本技术涉及影像分析技术领域,专注于一种结合多模态数据融合的IDH野生型胶质母细胞瘤分型技术及系统。该技术包括获取GBM患者的数据集,并基于此数据集提取影像组学特征,进而实现对IDH野生型胶质母细胞瘤的精确分型。
背景技术
成人弥漫性胶质瘤是最常见的原发性恶性中枢神经系统(Central NervousSystem,CNS)肿瘤。异柠檬酸脱氢酶(Tsocitrate Dehydrogenase,IDH)突变被发现是最具影响力的分子标记物,可将弥漫性神经胶质瘤患者分为预后、遗传特征和潜在治疗选择不同的两组。最近发布的世界卫生组织中枢神经系统肿瘤分类将IDH突变型胶质瘤和IDH野生型胶质瘤归类为成人患者的不同肿瘤实体。值得注意的是,IDH野生型成胶质细胞瘤(Glioblastoma,GBM)是成人中最普遍和最具侵袭性的胶质瘤亚型,其5年生存率低于10%。GBM的标准治疗包括全切除术后放疗和替莫唑胺(Temozolomide, TMZ)化疗。然而,GBM具有显著的肿瘤间和肿瘤内异质性,基因组、转录组、蛋白质组和表观基因组水平存在显著差异,对均质化管理提出了相当大的挑战。因此,有必要对IDH野生型GBM的异质性和分层进行进一步研究。
随着技术的进步,多模态数据的整合为肿瘤分层带来了新的见解。一般而言,影像学、病理学、DNA、RNA和蛋白质可分别反映疾病的解剖、细胞、遗传、转录和功能水平。多模式分析的整合使本申请能够更好地理解复杂疾病表型和生物机制之间的联系。事实上,由基因突变、异常信号和异常表达产生的细胞水平微观表型对关键的细胞过程,如细胞增殖、炎性反应和血管生成有深远的影响。这些改变可以通过组织学图像捕获。同样,可以使用先进的成像技术(如多参数MRI)对肉眼可见的表型(如肿瘤形状、纹理、水肿和坏死)进行可视化。以往的研究也表明,影像学或组织病理学图像可以反映基因的突变状态或表达水平。这不仅提供了影像组织病理学图像与分子组学之间的桥梁,还为多模式融合分析提供了理论基础。
目前在基于多组学数据集融合分析的研究中,第一,由于公共队列中缺乏多组学数据,分类器开发对转录组学数据的依赖可能限制了GBM完整分子复杂性的捕获。未来的研究应着眼于纳入更全面的多组学数据集,以提高分类器的准确性和稳健性。第二,虽然影像组学分类模型显示了较高的预测性能,但有必要在更大的独立队列中对其进行验证,以确认其可推广性。整合其他MR测序,如DTI 、PWI或功能性MRI,可进一步提高分类器的准确性,并为肿瘤生物学提供更多见解。
实现思路