《Neuro-oncology》2024年文献集萃（Ⅱ）：胶质瘤临床研究（二）

pH值加权胺类化学交换饱和转移回波平面成像可视化浸润性胶质母细胞瘤细胞

pH-Weighted amine chemical exchange saturation transfer echo planar imaging visualizes infiltrating glioblastoma cells

Kunal S Pateland others

Neuro Oncol. 2024 Jan 5;26(1): 115–126, doi.org/10.1093/neuonc/noad150

编译：王樑

通过术前MRI 3D深度学习特征对成人弥漫性胶质瘤的预后价值

利用三维卷积神经网络对成人型弥漫性胶质瘤的全脑MRI图像的三维空间特征进行研究，以探讨其预后价值。在一项回顾性、多中心研究中，从5个数据集（SNUH（708例）、UPenn（425例）、UCSF（500例）、TCGA（160例）和Severance（132例））中共纳入了1925例弥漫性胶质瘤患者。SNUH和Severance数据集作为外部验证集。将增强前后的3D T1加权、T2加权和T2-FLAIR图像处理为多通道3D图像。训练一个3D自适应SE-ResNeXt模型以预测总生存期。使用Cox回归评估基于深度学习的预后指标（DPI）、空间特征衍生的定量评分以及已建立的预后标志物的预后价值。使用一致性指数（C-index）和Brier评分（BS）对模型进行评估。结果发现，仅MRI中位DPI生存预测模型的c指数分别为0.709和0.677（BS=0.142和0.215），生存差异（P<0.001和P=0.002；log-rank检验）。多变量Cox分析显示DPI为一个显著的预后因素，独立于临床和分子遗传变量：SNUH数据集的HR=0.032（P<0.001），Severance数据集的HR=0.036（P=0.004）。多模态预测模型的C指数高于仅使用临床和分子遗传变量的模型：SNUH数据集0.783 vs. 0.774，P=0.001；Severance数据集0.766 vs. 0.748，P=0.023。因此，基于全脑MRI 3D CNN模型提取的整体形态学特征对弥漫性胶质瘤具有独立的预后价值。结合临床、分子遗传和影像数据可获得最佳性能。

基于聚类的胶质母细胞瘤预后研究：揭示基于扩散和灌注相似性的异质性

虽然扩散和灌注磁共振成像（MRI）与胶质母细胞瘤患者生存期的相关性已得到证实，但缺乏针对患者的预后模型。德国海德堡大学医院神经放射科Marianne Schell教授等采用功能成像聚类的方法，在未治疗的胶质母细胞瘤中识别不同的功能表型，并评估其对总生存期的预后意义。研究结果证实，PAM聚类检测到两种胶质母细胞瘤表型，生存差距为16.4个月，结合聚类分析可增强生存期预测的准确性，二值化平均相对脑血容量（rCBF）是一个关键的预后参数。

首先，纳入了289例接受术前多模态MRI检查的胶质母细胞瘤患者。计算不同肿瘤区域和整个肿瘤的平均表观扩散系数、标准化相对脑血容量和相对脑血流量的均值。在训练数据集上使用围绕中心点的划分（PAM）聚类方法识别不同的成像模式，并评估其预测总生存期的能力。此外，还训练了基于树的机器学习模型，以确定与聚类成员资格相关的特征的重要性。收集并使用该训练数据集（231/289），他们通过PAM聚类识别出2种稳定的成像表型，其总生存期（OS）存在显著差异。在独立的测试集中进行验证，结果显示高风险组的中位OS为10.2个月，低风险组的中位OS为26.6个月（P=0.012）。低风险组的患者在整个研究期间均表现出高扩散和低灌注值，而高风险组则表现出相反的模式。在所有多变量Cox回归分析中加入聚类成员资格后，性能得到了提高（每项P≤0.004）。总之，该研究表明，数据驱动的聚类方法可以识别出具有临床意义的、不同的成像表型，凸显了扩散和灌注MRI在预测胶质母细胞瘤患者生存率中的潜在作用。

