基于CE-T1WI影像组学模型无创预测IDH突变型胶质瘤p53状态的研究

本研究创新性地利用对比增强T1加权成像（CE-T1WI）构建影像组学模型，通过分析瘤周水肿区（VOIPE）纹理特征，实现对异柠檬酸脱氢酶突变型（IDH-mt）胶质瘤p53状态的精准预测（AUC达0.811）。该研究整合年龄因素构建临床-影像组学列线图（AUC 0.969），为胶质瘤分子分型提供了无创检测新策略，对个体化治疗决策具有重要临床价值。

　　

ABSTRACT

研究首次证实CE-T1WI影像组学特征可有效区分IDH-mt胶质瘤的p53突变状态。通过分析78例患者数据发现，瘤周水肿区（VOI^PE）的8个纹理特征（包括Run Entropy、Gray Level Non-Uniformity Normalized等）最具鉴别力，其模型AUC显著优于肿瘤核心区（VOI^T）和全病灶区（VOI^T+PE）。年龄被确定为关键临床协变量，联合影像组学评分构建的列线图展现出卓越预测性能（验证组AUC 0.929）。

1 Introduction

胶质瘤作为最常见原发性脑肿瘤，其2016版WHO分级首次引入IDH和p53等分子标志物。p53突变不仅导致抑癌功能丧失，还会获得促癌特性，与EGFR过表达、血管增生及放化疗抵抗密切相关。尽管手术标本检测仍是金标准，但本研究通过AI驱动的影像组学技术，首次系统探讨CE-T1WI对IDH-mt胶质瘤p53状态的预测价值。

2 Materials and Methods

78例IDH-mt胶质瘤患者被分为训练集（n=51）和验证集（n=27）。采用3D Slicer和ITK-SNAP进行三类VOI分割：肿瘤核心（含坏死区）、瘤周水肿（距肿瘤边界5mm）及全病灶区。通过PyRadiomics提取962个特征后，采用SMOTE平衡样本，经PCC去冗余和Kruskal-Wallis筛选特征。最终采用高斯过程（GP）、逻辑回归（LR）等算法构建预测模型。

3 Results

瘤周水肿模型（Rad_VOI^PE）表现最优，其Run Entropy等纹理特征在p53突变组显著升高。值得注意的是，瘤周特征比肿瘤核心特征更能反映p53相关的微环境改变。临床-影像组学列线图整合年龄因素后，预测概率公式为：-6.118 - 0.141Age + 12.818Rad_VOI^T + 9.763Rad_VOI^T+PE + 1.438Rad_VOI^PE。校准曲线显示预测与实际观察高度一致（Hosmer-Lemeshow检验p=0.910）。

4 Discussion

该研究揭示瘤周水肿纹理或成为p53状态的生物学窗口：① p53突变导致EGFR过表达，增加瘤周血管通透性，在CE-T1WI上表现为灰度不均匀性增强；② 瘤周区规避了肿瘤核心坏死组织的信号干扰，更敏感捕捉基因型相关异质性。相比既往T2WI研究（Sun等AUC 0.709），CE-T1WI显示出更高诊断效能。

5 Conclusion

CE-T1WI影像组学为IDH-mt胶质瘤的p53状态无创评估提供新范式，其中瘤周水肿特征具有特殊生物学意义。该技术对无法活检的患者尤为重要，未来需多中心验证以推进临床转化。