论文部分内容阅读
第一部分 酰胺质子转移成像在检测胶质瘤级别和肿瘤增殖活性中的应用研究:与Ki-67指数和氢质子磁共振波谱成像的比较研究背景和目的:胶质瘤的预后很大程度上取决于肿瘤的分级和肿瘤的增殖活性程度,在这项未经治疗的原发性脑胶质瘤患者的前瞻性研究中,我们研究了酰胺质子转移加权成像是否能够反应肿瘤级别和肿瘤增殖情况,并且与Ki-67标记指数和~1H磁共振波谱成像比较,考察其是否能够可靠地区分高低级别胶质瘤。材料与方法:本研究纳入42例胶质瘤患者,其中低级别胶质瘤和高级别胶质瘤分别为28例和14例。所有患者均接受常规磁共振成像、氢质子磁共振波谱成像和酰胺质子转移加权成像。手术前2周内使用GE MR750 3T磁共振扫描仪,我们评估了从~1H磁共振波谱成像中获得的胆碱和N-乙酰天冬氨酸的代谢物与酰胺质子转移加权成像中3.5ppm处不对称磁化转移率之间的关系,并将它们与切除标本中组织病理学分级和肿瘤细胞增殖标志物Ki-67免疫组织化学表达进行了相关和比较分析。结果:不同观测者测量的3.5 ppm处的不对称磁化传递率显示良好的一致性,并且高级别胶质瘤中显着高于低级别胶质瘤(3.61%±0.155 vs 2.64%±0.185,P=0.0016),当诊断阈值为2.93%时,其诊断的敏感性和特异性分别为92.9%和71.4%。3.5ppm值处不对称磁化传递率与肿瘤组织病理级别相关(r=0.506,P=0.0006),并和Ki-67标记指数相关(r=0.502,P=0.002)。对于所有纳入的患者,3.5 ppm处不对称磁化转移率与胆碱(r=0.43,P=0.009)和胆碱/N-乙酰天冬氨酸比率(r=0.42,P=0.01)呈正相关,与N-乙酰天冬氨酸呈负相关(r=-0.455,P=0.005)。这种相关性同时存在于低级别胶质瘤患者与高级别胶质瘤患者中,但高级别胶质瘤的相关系数绝对值较高(胆碱:r=0.547,P=0.053;N-乙酰天冬氨酸:r=-0.644,P=0.017;胆碱/N-乙酰天冬氨酸:r=0.583,P=0.036)。结论:3.5 ppm处不对称磁化转移率可作为潜在的评估胶质瘤分子生物学行为的标志物,不仅可用于评估增殖,还可用于预测胶质瘤的组织病理学分级。第二部分 基于多模态MRI的影像组学在区分胶质瘤级别和预测肿瘤增殖行为中的应用目的:探讨基于传统的解剖、扩散加权和灌注加权MRI的多模态MRI影像组学在区分胶质瘤级别和预测肿瘤增殖活性的的可行性,并探究相关的诊断性能。方法和材料:回顾性纳入220例病理证实的胶质瘤进行分析,包括10种对比度的图像配准到T2FLAIR图像上,并且各向同性地重新采样到1mm 3。基于阈值法的半自动勾画的肿瘤区域,并从中提取每个对比度的431个影像组学特征。对于单一对比度和所有对比度组学特征进行组合分析,采用偏相关分析探究影像组学特征与病理生物标记之间的相关性,并采用0.632+Bootstrap方法建立多变量预测模型。结果:在单变量分析中,非小波转化后和小波转换后影像组学特征与肿瘤分级、Ki-67显着相关。对于肿瘤级别而言,T1C中的最大R为0.557(p=2.04E-14);对于Ki-67,最大R为0.395(p=2.33E-07)。在多变量分析中,与单个对比图像相比,所有对比度的影像组学特征的组合在预测胶质瘤亚型和预测增殖中具有最高的AUC。对于低/高级别胶质瘤,最佳AUC为0.911。在区分亚型胶质瘤中,II-III级的最佳AUC为0.896,II-IV级为0.997,III-IV级为0.881。在反映增殖水平时,整合多对比度建立的预测模型的AUC为0.936。结论:多模态MRI影像组学能提供互补的信息,这些信息可以反应肿瘤组织形态学和分子生物学方面的特征,与肿瘤的级别和增殖相关。结合多模态影像组学能有效的预测胶质瘤的级别和Ki-67水平,可能有利于患者的精准诊疗。第三部分 T1C和T2WI影像组学预测低级别胶质瘤1p/19q共缺失状态和肿瘤分级的对比研究背景和目的:影像组学技术能够为肿瘤的无创性分子分型提供有力的手段,但是从海量的组学特征中筛选出关键的组学特征要克服数据的冗余性,找到有效的成像模态会有助于影像组学的推广和应用。本研究探讨基于T1C和T2WI的影像组学在预测低级别胶质瘤1p/19q共同缺失状态和肿瘤分级中的可行性,并进一步比较两种成像模态与肿瘤病理和分子特征之间的相关性差异及基于影像组学特征的预测模型的预测性能。材料与方法:本研究共纳入159例患者,数据均来自癌症成像档案(TCIA),所有患者均接受了T1C和T2WI扫描。通过三个连续半自动绘制的感兴趣区层面计算影像组学431个影像组学特征,包括一阶统计特征、形态和大小特征、纹理特征和带宽为1-8的小波特征。在单变量分析中,采用Pearson’s相关分析探索影像组学特征与组织学、遗传学特征的相关性;采用独立样本T检验用于确定不同形态学特征和遗传状态之间显著差异的影像组学特征。在多变量分析中,使用改进的0.632+自举法对影像组学特征进行筛选和融合,通过逻辑回归构建线性模型用于预测胶质瘤的不同组织学特征和分子特征。结果:单变量分析中,T1C和T2WI的影像组学特征均与肿瘤级别和1p/19q基因分子分型显著相关。在级别中,T1C较T2WI最大相关系数分别为0.27和0.18;两种模态在相关分析和差异分析中均没有特征能够通过多重多重比较正检验。在基因分子特征中,T2WI的最大相关系数为0.50(P=1.69E-11),较T1C中更显著(R=0.34,P=1.26E-05),通过多种比较正的相特征数量分别为24和1;差异性分析中,两种模态具有显著性差异的特征数分别137和47,通过多重比较正的特征数分别为33和6。多变量建模分析中,基于T2WI在区分胶质瘤级别和1p/19q共缺失突变的状态中均表现出优于T1C的预测性能,有较高的准确性(AUC在级别中:0.88 vs 0.739;AUC在1p/19q共缺失中:0.879 vs 0.75)。结论:基于T1C和T2WI的影像组学特征与较低级别胶质瘤的级别和1p/19q突变与否的状态有着显著关联,基于二者的影像组学特征建立的预测模型能够有效的区分较低级别胶质瘤类型。相比于T1C而言,T2WI在胶质瘤中亚类预测中展现出了明显的优势,有更高的预测性能。