《Journal of Neurooncology》杂志2022年6月17日在线发表多米尼加、塞尔维亚的doi: Herwin Speckter , Marko Radulovic , Kire Trivodaliev ,等撰写的《MRI影像组学在预测伽玛刀放射外科治疗后的脑膜瘤体积反应中的应用。MRI radiomics in the prediction of the volumetric response in meningiomas after gamma knife radiosurgery》（10.1007/s11060-022-04063-y.）。
目的:
本报告首次探讨了影像组学在预测伽玛刀放射外科治疗(GKRS)脑膜瘤体积反应方面的价值。
立体定向放射外科(SRS)在脑膜瘤的治疗中已经使用了近40年，越来越多的证据支持SRS作为主要治疗方法。结合改进的计划和分级制度，SRS治疗主要是小的和生长中的脑膜后的局部肿瘤控制率高达99%。然而，在大体积脑膜瘤中，控制率可能低至84%，而在不典型和间变脑膜瘤类型中，控制率甚至低于70%，并伴有辐射诱导毒性增加，高达23%。
由于这种预测的不可靠性，预测SRS的个体疗效的改进，可以通过支持增加治疗放射剂量或重新评估显微手术来帮助制定个体脑膜瘤的治疗计划。另一方面，如果预测肿瘤会迅速彻底地减少，则可以使用较低的剂量来减少可能的放射副作用(ARE)风险。
目前常用的预后指标是临床症状、患者年龄、一般健康状况、神经功能障碍、既往治疗后复发、肿瘤大小、对脑组织与囊性成分的定位和轮廓勾画（Currently used prognostic indicators are clinical symptoms, patient age, general health, neurologic deficit, recurrence after previous treatment, tumor size, localization and delineation against brain tissue and cystic components）。据报道，较大的脑膜瘤体积、各向异性分数值和男性在接受伽玛刀放射外科治疗(GKRS)后，更容易发生脑膜瘤进展[t was reported that higher meningioma size, fractional anisotropy value [12] and male gender predispose to meningioma progression after treatment with Gamma Knife radiosurgery (GKRS) ]。此外，弥散加权和弥散张量成像(DWI和DTI)参数也被研究作为SRS治疗后脑膜瘤类型和预后的预测因素[ diffusion-weight and diffusion tensor imaging (DWI and DTI) parameters were also investigated as predictors of meningioma type and prognosis after SRS]。常规序列MRI数据的一阶纹理分析、与其他DTI衍生参数图的各向异性分数和DTI张量的第三特征固有值与SRS治疗后的治疗结果最相关，常规序列中T2加权图像(T2w)直方图的标准差最能预测体积预后[While the first-order texture analysis of MRI data on conventional sequences, fractional anisotropy with other DTI-derived parameter maps and the 3rd eigenvalue of the DTI tensor turned out to correlate best with treatment outcome after SRS, the standard deviation of histograms of T2-weighted images (T2w) best predicted volumetric outcome in conventional sequences ]。
影像组学是一种新兴的肿瘤形态学计算量化方法，用于诊断、治疗或预后决策支持。迄今为止，它已被用于预测脑膜瘤的级别和是否存在脑侵袭。本研究旨在探讨应用先进的影像组学和特征选择方法是否能够提高之前DTI研究的预测性能。我们推测，目前可用的预测脑膜瘤对放射外科治疗的体积反应的工具没有提供足够的可靠性，因为它们没有充分利用脑膜瘤的形态异质性（we hypothesized that the currently available tools for the prediction of the volumetric response of meningioma to radiosurgery do not provide sufficient reli- ability, because they do not fully utilize the morphological heterogeneity of meningioma ）。计算影像组学分析的目的是利用形态信息，不能量化的视觉检查的磁共振图像（The computational radiomic analysis is designed to exploit morphological information that cannot be quantified by visual inspection of MR images. ）。肿瘤形态反映了恶性细胞的生长模式，而恶性细胞的生长模式又反过来反映出肿瘤内分子相互作用的总和，从而提供了丰富的肿瘤恶性信息来源（umor morphology reflects growth patterns of malignant cells which in turn reflect the sum of molecular interactions within a tumor and thus present a rich source of tumor heterogeneity information.）。
