论文部分内容阅读
[目的]基于磁敏感加权成像（susceptibility weighted imaging,SWI）和增强 T1 加权成像（contrast-enhanced T1-weighted imaging,CE-T1WI）影像组学,建立Nomogram预测模型（列线图）,从而对弥漫性胶质瘤异柠檬酸脱氢酶1（isocitrate dehydrogenase1,IDH1）基因型进行预测。[方 法]本研究对临床怀疑为脑胶质瘤的77例患者进行MRI检查,扫描序列包括SWI、扩散加权成像（diffusion weighted imaging,DWI）、常规MRI平扫及增强。最终纳入50例病理证实为弥漫性胶质瘤且有IDH1基因检测（n=38）或者IDH1（R132H）蛋白免疫组织化学检测结果（n=12）的患者,其中IDH1突变型16例（性别:男7例、女9例;年龄:42.7± 10.4岁;WHO分级:Ⅱ级11例、Ⅲ级3例、Ⅳ级2例）;IDH1野生型34例（性别:男16例、女18例;年龄:52.0± 10.9岁;WHO分级:Ⅱ级7例、Ⅲ级10例、Ⅳ级17例）。由两名影像科医生利用IBEX软件分别在SWI幅度图及轴位CE-T1WI图像上手动勾画出肿瘤每个层面的感兴趣区（region of interest,ROI）,包括肿瘤瘤体区和肿瘤实质区。基于肿瘤瘤体区的ROI和肿瘤实质区的ROI,分别提取了 804个影像组学特征。通过F检验、互信息、最小冗余最大相关性和最小绝对收缩和选择算子回归模型筛选出能预测IDH1基因型的影像组学特征。基于SWI、CE-T1WI和SWI+CE-T1WI序列,肿瘤瘤体区分别筛选出9个、8个和12个系数非零的影像组学特征,肿瘤实质区分别筛选出5个、12个和9个系数非零的影像组学特征。利用筛选出的影像组学特征,分别建立肿瘤瘤体区和肿瘤实质区的SWI、CE-T1WI和SWI+CE-T1WI影像组学预测模型。预测模型的建立主要应用4种常用的机器学习算法,包括最近邻（nearest neighbors,NN）、支持向量机（support vector machines,SVM）、随机森林（random forest,RF）、自适应增强（adaptive boostinng,Adaboost）。最后,使用留一交叉验证法（leave-one-out cross validation,LOOCV）对各个预测模型进行验证,绘制受试者工作特征曲线（receiver operating characteristic,ROC）并计算曲线下面积（area under the curve,AUC）评估每个模型的预测效能。选取预测效能最佳的影像组学预测模型,根据所筛选的影像组学特征及特征对应的系数,计算每例患者的影像组学评分（radiomics score,Rad-score）,并联合临床资料分析中有意义的临床因素建立Nomogram预测模型对弥漫性胶质瘤IDH1基因型进行预测。最终,通过一致性指数（concordance index,C-index）和霍斯默-莱梅肖（Hosmer-Lemeshow,HL）检验评估该Nomogram预测模型。[结 果]基于SWI序列建立的NN、SVM、RF、Adaboost预测模型,肿瘤瘤体区预测模型的AUC值分别为0.70、0.70、0.72和0.64,肿瘤实质区预测模型的AUC值分别为0.70、0.75、0.70和0.59。基于CE-T1WI序列建立的NN、SVM、RF、Adaboost预测模型,肿瘤瘤体区预测模型的AUC值分别为0.84、0.85、0.84和0.78,肿瘤实质区预测模型AUC值分别为0.74、0.70、0.79和0.70。对于SWI和CE-T1WI序列,肿瘤瘤体区和肿瘤实质区的影像组学预测模型大部分能有效预测弥漫性胶质瘤IDH1基因型,且基于CE-T1WI影像组学预测模型的AUC值高于SWI影像组学预测模型。通过联合SWI与CE-T1WI序列（SWI+CE-T1WI）,建立NN、SVM、RF、Adaboost预测模型,肿瘤瘤体区预测模型的AUC值分别为0.86、0.90、0.86和0.75,肿瘤实质区预测模型的AUC值分别为0.85、0.78、0.82和0.76。SWI+CE-T1WI预测模型的预测效能较任一单一序列好,且其中肿瘤瘤体区SVM预测模型的预测效能最佳（AUC=0.90）,将其作为最佳影像组学预测模型,计算每例患者的Rad-score。临床资料中,只有年龄与IDH1基因型具有相关性（p=0.027,＜0.05）。最终,联合Rad-score与患者年龄建立Nomogram模型预测弥漫性胶质瘤IDH1基因型,该模型C-index值为0.965,HL 检验p值为 0.548（p＞0.05）。[结 论]基于SWI、CE-T1WI和SWI+CE-T1WI的影像组学模型对预测弥漫性胶质瘤的IDH1基因型具有一定的临床价值;基于SWI与CE-T1WI影像组学的Nomogram预测模型可能是术前无创预测IDH1基因型的一种有前景的方法。