T1 と T2 の加重信号強度比と T1 および T2 緩和時間および神経膠腫における IDH 変異状態との相関。

患者グループ

この研究は、旭川医科大学病院 (承認番号 21041) および大阪国際がん研究所 (番号 1612065191) の治験審査委員会によって承認されました。 遡及的に収集されたデータに対する書面によるインフォームド コンセントの要件は免除されました。 将来のリクルートグループの患者には詳細な説明が提供され、各患者またはその家族から書面によるインフォームドコンセントが得られました。 調査は、関連するすべての現地のガイドラインと規制、およびヘルシンキ宣言の原則に従って実施されました。

最初に、組織学的にLrGGから以前に公開されたT1およびT2緩和測定データを再分析しました。¹⁶ そして、T1 および T2 弛緩測定データを rT1/T2 と比較します (再分析されたグループ、図 1)。 T1 および T2 弛緩の測定は、9 人の神経膠腫患者の MP2RAGE および T2 強調マルチエコー画像を使用して実行されました。 したがって、これら9人の患者のrT1 / T2データとともにT1およびT2緩和スケールにアクセスし、K27M変異腫瘍を持つ1人の患者を除外した後、分析に8人のデータを含めることができます.¹⁶.

次に、3つのグループの新しいセットを準備し、2段階の研究を実行しました（図1）。 最初のグループ (探索的コホート) は、組織学的および分子的に確認された 25 の LrGG (IDHwt: 8、IDHmt: 17) で構成され、旭川医科大学病院 (AMUH) で治療されました。 2 番目と 3 番目のコホートは、検証グループとして使用されました。 検証セット 1 は、大阪国際がん研究所 (OICI) からの 29 人の患者 (IDHwt: 13、IDHmt: 16) で構成され、Cancer Imaging Archive (TCIA)/Cancer からの 101 人の患者 (IDHwt: 19、IDHmt: 82) の検証セット II で構成されました。 Genome Atlas Low-grade Glioma Group (TCGA) データセット、2020 年 2 月 1 日にアクセス^20、21. 検証コホート 1 は「ローカル」コホートと見なすことができ、検証コホート 2 は「国際」検証コホートと見なすことができます。

病理診断は、中枢神経系腫瘍の 2016 年 WHO 分類に基づいています。²². 現在の集団における IDHwt 腫瘍は、2021 年の WHO 分類システムに従って完全に特徴付けることはできません。 タルト プロモーターブーム、 EGFR 遺伝子増幅は行われず、染色体のコピー数に +7/-10 の変化がありました。 包含基準は、T1WI および T2WI の利用可能性でした。 画像の共同登録に失敗した患者、または不十分な画像または非定型の画像 (例: 腫瘍出血を伴う) は除外されました。 表S1は、3つのコホートすべての詳細情報を提供します。

遺伝子解析

2 つの研究所が神経膠腫組織の遺伝子解析を実施しました。 検証コホート 1. のバイオ免疫蛍光検出 IDH1 探索的グループに対して突然変異が実行され、サンガーシーケンスが実行されて、ホットスポット突然変異が検出されました。 IDH1/2 (のコドン132 IDH1 のコドン 172 IDH2) 検証セット 1 の場合³. の IDH TCIA/TCGA データセットの腫瘍の変異状態は、Ceccarelli らの報告から得られました。²³.

画像再構成 T1w/T2w (rT1/T2)

表 S1 に、MRI 取得パラメータの詳細を示します。 探索セットの画像のほとんどは General Electric 3 T スキャナー (シカゴ、イリノイ、米国) で取得され、検証セット 1 の画像は Siemens 3 T スキャナー (Erlangen、ドイツ) で取得されました。 TCIA キット (検証キット 2) の画像は、1.5 および 3 T MRI ベンダーのスキャナーによって取得されました。 T1WI および T2WI は、Mango ソフトウェア (バージョン 4.0.1; University of Texas Health Science Center, https://ric.uthscsa.edu/mango/mango.html、2022 年 3 月 6 日にアクセス)。 T1WI と T2WI から rT1/T2 画像を再構築するアルゴリズムを含む社内のイメージング ソフトウェアを使用しました。²⁴. rT1/T2 を計算するためのアルゴリズムと MATLAB コードは、Ganzetti らによって開発された SPM12 用のオープン ソース ツールボックスとして入手できます。 (https://www.nitrc.org/projects/mrtool/、2022 年 3 月 6 日にアクセス)¹⁸. 再構成分析の詳細は、以前にガンゼッティらによって報告されました。¹⁸. 再構成は、最初に SPM12 (https://www.fil.ion.ucl.ac.uk/spm/、2022 年 3 月 6 日にアクセス)。 密度ヒストグラムは、脳脊髄液、骨、軟部組織などの非脳組織から抽出された強度に基づいて調整されました。 最後に、処理された T2WI が記録され、処理された T1WI によって分割され、NIfTI「解剖学的スキャナー」座標系を使用して rT1/T2 画像が作成されました (図 2)。

