之一是影像组学质量评分(RQS)[17]。该工具通过评估不仅对特征提取而且对模型开发和验证的依从性,提出了对影像组学研究性能、可重复性和临床实用性的标准化评价。RQS已被应用于评估多种肿瘤疾病(如脑膜瘤、胶质瘤、转移瘤和其他肿瘤)影像组学研究的方法学质量[18–21]。

本综述旨在使用RQS条目评估基于MRI影像组学特征预测胶质瘤MGMT甲基化状态的既往研究的质量。我们还使用多变量预测模型个体预后或诊断透明报告(TRIPOD)指南[22]对这些研究进行了评估,该指南是用于报告开发和/或验证预测模型研究的常用标准。此外,我们进行了一项荟萃分析,在考虑纳入研究异质性的情况下,定量探讨研究质量与诊断准确性之间的关联。

材料与方法

本研究呈现了一项系统性文献综述和一项荟萃分析,按照系统综述和荟萃分析优先报告条目(PRISMA)声明进行。由于研究的性质,伦理委员会批准被豁免。

纳入标准

符合以下标准的研究被纳入:(1) 旨在使用任何MRI序列预测MGMT甲基化状态;(2) 使用影像组学特征作为分类输入;(3) 纳入任何WHO级别(I至IV级,根据2016年版WHO中枢神经系统肿瘤分类定义[23])的胶质瘤患者。以下情况的研究被排除:(1) 病例报告、相关性研究、评论、会议摘要、社论、通讯和综述文章,或 (2) 影像组学特征未涵盖根据IBSI指南定义的纹理特征。

检索策略与研究选择

我们在PubMed Medline、EMBASE和Web of Science数据库中进行了系统性检索,以识别截至2022年12月31日发表的所有研究,使用以下检索式:(glioma OR glioblastoma) AND (MGMT OR ‘Methylguanine methyltransferase’) AND (radiomic OR radiogenomic OR texture)。

首先,去除重复研究。然后,由三位作者(F.M.D.和M.M.具有7年、R.P.具有8年神经影像研究经验)独立筛选研究,首先审查标题和摘要以确定是否符合排除标准并应被去除。在标题和摘要筛选后被发现不符合条件的研究被排除。接下来,对已识别的研究进行全文审查以确定最终纳入研究列表。分歧通过共识解决。

数据提取

在电子表格中,我们收集了以下数据:纳入患者数量、肿瘤WHO级别、探索的其他分子标志物、MRI扫描仪数量、MRI序列、分割并考虑用于特征提取的肿瘤区域的数量和类型(例如,仅强化区域、坏死区域、T2/FLAIR高信号区域)、提取特征的数量、特征提取和分类方法,以及分类性能(即曲线下面积[AUC]、准确性)。

质量评估

我们基于RQS和TRIPOD指南评估纳入研究的方法学质量。我们的关注仅限于MGMT预测任务,而非同一研究中可能执行的其他任务。此外,使用诊断准确性研究质量评估2(QUADAS-2)评估偏倚风险和适用性担忧,该工具是诊断准确性研究系统综述中评估此类风险最推荐的工具之一[24]。关于QUADAS-2的详细信息见补充方法。

RQS

两名评价者(F.M.D. 和 R.P.)通过讨论就 RQS 的评价标准达成共识,并通过对每个 RQS 条目评分独立评价纳入研究。对研究评分存在分歧时,通过讨论和共识解决,否则由第三名评价者(M.M.)解决,以避免近期证据 [25] 所强调的评分者间可重复性可能偏低的问题。接下来,我们参照既往研究 [18, 19, 26, 27],将 RQS 的 16 个组成部分分为六个领域,并计算 RQS 每个领域及总体的累积评分。表 1 报告了按领域分组的 RQS 组成部分及其可得分值范围。

表 1 按领域划分的 RQS 条目描述,附评分范围与标准 查看原表 ↗

TRIPOD

两名评价者(F.M. 和 F.P.)通过讨论就 TRIPOD 的评价标准达成共识,并通过对每个 TRIPOD 条目评分独立评价纳入研究。分歧通过讨论和共识解决,否则由第三名评价者(M.M.)解决。对每项研究,通过将依从且适用的 TRIPOD 条目求和计算 TRIPOD 总依从评分。每个 TRIPOD 条目的总体依从率通过将依从某一特定 TRIPOD 条目的研究数除以该特定 TRIPOD 条目适用的研究数计算 [22]。

