MRI影像組學預測較低級別膠質瘤免疫亞型的臨床研究

陳燕生,楊哲,沈卓,李文菲

低級別膠質瘤(lower grade glioma,LGG)是最常見的原發(fā)性中樞神經系統(tǒng)腫瘤之一,盡管神經外科專家努力改善LGG患者的生存時間,但部分LGG患者由于腫瘤異質性導致預后差異顯著[1]。有研究證實免疫療法顯著改善了LGG的預后,精確地識別LGG的腫瘤免疫表型對患者進行免疫治療至關重要[2]。磁共振成像(magnetic resonance imaging,MRI)由于其無創(chuàng)性,被廣泛用于LGG的術前檢查,為臨床診斷提供重要信息。大量研究表明影像組學廣泛用于LGG的分子分型的診斷、預后預測及基因表達狀態(tài)[3-7],然而關于LGG不同影像表型的免疫特征研究并未報道。最新研究報道了影像組學與頭頸部腫瘤免疫亞型存在平行關系,同時多中心大樣本研究也證實影像組學可以預測腫瘤的免疫表型進而為評估免疫檢查點如程序性死亡分子1 (programmed cell death protein-1,PD-1)和程序性死亡配體1(programmed death-ligand 1,PD-L1)治療的療效提供了一種有效的方法[8,9]。本研究旨在通過MRI影像組學特征預測LGG的預后進而分析不同LGG免疫亞型與影像特征的相關性。

材料與方法

1．研究隊列

共納入199例患者來自于 TCIA(www.cancerimagingarchive.net)中的LGG 患者。納入和排除患者的依據由兩名具有5年神經系統(tǒng)診斷經驗的高年資放射醫(yī)師決定:①術前未經任何治療,包括但不限于化學治療、放射治療及保守治療;②同時具有軸位T2、T2FLAIR和T1增強圖像,層厚5 mm;③臨床信息應同時具有性別、年齡、術后治療、隨訪等基線數據資料和腫瘤分級、亞型、IDH和1p/19q狀態(tài)等分子病理資料;④同時具有TCGA(www.cancergenome.nih.gov)數據庫的mRNA轉錄數據文件及Immport(https://immport.niaid.nih.gov)數據庫的免疫基因信息。 通過對TCIA影像數據患者與TCGA基因數據ID進行匹配,最終本研究根據以上納入和排除標準共納入了133例同時具有影像和免疫相關基因數據的LGG患者。

2．LGG預后相關的MRI影像組學特征提取

由兩名高年資神經組放射醫(yī)師在3D-slicer軟件(4.8.1版本)對LGG的病灶進行識別并進行腫瘤分割(圖1)。首先由低年資醫(yī)師在橫軸面增強T1序列中找到病灶位置,逐層勾畫感興趣區(qū),每個病例均在依據T2/FLAIR等序列排除瘤周水腫,利用General Registration插件進行融合對比,進一步提高瘤體與瘤周水腫的劃分。多平面重組(multiplanar reconstruction,MPR)圖像上手動描繪膠質瘤輪廓(圖1a),為了保證三維圖像(圖1b)的準確性,將橫軸面MPR圖像和相應的輪廓重建為冠狀面(圖1c)和矢狀面(圖1d)圖像輪廓作為參考。然后由另一位具有5年工作經驗的放射專家檢查膠質瘤三維輪廓,隨時對ROI進行修改和微調?；赑yradiomics軟件包總共提取851個放射組學特征,包括形狀特征(n=14)、一階特征(n=162)、灰度共生矩陣特征(n=216)、灰度游程矩陣特征(n=144)、灰度大小區(qū)域矩陣特征(n=144)、相鄰灰度差矩陣特征(n=45)、灰度依賴矩陣特征(n=126)?；赑yradiomics軟件包提供的算法提取感興趣區(qū)域內影像組學特征。在進行后續(xù)分析前,為了提高特征的穩(wěn)定性,納入符合圖像生物標志物標準化倡議中提出的特征[10]。采用Z-score方法對特征進行歸一化處理,兩位醫(yī)師分別對50名隨機選擇的患者完成了腫瘤分割和影像組學特征提取。然后醫(yī)師在1個月后重復勾畫了先前患者。為了減少手動分割中的組間差異影響,筆者采用Spearman相關篩選觀察者內和觀察者之間穩(wěn)定性較高的特征(intra correlation coefficient,ICC>0.85)。應用10倍交叉驗證的最小絕對收縮和選擇算子(least absolute shrinkage and selection operator,LASSO)比例風險回歸建立影像組學特征模型。根據最優(yōu)λ值構建影像組學評分,通過以下算法計算每個患者的風險評分:影像組學評分(Radscore)=(β1×特征1值)+(β2×特征2值)+…+(βn × 特征n值)。根據臨界值(中位風險評分)將所有患者分為高危組和低危組。以上構建影像組學評分方法,本研究團隊在先前研究中詳細描述[11-12]。繪制Kaplan Meier生存曲線,比較高低風險組LGG患者生存期。