脑肿瘤患者PET和高级MRI的挑战、局限性和陷阱：PET/RANO小组的报告

随着正电子发射断层扫描（PET）和高级磁共振成像（MRI）技术的应用，脑肿瘤的诊断有了显著进展。除了解剖核磁共振成像外，这些成像方式还可为多种临床应用提供有价值的信息，如鉴别诊断、肿瘤范围的划分、预后判断、肿瘤复发与治疗相关变化的区分，以及抗癌治疗反应的评估。特别是，神经肿瘤学反应评估（RANO）小组、欧洲神经肿瘤学协会以及欧洲和美国主要核医学会的联合建议强调，放射性标记氨基酸与单纯的解剖磁共振成像相比具有突出的临床价值，应支持其在临床广泛应用。对于先进的磁共振成像及其在临床实践中日益增长的应用，脑肿瘤药物研发联盟标准化小组委员会最近为广泛应用的动态感性对比灌注磁共振成像提供了最新的采集协议。除氨基酸PET和灌注MRI外，其他PET示踪剂和先进的MRI技术（如MR光谱）也颇受临床关注，并日益融入日常临床实践中。然而，这些模式也有不足之处，在临床实践中应加以考虑。本综述概述了胶质瘤或脑转移瘤患者使用PET成像和先进磁共振成像技术可能面临的挑战、局限性和陷阱。尽管存在这些问题，PET成像和高级磁共振成像技术仍将在脑肿瘤治疗中发挥不可或缺的作用。通过跨学科合作、标准化方案和持续创新来认识和应对这些挑战，将进一步提高这些模式在指导最佳患者护理方面的效用。

用于增强简单和复杂脑肿瘤视觉评估的数字“翻页书”

脑肿瘤的典型纵向放射学评估依赖于对连续磁共振图像（MRI）的并排定性观察，并辅以肿瘤大小的定量测量。然而，在评估生长缓慢的肿瘤和/或复杂肿瘤时，并排观察和量化可能会比较困难或不可靠。针对患者的全脑纵向扫描“数字翻页书”是一种潜在的方法，通过增强对肿瘤大小、肿块效应和浸润在多个切片上随时间变化的视觉感知，来增强临床环境中的放射并排读片。在这种方法中，连续的共聚焦磁共振成像扫描结果以幻灯片的形式显示，其中一张幻灯片以阵列形式显示单个时间点的多个脑切片（如3×5的“马赛克”切片视图）。翻页书的观看方式类似于动画片/照片翻页书，因此在滚动浏览幻灯片时，可以通过感知到的运动来直观地看到细微的射线变化。重要的是，可以使用免费的开源软件轻松制作翻页图书。本文介绍了制作翻转手册的逐步方法，并讨论了翻转手册特别有用的临床场景。

IDH-野生型胶质母细胞瘤的脑膜转移：基于增强FLAIR的全面分析，包括发生率、危险因素和预后

背景：文献中报道胶质母细胞瘤脑膜转移（LM）的发生率各不相同，本研究旨在探讨IDH野生型胶质母细胞瘤患者LM的发生率、危险因素及预后。

方法：2005年至2022年间共纳入828例IDH野生型胶质母细胞瘤患者。采用基线术前MRI（包括增强FLAIR成像）进行LM诊断。采用自动分割侧脑室和肿瘤的方法评估肿瘤与室管膜下区（SVZ）的距离和肿瘤体积的定量和定性特征。使用临床、分子和影像学数据进行LM发生的逻辑分析，以及生存分析。

结果：LM的发生率为11.4%。MGMTp未甲基化（OR=1.92，P=.014）、肿瘤与SVZ的距离较短（OR=0.94，P=.010）以及较大的增强肿瘤体积（OR=1.02，P<.001）与LM显著相关。LM患者的总生存期（OS）显著差于无LM的患者（12.2 vs 18.5个月, P<.001）。LM的存在是IDH野生型胶质母细胞瘤患者总生存期（OS）的独立预后因素（HR=1.42，P=.011），与其他临床、分子、影像、手术预后因素相关。

