基于分形分析和 VASARI 特征构建列线图预测 WHO 3 - 4 级弥漫性胶质瘤分子特征，为精准医疗赋能

为解决胶质瘤患者分子特征预测问题，武汉大学中南医院研究人员开展基于分形分析和 VASARI 特征预测 WHO 3 - 4 级弥漫性胶质瘤分子特征的研究。结果显示该方法可有效预测 Ki_67 增殖指数（PI）、p53 和 TERTp突变，为临床治疗提供依据。

　　在神秘的人体中枢神经系统中，胶质瘤如同隐藏的 “定时炸弹”，威胁着人们的健康。其中，WHO 3 - 4 级弥漫性胶质瘤恶性程度高，治疗难度大。准确预测这类胶质瘤的分子特征，对于评估患者预后、制定个性化治疗方案至关重要。然而，目前的预测方法存在诸多问题，传统的影像学评估手段不够精准，而新兴的人工智能技术虽有潜力，但因缺乏易用软件和足够的可解释性，难以在临床广泛应用。

为了攻克这些难题，武汉大学中南医院的研究人员挺身而出，开展了一项极具意义的研究。他们试图利用分形分析和 Visually AcceSAble Rembrandt Images（VASARI）特征，构建列线图模型，实现对 WHO 3 - 4 级弥漫性胶质瘤分子特征的有效预测。该研究成果发表在《Scientific Reports》上，为胶质瘤的诊疗带来了新的曙光。

在研究方法上，研究人员回顾性收集了 2020 年 1 月至 2023 年 12 月在武汉大学中南医院经病理确诊的 WHO 3 - 4 级弥漫性胶质瘤患者的临床、病理和影像数据。患者接受了西门子 Prisma 3.0T 或 uMRI 790 3.0T 扫描仪的 MRI 扫描。研究人员选取 25 个常用的术前 VASARI 特征进行分析，并通过 ImageJ 软件提取肿瘤及周围水肿的分形维数（FD）和间隙度（LAC）。术后对肿瘤组织进行免疫组化分析 Ki_67 和 p53 表达，通过基因测序确定 TERT_p突变状态。利用多种统计软件进行数据分析，构建列线图模型并评估其性能。

研究结果方面：

• 一般数据：研究共纳入 170 例患者，对不同分子特征分组的患者临床数据进行了详细分析，发现不同分组在年龄、性别等方面存在差异。
• 组间一致性评估：通过组内相关系数（ICC）和 Kappa 系数评估，结果显示两位医师测量的定量和定性数据一致性良好。
• VASARI 特征和分形分析对 Ki_67 PI 的预测性能：单因素分析表明，高、低 PI 组在多个特征上存在显著差异。多因素分析确定性别、强化比例和软脑膜侵犯为独立预测因子。基于此构建的列线图模型 AUC 为 0.791，具有良好的预测性能。
• VASARI 特征和分形分析对 p53 的预测性能：单因素分析显示，p53 阳性和阴性表达组在肿瘤长径和肿瘤 FD_(T)上有显著差异。多因素分析确定 FD_(T)为独立预测因子，构建的模型 AUC 为 0.601。
• VASARI 特征和分形分析对 TERT_p突变的预测性能：单因素分析发现，TERT_p突变和野生型组在多个特征上存在显著差异。多因素分析确定 FD_(T)、强化质量和强化边缘清晰度为独立预测因子，构建的模型 AUC 为 0.739。

研究结论和讨论部分指出，VASARI 特征和分形分析可有效预测 WHO 3 - 4 级弥漫性胶质瘤的 Ki_67 PI、p53 表达和 TERT_p突变，两者结合对 TERT_p突变的预测效能更强。列线图模型直观呈现了各影响因素与分子特征的关系，为临床医生提供了易于解释的工具，有助于提前预测肿瘤进展，制定个性化治疗方案，提高患者的治疗效果和生存质量。不过，该研究也存在一些局限性，如单中心回顾性研究可能存在选择偏倚，样本量有限等。未来需要纳入更多样本进行验证，探索更多潜在影响因素，构建更完善的预测模型。