【精选编译】基于深度学习的颞肌量化在GBM预后判断中的价值

英国伦敦帝国学院全球健康创新研究所的Ella Mi等开发和验证颞肌分割和量化深度学习系统，用于确定颞肌横截面积预示GBM的疾病进展和生存率。文章发表在2022年2月的《British Journal of Cancer》杂志。

——摘自文章章节

长按识别二维码查看原文

【Ref: Mi E, et al. Br J Cancer. 2022 Feb;126(2):196-203. doi: 10.1038/s41416-021-01590-9. Epub 2021 Nov 30.】

研究背景

胶质母细胞瘤（GBM）是高度侵袭性恶性脑肿瘤，5年生存率＜5%。年龄、功能状态评分、肿瘤位置、体积大小、分子和组织学特征等因素对预后均有影响，其中功能状态评分尤其重要。但功能状态评分是主观评估，准确性低，观察者的差异大，因此身体状况的客观评价指标可能有助于预后评估和治疗分层，其中肌肉减少和骨骼肌质量测量值得重视。

在常见癌症患者中，肌肉减少症与总生存期（OS）、无进展生存期（PFS）和术后结局较差以及化疗毒性均具相关性。目前肌肉厚度主要根据癌症患者影像学横断面成像进行评估。研究发现，CT扫描上L3处躯干腹部肌肉组织和腰大肌的横截面积（CSA）与多种癌症的生存率相关。GBM患者通常进行头部磁共振检查，可以从头部MRI测量肌肉减少和评估骨骼肌质量，其中研究最广泛的是颞肌宽度（temporalis muscle width，TMW），可作为骨骼肌质量指标成为GBM和脑转移瘤患者PFS和OS的预后因素。而颞肌横截面面积（CSA）可能是比颞肌宽度（TMW）更好的肌肉质量指标，但目前还没有相关依据。

研究方法

该研究使用四个不同数据集的三维（3D）头部MRI成像资料进行分割性能的培训、验证和测试，分别为2015年1月至2018年5月间三级医疗中心诊断为GBM的数据集（40例）、癌症基因组图谱（TCGA）-GBM（31例）、IVY-GAP（23例）和REMBRANDT（38例）；后三者来自癌症影像档案库。对于生存分析，头部MRI成像来自两个具有患者相应临床资料的数据集：内部胶质母细胞瘤数据集（45例）和TCGA-GBM（51例）。纳入标准是具有病理诊断的GBM患者和可用的术前头部MRI成像基线数据。所有成像均为MRI-T1增强矢状位序列。132例患者的366个2D MRI切片分为训练组（即74例患者的229个切片）、验证组（即27例患者的65个切片）和测试组（即31例患者的72个切片）。该研究训练基于Ronneberger等的2D U-net架构的深层神经网络分割颞肌；并确定96例内部和外部数据集中GBM患者颞肌CSA与生存率的关系。

研究结果

结果表明，该模型具有较高的分割精度（Dice系数0.893）。在内部GBM数据集和TCGA-GBM数据集中，中位年龄分别为55岁和58岁，男性比例分别占75.6%和64.7%。在内部GBM数据集和TCGA-GBM数据集中，CSA是生存率的一个显著的独立预测因子（前者HR=0.464；95%CI，0.218–0.988；p=0.046。后者HR=0.466；95%CI，0.235–0.925；p=0.029）。

研究结论

作者指出研究发现，颞肌CSA是GBM患者的无创性、数字化的预后标志物，通过深度学习可以自动化快速、准确地进行评估，在临床应用方便。该研究是首个证明使用深度学习生成的头/颈部肌肉源性肌肉减少指标与癌症结局有关的研究，也是最早显示基于深度学习的肌肉量化在癌症中具有预后价值的研究之一。

组稿