CC BY
16
Раздел - обзоры, лекции
Радиомика и радиогеномика глиобластомы: теоретические основы и возможности клинического применения. Обзор литературы
12 12 3
' Никульшина Я.О., ' Редькин А.Н., Колпаков А.В.
воронежский государственный медицинский университет им. Н.Н. Бурденко, г. Воронеж 394036, г. ул. Студенческая, 10
Воронежский областной клинический онкологический диспансер (ВОКОД), г. Воронеж 394036, ул. Вайцеховского, 4
Московский государственный технический университет им. Н.Э. Баумана, г. Москва 105005, ул. 2-я Бауманская, д. 5, корп. 1 Информация об авторах
Никульшина Яна Олеговна - аспирант кафедры онкологии ВГМУ им. Н.Н. Бурденко, врач-радиотерапевт БУЗ ВО «ВОКОД», ORCID: https://orcid.org/0000-0003-1853-0643 Редькин Александр Николаевич - д.м.н., профессор кафедры онкологии ВГМУ им. Н.Н. Бурденко, e-mail: [email protected], ORCID: https://orcid.org/0000-0001-7901-0751 Колпаков Александр Владимирович - к.т.н., доцент кафедры «Биомедицинские технические системы» МГТУ им. Н.Э. Баумана, e-mail: [email protected], ORCID: https://orcid.org/0000-0002-8858-2214 Контактное лицо
Никульшина Яна Олеговна, e-mail: [email protected] Резюме
Глиобластома - нейроэпителиальная злокачественная опухоль головного мозга преимущественно астроцитарного происхождения с агрессивным течением и неблагоприятным прогнозом. Наиболее частыми симптомами являются головная боль, судороги,
неврологический дефицит, когнитивные и личностные нарушения. На МРТ глиобластомы проявляются в виде образования с нечетким контурами, неоднородной структуры, с зонами неравномерного накопления контрастного вещества, окружающими гипоинтенсивный некротический центр опухоли. Медиана общей выживаемости составляет 15 месяцев после комплексного лечения, что диктует необходимость разработки персонализированного подхода в диагностике и лечении глиобластом. Основной принцип радиомики предполагает извлечение большого числа количественных признаков из медицинских изображений с использованием компьютерных алгоритмов; радиогеномика является инструментом для оценки подтипа опухоли, мутационного статуса и внутриопухолевой гетерогенности, отражающей связь с прогрессированием, выживаемостью и ответом на лечение. Использование радиомики и радиогеномики при глиобластомах создает потенциал для прогнозирования выживаемости, дифференциальной диагностики глиом и других опухолей, определение степени дифференцировки Grade, выявления мутаций и амплификаций, дифференциальной диагностики псевдопрогрессии и опухолевой прогрессии, прогнозирования ответа на химиолучевое лечение. Ключевые слова: глиобластома, радиомический анализ, радиогеномика, магнитно-резонансная томография, химиолучевое лечение
Radiomics and radiogenomics of glioblastoma: theoretical foundations and clinical application possibilities. Literature review
1,2Nikulshina Y.O., 1,2Redkin A.N., 3Kolpakov A.V.
Voronezh State Medical University named after N.N. Burdenko, Voronezh 394036, Studentskaya str., 10
Voronezh Regional Clinical Oncological Dispensary, Voronezh 394036, Vaitsekhovsky str., 4
"3
Moscow State Technical University named after N.E. Bauman, Moscow 105005, 2nd Baumanskaya str., 5, building 1
Authors
Nikulshina Ya.O. - Postgraduate student of the Department of Oncology of the Voronezh State Medical University named after N.N. Burdenko, radiotherapist of the Voronezh Regional Clinical Oncological Dispensary, ORCID: https://orcid.org/0000-0003-1853-0643
Redkin A.N. - Doctor of Medical Sciences, Professor of the Department of Oncology of the Voronezh State Medical University named after N.N. Burdenko; e-mail: [email protected], ORCID: https://orcid.org/0000-0001 -7901-0751
Kolpakov A.V. - PhD, Associate Professor of the Department "Biomedical Technical Systems" of Bauman Moscow State Technical University, e-mail: [email protected], ORCID: https://orcid.org/ 0000-0002-8858-2214 Contact person
Nikulshina Ya.O., e-mail: [email protected] Summary
Glioblastoma is a neuroepithelial malignant brain tumor with an aggressive clinical course and adverse prognosis. The most common symptoms are headache, seizures, neurological deficits, cognitive and personality disorders. On MRI, glioblastomas appear as a formation with fuzzy contours, heterogeneous structure, with zones of uneven accumulation of contrast medium surrounding the hypointensive necrotic center of the tumor. The median overall survival is 15 months after complex treatment, which dictates the need to develop a personalized approach in the diagnosis and treatment of glioblastomas. The basic principle of radiomics involves extracting a large number of quantitative features from medical images using computer algorithms; radiogenomics is a tool for assessing tumor subtype, mutational status and intra-tumor heterogeneity, reflecting the relationship with progression, survival and response to treatment. The use of radiomics and radiogenomics in glioblastomas creates the potential for predicting survival, differential diagnosis of gliomas and other tumors, determining
tumor Grade, detecting mutations and amplifications, differential diagnosis of pseudoprogression and tumor progression, predicting the response to chemoradiotherapy.
