首都医科大学附属北京天坛医院江涛教授等选择来自三个独立队列的652例胶质瘤患者数据，构建稳定、可验证的术前MRI-T2加权的放射组学模型，用于预测胶质瘤的生存期。结果发表于2022年4月《Brain》杂志。

——摘自文章章节

胶质瘤是中枢神经系统的常见原发性恶性肿瘤，患者的预后差别很大。评估预后对胶质瘤术后治疗具有重要的指导意义。已知一些胶质瘤的分子病理学表现，如异柠檬酸脱氢酶1（IDH1）突变、染色体1p/19q共缺失状态等是预后的预测因子，但要达到准确检测需要足够的标本、专业的技术人员以及昂贵的设备，这些缺点是分子病理因素广泛应用于预后和化疗敏感性预测的主要障碍。MRI对胶质瘤诊断的可信程度高，可识别胶质瘤的部位和大小。术前MRI是诊治胶质瘤的重要资料。放射组学通过数据表征算法从放射医学图像中提取定量特征，是预测肿瘤预后的手段和治疗决策的支持工具。此外，术前放射学特征（Radiomic features，RF）可反映肿瘤和肿瘤微环境的原始状态，尤其是MRI-T2加权衍生的RF，可用于评估肿瘤的生物学特征和微环境。研究表明，MRI的RF可作为胶质瘤预后的生物标志物。首都医科大学附属北京天坛医院江涛教授等选择来自三个独立队列的652例胶质瘤患者数据，构建稳定、可验证的术前MRI-T2加权的放射组学模型，用于预测胶质瘤的生存期。结果发表于2022年4月《Brain》杂志。

研究结果发现，在发现队列中，14个基于放射学特征的预测模型可以根据术前MRI-T2加权图像构建，并在外部和前瞻性验证队列中显示对胶质瘤总生存期的高度稳健的预测能力。预测模型的放射学特征与免疫应答相关，尤其是肿瘤巨噬细胞浸润。术前MRI-T2加权放射组学预测模型可以稳定预测胶质瘤患者的生存期，并协助术前评估胶质瘤巨噬细胞浸润程度。

最后，研究者认为，通过机器学习构建MRI放射组学模型可用于预测胶质瘤患者的临床预后，对未来免疫治疗的预后判断和指导决策具有巨大潜力。