江苏大学附属医院放射科等团队：基于超体素的多模态MRI生物标志物揭示高级别胶质瘤的肿瘤异质性，用于预后分层及治疗反应预测
01
文献学习
今天分享的文献是由江苏大学附属医院放射科等团队于2026年4月在肿瘤学领域顶刊《npj Precision Oncology》（中科院1区top，IF=8）上发表的研究”Supervoxel-based multimodal MRI biomarkers reveal tumor heterogeneity in high-grade glioma for prognostic stratification and therapy response prediction“即基于超体素的多模态MRI生物标志物揭示高级别胶质瘤的肿瘤异质性，用于预后分层及治疗反应预测，该研究前瞻性纳入221例高级别胶质瘤（HGG）患者，基于扩散加权成像（DWI）和动态对比增强（DCE）MRI，采用超体素（supervoxel）聚类方法，识别出四种具有不同影像特征的肿瘤亚区（DECV1-4）。其中DECV4（低ADC、缓慢强化）与肿瘤侵袭性和治疗抵抗密切相关。进一步聚类分析将患者分为两种DECV表型，表型II（高DECV4比例）预后显著更差。DECV表型被证实为独立于传统分子标志物的预后因素，并在独立验证队列中得到验证。
创新点：①多维异质性融合：将扩散与灌注成像在超体素层面整合，构建增殖细胞-微血管复合结构，突破传统单维分析局限。②精细亚区分型：识别四种DECV亚区，发现DECV4（低ADC+缓慢强化）与肿瘤侵袭性和治疗抵抗密切相关。③表型预后分层：基于DECV体积比例聚类得到两种表型，优于传统ADC/DCE单模态影像，独立预测生存结局。
临床价值：①无创生物标志物：提供非侵入性影像标志物表征肿瘤异质性，避免活检风险，适用于多中心重复验证。②精准预后分层：DECV表型能独立预测PFS和OS，辅助临床制定个体化治疗与随访方案。③指导治疗决策：DECV4微血管成分对放化疗抵抗，可指导靶向切除、放疗剂量调整及联合用药策略。
图 5：基于栖息地成像的HGG肿瘤异质性分析研究流程
A：MRI数据采集与亚区鉴定
流程：MRI数据（ADC+DCE）采集→图像配准/分割→多参数图生成→超体素融合→UMAP降维+k-means聚类→DECV亚区→2D/3D栖息地图。
队列：分发现队列（n=140）、验证队列（n=81）、探索队列（n=23）。
B：DECV亚区特征分析
分析4个DECV亚区的内部相互关系、与临床特征/肿瘤体积/分子特征的外部关联，解析亚区生物学意义。
C：影像表型鉴定与预后预测
流程：亚区占比聚类→DECV表型→风险分层→K-M生存分析→C-index效能验证→多源模型（临床+分子+影像）优化。
D：肿瘤亚区治疗反应评估
流程：探索队列放化疗前后MRI对比→各DECV亚区体积/成分变化→耐药机制分析。
02
研究背景和目的
研究背景
高分级胶质瘤（HGG）是中枢神经系统最具侵袭性的恶性肿瘤之一，其显著的生物学异质性是导致预后不良、治疗抵抗和高复发率的核心原因。既往研究多采用单一维度的影像技术（如弥散加权成像DWI或灌注加权成像PWI）分别评估肿瘤细胞增殖或微血管特征，但肿瘤异质性本质上是多维交织的复杂现象，增殖肿瘤细胞与肿瘤相关微血管作为肿瘤微环境（TME）的核心组成部分，二者通过信号通路交互作用共同驱动肿瘤进展、免疫逃逸和治疗抵抗。然而，现有研究缺乏对这两大核心成分进行同步、定量、空间整合的分析框架，难以全面揭示HGG的内部异质性及其生物学行为。因此，迫切需要发展一种能够融合多模态MRI信息、在体刻画肿瘤亚区域异质性的新方法，为深入理解HGG的病理生理机制、改善预后分层和指导个体化治疗提供理论依据和影像学生物标志物。
研究目的
本研究旨在开发一种基于超体素（supervoxel）的多模态MRI分析框架，通过整合弥散加权成像（DWI）和动态对比增强（DCE）序列，定量解析HGG中增殖肿瘤细胞与微血管构成的复合组织亚区域，并将其定义为密度-增强复合体素（DECV）。研究首先识别并验证四个具有不同影像特征的DECV亚区域（DECV1-4），随后分析各亚区域与肿瘤分子标志物（如Ki-67、MGMT甲基化、IDH-1状态等）的关联。进一步通过无监督聚类，根据DECV体积比例将患者划分为不同DECV表型，评估其与无进展生存期（PFS）和总生存期（OS）的关系，并验证其作为独立预后因子的效能。此外，研究还探索DECV亚区域对放化疗的响应模式，旨在建立一种非侵入性、可重复的影像生物标志物，用于HGG的预后分层和个体化治疗决策优化。
03
数据和方法
研究数据
总样本量：221例HGG患者（WHO III/IV级）
发现队列：140例（江苏大学附属医院、江苏大学附属人民医院）
验证队列：81例（扬州大学附属医院、江苏大学附属宜兴医院）
