
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于时间的扩散磁共振成像与传统扩散加权成像在非增强胶质瘤IDH突变状态及Ki-67标记指数分类中的比较研究
《Journal of Translational Medicine》:Time-dependent diffusion MRI versus conventional DWI for dual-parameter assessment of non-enhancing gliomas: IDH mutation and Ki-67 labeling index
【字体: 大 中 小 】 时间:2026年10月25日 来源:Journal of Translational Medicine 9.7
编辑推荐:
摘要背景对非增强胶质瘤的异柠檬酸脱氢酶(IDH)突变状态及Ki-67标记指数进行无创评估具有挑战性。本研究旨在比较基于时间的扩散磁共振成像(TDD-MRI)与传统扩散加权成像(DWI)在分类非增强胶质瘤IDH突变状态及Ki-67标记指数方面的性能。方法在这项单中心回顾性研究中
对非增强胶质瘤的异柠檬酸脱氢酶(IDH)突变状态及Ki-67标记指数进行无创评估具有挑战性。本研究旨在比较基于时间的扩散磁共振成像(TDD-MRI)与传统扩散加权成像(DWI)在分类非增强胶质瘤IDH突变状态及Ki-67标记指数方面的性能。
在这项单中心回顾性研究中,173例患者按时间顺序分为开发组(n = 99)和时间验证组(n = 74),并按IDH突变状态和Ki-67指数分为三个亚组:IDH野生型(IDHwt)、IDH突变伴低Ki-67(IDHmut & Ki-67_low)和IDH突变伴高Ki-67(IDHmut & Ki-67_high)。从七个TDD-MRI衍生参数图和一幅传统DWI衍生的表观扩散系数(ADC)图中提取的直方图特征,经最小绝对收缩和选择算子(LASSO)回归及Boruta算法筛选后,在三个亚组之间进行比较。随后为三项"一对一vs其余"的二元分类任务构建了传统ADC(cADC)模型、单参数直方图模型(UPMs)和多参数直方图模型(MPMs)。将表现最佳模型生成的概率纳入由年龄和肿瘤位置构成的临床模型,形成临床+TDD模型,并对所有模型进行评估。
开发组包含18例IDHwt、57例IDHmut & Ki-67_low和24例IDHmut & Ki-67_high胶质瘤,时间验证组则分别包含15例、39例和20例。多个TDD-MRI和cADC直方图特征在两个队列的三个亚组之间均存在显著差异。在cADC、UPM和MPM三种模型中,MPM获得了最高的AUC值:开发组分别为0.892、0.852和0.836,时间验证组分别为0.875、0.809和0.825。当其概率被纳入临床模型后,临床+TDD模型在识别IDHwt、IDHmut & Ki-67_low和IDHmut & Ki-67_high方面获得的AUC值均高于临床模型——开发组中AUC分别为0.929、0.858和0.836,而临床模型为0.789、0.689和0.636;时间验证组中AUC分别为0.951、0.830和0.828,而临床模型为0.860、0.693和0.644。
TDD-MRI在区分非增强胶质瘤预设的IDH/Ki-67分层方面显示出优于传统DWI的初步价值,并提供了超越临床变量的额外判别信息。
对非增强胶质瘤的异柠檬酸脱氢酶(IDH)突变状态及Ki-67标记指数进行无创评估具有挑战性。本研究旨在比较基于时间的扩散磁共振成像(TDD-MRI)与传统扩散加权成像(DWI)在分类非增强胶质瘤IDH突变状态及Ki-67标记指数方面的性能。
在这项单中心回顾性研究中,173例患者按时间顺序分为开发组(n = 99)和时间验证组(n = 74),并按IDH突变状态和Ki-67指数分为三个亚组:IDH野生型(IDHwt)、IDH突变伴低Ki-67(IDHmut & Ki-67_low)和IDH突变伴高Ki-67(IDHmut & Ki-67_high)。从七个TDD-MRI衍生参数图和一幅传统DWI衍生的表观扩散系数(ADC)图中提取的直方图特征,经最小绝对收缩和选择算子(LASSO)回归及Boruta算法筛选后,在三个亚组之间进行比较。随后为三项"一对一vs其余"的二元分类任务构建了传统ADC(cADC)模型、单参数直方图模型(UPMs)和多参数直方图模型(MPMs)。将表现最佳模型生成的概率纳入由年龄和肿瘤位置构成的临床模型,形成临床+TDD模型,并对所有模型进行评估。
开发组包含18例IDHwt、57例IDHmut & Ki-67_low和24例IDHmut & Ki-67_high胶质瘤,时间验证组则分别包含15例、39例和20例。多个TDD-MRI和cADC直方图特征在两个队列的三个亚组之间均存在显著差异。在cADC、UPM和MPM三种模型中,MPM获得了最高的AUC值:开发组分别为0.892、0.852和0.836,时间验证组分别为0.875、0.809和0.825。当其概率被纳入临床模型后,临床+TDD模型在识别IDHwt、IDHmut & Ki-67_low和IDHmut & Ki-67_high方面获得的AUC值均高于临床模型——开发组中AUC分别为0.929、0.858和0.836,而临床模型为0.789、0.689和0.636;时间验证组中AUC分别为0.951、0.830和0.828,而临床模型为0.860、0.693和0.644。
TDD-MRI在区分非增强胶质瘤预设的IDH/Ki-67分层方面显示出优于传统DWI的初步价值,并提供了超越临床变量的额外判别信息。