低级别胶质瘤组织学分级

　　低级别胶质瘤组织学分级，LGG级别（Ⅱ级与Ⅲ级）是决定其预后的重要因素，也影响病人的个体化治疗。既往采用常规MRI特征区分LGG级别，主要根据肿瘤部位及侵犯范围、边缘特点以及强化类型，但对于非强化区域及完全不强化的肿瘤价值有限，导致术前分级欠准确。影像组学通过提取MRI影像中反映肿瘤异质性信息的特征构建预测模型，有助于LGG分级。目前采用的MRI序列主要包括T1WI、T2WI、液体衰减反转恢复（FLAIR）、增强T1WI（contrast-enhanced T1WI，CE-T1WI）以及扩散成像。

　　Naser等采用常规MRI序列研究110例LGG，手动分割肿瘤后构建影像组学模型，筛选出与分级相关信息（如坏死核心、形态学特点、大小等），使用5个数据集进行检测，该分级模型对于LGG分级效能良好，平均受试者操作特征曲线下面积（AUC）高达0.97。Ⅱ级和部分Ⅲ级LGG肿瘤可无强化，这时常规MRI对于LGG分级的诊断效能不高，而影像组学方法通过提取这些非强化区的高通量数据同样有助于改善分级诊断，如Park等提取了204例LGG常规MRI影像中的250个组学特征，显示t检验与弹性网组合模型对LGG强化与非强化肿瘤整体组织学分级均有价值，且对非强化肿瘤分级预测效能较高。

　　基于常规MR序列的影像组学对于LGG分级效能可能优于单一参数的功能参数图。如Zhang等对41例LGG进行纹理分析获得最佳判别因子，结果显示基于FLAIR、表观扩散系数（ADC）、T1WI、CE-T1WI序列影像组学模型预测LGG病理级别效能优于ADC直方图参数模型。另一方面，基于扩散成像的影像组学模型预测胶质瘤级别的能力也优于其相应的单纯功能成像参数值。常规MRI序列难以反映肿瘤内部水分子运动状态，即水分子扩散是否受限，因此基于扩散成像的影像组学预测LGG分级的价值更高。

　　最近一项研究基于T2WI、扩散加权成像（DWI）、扩散张量成像（DTI）、扩散峰度成像（DKI）序列提取了2856个影像组学特征，以特征贡献率为标准筛选指标，Logistic回归分析显示基于DTI和DKI序列的影像组学模型区分LGG（26例）和胶质母细胞瘤（29例）效能最佳（均AUC＞0.90）。但是，此类研究较少，纳入的功能成像序列也较少，因此今后LGG分级研究可进一步在常规MRI序列基础上增加功能成像序列，进行基于形态学与功能MR序列多模态影像组学分析。

• 文章标题：低级别胶质瘤组织学分级
• 更新时间：2021-11-10 15:22:04