作者：张泽群，禹雯婧，术云颜，
近年来TME作为预后因子或治疗靶点受到了广泛关注，但TME高度的时间及空间异质性增加了评估和治疗的难度，且传统的侵入性检查方法存在一定风险和局限，非侵入性影像组学方法则能提供更安全、更高效的替代方案。MRI 是胶质瘤患者常规检查的一部分，已在临床中获得了广泛的应用。
影像组学可以通过传统的机器学习或深度学习方法，遵循一系列标准流程，从各种模态的图像中高通量地提取定量影像特征。影像组学作为一种无创的方法在脑胶质瘤的鉴别诊断、预测病理分级、预测基因分型、预后评估及预测肿瘤微环境等方面有着广泛应用。近年来利用影像组学预测胶质瘤肿瘤微环境已成为新的热点，在评估肿瘤细胞、预测免疫细胞浸润水平、预测TME缺氧与血管形成等方面有着越来越多的应用，但部分研究存在着样本量较小、可重复性不高、取样不准确等问题。本文就MRI 影像组学在预测脑胶质瘤肿瘤微环境中的研究进展进行综述，以期对脑胶质瘤的诊断与治疗提供指导。
1. MRI影像组学评估肿瘤细胞
有研究表明，肿瘤纯度（TP）与胶质瘤患者的肿瘤进展情况和预后相关，TP随肿瘤进展时间的延长而降低，而较低的TP往往意味着更差的预后，有研究显示与原发性胶质瘤相比，复发性胶质瘤的TP明显较低（P=1.5e-09）。有研究使用影像组学方法对TP进行评估以对肿瘤进展情况的评估和预后提供参考，研究从133例低级别胶质瘤（LGG）患者的T1 对比增强（T1CE）序列图像中提取并筛选出了11个特征并计算影像组学评分，使用单样本基因富集分析将患者分为高免疫组和低免疫组并计算2组中每个患者的肿瘤纯度评分、免疫评分和基质评分，结果显示TP较低、免疫评分与基质评分较高的高免疫组患者的影像组学评分比低免疫组更高（P<0.05）；此项研究采用了T1CE序列，可以较好地显示瘤体，但部分LGG的强化特征不明显，对瘤体特征的提取不利。CD 44和CD 133是胶质瘤干细胞常见的标志物。
Wang 等基于T2 液体衰减反转恢复加权成像（T2-FLAIR）序列提取特征建立逻辑回归模型术前预测LGG中CD44 和CD133 表达水平，结果显示模型在训练集和验证集中的都有较高的效能，CD 44模型的受试者工作特征曲线下面积（AUC）分别为0.912和0.805，CD 133 模型的AUC分别为0.912 和0.816；T2-FLAIR序列可以较容易地分辨出肿瘤区域，且作为较常规的序列，图像更易于获得，但本研究仅采用了T2-FLAIR序列，无法体现出肿瘤的强化特征，存在着一定的局限性。
以上研究表明基于MRI的影像组学可有效地评估胶质瘤肿瘤细胞，但以上研究均只采用了单个序列，采用多个序列可以为肿瘤的表征和分类提供补充信息，由此建立的影像组学模型可更加全面准确地反应肿瘤的状态，从而获得更高的预测效能。以上研究的研究对象均为LGG，针对高级别脑胶质瘤（HGG）特别是
2. MRI影像组学预测免疫细胞浸润水平
脑胶质瘤的大部分瘤体内有免疫细胞浸润，包括肿瘤相关骨髓细胞（TAMCs）、肿瘤相关中性粒细胞、T细胞、NK细胞、树突状细胞和B细胞等；免疫细胞与非免疫成分之间呈现出极为复杂的相互作用关系，这种相互作用对于构建胶质瘤高度异质性的TME具有重要意义，并且会最终加强胶质瘤的免疫抑制程度以及侵袭性；此外，这种相互作用能够引发胶质瘤对免疫疗法产生抗性；上述种种因素均会致使胶质瘤呈现出较差的预后情况。
胶质瘤中浸润的免疫细胞、免疫相关细胞以及各种非细胞成分共同构成了肿瘤的免疫微环境，对免疫微环境的监测可以有效地评估免疫疗法对胶质瘤的疗效。Wei 等研究显示基于T1WI 与T2WI 序列建立的影像组学模型可以检测GBM的免疫微环境在免疫治疗中的变化，且纹理特征在反应免疫微环境变化方面的作用较为显著。有研究将影像组学和基因组学相结合，发现影像组学特征相关基因与基因表达相关影像组学特征均能够预测胶质瘤的肿瘤免疫微环境（P<0.05）。
部分研究表明，胶质瘤中浸润的T细胞、B细胞及NK细胞有着抗肿瘤功能，而TAMCs 和肿瘤相关中性粒细胞可以促进肿瘤生长和血管形成。因此，对免疫细胞浸润水平的研究有助于开发更有效的多模式治疗方法与预测肿瘤预后。越来越多的研究表明影像组学方法可以有效地预测免疫细胞的浸润水平。Lin等研究表明基于T1 加权成像（T1WI）、T2 加权成像（T2WI）、T1CE和T2-FLAIR提取的影像组学特征可以反应胶质瘤中免疫细胞浸润的相对丰度（P<0.05）。且研究结果提示，浸润的免疫细胞的种类差异与肿瘤的恶性程度可能存在相关性。