统计分析

测量的终点为每项研究仅基于影像组学(排除临床数据)的模型所得的 AUC。值得注意的是,仅报告了其 AUC 不确定性度量(标准差或 95% 置信区间 [CI])的研究被纳入荟萃分析。对于未在发表文章中报告此类信息的研究,通过电子邮件联系作者以索取这些缺失数据。合并结果及相应 95% CI 采用基于限制性最大似然估计量的随机效应模型得出 [28, 29]。个体研究的异质性采用 Cochran Q 检验和 I2 值估计。通过进行亚组分析和荟萃回归确定研究间异质性的来源,考虑以下两个因素的组合:(1)进行了外部验证;(2)仅纳入 WHO IV 级患者。发表偏倚采用漏斗图和 Egger 检验评估 [30]。统计分析使用 R(版本 4.2.1)进行,特别是“metafor”R 包 [31]。

结果

我们检索到 101 项研究,其中 26 项符合纳入标准(图 1,表 2)[11, 12, 14, 15, 32–53]。这些研究纳入患者的中位数为 116 例(最小 34;最大 418)。大多数(15/26,58%)聚焦于 WHO IV 级胶质瘤患者,其余纳入 WHO 级别异质的胶质瘤患者(I 至 IV 级,或仅 II 和 III 级)。与图像和影像组学工作流程相关的其他信息见补充表 1。

图 1 研究选择流程图 查看原图 ↗
表 2 本综述纳入的 26 项研究列表。所有研究均为回顾性设计 查看原表 ↗

RQS 评价

26 项纳入研究的 RQS 评价结果总结于表 3 并展示于图 2。中位总分为 8(22%),范围为 3(8%)至 16(44%),相对于 RQS 最高分 36(100%)。

在领域1中,大多数研究(23/26,88%)对图像采集方案提供了足够详细的描述,仅四项研究(15%)使用了公开方案。十二项研究(46%)由不同医师进行了多次分割。从未开展体模研究。

在领域2中,除两项研究外(92%),所有研究均进行了特征选择。26项研究中有13项(50%)在不重新训练所提出模型的情况下进行了验证(七项基于同一机构的数据集,六项使用外部数据集),其余13项(50%)未在独立数据集上验证已训练的模型。

在领域3中,大多数研究(15/26,58%)采用非影像组学特征进行了多变量分析。26项研究中有13项(50%)讨论了生物学相关性。所有纳入研究均与金标准进行了比较。值得注意的是,我们将多种类型的MGMT甲基化状态分析方法均视为“金标准”,因为目前对于最佳检测方法尚未达成共识[54],且MGMT甲基化阈值的取值存在高度变异性[55]。仅四项研究(15%)进行了定量分析(如决策曲线分析)以报告潜在的临床实用性。

在领域4中,所有研究均报告了判别统计量(AUC或准确率)及其统计学显著性(p值或置信区间),其中大多数研究(19/26,73%)使用重采样方法(如自助法、交叉验证)计算这些统计量;部分研究还进行了截断值分析(12/26,46%)。相比之下,仅两项研究(8%)报告了校准统计量。

在领域5中,所有研究均为回顾性设计;无研究在适当的试验中对影像组学特征进行前瞻性验证,也无研究进行成本效益分析。

在领域6中,仅四项研究具有开源扫描数据(15%),其中三项还使用了开源的兴趣区分割数据[56]。

将较近期研究与既往工作进行比较时,我们未观察到RQS评分的显著差异(补充图1)。

表3 按六个领域及总体汇总的RQS结果,以及仅基于影像组学特征的模型在MGMT甲基化状态预测中所达到的分类准确率 查看原表 ↗
图2 26项纳入研究各领域影像组学质量评分(RQS)评估结果汇总。图中每行显示各研究在某领域所得评分的分布。颜色从红色到绿色表示各条目可获评分从最低到最高逐渐递增。缩写:RQS,影像组学质量评分 查看原图 ↗

TRIPOD评估

每个研究对所有TRIPOD条目的依从性报告于补充表2。中位总分为15.5(范围10–23)。仅考虑适用条目时,26项研究满足了31%至68%的TRIPOD条目。背景、研究设计、纳入标准、结局评估盲法、预测变量的定义与处理、模型开发、局限性及解释等TRIPOD条目在超过80%的研究中有报告(表4)。与关键研究日期和场所、结局定义的时间和方法、预测变量评估的盲法及意义相关的条目依从性百分比较低(60%至80%之间)。相反,标题和摘要、样本量、统计分析方法、参与者、模型设定与性能及补充信息等其他TRIPOD条目在不到30%的研究中有报告。没有研究进行模型更新。

将较近期的研究与既往工作进行比较时,我们未观察到TRIPOD评分的显著差异(补充图1)。

表4 26项纳入研究的TRIPOD依从性总结 查看原表 ↗

QUADAS-2评估

QUADAS-2评估结果见补充图2,并在补充结果中详细报告。简言之,总体偏倚风险在10项研究中为低、1项为不清楚、15项为高;至于与本综述问题相关的适用性关注,除一项研究外其余均为低。