Keywords: glioblastoma, radiomic analysis, radiogenomics, magnetic resonance imaging, chemoradiotherapy
Введение
Нейроэпителиальные опухоли-гетерогенная группа опухолей, включающая опухоли астроцитарного и олигодендроглиального ряда, эпендимомы, нейрональные и смешанные опухоли, а также другие более редкие новообразования [1]. Выделяют глиомы низкой степени злокачественности Grade I-II-высокодифференцированные глиомы: астроцитома, олигодендроглиома, олигоастроцитома, плеоформная ксантоастроцитома, субэпендимарная гигантоклеточная астроцитома, пилоидная астроцитома. Глиомы высокой степени злокачественности (ГВСЗ) Grade III-IV: анапластическая астроцитома, анапластическая олигоастроцитома, анапластическа олигодендроглиома и мультиформная глиобластома, являются наиболее часто встречающимися первичными злокачественными опухолями головного мозга у взрослых [1-3].
Глиобластома - это нейроэпителиальная злокачественная опухоль головного мозга преимущественно астроцитарного, реже олигодендроглиального, происхождения с агрессивным течением и крайне неблагоприятным прогнозом [2]. По данным Американского регистра опухолей нервной системы CBTRUS (Central Brain Tumor Registry of the United States), частота встречаемости глиобластом составляет 14,7% среди всех опухолей центральной нервной системы и 47,7% среди всех злокачественных опухолей головного мозга. Примерно в 5 % случаев злокачественные глиомы возникают у пациентов с редкими наследственными синдромами, такими, как нейрофиброматоз 1 и 2 типа [3, 4].
Медиана общей выживаемости при глиобластоме составляет около 15 месяцев после комплексного лечения, включающего хирургическое лечение и адъювантную химиолучевую терапию [3, 4]. Различные молекулярно-генетические характеристики ГВСЗ, внутриопухолевая гетерогенность, отсутствие учета взаимосвязи характеристик первичной опухоли и того или иного клинического исхода, высокая частота рецидивов, невозможность радикального удаления первичной опухоли объясняют сравнительно небольшую эффективность универсальных методов терапии [3, 4], что создает проблему в оказании качественной онкологической помощи и диктует необходимость разработки персонализированного подхода в диагностике и лечении глиобластом. Поэтому авторы поставили цель провести всесторонний обзор доступной научной литературы по исследованиям, изучающим роль радиомики и радиогеномики в диагностике, стратификации, прогнозировании различных исходов, а также в планировании и мониторинге лечения глиобластомы. Задачи данного обзора: изучить современную молекулярно-генетическую классификацию опухолей глиального ряда, особенности визуализации глиобластом на МР-изображениях; рассмотреть основные принципы радиомики и радиогеномики; выделить особенности радиомики глиобластом и установить их взаимосвязь с морфологическими и молекулярно-генетическими характеристиками опухоли; оценить значение радиомики и радиогеномики для прогнозирования выживаемости при глиобластоме, выявления мутаций и амплификаций, а также в предиктивном анализе ответа на химиотерапию темозоломидом и лучевую терапию; определить перспективы радиомики глиобластом с точки зрения развития прецизионной (персонифицированной) онкологической помощи. Основной материал
Клинико-морфологипческая характеристика глиобластом
Большинство глиобластом локализуется в супратенториальном отделе головного мозга (лобной, височной, теменной и затылочной долях), реже в мозжечке, стволе головного мозга и спинном мозге [5]. Глиобластомы могут развиваться de novo, как первичная глиобластома, или
в результате прогрессирования астроцитом и олигодендроглиом более низкой степени злокачественности [5].
Согласно классификации опухолей центральной нервной системы ВОЗ, глиомы классифицируются по Grade [5]. Классификация основана на выявлении в микроскопической картине морфологического препарата одного из следующих признаков: ядерная атипия, митозы, пролиферация эндотелия сосудов, некрозы. Для Grade I не характерен ни один из указанных признаков, при Grade II выявляется атипия ядер, а таже могут визуализироваться единичные митозы, Grade III характеризуется наличием фигур митозов, а Grade IV-выраженной пролиферацией эндотелия сосудов и наличием некрозов. Глиобластомы относятся к опухолям Grade IV [6].
По гистологическому строению глиобластому ранее делили на 4 подтипа: пронейральный, нейральный, классический и мезенхимальный, при этом пронейральный подтип ассоциируется с более благоприятным прогнозом у более молодых пациентов [5-7]. Со временем молекулярные биомаркеры стали играть решающую роль в гистологическом типировании и диагностике глиобластом [7-9], а также для прогнозирования выживаемости и ответа на терапию. Наиболее известным биомаркером является статус метилирования промотора гена MGMT (метилгуанин-ДНК-метилтрансферазы). Эпигенетическое подавление MGMT за счет метилирования промотора является благоприятным прогностическим показателем и связано с увеличением общей выживаемости (ОВ) у пациентов, получавших лучевую терапию и химиотерапию алкилирующими агентами (например, темозоломидом) [9]. Медиана ОВ у пациентов с MGMT-метилированными опухолями составляет 22-26 месяцев по сравнению с не-MGMT-метилированными опухолями 12-15 месяцев соответственно [10].
Другим клинически значимым биомаркером является наличие мутации в генах изоцитратдегидрогеназы IDH1 или IDH2, которая определяется примерно у 10% пациентов с глиобластомой [11, 12]. Мутантный IDH1 является метаболическим маркером вторичной
глиобластомы из-за его повсеместной экспрессии в глиомах более низкой степени злокачественности, которые, в конечном итоге, прогрессируют до глиобластомы. Учитывая растущую важность молекулярного субтипирования при глиобластоме, ВОЗ классифицировала глиобластому как глиобластому IDH-дикого типа, глиобластому IDH-мутантную и глиобластому, не определенную иначе (NOS) [11, 12].
