文献速递神经MRCT

常规MRI特征可预测成人2-3级颅内弥漫性胶质瘤的分子亚型

Conventional MRI features can predict the molecular subtype of adult grade 2-3 intracranial diffuse gliomas.
PubMed 文献 · Neuroradiology · 2022-05-24

研究纳入2007至2013年诊断的119例成人2-3级颅内弥漫性胶质瘤,由两位神经放射学家独立评估9项常规MRI特征并与IDH/1p19q基因型相关。T2-FLAIR不匹配(≥25%阈值)预测IDH突变且1p19q完整型的特异度为100%、敏感度为63%,是跨基因型最具预测价值的单一特征。增强、坏死和出血与IDH野生型相关,钙化与IDH突变且1p19q共缺失型相关,逐步算法阳性预测值为91.8%。

要点

  • T2-FLAIR不匹配≥25%时全部37例均为IDH突变且1p19q完整型,特异度100%、敏感度63%。
  • T2-FLAIR不匹配分层为>50%、25-50%、<25%,是跨基因型最具预测价值的特征(p<0.001)。
  • 增强、坏死、出血与IDH野生型相关,钙化与IDH突变且1p19q共缺失型相关(OR 8.3)。

核心结论

  • T2-FLAIR不匹配即使采用≥25%的较低阈值仍强烈预测IDH突变且1p19q完整型,其价值超过其他特征。
  • 次要特征包括增强、坏死和出血预测IDH野生型(尤其是「分子胶质母细胞瘤」),钙化预测IDH突变且1p19q共缺失型。
  • 纳入这些特征的逐步算法阳性预测值为91.8%,但相当比例肿瘤不显示任何关键特征,用常规MRI高准确度预测全部三种分子亚型的目标尚未实现。

研究设计与样本

  • 单中心回顾性研究,经机构人类研究伦理委员会批准(HREC编号QA2017093),纳入2007年9月至2013年12月新诊断的成人2-3级颅内胶质瘤119例。
  • 两位来自不同机构、具神经肿瘤亚专业经验的神经放射学家(分别有8年和13年经验)在不知分子状态下独立评估9项常规MRI特征。
  • 观察者间一致性好(κ≥0.6)的特征进入共识评估:部位(κ=0.939)、坏死(κ=0.766)、边界清晰(κ=0.723)、增强(κ=0.706)、磁敏感(κ=0.622)、T2-FLAIR不匹配(κ=0.616)。
  • 参考标准为组织病理及分子检测(IDH1-R132H免疫组化、1p/19q-FISH、IDH焦磷酸测序,必要时下一代测序),按WHO 2016/2021标准分为IDHmut/1p19qcodel、IDHmut/1p19qint、IDHwt三类。
  • MRI来自多种扫描仪包括外院设备,并复习相关CT(优先术前)和磁敏感序列(含相位图)评估钙化与出血。

关键影像表现/征象

  • T2-FLAIR不匹配表现为T2WI高信号区在FLAIR上信号明显减低,按占肿瘤体积>50%、25-50%、<25%分层。
  • 边界清晰定义为>75%肿瘤周径呈地图样边缘;增强分为无、絮状(细微模糊无明确结节)和明确结节状。
  • 中心坏死要求中央无增强区被完整增强环包绕;磁敏感记录为无、符合钙化、符合出血或钙化与出血难以区分。

诊断标准与关键数值

  • T2-FLAIR不匹配≥25%预测IDHmut/1p19qint:37例全部为该亚型,特异度100%、敏感度63%(p<0.001)。
  • 边界清晰单因素与IDHmut/1p19qint相关(OR 7.7,95%CI 3.0–19.8,p<0.001),但仅分析<25%不匹配肿瘤时关联消失(p=0.386)。
  • 增强(OR 5.1,95%CI 2.0–12.8,p=0.001)和坏死(OR 5.2,95%CI 1.8–14.5,p=0.002)与IDHwt相关;钙化与IDHmut/1p19qcodel相关(OR 8.3,95%CI 2.0–35.0,p=0.004)。
  • 逐步算法(先评估T2-FLAIR不匹配,再磁敏感,再增强)阳性预测值87.3%、60%肿瘤有阳性发现;以坏死替代增强阳性预测值91.8%、51%肿瘤有阳性发现。