圖1 膠質瘤三維感興趣區(qū)分割示意圖。a)橫軸面圖像勾畫范圍;b)三維體積示意圖;c、d)冠狀面和矢狀面圖像保證腫瘤勾畫的準確性。

3．聚類分析對LGG免疫亞型分組

基于先前發(fā)表的相關研究[13],使用單樣本基因富集分析(single-sample gene set enrichment analysis,ssGSEA)來量化133例 LGG患者中免疫細胞、功能或通路的活性或富集水平。根據ssGSEA的結果,利用RStudio中的“hclust”將LGG患者分為高免疫組(沙漠炎癥型)和低免疫組(免疫沙漠型),分別計算兩組中每個患者的腫瘤純度評分、免疫評分和基質評分。最后分析放射組學評分與免疫亞型的相關性。

4．統(tǒng)計分析

采用R語言(版本4.02)進行統(tǒng)計學分析和作圖。采用LASSO回歸篩選最佳影像組學特征構建影像組學評分。采用Kruskal-Wallis檢驗進行不同免疫分型之間影像組學評分(Radscore)、ESTIMATE評分、免疫評分和基質評分、腫瘤純度的差異性分析。Kaplan-Meier生存分析采用log-rank檢驗。以P<0.05為差異具有統(tǒng)計學意義。

結 果

本研究共納入133例LGG患者,男68例,女65例,年齡18～75歲,平均(42.0±14.1)歲。異檸檬酸脫氫酶 (isocitrate dehydrogenase,IDH)野生型28例,突變型105例,其中野生型1p19q共缺失68例。經過LASSO回歸篩選最佳特征,最終11個組學特征用來構建影像組學評分預測LGG患者預后(表1),不同組學特征與LGG患者臨床病理相關性熱圖見圖2。膠質瘤級別越高,影像評分越高。根據評分中位值分為高、低風險組,高風險組患者預后明顯差于低風險組,風險比(hazard ratios,HR)為3.3(95% CI:1.90～5.91,P<0.001),見圖3a。影像組學評分模型在預測LGG患者1年、3年、5年生存風險的準確率分別為79%、78%和80%(圖3b)。

表1 構建影像組學評分的詳細特征

圖2 預后相關組學特征與臨床病理變量復合型熱圖。共有11特征構建影像組學評分,紅色越深代表評分越高,風險越高,紫色越深代表評分越低,風險越低。* 代表不同臨床病理特征影像組學評分存在顯著差異(*為P<0.05,**為P<0.01,***為P<0.001)。 圖3 a)影像組學評分與LGG患者生存期關系,高風險患者(患者)中位生存期明顯短于低風險組(紫色);b)影像組學評分預測LGG患者1、3、5年ROC曲線。

本研究根據ssGSEA來量化133例LGG患者中免疫細胞、功能或通路的活性或富集水平,由于7例患者免疫細胞信息缺失,共有126例患者進行聚類分析。利用聚類分析將LGG患者分為兩種亞型(免疫炎癥型13例和免疫沙漠型113例),見圖4a。本研究還發(fā)現(xiàn)不同的免疫亞型在總生存期中具有不同預后意義,免疫沙漠型LGG患者預后較好(圖4b)。每個患者腫瘤純度、免疫評分、基質評分和影像組學評分與免疫亞型的相關性熱圖見圖5。本研究發(fā)現(xiàn)不同免疫亞型的腫瘤純度、免疫評分、基質評分及影像組學評分差異具有統(tǒng)計學意義(圖6,P<0.05),發(fā)現(xiàn)免疫炎癥型患者影像組學評分較高,腫瘤純度較低,異質性較高,預后較差。

圖4 LGG患者不同免疫分型聚類分析。a)聚類分析將LGG患者分為兩種不同的免疫表型?！凹t色簇”代表免疫細胞浸潤較多的免疫炎癥型腫瘤,“藍色簇”代表免疫細胞浸潤較少的免疫沙漠型腫瘤;b)不同免疫分型K-M生存曲線,免疫炎癥型預后明顯差于免疫沙漠型。 圖5 影像組學評分、腫瘤純度、預估評分、免疫評分、基質評分與不同免疫分型相關性熱圖。紅色代表富集分數越高,綠色代表富集分數越低(*為P<0.05,**為P<0.01,***為P<0.001)。

圖6 不同免疫亞型之間各指標差異分析(*為P<0.05,**為P<0.01,***為P<0.001)。a)影像組學評分;b)免疫評分;c)基質評分;d)腫瘤純度。

