基于全脑静息态功能磁共振成像的机器学习模型在额叶胶质瘤个体化分级中的应用研究

本研究针对胶质瘤术前分级的关键临床需求，开发了一种基于全脑静息态功能磁共振成像（rs-fMRI）生物标志物的非侵入性机器学习模型。研究人员通过提取7134个功能活动（mALFF/mfALFF/mPerAF/mReHo）和功能连接（RSFC）特征，筛选出12个最具预测价值的特征，采用支持向量机（SVM）算法建立的模型在训练集和测试集中分别达到0.972和0.799的AUC值。该研究为理解胶质瘤-神经网络相互作用提供了新视角，并为临床个体化治疗决策提供了客观工具。

　　

胶质瘤作为成人最常见的原发性恶性脑肿瘤，其准确分级直接关系到治疗方案选择和预后评估。然而当前依赖病理活检的分级方法存在取样偏差和手术风险，常规MRI又难以实现个体化评估。更棘手的是，不同级别胶质瘤对脑功能网络的影响机制尚未阐明，这严重制约了精准医疗的发展。在此背景下，复旦大学附属华山医院的研究团队在《Cancer Imaging》发表了一项突破性研究，通过融合全脑功能影像与机器学习技术，为这一临床难题提供了创新解决方案。

研究人员采用多中心回顾性设计，纳入138例经病理证实的左侧额叶胶质瘤患者（78例低级别LGGs，60例高级别HGGs）。关键技术包括：1）基于AAL图谱提取全脑7134个rs-fMRI特征（含6670个RSFC特征）；2）通过曼-惠特尼U检验、相关性分析和LASSO回归筛选12个关键特征；3）采用支持向量机等算法建立预测模型；4）通过全局信号回归和Dos-160图谱进行验证分析；5）与增强T1WI模型进行对比研究。

特征选择结果

研究发现12个最具鉴别力的特征包括7个RSFC特征、4个mPerAF特征和1个mReHo特征。其中功能连接特征主要分布在默认模式网络（DMN）、情感网络（AN）和感觉运动网络（SMN）。如表2所示，右侧前扣带回（ACG.R）与内侧眶额叶（ORBsupmed.R）的功能连接在HGGs中显著降低（P=0.003），而左侧海马（HIP.L）与右侧杏仁核（AMYG.R）的连接差异最具判别力（P<0.001）。功能活动特征中，左侧岛叶（INS.L）的mPerAF值在HGGs中显著降低（P=0.002），而右侧颞横回（HES.R）的mReHo值则异常升高（P=0.002）。

模型性能

如表4所示，SVM模型在训练集达到0.957的准确率（AUC 0.972），测试集保持0.727的准确率（AUC 0.799）。验证分析显示，基于AAL图谱的模型稳定性优于功能图谱（Dos-160），且不进行全局信号回归时泛化能力更强。比较研究发现，虽然传统T1增强模型的测试集AUC略高（0.850），但rs-fMRI模型能同时揭示肿瘤引起的全脑功能重组特征。

生物学意义

研究首次系统揭示了不同级别胶质瘤的特异性功能重组模式：1）DMN连接减弱可能与HGGs患者的自我参照和情感处理障碍相关；2）杏仁核功能连接的显著改变提示其在神经功能代偿中的核心作用；3）感觉运动网络异常既反映运动功能代偿，也与癫痫症状相关。如图2所示，这些网络级改变为理解肿瘤侵袭与功能补偿的平衡机制提供了影像学证据。

这项研究的临床价值在于：1）建立了首个基于全脑功能网络的胶质瘤分级模型，避免了传统手动勾画ROI的主观性；2）发现的功能生物标志物可作为术后功能预后评估的参考指标；3）为理解神经可塑性在肿瘤进展中的作用提供了新视角。未来通过纳入多中心大样本和临床功能量表，有望进一步优化模型的临床应用价值。

（注：全文严格依据原文数据，未添加任何虚构内容。专业术语如默认模式网络DMN、支持向量机SVM等均按原文格式呈现，特征名称保留AAL图谱原始命名如ORBsupmed.L等，统计指标P值均与原文一致）