临床应用与阅片要点

  • 阅片时先评估T2-FLAIR不匹配,≥25%即可高置信度提示IDHmut/1p19qint,即使存在坏死等其他特征。
  • 排除≥25%不匹配肿瘤后,出血均见于IDHwt,增强OR由5.1升至5.6、坏死OR由5.2升至8.2,对IDHwt的预测改善。
  • 边界清晰与T2-FLAIR不匹配高度相关(列联系数C=0.72),在校正不匹配后对IDHmut/1p19qint的预测价值有限。
  • 磁敏感特征预测价值有限,76.5%肿瘤无磁敏感表现,且13例(10.9%)钙化与出血难以区分。
  • 作者建议采用逐步多特征算法(原文图3),并按T2-FLAIR不匹配、磁敏感、增强的顺序评估。

局限性

  • 磁敏感评估受限,因数据集中常缺乏术前CT和/或SWI相位图,许多病例无法区分钙化与出血。
  • 未纳入ADC测量是本研究的一个潜在局限,ADC对无任何关键特征的肿瘤可能最有价值,但可能与T2-FLAIR不匹配相关,需进一步研究。
  • 尽管纳入特征多于既往许多研究,相当比例肿瘤不显示任何关键特征,用常规MRI高准确度预测全部三种分子亚型的目标尚未实现。
全文中译9 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:Neuroradiology. 2022 May 24;64(12):2295–305. doi: 10.1007/s00234-022-02975-0

引言

2016年世界卫生组织(WHO)中枢神经系统肿瘤分类更新[1](WHO 2016)将分子生物标志物作为胶质瘤特征描述的关键组成部分,这促使研究者开展影像特征与这些分子标志物相关性的研究,即放射基因组学或影像基因组学。放射基因组学可在多种情景下辅助临床管理[2],并且可以说,随着更多分子生物标志物基于cIMPACT-NOW的建议[3]和近期2021年WHO分类[4](WHO 2021)进入临床实践,其潜在价值正在进一步增加。自WHO 2016以来,两种分子标志物为较低级别(WHO 2–3级)弥漫性胶质瘤(LGG)的分类提供了基础:异柠檬酸脱氢酶-1或-2变异状态(IDH;IDH突变型或IDH野生型)和1p/19q共缺失(染色体1短臂和染色体19长臂同时缺失)[1]。这两种标志物可将LGG分为三种亚型之一:IDH突变伴1p/19q共缺失(IDHmut/1p19qcodel)、IDH突变伴1p/19q完整(IDHmut/1p19qint)和IDH野生型(IDHwt)[1]。因此,这些标志物一直是大量研究的焦点。WHO 2021的一个值得注意的新增内容是将分子标准加入胶质母细胞瘤的诊断(“分子GBM”),如果至少证明三种额外分子特征之一,则允许将表型为2–3级的IDHwt胶质瘤诊断为胶质母细胞瘤[4]。如果这些分子特征不存在,则肿瘤标记为IDHwt NEC(未在其他地方分类)[4]。然而,鉴于该分类较新,检查这些额外分子标志物的放射基因组学研究仍然匮乏。

对常规临床MRI扫描的放射基因组学研究大致可分为放射科医师的传统视觉评估(传统放射基因组学)和利用人工智能(AI)技术的分析(AI放射基因组学)。正如预期的那样,近期已转向AI技术研究,但这些尚未进入临床实践,并且仍存在一些局限性[5]。相比之下,通过传统影像评估预测基因型可以立即纳入常规临床实践[2]。此外,传统放射基因组学研究结果为AI识别的相关性提供了基础。例如,一项利用深度学习和多参数成像的研究发现,加入CT改善了仅使用MRI和正电子发射断层扫描所获得的预测[6],这归因于钙化与1p/19q共缺失之间的相关性[7, 8]。同样,传统放射基因组学可以提示哪些序列和技术最有可能有助于纳入AI放射基因组学研究。

