背景及目的:胶质瘤为颅内最常见的原发脑肿瘤,占成人恶性原发性脑肿瘤的75%,五年总生存率不超过35%,仍然是最难治疗的肿瘤之一。胶质瘤的分子分型有助于制定治疗方案及预测患者预后。随着分子生物学技术的快速发展,人类对胶质瘤的认识也逐步深入。文献表明,病理分级联合分子分型对胶质瘤预后的判断更准确。近年来,利用分子病理特征对胶质瘤分型已在临床逐步开展并应用。例如,异柠檬酸脱氢酶(Isocitrate dehydrogenase,IDH)基因和1号染色体短臂和19号染色体长臂(the short arm chromosome1 and the long arm of chromosome 19,1p/19q)缺失状态被用于II-III级弥漫性胶质瘤的分型,其能较好反应化疗敏感性、预后及复发风险;IDH1也是胶质母细胞瘤(Glioblastoma multiforme,GBM)的独立预后因素;O6-甲基鸟嘌呤-DNA甲基转移酶(O6-methylguanine-DNA methyltransferase,MGMT),EGFR,p53,PI3K,Rb,RAF等可不同程度地预测胶质瘤的预后及药物应答反应。同时,这些分子分型也为胶质瘤的靶向治疗提供依据。目前,胶质瘤恶性程度及分子分型的鉴别只能通过如手术或病理活检等手段,其具有侵袭性且不便实施。因此,探索并评价非侵袭性鉴别方法具有重要意义。研究证实,肿瘤诱导血管生成的能力与侵袭能力相关。磁共振灌注加权成像(Perfusion Weighted Imaging,PWI)是利用磁共振成像(Magnetic resonance imaging,MRI)技术测量局部组织血流动力学参数来评价组织的血流灌注状态和血管通透性,在判断神经胶质瘤的恶性程度中起着重要的作用。近来的研究表明,MRI在胶质瘤分子分型中发挥重要作用,但利用单个灌注成像参数评价胶质瘤分子分型不稳定,也不全面。磁共振灌注的多参数特点可较为全面地评价肿瘤微血管形态及功能特征,进而提高判断胶质瘤分子分型的准确性。此外,基于大数据的新一代人工智能(Artificial intelligence,AI)技术给医疗行业带来了新的变化,以疾病为中心影像基因组学的研究方法是把机器学习与放射组学有机组合,用影像展示基因变化,实现精准医学的目标。较低的空间分辨率限制了功能MRI的放射组学(Radiomics)的发展,随着AI软件的不断升级,功能MRI的放射组学特征逐渐被挖掘,更优化的模型亟待建立。本研究首先拟分析不同分子分型的脑胶质瘤MRI灌注及组织学微血管参数,研究多参数灌注成像的病理学基础及在鉴别胶质瘤不同分子亚型和评估患者预后中的作用,进一步明确各项技术的优势和潜在临床应用价值。随后,我们将基于MR功能成像及生境成像建立评估胶质瘤IDH1分子分型的放射组学模型,致力于提高传统MRI序列组学模型的诊断效能,以期更准确地判断胶质瘤患者的预后和指导临床治疗方案的制定。材料与方法:第一部分:多参数MR灌注成像评价脑胶质瘤微血管特征及其在分子分型中的应用(1)纳入胶质瘤疑似病例进行前瞻性研究,术前行不同方法的MRI灌注扫描(包括常规动态磁敏感对比增强(Dynamic susceptibility contrast-enhanced,DSC)成像、血管管径成像(Vessel size imaging,VSI)及动态对比增强(Dynamic contrast-enhanced,DCE)成像中的一种或两种,两种检查间隔时间为24-72小时),并对术后确诊病例行IDH1突变、1p/19q联合缺失及MGMT甲基化的检测,共搜集到161例弥漫浸润型胶质瘤患者的影像及分子分型诊断的资料。(2)将同时接受常规DSC灌注扫描及VSI扫描的30例患者及29例接受DCE灌注扫描的患者石蜡标本制备成CD34染色切片,测量每位患者血管增殖丰富区域的微血管管径、微血管面积(Microvascular area,MVA)及微血管密度(Microvessel density,MVD)。