结论：IDH野生型胶质母细胞瘤患者中LM的发生率较高，具有侵袭性的分子和影像学因素与LM的发展相关，本研究表明FLAIR增强成像是诊断LM可靠的工具。

平均整体DNA甲基化可作为IDH野生型GBM的独立预后标志

GBM患者通常采用术后加放化疗进行联合治疗，但诊断后的中位总生存期仍低于2年。需要更多的预后标志物来了解疾病结局和预测对治疗的反应。

本研究探讨平均总体DNA甲基化水平与预后的相关性。

首先收集并分析492例GBM患者的DNA甲基化和总生存数据（队列特征包括已知的预后因素、年龄、MGMT启动子甲基化和切除程度等）。确定年龄、MGMT启动子甲基化以及切除程度是独立的预后因素后；排除生存期<15.8个月的样本，在剩下的386个病例中，没有发现CpG位点甲基化的显著差异，未能确定特征性甲基化与GBM更好或更差的生存相关。为进一步研究生存的表观遗传预后标志物，计算每个样本的平均甲基化和整个队列的中位数甲基化，然后根据甲基化中位数划分队列，检测到OS（总生存期）的显著差异。较高水平的平均DNA甲基化与较好的生存期相关，而较低的甲基化与较差的生存期相关。多变量分析也表明，平均甲基化是一个额外的预后因素，与年龄、MGMT启动子甲基化和切除程度无关。 

使用DIME Immune Score来估计研究病例系列中CD4+、CD8+和肿瘤浸润淋巴细胞（TIL）细胞的数量。观察到DIME评分较高的GBM患者的生存期较长；同时发现在低甲基化的GBM组中，所有三种免疫细胞浸润的DIME评分明显升高；事实上，高甲基化的样本显示出明显更多的髓样细胞和单核细胞。说明免疫细胞浸润并非GBM甲基化增加患者生存改善的直接原因。

通过细胞群落形成试验确定了一组GBM细胞系的放射敏感性，并根据放射敏感和抵抗性细胞系在4 Gy下的存活分数对它们进行分层。DNA甲基化分析了这些和另外15个干细胞样细胞系的DNA甲基化。两个队列的平均甲基化的综合分析显示，与放射耐药细胞系相比，放射敏感细胞系的平均甲基化明显更高（p=0.007）。这可能解释高甲基化GBM患者的生存率提高。将148例接受放疗但未予TMZ的患者的治疗反应与平均DNA甲基化进行了关联。平均甲基化水平较高的患者比平均甲基化水平较低的患者中位生存期明显差异（p=0.029）。通过根据年龄、MGMT启动子甲基化和平均DNA甲基化定义两个风险组，OS的差异甚至从8.4到12.5个月不等。

分析了31对肿瘤第一次和第二次切除期间平均DNA甲基化的变化，显示出平均甲基化的差异（图5A），并在再次切除的样本中显著降低的平均甲基化（p=0.041）。使用EPIDISH作为反褶积方法，分析和比较了两次切除样本中肿瘤细胞的含量和髓样细胞的比例，第一次和第二次样本之间没有显着差异。因此，较低的平均甲基化也不能用较少的髓样细胞来解释。

总之，研究表明GBM患者的生存与平均整体DNA甲基化相关，需要进一步研究以了解生物学背景并提供新的治疗方法来提高GBM生存率。

荧光素染色共聚焦激光内镜与传统冷冻切片在颅内肿瘤术中组织病理学评估中的比较

背景：本临床试验的目的是荧光素染色的术中共聚焦激光内镜（CLE）与常规术中冷冻切片（FS）对颅内病变的评估的比较。

方法：在这项II期非劣效性、前瞻性、多中心、非随机、标签外临床试验（Eudra CT：2019-004512-58）中，纳入了18岁以上有任何颅内病变计划进行手术切除的患者。主要终点是非劣效性分析，参考最终组织病理学诊断，对CLE和FS的准确性进行统计学比较。次要终点是该技术的安全性以及CLE和FS的检测时间。

