
胶质瘤是最常见的颅内原发性肿瘤,影像学检查对于胶质瘤的诊断具有非常重要的临床意义,例如MRI、CT和PET等。影像组学是人工智能与医学影像大数据结合的新技术,它从海量数据中高效挖掘并整合大量高级影像特征,并建立预测模型。针对影像组学的临床应用,本文分别从胶质瘤分级、预测基因表达、鉴别诊断、预后评估四个方面,阐述影像组学在胶质瘤诊断中的应用。
版权归中华医学会所有。
未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
除非特别声明,本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
胶质瘤(glioma)是最常见的颅内原发性肿瘤[1],多呈浸润性生长,临床表现为突发癫痫、头痛、呕吐和意识改变等症状[2]。组织学上,它们表现出胶质细胞的特征,通常根据这些相似性进行分类[3]。传统上,胶质瘤被分为WHO Ⅰ~Ⅱ级低级别胶质瘤(LGG)和WHO Ⅲ~Ⅳ级高级别胶质瘤(HGG)[4]。2021年世界卫生组织第五版中枢系统肿瘤分类(WHO CNS5J)对多种肿瘤和亚型重新定义,并支持使用阿拉伯数字进行分级(下文将使用阿拉伯数字阐述),另外,"间变性星形细胞瘤"和"间变性少突胶质细胞瘤"将不在这一分类中出现,所有异柠檬酸脱氢酶(isocitric dehydrogenase,IDH)突变型弥漫性星形细胞肿瘤被认为是单一类型(星形细胞瘤,IDH突变型),然后被分为中枢神经系统(central nervous system,CNS)WHOⅡ级、Ⅲ级或Ⅳ级[5]。多形性胶质母细胞瘤(GBM,WHOⅣ级)是最具侵袭性的胶质瘤类型,预后差,治疗方案包括手术、化疗和放疗[6,7]。即使在多模式治疗后,5年生存率<5%[8]。目前MRI仍是GBM诊断和监测的首选检查方式[9]。





