探索队列：23例（来自上述两队列中初诊不可手术、经术前放化疗后手术的患者）
数据来源：4家独立医疗机构，3.0T MRI，包括T1WI、T2WI、FLAIR、多b值DWI、DCE序列
随访：3年生存随访，主要终点为无进展生存期（PFS）和总生存期（OS）
技术方法
影像预处理：刚性配准、重采样至1×1×1 mm³，半自动勾画增强肿瘤区域。
参数图生成：
ADC图（反映细胞密度）
DCE参数图：Speak、Sfinal、Slope1（洗入率）、Slope2（洗出率）
超体素生成：3D SLIC算法，融合5个参数图。
亚区识别：UMAP降维+ k-means聚类，确定4个DECV亚区。
表型聚类：基于DECV亚区体积比例，采用层次聚类（Euclidean距离）识别影像表型。
统计分析：
Kaplan-Meier生存曲线 + log-rank检验
Cox比例风险模型（单因素+多因素）
C-index、NRI（净重新分类指数）
治疗反应：肿瘤缩小率与DECV比例的相关性（Spearman相关）
04
实验结果
①四种DECV亚区：基于超体素聚类分析，HGG肿瘤内可稳定识别出四种影像亚区（DECV1-4）。其中DECV1表现为高ADC与快速下降强化，DECV2为高ADC与快速平台型强化，DECV3为低ADC与慢速平台型强化，DECV4则为低ADC与缓慢渐进强化。DECV4提示高细胞密度与复杂微血管结构，代表最具侵袭潜能的肿瘤亚区。
②DECV4与侵袭性分子特征：DECV4的体积比例与HGG的高侵袭性分子标志物显著相关。Ki-67高表达组和MGMT低甲基化组的DECV4比例显著高于对照组（p<0.05）。此外，DECV4比例高于中位数的患者中，p53高表达、IDH-1野生型及WHO IV级所占比例更高，而其他DECV亚区未见此类关联。
③两种DECV表型及预后：基于DECV亚区体积比例的层次聚类将患者分为DECV表型I（DECV4比例中位10.2%）与表型II（DECV4比例中位39.6%）。Kaplan-Meier分析显示，表型I的无进展生存期和总生存期均显著长于表型II（p<0.001），提示高DECV4比例与不良预后密切相关。
④独立预后价值：多因素Cox回归分析表明，DECV表型是HGG患者PFS和OS的独立预后因子，其预测能力优于传统ADC或DCE单维影像表型。净重新分类指数（NRI）证实，DECV表型显著改善了生存风险分层效果（NRI达0.224-0.406），并在独立验证队列中得到一致性验证。
⑤治疗反应分析：在探索性队列中，DECV4体积比例与肿瘤缩小率呈显著负相关（ρ=-0.778，p<0.001）。进一步分析显示，DECV4内的微血管成分对放化疗高度抵抗（中位变化仅0.04%），而细胞成分部分响应；与之相比，DECV1-3的细胞与微血管成分均呈现异步性退缩。
图 1：高级别胶质瘤肿瘤亚区鉴定与亚区特征定量分析
图 2：DECV4与高级别胶质瘤分子特征的关联
图 3：高级别胶质瘤影像表型鉴定与临床特征比较
图 4：高级别胶质瘤肿瘤亚区的治疗反应
05
研究结论
该研究通过超体素框架整合弥散加权成像（DWI）和动态对比增强（DCE）MRI，在高级别胶质瘤（HGG）中识别出四种具有不同成像特征的肿瘤亚区（DECV1-4）。核心结论是：DECV4亚区（表现为低ADC值和渐进性强化）与肿瘤侵袭性、治疗抵抗及不良预后密切相关，其体积比例在Ki-67高表达、MGMT低甲基化等恶性分子特征中显著升高。基于DECV亚区比例的无监督聚类进一步将患者分为两种表型，DECV表型II（高DECV4比例）的无进展生存期和总生存期均显著缩短，且DECV表型被证实为独立预后因子，其分层能力优于传统单维影像标志物，并在独立验证队列中得到重复。治疗反应分析显示，DECV4的微血管成分对放化疗高度抵抗，而DECV1-3中肿瘤细胞与微血管成分呈异步消退。整合临床、分子及DECV表型的多源信息模型获得了最高的预后预测效能（C-index：PFS 0.84–0.86，OS 0.80–0.83）。综上，DECV-based影像表型为HGG异质性提供了非侵入性、多维度的生物标志物，有望优化预后分层与个体化治疗决策。
参考文献：Zhu Y, Zhu X, Huang D, Ji Y, Wang R, Li Y, Xu Y, Luo Y, Zhuang Y, Liu Z, Wang W, Zhang S, Li Y. Supervoxel-based multimodal MRI biomarkers reveal tumor heterogeneity in high-grade glioma for prognostic stratification and therapy response prediction. NPJ Precis Oncol. 2026 Apr 17. doi: 10.1038/s41698-026-01423-z.