梅斯医学MedSci APP
医路相伴,成就大医

European Radiology:软组织肉瘤自然演化的放射基因组学研究

Tags: 软组织肉瘤   放射基因组学      作者:shaosai 更新:2023-01-30

软组织肉瘤(STS)是一种罕见的恶性间质肿瘤,其特点是具有临床、影像学和分子异质性,导致了临床诊断的不确定性。

MRI是STS局部分期、治疗反应评估和局部复发检测的首选影像学检查。MRI可以评估典型STS的预后特征,也可以评估指导治疗策略的手术可操作性此外,基线MRI特征(即常规序列上的瘤周强化、坏死信号或瘤内异质性)已与组织学等级和生存率相关。然而,这些特征都是主观描述,不能说明在诊断间隔期间进行多次MRI时观察到的自然变化。

然而,通过放射组学在肿瘤放射表型的量化方面已经取得了重大改进。基本上,放射组学对应的是对放射表型的广泛量化,这得益于应用于任何成像模式的数学运算符。一个关键的假设是,放射组学放射表型所捕获的异质性反映了肿瘤的组织学和分子特征。由此产生的放射组学特征(RFs)被纳入有监督的机器学习管道,以预测病人的预后确定与相关组织学和分子状态的相关性以及无监督算法(即根据RFs的相似性分析和聚类未标记的数据集算法),以便在没有先验假设的情况下确定隐藏模式和类似观察的子群。

到目前为止,放射组学方法已成功应用于STS,以预测组织学等级、转移性复发和癌症相关死亡以及治疗反应。此外,多项研究已证实在新辅助化疗和放疗期间通过 "delta-radiomics "方法(即两次评估之间RF的定量变化)来评估STS放射型变化的可行性

然而,与其他肿瘤(如胶质瘤、尿道癌、肺腺癌、透明细胞癌或卵巢癌)相比,肉瘤的放射组学、delta-radiomics和转录组学特征(即对应于多种核糖核酸[RNA]转录物的表达水平和概况)之间缺乏关联。

近日,发表在European Radiology杂志的一项研究根据治疗前RFs的自然变化,利用无监督算法建立了一个可靠的STS放射型分类,并探讨了这些delta-radiomics放射表型通过基因表达谱进行生物学解释的能力及价值。

项回顾性研究纳入了2008年至2019年期间在肉瘤参考中心接受治愈性治疗的所有新诊断的STS患者,每位患者都有两个可用的治疗前增强MRI图像。放射性组学特征(RFs)是从增强T1加权成像中提取的。计算RFs的对数比和相对变化,并用于确定基于共识的分层聚类的样本分组。在确定的delta-radiomics组中进行DGE和肿瘤发生途径分析,以检测STS的delta-radiomics模式和转录组学特征之间的关联。其次,研究了delta-radiomics组的预后价值。

纳入了63名患者(中位年龄:63岁,四分位数范围:52.5-70)。共识聚类确定了3个可靠的delta-radiomics患者组(A、B和C)。在影像学上,B组患者的特点是在治疗开始前表现为肿瘤异质性、坏死信号、浸润边缘、瘤周水肿和瘤周强化增加(P值范围:0.0019-0.0244),而且在分子水平表现为自然杀伤细胞介导的细胞毒性基因下调以及Hedgehog和Hippo信号通路上调。A组患者的特点是治疗前MRI特征的形态稳定,无局部复发(对数秩P = 0.0277)。


 
 (a)转移性无复发生存期(MFS)、(b)局部无复发生存期(LFS)和(c)总生存期(OS)的Kaplan-Meier曲线,取决于A、B和C三个放射组

综上所述,本项研究提供了有关STS放射基因组学的新研究线索,强调了有意义的基于delta-放射组学集群在任何治疗前量化肿瘤的自然变化,以及重要的肿瘤基因途径和根治性治疗后疾病局部控制之间的原始相关性,并弥合了定量成像和癌症生物学之间的差距,为了进一步的研究铺平了道路。
原文出处:

Amandine Crombé,Frédéric Bertolo,David Fadli,et al.Distinct patterns of the natural evolution of soft tissue sarcomas on pre-treatment MRIs captured with delta-radiomics correlate with gene expression profiles.DOI:10.1007/s00330-022-09104-8

来源:MedSci原创
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有,非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。本网所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。同时转载内容不代表本站立场。
在此留言
小提示:本篇资讯需要登录阅读,点击跳转登录

相关推荐

移动应用
medsci.cn © 2020