分类准确性与方法学质量

共有13项研究在正文中提供了足够信息以计算合并AUC。至于其余13项,仅3项在我们发送电子邮件请求后提供了此类缺失数据[32, 35, 42]。因此,16项研究被纳入荟萃分析。然而,我们发现两项研究[40, 41]纳入了同一中心同一时期招募的同一患者队列,因此这两项研究中仅一项(患者数量最多的一项)最终被纳入荟萃分析[40]。15项研究的合并AUC估计为0.778(95% CI 0.728–0.830,I2 = 94.08%)(图3)。亚组分析表明,具有外部验证且仅纳入WHO IV级肿瘤患者的研究的AUC值显著低于其他研究(0.647,95% CI 0.569–0.726,I2 = 0%)(亚组差异检验:χ2 = 14.04,df = 3,p = 0.0029)(图4)。基于RQS和TRIPOD总分等预测变量的AUC荟萃回归模型总体不显著(χ2 = 0.8506,df = 2,p = 0.6536)。逐一排除每项研究并重新计算合并AUC后,没有研究发现对该样本中观察到的异质性有显著贡献(补充图3)。根据漏斗图的视觉检查未发现发表偏倚,漏斗图未提示明显不对称(补充图4),Egger检验亦证实了这一点(t = −0.15,df = 13,p = 0.8823)。

值得注意的是,上述结果均基于仅使用影像组学特征的模型获得。26项研究中有13项探讨了将影像组学特征与非影像组学特征整合的多变量模型,并将其AUC与仅基于影像组学的模型进行比较:其中7项研究[11, 12, 37, 40, 46, 47, 50]中,非影像组学特征未被算法选中,因此未能提高模型准确性;在另外4项研究中,当模型纳入非影像组学特征时AUC值升高,如影像的其他放射学特征[39]、视觉可访问Rembrandt图像(VASARI)特征[45, 49]、分形特征[48]或多标签分类模型获得的预测结果[15];在其余2项研究中,当年龄[42]或肿瘤/水肿区域的表观扩散系数值[51]纳入多变量模型时,AUC值降低。

图3 具有AUC及其不确定性可用数据的影像组学研究的森林图。基于随机效应模型的合并AUC估计值报告于图的最后一行。缩写:RE,随机效应;AUC,曲线下面积 查看原图 ↗
图4 亚组分析结果的森林图。研究根据两个因素的组合进行分组:(1)是否进行了外部验证;(2)其分析中是否仅纳入WHO IV级胶质瘤。缩写:AUC,曲线下面积;SE,标准误;CI,置信区间 查看原图 ↗

讨论

我们回顾了26项旨在基于MRI影像组学特征预测胶质瘤患者MGMT启动子甲基化的研究。我们分析了这些研究对RQS和TRIPOD指南的依从性,发现两个量表的结果总体上均不令人满意,且分类性能异质性较大。我们对分类性能进行了荟萃分析,获得合并AUC为0.78,并发现仅在IV级胶质瘤上进行外部验证的研究AUC值显著较低(0.65)。

RQS评估

在我们的综述中,所分析研究的总RQS评分中位数总体较低(8/36分,22%),与其他影像组学研究的方法学综述[18–20, 26, 27, 57]一致。

关于具体的RQS领域,大多数研究符合领域3(生物学/临床验证和效用),其中26项研究中有19项在该领域6分中至少获得3分。然而,由于缺乏决策曲线分析,该领域很少获得满分。此类分析能够估计预测/诊断模型可实现的临床净获益,尽管在医学文献中很少进行[58]。还应注意到,该工具在文献中常被误用,尽管它仍可提供有价值的见解[59]。

关于领域1(图像和分割的方案质量与稳定性),所分析研究中不到一半(12/26)进行了多次分割:该条目非常耗时,但可提高结果的可重复性[17, 60]。

在领域4(模型性能指标)中,所有研究均进行了判别分析并报告了适当的准确性指标,其中大多数研究还使用了重采样技术(自助法或交叉验证)以减少过拟合问题。然而,校准(衡量被分类为阳性的概率与真实的潜在阳性风险之间的一致性)很少进行,可能是因为该分析在机器学习领域之外并不常用。未来的影像组学研究在做出个体预测并用于支持临床决策时,也应考虑进行此项分析。

如既往研究[18, 26]所报告,RQS在回顾性研究和放射基因组相关性研究中本质上较差,例如本综述所纳入的研究。这些研究在领域5(高证据等级)中不可避免地表现不佳,在该领域中如果研究为前瞻性则赋予36分总分中的7分。此外,除了使用大型公共数据库的研究[12, 14, 48]外,没有研究共享其图像,在领域6(开放科学与数据)中得分较低。因此,来自领域5和领域6的36分RQS评分中有11分难以归属,这表明某些RQS条目对大多数研究可能过于严格,正如最近所强调的[61]。

