指南与共识神经MRPET

高级别胶质瘤治疗反应监测生物标志物:支持临床使用先进MRI技术的证据立场声明及最新转化进展。第2部分:波谱、化学交换饱和转移、多参数成像与影像组学

High-Grade Glioma Treatment Response Monitoring Biomarkers: A Position Statement on the Evidence Supporting the Use of Advanced MRI Techniques in the Clinic, and the Latest Bench-to-Bedside Developments. Part 2: Spectroscopy, Chemical Exchange Saturation, Multiparametric Imaging, and Radiomics.
指南 / 共识 · Front Oncol · 2022-02-28

本立场声明综述了磁共振波谱、化学交换饱和转移、多参数成像和影像组学作为高级别胶质瘤治疗反应监测生物标志物的证据。胆碱基比值在鉴别肿瘤复发与放射性坏死方面表现出一致判别力,1H MRS在先进MRI技术中诊断准确度最高(敏感度91%、特异度95%)。大多数监测生物标志物尚需标准化国际共识指南。

要点

  • 1H MRS的Cho/Cr和Cho/NAA比值在肿瘤复发高于放射性坏死,汇总差值分别为0.77和1.02。
  • 1H MRS在先进MRI技术中诊断准确度最高,敏感度91%、特异度95%。
  • APT加权CEST在多项小样本研究中改善肿瘤进展与治疗相关效应的鉴别。

核心结论

  • 先进MRI技术在治疗反应评估中显示出巨大前景,但临床就绪度分析表明大多数监测生物标志物需要标准化国际共识指南。

研究设计与样本

  • 本综述由通过欧洲框架召集的先进MRI技术专家进行,聚焦于能在T1加权MRI对比增强首次增加时或之前可靠区分治疗相关效应与真性肿瘤进展的监测生物标志物。
  • 通过MEDLINE(含PubMed)、Embase和Cochrane Register检索近期系统综述和Meta分析,优先纳入遵循PRISMA-DTA方法学的研究;若系统综述发表于2015年前,则检索限制在2015–2021年。

关键影像表现/征象

  • 肿瘤波谱与健康脑组织明显不同,常可见Cho浓度升高和NAA浓度降低,NAA降低常解释为神经组织丢失或功能障碍,Cho升高反映细胞膜周转增加。
  • 乳酸水平升高可能源于无氧糖酵解(Warburg效应)、坏死或缺血;脂质水平与坏死导致的细胞膜分解相关,是高级别肿瘤的标志物。
  • 在IDH突变肿瘤中,2HG水平在辅助放化疗后下降,在肿瘤进展时升高。
  • 在7T下可检测到肿瘤区域高水平的Gln和Gly,可能分别反映恶性代谢改变和癌细胞增殖。
  • DMI可用于可视化超出葡萄糖摄取的肿瘤组织代谢,从而映射Warburg效应,可能有助于区分治疗诱导坏死与肿瘤进展。

诊断标准与关键数值

  • Meta分析(13项研究)显示Cho/Cr和Cho/NAA比值在肿瘤复发高于放射性坏死,汇总差值:Cho/Cr为0.77(95%CI 0.57–0.98),Cho/NAA为1.02(95%CI 0.03–2.0)。
  • 另一项18项研究的Meta分析报告Cho/Cr和Cho/NAA鉴别复发性胶质瘤与放射性坏死的汇总敏感度和特异度在80–90%之间,作者推荐MRS作为结构MRI的附加检查。
  • 比较解剖MRI与先进MRI的Meta分析中,1H MRS诊断准确度最高,敏感度91%、特异度95%。
  • 3D回波平面波谱成像研究中,肿瘤强化部分的Cho/NAA和Cho/Cr比值在肿瘤进展患者高于假性进展患者,判别准确度为94%。
  • 另一项MRSI研究提出肿瘤强化部分Cho/NAA≥1.3作为判定肿瘤复发的阈值。

临床应用与阅片要点

  • MRS常因体素较大、空间覆盖差、扫描时间长、伪影和离线处理复杂等原因未纳入常规临床方案。
  • CEST判读需注意T1弛豫时间延长和宽磁化转移效应等混杂因素会影响测量信号,将CEST对比变化归因于潜在生理过程时需谨慎。
  • 目前CEST成像指南尚不可用(正在准备中),部分技术验证已在7T系统的健康受试者中完成。
  • 在纳入的MRS研究中,均未明确描述评估的是肿瘤的哪一部分(如对比增强、T2高信号或坏死成分)。

局限性

  • 所有技术均存在局限性,临床诊断准确度通常缺乏高级别证据(1级或2级)。
  • SVS和MRSI的主要局限性是体素相对较大和空间覆盖差,可导致部分容积效应以及遗漏潜在肿瘤组织。
  • MRS扫描时间通常较长,颅骨脂质或磁敏感差异伪影降低波谱拟合可靠性,通常需要大量离线处理。
  • 先进采集技术需要专家操作人员和工具,已发表方法众多且缺乏直接可比性。
  • 多中心可重复性研究仍仅限于少数MRS应用。
全文中译29 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:Front Oncol. 2022 Feb 28;11:811425. doi: 10.3389/fonc.2021.811425

1 引言

对于高级别胶质瘤的治疗反应评估,需要同期、准确且可靠的监测生物标志物,因为重要挑战限制了传统结构MRI方案的使用。当前关于基于先进MRI技术的监测生物标志物潜力的证据表明,该方法学已得到显著发展。尽管一些技术经过三十年的演进已趋于成熟,但若干新的最先进方法有望为影像学手段库做出贡献。然而,所有技术的局限性仍然存在。临床诊断准确性的高级别证据(1级或2级)(1)通常缺乏。标准化工具的临床实施通常仍具挑战性,一些近期技术尚处于起步阶段。许多这些发现是在对灌注、渗透性和微结构成像模式进行综述后展示的,详见本篇两部分综述文章的第1部分(高级别胶质瘤治疗反应监测生物标志物:关于支持在临床中使用先进MRI技术的证据及最新从实验室到临床床旁进展的立场声明。第1部分:灌注和扩散技术)。

限制使用传统结构MRI方案作为监测生物标志物的挑战以及对新型监测生物标志物的需求也在第1部分中描述。为完成关于在临床中使用先进MRI技术作为监测生物标志物的证据总结,并完成对最新从实验室到临床床旁进展的强调,我们现在聚焦于代谢和/或化学成分成像的各个模式。我们还评估了所有各个模式的临床就绪度。此外,我们考虑了涉及MRI方法组合(多参数成像)或机器学习(影像组学)的后处理方法学。

