胶质瘤是成人中枢神经系统最常见的原发性恶性肿瘤，目前根据2021年WHO分类基于组织学和分子标记进行分层，其中IDH状态和lp19g共缺失目前代表最相关的变异。

自从这些突变被列入WHO分类以来，已经有许多人尝试寻找评估这些突变的非侵入性放射学技术。并通过先进的成像序列，如灌注加权或弥散加权成像，结果不尽相同。放射组学特征最近在非侵入性检测突变方面表现出令人信服的性能，但由于缺乏报告标准而无法常规应用。

以前的研究都集中在评估各种预处理步骤对信号强度和产生的放射组学特征的影响。尽管对放射组学预处理管道的一般步骤在临床上有一定的共识，但对于哪种具体方法可能是最适合的，仍然没有达成一致意见。以前的研究调查了强度标准化对放射组学可重复性的影响，但没有比较不同强度标准化方法对预测结果的影响脑肿瘤放射基因组表型检测的机器计算算法的有效性。

近日，发表在European Radiology杂志的一项研究评估了不同MRI强度标准化技术对基于放射组学的分子胶质瘤亚型预测模型性能的影响。

本项研究采用四种不同的方法预处理了615例新诊断的胶质瘤患者的术前MRI数据，这些患者已知异柠檬酸脱氢酶(IDH)和1p/19q状态:未标准化(naive)、N4偏置场校正(N4)、N4后进行WhiteStripe (N4/WS)或z-score标准化(N4/z-score)。从每个标准化数据中提取了377个符合图像-生物标志物-标准化-计划的放射学特征，并训练了9种不同的机器学习算法用于分子胶质瘤亚型的多类别预测(IDH-突变型1p/19q编码缺失型与IDH-突变型1p/19q非编码缺失型与IDH野生型)。外部测试在UCSF (n = 410)和TCGA (n = 160)的公开胶质瘤数据集中进行。

支持向量机在内部测试集中的宏观平均AUC分别为0.84 (naive)、0.84 (N4)、0.87 (N4/WS)和0.87 (N4/z-score)。N4/WS和z-score在外部UCSF和TCGA测试集中都优于其他方法，宏观平均AUC范围为0.85至0.87，复制了内部测试集的性能，而naive的宏观平均AUC范围为0.19至0.45，单独N4的宏观平均AUC范围为0.26至0.52。

表 按世卫组织肿瘤遗传分类划分的HD、TCGA和UCSF数据集的人口统计学数据

本项研究表明，MRI数据的强度标准化对于基于放射组学的机器学习模型的通用性至关重要。具体来说，N4/WS和N4/z-score方法都可以保持较高的模型性能，在外部异构、多机构环境中应用基于放射组学的机器学习模型时，可以产生进一步的推广性能。

原文出处：

Martha Foltyn-Dumitru,Marianne Schell,Aditya Rastogi,et al.Impact of signal intensity normalization of MRI on the generalizability of radiomic-based prediction of molecular glioma subtypes.DOI:10.1007/s00330-023-10034-2