结果：在2020年11月至2022年6月期间，3个中心共纳入210名患者。最常见的是高级别胶质瘤（37.9%）、转移瘤（24.1%）和脑膜瘤（22.7%）。共记录了4例（2%）患者中的6个严重不良事件。对于主要终点，对比FS的0.91，CLE的诊断准确性稍差为0.87，差距为0.04（95%置信区间-0.10；0.02；P=0.367）。CLE术中诊断的中位时间为3分钟，FS为27分钟，平均差异为27.5分钟（标准偏差14.5；P<.001）。

结论：CLE可以安全、及时地进行术中组织学诊断，对所有颅内实体的诊断准确率为87%。与FS相比，该技术实现了实时组织学检测，术中检测时间减少了10倍，这可能在今后会改变手术策略。

DNA甲基化亚分类、非整倍体和CDKN2A/B同源缺失在预测IDH突变星形细胞瘤临床结局中的预后价值

IDH突变星形细胞瘤的分级一直完全基于形态学，中枢神经系统WHO第五版将CDKN2A/B同源缺失作为4级的生物标志物。作者试图研究DNA甲基化衍生的分子生物标志物对IDH突变星形细胞瘤预后的影响。通过分析2014年至2022年期间在纽约大学朗贡医疗中心确诊的98例IDH突变星形细胞瘤，作者回顾了DNA甲基化亚类、CDKN2A/B同源缺失和倍体，并将分子生物标志物与组织学分级、无进展生存期（PFS）和总生存期（OS）相关联。研究结果通过两个独立的验证队列得到了证实。如果仅按组织学WHO分级、拷贝数复杂性或切除范围进行分层，OS或PFS没有明显差异。根据CDKN2A/B基因同源缺失或DNA甲基化亚类对患者进行分层后，OS有明显差异。尽管DNA甲基化分类显示出一种趋势，但没有一个分子生物标志物与明显改善的无进展生存期（PFS）相关。目前世界卫生组织公认的IDH突变星形细胞瘤分级标准显示出有限的预后价值。基于DNA甲基化的分级对OS具有更高的预后价值。

全基因组多基因风险评分可预测胶质瘤的风险和分子亚型

背景：多基因风险评分（PRS）综合了众多风险变异对个体的影响，以提供个体化的遗传易感性概况。由于胶质瘤全基因组关联研究（GWAS）的样本量仍然较小，因此有必要高效地利用现有数据来捕捉遗传风险。

方法：我们采用基于连续收缩先验（PRS-CS）的方法来建模超过100万个常见变异对疾病风险的联合影响，并将其与仅选择达到全基因组显著性（P<5×10^-8）的独立变异的方法（PRS-CT）进行了比较。使用基于组织学（10346例患者和14687例对照）和分子亚型（2632例患者和2445例对照）的GWAS数据对PRS模型进行训练，并在2个独立的队列中对其进行了验证。

结果：在脑胶质瘤亚型中，PRS-CS通常比PRS-CT具有更好的预测性，其解释变异（R²）的中位数增加了24%（四分位间距为11-30%）。对于胶质母细胞瘤（GBM），PRS-CS的增加更为显著，其每标准差（SD）的比值比（OR）更大（OR=1.93，P=2.0×10^-54 vs. OR=1.83，P=9.4×10^-50），解释变异（R2）也更高（R²=2.82% vs. R²=2.56%）。在PRS-CS分布的第80百分位的个体在60岁时患GBM的风险显著高于平均PRS的个体（0.107% vs 0.046%，P=2.4×10^-12）。对于IDH野生型肿瘤，第95百分位个体一生患脑瘤的绝对风险为1.18%，患IDH野生型肿瘤的绝对风险为0.76%。当将PRS-CS添加到人口统计学因素时，其可增强IDH突变状态的分类能力（AUC=0.839 vs AUC=0.895，P_ΔAUC=6.8×10^-9）。