2 材料与方法

综述方法在第1部分中有完整描述。简言之,应用于高级别胶质瘤治疗反应评估的先进MRI技术专家通过欧洲框架召集。共识决定是聚焦于能够在纵向弛豫时间T1加权MRI图像上对比增强首次增加之时(或之前)可靠区分治疗后相关效应(PTRE)与真实肿瘤进展的监测生物标志物。

先进成像技术分析由主题专家汇编,纳入稿件并分发给工作组成员。

为确定临床诊断准确性,我们在MEDLINE(包括PubMed)、Embase和Cochrane Register中检索了近期的系统综述和荟萃分析,优先选择遵循系统综述和荟萃分析优先报告条目:诊断试验准确性(PRISMA-DTA)方法学(2)的研究。我们还进行了检索,以分析自纳入系统综述发表以来与每种先进成像技术相关的个体临床研究;如果系统综述发表于2015年之前,我们将检索限制在2015-2021年。

3 结果

3.1 先进MRI技术

3.1.1 基于波谱的技术

3.1.1.1 方法学

质子磁共振波谱(1H MRS)是一种基于分子共振相对于水的化学位移,能够无创地表征组织中某些被称为代谢物的生化物质的技术,这些生化物质是细胞代谢的中间产物或终产物。磁共振(MR)波谱中代谢物峰下面积与该代谢物的组织浓度直接成正比。脑内的主要峰包括N-乙酰天冬氨酸(NAA)、胆碱(Cho)、肌酸(Cre)和谷氨酸(Glu)的共振峰,但可量化代谢物的总数主要取决于所用的脉冲序列、序列参数(如回波时间)和静磁场强度(3)。

众所周知,从脑肿瘤采集的波谱与从健康脑组织采集的波谱存在显著差异(4)。在肿瘤中通常可发现Cho浓度升高和NAA浓度降低。NAA降低通常被解释为神经组织的丧失或功能障碍,而Cho水平升高被认为反映了肿瘤中细胞膜周转增加。其他常用的肿瘤增殖和肿瘤代谢标志物包括乳酸、肌醇和脂质水平升高。在正常脑组织中,乳酸的浓度几乎低至MRS无法检测。乳酸水平升高可能是无氧糖酵解(即Warburg效应)、坏死或缺血的结果。肌醇的确切作用尚未完全阐明,但研究表明它可能反映脑肿瘤中存活胶质细胞的数量(5)。脂质水平与坏死导致的细胞膜分解相关,因此是高级别肿瘤的标志物(6)。由于用活体MRS直接估计肿瘤组织中的生化浓度仍然具有挑战性,临床和研究输出通常描述为与NAA或Cr的比值。

1H MRS数据可以通过单体素波谱(SVS,图1)采集,也可以通过波谱成像从多个体素采集[二维或三维磁共振波谱成像(MRSI),图2]。SVS易于实施且比MRSI耗时更少。然而,采集单个相当大的体素可能导致肿瘤采样不完整或将瘤周区域纳入样本,这可能会混淆异质性肿瘤组织的分析。

近年来,MRS界试图向前推进,并就过去十年MRS方法学的发展达成标准共识(8-11),但可重复性研究未能充分反映这些最新讨论。特别是,多中心可重复性研究仍仅限于少数MRS应用(12, 13)。

图1 在健康志愿者(左)和WHO 2级IDH突变弥漫性星形细胞瘤患者中采集的单体素1H MRS数据示例。数据采用7 T sLASER序列采集(TE 110 ms,TR 5000 ms),专门用于检测2HG。MRS体素的位置在结构图像中用红框标示。肿瘤中Cho和Lac水平升高及NAA水平降低清晰可见。胆碱(Cho)、肌酸(Cre)、N-乙酰天冬氨酸(NAA)、乳酸(Lac)、肌醇(mI)、谷氨酸(Glu)。为便于说明,使用了低级别胶质瘤。 查看原图 ↗
图2 一例少突胶质细胞瘤、IDH突变、1p/19q缺失、3级患者术后7 T MRSI扫描。采用自由感应衰减采集和基于patch的超分辨率,标称分辨率3.4 × 3.4 × 8 mm³(7)。以Cr和NAA作为常用参考,映射三种代谢物(Cho、mI、Gln)与它们的比值。无论是在左侧额叶第二病灶处,还是在胼胝体压部后方原发病灶切除腔周围,所有六种比值均明显升高,并与形态学表现相关。具体而言,对于Gln比值,表现正常的脑组织与疑似肿瘤生长之间的变化幅度超过一个数量级,使其成为有吸引力的潜在生物标志物,但量化将需要超高场系统。类似技术可用于治疗期间肿瘤活性的空间识别。胆碱(Cho)、肌酸(Cr)、N-乙酰天冬氨酸(NAA)、肌醇(mI)、谷氨酰胺(Gln)。 查看原图 ↗

3.1.1.2 来自临床研究的证据

迄今为止,已有两项荟萃分析评估了MRS在鉴别复发肿瘤与放射性坏死方面的效用(表1)。第一项荟萃分析(23)纳入13项研究,评估了1H MRS(包括SVS和MRSI)在鉴别复发肿瘤与放射性坏死方面的诊断效能。该研究显示,与放射性坏死相比,肿瘤复发中Cho/Cr和Cho/NAA比值更高(合并差值:Cho/Cr为0.77,95% CI = 0.57至0.98;Cho/NAA为1.02,95% CI = 0.03至2.0)。在另一项纳入18项研究的荟萃分析(20)中,Cho/Cr和Cho/NAA在区分复发胶质瘤与放射性坏死方面的合并敏感度和特异度据报道在80–90%之间。因此,作者建议将MRS作为结构MRI的补充。

在一项比较解剖MRI与高级MRI[即表观扩散系数(ADC)、动态磁敏感对比增强(DSC)、动态对比增强(DCE)、动脉自旋标记(ASL)和1H MRS(SVS和MRSI)]对高级别胶质瘤治疗反应评估诊断准确性的荟萃分析中,发现1H MRS在所有高级MRI技术中具有最高的诊断准确性,敏感度为91%,特异度为95%(21)。该荟萃分析纳入的MRS研究中使用了多种代谢物比值,但在大多数研究中,Cho/Cr被证明是区分真性肿瘤进展与PTRE的最佳预测指标。值得注意的是,在上述所有研究中,均未明确描述评估的是肿瘤的哪一部分(例如强化部分、T 2加权高信号部分或坏死成分)。