近期一项系统综述发现,T2-FLAIR错配征是低级别胶质瘤(LGG)最具特异性的常规影像基因组学特征[5]。在多个队列中已证实其特异度接近100%,且评估者间一致性良好[7, 9–12]。然而,T2-FLAIR错配征公认的局限性在于其敏感度有限,在近期一项汇总荟萃分析中低于50%[12]。其他多种常规MRI特征也已被研究,包括肿瘤位置、肿瘤边缘表现、内部信号特征、强化、皮质受累及磁敏感效应(包括钙化和出血),结果不一[5]。此外,部分特征已在胶质母细胞瘤背景下进行研究,特别是评估非对比增强肿瘤的形态学作为IDH状态的预测因子[7, 13],但据我们所知,这些特征尚未在LGG背景下进行研究。

上述系统综述还指出了现有文献的若干局限性[5]。例如,仅有少数研究报告了观察者间比较,且大多数研究独立探讨IDH或1p/19q状态,或两者兼有,而根据2016年WHO标准分类为三种分子亚型的研究较少[5]。现有文献的另一局限性在于,尚不清楚如何最好地将多种影像特征整合并加权为可应用于日常临床实践的常规影像基因组学预测。算法方法在文献中较少见,且通常未能实现对全部三种分子亚型的预测[7, 9, 14, 15]。

本研究旨在探讨多种不同常规MRI特征预测LGG三种分子亚型的准确性,以及区分分子型胶质母细胞瘤(GBM)与IDH野生型(IDHwt)非增强肿瘤(NEC),目标是开发一种基于常规MRI特征、用户友好且稳健的LGG分子亚型预测算法。

方法

患者识别

已获得机构人体研究伦理委员会批准(HREC编号QA2017093)。通过我院中枢神经系统肿瘤数据库及本机构既往研究[7, 16],识别了2007年9月至2013年12月期间新诊断的2–3级颅内胶质瘤患者(以便获取长期生存数据)。所有患者均为成人。

影像学评估

仅纳入至少具有T2WI、FLAIR及对比增强前后T1WI的患者。MRI在多种扫描仪上完成,包括外部机构。相关CT图像也进行了回顾以评估钙化,优先选择术前图像,否则在相关情况下使用术后图像(并考虑间隔期切除)。还回顾了磁敏感序列,包括可获得的相位图像。

影像学特征

根据既往已发表的定义(在可能的情况下),对所有患者评估以下影像学特征:肿瘤位置,记录为额叶(全部/以额叶为主,但不含岛叶/颞叶)、颞叶(全部/以颞叶为主,但不含岛叶/额叶);额颞叶(+/−岛叶)或以上均不符合(无/轻微额叶和/或颞叶受累)。

T2-FLAIR不匹配[11],分层为>50%肿瘤体积(与水肿区分[13])、25–50%或<25%(图1)

边界清晰的肿瘤边缘,定义为>75%的肿瘤周径被认为呈地图样边界[17]

均匀(T1WI和T2WI上均均匀)

磁敏感信号,记录为无、符合钙化、明确代表出血或钙化与出血之间不确定

强化,分层为无、细丝状(细微且边界不清,无明确结节状)和明确强化(图2)

存在中央坏死(要求中央无强化区被完整的强化环包围)

存在偏心性FLAIR高信号,符合浸润性非对比强化肿瘤(nCET)[13]

nCET存在肿块样形态[7]

nCET以皮层受累为主

评估由来自不同机构的两名神经放射学家独立进行,二人具有神经肿瘤学亚专科专长(分别有8年和13年经验),对分子状态设盲。此次阅片后,计算所有特征的评分者间一致性,并根据观察者间一致性κ≥0.6指导通过共识审查评估的特征。评分者间一致性较低(κ<0.6)的特征未进一步评估。

图1 两名IDHmut/1p19qint低级别胶质瘤患者的轴位T2WI(上排)和FLAIR(下排)图像。第一名患者(a、b)肿瘤以右侧豆状核为中心,显示25–50%的T2-FLAIR不匹配。箭头突出显示T2信号高且FLAIR信号明显较低的区域。第二名患者(c、d)左额叶肿瘤伴>50%的T2-FLAIR不匹配和边界清晰的肿瘤边缘 查看原图 ↗
图2 轴位平扫T1WI(上排)和增强后T1WI(下排)显示不同的强化模式。第一名患者(a、b)为IDHmut/1p19qint低级别胶质瘤,显示细丝状强化,如箭头所示。第二名患者(c和d)右顶叶肿瘤伴结节状强化、坏死证据(箭头)和边界不清的肿瘤边缘 查看原图 ↗