Хотя система ВОЗ служила основным источником классификации заболеваний, в последнее время в стратификации глиобластом, с учетом большого значения молекулярного патогенеза опухолей головного мозга, в практику внедряется классификация cIMPACT-NOW (практические подходы к таксономии опухолей ЦНС) [13]. Согласно данной классификации, диагностические критерии для «диффузной астроцитарной глиомы, IDH-дикого типа, с молекулярными признаками глиобластомы IV степени по ВОЗ», диффузная астроцитарная глиома II и III гистологической степени, IDH-дикого типа, с мутацией промотора гена TERT, с приростом 7-ой или потерей 10-й хромосомы и/или наличием амплификации гена EGFR, соответствуют степени IV по ВОЗ и обозначаются как диффузная астроцитарная глиома, IDH-дикий тип, с молекулярными признаками глиобластомы, степень IV по ВОЗ [6, 14].
Клиническая картина глиобластомы варьирует в зависимости от размера и локализации опухоли, а также степени перитуморального отека и обусловлена компрессией и инфильтрацией нормальной ткани головного мозга. Наиболее частыми симптомами являются впервые возникшая головная боль и судороги, неврологический дефицит, когнитивные и личностные нарушения [5, 8, 9].
Несмотря на совершенствование методов диагностики, хирургического и химиолучевого лечения пациентов с глиобластомами, медиана общей выживаемости составляет около 15 мес. (от 12 до 17,1 мес.). В большинстве случаев длительной выживаемостью считают 36 мес. и более, считая от первого хирургического лечения. Количество больных с глиобластомой, переживших 3 года, составляет не более 15 % (от 2,2 до 21%), а 5 лет - до 5 % пациентов. После
внедрения в клиническую практику темозоломида общую двухлетнюю выживаемость удалось повысить в 2,5 раза - с 11 до 27 % [6, 15]. Особенности МР-визуализации глиобластом
Магнитно-резонансная томография (МРТ) с контрастным усилением гадолинием является золотым стандартом диагностики глиобластомы из-за проницаемости сосудов незрелой опухоли, что приводит к экстраваскулярному накоплению контрастного вещества с укорочением Т1 и усилением сигнала на Т1 -взвешенных изображениях [16, 17].
Характерно, что на МРТ глиобластомы проявляются в виде образования с нечетким контурами, неоднородной структуры, с зонами неравномерного накопления контрастного вещества, окружающими гипоинтенсивный некротический центр опухоли [16, 17]. Появление некроза, отличительного признака глиобластомы, связано как с наличием тромбированных сосудов, так и с высокой скоростью пролиферации опухолевых клеток, что приводит к крайнему несоответствию между ускоренным потреблением кислорода и дефицитом кровоснабжения [17, 18]. Также отмечается окружающий вазогенный отек с масс-эффектом, кровоизлиянием и деформацией или смещением соседних структур [16-18]. Эти особенности МР-визуализации отражают характеристики самой опухоли и ее внутреннюю организацию, а также микроокружение [18].
Поскольку МР-изображения показывают структурные изменения в опухоли, неразрывно связанные с нарушением метаболизма нормальных тканей, их количественная оценка и разработка информативных параметров МР-изображений с помощью радиомического анализа могут повысить точность определения внутриопухолевой гетерогенности и помочь в изучении патофизиологических и молекулярно-генетических механизмов конкретной опухоли [ 19, 20]. Понятия радиомика и радиогеномика
Основной принцип радиомики предполагает извлечение большого числа количественных признаков из медицинских изображений с использованием компьютерных
алгоритмов [20]. Радиомика является результатом рабочего процесса, состоящего из трех основных этапов: получение изображений, сегментация областей интереса, определение информативных признаков. Существует множество методов анализа признаков объектов на радиомических изображениях: анализ геометрических характеристик объектов, анализ характерных особенностей локальных перепадов яркостей, анализ статистических характеристик текстур и др. В результате, из одного изображения извлекается до сотни признаков. Наконец, выделенные информативные признаки, объединенные с клиническими данными, используются как исходные данные для построения классификационных или прогностических моделей [19, 21, 22]. Радиогеномика изучает возможность исследования взаимосвязи между данными методов медицинской визуализации, генетическими и общеклиническими данными пациента [19, 23] и является инструментом для оценки подтипа опухоли, мутационного статуса и внутриопухолевой гетерогенности, отражающей связь с прогрессированием опухоли, выживаемостью и ответом на терапию [19, 20, 23]. Радиомика и радиогеномика глиобластомы
Использование методов радиомики и радиогеномики при глиобластомах создает потенциал для прогнозирования выживаемости, дифференциальной диагностики глиобластомы и других внутричерепных образований (в частности, солитарных метастазов), определения степени дифференцировки Grade опухоли глиального ряда, выявления генетических изменений, дифференциальной диагностики псевдопрогрессии и опухолевой прогрессии, прогноза ответа на химиотерапию темозоломидом и лучевую терапию [6, 9-12].
Данные, полученные при МРТ головного мозга со стандартным набором импульсных последовательностей, такие как размер опухоли, расположение, характер контрастного усиления, связаны с различными гистологическими подтипами глиобластомы [24-31]. Включение более сложных радиомических характеристик, полученных с помощью программного обеспечения для обработки изображений, и сочетание передовых методов МРТ
помогает, в значительной степени, повысить точность этих моделей [28-30]. Известно, что расположение опухоли влияет на клинический исход у пациентов с глиобластомой [25-28]. «Атлас диагностической радиологии опухолей», созданный на основе данных более чем 500 пациентов с глиобластомой, показал связь между особенностями визуализации, возрастом, экспрессией определенных генов и выживаемостью [26, 29, 31]. Интересно, что в областях, расположенных ближе к субвентрикулярной зоне, были обнаружены неметилированные MGMT-, мезенхимальные и EGF^-амплифицированные опухоли [24, 26, 27-31], что подтверждает их инвазивный характер и неблагоприятный прогноз. Сравнение солитарной и мультицентричной глиобластомы выявило различные профили экспрессии генов и клинические исходы, что связано с активацией специфических генов, ответственных за инвазию опухолевых клеток при мультицентрическом типе опухоли [26, 28, 32].
