分享:
分享到微信朋友圈
X
综述
多模态磁共振成像技术在脑胶质瘤基因分型及预后评估中的研究进展
赵焕 白岩 王梅云

Cite this article as: Zhao H, Bai Y, Wang MY. Progress of multimodality magnetic resonance imaging in genotyping and prognostic evaluation of gliomas[J]. Chin J Magn Reson Imaging, 2021, 12(9): 98-102.本文引用格式:赵焕, 白岩, 王梅云. 多模态磁共振成像技术在脑胶质瘤基因分型及预后评估中的研究进展[J]. 磁共振成像, 2021, 12(9): 98-102. DOI:10.12015/issn.1674-8034.2021.09.025.


[摘要] 脑胶质瘤是成人最常见的颅内原发性肿瘤,易复发、预后较差,危害巨大。脑胶质瘤的基因分型对于治疗方案的选择和预后预测具有重要意义。磁共振成像作为脑胶质瘤诊断与评估的首选方法,在反映基因分型以及预后评估方面具有很大价值。作者对多模态磁共振成像技术在脑胶质瘤基因分型及预后评估方面的研究进展做一综述。
[Abstract] Glioma is the most common intracranial primary tumor in adults, which is prone to recurrence, poor prognosis, and great harm. Genotyping of gliomas is important for the selection of treatment options and prognosis prediction. As the first choice for the diagnosis and evaluation of glioma, magnetic resonance imaging is of great value in reflecting genotyping as well as prognostic evaluation.This article reviews the research progress of multimodality magnetic resonance imaging (MRI) in genotyping and prognostic evaluation of glioma.
[关键词] 多模态磁共振成像;功能磁共振成像;扩散加权成像;扩散张量成像;脑胶质瘤;基因分型;预后
[Keywords] multimodality magnetic resonance imaging;functional magnetic resonance imaging;diffusion weighted imaging;diffusion tensor imaging;brain glioma;genotyping;prognosis

赵焕 1, 2   白岩 1, 2   王梅云 1, 2*  

1 河南大学人民医院(河南省人民医院)医学影像科,郑州 450003

2 河南省人民医院河南省神经疾病影像诊断与研究重点实验室,郑州 450003

王梅云,E-mail:mywang@ha.edu.cn

全体作者均声明无利益冲突。


基金项目: 国家自然科学基金项目 81720108021 国家重点研发计划项目 2017YFE0103600 河南省医学科技攻关计划项目 2018020403,SBGJ202003002
收稿日期:2021-05-12
接受日期:2021-07-05
DOI: 10.12015/issn.1674-8034.2021.09.025
本文引用格式:赵焕, 白岩, 王梅云. 多模态磁共振成像技术在脑胶质瘤基因分型及预后评估中的研究进展[J]. 磁共振成像, 2021, 12(9): 98-102. DOI:10.12015/issn.1674-8034.2021.09.025.

       脑胶质瘤在病理上分为Ⅰ~Ⅳ级,Ⅰ、Ⅱ级为低级别胶质瘤(low grade glioma,LGG),Ⅲ、Ⅳ级为高级别胶质瘤(high grade glioma,HGG)。最新的2016年世界卫生组织脑胶质瘤病理分类中首次加入了基因分型[1]。不同基因分型胶质瘤患者的生存期存在显著差异[2]。对脑胶质瘤标本进行病理检测是基因分型的金标准,但肿瘤标本需要通过穿刺或手术切除等有创的方式获取。脑胶质瘤基因分型不仅在肿瘤的发生发展过程中起着重要的作用,对脑胶质瘤患者的预后也有着重要影响。因此,准确反映脑胶质瘤基因类型的无创影像学方法能够为患者的诊疗提供重要帮助。

1 脑胶质瘤基因分型对于指导治疗及预后评估的价值

       异柠檬酸脱氢酶(isocitrate dehydrogenase,IDH)基因突变是脑胶质瘤中最常见的基因突变类型。IDH的主要功能是合成还原反应和脂质合成所需的烟酰胺腺嘌呤二核苷酸磷酸(nicotinamide adenine dinucleotide phosphate,NADPH),脑胶质瘤细胞增殖的不活跃、NADPH含量下降以及肿瘤细胞的甲基化诱导细胞凋亡等可能是IDH突变影响胶质瘤患者预后的关键因素[3]。前期的研究结果表明,IDH突变能够有效指导脑胶质瘤的手术切除,从而明显延长患者的生存期[4]。06-甲基鸟嘌呤-DNA-甲基转移酶(O6-methylguanine-DNA methyhransferase,MGMT)是一种DNA修复酶,MGMT甲基化会在细胞水平诱导低水平的MGMT蛋白,从而诱导DNA损伤,最终导致细胞死亡[5]。因此,MGMT甲基化的脑胶质瘤患者对化疗更加敏感,进行化疗后的患者总生存期(overall survival,OS)以及无进展生存期(progression free survival,PFS)也均较MGMT非甲基化的患者长[6]。表皮生长因子受体(epidermal growth factor receptor,EGFR)是一种编码酪氨酸激酶的癌基因,可导致DNA合成增加和细胞增殖[7],它属于受体酪氨酸激酶通路,此通路的过度激活有助于细胞异常增殖,驱动肿瘤的生长和发展。端粒逆转录酶(telomerase reverse transcriptase,TERT)突变导致端粒酶活性增强和端粒延长,这与胶质瘤的侵袭性有关[8]。随着对脑胶质瘤基因分型研究的不断深入,基因分型对于脑胶质瘤的研究价值也日益被发现。

