基于多模态磁共振成像栖息地影像组学预测低级别胶质瘤患者预后

摘要

目的 利用K-means聚类算法从磁共振成像（MRI）序列中识别异质性的功能亚区，并建立栖息地风险评分（HRS）模型预测低级别胶质瘤（LGG）患者的预后。方法 收集143例LGG患者的相关临床及影像学资料，利用无监督K-meams聚类算法对胶质瘤栖息地进行功能亚区聚类，分别提取不同功能亚区组学特征。进而构建不同亚区HRS，分析HRS与总生存时间（OS）的相关性，并对不同功能HRS进行外部验证。多因素Cox回归分析建立临床、栖息地联合临床模型，采用时间依赖的受试者操作特征（ROC）曲线，计算曲线下面积（AUC）评估不同模型对LGG患者预后预测性能。结果 基于K-meams聚类算法确定最佳分区为3个亚区，中位生存期K-M生存曲线显示，训练组基于Habitat 2亚区（高灌注高细胞致密区）构建的HRS2与OS相关（P=0.001）。多因素Cox回归分析显示年龄（HR=1.033）、WHO分级（HR=1.290）、HRS2(HR=2.498)是预测LGG预后的影响因素。基于以上结果建立栖息地联合临床预测模型，并对模型进行外部验证。训练组队列临床、栖息地联合临床模型预测LGG患者OS的AUC分别为0.711、0.855，而验证组队列AUC分别为0.709、0.857。结论 生境技术可以通过分割肿瘤不同亚区量化肿瘤异质性，基于高危亚区构建的HRS是LGG患者预后的影响因素，栖息地联合临床模型在预后评估方面优于临床模型。

关键词

低级别胶质瘤 / 栖息地 / 影像组学 / 异质性 / 磁共振 / 脑肿瘤