Значительный объем контрастного усиления, а также некроза опухоли во время первоначальной диагностики чаще обнаруживались в глиобластомах с сигнатурой экспрессии мезенхимального типа по сравнению с опухолями, имеющими пронейральные сигнатуры [2931]. Отношение объема гиперинтенсивных зон на импульсной последовательности T2 FLAIR к суммарному объему контрастного усиления и некроза менее 2,3 позволяет предсказать мезенхимальный подтип глиобластомы с чувствительностью 82% и специфичностью 87% [27]. Классификация Grade глиобластом, радиомические критерии волюметрии опухоли, возраст пациентов, амплификация гена P53, метилирование промотора MGMT были объединены в «Атласе генома рака» (TCGA) для прогнозирования выживаемости пациентов с глиобластомой и создания моделей персонализированной терапии на основе радиогеномики [30-34].
Текстура опухоли является основным рентгенологическим признаком, используемым для фенотипирования глиобластомы. Для выделения фенотипических структурных признаков некроза, степени диффузии опухоли и отека на структурной МРТ применяется подход с использованием матрицы совпадения уровней серого (GLCM, Gray-level co-occurrence matrix).
Выявленные особенности оказались значимыми для (p <0,01) прогноза, но только в областях активной опухоли [35-38].
В исследованиях использовалась мультипараметрическая МРТ для создания более точных радиомических моделей подтипов опухолей [32, 34-38]. Rathore с соавторами использовали 267 мультипараметрических радиомических признаков на основе МРТ, извлеченных из T1, T2, T2 FLAIR, DWI и ADC-изображений, для дифференцирования трех фенотипов глиобластомы [39]. Например, солидный подтип характеризовался равномерной васкуляризацией, высокой плотностью клеток, небольшим размером перитуморального отека, четкими сферическими контурами и был связан с более благоприятным клиническим прогнозом [39].
Предиктивный анализ мутации IDH
Рекуррентные мутации в генах IDH1 и IDH2 определяют разновидность глиобластом, демонстрирующих менее агрессивное клиническое течение и лучший терапевтический ответ [40, 41]. Используя стандартный набор импульсных МР-последовательностей (T1, Т1-изображения с контрастным усилением и Т2-взвешенные изображения), Li с соавторами извлекли 1614 радиомических признаков у 225 пациентов с глиобластомой [41, 42]. Среди всех выделенных радиомических критериев функции визуализации, отражающие перитуморальный отек, наилучшим образом подходят для распознавания опухолей с мутацией IDH [42-44]. Предиктивный анализ метилирования промотора MGMT
Ген MGMT кодирует белок репарации ДНК, который, в частности, репарирует повреждения ДНК, возникающие в результате введения темозоломида [45]. В независимых клинических исследованиях показано, что уровень экспрессии MGMT обратно коррелировал с выживаемостью после лечения темозоломидом [45, 46]. Экспрессия MGMT в глиобластомах регулируется как транскрипционно, так и посттранскрипционно [45, 46]. Метилирование области промотора MGMT (MGMTp) ингибирует транскрипцию гена и, таким образом,
подавляет экспрессию гена, что повышает вероятность терапевтического ответа на темозоломид [47, 48].
Исследование Diehn с соавторами показало, что неметилированные MGMTp опухоли, как правило, демонстрируют более гомогенное контрастное усиление, в то время как при метилированных MGMTp опухолях отмечается кольцевидное накопление контрастного вещества, зоны центрального некроза, а также уменьшение зоны перитуморального отека [46].
Контрастное усиление является общей чертой большинства глиобластом. Pope с соавторами отметили более высокую экспрессию гена VEGF в глиобластомах, которые были максимально контрастированы по сравнению с теми, которые контрастировались в незначительной степени [49]. Прогнозирование клинического исхода
Вопрос индивидуального прогноза ответа на лечение и продолжительности жизни пациента является важным в клинической практике. Так, в исследованиях радиомики глиобластом более длительная общая выживаемость была связана с более высоким уровнем отношения поверхности к объему опухоли, сферической формой и краевым контрастным усилением на импульсной последовательности Т1 ВИ [50, 51].
Планирование лучевой терапии
Радиомика демонстрирует потенциал в области прецизионной лучевой терапии. Модели прогнозирования помогают оценить степень инфильтрации опухоли и определить области с более высоким риском рецидива для прицельной (стереотаксической) лучевой терапии [52]. Rathore с соавторами работали над методом оценки инфильтрации перитуморального отека с использованием радиомики путем тестирования до- и послеоперационных последовательностей МРТ у 90 пациентов с глиобластомой de novo и обнаружили, что рецидивирующие опухолевые области демонстрируют более высокую васкуляризацию по сравнению с нерецидивными областями [53]. Аналогичное исследование, проведенное на 31 пациенте с глиобластомой de
novo, подтвердило эти выводы, а также подчеркнуло важность использования методов мультипараметрического анализа паттернов для планирования целенаправленного подхода к лечению [54, 55].
Химиотерапия темозоломидом (ТМЗ)
Как алкилирующий агент ТМЗ действует путем метилирования и повреждения ДНК, предотвращая пролиферацию и индуцируя апоптоз опухолевых клеток [56, 57]. По сравнению с другими терапевтическими агентами ТМЗ является относительно проникающим через гематоэнцефалический барьер (ГЭБ) с соотношением концентрации в цереброспинальной жидкости ЦСЖ / плазме 33% [57], что является одним из факторов, повышающих его эффективность [57, 58].