组织学评估

组织学诊断从数据库获取,并通过正式病理报告确认(特别是确认2–3级弥漫性胶质瘤的诊断)。在可获得的情况下,IDH1-R132H免疫组织化学和1p/19q共缺失结果(后者通常通过荧光原位杂交进行)从医院病理结果(作为常规患者护理的一部分进行)和我们机构先前开展的研究中获取[7, 16]。少数患者通过先前研究还可获得IDH焦磷酸测序结果[18]。完整的分子特征描述要求:如果IDH1-R132H免疫组织化学为阴性,则需进行IDH1密码子132和IDH2密码子172测序;对于通过任何方法检测到IDH突变的患者,需确定1p/19q共缺失状态。对于基于现有数据未完成分子特征描述的患者,采用先前报道的方法[19]进行下一代测序(NGS)以确定IDH和1p/19q共缺失状态。对于接受NGS的患者,输出结果还包括TERT启动子变异状态、+7/−10和EGFR拷贝数状态,依据WHO 2021胶质母细胞瘤更新标准[4]。

基于上述结果,所有肿瘤均被分类为IDHmut/1p19qcodel、IDHmut/1p19qint或IDHwt。无法明确分子特征归入这三种基因型之一的患者——最常见原因是可用于NGS的材料不足或不充分——被排除在外。此外,IDHwt肿瘤进一步分为分子GBM和IDHwt NEC [4]。

统计分析

所有统计分析均在R语言(R版本4.0.3(2020-10-10))中使用标准和经验证的统计程序完成。报告了所有纳入患者基线特征的描述性统计。连续变量以中位数、最小值和最大值描述,分类变量以计数和百分比描述。采用Cohen κ系数(κ)衡量一对变量之间的一致程度。采用逻辑回归分析评估MRI特征与分子亚型之间的关联。计算了比值比(OR)及其95%置信区间(CI)和p值。多因素逻辑回归分析纳入了所有p < 0.1的重要危险因素。p值小于0.05定义为具有统计学显著性。

结果

患者结果

23例患者因分子特征不完整而被排除。另有3例患者因检出H3组蛋白突变(2例K27M,1例G34R)而被排除。因此,研究人群为119例患者,包括58例(48.7%)IDHmut/1p19qint肿瘤、32例(26.9%)IDHwt和29例(24.4%)IDHmut/1p19qcodel。患者中位年龄为38岁(范围17–83岁),62%为男性。大多数患者接受了NGS检测(119例中的108例),仅11例肿瘤已基于现有数据获得充分的分子特征描述。仅1例患者通过IDH焦磷酸测序确认了IDHwt状态;其余31例IDHwt肿瘤接受了NGS检测。其中24例(77.4%)符合分子GBM的标准 [4]。

经单阅片者评估后,以下特征具有至少中等程度的观察者间一致性(κ ≥ 0.6),并进入共识阅片:位置(κ = 0.939)、坏死(κ = 0.766)、肿瘤边界清晰(κ = 0.723)、强化(κ = 0.706)、磁敏感效应(κ = 0.622)和T2-FLAIR不匹配(κ = 0.616)。以下特征观察者间一致性较低,被排除在后续评估之外:偏心性nCET(κ = 0.51)、信号均匀(κ = 0.481)、皮质受累(κ = 0.272)和肿块样nCET(κ = 0.231)。

各MRI特征按肿瘤亚型的出现频率见表1。与上述文献 [12] 一致,T2-FLAIR不匹配征对IDHmut/1p19qint肿瘤具有高度预测性(p < 0.001),包括采用较低的T2-FLAIR不匹配阈值时亦然,且这是跨分子亚型最具预测性的单一特征。所有30例不匹配> 50%的肿瘤均为IDHmut/1p19qint,所有7例不匹配25–50%的肿瘤亦然(p < 0.001)。合并两组,所有37例不匹配≥ 25%的肿瘤均为IDHmut/1p19qint,产生100%的特异度和63%的敏感度。37例不匹配≥ 25%的肿瘤中,8例(21.6%)表现为实性强化(均在> 50%组),另有8例表现为纤细强化。不匹配≥ 25%的存在在强化和非强化肿瘤中均可预测IDHmut/1p19qint状态。

