European Radiology：成人毛细胞星形细胞瘤与胶质母细胞瘤的全自动多参数放射学模型

毛细胞型星形细胞瘤（PA）是儿科人群中最常遇到的原发性中枢神经系统肿瘤。然而，PA也占成人脑肿瘤的1.5%，而且多达25%的PA患者年龄超过20岁。鉴别小儿PAs相对简单，因为大多数儿童PAs表现为较为典型，通常为位于小脑的具有壁层结节外观的囊实肿块。然而，由于成人PA的影像学表现通常不典型，因此鉴别诊断十分困难。特别是在成人PAs中，高级别胶质瘤（HGG，WHOIII-IV级）是最具挑战性和最关键的鉴别诊断。PAs的主要治疗方法是手术切除，而HGGs的标准治疗方法除手术外还要进行放疗或化疗。

越来越多的证据表明，成人PAs不仅表现出不同的影像学表现，而且预后差异较大，具有与儿科PAs不同的遗传改变和基因表达特征。此外，以前的研究显示，常规MRI和部分先进的成像参数，如弥散、灌注或MR波谱成像，在区分PAs和HGGs方面的价值有限。放射性组学是影像科学的一个新兴分支，它将放射学图像转化为可挖掘的影像数据，在预测弥漫性胶质瘤的分子状态、等级和预后方面显示出良好的效果。

近日，发表在European Radiology杂志的一项研究开发了一个放射组学模型来区分成人PA和HGGs，为该类患者术前的准确诊断及治疗方案制定提供了可能。

本项回顾性研究包括302名患有PA（n = 62）或HGG（n = 240）的成年患者。这些病人被随机分为训练组（n = 211）和测试组（n = 91）。获得临床数据，并从多参数MRI中提取了放射学特征（n = 372），并进行了自动肿瘤分割。在用F-score进行特征选择后，训练了一个带子采样的轻型梯度提升机分类器，以建立三个模型。(1）临床模型、（2）放射组学模型、（3）临床和放射组学组合模型。同时对医生的诊断表现进行了评估。分类器的性能在测试集中得到了验证。应用SHapley Additive exPlanations（SHAP）来探索模型的可解释性。 

本研究共选择了15个放射学特征。在测试组中，临床和放射组学联合模型（曲线下面积[AUC]，0.93）的性能明显高于临床模型（AUC，0.79，p = 0.037），并与放射组学模型（AUC，0.92，p = 0.828）性能相似。临床和放射组学联合模型的性能也明显高于医生（AUC，0.76-0.81，p < 0.05）。SHAP的模型解释表明，来自T2加权图像的较低的肿瘤内异质性与PA诊断高度相关。 

图 结合临床和放射组学模型的正确和错误分类的典型病例。(a) 19岁男性，患有PA，由临床和放射组学联合模型正确分类。Dice系数为 0.99. (b) 60岁男性，患有PA，被临床和放射组学联合模型错误地分类为高级别胶质瘤（HGG）。Dice系数为0.99

本研究表明，全自动的临床和放射组学组合模型有助于区分成人PAs和HGGs。来自T2的二阶特征在鉴别诊断中十分重要，同时提示PAs比HGGs具有更少的瘤内组织异质性的基本病理生理学特征。

原文出处：

Yae Won Park,Jihwan Eom,Dain Kim,et al.A fully automatic multiparametric radiomics model for differentiation of adult pilocytic astrocytomas from glioblastomas.DOI:10.1007/s00330-022-08575-z