スタディ全体のワークフロー。 T1WI と T2WI の信号強度比 (rT1/T2) は、バイアス フィールド補正とヒストグラム マッチングによる画像の正規化の後、T1 と T2 の重み付けされた画像から計算されました。 Voxels-of-Interests (VOI) は、T2 強調画像上の病理学的病変の高密度領域に基づいて手動で決定され、続いて VOI 内の平均 rT1/T2 が測定されました。

MP2RAGE および T2WI ポリエコーの T1 および T2 緩和の測定

イメージングは​​、3D MRIスキャナー（Prisma; Siemens Healthcare、Erlangen、Germany）で実行されました。 MP2RAGE画像をT1緩和時間マップに変換することにより、T1緩和測定を行った。 マルチエコーＴ２強調画像をＴ１緩和時間マップに変換することにより、Ｔ２緩和測定を行った。 どちらの場合も、リラクゼーション測定はベイジアン推論モデリング (Olea Nova +; Canon Medical Systems、栃木、日本) によって行われました。 より技術的な詳細は以前に報告されました¹⁶.

対象のボクセル セグメンテーション (VOI) と平均 rT1/T2 の計算。

6 年間の神経外科経験を持つ著者 1 は、ITK-SNAP (バージョン 3.8.0、バージョン 3.8.0、 http://www.itksnap.org、2022 年 3 月 6 日にアクセス)。 VOIは、病理学的に高密度の領域を視覚的に識別してT2WI上に設計され、あいまいで異常な病変を可能な限り回避しました（図S1）。 脳神経外科で22年の経験を持つ最後の著者は、VOIを評価し、その位置を確認するか、調整を要求しました（5つのVOIで発生しました）（表S1）。 サイコロの類似係数は、これらの VOI で 0.52 から 0.81 の範囲でした (TCIA-00067、TCIA-00071、TCIA-00110、TCIA-00111、TCIA-00113)。 この手順は、「一般アフィン変換」NIfTI 座標系を使用して T2WI で実行されました。

次に、各 rT1/T2 画像を NIfTI 一般変換座標系の T2WI と組み合わせて、NIfTI の「解剖学的スキャナー」座標系に記録しました。神経学的研究、共同記録、および埋め込み ROI (VINCI; Max Planck Institute for Neurological Research Cologne) でボリューム イメージングを使用します。 、ドイツ）、 http://www.nf.mpg.de/vinci3/、2022 年 3 月 6 日にアクセス)、NIfTI の「General Avene Transform」座標系を使用したさらなる分析を確実にするため (図 S2)。 次に、3D VOIをrT1 / T2画像に適用して、VOI内の平均rT1 / T2（mrT1 / T2）を計算しました（図2）。 そのようなデータが利用可能な場合、VOIはT1およびT2緩和時間マップにも適用されました。

画像特徴抽出

画像の特徴は、前述の方法に従ってT1WIおよびT2WIから抽出されました²⁵. T1WI と T2WI は、信号の上位 0.1% をカットした後、256 レベルのグレースケール画像に変換されました。 rT1/T2 画像は定量的な性質のものであるため、この手順は実行されませんでした。 一次テクスチャの特徴は、T1WI、T2WI、および rT1/T2 画像の VOI 内の 256 レベルのグレースケール ヒストグラムに基づいて計算されました。 二次テクスチャ機能は、グレー レベル共起マトリックス (GLGM) およびグレー レベル ランレングス マトリックス (GLRLM) 分析で測定されました。 合計で、各画像から 49 の画像特徴が抽出されました (表 S2)。 抽出された画像特徴の詳細は、以前に提供されています²⁵. テクスチャ機能は、グループ間の画像プロパティを比較するためにのみ使用され、予測には使用されませんでした IDH ブームケース。 これらの多基準変数には、信頼できる予測モデルを構築するための大規模なトレーニング データ セットが必要です。

Neighborhood Distributed (t-SNE) の統計分析と確率分布

統計分析は、macOS 用の Prism 9 (GraphPad Software、米国カリフォルニア州サンディエゴ) を使用して実行されました。 mrT1/T2 と mrT1/T2 の関係 IDH 変異状態は、Mann-Whitney U 検定と受信者動作特性 (ROC) 曲線分析によって調査されました。 a s0.05 未満の値は有意と見なされました。 t-Distributed Stochastic Neighbor Embedding (t-SNE) 分析を使用して、MRI 特性の違いと 3 つのグループ間の特性を調査しました。 R 用の Rtsne パッケージ バージョン 0.15 を、この分析のデフォルト パラメーターと共に使用しました (表 S3、S4、および S5)。²⁶.