在单变量分析中,边界清晰的肿瘤与IDHmut/1p19qint状态相关(OR 7.7,95% CI 3.0–19.8,p < 0.001),58例IDHmut/1p19qint肿瘤中有29例(50.0%)具有清晰边界。大多数IDHwt肿瘤(32例中的30例,93.8%,p = 0.003)具有不清边界,29例IDHmut/1p19qcodel肿瘤中也有24例(82.8%)如此,限制了两个亚型之间的区分。重要的是,边界清晰的肿瘤与T2-FLAIR不匹配强相关(p < 0.001;列联系数C = 0.72),尤其是与> 50%不匹配相关(30例中有23例边界清晰,76.7%)。与表现出25–50%不匹配的肿瘤相关性较低(7例中有2例边界清晰,28.6%)。鉴于上述关联,当仅考虑< 25%不匹配的肿瘤时,边界清晰不再与IDHmut/1p19qint状态显著相关,21例< 25%不匹配的IDHmut/1p19qint肿瘤中仅4例(19.0%)表现出边界清晰(p = 0.386)。IDHmut/1p19qint肿瘤最常见于额叶(46.6%),IDHmut/1p19qcodel肿瘤通常位于额叶(55.2%)且较少位于颞叶(6.9%),IDHwt肿瘤最常见于既非额叶也非颞叶的部位(46.9%);然而,肿瘤位置与基因型之间无统计学显著相关性。

磁敏感性的预测价值有限,因为大多数肿瘤(119例中的91例,76.5%)未显示磁敏感性,另有13例(10.9%)钙化与出血之间的区分不明确。10例肿瘤表现出明确的钙化,其中7例(70%)为IDHmut/1p19qcodel(OR 8.3,95% CI 2.0–35.0,p = 0.004)。然而,大多数(29例中的22例)IDHmut/1p19qcodel肿瘤没有明确钙化。钙化的非共缺失肿瘤没有其他特定特征能够可靠地提示替代亚型:没有肿瘤同时表现出钙化和≥ 25%不匹配,而同时具有钙化和坏死的1例肿瘤为IDHmut/1p19qcodel。5例肿瘤显示出血证据,其中4例(80%)为IDHwt。值得注意的是,1例伴有出血的IDHmut/1p19qint肿瘤具有≥ 25%不匹配,因此所有4例具有出血证据且< 25%不匹配的肿瘤均为IDHwt。然而,与钙化一样,大多数(32例中的28例)IDHwt肿瘤未显示出血。

强化和坏死均与IDHwt状态强烈相关(强化的OR为5.1,95% CI 2.0–12.8,p = 0.001;坏死的OR为5.2,95% CI 1.8–14.5,p = 0.002),36例强化肿瘤中有19例(52.8%)、19例坏死肿瘤中有11例(57.9%)为IDHwt。在32例IDHwt肿瘤中,59.4%表现为强化,34.4%有坏死。值得注意的是,5例显示≥ 25%错配的肿瘤中可见坏死(所有错配均> 50%),且均为IDHmut/1p19qint。一旦将≥ 25%错配的肿瘤从亚组分析中排除,78.6%显示坏死的肿瘤为IDHwt(其中3例同时有出血证据)。强化和坏死在IDHmut/1p19qcodel肿瘤中最不常见,29例IDHmut/1p19qcodel肿瘤中分别仅有3例(10.3%)和2例(6.9%)表现出这些特征。值得注意的是,实性强化肿瘤为IDHmut/1p19qcodel的可能性显著更低(OR 0.2,95% CI 0.1–0.7,p = 0.016)。强化和坏死在分子GBM中均较IDHwt NEC更常见(强化16/24,80.0%;坏死9/24,37.5%)(强化2/7,28.6%;坏死1/7,14.3%),且两项差异均有统计学意义(分别为p < 0.001和p < 0.001)。此外,所有4例有出血证据的IDHwt肿瘤均为分子GBM,而两例有钙化的IDHwt肿瘤均为IDHwt NEC。