2 多模态MRI在脑胶质瘤基因分型与预后评价中的研究

       目前,多种MRI技术已被用于脑胶质瘤基因分型与预后评估的研究中,这些MRI技术能够从不同方面反映脑胶质瘤组织特征,在无创反映基因类型及预测预后方面具有很大价值。

2.1 扩散加权成像(diffusion weighted imaging,DWI)在脑胶质瘤基因分型与预后评价中的研究

       DWI技术能够无创反映活体组织内的水分子运动状态[9],其生成的表观扩散系数(apparent diffusion coefficient,ADC)值代表了组织内游离水分子的扩散速率,可对肿瘤的恶性程度以及治疗反应等进行评估[10]

       目前,采用DWI技术对脑胶质瘤基因分型及预后评估的研究应用已较为广泛。Wu等[11]在一项纳入了131例胶质瘤患者的大样本量研究中指出,IDH野生型胶质瘤的平均相对ADC值(relative apparent diffusion coefficient mean,rADCmean)明显低于IDH突变型胶质瘤,且IDH突变型胶质瘤患者的OS要长于野生型,与IDH突变型相比,IDH野生型胶质瘤表现出较低的ADC值以及较差的生存率,但是当rADCmean低于1.08时,IDH突变型胶质瘤的预后与IDH野生型患者相似。Xing等[12]对75例胶质母细胞瘤(glioblastoma multiforme,GBM)进行研究后发现,IDH野生型患者的相对最小ADC(relative minimum apparent diffusion coefficient,rADCmin)值显著低于IDH突变型患者(P=0.042),当rADCmin大于0.98时,肿瘤为IDH突变型的几率大大增加,说明IDH野生型肿瘤细胞结构及血管生成程度较高,恶性程度较高,预后较IDH突变型肿瘤差。另外有研究者[13]采用直方图分析的方法评估了52例HGG的平均ADC值,他们发现IDH突变组ADCmean高于野生型组,在累积ADC直方图方面,IDH突变型的第10和第50百分位值也高于IDH野生型(P分别为0.0104和0.0183),这说明基于整个肿瘤体积的ADC直方图分析可以成为区分IDH突变型和IDH野生型的有用工具,由于累积ADC直方图可以预测IDH突变型肿瘤更具异质性的微环境,从而推测IDH突变型HGG患者的预后较好。IDH为脑胶质瘤中最常见的基因突变类型,而DWI作为临床中头颅磁共振的常规扫描序列,利用DWI来评估脑胶质瘤患者的IDH基因型可为患者提供较多的诊疗信息。

       除IDH分型外,由于替莫唑胺等化疗药物的应用,MGMT甲基化也对脑胶质瘤的发生发展以及治疗方式产生着重要影响,Romano等[14]对47例GBM的最小ADC值进行分析,发现MGMT启动子甲基化患者的最小ADC值显著高于MGMT启动子非甲基化患者(0.88×10-3 mm2/s vs. 0.67×10-3 mm2/s;P<0.01),且生存期显著延长。因此ADCmin值可作为GBM患者生存期预测的重要因素。Moon等[15]在一项前瞻性研究中纳入了24例HGG患者,对MGMT启动子甲基化与MGMT启动子非甲基化脑胶质瘤患者的ADC值进行比较,研究结果显示,MGMT启动子甲基化的HGG比MGMT启动子非甲基化的HGG表现出更高的ADC值,由于MGMT启动子甲基化会导致MGMT活性降低,并相应地抑制放化疗后DNA损伤的修复,从而延长PFS,因此,较高的ADC值不仅代表了MGMT启动子甲基化HGG患者更长的生存期,同时提示了脑胶质瘤患者对替莫唑胺等化疗药物的敏感度。Sunwoo等[16]对26例GBM患者的生存期进行分析,发现肿瘤的平均ADC值与MGMT启动子甲基化呈正相关(R2=0.22,P=0.015),MGMT启动子甲基化肿瘤的平均ADC值较高,并且MGMT启动子甲基化的患者较MGMT启动子非甲基化患者的中位PFS更长(P=0.025),这说明MGMT启动子甲基化的与否,对脑胶质瘤患者的ADC值有着直接影响。但也有学者发现了不同的结果[17],这可能是由于分析方法不同导致对ADC值产生影响。此外,还有研究指出ADC值与MGMT启动子甲基化状态之间无显著相关性[18],这些不一的结果可能是由于ROI的选择(仅肿瘤的对比增强部分)以及纳入的胶质瘤级别不同等因素造成的。

