多模态磁共振成像预测弥漫性中线胶质瘤H3 K27M基因突变状态的研究进展
2023-03-09梁寿衡综述崔光彬审校
梁寿衡 综述 崔光彬 审校
世界卫生组织(World Health Organization,WHO)第4版《中枢神经系统肿瘤分类》[1]将“H3 K27M突变弥漫性中线胶质瘤”列为新的胶质瘤亚型,属于WHO 4级胶质瘤。脑肿瘤诊断和分类标准的国际合作项目(central nervous system interobserver agreement and diagnostic target,cIMPACT)第2版更新[2]对该肿瘤做出定义:①肿瘤弥漫浸润性生长;②肿瘤位于中线区结构,包括丘脑、桥脑、下丘脑等;③组蛋白H3基因中27位赖氨酸被蛋氨酸取代(K27M突变)[3]。WHO第5版分类[4]基于肿瘤发病机制的基础研究结果修订了肿瘤命名,将“H3 K27M突变弥漫性中线胶质瘤”更改为“H3 K27M改变弥漫性,中线胶质瘤(diffuse midline glioma,H3 K27 altered-type,DMG-A)”,以强调肿瘤发生发展机制中可能存在的多种基因状态变化[5]。基因组学研究发现,H3 K27M基因突变对IDH1/2基因突变具有排斥作用,即H3 K27M基因存在突变时,IDH1/2表现为野生状态[6,7],中线区胶质母细胞瘤(glioblastoma,IDH wild-type,GBM)无H3 K27M基因突变。当肿瘤发生在中线区,从传统组织学角度分析DMG-A和GBM有可能存在交叉,此时必须通过基因分子学检测确定有无H3 K27M突变或其它特征性的基因分子标记物。研究表明中线区弥漫性胶质瘤H3 K27M改变型和野生型(diffuse midline glioma,H3 K27 wild-type,DMG-W)存在不同的生存和预后,DMG-A患者的中位生存期更短,预后更差[8,9]。中线区弥漫性胶质瘤发生H3 K27M基因突变比例高达80%,儿童与青少年该基因突变比例高于成人[6,10]。中线区胶质瘤最大程度手术切除难度大[11],对于无法手术患者,靶向和免疫治疗需要考虑特定的基因分子标志物[12],明确是否存在H3 K27M基因突变对选择治疗方案至关重要[13,14]。肿瘤位于脑深部中线区使得穿刺活检具有较高的风险和难度[15],同时活检仅可以获得有限的肿瘤组织,可能导致样本不具有代表性[16],出现假阴性结果。而磁共振成像(magnetic resonance imaging,MRI)作为一种非侵入性的检查手段广泛应用于脑肿瘤的诊断分级、预后判断、疗效评价、基因分子标记物预测等方面。因此,本文主要就多模态磁共振成像在预测弥漫性中线胶质瘤组蛋白H3 K27M基因突变状态的应用进行综述,为临床应用及研究提供新思路。
DMG-A的MRI影像征象
Thust等[17]通过分析15例青少年和成人DMG-A的T1加权成像(T1WI)、T2加权成像(T2WI)、液体反转恢复序列(fluid attenuated inversion recovery,FLAIR)、T1WI对比增强(contrast enhanced T1WI,T1CE)和扩散加权成像(diffusion weighted imaging,DWI)图像,发现肿瘤位于幕上时多见于丘脑,幕下多见于桥脑,肿瘤内部可见出血和囊肿形成;肿瘤强化可表现为轻度至重度强化,也可以表现为斑片状强化或环形强化,肿瘤内强化成分占肿瘤全部体积较少。肿瘤内部实性成分表现为轻中度扩散受限,肿瘤内最小ADC值(ADCmin)为(0.84±0.15)×10-3mm2/s,肿瘤平均ADC值(ADCmean)为(1.12±0.25)×10-3mm2/s。Qiu等[18]分析了66例成人(年龄≥18岁)DMG-A的常规MR影像,发现肿瘤多位于丘脑和脑干、胼胝体、下丘脑、大脑半球,信号均匀,肿瘤内部出血和瘤周水肿少见;59%的病例表现为部分或无强化,41%的病例表现为不规则环状显著强化。Meyronet等[19]分析了21例成人DMG-A常规MR影像及组织学特征,结果表明约50%的肿瘤组织病理学与高级别胶质瘤类似,肿瘤内部缺乏坏死出血和微血管增殖。邓达标等[20]和彭靖等[21]分别分析了17例和37例DMG-A的常规MR影像,研究表明多数肿瘤内实性部分T1WI呈低/稍低信号,T2WI呈稍高信号,瘤内存在不同程度坏死和出血,肿瘤边界不清晰,瘤周水肿轻微,肿瘤实性部分呈不均匀轻度扩散受限;多数肿瘤呈不均匀轻/中度强化,斑点状、斑片状或环状强化模式。总之,DMG-A的形态及信号特征异质性明显,肿瘤内部可见坏死和出血,钙化罕见,瘤周水肿较轻,强化方式多样,可类似于低级别胶质瘤样强化。这种异质性表现可能一方面与肿瘤所在的不同中线区位置有关,另外一方面可能与肿瘤组织学差异大有关。研究表明DMG-A镜下表现可类似星形细胞瘤样、多形性黄色星形细胞瘤样和毛黏液型星形细胞瘤样改变[22,23]。
