基于MRI影像組學預測腦膜瘤基因表型可行性的研究進展

歐陽治強 綜述 魯毅，孫學進 審校

腦膜瘤(meningioma)是除膠質細胞瘤外顱內最常見的腫瘤，約占所有顱內腫瘤的37%[1]，由腦膜皮細胞即蛛網膜細胞所形成。2016年WHO中樞神經系統腫瘤分類聯合組織學與分子學特征，將腦膜瘤分為3級15個亞型[2]，目前，該分級已被證實能夠預測手術治療后的復發風險，對決定治療時考慮腦膜瘤復發和癥狀進展極為重要[3-4]。然而，僅僅依靠術后切除標本獲取腦膜瘤組織病理學或遺傳分子學特征已不再能滿足神經外科醫生的需求，并且這樣的模式也不利于患者接受最有利的治療。因此，我們需要一個能前瞻性預測腦膜瘤基因表型的可靠手段來為臨床決策的制定提供重要的參考信息。隨著基因組學(genomics)研究的深入，腫瘤發生、發展的內在原因越發明了，人們將不同基因表型與腫瘤異質性(侵襲性、惡性程度、轉移及復發可能等)相關聯，再將這些腫瘤異質性通過醫學成像技術進行轉化，從而搭建能夠溝通遺傳特性與影像特征的橋梁—影像基因組學(radiogenomics)，實現通過影像組學特征分析預測腫瘤基因表型的可能。

本綜述將首先介紹基因組學和影像組學(radiomics)在腦膜瘤中的研究進展，隨后就影像基因組學在其他系統腫瘤中的研究現狀進行概述，最后對基于MRI影像基因組學預測腦膜瘤基因表型的可行性以及當前所面臨的問題和挑戰展開討論。

腦膜瘤基因組學

人表皮生長因子受體-2(human epidermal growth factor receptor 2,HER2)基因又名C-erbB2基因，該基因于20世紀80年代被3個研究小組同時獨立發現，定位于染色體17q12-21.32，編碼一種由1255個氨基酸所組成的跨膜精蛋白——HER2蛋白。HER2基因是迄今為止人類研究較為透徹的一種原癌基因，其在人體內異常增殖是影響乳腺癌生長與轉移最為重要的原因之一，大約30%的乳腺癌患者可出現HER2基因的過度表達，且該類患者一般預后較差。然而，HER2基因并不只局限于乳腺癌，有研究表明人類約30%的腫瘤組織中存在HER2基因的擴增/過度表達，腦膜瘤亦在其中。Wang等[3]通過使用FISH檢測技術，對良性非復發性、良性復發性、非典型性和惡性腦膜瘤各20例進行針對HER2蛋白的免疫組化研究，結果顯示良性非復發組、良性復發組、非典型性組和惡性組的HER2蛋白陽性率分別為15%、30%、35%和50%，該結果證實HER2基因的過度表達與腦膜瘤分級和復發密切相關。Wang等[4,5]的另外兩項研究則表明HER2基因的表達及調控可影響腦膜瘤腫瘤細胞在體內的增殖、凋亡、侵襲和轉移能力。梁穎莉等[6]的研究進一步證實HER2基因陽性表達程度與腦膜瘤術后無進展生存期密切相關。

Survivin基因是Ambrosini等[7]于1997年經效應細胞蛋白酶受體(effector cell prctease receptor-1,EPR-1)cDNA在人類基因組庫的雜交篩選中分離出來的，是凋亡抑制基因家族的新成員[8]。Survivin基因直接作用于一種調節細胞生長、分化與凋亡的蛋白酶-天冬氨酸-胱氨酸特異性蛋白酶(cysteinyl aspartate specific proteinase,Caspase)，通過抑制Caspasc-3和Caspasc-7的活性，從而間接抑制細胞凋亡。Survivin基因具有腫瘤特異性，幾乎在所有的腫瘤組織中均有表達，腦膜瘤亦不除外。Das等[9]通過90例良性腦膜瘤的隊列分析，發現Survivin基因在94%(85/90)的樣本中呈陽性表達。Fazilet等[10]的研究發現Survivin基因表達程度與核蛋白指數Ki-67之間呈正相關關系，即Suevivin表達與腦膜瘤惡性程度存在重要聯系。另外，焦建同等[11]的研究發現Survivin IDS6～12組患者的復發和死亡風險比IDS0～4組分別增高12倍和3倍，且無復發生存期和生存期均明顯縮短，證實了Survivin基因陽性表達與腦膜瘤復發密切相關，可作為預測腦膜瘤不良預后的有效指標。

