脑转移瘤多模态MRI纵向数据集：整合临床与影像组学数据推动精准医疗

《Scientific Data》：A longitudinal MRI dataset of brain metastases with tumor segmentations, clinical & radiomic data

本刊推荐：为解决脑转移瘤（BM）诊断和治疗研究中高质量标注影像数据匮乏的问题，研究人员开展了名为“PROTEAS”的主题研究，构建了一个包含40例患者、744次MRI扫描（基线和随访）、45个放疗计划及CT扫描的纵向数据集，并对65个BM病灶进行了增强肿瘤、水肿和坏死核心的精细分割。该数据集还提供了详细的临床、人口统计学和影像组学特征，其共享旨在支持BM自动检测、病灶分割、疾病评估和治疗规划的AI算法开发，对推动精准医疗和临床决策具有重要意义。

　　

在神经肿瘤学领域，脑转移瘤（Brain Metastases, BM）作为多种原发性恶性肿瘤的严重并发症，已成为中枢神经系统中最常见的肿瘤类型。据统计，20%至40%的癌症患者在其疾病进展过程中会出现BM，尤其在肺癌、乳腺癌和黑色素瘤患者中更为常见。随着新型治疗手段的出现，患者生存期延长以及影像学技术的进步，BM的检出率呈现上升趋势，这使得BM的临床管理面临巨大挑战。

目前，BM的治疗方式多样，包括手术、化疗、 immunotherapy（免疫治疗）、靶向治疗和放疗（Radiotherapy, RT）等。其中，放疗在平衡肿瘤控制与副作用方面尤为关键，常用技术有全脑放疗（Whole-Brain Radiotherapy, WBRT）和立体定向放射外科（Stereotactic Radiosurgery, SRS）。WBRT适用于多发BM患者，但可能引起全脑放射性损伤；SRS则主要用于预后良好的局限性BM患者，通过高精度局部照射在保护健康组织的同时优化肿瘤控制。

磁共振成像（Magnetic Resonance Imaging, MRI）凭借其卓越的软组织对比度，已成为BM检测、治疗规划和疗效监测的首选影像学手段。常规脑部MRI协议包括T1加权（T1-weighted, T1W）、T2加权（T2-weighted, T2W）、液体衰减反转恢复（Fluid-Attenuated Inversion Recovery, FLAIR）及对比增强T1加权（T1-Contrast）序列。其中，T1-Contrast序列是BM检测和表征的“金标准”，而T2W和FLAIR序列则能有效显示病灶周围水肿。

尽管MRI技术不断进步，BM的精准管理仍面临一大瓶颈：高质量、标注完善的影像数据集严重不足。现有公共数据集如The Cancer Imaging Archive（TCIA）和BraTS-METS 2023等多局限于治疗前数据，仅标注有限的肿瘤亚区（如增强区域或坏死区），且缺乏治疗细节和纵向随访信息。这极大限制了人工智能（AI）算法在BM自动检测、分割和预后预测中的泛化能力和临床转化。

为应对这一挑战，由Dimitra Flouri领衔的研究团队在《Scientific Data》上发表了题为“A longitudinal MRI dataset of brain metastases with tumor segmentations, clinical & radiomic data”的数据描述论文，推出了一个名为PROTEAS的综合性纵向数据集。该数据集收录了来自塞浦路斯Bank of Cyprus Oncology Centre（BoCOC）2019年至2024年间的40例BM患者数据，包含744次MRI扫描（基线和多次随访）、45个放疗计划（Radiotherapy Plan, RTP）和CT扫描，并对65个BM病灶进行了精细分割，定义了增强肿瘤、水肿和坏死核心三个关键区域。此外，数据集还提供了丰富的临床、人口统计学和影像组学数据，旨在支持BM相关AI模型的开发与验证，尤其满足BraTS-METS 2025 Lighthouse Challenge对治疗后影像数据的需求。