研究中提取自强化肿瘤区域和非强化肿瘤区域的特征比提取自瘤周
Zhang 等从T1WI、T1CE和T2-FLAIR序列中提取特征建立模型以预测LGG中的免疫细胞浸润水平，结果显示基于影像组学特征估计的B细胞、CD8+T细胞、中性粒细胞和巨噬细胞的浸润水平与通过肿瘤免疫评估资源数据库估计的水平显著相关（P=0.046、0.008、0.010、0.045）；将临床/基因组参数与影像组学特征组合后的模型略微提高了预测效能，且在模型中影像组学特征仍然是免疫细胞浸润的强预测特征。但是在此研究中，测试组的相关性较训练组有所降低，这可能与纳入训练组的病例较少有关。
肿瘤相关巨噬细胞（TAM）在胶质瘤中富集，是TAMCs中数量最多的亚型之一，在肿瘤生长等过程中起着至关重要的作用。部分研究聚焦于使用影像组学方法预测胶质瘤中浸润的TAM.He 等研究显示CD40 配体的表达水平与TAM等免疫细胞的浸润水平呈正相关（P<0.05），而基于T1CE序列建立模型计算的影像组学分数与CD40配体的表达呈显著正相关（P<0.001）。Li等基于胶质瘤患者的术前T2WI 序列预测TAM的浸润，结果显示在训练集和验证集中TAM与提取到的特征均有明显且强的相关性。
Fan等基于术前T2WI序列提取影像组学生存生物标志物来预测胶质瘤中TAM的浸润水平，结果显示影像组学生存生物标志物与TAM的几乎每种组分以及各种免疫评分均呈正相关，且与TP 呈负相关。Chen等从T1CE图像中提取影像组学特征构建了称为影像组学免疫生物标志物评分的影像组学模型以预测HGG中M2表型TAM的绝对密度，结果显示在两个外部验证集中，影像组学免疫生物标志物评分与M2表型TAM的绝对密度之间存在显著的正相关，AUC分别为0.674（95% CI：0.60-0.75）和0.671（95% CI：0.46-0.88）。
Kim等基于T1CE、T2-FLAIR、来自扩散加权成像（DWI）的表观扩散系数（ADC）以及相对脑血容量建立模型以预测HGG核心肿瘤组织单位体积内肿瘤浸润免疫细胞的绝对定量，在提取特征时根据T1CE 与T2-FLAIR序列区分强化瘤体和瘤周区域，基于稀疏偏最小二乘判别分析建立预测模型，结果显示模型在预测M2表型TAM分数（AUC=0.798）等方面有着较高的效能，且考虑ADC 图可能反映了肿瘤免疫环境。
Luan等根据影像组学特征与免疫相关长链非编码RNA特征预测GBM患者的预后与TME中免疫细胞的浸润水平，研究将患者分为高风险组与低风险组，结果显示高风险组中记忆B细胞和M0表型TAM的浸润水平更高（P<0.05），而幼稚B细胞、单核细胞和M1表型TAM的浸润水平更低（P<0.05）；同时，综合影像组学特征、免疫相关长链非编码RNA特征和临床因素构建的列线图模型可以很容易地预测GBM患者的1、2和3年生存概率（P<0.05），而该模型的校准图显示出了更好的校准性能（P<0.05）。
以上研究表明基于MRI的影像组学模型在预测胶质瘤中免疫细胞尤其是TAM浸润方面取得了较大的进展，并且ADC 图像表现出了独特的优势，这可能与ADC序列可能反映了胶质瘤微观结构有关，对此值得进一步探究。将肿瘤瘤体以及周围水肿区分后提取特征建立模型为影像组学研究提供了新的思路，越来越多的研究开始将胶质瘤周围水肿区的影像组学特征纳入到研究中，并取得了一定的进展。
3. MRI影像组学预测TME缺氧与血管形成
肿瘤的快速生长常导致肿瘤供氧不足从而形成缺氧性TME，胶质瘤细胞通过启动一系列机制来适应缺氧环境并维持快速生长，其中缺氧诱导因子-1是胶质瘤肿瘤细胞缺氧反应的主要调节因子之一，缺氧诱导因子-1通路的激活可导致大量的新生血管形成并刺激肿瘤细胞耗氧量增加，从而进一步加重缺氧和缺氧诱导因子水平上升，缺氧性TME还可诱导胶质瘤细胞对化疗产生耐药性，缺氧性的TME对肿瘤中浸润的TAM也有着重要的影响，对TME中缺氧程度的评估对肿瘤性质的预测与治疗有一定的参考价值，还有研究表明缺氧可能是GBM复发的早期征象。
