超越根治性全切除（GTR）：利用深度肿瘤周围组学技术预测多形性胶质母细胞瘤患者的总生存期（OS）及O6-甲基鸟嘌呤-DNA-甲基转移酶启动子甲基化状态（MGMTpm）

《Neuroradiology》：Beyond gross total resection (GTR): Deep peritumoral radiomics for predicting overall survival (OS) and O6-methylguanine-DNA-methyltransferase promoter methylation (MGMTpm) status in glioblastoma multiforme

【字体：大中小】 时间：2026年05月19日 来源：Neuroradiology 2.6

编辑推荐：

　　摘要背景与目标多形性胶质母细胞瘤（GBM）是一种具有高度异质性的侵袭性脑肿瘤，患者的生存预后较差。传统的放射组学分析主要关注肿瘤中心区域，而新兴的手术策略（如GTR和全切除术SupTR）则强调了肿瘤周围区域的重要性。此外，由于肿瘤内部的异质性，作为指导化疗决策的关键分子生物标志物

摘要

背景与目标

多形性胶质母细胞瘤（GBM）是一种具有高度异质性的侵袭性脑肿瘤，患者的生存预后较差。传统的放射组学分析主要关注肿瘤中心区域，而新兴的手术策略（如GTR和全切除术SupTR）则强调了肿瘤周围区域的重要性。此外，由于肿瘤内部的异质性，作为指导化疗决策的关键分子生物标志物MGMTpm的检测方法具有侵入性，并且容易受到采样偏差的影响。因此，本研究探讨了术前MRI中肿瘤及其周围区域的深度放射组学特征的预后和预测价值，以改善总体生存率（OS）的预测，并实现非侵入性的MGMTpm分类。

方法

分析了520至200名GBM患者的多参数结构MRI扫描数据（T1、T1-Gd、T2和T2-FLAIR），分别用于预测总体生存率和MGMTpm状态。通过形态学膨胀技术，将肿瘤和肿瘤周围区域的分割范围从2毫米扩展到12毫米。使用ResNet50和ViT-B16模型从每位患者中提取了约11,000个深度特征，这些特征能够反映肿瘤浸润和微环境变化。采用了基于方差阈值法和递归特征消除（RFE）的混合特征选择方法，并考虑了年龄和性别等因素。支持向量机（SVM）分类器通过10折交叉验证进行训练。

结果

在总体生存率预测中，加入8毫米的肿瘤周围边界后，AUC从0.74（95%置信区间：0.69–0.80）提高到了0.76（95%置信区间：0.71–0.80）。在MGMTpm预测中，结合肿瘤及其10毫米的周围边界时，获得了最高的AUC值0.81（95%置信区间：0.77–0.86），优于仅基于肿瘤数据的模型（AUC为0.71，95%置信区间：0.65–0.77）。

结论

肿瘤周围区域包含了预后和分子信息。整合这些区域有助于提高基于放射组学的生存率和MGMTpm状态的预测准确性，从而支持其在非侵入性精准GBM管理中的作用。

背景与目标

多形性胶质母细胞瘤（GBM）是一种具有高度异质性的侵袭性脑肿瘤，患者的生存预后较差。传统的放射组学分析主要关注肿瘤中心区域，而新兴的手术策略（如GTR和全切除术SupTR）则强调了肿瘤周围区域的重要性。此外，由于肿瘤内部的异质性，作为指导化疗决策的关键分子生物标志物MGMTpm的检测方法具有侵入性，并且容易受到采样偏差的影响。因此，本研究探讨了术前MRI中肿瘤及其周围区域的深度放射组学特征的预后和预测价值，以改善总体生存率（OS）的预测，并实现非侵入性的MGMTpm分类。

方法

分析了520至200名GBM患者的多参数结构MRI扫描数据（T1、T1-Gd、T2和T2-FLAIR），分别用于预测总体生存率和MGMTpm状态。通过形态学膨胀技术，将肿瘤和肿瘤周围区域的分割范围从2毫米扩展到12毫米。使用ResNet50和ViT-B16模型从每位患者中提取了约11,000个深度特征，这些特征能够反映肿瘤浸润和微环境变化。采用了基于方差阈值法和递归特征消除（RFE）的混合特征选择方法，并考虑了年龄和性别等因素。支持向量机（SVM）分类器通过10折交叉验证进行训练。

结果

在总体生存率预测中，加入8毫米的肿瘤周围边界后，AUC从0.74（95%置信区间：0.69–0.80）提高到了0.76（95%置信区间：0.71–0.80）。在MGMTpm预测中，结合肿瘤及其10毫米的周围边界时，获得了最高的AUC值0.81（95%置信区间：0.77–0.86），优于仅基于肿瘤数据的模型（AUC为0.71，95%置信区间：0.65–0.77）。