       除上述两种基因型外,也有学者对脑胶质瘤的EGFR、ATRX等其他基因类型进行了初步探究。Young等[19]通过DWI对147例GBM进行分析,发现限制性水扩散与EGFR扩增相关,EGFR扩增的肿瘤ADC值较低,EGFR扩增与肿瘤增殖、血管生成和侵袭性水平增加有关,提示肿瘤EGFR扩增的患者预后可能较差。最近Park等[20]也在一项研究中纳入了49例IDH野生型LGG患者,他们研究发现EGFR扩增肿瘤的平均ADC值显著低于EGFR未扩增肿瘤(P=0.019),平均ADC值作为EGFR扩增的唯一独立预测因素,AUC为0.75,并且他们推测由于EGFR扩增会导致细胞增殖水平增加,因此会导致患者预后不佳。此外,Hong等[21]对ADC值与胶质瘤中α地中海贫血/精神发育迟滞综合征x连锁基因(alpha thalassemia/mental retardation syndrome xlinked gene,ATRX)基因之间的相关性进行了分析,研究发现更高的ADC值与ATRX缺失突变状态显著相关,并预示着胶质母细胞瘤更好的预后。

       以上相关研究结果表明,DWI图像作为评估脑胶质瘤基因分型的非侵入性检查方法,它已是临床中的常规扫描序列,它不仅可对脑胶质瘤的多种基因型进行有效评估,并且对于患者的治疗反应、生存质量及预后的预测也具有较高的价值,日后需进一步加强研究,为患者的诊疗提供更多的有价值的信息。

2.2 DTI在脑胶质瘤基因分型与预后评价中的研究

       相对于DWI,扩散张量成像(diffusional tensor imaging,DTI)能在更多方向显示水分子的扩散特性,来间接地提供微观结构的信息,它可显示微观结构的异质性,提供基于细胞内外间隙的水扩散特性以及微观结构的完整性等间接信息。DTI生成的参数各向异性分数(fractional anisotropy,FA)反映微观组织定向水扩散的幅度,平均扩散系数(mean diffusivity,MD)反映水扩散的平均量,轴向扩散系数(axial diffusivity,AD)与轴突完整性有关,径向扩散系数(radial diffusivity,RD)可提供髓鞘形成程度的信息等[22],此外,通过DTI还可得出各向同性p以及各向异性q分量,其中p与表观扩散系数成正比,在水肿存在的情况下增加,并且与胶质瘤的细胞密度呈负相关[23],q反映了局部组织的微观结构,可以识别在病理样本中明显但在常规MRI中不明显的肿瘤浸润和白质破坏[24]

       Jütten等[25]应用DTI研究了20例脑胶质瘤患者基于肿瘤周围正常脑白质(normal-appearing whitematter,NAWM)的DTI参数,发现与IDH野生型患者相比,IDH突变型患者的FA值较高,但MD、AD和RD值较低,这表明了IDH突变型胶质瘤NAWM的微观结构完整性保存较好,轴突损伤与血脑屏障破坏较轻,导致肿瘤的浸润程度较低,预示IDH突变型胶质瘤患者预后较好。Xiong等[26]在一项研究中纳入了90例少突胶质细胞瘤患者,研究结果显示与IDH野生型胶质瘤相比,IDH突变型胶质瘤患者的最大FA和最大FA比值(ratio of maximal FA,rmFA)较低,而最小ADC和最小ADC比值(ratio of the minimal ADC,rmADC)值较高,并且,与IDH野生型病例相比,IDH突变样本中的微血管密度(microvascular density,MVD)显著减少,因此较高的最小ADC以及较低的最大FA可能提示IDH突变会抑制胶质瘤细胞增殖和血管生成,导致胶质瘤肿瘤细胞生成减少,从而导致患者预后较好。

       由于胶质瘤的侵犯范围并不仅仅表现在强化区域,通过DTI描绘肿瘤的边界能够有效指导手术范围,从而改善患者的预后。Yan等[27]对31例GBM患者进行研究,发现DTI生成的p图和q图所显示的肿瘤切除范围与PFS呈正相关(分别为P=0.009和P=0.006),而且根据q图切除肿瘤区域可有效提高患者OS。Aliotta等[28]同样使用p和q来评估LGG的外周浸润体积,发现IDH野生型LGG的浸润范围与IDH突变型LGG相比显著增加,这说明IDH野生型LGG在神经纤维完整的情况下局部肿瘤细胞密度增加,从而促进了肿瘤的迁移,导致生存期较短。另外,有研究者[29]通过DTI对70例GBM进行评估,发现与IDH野生型GBM相比,IDH突变型GBM对临近脑组织的浸润程度较轻,由此表明IDH突变型GBM的侵袭程度较轻,患者的预后较好。上述研究结果表明通过DTI对于肿瘤边界的浸润范围进行评估也具有良好的价值。