MRS在鉴别假性进展与肿瘤复发方面的效用研究较少,但少数研究显示了其有效性。近期一项研究使用三维回波平面波谱成像在胶质母细胞瘤患者中展示了三维磁共振波谱成像(3D MRSI)的潜力(24)。在该研究中,Cho/NAA和Cho/Cr图与解剖图像共配准,并映射到肿瘤的不同区域。与假性进展患者相比,肿瘤进展患者在肿瘤强化部分的Cho/NAA和Cho/Cr比值特异性升高,鉴别准确率达94%。另一项MRSI研究也发现了类似结果,该研究提出以肿瘤强化部分Cho/NAA ≥ 1.3作为判断肿瘤复发的阈值(25)。

表1 高级MRI治疗反应监测生物标志物的荟萃分析。此处不包括后处理方法学的荟萃分析,相关内容将在下文相应章节中描述。 查看原表 ↗

3.1.1.3 优势与不足

MRS技术用于在体肿瘤评估的主要优势在于能够在一次测量中获取一系列代谢改变,以及针对特定感兴趣靶点优化方法的灵活性。单 voxel 波谱(SVS)以及程度较轻的MRSI的主要局限性在于相对较大的体素尺寸和较差的空间覆盖(3)。这可能导致活动性肿瘤、治疗诱导的改变和坏死之间的部分容积效应,以及潜在肿瘤组织的遗漏。此外,扫描时间通常较长,经颅脂质伪影或磁敏感差异会降低波谱拟合的可靠性,并且通常需要大量的离线处理。先进的采集技术可以解决上述大多数局限性,但需要专业的操作人员和工具,并已导致大量已发表的方法学缺乏直接可比性。因此,MRS通常未被纳入常规临床方案。近期关于MRS方法学和应用共识的倡议有望促成更“公平的竞争环境”和标准化方法,从而使未来研究更具可比性(9, 26, 27)。

3.1.1.4 未来发展

在大多数关于PTRE的研究中,仅评估了最显著的MRS峰(即NAA、Cho和Cr),因为这些峰产生的信号最强,且在长回波时间下受J耦合影响最小。使用超高场1H MRS(即≥7特斯拉[T])可提高信噪比并改善分离重叠峰的能力(28)。应用3D MRSI可能克服SVS中肿瘤采样不完整的障碍,这推动了快速高分辨率波谱成像序列的发展(29)。借此,可明确评估用于肿瘤增殖和肿瘤代谢的额外标志物,包括甘氨酸(Gly)、Glu和谷氨酰胺(Gln)(30)。最近,在术前患者中显示,在7 T下可检测到肿瘤区域与瘤周组织之间除NAA水平降低和Cho水平升高之外的代谢差异(31)。例如,在肿瘤区域内发现高水平的Gln和Gly(在较低场强下分别难以与Glu和肌醇分离),Gly可能反映癌细胞增殖,Gln则反映恶性代谢改变。这些高分辨率3D代谢物图是否有助于识别PTRE尚待确定。机器学习驱动的肿瘤组织分类应用被寄予厚望,可能有助于实现这一目标(32)。

一个值得关注的特定代谢物是2-羟基戊二酸(2HG)。2HG是一种致癌代谢物,在携带异柠檬酸脱氢酶(IDH)基因突变(IDH1或IDH2)的胶质瘤细胞中产生。专用MRS序列可在体内检测到2HG这一发现,已促成多项成功研究,表明MRS可无创确定IDH状态(33)。此外,2HG MRS在治疗反应成像中的潜在作用已被提出。在IDH突变型肿瘤患者中,2HG水平在辅助放疗和化疗后下降(34, 35),而在肿瘤进展时升高(35)。此外,监测2HG水平可能对评估IDH抑制剂的效果具有特殊意义,正如一项1期临床试验所示(36)。

尽管1H MRS可提供稳态代谢物浓度的信息,但质子并非唯一具有感兴趣共振的原子核。可使用其他原子核的技术,如31P MRS和MRSI(37)、氘代谢成像(DMI)以及(超极化)13C MRS和MRSI,这些技术能够在体内评估组织代谢(图3)。例如,31P-MRSI已应用于胶质瘤细胞内外pH成像,在概念验证研究中发现7 T(37)和9.4 T(38)下pH值均升高。

这些技术可用于检测对肿瘤代谢重要的不同分子组合,如葡萄糖或ATP,并具有推导酶活性或酸度的潜力。目前,这些技术主要应用于研究环境,但可能有望用于区分PTRE,因为代谢重编程是癌症的标志性特征之一。例如,已表明DMI可用于可视化超越葡萄糖摄取的肿瘤组织代谢,从而绘制Warburg效应图,该效应通常仅见于活跃的肿瘤细胞中(39)。因此,DMI可能有助于区分治疗诱导的坏死与肿瘤进展。

图3 用波谱探测的关键代谢通路的简化示意图。Glu(来自供血脑动脉)被肿瘤细胞摄取并转化为丙酮酸,后者进入三羧酸循环并进行氧化代谢,以产生能量(ATP)。1H MRS可见的代谢物用黑色*标记,其中**表示需要专用的MRS序列。绿色*:包括可用13C或DMI观察的通路。红色*:可用31P MRS观察。三磷酸腺苷(ATP),葡萄糖(Glu)。 查看原图 ↗

3.1.2 化学交换饱和转移

3.1.2.1 方法学

化学交换饱和转移(CEST)MRI是一种技术,其中内源性蛋白质上的不稳定质子可被选择性靶向以产生对比(40)。在3 T患者研究的典型CEST检查中,使用B1饱和脉冲,其偏共振频率范围以同共振B1饱和脉冲为中心,以生成Z谱。与可移动蛋白质结合的不稳定质子因此被饱和,并当其与自由水质子交换时,将导致自由水池的饱和,这取决于其丰度和交换率。可靶向的内源性CEST效应包括酰胺(3.5 ppm)、胺(3 ppm)、总肌酸(Cre)(2 ppm)和羟基(0.9 ppm)键中质子的饱和转移。应用偏共振饱和脉冲后,Z谱中还会出现的其他效应包括半固体大分子中的宽磁化转移(MT)效应、可移动大分子中的中继核Overhauser增强(NOE)(−1至−4 ppm)(41),以及自由水质子的直接饱和(即溢出效应)(42)。请注意,特别是在3 T下,由于光谱线宽较宽,这些效应要么接近甚至与CEST研究常靶向的内源性CEST效应重叠。存在多种方法可最好地分离上述所有效应,从而可测量感兴趣的CEST效应。例如,增加主磁场强度,如使用7 T而非3 T系统,有助于分离所有这些效应,因为它导致各个效应的光谱线宽减小。优化B1饱和脉冲的持续时间和功率可用于使CEST实验对不同速率交换的质子敏感。分析方法包括磁化转移率不对称(MTRasym)(43),其中在0 ppm周围具有匹配正负位移的偏共振频率信号相互减去(图4),以及Z谱的多池拟合方法,用于明确分离各个贡献,如NOE、溢出和宽磁化转移效应(41, 44)。此外,一系列方法学考虑了会影响所产生CEST对比的参数变化。这些包括额外采集和/或分析以校正主磁场(B0)(45)和饱和场(B1)(46)的不均匀性,或T 1的变化(47)。