Ранее предполагалось, что ТМЗ может быть менее эффективным при глиомах с преобладанием инфильтративного компонента. Это может быть связано со снижением пролиферации по сравнению с инвазией или снижением распределения лекарственного препарата в этих опухолях. По крайней мере одно исследование показало, что ТМЗ может присутствовать в более высоких концентрациях вблизи накапливающей контрастное вещество центральной части опухоли [58-60]. Таким образом, при узловом характере роста опухоли потенциальная эффективность ТМЗ повышается, в то время как в диффузных, инфильтративно растущих опухолях характер роста образования потенциально ограничивает эффективность применения ТМЗ [58-60]. Оценка ответа на лучевую терапию
Лучевая терапия играет важную роль в комплексном лечении глиом высокой степени злокачественности. В недавних исследованиях рассматривалась роль генетических маркеров для прогнозирования радиотерапевтического ответа у пациентов с глиобластомой. Объединив четыре различных эксперимента с микрочипами, Kim с соавторами построили сигнатуру прогнозирования радиотерапевтического ответа [61], содержащую 31 ген. В исследовании
Grossmann с соавторами была выдвинута гипотеза о том, что радиотерапевтический ответ пациентов с глиобластомой может быть связан с многомерной информацией в различных подобластях МР-изображений, благодаря чему была разработана радиомическая сигнатура на основе алгоритма машинного обучения для прогнозирования радиотерапевтического ответа у пациентов с глиобластомой [62].
Текстурные особенности, полученные из зоны контрастного усиления и отека вокруг очага поражения на МРТ, использовались для дифференциальной диагностики псевдопрогрессирования от истинного прогрессирования глиобластомы [63]. Радиационный некроз, одно из осложнений лучевой терапии, трудно поддающееся дифференцировке от истинного прогрессирования, может быть обнаружен с помощью классификаторов, основанных на традиционных и дельта-радиомических характеристиках, полученных с помощью МРТ [64]. Заключение
Как показал анализ научных информационных источников, радиомика и радиогеномика могут применяться для прогнозирования безрецидивной выживаемости, определения степени дифференцировки Grade глиом, выявления мутаций и амплификаций, дифференциальной диагностики псевдопрогрессии и опухолевой прогрессии, а также прогнозирования ответа на химиотерапию темозоломидом и лучевую терапию.
Таким образом, использование методов радиомики и радиогеномики создает предпосылки для более эффективной диагностики и терапии глиобластомы, облегчая персонализированный подход на различных этапах лечения. Интегративные модели, включающие клинические, молекулярно-генетические и радиомические данные, создают основу для формирования прецизионной онкологической помощи пациентам с глиобластомой. Универсальная модель лечения глиобластомы в настоящее время подвергается сомнению ввиду появления новых данных о внутриопухолевой гетерогенности, различном уровне экспрессии белков, метаболических особенностях, биохимии микроокружения и структурном составе
опухолевой ткани. Особенности гистопатологии и визуализации различаются у разных пациентов, а также пространственно в пределах одной опухоли. Поэтому новые исследования в области радиомики и радиогеномики глиом могут открыть перспективы при планировании хирургического вмешательства, оценке дозы лучевой терапии, прогнозировании эффективной дозы химиотерапевтических агентов и стратификации пациентов, благоприятно отвечающих на терапию, что, в конечном итоге, приведет к улучшению показателей выживаемости пациентов с глиомами высокой степени злокачественности.
Основным ограничением, наблюдаемым в большинстве освещенных в данном обзоре исследований, является небольшой размер выборки и ретроспективный характер исследований. Кроме того, различия в методах получения данных в разных учреждениях ограничивают возможность обобщения для разных групп пациентов, что делает актуальным дальнейший поиск в этом направлении.
Информация о конфликте интересов. Конфликт интересов отсутствует. Информация о финансовой поддержке. Данная работа не финансировалась. Список литературы
1. Голанов А.В. (ред.). Стереотаксическое облучение патологии ЦНС на аппарате КиберНож.
Москва: Издательство ИП «Т.А. Алексеева». 2017. 576 с.
2. Яковленко Ю.Г. Глиобластомы: современное состояние проблемы. Медицинский вестник
Юга России. 2019. № 4. URL: https://cyberleninka.ru/article/n/glioblastomy-sovremennoe-sostoyanie-problemy (дата обращения: 22.04.2022).
3. Omuro A., DeAngelis L.M. Glioblastoma and other malignant gliomas: a clinical review. JAMA.
2013. V. 310. No. 17. P.1842-1850. DOI: 10.1001/jama.2013.280319.
4. Ostrom Q.T., Gittleman H., Truitt G., et al. CBTRUS Statistical report: primary brain and other
central nervous system tumors diagnosed in the United States in 2011-2015. Neuro Oncol. 2018. V. 20 (Suppl. 4). P. iv1-iv86. DOI: 10.1093/neuonc/noy131.
5. Oronsky B., Reid T.R., Oronsky A., et al. A Review of Newly Diagnosed Glioblastoma. Front Oncol.
2021. V. 10. Article ID 574012. DOI: 10.3389/fonc.2020.574012.
6. Mazurowski M.A., Clark K., Czarnek N.M., et al. Radiogenomics of lower-grade glioma:
algorithmically-assessed tumor shape is associated with tumor genomic subtypes and patient outcomes in a multiinstitutional study with The Cancer Genome Atlas data. J Neurooncol. 2017. V. 133. No. 1. P. 27-35. DOI: 10.1007/s11060-017-2420-1.
7. Taha B., Boley D., Sun J., et al. State of radiomics in Glioblastoma. Neurosurgery. 2021. V. 89. No.
2. P 177-184. DOI: 10.1093/neuros/nyab124.
8. Золотова С.В., Хохлова Е.В., Беляшова А.С. и др. Исследование метаболических особенностей первичных глиобластом методом ОФЭКТ-КТ с Tc-МИБИ с оценкой их влияния на прогноз заболевания. Вопросы нейрохирургии им. Н.Н. Бурденко. 2019. № 83. С. 17-26. DOI: 10.17116/neiro20198302117.
