文献速递神经MR

MRI影像组学预测胶质瘤TERT突变:系统综述与Meta分析

Predicting TERT mutation in glioma patients using MRI-derived radiomics; A systematic review and meta-analysis.
PubMed 文献 · Eur J Radiol · 2026-08-25

该系统综述与Meta分析纳入17项研究,评估MRI影像组学模型预测胶质瘤TERT启动子突变的能力。汇总结果显示曲线下面积达0.88,敏感度83%、特异度79%。提示影像组学可作为术前分子特征评估的辅助影像生物标志物。

要点

  • MRI影像组学预测TERT突变汇总AUC为0.88,可用于术前无创分子评估。
  • 汇总敏感度83%、特异度79%,假阴性率约17%需结合其他信息。
  • 分割方式不同导致诊断性能存在显著差异,阅片和建模时需关注分割标准。

核心结论

  • MRI影像组学模型对胶质瘤TERT启动子突变具有良好诊断性能,可作为术前分子特征与危险分层的辅助影像生物标志物。
  • 汇总AUC为0.88,提示影像组学在无创预测TERT突变方面具有临床应用潜力。

研究设计与样本

  • 系统综述与Meta分析,检索PubMed、Web of Science、Embase和Scopus四个数据库。
  • 共纳入17项研究,采用双变量随机效应模型计算汇总诊断估计值。
  • 使用广义I²统计量评估异质性,通过Deeks漏斗图评估发表偏倚。

关键影像表现/征象

  • 基于MRI的影像组学特征可反映与TERT启动子突变相关的肿瘤异质性。
  • 分割方式是导致各研究诊断性能差异的显著因素,但原文未报告具体分割方式之间的影像征象对比。

诊断标准与关键数值

  • 汇总敏感度83%(95% CI: 76%-87%),特异度79%(95% CI: 71%-85%)。
  • 阳性诊断似然比3.89(95% CI: 2.78-5.43),阴性诊断似然比0.22(95% CI: 0.16-0.30)。
  • 诊断比值比17.56(95% CI: 10.57-29.16),汇总曲线下面积0.88。
  • 亚组分析显示分割方式之间诊断性能存在显著差异,原文未提供具体阈值。

临床应用与阅片要点

  • 影像组学可作为胶质瘤术前TERT突变状态评估的辅助工具,辅助分子特征判断。
  • 报告时可提示影像组学预测的TERT突变可能性,但需结合临床与常规影像综合判断。
  • 关注分割标准对模型性能的影响,阅片时注意病灶分割的一致性与可重复性。

局限性

  • 原文未具体报告各纳入研究的样本量、中心数、设备或序列细节。
  • 纳入研究之间存在显著异质性,分割方式为主要来源之一。
  • 原文未报告具体阈值或分级标准,影响诊断标准的直接临床应用。

以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。

英文原文(摘要)· 点击展开

PURPOSE: Telomerase reverse transcriptase (TERT) promoter mutations are associated with malignant progression and poor survival in glioma patients. Non-invasive prediction of TERT mutation status using radiomics may provide valuable molecular insights to guide clinical decision-making. This systematic review and meta-analysis aimed to evaluate the performance of MRI-derived radiomics-based models to predict TERT mutation in glioma patients.

METHODS: A literature search was conducted in four databases: PubMed, Web of Science, Embase, and Scopus. Pooled diagnostic estimates were calculated using a bivariate random-effects model. Heterogeneity was assessed using generalized I2 statistics, and subgroup analyses were performed to investigate the source of heterogeneity. Deeks' funnel plot was used to assess publication bias.

RESULTS: 17 studies were included in the analysis. Meta-analysis yielded a pooled sensitivity of 83 % (95 % CI: 76 %-87 %), specificity of 79 % (95 % CI: 71 %-85 %), positive diagnostic likelihood (DLR) of 3.89 (95 % CI: 2.78-5.43), negative DLR of 0.22 (95 % CI: 0.16-0.30), diagnostic odds ratio of 17.56 (95 % CI: 10.57-29.16), and the area under curve of 0.88. Subgroup analysis demonstrated significant differences based on segmentation approach.

CONCLUSION: MRI-derived radiomics models demonstrate good diagnostic performance for the non-invasive prediction of TERT promoter mutations in gliomas. These models may serve as an adjunctive imaging biomarker for preoperative molecular characterization and risk stratification.

来源:Eur J Radiol,查看原文。版权归原作者所有。

引用

  1. Moradi, Mohammadzadeh, Mehrtabar, et al. Predicting TERT mutation in glioma patients using MRI-derived radiomics; A systematic review and meta-analysis. Eur J Radiol. 2026. PMID: 42659943. doi:10.1016/j.ejrad.2026.113184

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。