CEST MRI 采集和分析方法的完整概述超出了本综述的范围,此前已有论述(40)。然而,在将 CEST MRI 用于脑肿瘤成像时,一些混杂因素确实需要明确关注。例如,自由水池的 T1 弛豫时间和宽大的 MT 效应均直接影响 CEST 研究中测得的信号。在脑肿瘤中,T1 弛豫时间通常较健康白质延长,这通常归因于组织含水量增加(48),而肿瘤组织中大分子背景的变化被认为是在脑肿瘤中常见 MT 降低的原因(49–51)。此外,CEST 脑肿瘤研究中大多使用的 B1 饱和功率相对较低(< 2 µT),从而产生强烈的 NOE 效应(41)。然而,已知 NOE 在脑肿瘤中也会发生变化(52)。上述情况凸显了分离 CEST 对比中各贡献成分的困难,以及在将 CEST 对比变化归因于潜在生理过程时应谨慎对待。在回顾 CEST MRI 应用于寻找高级别胶质瘤治疗反应生物标志物的最新研究时,这是需要牢记的一个重要方面。

目前尚无成像指南(尽管正在制定中)。一些技术验证已在 7 T 系统的健康受试者中进行(53)。

图 4 化学交换饱和转移。(A、B)溶质质子(蓝色)在质子波谱中其特定共振频率处被饱和(此处酰胺质子为 8.25 ppm)。这种饱和以交换速率 ksw 转移至水(4.75 ppm),未饱和质子(黑色)返回。经过饱和期(tsat)后,该效应在水信号上变得可见(B,右)。(C)Z 谱,显示归一化水饱和(Ssat/S0)作为照射频率的函数。当在 4.75 ppm 处照射水质子时,由于直接(水)饱和,信号消失。该频率在 Z 谱中被指定为 0 ppm。在短饱和时间下,仅可见这种直接饱和。在较长 tsat 下,CEST 效应在低浓度可交换溶质质子的频率处变得可见,此时在 Z 谱中显示于 8.25 – 4.75 = 3.5 ppm 处。(D)相对于水频率对 Z 谱进行 MTRasym 分析以去除直接饱和效应的结果。图像经许可改编自(42)。 查看原图 ↗

3.1.2.2 来自临床研究的证据

酰胺质子转移(APT)加权CEST是研究最多的CEST技术,用于衍生治疗反应的生物标志物。2011年,在临床前模型中首次显示,当发生放射性坏死时(五只动物)(54)或替莫唑胺治疗后(五只对照,六只治疗)(55),病灶的APT加权信号立即下降。治疗后病灶内APT加权信号升高被认为提示肿瘤进展中细胞增殖增加,这一假说得到了APT加权CEST与Ki67(一种细胞增殖的免疫组化标志物)之间正相关的支持。此后,这一相关性在人脑胶质瘤中得到了重现(56),并导致首批结果表明治疗后APT加权CEST对比度升高与肿瘤进展而非PTRE相关。然而,应用CEST MRI鉴别肿瘤进展与PTRE是相对较新的进展,因此该主题仅有少数临床研究(见表S1)。两个研究组(57, 58)发现,在诊断为胶质母细胞瘤并在放化疗或单独放疗后接受扫描的小队列患者中,与传统影像学 alone 相比,APT加权CEST改善了肿瘤反应与PTRE的鉴别(灌注加权与APT加权CEST联合可提供最佳鉴别)。图5展示了这一示例。其中一个研究组显示,在更小的队列中,APT加权CEST在确定肿瘤进展方面优于1H MRS(59)和甲硫氨酸正电子发射断层扫描(PET)(60)。在最近的一项工作中(61),回顾性比较APT加权CEST与弥散和灌注MRI生物标志物也表明,CEST在阐明36例接受放化疗或放疗的胶质母细胞瘤患者的肿瘤进展方面具有附加价值。在另一项最近的研究中,32例患者在治疗后三个月内接受了APT加权CEST检查,在随访六个月后经放射学确认的肿瘤进展中观察到APT加权CEST升高(62)。此外,在一项先前的前瞻性研究(50)中,19例胶质母细胞瘤患者在放化疗前、期间和之后接受了系统扫描,结果显示APT加权CEST升高最早在治疗两周时即可区分进展者与非进展者。

尽管上述研究展示了几个研究组在3 T下APT加权CEST升高的临床发现,但近期工作(63)在7 T下扫描的12例胶质母细胞瘤患者中并未发现APT加权CEST升高与肿瘤进展相关。然而,当这些作者结合旨在将APT信号与高场中继核Overhauser增强效应分离的图像采集和分析方法时,他们发现后者的变化能够区分肿瘤进展与PTRE。与此一致的是前瞻性研究(64, 65)的结果,其中患者在治疗前于7 T下接受CEST MRI扫描,并将APT与NOE效应分离。这表明治疗前的CEST对比度与总生存期和无进展生存期显著相关(即一种预后生物标志物)。综上所述,这些超高场研究凸显了CEST MRI作为预后和监测生物标志物候选用于治疗反应评估的潜力,尽管所使用的不同对比度再次表明,虽然CEST对比度确实能够区分活动性肿瘤组织与PTRE,但导致这些对比度的确切机制仍有待阐明。

其他研究通过纳入(66)或聚焦于(67)胺质子交换来优化CEST图像采集使其具有pH加权,这被认为对pH变化比细胞增殖更敏感。临床前工作(68)已表明,当胶质母细胞瘤中细胞内pH因化疗而降低(即变得更酸)时,pH加权CEST对比度增加。此外,使用pH加权CEST评估治疗反应的临床概念验证已在抗血管生成治疗后的患者(69)和接受联合放化疗的患者(70)中得到证实。