       此外有学者[15]通过DTI评估了24例HGG患者的MGMT基因类型,研究发现MGMT启动子甲基化的肿瘤比MGMT启动子非甲基化的肿瘤FA值显著降低,既往有研究表明,浸润性肿瘤对白质的破坏越大,脑肿瘤的FA值就越低[30],然而,MGMT甲基化的肿瘤中较低FA的潜在机制尚不清楚。目前这一方面相关研究较少,日后还需进一步研究。

       DTI作为评估脑胶质瘤基因类型的影像学检查方法,在临床应用当中已较为普遍,通过DTI来预测脑胶质瘤基因类型或描绘肿瘤边界,可为脑胶质瘤的治疗方式发挥较大价值。

2.3 DKI在脑胶质瘤基因分型与预后评价中的研究

       与DTI不同,扩散峰度成像(diffusion kurtosis imaging,DKI)主要通过水分子的非高斯扩散进行定量分析,可生成平均扩散峰度(mean kurtosis,MK)、轴向扩散峰度(axial kurtosis,Ka)、径向扩散峰度(radial kurtosis,Kr)等参数,与DWI和DTI相比能够在反映脑胶质瘤组织方面提供更多的信息[31]

       Hempel等[32]分析了50例脑胶质瘤患者的标准化平均峰度(MKn)和平均扩散系数(MDn)值,研究发现IDH突变型胶质瘤中MKn显著低于IDH野生型胶质瘤,表示MKn是预测IDH突变的可行生物标志物,较低的MK值反映了LGG中更均一的细胞结构和较低的细胞密度,这也预示着IDH突变型胶质瘤患者更好的预后,相关的研究[33]也得出了类似的研究结果。此外,Zhao等[34]对51例胶质瘤进行研究发现,随着肿瘤级别的增加Ki-67值显著增高,DKI参数MK、Ka、Kr均与Ki-67值呈显著正相关(P<0.001),Ki-67代表了肿瘤的细胞增殖率,Ki-67越高表明肿瘤分级越高,患者的预后越差。目前DKI与胶质瘤其他基因类型之间的相关性研究较少,日后有待进一步研究。

2.4 DSC在脑胶质瘤基因分型与预后评价中的研究

       动态磁敏感对比增强(dynamic susceptibility contrast,DSC)灌注磁共振成像是脑胶质瘤诊疗中最常用的灌注技术,它通过测量相对脑血容量(relative cerebral blood volume,rCBV)来量化新生血管形成区域,由此反映组织内存在的血量。除此之外,它还可提供脑血容量(cerebral blood flow,CBF)等相关参数。血液灌注与肿瘤血管生成关系密切,对肿瘤血流灌注特征的分析可用于评估不同基因表型脑胶质瘤的预后。

       最近Xing等[12]对75例GBM患者的相对最大CBV (relative maximum CBV,rCBVmax)值研究后发现,IDH野生型GBM的rCBVmax值明显高于IDH突变型[(8.93±2.99) mL/100 g与(5.08±1.48) mL/100 g,P<0.001],这提示IDH野生型GBM患者的肿瘤血管细胞增殖和新生血管增加,肿瘤血管生成能力较强,预后也较差。有学者[35]也报道了类似的研究结果,他们研究了42例WHO Ⅱ、Ⅲ级星型细胞瘤患者的相对最大CBV值,指出rCBVmax (IDH突变=1.41±0.50;IDH野生型=3.47±2.34;P=0.004)在IDH突变肿瘤患者中显著低于IDH野生型肿瘤患者,相对最大CBV预测IDH突变的阈值<2.35提供的敏感度、特异度、阳性预测值和阴性预测值分别为100.0%、60.9%、85.6%和100.0%,这表明当rCBVmax>2.35时,肿瘤为IDH野生型的几率大大增加。此外Kickingereder等[36]研究表明,rCBV值与IDH突变状态显著相关,与IDH野生型肿瘤相比,IDH突变型肿瘤有着显著较低的rCBV,由于IDH突变型肿瘤的特征是标记缺氧诱导因子1-α (hypoxia-inducible-factor 1-alpha,HIF1A)进行多聚泛素化和EGLN脯氨酰4-羟化酶表达增加,导致HIF1A活化减少,抑制血管生成,从而减少肿瘤血管生成,这提示着IDH突变型肿瘤预后较好。目前IDH野生型与IDH突变型胶质瘤在CBV值之间差异的机制尚不清楚,需进一步探索IDH野生型与突变型脑胶质瘤之间在微血管增殖以及新生血管增加方面的差异。此外Hilario等[37]研究指出,与IDH野生型HGG患者相比,IDH突变型HGG表现出较低的中位漏出值和Ktrans值,漏出值低于1.2的患者的OS和PFS更长,表明IDH突变型HGG患者预后较IDH野生型好。