常规MRI预测H3 K27M基因状态
Aboian等[24]通过总结33例儿童常规MRI,发现DMG-A的影像学特征具有高度异质性,肿瘤内部坏死范围、肿瘤强化模式、边界特征、瘤周水肿在突变组和无突变组两组间均无显著差异,在儿童中常规MRI序列中没有可以用于预测H3 K27M基因状态的影像标记物。Hohm等[25]通过研究66例儿童影像资料,结果表明相比于DMG-W,DMG-A内部T2WI信号更高,T1WI信号更加均匀,二者之间差异具有统计学意义,而在H3.1和H3.3 K27M突变肿瘤之间没有发现显著差异的影像学特征。以上研究均只纳入了儿童患者,并没有对儿童和成人进行分层处理,同时研究均基于小样本量和单个研究中心,存在局限性。Kurokawa等[26]通过分析37例儿童和成人影像资料,发现T2WI-FLAIR不匹配征在鉴别两类肿瘤时具有重要意义,但是该征象的诊断效能并不高(准确度、敏感度和特异度分别为0.70、0.50和0.94),既往研究[27]表明T2WI-FLAIR不匹配征多见于IDH突变且1p/19q完整的星形细胞瘤中,因此仍需大样本研究来证明该征象在鉴别中线区弥漫性胶质瘤H3 K27M基因状态时的有效性和可重复性。Banan等[28]进一步比较了24例DMG-A与19例中线区胶质母细胞瘤(GBM)常规MRI,相比于GBM,DMG-A的瘤周水肿发生概率更小(OR:0.10,95% CI:0.02~0.47),且瘤内强化和坏死程度更轻(OR:0.13,95% CI:0.02~0.62),利用影像特征解释了DMG-A组织学上更轻的微血管增殖和肿瘤坏死程度[22]。Chauhan等[29]通过分析123例儿童和成人影像和临床资料,发现DMG-A患者更年轻(平均年龄24.13±13.13岁),DMG-A瘤周水肿范围较小,并且不易侵犯脑皮层结构,但是DMG-A表现出的更大强化范围和更厚强化边缘与之前的研究结果并不一致[17-19]。基于常规MRI提取的影像特征在鉴别H3 K27M基因状态时尚没有发现有效的影像标记物。总结原因,可能与研究者的分组不均衡和样本量有关,并没有做到分层处理。其次研究者间对于征象定义不一致,纳入的影像并没有参考统一标准或指南,导致获得的结论可信度低,而使用伦勃朗视觉感受图像(visually accessible Rembrandt images,VASARI)语义特征对肿瘤进行描述则是一种规范且易于操作的方法。
功能MRI预测H3 K27M基因状态
Kathrani等[30]通过对94例儿童和成人患者的DWI和灌注加权成像(perfusion weighted imaging,PWI)资料分析,发现DMG-A瘤周水肿区表观扩散系数(apparent diffusion coefficient of peritumoral edema,PT ADC)及其标准化ADC(normalized apparent diffusion coefficient of peritumoral edema,nPT ADC)显著低于DMG-W;DMG-A肿瘤相对血容量(relative cerebral blood volume,rCBV)及其标准化相对血容量(normalized relative cerebral blood volume,nrCBV)显著高于DMG-W;PT ADC、nPT ADC、nrCBV是预测H3 K27M突变状态的独立预测因子,诊断阈值分别为1.245、1.853、1.830,但是诊断效能并不高(AUC值分别为0.627、0.623、0.645)。Su等[31]通过分析68例患者临床资料、ADC和磁共振波谱(magnetic resonance spectroscopy,MRS),发现DMG-A的rADC、肌醇与肌酸比值(Ins/tCr)显著低于DMG-W,年龄、Ins/tCr和rADC第15百分位直方图参数组成的预测模型可预测H3 K27M突变状态,在测试组和验证组中均具有较好的诊断效能(AUC值分别为0.898、0.976)。Kurokawa等[26]通过分析37例儿童和成人患者动态敏感性增强(dynamic sensitivity contrast,DSC)和DWI资料,发现与DMG-W相比,DMG-A标准化肿瘤相对血流量(normalized relative cerebral blood flow,nrCBF)和标准化校正相对脑血容量(normalized corrected relative cerebral blood flow,ncrCBV)显著降低(准确度、敏感度和特异度分别为0.78、0.75、0.82,0.73、0.95、0.47),标准化最大ADC(nADCmax)显著增高(准确度、敏感度和特异度分别为0.70、0.50和0.94),将nrCBF和nADCmax结合后诊断效能较单一参数诊断效能有所提高(准确度、敏感度和特异度分别为0.81、0.65和1.00)。