Page 101 - 南京医科大学学报自然科学版

第43卷第9期 南京医科大学学报（自然科学版）
2023年9月 Journal of Nanjing Medical University（Natural Sciences） ·1279 ·

·影像医学研究·

基于T1WI增强影像组学在鉴别高级别胶质瘤复发与假性进展

中的应用价值

林 洁，苏春秋，唐文天，鲁珊珊，洪汛宁 *

南京医科大学第一附属医院放射科，江苏 南京 210029

［摘 要］ 目的：探讨基于T1WI（T1 weighted imaging）增强影像组学在术前无创鉴别高级别胶质瘤术后复发与假性进展的应
用价值。方法：回顾性分析经病理证实为高级别胶质瘤的104例患者临床及磁共振成像资料，根据二次手术病理或神经肿瘤
疗效评估标准（response assessment in neuro⁃oncology，RANO）将其分为复发组71例，假性进展组33例。按7∶3比例随机分为训
练组和验证组。在T1WI增强图像上手动勾画肿瘤实质区的体积作为感兴趣区，用FeAture Explorer软件提取1 648个组学特征。
采用主成分分析（principal component analysis，PCA）及最小绝对收缩和选择算子（least absolute shrinkage and selection operator，
LASSO）进行特征处理及筛选，采用支持向量机（support vector machine，SVM）构建影像组学模型。通过受试者工作特征曲线下
面积（area under curve，AUC）及校准曲线评估模型的效能。结果：训练组鉴别高级别胶质瘤复发与假性进展的AUC为0.929，
准确率为 0.889，灵敏度为 72.7%，特异度为 100.0%。验证组的 AUC 为 0.853，准确率为 0.813，灵敏度为 90.9%，特异度为
71.4%。校准曲线显示模型预测值与实际值一致性较好。结论：基于T1WI增强影像组学模型具有较好的诊断效能，有助于鉴
别高级别胶质瘤术后复发与假性进展。
［关键词］ 影像组学；机器学习；高级别胶质瘤；假性进展；复发
［中图分类号］ R739.41 ［文献标志码］ A ［文章编号］ 1007⁃4368（2023）09⁃1279⁃06
doi：10.7655/NYDXBNS20230915

脑胶质瘤是颅内最常见的原发恶性肿瘤。2021年 屏障破坏和炎症、水肿等继发反应，从而出现类似
［4］
WHO中枢神经系统肿瘤分类将胶质瘤分为1~4级， 肿瘤进展的影像学表现 。病理是诊断的金标准，
其中 3~4 级为高级别胶质瘤（high ⁃ grade gliomas， 但组织学检查作为一种侵入性的检查方法，具有创
［1］
HGG） 。HGG具有病死率高、复发率高、生存率低的 伤性及样本误差。目前常用神经肿瘤疗效评估标
特点。 准（response assessment in neuro⁃oncology，RANO） ［5］
HGG标准治疗方案是最大安全范围切除肿瘤， 区分假性进展与复发，但其依赖于连续的磁共振
术后给予同步放化疗（concurrent chemoradiotherapy， （magnetic resonance，MR）随访检查，要获得可靠诊
［2］
CCRT）及替莫唑胺（temozolomide，TMZ）辅助化疗 。 断需要数月时间，可能导致HGG术后真性进展延误
同步放化疗后在 T1WI（T1 weighted imaging）增强上 治疗或假性进展治疗不当。在临床实践中，由于相似
出现新发强化灶或强化范围增大，可能是假性进 的影像学表现，鉴别二者具有较大难度。因此，寻找
展，也可能是复发，但其治疗及预后完全不同，复发 一种可靠方法早期无创地鉴别HGG复发和假性进展
需二次手术、放疗及使用激素控制症状，而假性进 对患者治疗及延长生存率具有重要的临床意义。
展则继续TMZ化疗，仅对症处理。假性进展有更好 既往研究多基于功能MR鉴别二者，而功能MR
的预后及生存率，而复发的中位生存时间仅 3~9 个 不在常规扫描方案中，其失败率、诊断不确定性仍
月 。目前，假性进展的机制尚未完全阐明，可能是 然存在 。T1WI 增强作为常规检查，广泛应用于
［6］
［3］
由于同步放化疗造成血管内皮细胞损伤，以及血脑 HGG 的术后随访。影像组学通过大量提取图像纹
理特征并结合机器学习算法，可以指导临床决策，
［基金项目］ 江苏高校优势学科建设工程三期项目［苏政办
已在医学领域引起越来越多的关注，尤其是肿瘤诊
发〔2018〕87号］
断、分期和预后方面。在胶质瘤方面，影像组学已
∗
通信作者（Corresponding author），E⁃mail：hongxunning@sina.
［7］
com 被用来预测胶质瘤的分级及分子分型 、预测复发