图5 图像展示了两例放疗后患者的APT加权成像(3.5 ppm处的MTRasym)。患者1在因2级星形细胞瘤接受放疗和切除后62个月时,T1加权图像上可见对比增强(A)。同一患者中额外增加的MTRasym(C)提示肿瘤复发,再次手术后证实为4级胶质母细胞瘤。患者2在因3级星形细胞瘤(伴区域间变性少突胶质细胞瘤)接受放化疗后14个月时,T1加权图像上可见对比增强(B)。患者2中额外的MTRasym(D)显示低值,提示治疗效应,再次手术后经组织病理学证实为放射性坏死。图像经许可改编自(58)。 查看原图 ↗

3.1.2.3 优势与不足

CEST MRI在肿瘤成像临床诊断中的一个优势是,那些在肿瘤成像中研究最多的对比度源于内源性标志物,因此不需要对比剂。此外,与MRS相比,交换过程本身提高了CEST成像的信噪比,这允许使用更小的体素尺寸来探测异质性组织/病理,如肿瘤。凭借这些优势,CEST MRI在改善肿瘤进展与PTRE鉴别方面的潜力是明确的。然而,其弱点包括获取和分析CEST MRI数据的众多选择、治疗期间纳入CEST MRI的时间差异、目前一些研究APT加权CEST用于肿瘤治疗反应的临床研究的回顾性性质,以及上述研究中患者数量较少。这些弱点目前阻碍了对该成像技术用于治疗反应评估的确定性总结,包括何时测量的适应症以及使用哪些阈值来区分肿瘤进展与PTRE。

3.1.2.4 未来发展方向

为发展CEST MRI在区分治疗效应与肿瘤进展方面的应用,需要所有相关利益方就图像采集和分析达成共识,以实现多中心和多厂商试验。这是一个活跃的研究领域,一个国际CEST专家工作组正在致力于制定开源的共识性CEST采集和分析方案(71)。

3.1.3 新兴MRI技术

有几种新兴技术可能在未来的概念验证研究中被证明是监测生物标志物。在此,我们重点关注一些已经展示概念验证的研究。

3.1.3.1 血管架构映射与氧合成像

血管口径成像,或称血管架构映射,基于以下事实:当对比剂通过血管系统并扰动局部磁场时,梯度回波读出的MRI信号对大动脉和毛细血管敏感,而自旋回波读出的信号主要对毛细血管敏感(72)。血管架构成像在此指的是旨在评估亚体素微血管参数的建模框架,如血管密度和血管直径,其靶向直径<200 µm的血管系统(73)。这种成像方法被纳入最近的“肿瘤微环境映射”中,该映射将血管架构成像与氧代谢成像相结合,即使用定量血氧水平依赖成像测量氧摄取分数。一项研究使得能够识别肿瘤内五种不同的组织类型(坏死、伴/不伴新生血管形成的缺氧、氧化磷酸化和糖酵解)(74)。在21例治疗前后扫描的肿瘤中,这五种代谢特征的存在变化显示了复发性胶质母细胞瘤。尽管这些结果仍非常初步,但这项概念验证工作显示了该新兴技术成为未来监测生物标志物的潜力。

3.1.3.2 非质子MRI技术

钠(23Na)成像因其钠离子在组织稳态中的多种作用而在MRI研究中确立了地位(75)。与31P和13C等其他非质子技术不同,23Na信号不产生代谢物波谱,而是在大多数环境(如人体组织)中仅产生单一共振(76)。因此,23Na几乎 exclusively 进行成像(而非波谱)检查。

尽管自20世纪80年代末以来23Na MRI已成功应用于脑肿瘤(77),但更近期的文献显示其在预测IDH突变状态和肿瘤进展方面具有价值(78)。放射性治疗后(79)以及放化疗后(80)的复发性胶质母细胞瘤中已进行了钠浓度成像。前一篇病例报告的作者显示,23Na图像提供的信息与[18F]氟乙基酪氨酸(FET)PET图像中所含信息相似,并推测23Na图像因此可能在仅MRI检查环境中替代PET(79)。同样,第二项研究的作者指出,23Na图像对治疗体积的“实时”变化敏感,可用于早期改变治疗进程(80)。最近,一项研究探讨了化疗后立即测量的全肿瘤(排除坏死)及6周后随访能否预测疾病稳定或进展,但未发现与治疗反应或总生存期有任何显著相关性(81)。与其他新兴技术一样,23Na成像最好被视为一种概念验证技术,可能成为未来的监测生物标志物。

3.2 MRI数据的高级处理

3.2.1 多参数成像

3.2.1.1 多参数高级MRI

多种模态的结合可能对组织表征有价值,并通过提供肿瘤生物学的互补信息帮助区分肿瘤与PTRE,从而克服单一技术的局限性。

3.2.1.2 临床研究的证据

一项对七项多参数MRI研究(至少包括以下两种高级MRI技术:弥散张量成像(DTI)、弥散加权成像(DWI)、DSC、DCE、ASL和MRS)的荟萃分析(82)在疑似假性进展患者中显示,汇总灵敏度和特异度分别为84%和95%,但作者指出多参数成像的准确性与单项技术荟萃分析(21)中确定的单参数成像准确性无差异。表S2显示了报告≥2种参数(如PET、DWI、DSC或MRS)单独及联合诊断性能的研究结果。这些研究普遍显示联合模态时诊断准确性提高,尽管与表现最佳的单一模态相比,附加价值可能有限。与具有最高灵敏度或特异度的单一模态相比,联合灵敏度和特异度甚至可能更低。

3.2.1.3 优势与不足

多参数成像的主要优势在于通过提供生物学互补信息(例如灌注和代谢)或补偿某一模态的技术局限性(例如在存在磁敏感伪影时DSC覆盖范围受限),从而减少单一模态的假阳性和假阴性结果。然而,由于数据处理和整合的数量及复杂性,在临床中常规解读高级多参数数据可能既困难又耗时。图6展示了多参数成像的复杂性。对于需要纵向数据的方法,如相对脑血容量与ADC参数响应图组合,这一挑战可能尤为突出,而这些方法在确定治疗反应方面似乎很有前景(84)。另一个局限性是,正如本综述所示,各单一模态缺乏高级别证据,尤其是涉及技术和临床使用的既定框架,以及具有已知置信区间的明确阈值以给出可靠的放射学结果;因此,单一模态的组合可能复合误差或导致结果不确定性的增加。

