Ki-67与IDH1在胶质瘤早期诊断与分型中的应用：基于影像组学的深度学习模型

摘要

胶质瘤是一种常见的脑部恶性肿瘤，其预后与多种因素密切相关。术前预测胶质瘤患者的组织学分级、Ki-67增殖指数、异柠檬酸脱氢酶1(isocitrate dehydrogenase 1,IDH1)突变状态，对优化患者个体化综合治疗方案、改善生存结局具有重要临床意义。近年来，基于多模态MRI的影像组学与深度学习技术为此提供了有力工具。现有研究主要基于多模态MRI序列精准分割肿瘤实质、瘤周水肿等感兴趣区，提取高通量影像特征，并进一步将这些影像特征与患者的临床信息、术后病理及基因检测结果相融合；最后，利用影像组学、深度学习或混合建模方法构建预测模型，并通过内部与外部验证筛选出最优模型。这些模型在准确率、敏感度及特异度等关键效能指标上表现出色，能够术前无创、可重复地精准预测Ki-67增殖指数、IDH1突变状态、肿瘤侵袭性与增殖活性、病理分级、生存预后等一系列有价值的信息，为临床决策提供客观依据。系统梳理该领域的研究进展，既有助于临床医师理解胶质瘤的生物学行为、优化诊疗方案、推进个体化治疗策略落地，也可为胶质瘤术前精准评估技术的后续研发与临床转化提供参考。

关键词

胶质瘤 / 影像组学 / 深度学习 / Ki-67 / 异柠檬酸脱氢酶1