9. Shenouda G., Souhami L., Petrecca K. et al. A phase 2 trial of neoadjuvant temozolomide followed
by hypofractionated accelerated radiation therapy with concurrent and adjuvant temozolomide for patients with glioblastoma. Int J Radiat Oncol Biol Phys. 2017. V. 97. No. 3. P. 487-494. DOI: 10.1016/j .ijrobp.2016.11.006.
10. Xi Y.B., Guo F., Xu Z.L., et al. Radiomics signature: a potential biomarker for the prediction of MGMT promoter methylation in glioblastoma. J Magn Reson Imaging. 2018. V. 47. No. 5. P. 1380-1387. DOI: 10.1002/jmri.25860.
11. Zhang X., Tian Q., Wang L., et al. Radiomics strategy for molecular subtype stratification of lowergrade glioma: detecting IDH and TP53 mutations based on multimodal MRI. J Magn Reson Imaging. 2018. V. 48. No. 4. P. 916-926. DOI: 10.1002/jmri.25960.
12. Oh S., Yeom J., Cho H.J., et al. Integrated pharmaco-proteogenomics defines two subgroups in isocitrate dehydrogenase wild-type glioblastoma with prognostic and therapeutic opportunities. Nat Commun. 2020. V. 11. Article ID 3288. DOI: 10.1038/s41467-020-17139-y.
13. Louis D.N., Perry A., Reifenberger G., et al. The 2016 World Health Organization Classification of
Tumors of the Central Nervous System: a summary. Acta Neuropathologica. 2016. V. 131. No. 6. P. 803-820. DOI: 10.1007/s00401-016-1545-1.
14. Georgescu M.M., Olar A. Genetic and histologic spatiotemporal evolution of recurrent, multifocal, multicentric and metastatic glioblastoma. Acta Neuropathol Commun. 2020. V. 8. Article ID 10. DOI: 10.1186/s40478-020-0889-x.
15. Armocida D., Pesce A., Di Giammarco F., et al. Long term survival in patients suffering from glioblastoma multiforme: a single-center observational cohort study. Diagnostics. 2019. V. 9. No. 4. Article ID 209. DOI: 10.3390/diagnostics9040209.
16. Moradmand H., Aghamiri S.M.R., Ghaderi R. Impact of image preprocessing methods on reproducibility of radiomic features in multimodal magnetic resonance imaging in glioblastoma. J Appl Clin Med Phys. 2020. V. 21. No. 1. P. 179-190. DOI: 10.1002/acm2.12795.
17. Goncalves F.G., Chawla S., Mohan S. Emerging MRI Techniques to Redefine Treatment Response in Patients with Glioblastoma. J Magn Reson Imaging. 2020. V. 52. No. 4. P. 978-997. DOI: 10.1002/jmri.27105.
18. Beig N., Bera K., Prasanna P., et al. Radiogenomic-Based survival risk stratification of tumor habitat on Gd-T1w MRI is associated with biological processes in glioblastoma. Clin Cancer Res. 2020. V. 26. No. 8. P. 1866-1876. DOI: 10.1158/1078-0432.CCR-19-2556.
19. Leger S., Zwanenburg A., Pilz K., et al. A comparative study of machine learning methods for timeto-event survival data for radiomics risk modelling. Sci Rep. 2017. V. 7. No. 1. Article ID 13206. DOI: 10.1038/s41598-017-13448-3.
20. Bisdas S., Shen H., Thust S., et al. Texture analysis and support vector machine-assisted diffusional
kurtosis imaging may allow in vivo gliomas grading and IDH-mutation status prediction: a preliminary study. Sci Rep. 2018. V. 8. No. 1. Article ID 6108. DOI: 10.1038/s41598-018-24438-4.
21. Lotan E., Jain R., Razavian N., et al. State of the Art: Machine Learning Applications in Glioma Imaging. Am J Roentgenol. 2019. V. 212. No. 1. P. 26-37. DOI: 10.2214/AJR.18.20218.
22. Lohmann P., Galldiks N., Kocher M., et al. Radiomics in neuro-oncology: Basics, workflow, and applications. Methods. 2021. V. 188. P. 112-121. DOI: 10.1016/j.ymeth.2020.06.003.
23. Tomaszewski M.R., Gillies R.J. The biological meaning of radiomic features. Radiology. 2021. Article ID 299. No. 2. Article ID E256. DOI: 10.1148/radiol.2021202553.
24. Khanna O., Kazerooni A.F., Farrell C.J., et al. Machine Learning Using Multiparametric Magnetic Resonance Imaging Radiomic Feature Analysis to Predict Ki-67 in World Health Organization Grade I Meningiomas. Neurosurgery. 2021. V. 89. No. 5. P. 928-936. DOI: 10.1093/neuros/nyab307.
25. Fathi Kazerooni A., Bakas S., Saligheh Rad H., et al. Imaging signatures of glioblastoma molecular characteristics: A radiogenomics review. J. Magn Reson. Imaging. 2020. V. 52. No. 1. P. 54-69. DOI: 10.1002/jmri.26907.
26. Zhou H., Vallieres M., Bai H.X., et al. MRI features predict survival and molecular markers in diffuse lower-grade gliomas. Neuro Oncol. 2017. V. 19. No. 6. P. 862-870. DOI: 10.1093/neuonc/now256.
27. Davatzikos C., Barnholtz-Sloan J.S., Bakas S., et al. AI-based prognostic imaging biomarkers for precision neuro-oncology: The ReSPOND consortium. Neuro Oncol. 2020. V. 22. No. 6. P. 886888. DOI: 10.1093/neuonc/noaa045.