(3)由两位神经影像医师利用不同的工作站及后处理软件分析灌注扫描图像:用热点法测量患者的VSImax值,VSImean值;通过Extended Tofts双室模型计算DCE四个定量参数:Ktrans、Ve、Kep及Vp值;通过测量肿瘤区域的最大脑血容量(Cerebral blood volume,CBV)值及对侧正常脑组织的CBV值获得相对CBV(relative CBV,r CBV)值。组内相关系数(Intraclass correlation coefficient,ICC)分析用于评估不同观察者测值间的一致性。(4)采用皮尔森相关分析各种灌注扫描参数(VSI,r CBV,Ktrans,Kep,Ve,Vp)与组织学微血管参数(微血管管径、MVA、MVD)的相关性,寻找各个灌注参数的病理学基础。(5)根据世界卫生组织(World health organization,WHO)2016年分类,我们将胶质瘤患者分为弥漫浸润性较低级别胶质瘤(Lower grade glioma,LGG)和GBM两组进行分析。Mann-Whitney U检验用于分析IDH1突变型及IDH1野生型胶质瘤间、1p/19q缺失及1p/19q完整胶质瘤间、MGMT甲基化和MGMT未甲基化的胶质瘤间的VSI值、DCE定量参数值及r CBV值的差异。(6)ROC分析用于检验灌注参数对胶质瘤分型的检验效能,以约登指数的最大值(敏感性+特异性-1)作为cutoff值,并采用多元logistic回归分析各临床及影像指标与IDH1的相关性。第二部分:多参数MR灌注成像在LGG患者预后评估中的作用(1)回顾性分析并详细记录经手术病理证实的60例WHO II~III级脑胶质瘤的MRI灌注扫描(VSI或DCE扫描)资料、临床病理资料(包括性别、年龄、肿瘤位置、辅助治疗、切除程度、组织病理类型)、IDH1突变状态、1p/19q联合缺失状态、患者的无进展生存期(Progression-Free Survival,PFS)及总生存期(Overall survival,OS)。(2)将LGG分为VSI-high组和VSI-low组(利用鉴别IDH1分型的cutoff值进行分界)、WHOII级和WHOIII级组、IDH1突变型和野生型组,采用Kaplan-Merier法绘制生存曲线,比较不同组间患者的PFS和OS(随访时间为4年),差异行Log-rank检验。(3)单因素Cox回归生存分析用于评估患者PFS的危险因素,包括性别、年龄、肿瘤位置、辅助治疗、切除程度、组织病理类型、IDH1突变状态、1p/19q共缺失、VSI值和DCE各参数值。基于单因素Cox分析,我们建立了多因素Cox分析的四个模型,进一步寻找LGG患者的独立预后因素。由于OS存在较多删失数据,我们没有对各因素的OS进行Cox生存分析。第三部分:基于多参数MR放射组学及生境成像预测GBM的IDH分型(1)回顾性纳入经手术病理确诊为GBM的98例患者的术前影像资料及IDH1突变信息。(2)放射组学特征的提取:利用MATLAB软件进行不同序列图像的配准,将配准后的图像导入AKMITK Work软件(GE药业)进行图像标注,标注时,我们结合T2WI、T1平扫及增强扫描、FLAIR序列的图像,将肿瘤分为整体区域,增强区域及水肿区域分别进行图像标注,提取各标注区域在T2WI、CBV图及ADC图上的图像特征,包括Histogram,GLSZM,Formfactor,Haralick,GLCM,RLM在内的396个特征。(3)组学特征分析:m RMR和LASSO两种特征选择方法用于组学特征的降维及筛选,采用最小惩罚系数λ对应特征数进行标签构建。