膠質(zhì)瘤是常見(jiàn)的中樞神經(jīng)系統(tǒng)(CNS)浸潤(rùn)性腫瘤蛙奖，影響所有年齡的患者惫撰。它們被世界衛(wèi)生組織細(xì)分為四個(gè)等級(jí)(I-IV級(jí))。所有低級(jí)別膠質(zhì)瘤(WHO II級(jí)和III級(jí)模软，LGGs)患者中超過(guò)半數(shù)最終將經(jīng)歷腫瘤復(fù)發(fā)伟骨。III級(jí)膠質(zhì)瘤的5年生存率為27.3% - 52.2%，這具體取決于它們的亞型燃异。IV級(jí)膠質(zhì)瘤的5年生存率僅為5%携狭。膠質(zhì)瘤中IDH突變的存在具有重要的診斷和預(yù)后價(jià)值。具有IDH1突變的膠質(zhì)瘤(或其同源的IDH2)比IDH1/2野生型腫瘤的總體存活率顯著高特铝，并且與組織學(xué)分級(jí)無(wú)關(guān)暑中。相反，在分子水平和臨床水平上鲫剿，大多數(shù)伴有野生型IDH的低級(jí)膠質(zhì)瘤與膠質(zhì)母細(xì)胞瘤相似鳄逾，生存結(jié)果同樣糟糕。事實(shí)上灵莲，野生型III級(jí)膠質(zhì)瘤的預(yù)后可能比IDH突變型IV級(jí)膠質(zhì)瘤更差雕凹。在2016年世界衛(wèi)生組織神經(jīng)膠質(zhì)瘤診斷標(biāo)準(zhǔn)更新中，將IDH突變狀態(tài)作為分類(lèi)參數(shù)政冻，強(qiáng)調(diào)了其在決定預(yù)后中的關(guān)鍵作用枚抵，其突變可延長(zhǎng)生存期，并可指導(dǎo)治療決策明场。
一.研究背景
小編今天帶來(lái)的這篇文章的研究目的是通過(guò)MR影像將殘差卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于術(shù)前的影像學(xué)數(shù)據(jù)汽摹，預(yù)測(cè)膠質(zhì)瘤的IDH狀態(tài)。
標(biāo)題：Residual Convolutional Neural Network for the Determination of IDH Status in Low- and High-Grade Gliomas from MR Imaging
雜志：Clinical Cancer Research?IF：9.619發(fā)表時(shí)間：2018.03
二.方法和材料
1)?樣本數(shù)據(jù)集：患者隊(duì)列包括來(lái)自HUP的201名患者苦锨，來(lái)自BWH的157名患者和來(lái)自TCIA的138名患者逼泣。
2)?組織診斷和基因分型：對(duì)于HUP隊(duì)列趴泌，使用IHC (n = 93)或下一代測(cè)序來(lái)確定IDH1突變狀態(tài)。對(duì)于BWH隊(duì)列拉庶，IDH1/2突變通過(guò)IHC嗜憔、基于質(zhì)譜的突變基因分型或基于捕獲的測(cè)序識(shí)別。對(duì)于TCIA隊(duì)列中的患者氏仗，從TCGA和IvyGap下載IDH1/2突變數(shù)據(jù)吉捶。
3)?腫瘤分割：對(duì)于HUP以及TCIA隊(duì)列，每個(gè)樣本的MR圖片被導(dǎo)入到Matrix User v2.2皆尔，并且手動(dòng)挑出感興趣的區(qū)域呐舔。對(duì)于BWH隊(duì)列來(lái)說(shuō)，腫瘤輪廓是由用戶驅(qū)動(dòng)的床佳，使用3D切片軟件在FLAIR imag上使用手動(dòng)活動(dòng)輪廓分割方法繪制的滋早，并且由神經(jīng)放射學(xué)家編輯。
4)?圖像的處理：為了提取一個(gè)切片砌们，在腫瘤周?chē)L制一個(gè)從腫瘤分割得到的邊界矩形杆麸。這確保了整個(gè)腫瘤區(qū)域以及腫瘤邊緣的一部分被捕獲。因?yàn)槊總€(gè)腫瘤的大小不同浪感，所以所有的切片都被調(diào)整為142×142昔头，以便輸入神經(jīng)網(wǎng)絡(luò)。
5)?殘差神經(jīng)網(wǎng)絡(luò)：卷積神經(jīng)網(wǎng)絡(luò)是專(zhuān)門(mén)為學(xué)習(xí)成像數(shù)據(jù)的層次表示而開(kāi)發(fā)的一種神經(jīng)網(wǎng)絡(luò)影兽。其流程如下：