图6 多参数成像。用于预测肿瘤复发的多参数成像示例。一名胶质母细胞瘤患者放疗前的基线图像显示:(A) 增强后T1加权图像上的对比增强病灶(绿色),(B) T2液体衰减反转恢复序列上的非增强体积(紫色),(C) 放疗剂量计划,其中大体肿瘤体积(红色)、临床靶体积(白色)和计划靶体积(青色),(D) [18F]FET PET,(E) [18F]FDG PET,(F) DCE血容量,(G) DTI各向异性分数,(H) DTI平均弥散率,(I) DCE血管外细胞外体积,(J) DCE平均通过时间,(K) DCE血流量,(L) DCE渗透性。随访成像显示:(M) 增强后T1加权图像和(N) [18F]FET PET成像上的复发肿瘤(红色)。右下图显示叠加在放疗剂量计划大体肿瘤体积(红色)和实际复发边界(白色)上的复发概率图。经许可改编自(83)。 查看原图 ↗

3.2.1.4 未来发展

一个关键的发展领域是确定应分析和整合哪些模态和参数,以给出临床有用的单一诊断指标。一种简单的方法是应用评分系统,其中每个模态被评定为阳性或阴性,阳性标志物的数量被相加得出总分。一项早期研究结合ASL、DCE、DSC和MRS发现,评分≥2时特异度为94%,而单一模态为77–84%(85)。为考虑病灶异质性,一项比较假性进展与真性进展的研究应用了由自动化基于体素的多参数聚类所识别的不同肿瘤成分的评分,得出整个病灶的最终体积加权评分。在独立测试集中应用该方法,使用聚类评分总和可正确分类87–89%的病灶,而使用单一模态为76–83%(86)。

其他人已经应用机器学习方法(下文将更详细描述)进行基于结构MRI、DSC和ADC的复发或假性进展的自动化体素分类(87),或者通过提供预测手术后(88)或放疗前(83)一次性多参数成像将出现下游肿瘤进展的体素图(即预后生物标志物),或通过观察图像随时间的时间变化(89)。最近的一项系统综述得出结论,机器学习与多参数数据的整合对于治疗前后弥漫性浸润肿瘤细胞的可视化具有前景。该综述还得出结论,由于研究队列较小,需要进一步研究以确定最佳方法,并且需要更大的队列来提高模型性能(90)。机器学习的一个优势是可以相对容易地处理宽数据(91),这可能允许将广谱的先进成像特征一起捕获,从而提高性能准确性。然而,需要重申的是,与单模态方法相比的一个缺点是,来自单个模态的输出组合如果没有技术和临床使用框架,可能会加剧中心间变异性并显著降低泛化性。

3.2.1.5 PET/MRI

PET越来越多地被用作MRI的辅助手段用于脑肿瘤的管理。表2概述了胶质瘤中最常用(或方法学相关)的PET示踪剂,按摄取机制分组。PET数据最常在独立的PET/计算机断层扫描系统上获取,然后融合到MRI,但混合PET/MRI系统的优势在于允许在单次成像会话中同时获取PET以及先进和常规MRI。在可用的示踪剂中,只有氨基酸示踪剂,如[18F]氟乙基酪氨酸(FET),和葡萄糖类似物[18F]氟脱氧葡萄糖(FDG)PET已被纳入欧洲核医学协会/欧洲神经肿瘤学协会(EANO)联合指南(98, 99)。氨基酸示踪剂通常优于FDG,因为肿瘤摄取更具特异性(如图6所示)。使用[18F]FET的氨基酸PET的可重复性仅在动物模型中进行了研究(100)。由于PET成像的主要变异性与示踪剂相关,与部位或扫描仪的关系较小,因此当遵循共识指南时,供应商-部位相关差异预计较小,并且PET示踪剂已在多中心研究中可靠应用(101, 102)。

几篇综述强调了通过使用混合PET/MRI系统将同时获取的PET与先进MRI相结合的潜力(图7),但实际研究多模态方法在区分复发性胶质瘤与PTRE方面价值的研究数量有限。最近结合[18F]FDG(105)或氨基酸示踪剂(106–109)与DSC、DWI和/或MRS(见表S2)的研究表明,这种多模态成像可能提供互补和附加信息,从而提高整体诊断准确性,但最佳模态组合尚不明确。

表2 用于区分进展与治疗后相关效应的常用PET示踪剂。 查看原表 ↗
图7 混合PET/MRI协议示例。MRI数据在采集(A)静态20分钟或(B)动态40分钟PET数据期间获得。分别经(103)和(104)许可改编。 查看原图 ↗

3.2.2 机器学习与影像组学

3.2.2.1 方法学

“影像组学”(图8)是从影像数据集中提取潜在的定量信息,以开发人类个体评估者可能不易肉眼可见的生物标志物。通常,影像组学包括以下阶段:图像预处理、特征估计(量化或表征图像)、特征选择(降维以去除潜在数据中的噪声和随机误差,从而减少过拟合)、分类(决策或判别分析)和评估(111)。影像分析研究中的评估最初包括分析验证,即评估生物标志物的准确性和可靠性(112)。临床验证是随后对生物标志物性能进行的临床测试,通常在临床试验中进行。

一些研究使用了应用统计模型,一些研究采用了机器学习模型,许多研究同时利用了二者。它们之间的基本区别在于,统计学从样本中推断总体,而机器学习寻找可泛化的预测模式(113)。近期的工作利用了技术的发展,使得能够使用更为复杂的监督式、无监督式和强化机器学习,包括使用深度(多层)神经网络,从而实现特征估计和选择步骤的自动化(91)。

图8 影像组学研究的分期。显式特征工程由从左到右的一系列方框表示,从预处理开始,到对留出测试集进行分类结束。隐式特征工程(深度学习)由这些方框下方的神经网络表示,该网络整合了显式特征工程的许多步骤。与显式特征工程一样,为实现分析验证,必须对留出测试集进行分类。一旦实现分析验证,理想情况下需通过临床试验对模型进行测试以实现临床验证,其方式与新治疗药物或手术干预接受试验相同。影像组学基于图像,然而,还可纳入额外信息,如临床或人口学信息。所有研究都需要一定的预处理,例如数据清洗或将文件格式从DICOM转换为NIfTI。对于显式特征工程,通常需要额外的预处理,如图像分割。在此处所示的示例中,T2加权图像中与4级胶质母细胞瘤相关的髙信号体素被分割为感兴趣区以进行影像组学分析。使用11个不同的灰度阈值提取掩膜,以给出黑白像素的二值组合。此后,可将精心设计的图像分析特征(或“估计特征”)应用于像素。在所示示例中,这些是图像异质性的拓扑描述符(白色像素面积 = 1;白色像素周长 = 4;环减去孔,即亏格 = 0)(110)。可使用统计学或机器学习技术选择最具判别力的特征,并使用机器学习算法进行分类。在所示示例中,使用了支持向量机(该机器学习算法被描述为“经典”,以将其及其他类似算法与深度学习算法区分开来),并确定了进展(实心黑点)和假性进展(空心黑点)病例。 查看原图 ↗