       除IDH基因分型外,尚有一些学者通过DSC对胶质瘤其他相关分子表型进行了研究。Ryoo等[38]研究发现,DSC参数可作为GBM患者MGMT状态以及PTEN状态的有效预测因子,他们计算了25例GBM肿瘤强化区的标准化相对肿瘤血容量(normalized relative tumor blood volume,nTBV),发现MGMT启动子非甲基化GBM的nTBV值(9.5±7.5)明显高于MGMT启动子甲基化的GBM (5.4±1.8) (P=0.046),而且在EGFR表达阳性组中,磷酸酶和张力蛋白同系物(phosphatase and tensin homologue,PTEN)表达缺失亚组的nTBV值(10.3±8.1)也明显高于PTEN表达未缺失亚组(5.6±2.3) (P=0.046),同时他们推测EGFR表达联合PTEN缺失的GBM患者可能会呈现出相对不良的预后。端粒酶逆转录酶(telomerase reverse transcriptase,TERT)也是胶质瘤的重要基因类型之一,最近Park等[20]在一项研究中纳入了49例IDH野生型LGG患者,研究发现与TERT野生型肿瘤相比,TERT突变肿瘤的平均标准化脑血容量(normalized cerebral blood volume,nCBV)、平均标准化脑血流量(normalized cerebral blood flow,nCBF)以及平均Vp更高,平均Vp作为TERTp突变状态的独立预测因子,AUC为0.85,TERT突变会促进TERT表达上调以及端粒酶的活性增加,导致患者预后不良。

       目前利用DSC-MRI对胶质瘤的分子表型进行评估已发挥出较大价值,日后可将多种MRI研究序列进行多模态结合,来进一步提高诊断结果的准确性。

2.5 DCE在脑胶质瘤基因分型与预后评价中的研究

       与DSC不同,动态对比增强(dynamic contrast enhance,DCE)磁共振成像可对灌注参数进行绝对定量,并对肿瘤血管系统进行多参数表征,提供与DSC成像不同的病理学信息。它可提供表征微血管环境的血流动力学参数,如转运常数(dynamic contrastenhanced,Ktrans)、血管外细胞外间隙容量(extracellular extravascular volume fraction,Ve)和血浆容积(blood plasma fraction,Vp)等,对肿瘤的血流灌注特征进行定量评估。Ahn等[39]研究了43例GBM的Ktrans值后,发现MGMT启动子甲基化组的Ktrans值要高于MGMT启动子非甲基化组(P=0.018),当判断MGMT甲基化的最佳截断值为0.086时,AUC曲线下面积为0.76,敏感度为56.3%,特异度为85.2%,MGMT启动子甲基化的胶质母细胞瘤Ktrans值升高意味着化疗时替莫唑胺更容易渗透,治疗效果更佳,预后更好。此外也有学者[40]采用直方图分析的方法来评估GBM中DCE反映EGFRvⅢ表达的能力,研究结果显示,VP和Ktrans升高与阳性EGFRvⅢ状态相关,rVP和rKtrans在EGFRvⅢ阳性GBM中比在EGFRvⅢ阴性GBM中更大,并且与rKtrans相比,rVp的预测能力更强,rVp推导的直方图指标(平均值、第90百分位数、第70百分位数),AUC为0.82。DCE参数对EGFR状态的无创预测不仅与肿瘤的新生血管生成有关,还对监测EGFR靶向治疗的反应有重要意义。目前通过DCE对胶质瘤基因类型预测的研究仍然不多,随着病理结果可提供越来越多的基因类型检测,日后通过DCE来对胶质瘤IDH等多种基因型进行评估仍具有较大潜力。

2.6 ASL在脑胶质瘤基因分型与预后评价中的研究

       动脉自旋标记(arterial spine labeling,ASL)是一种无需对患者静脉注射对比剂的无创磁共振灌注成像方法,它利用动脉血中的质子作为内源性示踪剂。目前,将ASL技术用于脑胶质瘤基因分型的研究较少。此前有学者[41]通过ASL评估了40例胶质瘤患者的IDH突变状态和ATRX基因表达,发现CBF能够区分IDH突变和IDH野生型的星形细胞瘤(敏感度=0.75,特异度=0.88)。另外,Han等[42]也通过ASL对92例GBM的MGMT状态进行了评估,研究指出MGMT启动子甲基化GBM的相对脑血流量(relative cerebral blood flow,rCBF)显著低于MGMT启动子非甲基化的GBM,rCBF作为MGMT甲基化状态的有效预测因子,AUC为0.835。以上研究结果表明,ASL提供的CBF是预测脑胶质瘤基因分型的潜在图像参数。未来通过结合其他成像方式发挥ASL的优势在胶质瘤的诊断及评估方面具有广阔的研究前景。

2.7 2-羟基戊二酸 MRS在脑胶质瘤基因分型与预后评价中的研究

       由于IDH突变可产生肿瘤代谢产物2-羟基戊二酸(2-hydroxyglutarate,2-HG),而利用磁共振波谱(magnetic- resonance spectroscopy,MRS)可对2-HG进行直接测定,因此通过MRS对IDH突变状态进行检测是非常有价值的。Pope等[43]测量了27例HGG的2-HG水平发现,与野生型IDH相比,IDH突变型胶质瘤2-HG水平升高(P=0.003);de la Fuente等[44]通过MRS对89例术后胶质瘤患者的2-HG进行分析,发现IDH突变型胶质瘤患者放化疗后2-HG峰逐渐消失,这意味着肿瘤细胞增殖程度减低,肿瘤细胞减少,患者的预后较好。2-HG MRS在胶质瘤基因分型方面具有很大潜力。

