相關報道：[研究] 腦膠質瘤相關性癲癇產生機制的研究進展 | 於政達 路俊鋒 吳勁松
；[學術動態]中國成人腦膠質瘤相關癲癇診療指南定稿 低級別膠質瘤癲癇發病率高達65-90%
在此之前，由於經驗有限，一般醫生通過腦腫瘤的磁共振影像，很難準確預測腫瘤相關癲癇的發生風險。本項研究通過人工智能技術學習大量腦腫瘤患者的磁共振影像和臨床信息特點，深度挖掘其中關聯，從而獲得醫生難以獲得的診斷經驗。
本項研究的論文《Radiomics analysis allows for precise prediction of epilepsy in patients with low-grade gliomas》於2018年4月在線發表在國際神經影像學領域知名期刊《NeuroImage: Clinical》。研究者：劉振宇（並列一作）、王引言（並列一作）、劉幸（並列一作）、杜洋、唐振超、王凱、魏靖偉、董迪、臧亞麗、戴建平、江濤（通訊作者）、田捷（通訊作者）
據悉，癲癇發作是低級別膠質瘤最常見的首發症狀。大多數低級別膠質瘤患者在疾病過程中的不同階段會出現癲癇症狀。癲癇的出現嚴重影響病人的生活質量，且影響是深遠的。突然出現的癲癇發作可能造成人身傷害，使用抗癲癇藥物可能引起長期的認知損害。預測癲癇的發生，將可能在一定程度上減小癲癇對患者帶來的傷害。
研究內容簡介如下
影像組學作為醫工交叉的產物，其應用先進的計算機方法解決臨床具體問題。影像組學的處理流程總結歸納為以下部分：（1）影像數據的獲取；（2）腫瘤區域的標定；（3）腫瘤區域的分割；（4）特徵的提取和量化；（5）基於機器學習的分類和預測。該研究的流程圖簡單描述如下圖所示：
圖1.研究技術路線圖
作者首先使用專家標記的腫瘤感興趣區和T2加權圖像來生成一個腫瘤立方體，覆蓋腫瘤區域。然後，根據腫瘤的大小，提取三組定量特徵。
圖2.腫瘤空間位置特徵
採用多變量Logistic迴歸分析方法，以年齡、性別、組織病理學和影像組學特徵為依據。在訓練集上建立了癲癇預測模型。採用似然比檢驗，Akaike的信息準則為終止規則。該模型的分類精度為79.38%，在訓練集中AUC = 0.8754，分類精度為75.00%，在驗證集中AUC = 0.8162，具有較高的判別能力。通過圖像展示的結果也說明了影像組學特徵可以用來提高預測低級別膠質瘤病人發生癲癇的精度。如圖3所示：
圖3.腫瘤位置特徵（A）和三維影像特徵（B）的多變量分析ROC曲線（粉紅線代表訓練集中的性能，藍色線代表驗證集中的性能）。（C）最佳特徵參數選擇。（D）影像組學特徵的ROC曲線。
為了實現影像組學分析，需要選擇預測能力強的影像學特徵。本研究選取了若干三維影像特徵作為關鍵特徵。這些特徵不僅定量描述了腫瘤影像學的直觀感覺，而且反映了豐富的腫瘤異質性和微環境信息。繼而，
應用AI機器學習模型篩選出了癲癇發生的最具預測性特徵。例如，本研究提示，具有較高影像學同質性(Uniformity)的腫瘤繼發癲癇的發生風險顯著增加。
圖4.對兩例位置和體積類似的低級別膠質瘤，AI模型準確預測出其的癲癇風險。第一例的癲癇風險評分為1.1066，第二例的癲癇風險評分為-0.0970（評分以0為分界）。
在獨立驗證組的患者病例上證實，該模型可以通過病例的腫瘤影像學特徵，成功實現個體化地預測腫瘤引起患者癲癇發作的風險。進一步結合影像組學特徵和臨床特徵，作者建立出綜合預測模型，提升了臨床信息對癲癇風險的預測能力。
小結：
論文原文如下
論文原文鏈接：https://doi.org/10.1016/j.nicl.2018.04.024
《學術前沿》往期報道：
[學術前沿]腦膠質瘤診療關鍵技術創新與推廣應用介紹-江濤尤永平王偉民等 | 2017國家科技進步二等獎
[學術前沿第7期]人腦島葉“兼顧”感覺與情緒功能 清華大學王小勤團隊發佈論文首次揭示
[學術前沿第2期]探秘腦功能研究制高點 餘新光及陳霖院士團隊在國際上首次精準重建記憶環路 並發現人類存在海馬腹側聯合等可能性
[學術前沿第1期]功能磁共振定位準不準？江濤團隊在國際上首次揭示膠質瘤與運動區位置關係對於功能磁共振定位的影響 距離4mm是分水嶺
掃描二維碼獲得神外手術信息匹配
閱讀更多 神外前沿 的文章
