基于影像组学解析胶质母细胞瘤患者全身免疫状态：一项整合影像与血液免疫标志物的探索性研究

《Journal of Neuroinflammation》：Glioblastoma radiomics can delineate systemic immune activity states like blood abundance of T cell populations or transcription factors

本研究旨在探索非侵入性影像组学能否用于指示胶质母细胞瘤患者的全身免疫状态。研究人员对一组经全面免疫表型分析的临床队列（n=34）进行了回顾性分析，从肿瘤的坏死核心、对比增强边缘和T2/FLAIR高信号周围区提取影像组学特征，并将其与外周血免疫学标志物（来自流式细胞术和PCR）进行整合。通过机器学习方法，研究发现影像组学特征与血液中多种免疫细胞（如TH17、CD8+T细胞、自然杀伤细胞）及转录因子（如T-bet、RORγT）水平存在关联。这表明数据驱动的影像组学方法在描绘全身免疫状态方面具有潜力，未来或可用于患者分层及免疫治疗研究。

　　

面对胶质母细胞瘤——这种最常见、最具侵袭性的脑癌，临床医生和科学家们不仅需要攻克其在大脑中建立的顽固堡垒，还需应对它狡猾的“远程攻击”：在肿瘤局部形成免疫抑制微环境的同时，它还能引发全身性的免疫系统失调。传统的活检是了解肿瘤的“金标准”，但它是有创的，且难以频繁重复，更无法全面捕捉免疫系统在全身范围内的动态变化。那么，能否通过一种无创的方式，比如常规进行的磁共振成像（MRI），来窥探患者体内免疫系统的“风云变幻”呢？这正是影像组学（Radiomics）大展身手的领域。影像组学是一种先进、自动化的影像分析方法，它能从医学图像中提取大量人眼难以识别的数据特征模式。此前，影像组学已被证明能区分胶质母细胞瘤与其他肿瘤、识别分子特征以及判定肿瘤局部的免疫细胞浸润情况。然而，它能否同样指示全身性（即外周血）的免疫状态，仍是一个悬而未决的问题。为了解决这个问题，一个研究团队在《Journal of Neuroinflammation》上发表了一项探索性研究，他们尝试将肿瘤的影像特征与患者血液中的免疫“指纹”联系起来，为无创监测全身免疫状态开辟了新的可能性。

为了开展这项研究，研究人员采用了以下几个关键技术方法：首先，他们回顾性地收集了一个经过全面免疫表型分析（即用多种实验方法详细检测了免疫细胞和分子的种类与数量）的胶质母细胞瘤临床队列的磁共振影像数据，该队列共有34名患者。其次，他们从每例患者的肿瘤MRI图像中，定义了三个关键的形态学区域：坏死核心、对比增强边缘以及T2/FLAIR高信号周围区，并从中自动化提取了总计321个影像组学特征。最后，他们运用包括t-SNE（t-分布随机邻域嵌入）降维、层次聚类以及回归模型在内的机器学习方法，将这321个影像维度与从同一批患者外周血中测得的67个免疫学标志物（通过流式细胞术和聚合酶链式反应PCR获得）进行了整合与关联分析。

研究结果

影像组学特征与特定血液免疫标志物存在关联

通过分析，研究人员发现了一些具有提示性的关联。例如，T2高信号区域的某个影像组学变量似乎能够预测血液中辅助性T细胞17（T helper 17 cells, T_H17）的水平。而坏死核心的影像组学变量则与血液免疫细胞中RORγT（一种与T_H17细胞分化相关的转录因子）的水平以及CD15⁺髓系细胞的丰度（数量）存在明显相关性。

多变量模型可描绘主要的免疫激活参数

更为重要的是，通过整合多变量建模，研究人员发现影像组学特征能够描绘出一些关键的免疫激活参数。这些参数包括：幼稚和活化的细胞毒性T细胞（CD8⁺T cells）数量、早期分化的CD8⁺T细胞数量、CD56⁺自然杀伤细胞（Natural Killer cells）的数量，以及主导T_H1（辅助性T细胞1）极化的关键转录因子T-bet的水平。这表明，从肿瘤影像中提取的复杂特征模式，可能与全身免疫系统的激活状态存在系统性联系。

研究结论与意义

本研究在一个规模适中但免疫学特征清晰的胶质母细胞瘤队列中，首次提供了假设生成性的证据，表明数据驱动的影像组学方法有可能描绘全身免疫状态。研究者总结道，肿瘤特定区域（如坏死核心和周围水肿区）的影像纹理、形状等特征，与循环血液中特定的免疫细胞群和转录因子水平之间存在可被机器学习模型捕捉的联系。

这项探索性研究的发现具有重要的潜在意义。它提出了一种全新的、非侵入性的思路：未来，基于常规磁共振扫描的影像组学分析，或许能作为一种预测工具，间接评估胶质母细胞瘤患者的全身免疫状况。这种“影像透视免疫”的能力，在临床实践和科研中可能有多种应用场景，例如，帮助对患者进行更精细的分层（判断哪些患者可能对特定的免疫治疗有更好反应），或者作为新型免疫疗法的疗效监测与研究工具。它为个体化医疗提供了新的视角，即通过一张影像，同时评估肿瘤本身和机体的免疫应答。

当然，研究者也明确指出，鉴于本研究样本量有限、属于回顾性分析等固有局限性，目前的发现尚属初步。在迈向临床应用之前，需要在更大规模、前瞻性的队列中进行验证性研究，以确认这些关联的稳健性和普遍性。尽管如此，这项研究无疑为神经肿瘤学和肿瘤免疫学的交叉领域点亮了一个有趣的方向，将肿瘤的局部影像特征与全身性免疫系统动态连接起来，展现了多组学整合分析在理解复杂疾病中的强大潜力。