结论：全基因组PRS有潜力提高对高风险个体的检测能力，并有助于区分预后不同的胶质瘤亚型。

分子时代比利时成人型弥漫性胶质瘤的流行病学及预后分析

背景：成人型弥漫性胶质瘤的生存数据主要基于前瞻性临床试验或小型回顾性队列研究。目前仍缺乏大型患者队列的真实数据。

方法：使用全国范围内以人群为基础的比利时癌症登记处数据，回顾2017年至2019年诊断为成人型弥漫性胶质瘤患者的所有组织学报告。ICD-O-3形态学编码与组织学诊断相符。将收集到的数据应用IDH和1p/19q突变状态，按照2021年世界卫生组织中枢神经系统肿瘤进行分类。

结果：2017年至2019年，比利时共诊断2233例成人型弥漫性胶质瘤。67.1%的确诊病例具有分子相关数据。比利时成人型弥漫性胶质瘤的年龄标准化发病率估计为8.55例/10万人年，4级病变为6.72例/10万人年。IDH野生型胶质母细胞瘤的中位生存期为9.3个月，明显短于4级IDH突变型星形细胞瘤（中位生存时间为25.9个月）。2级和3级IDH突变型星形细胞瘤的3年生存率分别为86.0%和75.7%。IDH野生型2级和3级星形细胞瘤预后较差，3年生存率分别为31.6%和5.7%。

结论：这项基于癌症登记处的研究提供了一个已知分子状态的成人型弥漫性胶质瘤的大型队列，并使用了真实世界的生存数据。它补充了目前主要基于临床试验和较小的回顾性队列研究文献的数据。

美国退伍军人的脑肿瘤

Brain tumors in United States military veterans

John R Bihn and others

Neuro Oncol.2024 Feb 2;26(2):387–396, doi: 10.1093/neuonc/noad18

编译：王元

低级别胶质瘤患者的情感识别与肿瘤特征的关系

接受手术治疗的低级别胶质瘤（LGG）患者一般功能、预后良好。但LGG会影响神经认知功能。目前对这些患者的社会认知（SC）改变知之甚少，尽管SC受损与社会行为问题和社会参与度低有关。额叶脑区对社会认知非常重要，而LGG常常位于额叶。本研究旨在探讨情绪识别是否受损，以及情绪识别与LGG患者术后和开始辅助治疗前的一般认知、肿瘤位置、侧位、肿瘤体积和组织病理学特征的关系。共有121名LGG患者与169名健康对照组（HC）进行了配对。肿瘤位置包括额叶各亚区；岛叶、前扣带回皮层、外侧前额叶皮层、眶额叶-内侧前额叶皮层。肿瘤体积均通过核磁共振扫描确定。情绪识别能力通过情绪刺激和测试（FEEST）中的埃克曼60张面孔测试进行测量。LGG患者在FEEST中的表现明显低于HC患者，33.1%的患者表现出障碍。情绪识别与额叶肿瘤位置、侧位和组织病理学特征无明显相关性，而与一般认知能力和肿瘤体积有明显但较弱的相关性。LGG患者的情感识别能力受损，但与特定的肿瘤特征或一般认知能力没有密切关系。无论肿瘤特征如何，在对这些患者进行个体神经心理学评估时测量SC是至关重要的，以便让临床医生了解可能存在的障碍，从而提供适当的护理。

结论：我们的研究发现了两种新的治疗途径。首先，患者来源的GSC代表了一种预测工具，可用于患者分层以调整放疗策略。其次，自分泌和短程BMP7相关信号通路成为预防DMG扩散和转移的可药靶点。

新冠肺炎对2020年原发性脑和其他中枢神经系统肿瘤每月发病率趋势的影响

背景：为了减少疾病传播，美国围绕COVID-19大流行实施的限制措施造成了导致癌症诊断延迟的环境。目前还没有准确的数据分析疫情对脑部和中枢神经系统肿瘤发病率的影响。利用美国中央脑肿瘤登记系统（Central Brain Tumor Registry of the United States, CBTRUS）的发病率数据，我们分析了COVID-19大流行第一年对原发性脑部和其他中枢神经系统肿瘤发病率的影响。

方法：根据诊断年龄、性别、种族、民族、诊断确认、行为、肿瘤组织病理学和县级城市化程度，确定2019年和2020年每月年龄调整后的发病率和发病率趋势。对2020年和2019年的月发病率比进行相同因素的比较。

