《Biomedical Signal Processing and Control》：A one-stage multi-task network for molecular subtyping, grading, and segmentation of glioma
編輯推薦：
在臨床中，膠質瘤的診療面臨諸多難題，如分子診斷依賴有創活檢，現有深度學習方法難以滿足綜合診斷需求。研究人員開展基于多模態 MRI 的膠質瘤多任務研究。結果顯示，該方法性能優異且資源消耗少。這為膠質瘤臨床診斷提供新工具，助力精準醫療。
膠質瘤，作為大腦中最常見的原發性惡性腫瘤，一直是醫學界的一大挑戰�；颊邔χ委煹姆磻皖A后差異巨大，早期準確診斷并及時治療對他們來說至關重要。按照世界衛生組織（WHO）的腫瘤分類標準，膠質瘤依據組織學和臨床標準被分為 1 - 4 級，同時分子診斷的概念也被引入，其中異檸檬酸脫氫酶（IDH）突變狀態和 1p/19q 共缺失狀態成為關鍵的分子生物標志物。然而，目前臨床常用的獲取這些信息的方法 —— 活檢，不僅具有侵入性，耗時費力，還會給患者帶來痛苦，部分膠質瘤位置特殊，患者甚至無法進行活檢。
磁共振成像（MRI）憑借其無創的優勢，成為臨床檢測病變的重要手段。不同的 MRI 模態，如液體衰減反轉恢復成像（FLAIR）、T1 加權成像（T1）、T1 加權增強成像（T1ce）和 T2 加權成像（T2），能為醫生提供豐富的信息，幫助他們更全面地了解膠質瘤的特征。研究發現，IDH 突變的膠質瘤在 MRI 上有特定表現，如單側生長、邊界清晰、信號均勻、強化不明顯；而 IDH 野生型膠質瘤則呈現出厚且不規則的強化、壞死以及浸潤性水腫等特點。1p/19q 共缺失的膠質瘤在 MRI 上多表現為輕度強化、邊界模糊和信號不均。因此，利用 MRI 實現膠質瘤的無創術前診斷，包括腫瘤分割、分級以及分子生物標志物預測，對患者的治療和預后意義重大。
盡管卷積神經網絡在醫學圖像處理領域發展迅速，也有不少基于此的方法用于預測膠質瘤相關指標和進行腫瘤分割，但大多方法僅專注于單一任務，難以滿足臨床綜合診斷的實際需求。雖有結合分割和分類任務的研究，但常見的兩階段方法存在局限性，分割結果的準確性會顯著影響后續分類任務的性能，且無法實現端到端的流程。
為解決這些問題，來自武漢大學人民醫院等機構的研究人員開展了一項極具意義的研究。他們提出了一種單階段全自動端到端的多任務卷積神經網絡，旨在利用多模態 3D MRI 掃描，在進行膠質瘤分割的同時，預測 IDH 突變狀態、1p/19q 共缺失狀態和膠質瘤分級。該研究成果發表在《Biomedical Signal Processing and Control》上，為膠質瘤的診療開辟了新方向。
研究人員在此次研究中運用了多種關鍵技術方法。首先，構建了一個基于編碼器 - 解碼器結構的多任務網絡，該網絡包含編碼器、解碼器和掩碼多尺度融合模塊。編碼器負責提取多尺度特征，解碼器將這些特征逐步聚合以完成腫瘤分割任務，掩碼多尺度融合模塊則融合多尺度特征和分割結果進行分類。其次，引入變分自編碼器（VAE）對多任務網絡的編碼器和解碼器進行預訓練，提升網絡性能。此外，研究使用了多個數據集，包括來自公開數據集 Erasmus Glioma Database（EGD）的 774 名患者、武漢大學人民醫院的 64 名患者以及 BraTS2021 數據集的 1251 名患者，這些患者均有術前 4 種 MRI 模態掃描數據和膠質瘤區域分割標簽，部分還有腫瘤分級、IDH 突變狀態等信息。
下面來看具體的研究結果：
- 模型性能評估：研究人員使用公開數據集和當地醫院數據集對提出的方法進行評估。在公開數據集的測試集中，該方法在預測 IDH 突變狀態、1p/19q 共缺失狀態和膠質瘤分級方面，曲線下面積（AUC）分別達到 0.9851、0.7695 和 0.8949，平均骰子系數（Dice Score）為 0.8485，平均豪斯多夫距離（Hausdorff Distance）為 19.60mm；在武漢大學人民醫院的數據集中，AUC 分別為 0.9313、0.8254 和 0.8638，平均骰子系數為 0.7490，平均豪斯多夫距離為 24.50mm。這表明該方法在多任務預測和腫瘤分割方面都取得了優異的性能。
- 與其他方法對比：與現有的單階段和兩階段方法相比，該研究提出的方法不僅在性能上更勝一籌，而且在計算資源消耗上更少。這意味著在實際臨床應用中，該方法具有更高的可行性和實用性。
在研究結論和討論部分，研究人員指出，2021 年 WHO CNS5 再次強調了分子生物標志物在膠質瘤診療指南中的重要性。他們提出的網絡能夠通過術前 MRI 掃描預測膠質瘤的關鍵信息，并同時完成腫瘤區域的分割，為實現無創術前診斷提供了有力的工具。通過引入 VAE 對多任務網絡進行預訓練，進一步挖掘了無分子生物標志物和分級標簽數據的潛在價值。此次研究在多個機構的數據集上進行實驗驗證，充分證明了該方法的有效性。這一研究成果有望在臨床實踐中廣泛應用，成為膠質瘤患者診斷的有力助手，減輕患者痛苦，為膠質瘤的精準診療提供新的思路和方法，推動膠質瘤診療領域的發展。