       多模态MRI可有效反映脑胶质瘤的IDH等基因类型,并预测预后。未来,多模态MRI在脑胶质瘤基因分型中的价值需要进一步深入研究,以为患者的临床诊断、分子分型及预后预测提供更多帮助。目前影像学对脑胶质瘤判断还具有一定的局限性,例如没有扫描的统一标准、患者选择上的参差以及手工绘制ROI产生误差等。未来,需要进一步更大规模的前瞻性研究对脑胶质瘤做出更精准的判断,为患者的诊疗提供更多有价值的信息。

[1]
Louis DN, Perry A, Reifenberger G, et al. The 2016 World Health Organization Classification of Tumors of the Central Nervous System: a summary[J]. Acta Neuropathol, 2016, 131(6): 803-820. DOI: 10.1007/s00401-016-1545-1.
[2]
Naeim B, Hartman SJ, Chang YH, et al. Molecular classification of patients with grade II/III glioma using quantitative MRI characteristics[J]. J Neuro Oncol, 2018, 139(3): 633-642. DOI: 10.1007/s11060-018-2908-3.
[3]
王振, 许在华, 孙靖驰, 等. IDH1基因突变及MGMT基因启动子甲基化在胶质瘤中的临床意义[J]. 肿瘤学杂志, 2018, 24(011): 1118-1121.
Wang Z, Xu ZH, Sun JC, et al. Clinical significance of IDH1 gene mutation and MGMT gene promoter methylation in glioma[J]. J Oncol, 2018, 24(011): 1118-1121.
[4]
Beiko J, Suki D, Hess KR, et al. IDH1 mutant malignant astrocytomas are more amenable to surgical resection and have a survival benefit associated with maximal surgical resection[J]. Neuro Oncol, 2014, 16(1): 81-91. DOI: 10.1093/neuonc/not159.
[5]
Liu QQ, Yin XX, Zou Y, et al. Prognostic significance of combined TERT and IDH gene mutation analysis in diffusely infiltrating gliomas[J]. Zhonghua Bing Li Xue Za Zhi, 2018, 47(9): 658-663. DOI: 10.3760/cma.j.issn.0529-5807.2018.09.002.
[6]
Hegi ME, Liu L, Herman JG, et al. Correlation of O6-methylguanine methyltransferase (MGMT) promoter methylation with clinical outcomes in glioblastoma and clinical strategies to modulate MGMT activity[J]. J Clin Oncol, 2008, 26(25): 4189-4199. DOI: 10.1200/JCO.2007.11.5964.
[7]
Bai J, Varghese J, Jain R. Adult Glioma WHO Classification Update, genomics, and imaging: what the radiologists need to Know[J]. Top Magn Reson Imaging, 2020, 29(2): 71-82. DOI: 10.1097/RMR.0000000000000234.
[8]
Pandith AA, Qasim I, Zahoor W, et al. Concordant association validates MGMT methylation and protein expression as favorable prognostic factors in glioma patients on alkylating chemotherapy (temozolomide)[J]. Sci Rep, 2018, 8(1): 6704. DOI: 10.1038/s41598-018-25169-2.
[9]
Förster A, Brehmer S, Seiz-Rosenhagen M, et al. Heterogeneity of glioblastoma with gliomatosis cerebri growth pattern on diffusion and perfusion MRI[J]. J Neuro Oncol, 2019, 142(1): 103-109. DOI: 10.1007/s11060-018-03068-w.
[10]
Zhang L, Min ZQ, Tang M, et al. The utility of diffusion MRI with quantitative ADC measurements for differentiating high-grade from low-grade cerebral gliomas: evidence from a meta-analysis[J]. J Neurol Sci, 2017, 373: 9-15. DOI: 10.1016/j.jns.2016.12.008.
[11]
Wu CC, Jain R, Radmanesh A, et al. Predicting genotype and survival in glioma using standard clinical MR imaging apparent diffusion coefficient images: a pilot study from the cancer genome atlas[J]. AJNR Am J Neuroradiol, 2018, 39(10): 1814-1820. DOI: 10.3174/ajnr.A5794.
[12]
Xing Z, Zhang H, She D, et al. IDH genotypes differentiation in glioblastomas using DWI and DSC-PWI in the enhancing and peri-enhancing region[J]. Acta Radiol, 2019, 60(12):1663-1672. DOI: 10.1177/0284185119842288.
[13]
Lee S, Choi S H, Ryoo I, et al. Evaluation of the microenvironmental heterogeneity in high-grade gliomas with IDH1/2 gene mutation using histogram analysis of diffusion-weighted imaging and dynamic-susceptibility contrast perfusion imaging[J]. J Neuro Oncol, 2015, 121(1): 141-150. DOI: 10.1007/s11060-014-1614-z.
[14]
Romano A, Calabria LF, Tavanti F, et al. Apparent diffusion coefficient obtained by magnetic resonance imaging as a prognostic marker in glioblastomas: correlation with MGMT promoter methylation status[J]. Eur Radiol, 2013, 23(2): 513-520. DOI: 10.1007/s00330-012-2601-4.
[15]