Chen等[32]通过测量30例儿童和成人患者肿瘤ADC值参数后发现,DMG-A各项ADC参数显著低于DMG-W,结合最小ADC比值和瘤周ADC比值能够确定H3 K27M突变状态(AUC值为0.872)。相反,Aboian等[33]通过分析31例儿童患者ADC直方图,结果表明两类肿瘤之间的所有ADC参数没有显著差异,基于肿瘤位置的亚组分析也没有显著差异。Piccardo等[34]通过分析22例儿童患者的DWI、氢质子磁共振波谱(proton magnetic resonance spectroscopy,H-MRS)、动脉自旋标记成像(arterial spin labeling,ASL)和18F DOPA-PET成像资料,发现基于DWI、H-MRS、ASL获得的参数仅能够区别组织学上高低级别胶质瘤,只有18F DOPA-PET是唯一能够独立于组织学区分H3 K27M基因突变状态的成像方法。基于功能MRI序列的不同研究同样存在诊断效能不高和研究结果不一致问题。一方面不同研究者所针对的患病群体并不一致,并没有区分儿童与成人患者,且多数研究样本量较少,难以达到均衡分组;另一方面不同研究之间的定量数据测量方法及其标准化方法不统一也是导致结果不一致的重要因素。
影像组学预测H3 K27M基因状态
影像组学方法[35]是近年来发展起来的一种新的图像分析方法,可以对肿瘤全域进行定量和高通量的数字化分析,进而获得海量肉眼无法识别的特征,利用计算机筛选出可以反应肿瘤内生物学信息的特征。Wu等[36]通过分析107例儿童患者常规MRI序列FLAIR、T1CE、DWI及ADC图像,采用最小冗余最大相关法(minimum redundancy maximum relevance,MRMR)和最小绝对收缩选择算子(least absolute shrinkage and selection operator,LASSO)回归方法筛选出9个有意义的影像组学特征,环状增强是唯一具有预测H3 K27M突变效能的常规MRI征象,但是单独使用环状增强预测H3 K27M突变的AUC值仅为0.68,利用影像组学特征和环状强化特征构建的诺模图(Nomogram)在训练集和测试集上取得了很好的诊断效能(AUC值分别为0.95和0.90)。Kandemirli等[37]利用机器学习XGBoost算法对109例患者T1WI、T2WI、FLAIR、T1CE及ADC图像进行特征提取,所建立的预测模型在训练集和测试集中表现出了良好的诊断效能(AUC值分别为0.791和0.737)。Su等[38]利用自动化机器学习方法提取100例患者FLAIR图像影像组学特征,所建立的预测模型在训练集和测试集中具有良好的诊断效能(AUC值分别为0.911和0.855)。相反,Li等[39]从30例患者的T2WI图像中提取影像组学特征,采用主成分分析、单变量分析和三种特征选择方法(方差阈值法、递归特征消除法、弹性网法)分析影像组学特征,主成分分析结果表明两类肿瘤的前两个主成分有明显的重叠,同时基于T2WI序列的影像组学特征也无法鉴别两类肿瘤,而基于视觉的VASARI特征集合中,囊肿特征在两种肿瘤间存在显著差异,是预测H3 K27M突变的危险因子(OR=7.8),该征象是否可以应用于临床仍需要大样本研究进行验证。不同研究者采用了不同的成像设备和序列、肿瘤分割、特征提取和预测模型构建方法,可能是导致结果差异较大的主要原因。令人兴奋的是,多数学者研究结果也表明基于FLAIR序列可以获得有用的组学特征,也进一步证实该序列在预测H3 K27M基因状态的价值,提示我们基于FLAIR序列开发标准化的影像组学特征工具的可行性。总之,基于影像组学的研究结果展示了较好的诊断效能。但不可否认的是,很多因素会影响影像组学特征提取的可重复性和稳定性,基于计算机算法筛选出来特征在临床中很难解释和应用,因此影像组学尚处于科研探索阶段。
总结与展望
总结先前文献,可以发现既往的大部分研究是基于小样本单中心的回顾性研究,不同研究者之间存在相似或者相反的结果。分析其中原因:①多数研究纳入的样本量不足且分组不均衡,没有考虑不同中线脑区对于结果的影响。②在讨论H3 K27M基因状态时,需要对肿瘤进行高和低级别分组,以及结合IDH基因状态分析。③不用研究者纳入影像征象没有统一参考标准,定义存在偏差,临床实用性差。④不同研究者之间或研究者内部的MR成像方法并不统一,对常规MRI征象分析影响相对较小,但是对功能MRI及其衍生的测量值影响较大。⑤影像组学研究方法缺乏统一的执行标准。
总之,在弥漫性中线胶质瘤的H3 K27M基因状态预测研究方面尚无有效且易于临床适用的影像标记物。在未来我们需要有目的地搜集中线区胶质瘤患者的各方面资料,包括临床基线资料、多模态MRI资料和治疗方案资料,结合人工智能深入挖掘有价值的临床和影像特征。