European Radiology：基于多模态MRI的影像组学方法在预测肺癌脑转移后伽玛刀放射治疗反应中的应用
2022-04-12 shaosai MedSci原创
多模态MRI可显示整个肿瘤及其周围环境的结构和病理生理学信息，并可以在治疗前后反复使用以监测疾病及其对治疗的反应。
肺癌脑转移（LCBM）在颅内环境中定植并持续存在，威胁着患者的健康和生命。立体定向放射手术，尤其是伽玛刀放射手术（GKRS），是治疗该疾病的最有效策略之一。然而，并不是所有的LCBM患者都能从标准的GKRS中获益。对于GKRS不敏感的LCBM，更高的放射剂量或手术治疗也许是更好的选择。因此，准确预测LCBM对GKRS的治疗后反应可以帮助临床医生制定个性化的预处理策略，使患者的治疗效果最大化。
多模态MRI可显示整个肿瘤及其周围环境的结构和病理生理学信息，并可以在治疗前后反复使用以监测疾病及其对治疗的反应。有研究报道，MRI灌注生物标志物可以预测LCBM对GKRS的长期反应，而传统的图像分析可以提取的信息太有限，无法进一步提高预测性能。此外，由结构图像和生理图像组成的多模态MRI在提高预测性能方面优于单一模态。因此，结合临床因素和基于多模态MRI的特征可实现准确性较高的预测性能。
近日，发表在European Radiology杂志的一项研究开发和验证了一种基于多模态MRI的影像组学特征和临床因素相结合的影像组学列线图，以预测LCBM对GKRS的治疗后反应，协助临床制定及调整LCBM的治疗策略。
本研究回顾性地分析了2017年1月至2020年11月期间接受GKRS的137名LCBM患者的213个病灶。根据治疗时间，将数据分为初级队列（102名患者，173个病灶）和独立验证队列（35名患者，40个病灶）。根据神经肿瘤学脑转移的反应评估标准，使用治疗前和3个月的随访MRI图像来定义获益结果。使用随机森林从治疗前多模态MRI图像中提取有价值的放射组学特征。分别评估了肿瘤核心的影像组学特征（RFTC）和瘤周水肿的影像组学特征（RFPE）之间的预测性能。然后，通过主要队列建立随机森林放射学评分和列线图，并通过独立验证队列进行评估。通过ROC曲线、校准曲线和决策曲线评估了预测性能。
性别（p = 0.018）、组织学亚型（p = 0.009）、表皮生长因子受体突变（p = 0.034）和靶向药物治疗（p = 0.021）与治疗后反应显著相关。在初级队列中，将RFPE加入RFTC显示出比单独RFTC更好的预测性能（AUC = 0.848，而AUC = 0.750；p < 0.001）。最后，影像组学列线图在初级队列中的AUC为0.930，C-指数为0.930（特异性为83.1%，敏感性为87.3%），在验证队列中的AUC为0.852，C-指数为0.848（特异性为84.2%，敏感性为76.2%）。
图 a, b 初级队列和验证队列中RF分数的ROC曲线. c, d 初级队列和验证队列中影像组学列线图的ROC曲线
总之，本研究开发了一种整合了基于多模态MRI的影像组学特征和临床因素的影像组学方法来预测LCBM对GKRS的治疗后反应。该方法的主要预测性能在验证中表现出较高的准确性和稳健性，可以帮助临床更及时地调整治疗方案以达到最大获益。
原文出处：
Zekun Jiang,Bao Wang,Xiao Han,et al.Multimodality MRI-based radiomics approach to predict the posttreatment response of lung cancer brain metastases to gamma knife radiosurgery.DOI:10.1007/s00330-021-08368-w.
作者：shaosai
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#PE#
70
#多模态#
91
#伽玛刀#
77
#多模态MRI#
88