就总体算法方法而言,识别≥ 25%错配被证明是关键的第一步,可高置信度地判定IDHmut/1p19qint状态,而不论其他可能预测不同分子亚型的特征(如坏死)。一旦考虑了错配,其他特征(尤其是边界清晰的肿瘤边缘)预测IDHmut/1p19qint状态的能力减弱,但预测IDHwt肿瘤的能力提高。具体而言,在排除≥ 25%错配的肿瘤后,所有有出血证据的肿瘤均为IDHwt,强化的OR从5.1提高至5.6,坏死的OR从5.2提高至8.2。一种可能的方法是,在T2-FLAIR错配后评估磁敏感效应(钙化和出血),然后评估是否存在强化。在我们的队列中,这将产生87.3%的总体阳性预测值(PPV),并且60%的肿瘤会有阳性发现。或者,可将强化替换为坏死,将阳性预测值提高至91.8%,但将有阳性发现的肿瘤数量降至51%。

表1 基于肿瘤分子亚型的各MRI特征频率 查看原表 ↗

讨论

我们的研究结果进一步证实了T2-FLAIR错配征具有高阳性预测价值,但远不止于仅仅验证既往研究的发现。首先,我们按T2-FLAIR错配的百分比对肿瘤进行了分层,并额外专门评估了错配比例较小(25%–50%)的肿瘤。虽然大多数存在T2-FLAIR错配的肿瘤表现出>50%的错配,但较小比例的错配并不少见,且现有文献尚不清楚此类肿瘤应如何判定。在Patel等人的原始描述中,T2-FLAIR错配被定义为“T2WI上存在或不存在完全/近完全高信号,以及FLAIR上相对低信号,但周边环状高信号除外”[11]。这意味着——尽管未明确定义——错配程度实质上大于50%。一项研究主要采用>50%错配作为阈值,但也评估了33%–50%的错配,仅另外发现一例肿瘤[7]。我们的研究结果提示,判定该特征为阳性所需的错配百分比可降至25%,而不降低PPV(仍为100%),但敏感性有所提高。这解释了我们队列中显示错配的IDHmut/1p19qint肿瘤比例相较既往报道相对较高的原因。我们还研究了T2-FLAIR错配征在强化肿瘤中的准确性,这在文献中尚不明确。有观点认为强化肿瘤中PPV可能较低[20],但在我们的队列中并非如此。鉴于所有其他特征的准确性均较低,我们认为T2-FLAIR仍是强化肿瘤(包括有坏死证据者)中非常有用的特征。

较低的T2-FLAIR错配阈值与一种近期描述的特征——称为“非对比增强肿瘤内液体衰减”——相一致,该特征已被证明可预测胶质母细胞瘤中的IDH突变[21]。该特征与低级别胶质瘤(LGG)中的T2-FLAIR错配征具有实质相似性,被定义为“任何肿瘤体积在T2WI上呈高信号并在FLAIR上呈相应低信号”[21]。该定义意味着,即使液体衰减小于50%——甚至可能小于25%——仍可使该特征被视为存在。这提示2–4级胶质瘤可采用≥25%错配的阈值一并评估,但据我们所知,这尚未经过正式评估。鉴于肿瘤分级之间的区分已变得不那么重要,而分子状态发挥更大作用[4],此类分析在WHO 2021分类背景下尤为 relevant。

我们将IDHwt肿瘤有无额外GBM分子标志物的MRI特征进行比较,这是我们工作的另一个新颖之处。我们已经表明,预测IDHwt状态的特征主要存在于分子型GBM中。我们还澄清了关于MRI特征重叠的一些不确定性,这在文献中研究不足。具体而言,虽然文献中有些提示认为边界清晰可预测IDHmut/1p19qint肿瘤[5],但这似乎在很大程度上与T2-FLAIR不匹配征的重叠有关;一旦考虑了T2-FLAIR不匹配,边界清晰的肿瘤的预测价值有限(可能没有)。另一方面,其他特征(如坏死)的价值在去除≥ 25%不匹配的肿瘤后有所提高。这表明逐步、多特征算法方法具有价值——图3中提供了建议的算法。另一种算法将坏死置于磁敏感成像之前考虑,在我们的队列中准确率略低,因为唯一一例有钙化和坏死证据的肿瘤是IDHmut/1p19qcodel。磁敏感评估的一个局限性涉及在许多病例中区分钙化和出血的不确定性,因为该数据集中术前CT和/或SWI相位图像经常不可用。如果这些图像统一可用,算法的敏感性以及可能的特异性预计会增加。