B細胞淋巴瘤-2(B cell lymphoma-2,Bcl-2)基因也是一種凋亡抑制基因，最初在伴有t(14,18)染色體異位的濾泡狀B細胞淋巴瘤中被發現。目前，基因組學研究已發現多個與Bcl-2同源性較高的基因，它們都參與Bcl-2基因介導的細胞凋亡，一部分起協同作用，另外一部分起拮抗作用。Bcl-2基因編碼一種定位于線粒體、內質網及核周膜的蛋白質——Bcl-2蛋白?，F階段研究表明，Bcl-2基因不僅能抑制p53基因介導的細胞凋亡機制，還能通過抗氧化、離子通道蛋白和吸附/錨定蛋白以及抑制鈣離子跨膜流動等機制實現抑制細胞程序性死亡。迄今，國內外有關Bcl-2基因與腦膜瘤侵襲性、惡性程度、復發及預后相關性的研究還相對較少，郭孝龍等[12]與宋魏等[13]的研究皆表明Bcl-2的陽性表達與腦膜瘤的分級無明確相關性。然而，Roessler等[14]通過對62例腦膜瘤患者進行免疫組化分析，發現腦膜瘤中Bcl-2陽性腫瘤細胞數量與腫瘤等級之間存在顯著負相關關系?；贐cl-2介導抑制細胞凋亡機制的復雜性，有關Bcl-2及其家族基因表達同腦膜瘤發生、發展的聯系還有待進一步研究。

2型神經纖維瘤病(neuro fibromatosis type 2,NF2)基因于1993年同時由兩個實驗室分離并鑒定，是一種抑癌基因[20]，該基因定位于染色體22q12.2，編碼一種由595個氨基酸所組成的蛋白質-Merlin蛋白。Merlin是一種多功能的抑癌蛋白，能與PIKE、eIF3c發生相互作用，影響細胞周期蛋白D1(cyclin D1)的表達和細胞增殖，介導接觸依賴性增殖抑制，當NF2基因突變時，會使編碼的Merlin蛋白丟失，導致2型神經纖維瘤病以及散發性腦膜瘤的發生[21,22]。NF2基因的表達在很大程度上決定了腦膜瘤的好發部位、男女發病比例以及惡性轉化，Youngblood等[23]通過對3016例腦膜瘤所組成的巨型隊列進行驅動基因靶向測序，發現非NF2基因突變型腦膜瘤好發于前顱底區域，且非NF2基因突變型腦膜瘤的男性患者明顯多于女性。Zhang等[24]則通過使用Agilent SureSelect Human All Exon試劑盒在Illumina HiSeq2000平臺上對5個惡性腦膜瘤進行外顯子組基因測序，發現NF2基因突變在腦膜瘤惡性轉化進程中起重要作用。另外，Clark等[25]進一步證實非NF2基因突變型腦膜瘤幾乎都為良性(Ⅰ級)，且染色體穩定性高，好發于顱底內側面，相反，NF2基因突變和/或22號染色體缺失的腦膜瘤更有可能是非典型腦膜瘤(Ⅱ級)，且染色體穩定性差，好發于小腦半球。

腦膜瘤影像組學

1.診斷及鑒別診斷

腦膜瘤病理亞型眾多，其中血管瘤型腦膜瘤(angiomatous meningioma,AM)與顱內孤立性纖維性腫瘤/血管外皮細胞瘤(solitary flibrous tumor/hemangiopericytoma,SFT/HPC)的形態學特點具有高度相似性，然而，SFT/HPC侵襲性較高，局部復發率可達90%[26]，術前準確區分兩種腫瘤對于手術方案的制定、后期治療及預后評估有著重要意義，僅通過常規可視化MRI序列鑒別兩者難度較大且可靠性較差。Kanazawa等[27]對43例確診為SFT/HPC、AM和其他Ⅰ級腦膜瘤的術前MRI表觀擴散系數(apparent diffusion coefficient,ADC)進行紋理分析，比較并評估三組的ADC值和紋理參數，結果顯示ADC圖紋理分析中熵鑒別AM與SFT/HPC的靈敏度和特異度均為100%。而張爍等[28]的研究進一步證實熵值具有較高的鑒別效能。臨床中除AM與SFT/HPC的術前鑒別診斷較為困難外，橋小腦角區(cerebello pontine angle,CPA)腦膜瘤與前庭神經鞘瘤(vestibular schwannoma,VS)術前MRI檢查常因缺乏特征性表現，鑒別診斷亦較為困難，又因兩種腫瘤常規手術入路的不同(橋小腦角區腦膜瘤經枕下乙狀竇后入路切除，前庭神經鞘瘤常行擴大經迷路入路切除[29])，術前準確診斷對于手術方案的制定尤為關鍵。鄭昀旭等[30]對35例橋小腦角區腦膜瘤與前庭神經鞘瘤的術前T1WI圖像進行紋理分析，發現異質性鑒別兩種腫瘤的效能最高，ROC曲線下面積(area under curve,AUC)為0.87，靈敏度和特異度分別為84.2%、75.0%。