基于迫切需要提高对GKRS治疗脑膜瘤结果的预测，本研究首次尝试利用MRI影像组学分析来预测GKRS治疗的体积响应。
方法:
所有治疗均使用(瑞典Elekta Instrument AB公司)4C型伽玛刀进行。伽玛刀治疗技术的细节之前有过描述，另外，我们中心在治疗前2个月获得MRI图像。通过减少可能的几何畸变，并允许更高的MRI采集加速因子(因为可以选择更小的线圈)，在不放置立体定向头架的情况下进行成像可以改善图像质量（Performing MRI without the placement of the stereotactic frame can improve image quality, by reducing possible geometric distortions, and permitting higher MRI acquisition acceleration factors, as smaller coils can be selected. ）。
治疗当天，安装(Elekta AB)立体定向G型头架后，MRI序列与立体定向增强3D CT图像组协同配准。根据肿瘤的大小和位置，边缘剂量从9.4到18Gy不等(表1)。对81例脑膜瘤在一次性治疗中治疗，切缘剂量在11到18Gy之间(平均13.7Gy)。根据我们的医院协议，邻近危及器官(OAR)的脑膜瘤，特别是前部视神经通路(AOP)，使用大分割放射外科(HFSRS)治疗。对12例脑膜瘤使用6Gy治疗3天，或者5或6Gy治疗4天。生物效应剂量(BED)通常用于比较不同剂量分割方案的剂量，基于广泛接受的线性二次(LQ)模型，其对高剂量的局限性得到承认。HFSRS剂量可转换为单次分割当量剂量(SFED)，直观地比较与传统单次分割放射外科物理剂量的辐射效应。在α/β比值为3.76 Gy的情况下，HFSRS处理的边缘SFED变化范围为9.4 - 13.5 Gy(平均11.5 Gy)。通过优化肿瘤覆盖(平均96.1%)，同时约束对如AOP、耳蜗或脑干等敏感结构的剂量，治疗计划在Leksell GammaPlan 10.1工作站(Elekta AB)上进行。
回顾性分析93例脑膜瘤患者的3Tesla MRI表现。通过计算GKRS治疗前获得的337个MRI形状、一阶和二阶影像学特征来量化肿瘤形态。对原始3D MR图像进行分析，并对其进行拉普拉斯算子、对数和指数滤波的高斯函数运算[laplacian of gaussian(LoG)，logarithm and exponential filtering]。以每月脑膜瘤体积变化为结果，采用Pearson相关性、线性回归及ROC分析评价预测效果(The prediction performance was evaluated by Pearson correlation, linear regression and ROC analysis, with meningioma volume change per month as the outcome. )。
结果:
60个计算特征与结果显著相关。基于LASSO和多元回归的特征选择从所有可用的337个影像组学特征和12个非影像组学特征开始。它选择LoG-sigma-1-0-mm-3D_firstorder（一级反应）_InterquartileRange（4分位差）和logarithm（对数）_ngtdm_Busyness 作为预测中最健壮和非冗余的特性（most robust and non-redundant features）。基于这两个特征的影像组学评分产生的AUC = 0.81。添加非影像组学Karnofsky表现状态(KPS)的分数至评分量表增加了AUC到0.88。低的影像组学评分值定义了50例无一致性肿瘤进展(0%)患者的均质性亚组（Low values of the radiomic score defined a homogeneous subgroup of 50 patients with consistent absence (0%) of tumor progression. ）。
结论:
这是首次报道MRI影像组学特征与放射外科治疗与脑膜瘤体积反应的强相关性。放射外科治疗对脑膜瘤反应的早期和可靠预测的临床重要性是基于其帮助个体化治疗决策的潜力。
总之，我们首次报告MRI影像组学特征与放射外科治疗与脑膜瘤体积的反应之间的强相关性。我们的数据表明，影像学纹理分析有可能成为一种有用的工具，用于识别新的、独立的、预测性更为可靠的体积变化标志物，其AUC值达到0.88。预处理影像组学分析可以被认为是迈向自动化人工智能为基础的过程，以帮助选择最佳的个体化治疗策略的一步 。