(4)建模及模型验证:基于勾画的不同区域的ROI,我们构建了四个模型:全肿瘤的T2WI模型,全肿瘤的CBV模型,全肿瘤的ADC模型,MRI多参数多区域联合模型,模型中均纳入了患者年龄、性别、发病部位的临床因素分析。利用logistic regression构建模型,最后用ROC分析及Hosmer-Lemeshow检验来评价模型的表现。结果:第一部分:(1)VSImax和VSImean测值有很好的组间观察者一致性(ICC=0.955及0.923)。经Person相关分析得出,VSImean与微血管管径,VSImean与MVA,VSImax与微血管管径,VSImax与MVA之间均呈显著正相关(P<0.01),其中VSImean与微血管管径呈最相关(r=0.8432)。r CBV测值有良好的观察者间的一致性(ICC=0.862),r CBV与MVA呈最相关(r=0.6579)。VSI值及r CBV均与MVD无明显相关性。DCE各参数测值间有较好的观察者一致性(ICC值范围0.71-0.809)。Ktrans及Vp与MVA呈显著正相关(P<0.05),Ktran、Ve、Vp与微血管管径呈正相关(P<0.05),Ktrans、Ve、Vp与MVD呈正相关,其中,Vp与MVA呈最相关(r=0.89),其次为Vp与MVD(r=0.6386)及Ktrans与MVA(r=0.6013)。(2)Mann-Whitney U检验显示IDH1突变型LGG的VSImax和VSImean值比野生型LGG的VSImax和VSImean值均显著降低(P<0.01),IDH1突变型WHO II级胶质瘤的VSImax和VSImean值也显著低于WHO II级IDH1野生型胶质瘤的VSImax和VSImean值,而对于WHO III级胶质瘤,IDH1突变型和野生型之间没有明显差异。此外,III级胶质瘤的VSImax和VSImean值明显高于II级胶质瘤的VSImax和VSImean值。IDH1野生型和突变型GBM的VSI值无显著差异。(3)ROC曲线得出VSImax鉴别IDH1突变LGG和IDH1野生型LGG的曲线下面积(Area under curve,AUC)为0.7305,当cutoff值取112.8μm时,其鉴别二者的敏感性为62.79%,特异性82.35%;VSImean鉴别两者的AUC为0.7401,当cutoff值取78.5μm时,鉴别二者的敏感性为65.12%,特异性为82.35%。逐步logistic回归分析显示,年龄、肿瘤部位、VSImean值与IDH1相关,且三个值整合因素可将鉴别IDH1突变型及野生型LGG的AUC升高到0.7798,而VSImax不是IDH1突变的独立预测因素。(4)Mann-Whitney U检验显示1p/19q缺失IDH1突变型II级胶质瘤的VSImax及VSImean值比1p/19q完整IDH1突变型的II级胶质瘤VSI值均降低。LGG组及GBM组MGMT甲基化及未甲基化的患者VSI值无明显差异。(5)Mann-Whitney U检验显示IDH1野生型LGG的Ve值高于突变型(P=0.0486),而Ktrans,Kep,Vp在IDH1野生型及突变型LGG间无明显差异;IDH1野生型GBM的Ktrans值大于IDH1突变型GBM(P=0.015),而Kep,Ve,Vp值无明显差异;1p/19q缺失LGG和II级胶质瘤的Vp值高于1p/19q完整的对应组(P=0.0079,0.004);MGMT甲基化GBM的Kep值显著小于MGMT未甲基化组,MGMT甲基化GBM的Ve值、Vp值大于未甲基化组(P=0.008,0.05),而两组间的Ktrans值无明显差异。(6)IDH1野生型的GBM的r CBV大于IDH1突变型GBM,MGMT甲基化GBM的r CBV值稍小于未甲基化组的r CBV值,但两者间无明显统计学意义(P=0.053,0.072)。