组织病理学验证下磁共振波谱（MRS）预测高级别胶质瘤的诊断效能与假阳性模式：一项小规模神经肿瘤学探索性机器学习（ML）研究

《IBRO Neuroscience Reports》：Histopathology-correlated evaluation of magnetic resonance spectroscopy for high-grade glioma prediction: A small-scale neuro-oncology study with exploratory machine learning

　　

背景：高级别胶质瘤（high-grade glioma）是侵袭性原发性脑肿瘤，需要及时且准确的术前评估。磁共振波谱（magnetic resonance spectroscopy, MRS）提供无创代谢信息，可能支持神经肿瘤学（neuro-oncology）病灶特征描述。然而，其倾向表现为良好敏感性但有限特异性，尤其在转移瘤（metastasis）、脓肿（abscess）和其他颅内类似病变（intracranial mimics）存在时，这一点已被认识。小型、完全组织病理学确认队列的临床价值在于阐明这些局限在真实诊断实践中的表现。

目的：本研究在完全组织病理学确认的颅内病变患者队列中评估MRS预测高级别胶质瘤的诊断性能。研究还旨在以临床可解释术语描述假阳性模式，并作为次要探索性分析，评估机器学习（machine learning, ML）是否能在放射科医生来源的MRS诊断之外增加判别价值。

方法：回顾性分析53例患者队列。所有病例均有组织病理学确认，作为参考标准。患者层面变量包括年龄、性别、MRS诊断、组织病理学诊断、Cho/NAA、Cho/Cr、NAA/Cr、乳酸（lactate）、脂质（lipid）、病灶位置、强化模式、坏死和水肿。MRS作为指标试验。计算敏感性、特异性、阳性预测值（positive predictive value, PPV）、阴性预测值（negative predictive value, NPV）、准确性、F₁-score和平衡准确度（balanced accuracy）。探索性ML模型使用留一法交叉验证（leave-one-out cross-validation）评估。

结果：队列包括31例男性和22例女性，平均年龄48.1 ± 15.8岁。组织病理学确认40/53例为高级别胶质瘤。MRS将42例归类为高级别胶质瘤，11例归为非高级别胶质瘤。与组织病理学相比，MRS达到敏感性87.5%、特异性46.2%、PPV 83.3%、NPV 54.5%、准确性77.4%、F₁-score 85.4%和平衡准确度66.8%。7例假阳性病例特征为转移瘤3例、脓肿3例和其他非高级别病理1例。最佳探索性ML模型为纳入MRS诊断的随机森林（Random Forest），达到准确性73.6%和AUC（area under the receiver operating characteristic curve）0.646。然而，这并未优于放射科医生来源的MRS诊断单独的性能。

结论：在该小型完全组织病理学确认的神经肿瘤学队列中，MRS预测高级别胶质瘤表现出良好敏感性但有限特异性。本研究并非将该模式呈现为新诊断现象，而是贡献了具有完整组织验证的临床扎根确认、清晰表征的假阳性类似病变谱，以及透明的阴性ML结果。这些发现支持将MRS用作辅助代谢神经影像工具，并为未来评估波谱引导和ML支持诊断路径的更大规模研究提供谨慎的数据点。

研究背景：颅内病变术前准确表征对神经放射学决策、神经外科规划、活检定位和患者咨询至关重要。高级别胶质瘤（high-grade glioma）因侵袭性生物学行为、浸润性生长和需要早期多学科管理而具有临床重要性。当前世界卫生组织（WHO）中枢神经系统肿瘤分类强调组织病理学和分子特征整合，影像仍是检测、定位和术前评估的一线工具。常规磁共振成像（MRI）可通过强化、坏死、瘤周水肿、占位效应和扩散受限提示侵袭性病理，但形态学影像不一定可靠区分高级别胶质瘤与转移瘤、脓肿、脱髓鞘、低级别胶质瘤和其他肿瘤模拟病变。磁共振波谱（magnetic resonance spectroscopy, MRS）提供无创生化信息，常见代谢物包括胆碱、肌酸、N-乙酰天冬氨酸、乳酸和脂质。高级别胶质瘤常显示胆碱相关比值升高、N-乙酰天冬氨酸降低以及乳酸或脂质峰变化，反映细胞增殖、神经元丢失、坏死和厌氧代谢。Cho/NAA和Cho/Cr常作为支持标志物，但其诊断价值受肿瘤异质性、体素放置、采集参数、谱质量和比较组织影响。MRS诊断局限已被认识，代谢模式在高级别胶质瘤、转移瘤、脓肿、淋巴瘤、炎症病变和坏死肿瘤间可重叠。因此，该研究并非宣称MRS局限为新发现，而是在完全组织病理确认的小规模神经肿瘤学队列中，直接比较放射科MRS印象与最终组织诊断，明确假阳性类似病变，并探索机器学习（machine learning, ML）是否增加判别价值。

研究人员开展了回顾性诊断准确性研究，队列来自Ayub Teaching Hospital, Abbottabad, KPK, Pakistan，共53例颅内病变患者，所有病例均接受MRS并有组织病理学确认。MRS作为指标试验，组织病理学作为参考标准。主要结论是MRS具有良好敏感性但有限特异性，能识别多数组织病理证实的高级别胶质瘤，但也会将部分非高级别病变过度判为高级别胶质瘤。假阳性主要见转移瘤和脓肿，提示MRS应作为辅助代谢影像工具，而非独立诊断方法。次要探索性ML未显示出优于放射科医生来源MRS诊断的附加判别价值，因此仅具假设生成意义。