在领域2(特征选择与验证)中,几乎所有研究都进行了特征缩减步骤。然而,其中一半的研究未进行验证步骤(−5分),因为他们未在独立数据集上测试最终模型。这对模型的分类性能具有严重影响。

分类性能

根据我们的荟萃分析,毫不意外的是,未进行外部验证的研究比设有独立测试集的研究表现更好。事实上,机器学习方法容易对训练数据集过拟合,尤其是在训练模型之前进行特征选择步骤时[62]。这就是为什么大多数推荐指南如TRIPOD [22]和RQS要求在开发预测模型后进行外部验证步骤[60]。没有这一步骤,就不可能获得可推广的结果。因此,存在此问题的研究结果应谨慎解读。

我们的荟萃分析证明,当仅考虑影像学特征相似的IV级胶质瘤同质性队列时,MGMT启动子甲基化预测的准确性较低。换言之,考虑异质性胶质瘤级别的影像组学模型表现更好,因为它们可能受到低级别与高级别胶质瘤之间MGMT启动子甲基化水平差异的影响[63]。

其他变异来源可能存在于肿瘤分割的不同选择中。尽管19项研究确定了特定的肿瘤分区(如补充表1所示),但这些分区在各研究间并未标准化,因此无法进行亚组分析。此外,一些研究对“全肿瘤”勾画范围的说明并不总是足够具体,无法理解所考虑肿瘤的精确范围(即是否包括水肿或坏死)。未来的研究应提供所考虑肿瘤分区的更多细节(尽可能提供代表性示例),并鼓励在每个分区及其并集上分别开发影像组学模型,以提高各研究间的可比性和可重复性。

在用于提取影像组学特征的序列中还发现了进一步的变异来源。仅少数研究(26项中的5项)使用了公共数据库,而大多数依赖于单中心收集的回顾性数据,表现出很大的异质性。例如,仅6项研究采用了增强后3D-T1加权成像序列,而有13项和18项研究分别使用了平扫和增强2D-T1加权成像序列;有14项研究考虑了2D-T2加权成像序列,仅2项采用了3D-T2加权成像序列。常规序列的这种显著异质性明显降低了研究结果的普适性。在各中心间标准化序列(包括前瞻性研究)并扩大公共数据库中的病例数量可以减轻这种变异。

本综述基于涉及手工特征的常规影像组学研究,这些特征具有潜在的高可解释性,可能适用于相对较小的数据集,例如神经肿瘤学研究中通常收集的数据集。另一方面,深度学习技术正越来越多地被用于自动提取影像组学特征,这些特征有可能捕捉数据中复杂的高维模式。然而,近期使用深度学习影像组学预测MGMT启动子甲基化状态的研究报告了异质性结果,获得了高[33, 64]和低[65]的分类性能。因此,深度学习研究似乎也可能受到与本综述中所发现的类似问题的影响。然而,需要进一步证据来对此进行更深入的调查。

偏倚风险

通过QUADAS-2工具评估,大多数纳入研究具有高或不明确的偏倚风险(16/26):这与RQS和TRIPOD的结果部分一致,后者表明总体方法学质量更低。这是因为对于开发影像组学和预测模型的研究,RQS和TRIPOD比QUADAS-2更深入、更具体地审查了与若干方法学选择相关的问题。

局限性

本研究的一个局限性是仅纳入了英文撰写的论文。此外,灰色文献未被纳入;尽管如此,我们相信所纳入的研究提供了文献的全面代表性,因为我们未发现发表偏倚的证据(补充图4)。另一个局限性是,系统评价中纳入的某些研究未报告带有不确定性指标的AUC值,因此无法纳入荟萃分析。

结论

已发表文章对RQS条目或TRIPOD指南的依从性普遍较低。影像组学模型无法准确预测IV级胶质瘤中MGMT启动子甲基化状态。因此,迄今为止,它们尚不具备整合入临床实践的条件。未来旨在通过影像组学预测MGMT启动子甲基化状态的研究应纳入均质的胶质母细胞瘤患者队列,并具有足够大的病例数以便进行适当的外部验证;同时应提高对当前报告指南和影像组学流程(如RQS、TRIPOD和CLEAR [17, 22, 61])的依从性,以提升质量、可靠性以及因此的跨研究可比性。

补充信息

以下是电子补充材料的链接。补充文件1(PDF 1642 KB)

引用

  1. Doniselli FM, Pascuzzo R, Mazzi F, et al. Quality assessment of the MRI-radiomics studies for MGMT promoter methylation prediction in glioma: a systematic review and meta-analysis. Eur Radiol. 2024. PMID: 38308012. doi:10.1007/s00330-024-10594-x
  2. 全文:PMC11364578(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11364578/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。