【中国声音】人工智能影像学诊断模型精准预测脑膜瘤伽玛刀治疗后水肿发生风险 - 脑医汇 - 神外资讯

伽玛刀放射外科治疗已成为的颅内脑膜瘤的重要治疗手段之一。然而，部分患者治疗后可能发生瘤周水肿并发症，引起程度不同的临床症状，给患者带来额外负担，但目前尚无可靠的工具预测水肿发生风险。近期，复旦大学附属华山医院放射科尹波教授团队联合上海伽玛医院、复旦大学附属肿瘤医院、复旦大学公共卫生学院、英国Warwick大学数学与计算机学院等多家单位，在《European Radiology》上发表了题为《Predicting Peritumoral Edema Development after Gamma Knife Radiosurgery of Meningiomas Using Machine Learning Methods: A Multicenter Study》的研究论文。此项多中心研究通过整合临床医学、磁共振技术与人工智能算法，首次构建了基于放射组学的机器学习模型，可准确预测脑膜瘤患者伽玛刀放射外科治疗后水肿的发生风险，指导临床选择更加合理的治疗方案。

REF: https://rdcu.be/dhV3m

第一作者：李璇璇¹，陆逸平¹，刘莉²，王东东¹

通讯作者：尹波¹，于同刚³

作者单位：1-复旦大学附属华山医院放射科，2-复旦大学附属肿瘤医院，3-上海伽玛医院

背景

脑膜瘤是最常见的颅内肿瘤之一，首选治疗为外科手术切除。虽然脑膜瘤大多数为良性，但如果侵袭了邻近的硬脑膜，或由于毗邻重要结构难以完全切除，复发率明显升高。伽玛刀（GKS）属于一种立体定向放射外科的治疗方法，能够实现长期抑制肿瘤生长并预防症状恶化，已经成为公认的脑膜瘤的重要治疗手段，主要用于治疗体积较小的脑膜瘤，以及难以切除的脑膜瘤的手术辅助治疗。

然而，GKS治疗可引起瘤周水肿并发症，在出现术后水肿的病例中，40-63%会出现头痛、恶心、呕吐、共济失调、癫痫等症状。这些症状可能需要患者接受皮质类固醇激素治疗，甚至需要进一步的手术切除。既往的研究已提出多种与脑膜瘤患者GKS治疗后水肿发生的风险因素，包括更大的治疗剂量、更大的肿瘤体积、非颅底（尤其是矢旁）的肿瘤部位，以及治疗前存在的瘤周水肿等。但目前尚缺乏可靠的工具预测脑膜瘤GKS治疗后出现水肿的风险概率。为了帮助神经外科医生对脑膜瘤患者做出更适宜的治疗决策，本研究收集了多中心脑膜瘤GKS治疗病例，以构建基于放射组学的精准预测人工智能模型。

方法

本研究回顾性纳入了445例在上海伽玛医院接受GKS治疗的脑膜瘤患者作为主要队列，随机分为训练集和内部验证集；150例来自多中心数据作为外部验证集。所有患者均在GKS前进行了头颅MRI增强扫描，随后至少每6-12个月复查一次，随访MRI图像用于判断治疗后瘤周水肿的发生情况。

我们将患者的GKS术前MRI图像进行了重采样、信号归一化、偏场校正等预处理后，采用半自动方法分割感兴趣区（VOI），从对比增强T1加权图像（CE-T1WI）、T2加权图像（T2WI）和ADC图中分别提取放射组学特征。另外，我们获取了病例的一系列临床特征和影像语义特征，并基于以上特征的多层次组合，构建多个随机生存森林（RSF）模型和深度神经网络（DeepSurv）模型，通过验证集表现选取最佳模型。

图1. 研究路线图

结果

基线数据统计

445名主要队列患者被以8:2比例随机分为训练集（n=356，平均年龄55.2±11.4）和内部验证集（n=89，平均年龄52.6±11.4）。150名多中心患者被纳入外部验证数据集（平均年龄53.2±12.2）。训练集、内部验证集和外部验证集中分别有62名（17.4%）、14名（15.7%）和18名（12.0%）患者发生GKS后瘤周水肿。除了6名无法回忆有无症状的患者外，三个数据集分别有26例（45.6%）、6例（46.2%）和11例（61.1%）有术后瘤周水肿相关症状。其中，部分患者需要使用类固醇激素治疗（分别为15/26、2/6、8/11），部分需要进一步切除（分别为8/26、1/6、4/11）。

特征提取及模型构建

我们从每个MRI序列（CE-T1WI、T2WI、ADC图）中提取了1132个放射组学特征，在特征选择后分别确定了17个、24个、15个特征，并从三个序列组学特征总和中选择出了20个特征。通过组合不同放射组学特征、临床特征及影像语义特征，我们分别构建了19个随机生存森林（RSF）模型和19个深度神经网络（DeepSurv）模型。其中，结合了临床、影像语义和ADC图放射组学特征的RSF模型（RSF Model 3-CSADC）在外部验证集表现最佳，其在内部和外部验证中的C-index分别为0.861和0.780。

基于RSF Model 3-CSADC在训练集中预测值的最佳截止值（9.04），该模型将训练集、内部验证集和外部验证集的高、低风险病例均进行了有效分层（Log-rank P值<0.001）。

图2. 用Model 3-CSADC模型将训练集、内部验证集和外部验证集进行有效分层的Kaplan-Meier曲线（A-C）和散点图（D-F）

此外，基于RSF Model 3-CSADC的预测风险，我们生成了0.5年、1年、1.5年和2年预测性能的列线图。列线图的C-index为0.962（95% CI：0.951-0.973），在三个数据集中，校准曲线显示出预测与实际结果之间的良好一致性。GND测试表明模型校准良好（P值分别为0.381、0.257和0.078）。

图3. 基于RSF Model 3-CSADC预测风险的列线图和校准曲线。列线图中的红色标识为一名患者的应用示例。

结论

本研究首次应用人工智能技术，构建了结合临床特征、影像语义特征和ADC图放射学特征的RSF模型，实现脑膜瘤GKS后瘤周水肿风险的精准预测，可作为一种无创、有效的工具，为脑膜瘤患者的个性化治疗决策和随诊计划提供重要的辅助手段。

本项目得到了上海市科技重大专项、张江实验室、上海市青年科技英才扬帆计划、上海周良辅医学发展基金会“脑科学与脑疾病青年创新计划”、上海市卫健委临床卫生研究专项青年项目等支持。

通讯作者简介

尹波教授

复旦大学附属华山医院

复旦大学附属华山医院放射科主任医师、博士生导师

复旦大学附属华山医院宝山院区副院长，华山医院放射科副主任、宝山院区放射科执行主任/介入治疗中心主任

上海医师协会放射医师分会副会长

上海放射学会磁共振学组副组长

主持包括国家自然科学基金在内的各项基金十余项,作为主要获奖人获国家科技进步二等奖、上海市科技进步一等奖等

第一/通讯作者发表包括Immunity、Advanced Materials、Lancet子刊、Advanced Science在内的SCI论文50余篇

于同刚主任医师

上海伽玛医院

上海伽玛医院放射科主任医师、硕士生导师

华山医院伽玛党支部书记、上海伽玛医院放射科主任

上海市医学会医疗事故技术鉴定专家

主持或参与国家自然科学基金及卫健委课题

第一/通讯作者发表包括论文30余篇，参与著书2部

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。