2.分級預測

2016年WHO中樞神經系統腫瘤分類將腦膜瘤分為良性、中間型和惡性3個等級，該分級已被證實能夠預測手術治療后的復發風險，對決定治療時考慮腦膜瘤復發和癥狀進展極為重要[31,32]。常規意義上病理學結合免疫組化是腦膜瘤分級診斷的“金標準”，然而該手段為有創性且通過外科手術治療后所得的病理分級結果往往不能指導手術方案的制定，對患者預后評價的時效性不佳，給人一種亡羊補牢的感覺。因此，腦膜瘤術前影像分級診斷成為了研究熱門，MRI平掃及增強掃描能夠對具有典型影像學特征的良惡性腦膜瘤進行區分，現階段磁共振ADC值、動態增強/動脈自旋標記-灌注成像(DEC/ASL-PWI)定量分析技術已能為腦膜瘤分級診斷提供有利信息[33,34]，但可靠性與實用性還有待進一步研究。影像組學方面，Laukamp等[35]基于多參數MRI特征分析對非侵襲性腦膜瘤術前分級準確性進行研究，對71例腦膜瘤術前MRI圖像數據，包括T1WI、T2WI、液體衰減反轉恢復(FLAIR)、擴散加權成像(DWI)、表觀擴散系數(ADC)及T1WI對比增強序列(T1CE)進行影像組學特征分析，最終獲得了4個預測效能較好的組學特征，分別為FLAIR形狀的圓度AUC為0.80，FLAIR/T1CE-灰階聚類陰影級別AUC為0.80，DWI/ADC灰階可變性AUC為0.72,FLAIR/T1CE灰階能量AUC為0.76。此外，Zhu等[36]利用卷積神經網絡(convolutional neural network,CNN)從181例腦膜瘤病例中提取2048個影像組學特征，通過RF模型篩選重要性值超過0.001的深度學習特征，在此基礎上經過線性判別分析分類器建立影像組學深度學習(deep learning radiomics,DLR)模型，后經多中心驗證得到DLR模型預測腦膜瘤分級的AUC為0.811，靈敏度和特異度分別為76.9%和89.8%。方謙昊等[37]通過對CNN-LeNet-5模型從softmax層、網絡結構、迭代下降速率、epoch幾個方面進行改進，使得腦膜瘤影像組學分級模型AUC升高至0.91。

3.預后評價

早在2014年Aerts等[38]從1019例肺癌以及頭頸部腫瘤患者的CT掃描數據中提取了440個影像組學特征，包括灰度分布、形狀和紋理等，經分析發現這些組學特征與腫瘤的基因表型、預后表型存在一定關聯。目前，有關影像組學預測腦膜瘤預后表型的研究還相對較少。Gennatas等[39]基于257例接受手術治療的腦膜瘤患者的術前信息(患者人口統計學和影像學特征)、手術及術后信息(切除程度Simpson分級和WHO分級)分別建立預后預測模型，發現兩種模型不僅可以預測腫瘤局部復發(AUC分別0.73、0.74)，還能對總生存期進行有效預測(AUC分別為0.68、0.72)。Speckter等[40]利用T1WI、T2WI以及擴散張量成像(diffusion tensor imaging，DTI)圖像紋理分析預測伽瑪刀放射外科手術(gamma knife radiosurgery,GKRS)治療后腦膜瘤的體積變化，發現DTI最小特征值(L3)和T2WI標準差(SD)與術后腫瘤體積變化顯著相關，可用于腦膜瘤GKRS治療后預后評價。

影像基因組學在其他系統腫瘤中的研究現狀

1.乳腺癌影像基因組學

臨床根據HER-2基因以及雌、孕激素受體表達情況，將乳腺癌分為4個分子亞型，即luminal-A、B、C、D型，不同亞型采取的治療方式不同，預后也不同[41]。2014年Mazurowski等[42]從48例乳腺癌患者術前MRI圖像中提取了包括形態、紋理及動態增強特征等在內的23個影像特征，以基因表達分析結果為最終參照，分兩部分進行關聯性分析，證實動態對比增強特征預測luminal-B型乳腺癌的魯棒性最佳，即乳腺癌增強比和背景組織增強比的比值越高越可能是luminal-B型。此外，薛珂等[43]的研究發現基于DWI和DCE-MRI影像組學特征構建的預測模型具有良好的穩定性及診斷效能，是識別HER-2過表達型乳腺癌的一種潛在手段。