3.2.2.2 优势与不足

将机器学习高级别胶质瘤监测生物标志物转化为临床应用存在若干障碍(114)。这些障碍主要涉及需要经过准确标注的大型数据集来训练模型。然而,机器学习还有一些额外的弱点。以准确性驱动的性能指标导致了模型日益不透明的趋势(115),尽管近期在可解释性和可解释性方面的发展可能在一定程度上有助于缓解这一问题(116)。此外,将经验数据与分类分析相联系忽视了观察现象中固有的模糊性(117),这可能对预期性能产生不利影响(118)。同时,算法可能因若干技术限制而不可靠:域适应目前有限,需要更多解决方案来帮助算法良好地外推至新中心。在高级成像中尤其如此,因为缺乏已建立的技术采集和临床处理框架,导致各医院站点之间数据的空间异质性。高级成像的多参数组合进一步加剧了异质性,并进一步增加了模型泛化性的挑战。对非预期数据(如伪影)的鲁棒性也是需要克服的技术限制。最后,存在一种以上病变(例如治疗后与肿瘤相关的脓肿)也可能混淆算法,因为这些病例稀少且通常未标注。

尽管如此,机器学习模型具有若干关键优势。鉴于软件的巨大发展(119),它们所需的正式统计学培训较少,而且开源软件的标准化实现(120, 121)使研究人员所需的编程专业知识现已大幅降低。机器学习模型还能够隐式地确定自变量与因变量之间的任何复杂非线性关系(119),并能够确定预测变量之间所有可能的交互作用(115)。

3.2.2.3 临床研究的证据

如其他地方所示,多项研究试图开发监测生物标志物以确定治疗反应。许多研究将机器学习作为该过程的核心支柱。一项截至2018年的研究综述(91)、一项使用PRISMA-DTA方法学对2018-2020年研究的系统综述(122)以及一项2018-2021年的荟萃分析(123)表明,那些利用增强的计算处理能力构建监测生物标志物模型的研究(例如,使用卷积神经网络等深度学习方法)与使用显式特征工程和计算成本较低分类器的机器学习技术(例如,使用“经典”机器学习方法支持向量机)相比,尚未显示出性能优势。同样值得注意的是,应用机器学习构建监测生物标志物模型的研究尚未显示出相较于使用传统统计方法的研究的整体优势。使用MRI特征区分进展性疾病和诊断准确性的机器学习模型具有良好的诊断性能,测量指标包括召回率 = 0.61 – 1.00、特异性 = 0.47 – 0.90、平衡准确率 = 0.54 – 0.83、精确率 = 0.58 – 0.88、F1分数 = 0.59 – 0.94、AUC = 0.65 – 0.85(122, 123)。最近对十项研究的荟萃分析显示,汇总真阳性率(灵敏度)= 0.769(0.649 – 0.858)、假阳性率(1-特异性)= 0.352(0.251 – 0.468)、汇总AUC-ROC = 0.765。其他汇总指标显示衍生测量的平衡准确率 = 0.706(0.623–0.779);阳性似然比 = 2.220(1.560–3.140);阴性似然比 = 0.366(0.213–0.572);诊断比值比 = 6.670(2.800–13.500)(123)。值得注意的是,这些研究纳入的患者数量少、偏倚风险高且研究设计存在适用性担忧,加之监测生物标志物研究为回顾性研究导致证据水平低,提示可从数据中得出的结论有限。结果表明,通过机器学习开发的胶质母细胞瘤治疗反应监测生物标志物具有前景,但处于早期开发阶段,尚不适合纳入临床实践以区分肿瘤进展与PTRE。此外,尚无针对该特定应用的实践指南。所有已发表的研究都将受益于方法学的改进。未来的研究将受益于使用外部留出测试进行分析验证,以及受益于更大的数据集以减少过拟合。

3.2.2.4 未来发展方向

脑肿瘤数据库管理的进步将促进影像、临床、人口学和分子标志物信息的整合,从而创建大型数据库,使机器学习模型能够以前所未有的更大规模进行训练和测试(114)。大量数据的采集和更广泛影像表型的纳入通常会改善机器学习或统计任务中的诊断性能;深度学习模型性能的相对提升尤为显著(124–126)。对于深度学习,对超大型数据集的依赖可以通过数据增强和迁移学习来减少;后者是将一个已针对某项任务开发的模型作为第二项任务模型的起点加以复用,这对医学任务尤其有利,因为这些预训练模型不仅免除了对超大型数据集的需求,而且计算成本更低(116, 127, 128)。单样本或少样本学习与此相关,允许从极小的标注训练集构建分类器(129)。

一旦建立,来自大规模实时数据库的传入数据将允许持续改进和结果评估。此外,分布式机器学习方法,特别是联邦学习,将能够在大规模去中心化数据上进行训练(130)。联邦学习是“将代码带到数据处,而非将数据带到代码处”这一更通用方法的实例之一,并缓解了隐私、所有权和数据 locality 的根本问题。尽管该技术尚处于早期研究阶段,联邦学习似乎适用于隐私保护型医学应用(131, 132),尤其是针对高级别胶质瘤监测生物标志物。然而,潜在的隐私与性能权衡尚不清楚。一旦建立,联邦学习可能会加速所提出方法的验证,因为所需的行政数据访问要求将减少,而样本将继续通过来自多个站点的新数据得到扩展。

