European Radiology:基于MRI分形和放射组学分析的生殖细胞肿瘤非侵入性鉴别诊断

颅内生殖细胞肿瘤 (IGCT) 属于一个起源于脑的性腺外生殖细胞肿瘤家族。这些肿瘤主要影响儿童，在东亚地区更为普遍。根据组织学表现，IGCT主要可分为畸胎瘤、生殖细胞瘤、肝胎癌、卵黄囊瘤、绒毛膜癌和混合性生殖细胞肿瘤。由于这些不同的组织成分显示异质性生物学，IGCTs的治疗策略涉及放疗、化疗和手术的复杂组合。

大多数IGCT对放射治疗和化学治疗(RCT)敏感手术主要是消除不敏感成分。在组织学亚型中，畸胎瘤总是对RCT耐药，因为它们具有高度分化的组织成分，但有丝分裂活性较低。IGCT通常位于中线，最常见于松果体区，而手术可能会引起严重的并发症。此外，RCT区域是根据IGCT的组织学亚型来确定的。因此，在治疗前预测畸胎瘤的存在是非常重要的。

磁共振成像 (MRI) 可以显示IGCT的解剖学和生物学特征，是诊断和随访IGCT的首选无创成像技术。由于畸胎瘤通常由实性成分和囊肿组成，因此在MRI上，该肿瘤比其他IGCT表现出更高的异质性。有研究表明，这些MRI分形特征有助于鉴别原发性中枢神经系统淋巴瘤和胶质母细胞瘤。最近的研究也使用MRI分形分析来预测脑膜瘤的分级并具有良好的性能。与此同时，在新兴的影像学特征量化领域，放射组学已被广泛应用于各种疾病的诊断，如心肌梗死和脑肿瘤的发病率。然而,据我们所知，分形和放射组学在预测颅内畸胎瘤方面的潜力尚未被报道。

近日，发表在Radiology杂志的一项研究基于分形和放射学特征实现对畸胎瘤的无创性诊断。

本回顾性研究纳入330例IGCT患者，包括发现组(n=296)和独立验证组(n=34)。从T1加权、T2加权和对比后的T1加权图像中提取分形和放射特征。研究任务比较了五种分类器，包括逻辑回归、随机森林、支持向量机、k近邻和XGBoost。基于最优分类器，研究比较了临床、分形和放射学模型与结合这些特征的模型在预测畸胎瘤方面的表现。

分形模型和放射组模型的诊断效果优于临床模型。结合所有特征的最终模型表现出最好的性能，在发现集的测试集中，曲线下面积、精度、灵敏度和特异性分别为0.946[95%置信区间(CI): 0.882-0.994]、95.65% (95% CI: 88.64-100%)、88.00% (95% CI: 77.78-96.36%)和91.67% (95% CI: 78.26-100%)， 0.944 (95% CI: 0.855-1.000)、85.71% (95% CI: 68.18-100%)、94.74% (95% CI: 83.33-100%)和80.00% (95% CI:，分别为58.33-100%)。SHapley加性解释表明，两个分形特征、两个放射学特征和年龄是与畸胎瘤存在高度相关的前五个特征。

 表 包含不同特征类别的7个模型的定量比较 (n=74）

本项研究表明，本项研究所提出的机器学习模型包括图像和临床特征，可以无创地预测畸胎瘤成分，这可以帮助指导颅内生殖细胞肿瘤(IGCT)的治疗策略。

原文出处：

Shuai Liu,Xianyu Wang,Xing Liu,et al.Non-invasive differential diagnosis of teratomas from other intracranial germ cell tumours using MRI-based fractal and radiomic analyses.DOI:10.1007/s00330-023-10177-2