Moon WJ, Choi JW, Roh HG, et al. Imaging parameters of high grade gliomas in relation to the MGMT promoter methylation status: the CT, diffusion tensor imaging, and perfusion MR imaging[J]. Neuroradiology, 2012, 54(6): 555-563. DOI: 10.1007/s00234-011-0947-y.
[16]
Sunwoo L, Choi SH, Park CK, et al. Correlation of apparent diffusion coefficient values measured by diffusion MRI and MGMT promoter methylation semiquantitatively analyzed with MS-MLPA in patients with glioblastoma multiforme[J]. J Magn Reson Imaging, 2013, 37(2): 351-358. DOI: 10.1002/jmri.23838.
[17]
Pope WB, Lai A, Mehta R, et al. Apparent diffusion coefficient histogram analysis stratifies progression-free survival in newly diagnosed bevacizumab-treated glioblastoma[J]. Am J Neuroradiol, 2011, 32(5): 882-889. DOI: 10.3174/ajnr.A2385.
[18]
Choi YS, Ahn SS, Kim DW, et al. Incremental prognostic value of ADC histogram analysis over MGMT promoter methylation status in patients with glioblastoma[J]. Radiology, 2016, 281(1): 175-84. DOI: 10.1148/radiol.2016151913.
[19]
Young RJ, Gupta A, Shah AD, et al. Potential role of preoperative conventional MRI including diffusion measurements in assessing epidermal growth factor receptor gene amplification status in patients with glioblastoma[J]. AJNR Am J Neuroradiol, 2013, 34(12): 2271-2277. DOI: 10.3174/ajnr.A3604.
[20]
Park YW, Ahn SS, Park CJ, et al. Diffusion and perfusion MRI may predict EGFR amplification and the TERT promoter mutation status of IDH-wildtype lower-grade gliomas[J]. Eur Radiol, 2020, 30(12):6475-6484. DOI: 10.1007/s00330-020-07090-3.
[21]
Hong EK, Choi SH, Dong JS, et al. Radiogenomics correlation between MR imaging features and major genetic profiles in glioblastoma[J]. Eur Radiol, 2018, 28(10): 1-12. DOI: 10.1007/s00330-018-5400-8.
[22]
Assaf Y, Pasternak O. Diffusion tensor imaging (DTI)-based white matter mapping in brain research: a review[J]. J Mol Neurosci Mn, 2008, 34(1): 51-61. DOI: 10.1007/s12031-007-0029-0.
[23]
Gupta RK, Cloughesy TF, Sinha U, et al. Relationships between choline magnetic resonance spectroscopy, apparent diffusion coefficient and quantitative histopathology in human glioma[J]. J Neuro Oncol, 2000, 50(3): 215-226. DOI: 10.1023/a:1006431120031.
[24]
Price SJ, Pena A, Burnet NG, et al. Tissue signature characterisation of diffusion tensor abnormalities in cerebral gliomas[J]. Eur Radiol, 2004, 14(10): 1909-1917. DOI: 10.1007/s00330-004-2381-6.
[25]
Jütten K, Mainz V, Gauggel S, et al. Diffusion tensor imaging reveals microstructural heterogeneity of normal-appearing white matter and related cognitive dysfunction in glioma patients[J]. Fron Oncol, 2019, 9: 536-536. DOI: 10.3389/fonc.2019.00536.
[26]
Xiong J, Tan WL, Pan JW, et al. Detecting isocitrate dehydrogenase gene mutations in oligodendroglial tumors using diffusion tensor imaging metrics and their correlations with proliferation and microvascular density[J]. J Magn Reson Imaging, 2016, 43(1). DOI: 10.1002/jmri.24958.
[27]
Yan JL, Hoorn A, Larkin TJ, et al. Extent of resection of peritumoral diffusion tensor imaging-detected abnormality as a predictor of survival in adult glioblastoma patients[J]. J Neurosurg, 2017, 126(1): 1-8. DOI: 10.3171/2016.1.JNS152153.
[28]
Aliotta E, Batchala PP, Schiff D, et al. Increased intratumoral infiltration in IDH wild-type lower-grade gliomas observed with diffusion tensor imaging[J]. J Neuro Oncol, 2019, 145(26). DOI: 10.1007/s11060-019-03291-z.
[29]
Price SJ, Boonzaier NR, Lupson V, et al. O7.03 IDH-1 mutated glioblastomas have a less invasive phenotype than IDH-1 wild type glioblastomas: a diffusion tensor imaging study[J]. Neuro Oncol, (suppl 2): ii15.
[30]
Jellison BJ, Field AS, Medow J, et al. Diffusion tensor imaging of cerebral white matter: a pictorial review of physics, fiber tract anatomy, and tumor imaging patterns[J]. AJNR Am J Neuroradiol, 2004, 25(3): 356-369.