结果：总体而言，与2019年相比，2020年3-5月的发病率明显下降。这些下降是由非恶性肿瘤导致的，2020年3月与2019年相比，发病率下降了50%。在2020年初，黑种人的发病率降幅超过白种人。与组织学证实的肿瘤相比，影像学证实的肿瘤的发病率降幅较大。与2019年相比，2020年胶质母细胞瘤的月发病率无变化。

结论：这些数据提供的证据表明，为应对COVID-19大流行而中断的医疗服务，例如政府和卫生保健任务，导致2020年初原发性脑肿瘤发病率总体下降。

未经治疗的胶质瘤患者的认知功能：临床变量的有限预测价值

此前许多研究发现与胶质瘤患者的术前认知功能显著相关的临床变量。但这些变量是否能够准确预测具体患者的认知功能尚不清楚，本研究使用多种机器学习模型来预测340名胶质瘤患者的术前认知功能，包括18项结果指标。使用文献中确定的临床变量进行构建预测模型，并检测模型性能和优化参数。此外，还计算了Shapley加性解释，以确定变量的重要性并探索相互作用效应。结果发现，性能最好的模型通常表现出以上随机性能。然而，在18项结果测量中，有14项的性能是不可靠的，对于大量的列车试验分段，预测结果比基线模型更差。性能最好的模型相对简单，使用大多数变量进行预测，而不强烈依赖任何变量。

因此，本研究发现使用当前研究中包含的一组全面的临床变量，无法通过认知测试可靠地预测术前认知功能。研究结果表明，对个体患者的整体观点可能是解释认知功能差异所必需的。此外，本研究强调需要收集更大的多中心和多模式数据集。

胶质瘤中的生成式人工智能：确保训练图像表型的多样性以提高IDH突变预测的诊断性能

尽管异柠檬酸脱氢酶（IDH）突变等分子生物标志物的重要性已得到强调，但有限的数据限制了基于成像对胶质瘤分子亚型进行预测的能力。近日，韩国庆熙大学医学院放射科及放射学研究所Ho Sung Kim教授等评估了基于生成式人工智能（AI）的数据增强（generative artificial intelligence (AI)-based augmentation, GAA）是否能提供多样且真实的成像表型，通过研究发现，基于评分的扩散模型的生成式人工智能在胶质瘤中提供了逼真且多样的成像表型，生成式人工智能在预测胶质瘤中的IDH类型方面，诊断性能优于神经放射学家。

首先，研究人员为开发模型，从三级医院和癌症影像档案中收集了565例（346例IDH野生型，219例IDH突变型）具有配对增强对比T1和FLAIR MRI扫描的患者。在内部测试集（119例，78例IDH野生型，41例IDH突变型[IDH1和2]）和外部测试集（108例，72例IDH野生型，36例IDH突变型）上测试了性能。使用基于分数的扩散模型和ResNet50分类器开发了GAA。与零模型比较选择了最优GAA。两名神经放射学家（R1，R2）评估了成像表型的真实性、多样性，并预测了IDH突变。使用接收者操作特征曲线（AUC）下的面积比较了使用最优GAA训练的分类器与神经放射学家的性能。测试了肿瘤大小和对比增强对GAA性能的影响。生成的图像显示了真实性（图灵测试：47.5-50.5%）和指示IDH类型的多样性。使用110,000张生成的切片进行增强后实现了最优GAA（AUC：0.938）。与神经放射学家相比，使用最优GAA训练的分类器在内部测试集（R1，P=0.003；R2，P<0.001）和外部测试集（R1，P<0.01；R2，P<0.001）上均显示出显著更高的AUC值。对于大尺寸肿瘤或主要增强的GAA，其性能与最优GAA相当（内部测试：AUC 0.956和0.922；外部测试：0.810和0.749）。

