《CNS Neuroscience & Therapeutics》：Radiomics-Assisted Preoperative Subtyping of Adult-Type Diffuse Gliomas: A Retrospective Study Aligned With the WHO 2021 Classification
编辑推荐：
背景：成人型弥漫性胶质瘤（adult-type diffuse gliomas, ADG）的最佳手术管理因亚型不同而差异显著，因此准确的术前分型对个体化手术规划至关重要。本研究旨在依据2021年世界卫生组织（World Health Organization,
背景：成人型弥漫性胶质瘤（adult-type diffuse gliomas, ADG）的最佳手术管理因亚型不同而差异显著，因此准确的术前分型对个体化手术规划至关重要。本研究旨在依据2021年世界卫生组织（World Health Organization, WHO）中枢神经系统肿瘤分类，构建基于影像组学的ADG术前分型模型。方法：共纳入382例ADG患者，并随机分配至训练集（n=267）和独立测试集（n=115）。肿瘤掩膜经自动分割并由经验丰富的神经外科医师精修。MRI经标准化预处理和降维后提取影像组学特征。评估14种机器学习分类器，并对表现最佳模型进行优化及在独立测试集上验证。采用受试者工作特征曲线下面积（area under the curve, AUC）、准确率、召回率、精确率、F1分数、Kappa系数和马修斯相关系数（Matthews correlation coefficient, MCC）评估模型性能。结果：经最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator, LASSO）回归后，保留50个关键特征。随机森林（Random Forest, RF）显示最佳初步性能并被选择用于优化。在独立测试集上，优化模型获得0.9084的宏平均AUC，其他指标亦表现良好。纹理特征对预测贡献最强。结论：该影像组学模型能够在2021年WHO分类下实现稳健的ADG术前分型，并可能利用常规MRI特征支持个体化手术规划。由于其为回顾性单中心设计，在广泛临床应用前仍需多中心前瞻性外部验证。
研究背景与问题：胶质瘤是中枢神经系统（central nervous system, CNS）最常见的原发性恶性肿瘤，全球年发病率约为5～6/10万，具有显著异质性、预后差异大和管理策略复杂等特点。成人型弥漫性胶质瘤（adult-type diffuse gliomas, ADG）构成成人确诊胶质瘤的大多数。2021年世界卫生组织（World Health Organization, WHO）CNS肿瘤分类建立了整合组织学与分子学的诊断框架，依据异柠檬酸脱氢酶（isocitrate dehydrogenase, IDH）突变和1p/19q共缺失状态将ADG分为三类：星形细胞瘤，IDH突变型；少突胶质细胞瘤，IDH突变且1p/19q共缺失；胶质母细胞瘤（glioblastoma, GBM），IDH野生型。这些亚型具有不同生物学行为、治疗反应和预后，是个体化管理的依据。神经病理检查是分类金标准并指导术后辅助治疗，但术前不可获得，限制将亚型信息纳入初始手术规划。手术策略亦因亚型而异：少突胶质细胞瘤通常化疗敏感，广泛切除的额外生存获益可能有限，累及功能区时优先保护神经功能；GBM广泛切除可带来显著生存获益；星形细胞瘤可能需要分级适配的手术规划。因此，无创、准确的ADG术前分类对优化个体化手术决策具有重要意义。MRI是术前评估基石，影像组学（radiomics）可高通量提取亚视觉特征并已广泛用于胶质瘤研究。然而2021 WHO分类对胶质瘤分类作出重大修订，使许多ADG研究结果过时，当前诊断框架下相关影像组学研究数量和范围仍有限。本研究旨在构建基于MRI的影像组学模型，以区分三种新定义的ADG亚型，支持术前个体化手术规划并加深对亚型特异性影像特征的理解。
研究人员开展的研究与结论：研究人员回顾性分析2018年10月至2021年6月患者，最终纳入382例ADG，按7:3随机分为训练集267例和独立测试集115例。研究构建并验证了基于影像组学的随机森林（Random Forest, RF）分类器，用于依据2021 WHO分类进行ADG术前分型。结论认为，该模型可实现稳健的术前ADG分型，并可能利用常规MRI特征支持个体化手术规划；但受回顾性单中心设计限制，广泛临床应用前需多中心前瞻性外部验证。其意义在于填补先进影像组学技术与最新临床分类框架之间的缺口，实现术前无创、准确区分三种最新定义ADG亚型，并直接转化为可操作个体化手术规划；模型仅使用常规MRI序列，可在资源有限环境中部署，扩展了临床实用性，但并非设计为独立临床使用，需结合多学科临床信息解读。
