慕尼黑大学附属医院的Zhicong Li等建立预测模型，将临床参数和从静态以及动态[18F]FET PET中提取的放射组学特征结合起来，用于新诊断的IDH野生型胶质母细胞瘤患者个体化生存分层。结果发表在2023年1月的《European Journal of Nuclear Medicine and Molecular Imaging》杂志。
——摘自文章章节
【Ref: Li Z, et al. Eur J Nucl Med Mol Imaging. 2023 Jan;50(2):535-545. doi:10.1007/s00259-022-05988-2. Epub 2022 Oct 13.】
IDH野生型胶质母细胞瘤（GBM）是有高度侵袭性的肿瘤，患者生存期很短。目前没有很好的方法预测患者生存期，因此需要建立能够准确预测患者生存期的模型。使用放射性标记氨基酸，如O-(2-[18F]fluoroethyl)-L-tyrosine([18F]FET)的正电子发射断层扫描（PET），已应用于原发性脑肿瘤的鉴定和评估。因此，神经肿瘤反应评估（RANO）工作小组推荐PET成像作为除常规MRI成像外的脑肿瘤患者重要管理工具。动态[18F]FET PET已表明有助于无创肿瘤分类以及分子亚组判断预后。前期研究表明，基于各种成像方式，从中提取定量特征的影像组学，反映肿瘤的形态、组织结构和代谢特征。利用上述特征建立预测模型，可预测患者的生存期。慕尼黑大学附属医院的Zhicong Li等建立预测模型，将临床参数和从静态以及动态[18F]FET PET中提取的放射组学特征结合起来，用于新诊断的IDH野生型胶质母细胞瘤患者个体化生存分层。结果发表在2023年1月的《European Journal of Nuclear Medicine and Molecular Imaging》杂志。
该研究纳入141例新诊断的IDH野生型胶质母细胞瘤患者，手术前进行动态[18F]FET PET扫描。生存时间≤12个月的患者为短期存活者。从治疗前成像中分别提取一阶、形状和纹理影像组学特征，并随机分为训练组（99例）和测试组（42例）。在特征归一化后，应用递归特征消除进行特征选择，利用训练组进行交叉验证，构建机器学习模型，以比较放射组学模型与放射组学特征结合临床参数的临床-放射组学模型。通过计算ROC曲线下面积（AUC）、准确率、敏感性、特异性以及阳性和阴性预测值来评估训练组和测试组中识别短期存活者的预测性能。141例患者中，94例（66.7%）在初步诊断时进行立体定向活检，47例（33.3%）肿瘤显微手术切除，在STS（短期存活者）和非STS组之间没有显著差异（P=0.355）。40例（28.4%）患者的生存时间不足12个月，归为STS。
原始模型考虑六个临床参数和分别从静态和动态[18F]FET PET图像中提取的107个影像组学特征。经过排除基于皮尔逊相关系数（PCC）的冗余特征后，肿瘤背景比（TBR）图像保留79个特征，峰值时间（TTP）图像保留94个特征。经过递归特征消除（RFE）后，TBR模型最终选出两个特征，TTP模型选出六个特征。TBR模型、TTP模型和临床模型的诊断验证：TBR模型在训练组中预测STS的AUC为0.63（95%CI，0.52-0.75），灵敏度为60.7%，特异性为60.6%；在测试组中，AUC为0.63（95%CI，0.47-0.78），灵敏度为50.0%，特异性为73.3%。TTP模型展示出更高的STS预测能力，训练组的AUC为0.77（95%CI，0.69-0.84），灵敏度为75.0%，特异性为63.4%；测试组的AUC为0.71（95%CI，0.57-0.84），灵敏度为50.0%，特异性为70.0%。临床模型的准确性与TTP模型在同一水平，训练组的AUC为0.79（95%CI，0.71-0.86），灵敏度为75.0%，特异性为64.8%；测试组的AUC为0.69（95%CI，0.50-0.86），灵敏度为66.7%，特异性为53.3%。
结合模型的诊断验证：结合的TBR-TTP模型在训练组中的STS预测的AUC为0.79（95%CI，0.72-0.87），灵敏度为71.4%，特异性为69.0%；在测试组中，AUC为0.74（95%CI，0.61-0.86），灵敏度为50.0%，特异性为70.0%。结合临床-TBR模型对STS的预测能力只略高于TBR模型，训练组的AUC为0.80（95%CI，0.72-0.87），测试组的AUC为0.64（95%CI，0.47-0.81）。训练组的灵敏度和特异性分别为75.0%和70.4%，测试组的灵敏度和特异性分别为58.3%和60.0%。结合临床-TTP模型对STS的预测能力最好，训练组的AUC为0.86（95%CI，0.78-0.92），灵敏度为82.1%，特异性为74.7%；测试组的AUC为0.74（95%CI，0.60-0.88），灵敏度为66.7%，特异性为70.0%。临床-TBR-TTP模型在训练组中的STS预测的AUC为0.86（95%CI，0.70-0.93），灵敏度为89.3%，特异性为71.8%；在测试组中，AUC为0.72（95%CI，0.59-0.86），灵敏度为58.3%，特异性为73.3%。
该项研究构建并评估结合静/动态[18F]FET PET中提取的影像组学特征和临床参数的生存预测模型。与仅使用常规临床参数的模型相比，结合临床参数和基于动态[18F]FET PET数据的影像组学模型，在新诊断的IDH野生型胶质母细胞瘤患者的短期生存个体化评估中，具有更高的预后准确性。综上所述，研究发现将临床参数和放射学特征相结合可以提高预测模型的准确性，该预测模型有望成为指导胶质瘤治疗和制定治疗计划的有价值工具。声明：脑医汇旗下神外资讯、神介资讯、神内资讯、脑医咨询、AiBrain 所发表内容之知识产权为脑医汇及主办方、原作者等相关权利人所有。
投稿邮箱：NAOYIHUI@163.com
未经许可，禁止进行转载、摘编、复制、裁切、录制等。经许可授权使用，亦须注明来源。欢迎转发、分享。
