Page 53 - 南京医科大学学报自然科学版
P. 53

第43卷第5期        舒  洋，王彦平，何瑞星，等. 基于T1W1+C的影像建立支持向量机预测模型对胶质瘤细胞增殖
                  2023年5月                活性研究［J］. 南京医科大学学报（自然科学版），2023，43（5）：634-639                    ·635 ·


                established on the learning of the T1W1+C imaging omics characteristics may have a better predictive effert on the proliferation activity
                of glioma cells，and it may help the selection of individual diagnosis and treatment plans for patients and the development of precision
                medical care in the future.
               ［Key words］ MRI；gliomas；Ki67
                                                                              ［J Nanjing Med Univ，2023，43（05）：634⁃639］




                    胶质瘤是中枢神经系统最常见肿瘤 。我国脑                          序列者 113 例，剔除同一诊断时期患有其他肿瘤患
                                                   ［1］
                胶质瘤年发病率为 5~8/10 万，5 年病死率在全身肿                      者病 5 例，最终获取 113 例作为本研究对象。本研
                瘤中仅次于胰腺癌和肺癌 。临床实践中，胶质瘤治                           究经南京医科大学附属淮安第一医院伦理委员会
                                      ［2］
                                                           ［3］
                疗方案与预后常借助病理与免疫组化共同决定 。                            批准，免除受试者知情同意。
                随着胶质瘤发生机制的深入研究，更多有助于临床                            1.2  方法
                诊疗和判断预后的分子标志物被相继发现。肿瘤                             1.2.1 MRI扫描
                细胞的增殖方式和增殖速度与胶质瘤的恶性程度                                 采用 SIEMENS Aera 1.5T 磁共振成像仪及20通
                及预后有极大关联         ［4-5］ 。Ki67 作为细胞增殖阶段表            道头部相控阵线圈采集患者的颅脑 MRI 增强数
                达的一种核抗原，很大程度上反映细胞的增殖活                             据。轴位增强 T1加权成像（enhancement T1⁃weight⁃
                性 ［6-7］ 。正常脑组织中 Ki67 表达水平较低，胶质瘤                   ed image，T1WI+C）序列参数：重复时间（time of rep⁃
                细胞中 Ki67 表达水平明显较正常脑组织高，同时                         etition，TR）350 ms，回 波 时 间（time of echo，TE）
                随着胶质瘤病理等级提高，Ki67表达水平也显著提                          89 ms，矩 阵320×224，层厚5 mm，层间距1.5 mm，层数
                高，低级别胶质瘤 Ki67 显著低于高级别胶质瘤 。                        20，视野（field of view，FOV）230 mm×230 mm。
                                                           ［8］
                Ki67 存在半衰期较短的特性，在评价肿瘤的增殖活                         1.2.2 图像分析
                性方面优于半衰期较长的增殖细胞核抗原。相关报                                图像来自南京医科大学附属淮安第一医院图
                道也表明Ki67与突变的异柠檬酸脱氢酶1（IDH1）基                       像归档和通讯系统（picture archiving and communi⁃
                因密切相关，因此 Ki67 可以作为胶质瘤的预后指                         cation systems，PACS）。考虑原始图像之间参数存
                标 ［9-10］ 。目前Ki67指数还是依靠病理和免疫组化获                    在一定差异性，选择在提取胶质瘤感兴趣区（region
                得，必须通过活检和手术，缺乏一种术前无创预测                            of interest，ROI）前优先对原序列图像素进预处理。
                Ki67指数的方法 。随着影像组学、人工智能的发                          预处理包含重采样、偏置场校正：图像重采统一使患
                              ［11］
                展，医疗诊断及治疗方案已较前不断更新进步                    ［12-13］ 。  者MRI图像的灰度值分布在1 k~2 k，考虑图像对比
                基于临床医学影像特征的多维度研究，不仅可预                             度或像素亮度不一致对后续图像特征采集存在一
                测肿瘤基因突变类型，同时对临床制定治疗方案                             定偏差，将不同设备或扫描参数差异进行最小化，
                和评估预后具有重要帮助            ［14］ 。影像组学通过提取             以0.5×0.5×0.5体素进行重采样。使用MRIcroGL 图
                疾病影像数据中包含的定量特征，找出疾病的影                             像软件手绘ROI。患者有效的3D ROI主要由2名具
                像标志物，具有预测疾病分类、分级、无创、经济、                           有 10 年以上工作经验的神经外科医师独立手动绘
                高效和可重复及有助于临床决策等优点                    ［15-16］ 。本   制，然后提交给另一位具有20年工作经验的神经外
                研究尝试通过影像组学与人工智能结合                     ［17］ ，以无    科高级医师进行审核，若审核医师评定结果存在较
                创、方便、经济方式预测胶质瘤 Ki67 表达水平，以                        大偏倚，则对原3D ROI进行重新修改或剔除。最终
                期满足临床胶质瘤术前增殖活性程度预测及个性                             使用的 ROI 为 2 名医师各自勾画 ROI 最有效区。
                化治疗需求。                                            ROI 勾画标准为肿瘤特异性导致的强化区域，排除
                                                                  肿瘤周边水肿区。
                1  对象和方法
                                                                  1.2.3 特征提取
                1.1  对象                                               影像特征提取基于 Python3.7 的 pyradiomics 模
                    本研究回顾收集南京医科大学附属淮安第一                           块实现，最终通过 First Order、Shape、Glcm、Glszm、
                医院经手术病理结果证实的胶质瘤患者 334 例，剔                         Glrlm、Ngtdm、Glim 等获得 1 338 个影像相关特征，
                除没有免疫组化结果者 102 例，剔除没有 MRI 增强                      特 征 定 义 和 计 算 机 算 法 在 pyradiomics：https//
   48   49   50   51   52   53   54   55   56   57   58