6)?三個(gè)樣本隊(duì)列的訓(xùn)練：每個(gè)患者隊(duì)列(HUP揭斧、BWH和TCIA)被隨機(jī)分為訓(xùn)練、驗(yàn)證和測(cè)試組峻堰，比例為8:1:1讹开，這是為了平衡突變狀態(tài)和年齡。訓(xùn)練流程如下：
三.結(jié)果展示
1? 樣本的刻畫(huà)
HUP捐名、BWH和TCIA患者的中位年齡分別為56歲旦万、47歲和52歲(表1)。男性患者的百分比分別為56%镶蹋、57%和57%成艘。HUP隊(duì)列為19%的II級(jí)(72% IDH突變)、34%的III級(jí)(59% IDH突變)和46%的IV級(jí)(3% IDH突變)贺归。BWH隊(duì)列中20%為II級(jí)(100% IDH突變)淆两，29%為III級(jí)(87% IDH突變)，51%為IV級(jí)(26% IDH突變)拂酣。TCIA隊(duì)列為25%的II級(jí)(91% IDH突變)秋冰、32%的III級(jí)(70% IDH突變)和43%的IV級(jí)(12% IDH突變)∩舭荆總的來(lái)說(shuō)丹莲，HUP光坝、BWH和TCIA組分別為36%、59%和50%的IDH突變甥材。
2? 深度學(xué)習(xí)模型優(yōu)化
作者首先通過(guò)比較三種不同的啟發(fā)式來(lái)確定完整多中心數(shù)據(jù)集的最優(yōu)訓(xùn)練啟發(fā)集(圖3)。單獨(dú)使用年齡的logistic回歸模型性含，訓(xùn)練集的AUC為0.88洲赵，驗(yàn)證集的AUC為0.88，測(cè)試集的AUC為0.89(表2)商蕴。接著叠萍，作者構(gòu)建了一個(gè)單獨(dú)的組合網(wǎng)絡(luò)模型。訓(xùn)練157次后绪商，由此產(chǎn)生的模型在訓(xùn)練集的AUC為0.93苛谷，驗(yàn)證集為0.92，測(cè)試集為0.86格郁。當(dāng)與年齡相結(jié)合,這一結(jié)合網(wǎng)絡(luò)改善了AUC腹殿，訓(xùn)練集為0.95，驗(yàn)證集為0.92例书，測(cè)試集位0.95锣尉。
3? 對(duì)兩組樣本隊(duì)列進(jìn)行測(cè)試，并對(duì)第三組樣本隊(duì)列進(jìn)行獨(dú)立檢驗(yàn)
為了檢驗(yàn)?zāi)Ｐ偷目赏茝V性决采，作者將序列網(wǎng)絡(luò)訓(xùn)練啟發(fā)式方法應(yīng)用于同時(shí)訓(xùn)練兩個(gè)病人隊(duì)列自沧。FLAIR、T2树瞭、T1前對(duì)比拇厢、T1后對(duì)比殘差網(wǎng)絡(luò)分別在HUP + TCIA、HUP + BWH晒喷、TCGA + BWH聯(lián)合訓(xùn)練集上進(jìn)行訓(xùn)練孝偎。在訓(xùn)練、驗(yàn)證厨埋、測(cè)試和獨(dú)立測(cè)試群組中邪媳，組合序列網(wǎng)絡(luò)的平均AUC分別為0.90 (95% CI, 0.88-0.92)、0.89 (95% CI, 0.84-0.94)荡陷、0.92 (95% CI, 0.88-0.96)和0.85 (95% CI, 0.82-0.88)雨效。當(dāng)年齡與序列網(wǎng)絡(luò)相結(jié)合時(shí)，在訓(xùn)練集废赞、驗(yàn)證集徽龟、測(cè)試集和獨(dú)立測(cè)試集中的AUC均值分別為0.94 (95% CI, 0.92-0.95)、0.95 (95% CI, 0.91 - 0.98)唉地、0.95 (95% CI, 0.91 - 0.98)和0.91 (95% CI, 0.88-0.93)据悔。相比之下传透，單獨(dú)使用年齡的logistic回歸模型在訓(xùn)練、驗(yàn)證极颓、測(cè)試和獨(dú)立測(cè)試集中的平均AUC分別為0.88朱盐、0.88、0.89和0.87菠隆。年齡和序列網(wǎng)絡(luò)聯(lián)合模型在獨(dú)立測(cè)試集上的平均準(zhǔn)確性兵琳、敏感性和特異性分別為82.1%、79.1%和87.0%骇径。