总之，该研究证实，应用具有真实性和多样性图像的生成式AI，在预测胶质瘤中IDH类型方面提供了优于神经放射学家的诊断性能。

使用深度卷积神经网络自动分割消融病变：激光间质热疗后反应评估的研究基础

LITT治疗已在神经肿瘤学领域获得认可，成为复发性或难以治疗疾病的重要治疗选择，有助于组织诊断以确定治疗过程、减少细胞损伤，相对于开放性切除术能够快速恢复正常功能。尽管LITT治疗具有独特的成像特征，但目前尚无标准化的反应评估标准，并且消融的组织仍留在原位，导致特征性的LITT治疗后水肿，使得LITT后反应评估复杂化。近年来基于AI的深度学习图像分割模型已被证实既高效又准确，因此，在本研究中提出了一种自动图像分割方法，用于LITT后异常增强的组织体积，并分析了体积变化、疾病进展和总体生存率之间的关联。

本研究纳入2015年至2023年期间在单一肿瘤或放射性坏死中心接受LITT且MRI随访时间≥9个月的所有患者。分析了61个LITT治疗病变和6个放射性坏死对照病例的384次独特的MRI检查。训练nnU-Net分割模型以在T1加权图像上自动分割LITT治疗病变的对比增强病变体积 (CeLV)。基线对比增强病变体积 (CeLV) 的百分比变化定义为从连续扫描的CeLV中减去基线CeLV，除以基线CeLV并乘以100%。使用体积测量进行反应评估。研究结果显示自动分割在367/384 (95.6%) 张图像中准确率较高。LITT治疗后1-3个月，CeLV中位数从基线增加至68.3% (IQR 35.1–109.2%)（P=0.0012），此后恢复到基线。LITT治疗患者的总生存期 (OS) 为39.1 (9.2–93.4) 个月。根据mRANO体积反应评估标准，我们采用CeLV较基线或最低点增加≥40%作为进展性疾病 (PD) 的阈值。56名 (37.5%) 患者中有21名出现进展，体积无进展生存期为21.4 (6.0–93.4) 个月。体积和临床放射学PFS曲线大致相似，但正如预期的那样，当通过更严格的体积方法评估PD时，由LITT后CeLV扩张驱动的早期事件的频率似乎有所下降。根据体积标准，6个月和12个月的PFS (PFS6和PFS12) 分别为98.2%和69.6%。通过临床放射学评估，PFS6为83.9%，PFS12为73.2%。体积进展的患者OS更差（17.3 vs 62.1个月，P=0.0015）。

本研究也有一些明显的局限性。本研究使用的分割模型是在大量T1加权对比后原发性和转移性肿瘤图像上训练的，但没有一个接受过LITT。此外，虽然本研究的目的是对所有符合影像随访标准的LITT治疗病变进行无偏的分割和反应评估，但新诊断的、非增强的低级别胶质瘤占我们数据集的一小部分（n=2名患者），最后，这项研究受到其单一机构回顾性设计的限制；缺乏来自外部机构的更远距离随访图像。

总体来说本研究自动病变分割可以加速体积疗效标准在临床实践中的采用，并定量表征典型的LITT后成像过程，证明了初始CeLV扩张发生在LITT后1-3 个月内，证实制定LITT治疗病变的疗效评估标准是可行的，应考虑用于临床试验。

发展可计算的胶质母细胞瘤表型

Developing a computable phenotype for glioblastoma

Sandra Yan and others

Neuro Oncol 2024 Jun 3;26(6):1163–1170, doi.org/10.1093/neuonc/noad249

编译：程传东，陈一楠

通过公平驱动的人工智能应用增强神经肿瘤学护理

如今，人工智能在医学领域得到了广泛应用。但基于人工智能的医疗干预措施可能会引入和延续偏见，加剧现有的健康差距。因此，将卫生公平作为基于人工智能干预措施的前提，并制定公平使用的指导方针十分重要。

在认识到AI既有可能扩大不平等又有可能缩小不平等的双重潜力后，我们提出了一个简洁、基于公平的框架，以指导使用AI的研究人员和临床医生。该提议的框架可作为急需扩大基于公平的AI应用于神经肿瘤学的基础。(见图1)

最后，我们呼吁建立机构和国家委员会，负责监督神经肿瘤学领域公平应用AI的关键下一步实施。