基于多参数MRI 生境成像对胶质母细胞瘤评估的研究进展

刘嘉晨 吴昊 方靖琴 张伟国 *

胶质母细胞瘤（glioblastoma，GB）是中枢神经系统中最常见且侵袭性最强的原发性恶性肿瘤[1]。尽管治疗技术不断进步，其预后仍然较差，接受标准化治疗的病人平均生存期并无明显延长[2]。研究发现GB 之间及肿瘤内部均存在显著的异质性和独特的微环境差异，而这些差异与疾病治疗、进展及复发密切相关[3-4]。生境成像是基于组织病理学及分子生物学的差异，将具有不同影像特征的区域分割为多个异质性相同或相似亚区域的图像处理技术[5]。该技术可以无创评价肿瘤内部异质性，提高术前分级诊断、分子分型及预测总体生存率等方面研究的准确性，从而有助于实施肿瘤个体化精准诊疗[6-7]。本文就生境成像技术最新研究进展及前景进行综述。

1 GB 肿瘤异质性与生境成像的概念

1.1 GB 异质性 GB 是一种始动机制复杂、处于动态变化的疾病。最初的肿瘤生长可能是由细胞突变或简单地上调表达基因所引起的，随着时间的推移，肿瘤细胞受局部血流灌注、氧气浓度等微环境差异及病人免疫反应等因素的共同影响产生了瘤内空间异质性，使得肿瘤从单个细胞的遗传特性到大规模成像特性中均表现出显著的异质性[8-9]。肿瘤与自然界中所有生命系统一样，遵循达尔文适者生存的原则，环境选择力和细胞适应能力之间相互作用推动了肿瘤演进，促进了肿瘤生长增殖和治疗抵抗的特性[10-11]。例如，GB 肿瘤细胞可以通过上调血管内皮生长因子刺激血管生成，改变自身周围环境以获得营养[8]；反之，环境可以通过各种机制提供选择性压力来塑造肿瘤细胞表型，如存在于灌注不足区域的肿瘤细胞能更好地适应低氧、低葡萄糖以及高酸性的环境[11-12]。

1.2 生境与生境成像 研究表明每个肿瘤并不是单纯的同质性个体，而是存在于独特微环境内多个亚区域组成的生态系统[13]。这些肿瘤亚克隆之间的遗传变异使得它们之间相互竞争，并基于局部作用的环境选择压力驱动之下发生动态变化，表现为一种类似于生态系统中不同物种占据特定栖息地的形式[12-13]。将这些具有相同环境选择能力和细胞进化方式的肿瘤细胞群集合体称为生境。

肿瘤内部时间和空间上的异质性可以通过反复多次穿刺活检得以证实，但依赖于小样本组织的病理活检并不能够全面地揭示肿瘤内部异质性，并且受限于病人的依从性，甚至可能由于取样时的操作不当导致大脑部分精细功能的丧失，刺激肿瘤动力学发生改变[10]。在影像学上，基于MR 影像信号、强化方式的差异，不难发现肿瘤内部存在显著异质性的区域。然而，观察者间对医学影像中类似于富血供区、坏死、水肿和肿瘤边界等的描述不可避免地存在主观差异。因此，迫切需要一种精准、客观、定量且具有空间性的成像方式表达肿瘤的异质性。生境成像技术基于这一需求应运而生。基于MRI 的生境成像技术是基于病理、基因及分子特性，将MRI 技术单独运用或配准后相互叠加聚类划分相同或相似的生境，有利于优化分析兴趣区（ROI）。在临床应用上，可以根据实际需要自定义划分肿瘤生境，实现更好的临床转化。例如，可以利用灌注成像反映血管生成程度及血管通透性，利用扩散成像反映细胞密度，利用波谱成像反映代谢情况，利用氧增强成像反映缺氧情况等。多参数MRI 更有利于划分精确的生境，反映肿瘤内部潜在的生物学信息，实现个体化精准诊疗，改善病人预后。

2 基于多参数MRI 的生境成像对GB 的评估和应用

2.1 表征GB 病理特征及分子机制 生境成像在肿瘤环境和细胞之间提供了一个强大的桥梁，可反映影像中观察到的空间差异与肿瘤内部的病理特征、分子特征的直接相关性[11]。Verma 等[14]从肿瘤的富血供区、坏死、水肿生境中提取影像组学特征，如Laws 纹理能量特征、局部各向异性梯度方向共现（co-occurrence of local anisotropic gradient orientations，CoLIAGe）。Laws 纹理能量特征可捕捉肿瘤边缘、波、波纹等纹理信息；CoLIAGe 特征可在体素水平上捕获局部梯度张量的高阶共现模式，反映组织微结构的细微局部差异，即瘤内异质性[15]。采用Spearman 相关分析建立影像组学和组织学之间的关联，发现增强生境中的Laws 纹理能量特征、CoLIAGe 特征中的逆差矩描述符（inverse difference moment，IDM）分别与肿瘤细胞浸润及血管增生、坏死增强交界的缺氧区域密切相关。