第二部分:(1)经过四年以上的随访,随访到60例接受VSI灌注扫描的51例LGG的预后信息。Kaplan-Meier曲线分析显示VSImax-High组和VSImean-High的平均OS分别明显短于VSImax-Low和VSImean-Low组,VSImax-High组及VSImean-High组平均PFS分别明显短于VSImax-Low组和VSImean-Low组。IDH1野生型LGG的PFS和OS也显著短于IDH1突变型。此外,WHO III级胶质瘤的OS和PFS短于WHO II级胶质瘤,但IDH1野生型WHO II级和WHO III级组之间没有显著差别。(2)单因素Cox分析发现,VSImax值、VSImean值、IDH1突变状态、WHO分级、年龄、术后辅助治疗方式和多发病灶或跨叶分布与PFS有关,但性别、组织病理学类型、1p/19共缺失、切除范围和PFS没有明显相关。根据单变量Cox分析的结果,我们建立了四个多因素Cox风险比例模型并发现,多发病灶或跨叶分布、IDH1突变状态和VSImean值是不同模型中PFS的独立危险因素。(3)我们随访到47例接受DCE灌注扫描的22例LGG患者的预后信息,单因素Cox分析得出,Ktrans和Ve与PFS有关(P=0.0051和0.0047),HR值分别为39.607和8.9779。同时,Ktrans与OS相关(P=0.019),HR值为36.608。第三部分:(1)92例GBM患者按照7:3比例随机分至训练集(n=66)以及验证集(n=26)。(2)不同观察者间的ICC值从0.81-0.92不等,表明观察者间有良好的一致性。经过Mann-Whitney U检验,临床指标中IDH1不同分组的患者之间年龄具有统计学差异,本课题中临床指标诊断效能均低于放射组学,将具有统计学意义的临床指标联合radscore构建多元逻辑回归。(3)经过LASSO分析在不同模型中得到最具预测能力的特征子集的个数为:T2WI肿瘤整体区域模型里5个,CBV肿瘤整体区域模型里6个,ADC肿瘤整体区域模型里2个,多参数多区域模型里5个。各个模型的IDH1野生型GBM及IDH1突变型GBM的Radscore有显著差异。(4)ROC分析显示CBV模型的radscore在训练组和测试组的AUC值高于T2WI模型和ADC模型,均为0.955。而多参数多区域模型的AUC在训练组达0.962,测试组达0.955,诊断效能高于单一参数模型。训练组和测试组的临床指标在各模型中的AUC值范围为0.773-0.864。(5)在T2WI模型中,联合组学特征及年龄指标,在预测IDH1突变的准确性最高(训练组0.84,测试组0.92)。CBV模型中,准确性最高的为放射组学模型(训练组为0.9375,测试组为0.923077)。ADC模型中,联合放射组学特征和临床指标预测有最高的准确性(训练组0.84,测试组0.85)。多参数多区域混合模型中,放射组学特征模型和联合临床指标模型预测的准确性相同(训练组0.969,测试组0.923)。(6)Hosmer-Lemeshow检验得出各个模型验证集的AUC的P值均大于0.05。因此,我们建立的各个模型的拟合度良好。结论:本研究通过分析多参数灌注扫描的各个参数对胶质瘤分子分型作用和对患者的预后评估,证实了VSI、DCE灌注及常规DSC灌注可不同程度地作为无创性指标预测胶质瘤IDH1突变、1p/19q缺失及MGMT甲基化状态,VSImean、Ktrans和Ve与LGG的预后相关,其中VSImean为LGG患者的独立预后因素。CBV和VSI对GBM的分子分型的准确性有待提高,而基于CBV图的放射组学模型及基于多参数多区域的放射组学模型进一步优化了传统放射组学模型,在预测GBM的IDH1突变状态中表现出良好的诊断效能。这些有可能为胶质瘤个性化诊断和治疗提供有利的依据,进一步推动实现精准医学的目标。