四.結(jié)論
利用這個(gè)神經(jīng)網(wǎng)絡(luò)模型躯肌，作者分別在訓(xùn)練集、驗(yàn)證集和測(cè)試集實(shí)現(xiàn)了82.8% (AUC = 0.90)破衔、83.0% (AUC = 0.93)和85.7% (AUC = 0.94)的IDH預(yù)測(cè)精度清女。當(dāng)診斷年齡納入模型時(shí)，訓(xùn)練晰筛、驗(yàn)證和測(cè)試的準(zhǔn)確率分別增加到87.3% (AUC = 0.93)嫡丙、87.6% (AUC = 0.95)和89.1% (AUC = 0.95)。表明這種深度學(xué)習(xí)技術(shù)能夠?qū)崿F(xiàn)非侵入性的高效準(zhǔn)確預(yù)測(cè)II-IV級(jí)膠質(zhì)瘤的IDH基因型传惠，有助于指導(dǎo)治療決策迄沫。
五.參考文獻(xiàn)
1.?Brat DJ, Verhaak RGW, Aldape KD, Yung WKA, Salama SR, et al.Cancer Genome Atlas Research Network, Brat DJ, Verhaak RGW, Aldape KD, Yung WKA, Salama SR, et al. Comprehensive, integrative genomic analysis of diffuse lower-grade gliomas. N Engl J Med 2015;372:2481–98.
2.?Schomas DA, Laack NNI, Rao RD, Meyer FB, Shaw EG, O'Neill BP, et al. Intracranial low-grade gliomas in adults: 30-year experience with long-term follow-up at Mayo Clinic. Neuro Oncol 2009;11:437–45.
3.?Pouratian N, Schiff D. Management of low-grade glioma. Curr Neurol Neurosci Rep 2010;10:224–31.
4.?Venneti S, Huse JT. The evolving molecular genetics of low-grade glioma. Adv Anat Pathol 2015;22:94–101.
5.?Ostrom QT, Gittleman H, Fulop J, Liu M, Blanda R, Kromer C, et al. CBTRUS statistical report: primary brain and central nervous system tumors diagnosed in the United States in 2008–2012. Neuro Oncol 2015;17Suppl 4:iv1–iv62.
6.?Parsons DW, Jones S, Zhang X, Lin JC-H, Leary RJ, Angenendt P, et al. An integrated genomic analysis of human glioblastoma multiforme. Science 2008;321:1807–12.
7.?Eckel-Passow JE, Lachance DH, Molinaro AM, Walsh KM, Decker PA, Sicotte H, et al. Glioma groups based on 1p/19q, IDH, and TERT promoter mutations in tumors. N Engl J Med 2015;372:2499–508.
往期分享
06-IF4+:年齡+甲基化+分子亞型+預(yù)后模型四項(xiàng)聯(lián)合分析挖掘結(jié)腸癌的預(yù)后特征
07-IF6+:基于核磁、CT卦方、PET數(shù)據(jù)進(jìn)行特征選擇來(lái)篩選頭頸癌的分子亞型和預(yù)后標(biāo)志物