28. Mansouri A., Hachem L.D., Mansouri S., et al. MGMT promoter methylation status testing to guide therapy for glioblastoma: Refining the approach based on emerging evidence and current challenges. Neuro Oncol. 2019. V. 21. No. 2. P. 167-178. DOI: 10.1093/neuonc/noy132.
29. Akbari H., Bakas S., Pisapia J.M., et al. In vivo evaluation of EGFRvIII mutation in primary glioblastoma patients via complex multiparametric MRI signature. Neuro Oncol. 2018. V. 20. No. 8. P. 1068-1079. DOI: 10.1093/neuonc/noy033.
30. Boxerman J.L., Quarles C.C., Hu L.S., et al. Consensus Recommendations for a Dynamic Susceptibility Contrast MRI Protocol for Use in High-Grade Gliomas. Neuro Oncol. 2020. V. 22. No. 9. P. 1262-1275. DOI: 10.1093/neuonc/noaa141.
31. Park Y.W., Han K., Ahn S.S., et al. Prediction of IDH1-mutation and 1p/19q-codeletion status using preoperative MR imaging phenotypes in lower grade gliomas. Am J. Neuroradiol. 2018. V. 39. No.1. P. 37-42. DOI: 10.3174/ajnr.A5421.
32. Haider A.S., van den Bent M., Wen P.Y., et al. Toward a standard pathological and molecular characterization of recurrent glioma in adults: A Response Assessment in Neuro-Oncology effort. Neuro Oncol. 2020. V. 22. No.4. P. 450-456. DOI: 10.1093/neuonc/noz233.
33. Bakas S., Akbari H., Pisapia J., et al. In vivo detection of EGFRvIII in glioblastoma via perfusion magnetic resonance imaging signature consistent with deep peritumoral infiltration. Clin. Cancer Res. 2017. V. 23. No. 16. P. 4724-4734. DOI: 10.1158/1078-0432.CCR-16-1871.
34. Singh G., Manjila S., Sakla N., et al. Radiomics and radiogenomics in gliomas: A contemporary update. Br. J. Cancer. 2021. V. 125. No. 5. P. 641-657. DOI: 10.1038/s41416-021-01387-w.
35. Bae S., Choi Y.S., Ahn S.S., et al. Radiomic MRI Phenotyping of Glioblastoma: Improving Survival Prediction. Radiology. 2018. V. 289. No. 3. P. 797-806. DOI: 10.1148/radiol.2018180200.
36. van Griethuysen J.M., Fedorov A., Parmar C., et al. Computational radiomics system to decode the radiographic phenotype. Cancer Res. 2017. V. 77. No. 21. P. e104-e107. DOI: 10.1158/0008-5472.CAN-17-0339.
37. Kickingereder P., Neuberger U., Bonekamp D., et al. Radiomic subtyping improves disease stratification beyond key molecular, clinical, and standard imaging characteristics in patients with glioblastoma. Neuro Oncol. 2018. V. 20. No. 6. P. 848-857. DOI: 10.1093/neuonc/nox188.
38. Aftab K., Aamir F.B., Mallick S., et al. Radiomics for precision medicine in glioblastoma. 2022. J Neurooncolog. V. 156. No. 2. P. 217-231. DOI: 10.1007/s11060-021-03933-1.
39. Rathore S., Akbari H., Rozycki M., et al. Radiomic MRI signature reveals three distinct subtypes of
glioblastoma with different clinical and molecular characteristics, offering prognostic value beyond IDH1. Sci Rep. 2018. V. 8. No. 1. Article ID 5087. DOI: 10.1038/s41598-018-22739-2.
40. Zhao J., Wang Y-L., Li X-B., et al. Comparative analysis of the diffusion kurtosis imaging and diffusion tensor imaging in grading gliomas, predicting tumour cell proliferation and IDH-1 gene mutation status. J Neurooncol. 2019. V. 141. No. 1. P. 195-203. DOI: 10.1007/s11060-018-03025-7.
41. Zhao J., Huang Y., Song Y., et al. Diagnostic accuracy and potential covariates for machine learning to identify IDH mutations in glioma patients: evidence from a meta-analysis. Eur Radiol. 2020. V. 30. No. 8. P. 4664-4674. DOI: 10.1007/s00330-020-06717-9.
42. Li L., Mu W., Wang Y., et al. A non-invasive radiomic method using 18F-FDG PET predicts isocitrate dehydrogenase genotype and prognosis in patients with glioma. Front Oncol. 2019. V. 9. Article ID 1183. DOI: 10.3389/fonc.2019.01183.
43. Choi Y.S., Bae S., Chang J.H., et al. Fully automated hybrid approach to predict the IDH mutation status of gliomas via deep learning and radiomics. Neuro Oncol. 2021. V. 23. No. 2. P. 304-313. DOI: 10.1093/neuonc/noaa177.
44. Bangalore Yogananda C.G., Shah B.R., Vejdani-Jahromi M., et al. A novel fully automated MRI-based deep-learning method for classification of IDH mutation status in brain gliomas. Neuro Oncol. 2020. V. 22. No. 3. P. 402-411. DOI: 10.1093/neuonc/noz199.
45. Nie E., Miao F., Jin X., et al. Fstl1/DIP2A/MGMT signaling pathway plays important roles in temozolomide resistance in glioblastoma. Oncogene. 2019. V. 38. No. 15. P. 2706-2721. DOI: 10.1038/s41388-018-0596-2.
46. Diehn M., Nardini C., Wang D.S., et al. Identification of noninvasive imaging surrogates for brain tumor gene-expression modules. Proc Natl Acad Sci USA. 2008. V. 105. No. 13. P. 5213-5218. DOI: 10.1073/pnas.0801279105.