2.前列腺癌影像基因組學

前列腺癌是中老年男性最常見的惡性腫瘤之一，它的發生與發展與多種癌基因密切相關。Mccann等[44]于2016年發表了首篇關于前列腺癌影像基因組學的研究報告，通過對45個外周帶癌灶進行以免疫組化結果為參照的MRI影像組學特征分析，發現細胞外間隙和血漿之間的反向回流速率常數與基因功能磷脂酶和張力蛋白同源物(phosphatase and tensin homolog,PTEN)基因表達呈較弱的負相關性。然而，該研究因沒有針對多項測試的調整以及缺乏外部驗證，導致可信度存疑。隨后，Stoyanova等[45]基于多參數MRI引導下的穿刺活檢術分析了17個前列腺癌灶的MRI定量特征與前列腺癌風險基因表達譜之間的關系，經多項測試調整后，發現有64個影像組學特征與3個不良預后基因表型之間存在顯著相關性。

3.膠質細胞瘤影像基因組學

膠質細胞瘤是顱內最常見的腫瘤，涉及的年齡范圍最廣，WHOⅠ-Ⅳ級皆有分布，而異檸檬酸脫氫酶(isocitrate dehydrogenases,IDH)基因作為膠質瘤研究中最主要的基因，其狀態與膠質瘤的惡性程度、預后等息息相關。2019年向往[46]對48例膠質細胞瘤患者的術前T1CE圖像進行紋理分析，發現灰度共生矩陣中的差方差(S)預測IDH基因表型的AUC為0.79，敏感度為58.8% ，特異度為87.1%。Lewis等[47]對97例膠質細胞瘤患者術前T2WI、ADC及T1CE圖像進行紋理分析，再通過邏輯回歸模型進行相關性檢驗，結果顯示ADC模型預測膠質細胞瘤IDH分型的AUC為0.88，靈敏度為85.7%，特異度為78.4%，T2WI預測的AUC為0.82，靈敏度和特異度分別為83.1%、78.9%，T1CE模型的AUC為0.95，靈敏度和特異度分別為91.9%、100%，而將3種序列組合預測IDH分型的AUC為0.98，敏感度和特異度分別為90.5%、94.5%。以上兩位學者的研究均證實基于MRI影像組學特征分析在預測IDH基因型中具有重要價值。

4.可行性

經過以上概述，我們可知隨著基因組學研究的深入，越來越多與腦膜瘤發生、發展密切相關的基因被揭示，對這些基因的表達狀態進行術前預測已然成為神經外科醫生行使臨床決策前較為迫切的需求，而伴隨著影像組學在腦膜瘤鑒別診斷、分級預測及預后評價等方面取得的豐碩成果以及基于影像基因組學預測腫瘤基因表型在多系統中得到的驗證，使得基于MRI影像基因組學預測腦膜瘤基因表型具備充分的可行性和極高的臨床、科研價值。

5.問題與挑戰

基因表型的測定：基因-蛋白免疫組化檢測試劑缺乏、基因測序費用高昂，是影響基因表型測定最主要的原因。另外，測定需要借助穿刺或手術切除，而穿刺通常容易出現取樣誤差，且不能提供腫瘤內的全面分子特征[ 48]?；蚨糠治黾夹g還有待進一步開發也給影像基因組學分層預測帶來了挑戰[49]。

高質量標準化圖像的獲?。篗RI技術的迅猛發展為影像特征分析提供了豐富的序列選擇，但由于MRI檢查設備和掃描序列的不統一、自動分割技術的欠普及，導致圖像質量良莠不齊，從而給基于灰度值的特征如直方圖、紋理分析等帶來不利影響。

多中心驗證：現有的影像組學研究大多是單一機構的小樣本探索，所得結論缺乏廣泛驗證，可靠性與準確性存疑；而多中心驗證需要聯合具備同級數據處理能力的單位，成本高、耗時長。

總之，通過影像基因組學對腦膜瘤進行術前基因表型的預測具備較高的臨床及科研價值，相信隨著影像組學及基因組學相關技術的不斷完善，腦膜瘤術前基因表型預測將成為一項給臨床決策帶來深遠影響的重要技術手段。