討 論

本研究首次基于放射基因組學全面分析影像組學與LGG預后及不同免疫分型的相關性?；?1個組學構建的組學特征有效將LGG分為高風險組和低風險組,高風險患者預后明顯差于低風險組。影像組學評分與LGG病理類型存在顯著相關,腫瘤級別越高,組學評分越高,IDH突變型患者影像組學評分低于IDH野生型。為了探索預后差異的遺傳背景,分析了相關的轉錄組圖譜。聚類分析將LGG患者分為兩種不同免疫亞型,LGG主要表現(xiàn)為免疫沙漠型,預后明顯好于免疫炎癥型。分析不同免疫分型與影像組學評分的相關性,結果表明影像組學評分與免疫炎癥型存在一定平行關系,免疫炎癥型患者影像組學評分較高,異質性明顯高于免疫沙漠型。

膠質瘤的時空異質性不能局限于術后病理獲取,由于少量的活檢組織不能全面反映整個腫瘤的異質性,因此無創(chuàng)性的MRI圖像分析在LGG膠質瘤評估中扮演著重要角色。先前大量研究證實MRI組學特征在預測低級別膠質瘤IDH分型及預后均表現(xiàn)出較高的準確性[7,14],已經成為精準治療的橋梁;本研究基于MRI增強特征構建的影像組學評分可以有效將LGG分進行風險分層并且具有較高的預后預測能力,與先前研究基本一致[15];本研究同時發(fā)現(xiàn)不同病理分型、分子分型之間影像組學評分存在顯著差異,Li等[16]最新開發(fā)基于臨床MRI掃描的放射組學特征可有效鑒別不同級別的LGG、不同IDH突變和1p/19q共缺失狀態(tài),準確率為0.81～0.89,與本研究結果類似。然而不同影像特征預后差異的生物學機制鮮見報道。

放射基因組學是整合基因組學、轉錄組學、表觀基因組學及影像組學等多組學數據全面分析腫瘤遺傳背景,已經逐漸成為研究關注的熱點[17,18]。Sun等[17]研究團隊納入435名膠質母細胞瘤患者,研究發(fā)現(xiàn)基于13個影像組學特征構建的影像組學評分與總生存期相關(HR為3.68) ,聚類分析發(fā)現(xiàn)四種不同影像表型與免疫、增殖等不同生物學行為密切相關。Lai等[19]利用術前CT影像特征(腫瘤直徑及轉移角)可以有效預測胃癌染色體不穩(wěn)定狀態(tài),ROC曲線下面積為0.89。最新研究基于TCGA-TICA數據庫利用73名乳腺腫瘤患者乳腺動態(tài)對比增強磁共振成像中提取的放射學特征來預測10種細胞類型在乳腺癌病變中的浸潤,證實乳腺腫瘤患者影像特征和遺傳微環(huán)境的相關性[20]。這一系列研究表明放射基因組學具有預測腫瘤微環(huán)境的潛力,更多捕捉腫瘤內基因水平的變化,影像特征與分子表型間存在一定的關聯(lián)性。本研究首次聯(lián)合TCGA-TICA數據庫進一步探索133例LGG患者影像特征與免疫基因表達譜之間的關聯(lián)性,表明不同影像特征表現(xiàn)為不同的免疫亞型,表明不同的影像特征具有不同的生物學機制。本研究了發(fā)現(xiàn)大多數免疫細胞在LGG中可以獲得相對較低的 ssGSEA評分,表明大部分LGG 可能是一種“免疫沙漠型”腫瘤,少部分LGG患者屬于“免疫炎癥型”。還值得注意的是,免疫沙漠型LGG由于免疫細胞浸潤較少,免疫療法對大部分LGG患者的療效較差[21,22],相反,免疫炎癥型LGG患者對免疫療法相對有效。同時本研究發(fā)現(xiàn)腫瘤純度低、免疫評分高、基質評分高、ESTIMATE評分高為特征的LGG患者預后較差,上述結果已經在相關研究證實[23]。最重要的是,研究結果表明免疫沙漠型LGG患者影像組學評分較低,預后較好,在一定程度上反映了免疫沙漠型患者異質性較低,進一步說明影像特征對表征免疫亞型具有一定的潛力。

本研究的局限性:①盡管由于樣本量的限制,本研究的結論是初步的,但如果在更大的隊列中得到驗證,這些發(fā)現(xiàn)對膠質瘤免疫治療將具有重要的臨床意義;②本研究僅僅提取了T1增強序列的影像組學特征、瘤周水腫和壞死區(qū)特征對低級別膠質瘤也具有重要意義,另外感興趣區(qū)的勾畫存在一定的主觀性,未來自動分割技術將有助于解決該弊端;③低級別膠質瘤患者免疫治療方案缺乏,不能準確預測免疫治療反應。

綜上所述,本研究聯(lián)合LGG的MRI影像組學與基因轉錄組學特征,構建影像組學評分預測LGG預后,采用聚類分析方法評估不同免疫分型與影像組學評分的關聯(lián)性進行嘗試性分析,結果表明影像組學評分與免疫炎癥型存在一定平行關系,免疫炎癥型患者影像組學評分較高,異質性明顯高于免疫沙漠型,預后較差。放射基因組學分析通過影像組學特征無創(chuàng)性表征不同免疫亞型信息,可為免疫靶向治療開拓新的視角。