论文部分内容阅读
目的:应用MR T1WI增强、T1WI、T2WI信号强度纹理分析预测胶质瘤IDH1基因的突变状态,并探讨各序列纹理特征与肿瘤生存率及Ki-67的关系。材料方法:回顾性分析经手术及病理证实的胶质瘤患者63例,根据IDH1突变状态分为IDH1突变组（28例）及IDH1野生组（35例）。收集其术前MRI数据（T1WI增强、T1WI、T2WI）、临床资料、术后病理（包括组织学、Ki-67及IDH基因）;随访记录患者无进展生存期（progression free survival,PFS）及总生存期（overall survival,OS）。利用O.K（Omni Dynamics,GE Healthcare,China）软件,在T1WI增强、T1WI、T2WI图上沿肿瘤水肿边界逐层勾画感兴趣区（regions of interest,ROIs）,包含肿瘤全域（肿瘤实质及瘤周水肿）,得到3D ROI的各序列图像纹理特征（29个）。应用社会科学统计软件包22.0版进行数据分析:采用组内相关系数对测量者间的一致性进行评估。对于组间比较,T1WI增强序列中最大值、偏度、第95百分位数,T1WI序列中逆差距,T2WI序列中GLCM能量值符合正态分布且方差齐,应用两独立样本t检验,用“均数±标准差”表示,其余特征不符合正态分布者采用Mann-Whitney U检验,用“中位数±四分位间距”表示。采用Kaplan-Meier方法比较两组间生存期。独立纹理特征的诊断效能使用受试者操作特性曲线（receiver operating characteristic,ROC）判定。应用R语言（RStudio Version 1.0.143–?2009-2016 RStudio,Inc.）进行建模。将每组中的70%归为训练组（43例）:IDH1突变组（19例）及IDH1野生组（24例）;剩余的30%归为验证组（20例）:IDH1突变组（9例）和IDH1野生组（11例）,用于建模分析。采用Lasso方法及十折交叉验证对三种序列纹理特征分别进行降维并选取高效能参数,采用多元logistic回归分析分别对各序列建立模型;采用混淆矩阵分析模型的精确率;利用ROC评价各模型的诊断效能。对于纹理特征与PFS、OS、Ki-67的相关性采用Spearman相关分析。结果:1.T1WI增强、T1WI、T2WI信号强度纹理特征组间比较（1）T1WI增强纹理特征:IDH1突变组中最大值、标准差、方差、偏度、第95百分位数、惯性矩、集群阴影、集群显著性均低于IDH1野生组,均匀性、相关性高于IDH1野生组（P<0.05）。以均匀性0.80为阈值,其预测诊断能力最佳,（曲线下面积（the area under the curve,AUC）为0.809）),敏感性及特异性为67.9%、91.4%。（2）T1WI纹理特征:IDH1突变组中灰度共生矩阵熵值、惯性矩、集群显著性均低于IDH1野生组,而灰度共生矩阵能量值、相关性、逆差距高于IDH1野生组（P<0.05）。以集群显著性514.188为阈值,诊断能力最佳（AUC=0.698）,敏感性及特异性为65.7%、78.6%。（3）T2WI纹理特征:IDH1突变组中标准差、方差、灰度共生矩阵熵值、惯性矩、集群阴影、集群显著性均低于IDH1野生组,IDH1突变组中峰度、均匀性、灰度共生矩阵能量值、相关性、逆差距高于IDH1野生组（P<0.05）。以灰度共生矩阵能量值0.039为阈值,诊断能力最佳（AUC=0.728）,敏感性及特异性为78.6%、68.6%。2.T1WI增强、T1WI、T2WI纹理特征建模（1）建模公式:使用Lasso方法及十折交叉验证分别得到T1WI增强（偏度（Skewness,SK）,惯性矩（inertia,IN）,相关性（Correlation,CO）,集群阴影（cluster shade,CS））、T1WI(最小值（Min-intensity,MI）,惯性矩（（inertia,IN）,集群显著性（cluster prominence,CP））、T2WI信号强度（均匀性（Uniformity,UN）,逆差距（inverse difference moment,IDM））预测IDH1突变的高效能参数,使用多元逻辑回归进行建模,T1WI增强、T1WI、T2WI的建模公式如下:fT1WI增强=-0.4901+3.8697×SK+0.7731×IN-18.6774×CO-0.0501×CS fT1WI=-1.377750+0.002105×MI+0.123742×IN+0.000885×CPfT2WI=13.75-12.39×UN-7.78×IDM（2）T1WI增强模型诊断效能:训练组以0.649为临界点,AUC最大为0.914,敏感度及特异度分别为83.3%,89.5%,验证组以0.649为临界点,AUC最大为0.869,敏感度及特异度分别为81.8%,88.9%。混淆矩阵分析T1WI增强模型训练组与验证组的精确度分别为86.0%,85.0%。（3）T1WI模型诊断效能:训练组以0.537为临界点,AUC最大为0.726,敏感度及特异度分别为66.7%,89.5%,验证组以0.537为临界点,AUC最大为0.707,敏感度及特异度分别为63.6%,77.8%。混淆矩阵分析T1WI模型训练组与验证组的精确度分别为76.7%,70.0%。（4）T2WI模型诊断效能:训练组以0.584为临界点,AUC最大为0.785,敏感度及特异度分别为66.7%,84.2%,验证组以0.584为临界点,AUC最大为0.737,敏感度及特异度分别为54.5%,88.9%。混淆矩阵分析T2WI模型训练组与验证组的精确度分别为74.4%,70.0%。3.各序列纹理特征与PFS、OS及Ki-67相关性（1）T1WI增强纹理特征中,最大值、标准差、方差、阈值、相对偏差、偏度、均匀性、能量值、熵值、第95百分位数、集群阴影、集群显著性与Ki-67有显著相关性（P<0.05）。T1WI增强纹理特征与PFS、OS无显著相关性（P>0.05）。（2）T1WI信号纹理特征中,偏度、集群阴影与PFS、OS有显著相关性（P<0.05）;峰度、灰度共生矩阵能量值、灰度共生矩阵熵值、逆差距与Ki-67呈显著相关性（P<0.05）。（3）T2WI信号纹理特征中,最小值、偏度、集群阴影与PFS有显著相关性（P<0.05）;T2WI纹理特征与OS无显著相关性（P>0.05）;最小值、偏度、峰度、均匀性、集群阴影与Ki-67呈显著相关性（P<0.05）。结论:1.MRI常规序列纹理分析可以预测胶质瘤IDH1突变状态;2.通过建立T1WI增强、TIWI、T2WI纹理模型能够提高IDH1突变预测效能,且T1WI信号增强纹理模型的诊断效能最高,稳定性最好;3.MRI常规序列的部分纹理特征（偏度、集群阴影等）可以用于预测胶质瘤患者的预后。