基于体内放射组学和临床参数的DLBCL患者两年无事件生存预测
Zsombor Ritter et al., Frontiers in Oncology, 2022
目的
为识别弥漫性大B细胞淋巴瘤（DLBCL）的高危患者，我们研究了基于基线[18F]FDG PET/CT的活体影像组学及临床参数的预后意义。
患者数据
评估了2014年1月至2019年12月期间确诊的85例DLBCL患者的基线治疗前[18F]FDG PET/CT扫描。[18F]FDG PET/CT扫描在两个中心进行：佩奇大学医学影像科（中心1，41例患者）和匈牙利考波什堡大学（中心2，44例患者）。本研究人群的中位年龄为59岁（范围：23-81岁），其中48.20%（n=41）的患者年龄超过60岁。在该队列中，40例（47%）为男性，45例（53%）为女性。医疗记录不完整及接受非标准治疗的患者被排除在最终分析之外。
方法
41例患者（中心1）使用Mediso AnyScan PET/CT扫描仪进行治疗前全身[18F]FDG PET/CT扫描，44例患者（中心2）使用Siemens Biograph Truepoint 64 PET/CT扫描仪。所有患者均接受完整病史采集和全面临床检查，包括疾病临床分期。患者被告知扫描前需禁食6小时。注射放射性示踪剂前，确保所有患者血糖水平低于8 mmol/L。通过静脉线路静脉注射[18F]FDG，剂量为3-4 MBq/kg。示踪剂注射后，患者需在暗室中至少停留60分钟，覆盖保暖毯。期间禁止说话、咀嚼或阅读。
定义了两年无事件生存期（EFS）。淋巴瘤病灶勾画后，提取常规PET参数和活体影像组学特征。为评估两年EFS预后，将中心1数据集作为训练集进行自动化机器学习分析。中心2数据集作为独立测试集，用于验证由中心1数据集建立的预测模型。
图像处理
淋巴瘤病灶通过InterView FUSION ver. 3.10临床评估软件检测。肝脏平均SUV-max值（3.5-5.5）作为半自动算法的参考阈值。选择该方法以最小化患者特异性放射性示踪剂分布的影响。所有勾画病灶的TLG、TMTV和SUV-max均自动计算。此外，从最高活性的VOI中分割出SUV-peak值。对于进一步的影像组学特征提取，每位患者选择最大的VOI。
结果
标准诱导治疗结束时，55例患者达到完全代谢缓解。在两年随访期间，14例患者为原发性难治性疾病，14例患者在12个月内复发，2例患者在24个月内复发。总之，治疗结束后，30例患者检测到代谢活性肿瘤组织并在24个月内复发（图1）。
图1：基于三位患者（A-C）最大密度投影（MIP）图像的临床结果比较。每位患者的第一张图像为初始分期，第二张为中期PET扫描，第三张为治疗后再分期扫描。红色箭头指示FDG高摄取淋巴瘤病灶。
（A）治疗后完全缓解的患者。所有三张图像中FDG摄取增高为甲状腺炎的表现。
（B）治疗期间及治疗后未完全缓解的患者。中期扫描显示Deauville评分为4分。
（C）中期扫描Deauville评分为3分但治疗后复发的患者。
中心1数据集的自动化机器学习分析显示，构建两年无事件生存期（EFS）的最重要特征如下：最大直径、邻域灰度差矩阵（NGTDM）活跃度、总病灶糖酵解（TLG）、总代谢肿瘤体积（TMTV）和NGTDM粗糙度。基于中心1数据集建立的预测模型在评估中心2数据集时，获得了79%的灵敏度、83%的特异性、69%的阳性预测值、89%的阴性预测值和0.85的曲线下面积（AUC）。
结论
通过我们的双中心研究，我们能够证明基于影像和临床参数高精度构建预测弥漫性大B细胞淋巴瘤（DLBCL）患者两年无进展生存期是可行的。这与先前利用整体数据集通过机器学习构建所谓“全息组学”预测模型的研究一致。鉴于我们的模型具有平衡的灵敏度和特异性，它可能成为个体化患者治疗的可行选择。在个体化医疗时代，随着更详细和专业的分子诊断——尤其是在DLBCL中——这可以帮助临床医生更充分和有效地管理患者。
全文发表于《Frontiers》期刊。