肿瘤内存在多种不同的信号通路，识别核心信号转导通路有利于揭示肿瘤发生的根本原因，及时实施个体化治疗。Dextraze 等[16]分别在 T1WI、T2WI、FLAIR、T1WI 增强扫描序列影像上采用K 均值聚类算法将肿瘤体素聚类分成高、低强度组，通过不同排列组合方式，共获得24个空间生境。在此基础上结合临床特征，选出与总体生存率关系较密切的空间生境，将此定义为相关生境（即第2、7、10 号空间生境）。相关生境与肿瘤异质性区域相对应，得到相关性最强的信号转导途径。例如，10 号生境与STAT-1和自然杀伤细胞的活性呈正相关，与电压门控钙通道活性呈负相关，后者与GB 水肿机制相关，而该相关生境恰好也对应着肿瘤水肿区域。结合影像组学也可以发现生境中提取的特征与细胞分化、细胞黏附与血管生成信号通路密切相关，而这些机制正是GB 血管异质性形成的关键因素[17]。

2.2 对GB 病人预后评估 GB 是一种高度血管生成的恶性肿瘤，血管生成的异质性会对肿瘤细胞代谢产生相应的影响，由于细胞对抗血管生成治疗的反应不同，因此预后不同。肿瘤中不同血流变化的区域在影像学上表现为不同的信号特征，利用血流动力学组织特征（hemodynamic tissue signature，HTS）划分生境是目前对GB 预后进行预测较为成熟的方法。Juan-Albarracin 等[7]提出采用HTS 方法将常规MRI 序列与血流参数进行影像上的叠加聚类描述生境。首先通过获取术前常规MR 影像将GB 划分为增强区域与水肿区域；然后在此基础上结合灌注参数相对脑血容量（relative cerebral blood volume， rCBV） 与相对脑血流量 （relative cerebral blood flow，rCBF）值，将上述2 个区域细分为增强区域高血管生境（high-angiogenic enhancing tumor habitat，HAT）、增强区域低血管生境（low-angiogenic enhancing tumor habitat，LAT）、肿瘤外周浸润水肿生境（infiltrated peripheral edema habitat， IPE）及肿瘤外周血管源性水肿生境（vasogenic peripheral edema habitat，VPE）。通过 Cox 比例风险分析发现 HAT、LAT 及IPE 生境中的rCBV 值与GB 病人预后密切相关，较低的rCBV 值意味着更长的生存时间；Kaplan-Meier 生存分析结果显示，按rCBVmax或rCBFmax中位数划分的人群在LAT 与HAT 的生存期存在显著差异。考虑到在不同的区域，不同人种罹患疾病的概率不同，单中心样本不能够代表一种疾病的特异性，随后进行了多中心实验，但预后也没有明显差异[18]。Fuster-Garcia 等[19]使用临床和人口统计学变量建立预后模型（模型1），在此基础上分别添加整个增强区域的灌注参数信息和HTS 方法得到的生境灌注参数信息建立模型2 与模型3，上述模型之间比较了预测总体生存率与真实总体生存率的差异。研究结果表明，加入生境信息的模型3 相比其他2 个模型能够更准确地预测预后，显著地提升传统预后模型的预测能力。

Zhou 等[20]首先根据中位生存时间将GB 病人分为2 个生存组，通过空间映射将序列两两配准叠加，选择具有信号相关性的生境进行研究，例如高细胞密度高灌注生境、低细胞密度低灌注生境，验证了空间特征生境对生存组的区分能力，尤其是水肿区域具有最理想的区分能力。然而，其中信号不相关的区域也值得关注，如T1WI 增强扫描低信号与T2WI 高信号的区域重叠，这种高细胞密度的低灌注区域具有特殊的临床意义，因为它们代表着适应低灌注微环境条件的细胞群体，这一类不匹配区域可能是治疗抵抗的原因所在[11]。

Lee 等[21]根据 GB 病人总体生存时间，以 12 个月为界限，将病人分为2 种生存等级，对不同生存等级MR 影像中信号强度生境进行空间点模式分析用于预测预后。由于MRI 信号灰度强度的异质性可能代表着不同的肿瘤生境，该研究首先分析T1WI增强扫描和FLAIR 影像中ROI 内的所有像素，分为低强度和高强度组，构成高、低信号强度生境；然后将上述2 种序列的图像进行叠加重建，量化图像为256 个灰度级；最后在ROI 上叠加二维矩阵网格，在每一个网格上得到2 个序列高低强度共4 个特征的质心。于空间点模式特征函数中代入质心坐标，根据特征函数的平均值和标准差获得多个空间特征。通过Kaplan-Meier 和受试者操作特征（ROC）曲线分析评价生境空间特征与病人生存期的关系，研究结果显示来自于空间点模式的部分空间特征能够较为准确地预测GB 病人12 个月的生存状态，准确度达75%。

