基于多参数MRI的机器学习算法生成脑胶质瘤细胞密度预测图谱的独立组织学验证研究

本研究通过图像引导活检技术，首次在独立回顾性队列中验证了机器学习算法生成的脑胶质瘤细胞密度预测图谱（CPM）的可靠性。研究对比了CPM与表观扩散系数（ADC）在预测肿瘤细胞密度中的性能，发现CPM能有效评估初治患者肿瘤细胞密度（R2=0.2，p=0.009），但在复发患者中表现有限。该成果为胶质瘤超范围切除和立体定向活检提供了新型无创生物标志物。

　　

引言
高级别胶质瘤作为最常见的原发性脑恶性肿瘤，手术切除是主要治疗手段。近年研究表明，超越对比增强区域的"超范围切除"可改善患者预后，但传统T2加权/FLAIR成像无法准确反映肿瘤细胞密度。表观扩散系数（ADC）虽被广泛用作细胞密度替代标志物，但其性能受微结构异质性影响存在争议。本研究验证了一种基于多参数MRI（T1、T1CE、FLAIR、ADC）的随机森林算法生成的细胞密度预测图谱（CPM），通过图像引导活检获取的组织学数据作为金标准进行验证。

方法
27例初治或复发胶质瘤患者纳入研究，所有患者术前均接受标准化脑肿瘤成像协议（BTIP）的3T MRI扫描。手术采样点通过神经导航定位，组织标本进行苏木精-伊红（H&E）染色和半自动细胞计数。采用线性混合模型和迭代抽样法（1000次）分析CPM值与组织学细胞密度的相关性，并与ADC性能进行对比。特别关注了对比增强区（CET）与非增强区（nCET）样本的差异。

结果
在66个样本中，CPM对初治患者细胞密度预测表现出色（b=1.4，R²=0.2，rho=0.41），预测误差（RMSE）为1503细胞/mm²。值得注意的是，在非增强区样本中预测误差更低（RMSE=1777细胞/mm²），提示CPM可能指导超范围切除。ADC在初治组也显示显著相关性（R²=0.22），但与CPM无统计学差异（z=0.27，p=0.79）。IDH野生型肿瘤的CPM值显著高于突变型（p=0.01），反映了分子特征与影像表型的关联。

讨论
CPM在初治胶质瘤中的应用价值显著：① 指导立体定向活检定位高细胞密度区域；② 识别增强外缘浸润区域辅助手术规划。但在复发患者中表现欠佳（RMSE达3156细胞/mm²），可能与治疗后组织复杂性增加有关。与ADC相比，CPM整合了多序列信息，可能减少单纯依赖扩散指标的局限性。研究首次证实CPM在独立外部队列的适用性，为影像基因组学研究提供了新工具。

局限性
样本量较小（n=27）可能影响统计效力；手术采样与影像配准存在固有误差；复发患者治疗方案的异质性增加了分析难度。未来需扩大样本验证CPM在不同分子亚型中的表现，并探索灌注加权成像等补充序列的整合价值。

结论
这项多中心研究证实，MRI衍生的CPM可作为初治胶质瘤无创细胞密度评估的可靠工具，尤其在非增强区域的预测性能突出。虽然当前版本未显著超越ADC，但其多参数整合策略为开发更精准的影像生物标志物奠定了基础，未来或可通过纳入治疗反应相关特征优化复发患者的预测模型。