研究方法上，作者团队首先从BoCOC招募了经病理或临床确诊的BM患者，所有参与者均签署知情同意，且影像数据均包含T1W、T2W、T1-Contrast和FLAIR四种标准MRI序列。图像质量经专业放射科医师审核，排除运动伪影显著的扫描。DICOM格式的原始数据经匿名化处理后，转换为NIfTI格式，并利用BraTS-Preprocessor工具将其空间标准化至BraTS框架，确保数据互操作性和可比性。肿瘤分割采用多种方法结合：先使用深度学习模型DeepBraTumIA和nnU-Net进行自动分割，对多发病灶则辅以Imalytics Preclinical软件进行半自动分割，并由资深神经放射科医师手动校正。影像组学特征提取采用Pyradiomics包，在经N4偏置场校正和强度裁剪的图像上，提取了110个特征，包括一阶统计量、形状描述符和纹理特征。所有分割结果和影像数据均对齐至BraTS空间，RTP和CT数据也通过非刚性配准与MRI图像对齐。

Subject characteristic

本研究纳入40例BM患者，共65个转移灶。原发肿瘤以非小细胞肺癌（65%）和乳腺癌（32.5%）为主。所有患者均接受SRS或分次立体定向放疗（Stereotactic Fractionated Radiotherapy），基线及随访MRI在预定的6周、3个月、6个月、9个月和12个月时间点完成，确保纵向数据的系统性。影像参数经DICOM头文件提取并汇总，显示扫描场强包括1.5T和3T，由Philips、Siemens和Toshiba等厂商设备完成。

Ethical approval

研究遵循赫尔辛基宣言，获塞浦路斯国家生物伦理委员会批准（EEBK/EII/2021/72）。所有数据经匿名化处理，保护患者隐私。

Image acquisition

MRI扫描参数中位值如表1所示，T1-Contrast序列在注射钆对比剂（Gadovist）后获取，多数扫描在自由呼吸条件下完成。图像预处理环节，DICOM至NIfTI的转换通过dcm2niix实现，后续空间标准化确保数据与BraTS挑战赛标准兼容。

Segmentation procedure

肿瘤亚区分割结果经ITK-SNAP 4.0.2可视化验证，标签统一为：坏死核心（Label 1）、增强肿瘤（Label 2）、水肿（Label 3），正常脑组织如脑室（Label 10）、白质（Label 30）、灰质（Label 40）和脑脊液（Label 50）亦被标注。

Radiomic-based analysis

影像组学分析共提取每例患者各模态、各区域的110个特征，涵盖一阶统计、形状和纹理特征，灰度离散化箱宽设为5，以保障特征可重复性。

Data Record

数据集存储于Zenodo平台，每位患者数据以独立文件夹组织，内含BraTS空间下的NIfTI格式影像及分割文件，以及临床与影像组学Excel表格。数据结极便于纵向分析疾病进展与治疗反应。

Technical Validation

数据质量由多专家保障：BM诊断经放射肿瘤学家确认，影像质量由MRI分析专业人员审核，分割结果由神经放射学家手动校正，确保临床可靠性。

Usage Notes

建议使用FSLeyes、ITK-SNAP或3D Slicer等软件处理NIfTI数据，Horos和3D Slicer适用于DICOM文件，以保证物理空间和方向的一致性。

综上所述，PROTEAS数据集通过提供多模态MRI、精细肿瘤分割、纵向随访及丰富的临床-影像组学数据，填补了BM研究领域高质量公共数据的空白。其突出优势在于涵盖治疗后影像和多个时间点，支持肿瘤生物学时空动态分析，这是现有资源所缺乏的。该数据共享倡议将加速BM自动检测、分割和预后预测的AI算法开发，推动精准医疗在神经肿瘤学的临床转化。未来，这一资源有望成为BraTS-METS等国际挑战赛的重要基准，促进跨机构合作和算法标准化，最终提升BM患者的诊疗水平。