47. Guo G., Sun Y., Hong R., et al. IKBKE enhances TMZchemoresistance through up regulations of MGMT expression in glioblastoma. Clin Trans Oncol. 2019. V. 22. No. 8. P 1252-1262. DOI: 10.1007/s 12094-019-02251 -3.
48. Kirstein A., Schmid T.E., Combs S.E. et al. The Role of miRNA for the Treatment of MGMT Unmethylated Glioblastoma Multiforme. Cancers (Basel). 2020. V. 12. No. 5. Article ID 1099. DOI: 10.3390/cancers12051099.
49. Pope W.B., Young J.R., Ellingson B.M. Advances in MRI assessment of gliomas and response to anti-VEGF therapy. Curr Neurol Neurosci Rep. 2011. V. 11. No. 3. P. 336-344. DOI: 10.1007/s11910-011-0179-x.
50. Bae S., Choi Y.S., Ahn S.S., et al. Radiomic MRI phenotyping of glioblastoma: Improving survival prediction. Radiology. 2018. V. 289. No. 3. P. 797-806. DOI: 10.1148/radiol.2018180200.
51. Bakas S., Shukla G., Akbari H., et al. Overall survival prediction in glioblastoma patients using structural magnetic resonance imaging (MRI): Advanced radiomic features may compensate for lack of advanced MRI modalities. J Med Imaging. 2020. V. 7. No. 3. Article ID 031505. DOI: 10.1117/1.JMI.7.3.031505.
52. Coates J.T.T., Pirovano G., El Naqa. I. Radiomic and radiogenomic modeling for radiotherapy: Strategies, pitfalls, and challenges. J Med Imaging. 2021. P. 8. No. 3. Article ID 031902. DOI: 10.1117/1.JMI.8.3.031902.
53. Rathore S., Mohan S, Bakas S., et al. Multi-institutional noninvasive in vivo characterization of IDH, 1p/19q, and EGFRvIII in glioma using neuro-Cancer Imaging Phenomics Toolkit (neuro-CaPTk). Neurooncol. Adv. 2020. V. 2 (Suppl. 4). P. iv22-iv34. DOI: 10.1093/noajnl/vdaa128.
54. Rathore S., Akbari H., Doshi J., et al. Radiomic signature of infiltration in peritumoral edema predicts subsequent recurrence in glioblastoma: implications for personalized radiotherapy planning. J Med Imaging. 2018. P. 5. No. 2. Article ID 219. DOI: 10.1117/1.JMI.5.2.021219.
55. Pan Z.-Q., Zhang S.-J., Wang X.-L., et al. Machine Learning Based on a Multiparametric and Multiregional Radiomics Signature Predicts Radiotherapeutic Response in Patients with Glioblastoma. Behav Neurol. 2020. V. 2020. Article ID 1712604. DOI: 10.1155/2020/1712604.
56. Massey S.C., White H., Whitmire P., et al. Image-based metric of invasiveness predicts response to
adjuvant temozolomide for primary glioblastoma. PLOS One. 2020. V. 15. No. 3. Article ID e0230492. DOI: 10.1371/journal.pone.0230492.
57. Stupp R., Taillibert S., Kanner A., et al. Effect of Tumor-Treating Fields Plus Maintenance Temozolomide vs Maintenance Temozolomide Alone on Survival in Patients with Glioblastoma: A Randomized Clinical Trial. JAMA. 2017. V. 318. No. 23. P. 2306-2316. DOI: 10.1001/jama.2017.18718.
58. Bhandari M., Gandhi A.K., Devnani B., et al. Comparative Study of Adjuvant Temozolomide Six Cycles Versus Extended 12 Cycles in Newly Diagnosed Glioblastoma Multiforme. J Clin Diagn Res. 2017. V. 11. No. 5. P. XC04-XC08. DOI: 10.7860/JCDR/2017/27611.9945.
59. Skardelly M., Dangel E., Gohde J., et al. Prolonged Temozolomide Maintenance Therapy in Newly Diagnosed Glioblastoma. Oncologist. 2017. V. 22. No. 5. P. 570-575. DOI: 10.1634/theoncologist.2016-0347.
60. Zanfardino M., Franzese M., Pane K., et. al. Bringing radiomics into a multi-omics framework for a comprehensive genotype-phenotype characterization of oncological diseases. J Transl Med. 2019. V. 17. No. 1. Article ID 337. DOI: 10.1186/s12967-019-2073-2.
61. Kim H.S., Kim S.C., Kim S.J., et al. Identification of a radiosensitivity signature using integrative metaanalysis of published microarray data for NCI-60 cancer cells. BMC Genomics. 2012. V. 13. Article ID 348. DOI: 10.1186/1471-2164-13-348.
62. Grossmann P., Gutman D.A., Dunn Jr. W.D., et al. Imaging-genomics reveals driving pathways of MRI derived volumetric tumor phenotype features in glioblastoma. BMC Cancer. 2016. V. 16. Article ID 611. DOI: 10.1186/s12885-016-2659-5.
63. Akbari H., Rathore S., Bakas S., et al. Histopathology-validated machine learning radiographic biomarker for noninvasive discrimination between true progression and pseudo-progression in glioblastoma. Cancer. 2020. V. 126. No. 11. P. 2625-2636. DOI: 10.1002/cncr.32790.
64. Strauss S.B., Meng A., Ebani E.J., et al. Imaging glioblastoma posttreatment: Progression, pseudoprogression, pseudoresponse, radiation necrosis. Neuroimaging Clin N Am. 2021. V. 31. No. 1. P. 103-120. DOI: 10.1016/j.nic.2020.09.010.
