基于机器学习的高级别胶质瘤 MRI 影像组学：预测 CD44 表达和总生存期的有力工具

为预测高级别胶质瘤（HGG）患者 CD44 表达并评估其预后意义，研究构建影像组学模型，效果良好。

　　高级别胶质瘤（High-grade glioma，HGG）是中枢神经系统中常见的原发性恶性肿瘤，尽管在手术、化疗、放疗和靶向治疗等方面取得了进展，但由于治疗效果有限，它仍然是一种致命性疾病。目前，胶质瘤的预后指标存在不足，难以满足精准医疗的需求，急需探索新的预测指标。CD44 抗原（CD44）作为一种潜在的预后标志物，其检测方法存在诸多不便，因此，开发一种高效、无创、可重复的方法来预测 HGG 患者的 CD44 表达至关重要。

在此背景下，中国医科大学附属盛京医院等机构的研究人员开展了相关研究。研究成果发表在《Scientific Reports》上，为 HGG 的诊疗提供了新的思路和方法。

研究人员为了构建基于机器学习的无创影像组学模型以预测 HGG 患者的 CD44 表达，并探索 CD44 与肿瘤微环境（Tumor microenvironment，TME）的潜在关系，开展了一系列实验。研究中用到的主要关键技术方法包括：从癌症基因组图谱（The Cancer Genome Atlas，TCGA）和癌症影像存档（The Cancer Imaging Archive，TCIA）数据库下载 HGG 患者的 MRI 图像、基因表达数据和临床病理数据；运用免疫组化（Immunohistochemistry，IHC）实验检测 CD44 蛋白水平；采用重复最小绝对收缩和选择算子（Least absolute shrinkage and selection operator，LASSO）筛选影像组学特征；构建基于逻辑回归（Logistic regression，LR）和支持向量机（Support vector machine，SVM）的影像组学模型进行预测，并通过多种评估指标评价模型性能 。

研究结果主要如下：

• CD44 的临床意义：通过对 HGG 样本和正常脑样本（Normal brain samples，NBTs）的研究发现，HGG 样本中 CD44 表达显著升高。CD44^low组患者的总生存期（Overall survival，OS）明显长于 CD44^high组。单因素和多因素 Cox 分析表明，高 CD44 表达是 HGG 患者 OS 缩短的独立因素。此外，CD44 表达与 IDH 状态、Chr 1p19q 共缺失状态和 MGMT 启动子状态呈负相关。
• 免疫浸润和富集分析：研究发现 CD44^high组中 M2 巨噬细胞、单核细胞和 CD4 记忆静止 T 细胞的浸润较高。GO 和 KEGG 分析显示，CD44 相关的生物功能和通路包括突触组织、粘着斑、溶酶体、Epstein-Barr 病毒感染等。
• 影像组学模型的构建和评估：通过对 82 例患者的影像组学分析，最终保留 7 个影像组学特征构建预测模型。基于 LR 和 SVM 的模型预测性能良好，AUC 分别达到 0.806 和 0.809。校准曲线和决策曲线分析（Decision curve analysis，DCA）验证了模型的拟合度和临床实用性。此外，高影像组学评分（Radiomic score，RS）与较差的 OS 相关，且 RS 与一些参与上皮 - 间质转化（Epithelial - to - mesenchymal transition，EMT）的分子显著相关。

研究结论和讨论部分指出，本研究证实了 CD44 表达水平是 HGG 患者 OS 的独立预测指标，高表达的 CD44 与较差的 OS 相关。构建的两个影像组学模型能够有效预测 HGG 患者的 CD44 表达水平，且高 RS 预示着较短的 OS。这为临床医生提供了一种潜在的有力工具，有助于在个性化精准医疗和靶向治疗时代预测患者预后、辅助临床决策。然而，该研究也存在一定局限性，如需要进一步的验证研究、应纳入更多功能 MRI 序列、样本量较小等，未来研究可针对这些方面展开探索。总的来说，这项研究为 HGG 的研究和治疗开辟了新方向，具有重要的理论和实践意义。