Page 105 - 南京医科大学学报自然科学版
P. 105

第43卷第4期          胡定东，郭    震，王丽君，等. 基于影像组学方法构建弥漫性低级别胶质瘤癫痫发生及远期
                  2023年4月              生存预测模型［J］. 南京医科大学学报（自然科学版），2023，43（04）：542⁃549                   ·543 ·


                    弥漫性低级别胶质瘤（diffuse low⁃grade glioma，           标准：①病理诊断为 WHO 胶质瘤分级 CNS 2 级
                DLGG）通常指中枢神经系统（central nervous system，            和 3 级；②具有完整的临床资料，如年龄、性别、肿
                CNS）WHO 2~3 级的胶质瘤       ［1-2］ 。癫痫发作是 DLGG         瘤病理分级及手术、放化疗等治疗情况；③有完整
                                                        ［3］
                患者常见的首发症状之一，发生率为65%~90% 。在                        的随访资料。其中，研究人群的基线临床资料从
                大多数情况下，癫痫作为首发症状有助于患者及时                            TCGA数据库获取，研究队列按照7∶3随机划分训练
                诊断与治疗。DLGG 患者的远期生存较好，10 年疾                        集和验证集，训练集人群的数据用于模型构建，验
                病无进展生存率可达80%，良好的癫痫控制率对于                           证集人群的数据用于检验模型预测效能。
                改善预后和生活质量极为重要。然而，关于癫痫发                            1.2  方法
                作导致的 DLGG 患者远期生存差异的原因及促进                          1.2.1  建立并验证风险评分公式
                DLGG 癫痫发作的因素，目前仍知之甚少。一方                               本研究收集并使用 TCIA 影像数据库提供的影
                面，出现癫痫的胶质瘤患者有可能早期发现疾病并                            像数据集（BraTS⁃TCGA⁃LGG ），该影像数据集包
                                                                                            ［13］
                及时干预；另一方面，也有几项研究表明，该生存差                           括部分 TCGA⁃LGG 队列人群的术前 MRI 影像及勾
                异背后的一个潜在机制可能是异柠檬酸脱氢酶                              画完成的感兴趣区（region of interest，ROI）肿瘤标
               （isocitrate dehydrogenase，IDH）的突变或神经回路中            签，肿瘤分割 ROI 由自动混合生成⁃判别方法产生，
                突触和电的整合，而IDH 的突变是已知的预后影响                          并由影像科医生手动纠正。最终的ROI用于提取肿
                因素之一    ［4-5］ 。此外，肿瘤的位置也会影响癫痫的发                   瘤靶区内丰富的影像特征，包括强度、体积、形态、
                生，位于幕上和皮质的胶质瘤有更大的癫痫风险，                            直方图和纹理参数，以及从胶质瘤生长模型中提取
                额叶较枕叶胶质瘤癫痫发作风险较高 。近年来，                            的空间信息和扩散特性。该数据集提供的ROI标签
                                                  ［6］
                分子生物学和影像技术的发展促进了对胶质瘤的                             可以进行定量计算和临床研究，而无需重复手动注
                早期诊断和预后评估。已有一些基因组学研究确                             释，同时允许跨研究进行比较。
                定了某些基因表达特征可预测DLGG患者的癫痫等                               本研究首先选用最小冗余及最大相关（minimum
                临床症状及生存预后         ［7-9］ ，但是这种预测方法是建立              redundancy⁃maximum relevance，MRMR）算法进行特
                在取得组织标本并检测到特定基因表达的基础上                             征与癫痫的相关性分析与排序                ［14］ ，即最大化特征
                的，经济代价较高，也不具有人群的普适性，因此寻                           与癫痫事件之间的相关性，而最小化特征与特征之
                找更经济、便捷、普适和无创的预测方法是临床亟                            间的相关性。研究者通过排序后选择相关性排名
                待解决的任务。已有越来越多的影像组学研究表                             前 10%的特征。最小冗余⁃最大相关算法使用
                明患者影像资料中的影像特征有助于对癌症临床                             MATLAB软件实现。
                症状、病理分型、基因突变以及生存预后进行有效                                随后，进一步使用最小绝对收缩和选择算子
                的评估   ［10-11］ 。因此，基于 DLGG 患者术前 MRI 建立            （least absolute shrinkage and selection operator，LASSO）
                癫痫风险评分，并结合临床指标进行预后评估具有                            方法进行候选预测特征的筛选。筛选出的预后影
                非常重要的临床价值。本研究在DLGG患者中构建                           像 特 征 用 于 如 下 建 模 ：癫 痫 风 险 评 分（radiomic
                了预测模型，帮助初步评估患者发生癫痫的概率以                            score，Rad⁃score）=（β特征1×特征1的参数值）+（β特
                及远期生存情况，有助于采取更有效和个体化的治                            征 2×特征 2 的参数值）+（β特征 3×特征 3 的参数
                疗策略。                                              值）+…+intercept。β特征代表该特征的回归系数，
                                                                  intercept代表公式截断值。
                1 资料和方法
                                                                      使用 R 软件中的“Optimal Cutpoints”包通过约
                1.1  资料                                           登指数寻找 Rad⁃score 的风险阈值，使用阈值将人
                    本研究纳入的患者临床资料来源于癌症基因组图                         群分为癫痫发生高低风险群组。使用“pPOC”包
                谱（the cancer genome atlas，TCGA）数据库，影像资料           对训练集和验证集进行模型的内部及外部验证，
                来源于癌症影像数据库（the cancer imaging archive，            并 计 算 AUC 指 标 评 估 模 型 的 预 测 效 能 。 通 过
                TCIA） （https：//www.cancerimagingarchive.net/）。本   Kaplan⁃Meier 生存分析法比较高低风险组间的 5 年
                     ［12］
                研究筛选出低级别胶质瘤（low grade glioma，LGG）                 OS差异。

                研究队列中在 TCIA 共享术前多序列 MRI（T1、T1⁃                    1.2.2  构建及评估癫痫预测列线图
                Gd、T2、T2⁃FLAIR）资料的患者组成研究队列，纳入                         将总人群队列的 Rad⁃score 结合临床特征（年
   100   101   102   103   104   105   106   107   108   109   110