[31]
Zheng W, Wu C, Huang L, et al. Diffusion kurtosis imaging of microstructural alterations in the brains of paediatric patients with congenital sensorineural hearing loss[J]. Sci Rep, 2017, 7(1):1543. DOI: 10.1038/s41598-017-01263-9.
[32]
Hempel JM, Bisdas S, Schittenhelm J, et al. In vivo molecular profiling of human glioma using diffusion kurtosis imaging[J]. J Neuro Oncol, 2017, 131(1): 93-101. DOI: 10.1007/s11060-016-2272-0.
[33]
Zhao J, Wang YL, Li XB, et al. Comparative analysis of the diffusion kurtosis imaging and diffusion tensor imaging in grading gliomas, predicting tumour cell proliferation and IDH-1 gene mutation status[J]. J Neuro Oncol, 2019,141(1): 195-203. DOI: 10.1007/s11060-018-03025-7.
[34]
Zhao J, Wang YL, Li X, et al. Comparative analysis of the diffusion kurtosis imaging and diffusion tensor imaging in grading gliomas, predicting tumour cell proliferation and IDH-1 gene mutation status[J]. J Neuro Oncol, 2018, 141(1): 195-203. DOI: 10.1007/s11060-018-03025-7.
[35]
Xing Z, Yang X, She D, et al. Noninvasive assessment of IDH mutational status in World Health Organization Grade II and III astrocytomas using DWI and DSC-PWI combined with conventional MR imaging[J]. AJNR Am J Neuroradiol, 2017, 38(6): 1138-1144. DOI: 10.3174/ajnr.A5171.
[36]
Kickingereder P, Sahm F, Radbruch A, et al. IDH mutation status is associated with a distinct hypoxia/angiogenesis transcriptome signature which is non-invasively predictable with rCBV imaging in human glioma[J]. Rep, 2015, 5: 16238. DOI: 10.1038/srep16238.
[37]
Hilario A, Hernandez-Lain A, Sepulveda JM, et al. Perfusion MRI grading diffuse gliomas: Impact of permeability parameters on molecular biomarkers and survival[J]. Neurocirugía (Engl Ed), 2019, 30(1): 11-18. DOI: 10.1016/j.neucir.2018.06.004.
[38]
Ryoo I, Choi SH, Kim JH, et al. Cerebral blood volume calculated by dynamic susceptibility contrast-enhanced perfusion MR imaging: preliminary correlation study with glioblastoma genetic profiles[J]. PloS One, 2013, 8(8): e71704. DOI: 10.1371/journal.pone.0071704.
[39]
Ahn SS, Shin NY, Chang JH, et al. Prediction of methylguanine methyltransferase promoter methylation in glioblastoma using dynamic contrast-enhanced magnetic resonance and diffusion tensor imaging. J Neurosurg, 2014, 121(2): 367-373. DOI: 10.3171/2014.5.JNS132279.
[40]
Arevalo-Perez J, Thomas AA, Kaley T, et al. T1-weighted dynamic contrast-enhanced MRI as a noninvasive biomarker of epidermal growth factor receptor vIII status[J]. AJNR Am J Neuroradiol, 2015, 36(12): 2256. DOI: 10.3174/ajnr.A4484.
[41]
Brendle C, Hempel JM, Schittenhelm J, et al. glioma grading and determination of IDH mutation status and ATRX loss by DCE and ASL perfusion[J]. Clin Neuroradiol, 2017, (5897): 1-8. DOI: 10.1007/s00062-017-0590-z.
[42]
Han Y, Yan LF, Wang XB, et al. Structural and advanced imaging in predicting MGMT promoter methylation of primary glioblastoma: a region of interest based analysis[J]. BMC Cancer, 2018, 18(1): 215. DOI: 10.1186/s12885-018-4114-2.
[43]
Pope WB, Prins RM, Thomas MA, et al. Non-invasive detection of 2-hydroxyglutarate and other metabolites in IDH1 mutant glioma patients using magnetic resonance spectroscopy[J]. J Neuro Oncol, 2012, 107(1): 197-205. DOI: 10.1007/s11060-011-0737-8.
[44]
de la Fuente MI, Young RJ, Rubel J, et al. Integration of 2-hydroxyglutarate-proton magnetic resonance spectroscopy into clinical practice for disease monitoring in isocitrate dehydrogenase-mutant glioma[J]. Neuro Oncol, 2016, 18(2): 283-290. DOI: 10.1093/neuonc/nov307.

上一篇 高分辨率磁共振血管壁成像在颅内动脉粥样硬化斑块上的研究进展
下一篇 热射病中枢神经系统MRI应用进展
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2