ADC已显示出预测基因型的潜力[5, 15],未纳入ADC测量是我们研究的一个潜在局限性。作为一个连续变量,在三种基因型之间存在重叠,ADC阈值可以调整以优化敏感性或特异性,视何者最为合适[2]。我们未纳入ADC是因为我们觉得从文献中不清楚如何最好地做到这一点,但现在我们的发现提供了一些指导。ADC似乎在没有任何所述关键特征的肿瘤中最有潜力。然而,ADC值可能在某种程度上与T2-FLAIR不匹配相关——具体而言,在显示T2-FLAIR不匹配的肿瘤区域,ADC值可能较高。因此,与边界清晰的肿瘤一样,一旦考虑了T2-FLAIR不匹配,预测价值可能会降低,这值得进一步研究。ADC的另一个用途可能是补充次要特征(钙化、出血、强化和坏死),通过确认ADC值位于预测基因型的预期范围内。

尽管纳入的特征数量多于许多既往研究,但相当一部分肿瘤并未表现出我们确定的任何关键特征。因此,我们利用常规MRI特征高精度预测所有三种分子亚型的目标尚未实现。我们曾希望纳入更多特征(如皮质受累和nCET形态)能够对这些模棱两可的病例进行一定程度的区分,但这受到评分者间一致性较低的限制。尽管如此,这些额外特征仍可能具有某些潜力,但需要更严格的定义。能够直观呈现与特定胶质瘤亚型相关的影像学表现的人工智能技术,例如Chang等[22]报道的主成分分析技术,在这方面具有前景。例如,我们观察到以皮质为主的肿瘤在表现上存在变异性,例如在灰白质分化程度上,但尚不清楚如何客观区分这些模式以及它们是否确实反映了基因型的差异。如果人工智能技术能够识别此类肿瘤表现上的细微差异,这将有助于为视觉评估制定更清晰的定义,从而提高观察者间一致性,或至少补充视觉评估中更具挑战性的方面。

过拟合是人工智能影像基因组学研究常受批评的问题,也是我们所提出的算法方法的一个潜在考量因素。然而令人放心的是,最终分析中纳入的各单项特征均已在既往研究中被探讨过,且我们的结果与既往报道一致。因此,我们相信在更广泛的人群中可望获得类似结果,尽管如此,后续验证仍然很重要。我们研究的回顾性性质是另一个局限性,这也是该领域许多工作的共同局限。我们注意到本队列中的患者来自数年前,现代扫描仪有可能取得更好的结果。例如,常规纳入磁敏感加权成像(SWI)包括相位图像应能改善钙化与出血的检测及二者之间的区分,而现代容积增强后序列将有助于识别强化和坏死。同样,纳入来自多种扫描仪(包括外部影像)的图像使我们相信结果可推广至其他机构。我们认为我们的分子亚型比例与更广泛的文献一致——例如,癌症基因组研究网络报道的队列中IDHmut/1p19qint肿瘤占50.0%,IDHwt占19.9%,IDHmut/1p19qcodel占30.1%[23]——但我们注意到与上述数据相比,本队列中IDHwt肿瘤比例略高,IDHmut/1p19qcodel肿瘤比例略低。

图3 利用视觉特征预测低级别胶质瘤(LGG)基因型的拟议算法 查看原图 ↗

结论

T2-FLAIR错配征对低级别胶质瘤(LGG)中IDH突变/1p19q完整(IDHmut/1p19qint)状态具有高度预测价值,包括对显示对比增强、坏死及错配比例较小(≥ 25%)的肿瘤。边界清晰的肿瘤与T2-FLAIR错配相关,且在考虑T2-FLAIR错配后,边界清晰不再独立预测IDHmut/1p19qint状态。对于错配< 25%的肿瘤,次要预测特征包括存在强化、坏死和/或出血(倾向于IDH野生型(IDHwt)肿瘤,尤其是那些具有胶质母细胞瘤额外分子特征的肿瘤)以及存在钙化(预测IDHmut/1p19q共缺失(IDHmut/1p19qcodel))。

引用

  1. Lasocki A, Buckland ME, Drummond KJ, et al. Conventional MRI features can predict the molecular subtype of adult grade 2-3 intracranial diffuse gliomas. Neuroradiology. 2022. PMID: 35606654. doi:10.1007/s00234-022-02975-0
  2. 全文:PMC9643259(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9643259/

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。