Stadlbauer等研究发现，影像组学特征可反应肿瘤组织的氧代谢水平，研究基于定量血氧水平依赖性（qBOLD）计算氧代谢的生物标志物图并提取“氧代谢影像组学”特征，同时建立深度学习模型鉴别GBM与
肿瘤新生血管在脑胶质瘤细胞生长过程中发挥着重要作用，与肿瘤的增殖与侵袭过程密切相关，有研究表明胶质瘤的微血管密度与患者的病理分级呈正相关。为了探究影像组学方法在预测胶质瘤血管形成方面的应用，Beig 等基于GBM患者的T1CE序列提取特征计算影像组学风险评分，分析发现影像组学风险评分与包括血管生成在内的57 种生物学行为有关，且通过单样本基因富集分析发现提取自肿瘤不同亚区的形状特征（球形、伸长和凸面）与胶质瘤细胞增殖、血管生成和细胞黏附的生物学过程相关，而提取自瘤周水肿区域的纹理特征与胶质瘤血管生成的生物学过程相关。
Wang等开发了一种基于动态增强
Qian等从LGG患者的T2WI序列中提取影像组学特征构建影像组学风险评分模型，结果显示影像组学风险评分与缺氧、血管生成和干细胞增殖等致癌功能有关的基因表达显著相关。Bailo等通过应用正电子发射断层扫描（PET）和MRI方法评估HGG中的缺氧、灌注和组织扩散并预测肿瘤的异质性，研究应用18F标记的氟氮苷PET反应组织缺氧水平，FLAIR、T1CE用于形态学评估和肿瘤分割，扩散张量成像用于检测肿瘤组织的显微结构特征，灌注加权成像用于量化肿瘤新血管生成；研究者使用自动Otsu阈值算法将3个感兴趣区中的肿瘤体素分为2个聚类并将其组合得到8个空间栖息地图谱，将图谱与活检结果及影像表现进行比较，结果显示不同栖息地可能代表了肿瘤的不同特征，如血管增生水平、坏死程度、缺氧程度、灌注水平、扩散程度、病理分型及在MRI上的表现等。
以上研究表明基于MRI的影像组学模型在评估肿瘤缺氧微环境以及血管形成中表现出了良好的性能。对比增强序列可以直观地反应肿瘤组织的血供情况，而灌注加权成像可以使胶质瘤肿瘤组织的血管血流可视化，从而直接评估胶质瘤的血管形成与供氧情况；对比常规序列，这些序列可以更加直观地反映肿瘤的缺氧水平和血管形成程度。qBOLD成像方法可以评估组织中的血氧水平，作为一种能够无创评估组织缺氧的新方法，与PET 相比有着无辐射和更为廉价的优势，将qBOLD与影像组学结合来预测TME中的缺氧水平是一种具有吸引力的选择。
4. 总结与展望
目前已有许多研究使用基于MRI的影像组学方法评估胶质瘤的TME，其中建立的大部分模型均有较好的效果。基于单一序列或检查方式的研究往往存在一定的局限性，多模态影像组学可以结合不同序列和检查方式的优点，如在部分研究中，基于PET建立的预测模型显示出了较高的效能，使用将MRI与PET等其他检查方式结合的多模态影像组学方法评估与预测胶质瘤TME值得进一步探讨。
现有的大部分研究均处于较为初级的阶段，存在样本量较小、验证组与训练组结果相差较大、实验可重复性欠佳等不足。采用多中心、大样本进行模型训练的研究有着重要的意义，大数据技术可以广泛地搜集来自不同医疗机构的大量患者信息，如影像资料、基本临床资料、病理结果、基因测序数据等，有助于更全面地了解胶质瘤TME的特征并开展更加完善的研究。但不同医疗机构的检查设备存在差异，且检查时间不一，致使所获取的影像数据在统一性方面会出现偏差。制定统一的影像数据标准并进行严格的标准化处理可减少此类因素造成的误差。
在感兴趣区的勾画环节，由于受人工勾画自身局限性的制约，最终获得的ROI 往往不够精准，这不仅可能对特征的提取产生不利影响，而且不利于保障实验的可重复性。使用公认的自动勾画程序进行勾画或者使用卷积神经网络等人工智能模型直接从图像中学习特征，能够减少主观因素的影响、提高研究的可重复性并减少勾画的工作量。研究者在对肿瘤进行采样时，因为胶质瘤的高度异质性，取得的样本往往无法全面地代表胶质瘤的整体状态，这无疑会影响对于胶质瘤整体TME的评估，一种可以全面地反应肿瘤状态且容易实施的取样方法尚未被确定。
来源：张泽群,禹雯婧,术云颜,等.MRI影像组学在预测胶质瘤肿瘤微环境中的研究进展[J].分子影像学杂志,2025,48(08):1040-1044.
我要投稿
