基于形态学影像组学特征与表面规则性量化分析实现脑膜瘤术前无创分级预测

　　为解决脑膜瘤术前分级难题，本研究通过量化对比增强T1w MRI的形态学影像组学特征（球形度、扁平度、伸长率）和表面规则性（SR），发现这些参数与WHO分级和增殖活性显著负相关，SR和球形度可有效区分所有三级脑膜瘤，为无创分级提供了新策略。

　　

脑膜瘤是最常见的颅内肿瘤，其治疗策略和预后高度依赖于肿瘤的增殖活性和组织学分级。世界卫生组织（WHO）将脑膜瘤分为良性（1级）、非典型（2级）和间变性（3级）三类。目前，肿瘤分级和切除范围是评估复发风险的主要依据，但分级依赖有创的组织病理学检查，尤其是对有丝分裂活性的量化需要活检材料。因此，开发无创的术前分级方法对于优化治疗决策、改善患者预后具有重要意义。

近年来，医学影像技术的进步为无创肿瘤评估提供了新途径。先前研究表明，高级别脑膜瘤在MRI上常表现为不规则形状、异质性对比增强和瘤周水肿，但这些特征多为主观评估，缺乏客观量化标准。表面规则性（Surface Regularity, SR）是一种量化肿瘤体积与理想球体表面偏差的指标，已在胶质母细胞瘤中被证明是生存预测的独立因素。类似地，影像组学特征如球形度（sphericity）、扁平度（flatness）和伸长率（elongation）可客观描述肿瘤形态，但既往研究多局限于区分低级别与高级别脑膜瘤，未能进一步区分非典型与间变性亚型。为此，Martin Diebold等人在《Clinical Neuroradiology》发表了一项研究，探讨了基于形态学的影像组学特征和SR作为无创生物标志物，用于预测所有三级脑膜瘤分级的潜力。

研究采用回顾性单中心设计，从三级转诊中心的MRI数据库中筛选出经组织病理学确认、未经治疗的颅内脑膜瘤患者，所有患者均具备术前各向同性对比增强T1加权MRI序列。排除标准包括图像质量差、肿瘤位于眼眶、桥小脑角或颅颈交界处等影响分割质量的病例。最终纳入152例患者，其中WHO 1级62例、2级71例、3级19例。图像后处理使用NORA平台进行，由经验丰富的神经放射科医师手动分割对比增强肿瘤成分，并基于三维分割计算SR和影像组学特征。SR计算公式为S_R=6√π?TV/√(TS)³，其中TV为总体积（cm³），TS为总表面积（cm²）。影像组学特征通过PyRadiomics 3.1.0提取，重点分析球形度、扁平度和伸长率三个与肿瘤大小无关的相对值。组织病理学评估包括有丝分裂指数、邻近组织浸润和分子标记检测，所有样本均按WHO CNS肿瘤分类标准进行分级。统计分析采用GraphPad Prism，使用线性回归模型评估有丝分裂率与影像学参数的相关性，t检验和ANOVA比较组间差异，ROC曲线分析诊断效能。

表面特性与增殖活性和肿瘤分级的相关性

线性回归分析显示，有丝分裂率与SR（R²=0.056, p=0.0063）、球形度（R²=0.08484, p=0.0017）、扁平度（R²=0.078, p=0.0025）和伸长率（R²=0.077, p=0.0029）均呈显著负相关，表明增殖活性越高，肿瘤形状越不规则。

不同WHO分级的形态学参数差异

单因素ANOVA显示，SR、球形度、扁平度和伸长率在三级脑膜瘤间均有显著差异（p<0.0001）。两两比较中，SR和球形度能显著区分1级与2级（p=0.015和p=0.001）、1级与3级（p<0.0001）以及2级与3级（p=0.0024和p=0.008），均值随分级升高而降低（SR: 0.59、0.55、0.45；球形度: 0.69、0.63、0.55）。扁平度和伸长率虽不能区分1级与2级（p=0.37和p=0.16），但能有效区分1级与3级（p=0.0003和p=0.0008）及2级与3级（p=0.0013和p=0.0008）。

诊断效能分析

ROC曲线表明，SR和球形度在区分1级与3级脑膜瘤时表现最佳（AUROC分别为0.88和0.91），在区分2级与3级时也具有良好的判别能力（AUROC均为0.79）。然而，在区分1级与高级别（2级+3级）时，SR和球形度的效能一般（AUROC 0.75和0.79），而扁平度和伸长率判别能力较弱（AUROC 0.62和0.64）。研究还提出了参数截断值：SR>0.5和球形度>0.6有助于识别1级肿瘤，SR<0.45、球形度<0.50、扁平度<0.6或伸长率<0.8有助于识别3级肿瘤。

本研究证实，基于常规对比增强T1w MRI的形态学影像组学特征（尤其是球形度）和SR可作为脑膜瘤术前无创分级的有效生物标志物。这些参数与肿瘤增殖活性显著相关，且能区分所有三级脑膜瘤，其中SR和球形度在鉴别间变性脑膜瘤方面表现尤为突出。这一发现具有重要临床意义：首先，它为无法获取组织样本的患者（如偶然发现的无症状患者或手术禁忌者）提供了分级替代方案；其次，有助于术前规划切除范围和辅助治疗策略，例如间变性脑膜瘤术后需辅以放疗，而非典型脑膜瘤的治疗决策则更具争议性；此外，这些参数易于计算、与扫描设备和造影动力学无关，具有良好的通用性和可解释性。

研究的局限性包括回顾性设计、样本中间变性脑膜瘤数量相对较少以及未在多中心队列中验证截断值。未来研究可整合多参数MRI序列（如灌注和扩散成像）或分子标记，以进一步提升分级预测的准确性。总之，该研究推进了脑膜瘤无创诊断领域的发展，为个性化治疗决策提供了实用工具。