3.3 认可

3.3.1 指南中的推荐

尽管大多数检查方式的诊断准确率似乎已高到足以用于临床应用,这应鼓励其临床使用,但由于与临床准备度相关的多种原因,其在临床指南中的接受度仍然有限,表3对此进行了总结。在近期欧洲神经肿瘤学会(EANO)/神经肿瘤学会关于胶质母细胞瘤管理的指南(144)以及EANO关于弥漫性胶质瘤的指南(145)中,仅灌注MRI和氨基酸PET被建议为有帮助,且仅在怀疑假性进展的情况下被提及。在2017年修订的神经肿瘤反应评估(RANO)标准(141)中,指出先进MRI技术,如DSC、DCE和氨基酸PET,“已显示出前景,但需要进一步工作来标准化这些方法并提高其敏感性和特异性”,并且“成本和可及性问题需要在它们被广泛应用于临床试验之前加以解决”。因此,RANO标准仍然仅基于增强后T1加权图像(以及2010年RANO指南中的T2加权/液体衰减反转恢复序列,尽管未量化)。在Jumpstarting脑肿瘤药物开发联盟提出的最小成像方案(143)中,该方案旨在广泛适用于多种MR扫描仪,除这些常规结构序列外,仅纳入DWI(三个b值)。DWI也因其广泛使用和“潜在获益”而被纳入儿童高级别胶质瘤RANO建议中提出的最小成像方案,而灌注MRI和MRS则被视为实验性(149)。表3中纳入了在GliMR相关国家中开展的国家成像指南调查的总结(方法和结果见补充材料)。具体而言,我们确定了是否存在关于将先进MRI技术纳入(常规或可选)临床实践以判断高级别胶质瘤治疗反应的指南。

表3 先进MRI技术的发展现状。 查看原表 ↗

3.3.2 先进MRI的临床应用

关于高级MRI在日常临床实践中当前应用的已发表证据有限。欧洲的调查显示,高级MRI技术广泛可用(150),并且也应用于脑肿瘤成像(147, 151, 152),但各国之间存在显著差异。一项对220个欧洲中心的调查(调查回复率3%)显示,尽管高级MRI技术广泛可用,但为了区分放射性坏死与疾病进展,灌注成像最常用(56%的中心),而MRS和DWI很少使用(分别为6%和5%的中心)(147)。一项主要在美国进行的灌注MRI调查(调查回复率5%)报告,81%的中心广泛提供用于脑成像(所有适应证)的灌注MRI,其中DSC最常提供(87%),其次是DCE(41%)和ASL(35%)(148)。在提供灌注MRI的中心中,最常见的适应证是轴内脑肿瘤的治疗后评估(87%),特别是区分进展与放射性坏死(96%)或假性进展(84%)。作者指出,尽管在调查时缺乏报销且指南对灌注成像的支持有限,灌注成像仍被广泛采用,这表明放射科医生和转诊医生都认为这些技术有价值。然而,尽管高级MRI似乎被广泛采用,但美国和欧洲的调查结果可能因样本不具代表性而受到混杂影响,无应答者超过95%。一项英国对所有神经肿瘤中心的术后成像调查(调查回复率100%)显示,大多数中心(>80%)将DWI纳入标准方案,而其他高级MRI技术(DSC、DCE或MRS)仅在10%的中心于随访期间常规应用,在可能存在假性进展的选定病例中由35%的中心应用(153)。值得注意的是,神经放射科医生是使用高级成像的主要倡导者,而神经肿瘤科医生更可能提出需要更多证据。

4 结论

高级别胶质瘤的生化组成与健康脑组织明显不同。MRS允许同时获取一系列代谢改变,基于Cho的比值在治疗反应评估中似乎具有一致的鉴别能力,尽管该技术虽然成熟但仍存在挑战。有前景的方向涉及超高场强和高分辨率MRSI、2HG分析以及非质子核的使用。内源性蛋白质上的不稳定质子可通过CEST选择性靶向,从而获得高分辨率图像。APT成像临床应用的证据体系已积累十年,但需要更多证据来确认CEST作为监测生物标志物的用途。多参数方法,包括结合核医学技术,将测量不同肿瘤特性的探针结合起来。尽管具有潜在协同作用,但每种单独模态的局限性也可能叠加,特别是在缺乏标准化的情况下。机器学习需要具有高质量注释的大型数据集;目前,关于监测生物标志物临床应用的证据水平较低。

总之,先进MRI技术在治疗反应评估方面展现出巨大前景。临床就绪度分析强调,大多数监测生物标志物需要标准化的国际共识指南,并在临床中为技术实施和报告提供更多便利。技术标准化的益处在多参数成像方面将成倍放大,也将有助于释放机器学习工具的巨大潜力。

作者贡献

作者TB和OH担任总体编辑。各章节的起草者如下:引言(TB)、DSC-MRI(KS和MÁ-T)、DCE-MRI(OH)、ASL(PF和VK)、扩散技术(RN、FR和VK)、波谱(ECW和GH)、CEST(EAHW)、多参数成像(OMH)、临床就绪度(OH)、影像组学(TB)、讨论(TB)。所有作者均对本文两部分的构思作出了贡献,对其进行了批判性修订,并批准了提交版本。

基金资助

本出版物是COST行动CA18206胶质瘤MR成像2.0(www.glimr.eu)的一部分,由COST(欧洲科学与技术合作)支持,www.cost.eu。GliMR为前往参加早期交流会议的成员提供了差旅和住宿。

- KS:美国国立卫生研究院/国家癌症研究所R01 CA255123、U01 CA176110、UG3 CA247606,威斯康星医学院癌症中心。

- GH:奥地利科学基金资助KLI-646。

- ECW:荷兰研究理事会(NWO)人才计划Veni:18144

- EAHW:荷兰研究理事会(NWO)人才计划Veni:91619121

- PF:葡萄牙科学技术基金会(FCT)资助UIDB/50009/2020。

- RN:巴贝什-博尧伊大学,资助GTC编号35277/18.11.2020。

- TB:Wellcome/EPSRC医学工程中心[WT 203148/Z/16/Z]。

- MÁ-T:ALBATROSS项目(2017-2020年国家科学技术研究与创新计划及DPI2016-80054-R(国家研发与创新人才推广与就业计划))。

利益冲突

KS:持有IQ-AI Ltd的所有权权益,并在Imaging Biometrics LLC拥有经济利益。TB为AbbVie和Siemens Healthineers的演讲者 bureau 成员。

其余作者声明,本研究是在不存在任何可能被视为潜在利益冲突的商业或财务关系的情况下进行的。

出版者说明

本文中表达的所有主张仅代表作者本人,不一定代表其所属组织,也不一定代表出版者、编辑和审稿人的观点。本文中可能评估的任何产品或其制造商可能作出的任何主张,均不受出版者保证或认可。

引用

  1. Booth TC, Wiegers EC, Warnert EAH, et al. High-Grade Glioma Treatment Response Monitoring Biomarkers: A Position Statement on the Evidence Supporting the Use of Advanced MRI Techniques in the Clinic, and the Latest Bench-to-Bedside Developments. Part 2: Spectroscopy, Chemical Exchange Saturation, Multiparametric Imaging, and Radiomics. Front Oncol. 2022. PMID: 35340697. doi:10.3389/fonc.2021.811425
  2. 全文:PMC8948428(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8948428/

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。