2.3 对GB 分型 2016 年WHO 中枢神经系统肿瘤分类中首次引入肿瘤分子特征，结合以往的组织病理学特征对胶质瘤进行分型，为了解肿瘤异质性的研究、实现个体化精准医疗提供了新思路。Wu 等[6]将已知异柠檬酸脱氢酶（isocitrate dehydrogenase，IDH）突变状态的高级别胶质瘤病人分为3 组，分别为GB、WHOⅢ级和高级别胶质瘤，HTS 方法与IDH突变状态结合分析，结果显示生境中的rCBV 值在以上3 组中对IDH突变型与野生型之间均有很强的识别能力。例如，相较于IDH野生型，IDH突变型在HAT 与LAT 中的rCBV 值都显著降低。此外，MR生境成像还可结合转录表达数据将GB 分为经典型、神经元型、间充质型和前神经元型4 个亚型[22]。研究瘤周水肿区域时发现，IPE 生境中较高的rCBV值与GB 前神经元亚型相关，提示该区域的血管行为与转录表达有相关性[23]；而在其治疗过程中，前神经元型经放化疗后可能转变为间充质型，后者侵袭性更强，与不良预后密切相关，采用生境成像通过分析灌注参数可以将两者很好地区分开来[24]。

2.4 鉴别GB 进展与假性进展 在GB 的治疗中，鉴别假性进展与肿瘤进展是一个重大挑战。部分GB 病人在接受放化疗后，由于炎症反应与血管通透性一过性升高，表现出与疾病进展相似的影像学表现，但两者治疗方案截然不同[25]。评估2 次治疗间的形态学变化，常通过测量影像中增强病灶的最大范围。然而，治疗后的增强区域对GB 的治疗评估没有特异性，因为它不仅反映了肿瘤诱导血管生成导致的血管通透性增加，也反映了辐射效应、缺血等其他因素引发的血脑屏障破坏[26]。因此，有研究者[26]开发了一种新的扩散组织学成像（diffusion histology imaging，DHI）方法，该方法结合了基于扩散的光谱成像指标（diffusion basis spectrum imaging，DBSI）和机器学习算法，将具有高分辨率的组织病理学图像进行降维采样，与低分辨率的DBSI 图像相对应，能够准确预测高细胞密度、肿瘤坏死和肿瘤浸润生境[26]。这种DHI 划分生境的方法有可能从本质上为GB 进展、假性进展和放射性坏死鉴别诊断提供解决方案。

Ismail 等[27]认为由于肿瘤浸润的不规则性与侵袭性、肿瘤生长不均匀可能导致形态的差异，故将肿瘤分为增强生境、水肿生境与肿瘤整体病变生境。从每个类型生境中获取形状特征，包括体积、长轴、短轴及延伸率（ROI 的长轴与短轴之比）的整体病变特征，也包括曲率、锐度、形状指数、总曲率的局部曲率度量特征。结果表明假性进展局部明显的炎症反应会导致更加明显的瘤周水肿，相较于肿瘤进展而言，假性进展的瘤周水肿生境的形状更趋向于拉长，延伸率较高，而肿瘤进展的瘤周水肿生境的延伸率较低。Kim 等[28]将经过标准化治疗后的GB 病人纳入研究，利用灌注与扩散参数进行空间上的叠加，构建了空间生境，在此基础上进行数次随访复查，观察各个空间生境的动态演变及面积变化，结果发现低灌注及高细胞密度这一空间生境与肿瘤进展区域有较好的相关性。

3 小结与展望

影像组学可以量化传统影像学中主观描述的语义特征，可以与分子、遗传及细胞特性相关联，还可以客观、可重现地监测肿瘤内的时间演变[10-11]。但是，影像组学通常将肿瘤视为一个整体，其定量特征的提取往往产生于整个肿瘤区域，因此影像组学并不足以表达明确的空间异质性[29]。生境成像技术的出现，提供了一种识别ROI 的新思路。它可以将影像上具有不同病理生理特征的区域分割成数个异质性相同或相似的亚区域，最理想地揭示了肿瘤内部的空间异质性，同时也最大程度地保证了亚区域内部的同质性。

生境成像是肿瘤细胞基因组与环境相互作用的空间分布和时间演变的集中体现。生境成像技术并不局限于多参数MRI，结合不同的影像检查方法可进行多维度多方位综合评估，对肿瘤进行实时且纵向的监测，可对肿瘤异质性及潜在的生物特性提供更多有价值的信息，对个体化精准医疗具有重要意义。

然而，目前的生境成像技术仅能通过对成千上万个体素进行聚类分析，最大化提取肿瘤内部异质性，并不能够精确地反映肿瘤内部分子层面的生物学信息，生境的精确度还需要更进一步的探索与实践。如何实现体素之间的逐一匹配，如何精准观察空间生境的时间演变，如何证实自定义生境的病理意义都是未来需要深入研究的问题。总之，生境成像技术在肿瘤研究领域仍表现出巨大的潜力与广阔的研究和应用前景。