关键技术方法：该研究为回顾性诊断准确性研究，遵循STARD原则。样本为Ayub Teaching Hospital, Abbottabad, KPK, Pakistan的53例颅内病变患者，均行MRS并具组织病理学确认。以MRS为指标试验，组织病理学为参考标准。分析变量包括年龄、性别、MRS诊断、组织病理学诊断、Cho/NAA、Cho/Cr、NAA/Cr、乳酸、脂质、病灶位置、强化模式、坏死和水肿。计算敏感性、特异性、PPV、NPV、准确性、F₁-score和平衡准确度，并用Wilson法计算95%置信区间。统计比较采用Mann–Whitney U检验、Fisher精确检验或卡方检验。探索性ML采用惩罚逻辑回归和随机森林，按是否纳入放射科MRS诊断设置特征，使用留一法交叉验证，预处理在每折内完成。

4.1 患者特征：基于53例队列分析，31例男性和22例女性，男女比约1.4:1；平均年龄48.1 ± 15.8岁，中位年龄44岁，范围22至75岁；组织病理学确认40例高级别胶质瘤和13例非高级别胶质瘤。

4.2 MRS诊断与组织病理分布：通过诊断交叉分析，MRS将42例判为高级别胶质瘤、11例判为非高级别胶质瘤；最终得到35例真阳性、7例假阳性、5例假阴性和6例真阴性。

4.3 MRS诊断效能：以组织病理学为参考，MRS的敏感性为87.5%，特异性为46.2%，PPV为83.3%，NPV为54.5%，准确性为77.4%，F₁-score为85.4%，平衡准确度为66.8%。结论是MRS更善于识别高级别胶质瘤，而非排除该诊断。

4.4 假阳性和假阴性模式：7例假阳性中，转移瘤3例、脓肿3例、其他非高级别病理1例；5例假阴性为MRS判为非高级别但组织病理证实为高级别胶质瘤。该模式在放射学上重要，因为转移瘤和脓肿可表现环形强化、坏死、水肿、脂质-乳酸峰及胆碱相关比值改变，与侵袭性胶质瘤重叠；假阴性也可能延迟手术规划、活检定位或肿瘤转诊。

4.5 波谱衍生变量：按组织病理学高级别胶质瘤状态分析，Cho/NAA、Cho/Cr和NAA/Cr在高级别胶质瘤与非高级别胶质瘤组间未见统计学显著差异。该结果不应解释为波谱无诊断价值，样本量小、非高级别组异质性及恶性与炎症病变重叠可能降低统计效能。

4.6 常规影像和波谱峰特征：对乳酸、脂质、坏死、水肿、强化模式和病灶位置分布分析显示，水肿呈接近显著趋势，但需谨慎解释。乳酸、脂质、强化模式、坏死和水肿的重叠支持高级别胶质瘤、转移瘤、脓肿和其他侵袭性颅内病变可共享影像和代谢特征。

4.7 探索性机器学习结果：探索性ML未清晰优于放射科MRS诊断。纳入MRS诊断的随机森林准确率为73.6%、AUC为0.646；未纳入MRS诊断的随机森林AUC为0.700；纳入MRS诊断的惩罚逻辑回归准确率为62.3%。MRS单独准确率为77.4%。ML模型性能不稳定，尤其特异性低，随机森林虽敏感性高但将许多非高级别病例判为高级别。特征重要性中较有影响的变量包括Cho/Cr、NAA/Cr、年龄、MRS诊断、水肿和Cho/NAA，乳酸、增强模式、病灶位置、坏死、性别和脂质重要性较低。未训练深度学习模型，因数据集缺少原始影像体积或体素级波谱数据，且样本量不足。

讨论部分总结：该研究主要发现MRS敏感性良好、特异性有限。与既往MRS研究比较，本研究敏感性大体一致，但特异性较低，这与完全组织病理确认及纳入转移瘤、脓肿等困难非高级别类似病变有关。假阳性生物学解释包括脓肿中厌氧糖酵解、坏死和炎症导致乳酸、脂质峰，转移瘤因细胞膜周转和增殖导致胆碱升高，坏死性转移瘤也可出现脂质和乳酸峰。假阴性可能涉及肿瘤异质性、体素放置误差、取样于侵袭性较低区域、坏死或囊性成分、谱质量限制及代谢物比值重叠。探索性ML因样本小、不平衡和异质而易过拟合，特异性不稳定，当前数据不支持深度学习。现代分子神经肿瘤学强调组织病理与分子信息整合，IDH突变状态、1p/19q共缺失、MGMT启动子甲基化和Ki-67指数具诊断、预后和治疗意义，但该数据集未纳入这些分子标志物。临床意义是MRS可作为多参数神经放射评估的一部分，高敏感性有助于提高高级别胶质瘤怀疑，但低特异性要求谨慎考虑转移瘤、脓肿和其他类似病变；非高级别波谱印象不能用于排除高级别胶质瘤。局限包括回顾性、单中心、53例小样本、类别不平衡、非高级别组异质、分子标志物缺失和外部验证缺失。未来需更大规模、前瞻性、多中心队列，标准化MRI和MRS方案，纳入原始影像和波谱文件，结合放射组学、深度学习和分子标志物，并进行外部验证。

研究结论翻译：磁共振波谱（MRS）在该组织病理学相关队列中预测高级别胶质瘤时表现出良好敏感性但有限特异性。结果支持将波谱作为辅助神经放射学工具，尤其用于提高对高级别胶质瘤的怀疑，而非作为独立诊断方法。涉及转移瘤和脓肿的假阳性病例强调需结合常规磁共振成像、临床背景和组织病理学确认进行整合解读。探索性机器学习（ML）分析未优于放射科医生来源的MRS诊断，应仅视为产生假设。在基于人工智能的决策支持可推荐用于临床之前，需要具有标准化成像方案、原始影像数据、分子标志物和外部验证的更大规模前瞻性研究。