早期评估LGG生存预后有助于制定个性化治疗方案，阻止或延缓LGG向高级别进展，并提高生存率和生存质量。研究表明提取T2WI、FLAIR及其他常规MR序列信息的影像组学可用于评估LGG生存预后。既往研究已证明，Ki-67表达水平与胶质瘤病人的生存预后密切相关，但病理学检测Ki-67表达需取得组织学标本，而影像组学方法可实现术前无创性预测。
分析117例LGG术前T2WI组学特征，使用微阵列显著性分析筛选了高Ki-67表达组与低Ki-67表达组之间有差异的52个组学特征，采用Cox回归分析确定Ki-67及组学特征与预后的相关性，组学特征预测Ki-67表达水平精确度达83.3%，同时Ki-67及组学特征均与总生存期及无进展生存期（progression-free，PFS）密切相关。影像组学联合临床因素的诺模图可用于精确预测个体的生存时间，通过对300例LGG的研究，结果证明影像组学特征与PFS显著相关，临床病理学与影像组学联合的诺模图分析可用于LGG个体化PFS预测；另一项233例LGG的研究也证明，基于T2WI的组学特征与临床因素、基因状态联合的诺模图可用于预测LGG的PFS。
综上，影像组学联合临床因素的诺模图有望成为个体化评估LGG预后的简易工具。与单一序列组学特征模型相比，基于多序列影像组学模型联合组学与形态学参数、基因表型等信息进一步提高了评估LGG预后的效能。Chaddad等对107例LGG的研究显示，基于CE-T1WI和T2WI的JIM预测LGG预后价值最高（AUC为0.72），单一序列最优预测模型的AUC仅为0.69，同样单纯肿瘤体积预测效能也较差（AUC为0.46），而影像组学联合肿瘤体积则显著提高了预测生存预后能力（AUC为0.87）。最近有研究提取了长期生存和短期生存LGG病人的T2WI、FLAIR、CE-T1WI影像特征，使用RF模型训练并进行外部验证，成功进行了高危与低危组分层，非影像参数（其中IDH基因状态与LGG预后最相关）与其结合则优化了评估能力。
沪公网安备 31010902002902号