关键技术方法（不超过250字）：本研究为单中心回顾性队列，样本来源于2018年10月至2021年6月患者，最终382例ADG按7:3分为训练集（n=267）和独立测试集（n=115）。采用3.0-T MRI的T1加权（T1-weighted, T1W）、T2加权（T2-weighted, T2W）、对比增强T1W（contrast-enhanced T1W, T1CE）和T2W液体衰减反转恢复（fluid-attenuated inversion recovery, FLAIR）序列；DeepBraTumIA自动分割肿瘤掩膜，并由C. Zhao和P. Ma复核、W. Zhang解决分歧。依据影像生物标志物标准化倡议（Image Biomarker Standardization Initiative, IBSI）提取一阶、形状及纹理特征，结合小波和拉普拉斯高斯（Laplacian of Gaussian, LoG）滤波；经Z-score标准化和LASSO降维；比较14种机器学习分类器，选择RF并以MCC为目标进行贝叶斯超参数优化和10折交叉验证，最终在独立测试集评估。
研究结果：3.1 患者特征：通过回顾性队列分析得出，382例中星形细胞瘤146例（38.22%）、少突胶质细胞瘤126例（32.98%）、GBM110例（28.80%）；平均年龄45.58±11.80岁，男性239例（62.57%）、女性143例（37.43%）。训练集与测试集在年龄、性别、肿瘤亚型、级别、体积、最大直径和部位方面均无显著差异（p>0.05），支持两子集的可比性和内部有效性。3.2 特征选择：通过对2766个影像组学特征进行LASSO回归降维，研究人员在λ.min为最优正则化参数时保留50个非零回归系数特征，用于构建影像组学签名。3.3 模型构建、选择与优化：通过比较14种主流机器学习分类器，RF初步表现最稳健，宏平均AUC为0.8549，精确率、召回率、F1分数、Kappa系数和MCC等指标较均衡。对RF进行系统超参数调优后，10折交叉验证平均宏平均AUC为0.8590，各核心指标标准差较小，支持选择经超参数调优和嵌套交叉验证的RF作为最终分类器。3.4 独立测试集分类性能：优化RF在独立测试集上准确率为0.7565、宏平均AUC为0.9084、精确率0.7718、召回率0.7565、F1分数0.7595、Kappa系数0.6305、MCC0.6337。亚型一对一其余（one-vs-rest）AUC为GBM0.9557、星形细胞瘤0.8854、少突胶质细胞瘤0.8701；精确率-召回率（precision-recall, PR）曲线微平均精确率为0.8157。GBM识别精确率为0.9231；误分类主要发生于星形细胞瘤与少突胶质细胞瘤之间：44例星形细胞瘤中9例误分为少突胶质细胞瘤（20.45%），38例少突胶质细胞瘤中8例误分为星形细胞瘤（21.05%），与其共享IDH突变分子背景和重叠影像特征一致。特征重要性分析显示，T1CE、T2W和T2-FLAIR序列来源的纹理指标为主，包括灰度大小区域矩阵（gray-level size zone matrix, GLSZM）和灰度共生矩阵（gray-level co-occurrence matrix, GLCM）特征，提示瘤内异质性对亚型区分贡献大于一阶强度或形状特征。
讨论总结与结论翻译：讨论从“意义、有效性、可解释性”三个维度展开。临床意义方面，术前无创准确区分三种最新定义ADG亚型可直接转化为个体化手术规划：对GBM，术前分型有助于规划覆盖强化病灶及可达非强化肿瘤组织的最大安全切除；对少突胶质细胞瘤，优先功能保留性切除以保护功能区；对预测为星形细胞瘤者，推荐平衡切除范围与神经风险的分级适配策略。模型仅用常规MRI，可在资源有限环境部署；但须与多学科临床信息结合解读，不应独立使用。与近期四项在2021 WHO分类下建立的三分类研究相比，本研究仅依赖常规结构MRI，独立测试宏平均AUC0.9084高于四项既往模型的外部验证指标，并系统筛选14种分类器且进行贝叶斯超参数优化。有效性方面，采用自动分割联合专家复核、IBSI规范特征提取、Z-score标准化和LASSO降维，系统评估14种算法并对RF调优和交叉验证；训练集交叉验证平均宏平均AUC0.8590，测试集升至0.9084，Kappa系数和MCC约0.63，提示无过拟合且泛化性较强。可解释性方面，模型对GBM识别精确率高，星形细胞瘤与少突胶质细胞瘤间部分误分类与二者共享IDH突变及常规MRI特征重叠一致；GLSZM量化相同强度连通体素的大小和灰度均匀性，GLCM编码体素强度对的空间共现，T1CE相关特征对应微血管增殖和血脑屏障破坏，分割涵盖强化病灶及T2/FLAIR瘤周高信号使T2W特征可捕捉亚型特异水肿谱，GBM瘤周为血管源性水肿与浸润肿瘤细胞混合，IDH突变星形细胞瘤以浸润肿瘤为主伴轻度血管源性水肿。局限包括单中心、Siemens 3.0T数据，纹理特征对采集条件敏感，内部交叉验证不能替代多厂商外部测试，需ComBat校正联合前瞻性多厂商验证；回顾性数据尚缺乏该工具整合后临床获益的前瞻性确认，未来可扩展至生存和癫痫控制预测。结论翻译：所提出的基于影像组学的模型在与2021年WHO分类一致的ADG术前分型中表现出稳健性能，利用常规MRI来源的可解释特征，为个体化手术规划提供临床实用工具。
