目的分析外周血P16、死亡相关蛋白激酶(death-associated protein kinase,DAPK)、RAS相关区域家族1A(RAS association domain family protein 1A,RASSF1A)、脆性组氨酸三联体(fragile histidine traid,FHIT)、肠腺瘤性息肉病基因(adenom...目的分析外周血P16、死亡相关蛋白激酶(death-associated protein kinase,DAPK)、RAS相关区域家族1A(RAS association domain family protein 1A,RASSF1A)、脆性组氨酸三联体(fragile histidine traid,FHIT)、肠腺瘤性息肉病基因(adenomatous polyposis coii,APC)、人类O6-甲基鸟嘌呤-DNA-甲基转移酶(human O6 methylguanine DNA methyltransfer ase,MGMT)、表皮生长因子受体(epidermal growth factor receptor,EGFR)及周期素依赖性激酶10(cyclin-dependent kinase 10,CDK10)基因启动子区CpG岛甲基化水平,探讨基于上述8个抑癌基因构建人工神经网络(artificial neural network,ANN)模型在肺癌筛查中的意义。方法选取2015-03-31-2018-11-30河南省胸科医院和郑州大学第二附属医院呼吸内科与胸外科原发性肺癌患者84例,同时选取2个医院体检健康者84例为对照组。采用实时荧光定量甲基化特异PCR(real-timefluorescent quantitative methylation-specific PCR,qMSP)法检测基因启动子区CpG岛甲基化水平。建立ANN筛查模型,Fisher判别分析模型,数据分组与ANN模型分组相同采用ROC曲线评估模型预测效果。结果小细胞肺癌组FHIT(P=0.357)、CDK10(P=0.199)、P16(P=0.275)、MGMT(P=0.887)、RASSF1A(P=0.137)、APC(P=0.248)、EGFR(P=0.083)、DAPK(P=0.993);非小细胞肺癌组FHIT(P=0.248)、CDK10(P=0.301)、P16(P=0.587)、MGMT(P=0.638)、RASSF1A(P=0.169)、APC(P=0.136)、EGFR(P=0.426)、DAPK(P=0.861)基因启动子甲基化水平高于对照组,均P<0.001。二元logistic回归分析显示年龄(OR=0.697,95%CI:0.235~2.065,P=0.315)、吸烟(OR=2.049,95%CI:1.367~3.071,P=0.031)、性别(OR=1.100,95%CI:0.568~2.131,P=0.623)、肿瘤家族史(OR=1.283,95%CI:0.759~2.168,P=0.435)、FHIT甲基化(OR=2.878,95%CI:1.921~4.313,P=0.016)、CDK10甲基化(OR=1.680,95%CI:1.241~2.273,P=0.005)、P16甲基化(OR=1.784,95%CI:1.335~2.385,P=0.010)、MGMT甲基化(OR=1.780,95%CI:1.356~2.336,P=0.013)、RASSF1A甲基化(OR=2.539,95%CI:1.427~4.517,P=0.028)、APC甲基化(OR=2.478,95%CI:1.513~4.059,P=0.001)�展开更多
文摘目的 探讨应用平均表观传播子MRI(mean apparent propagator-magnetic resonance imaging, MAP-MRI)及动态对比增强MRI(dynamic contrast enhanced magnetic resonance imaging, DCE-MRI)预测3、4级胶质瘤患者O6-甲基鸟嘌呤-DNA-甲基转移酶(O6-methylguanine-DNA methyhransferase, MGMT)启动子甲基化状态的可行性。材料与方法 前瞻性纳入本院自2018年6月至2022年1月经病理证实的14例MGMT启动子甲基化和17例MGMT启动子非甲基化胶质瘤患者,进行了术前常规MRI、DCE-MRI及MAP-MRI扫描。通过手动勾画肿瘤实质区域为感兴趣区(region of interest, ROI)并提取ROI定量参数特征,测量DCE-MRI参数及MAP-MRI参数。参数与MGMT甲基化间的相关性采用Pearson相关分析。所有参数均采用两独立样本t检验,比较DCE-MRI和MAP-MRI对预测3、4级胶质瘤MGMT启动子甲基化状态的诊断效能。进一步建立单因素和多因素logistic回归模型,分析构建受试者工作特征(receiver operating characteristic, ROC)曲线,以DeLong检验比较DCE-MRI参数、MAP-MRI参数与多参数联合模型预测MGMT甲基化的诊断效果。结果 DCE-MRI参数容积转运常数(volume transfer constant,Ktrans)、血管外细胞外容积分数(fractional volume of the extravascular-extracellular space, Ve)以及MAP-MRI参数非高斯(non-Gaussianity, NG)、非高斯轴向(non-Gaussianity axial, NGAx)、Q空间逆方差(Q-space inverse variance,QIV)、返回原点概率(return to the origin probability, RTOP)、返回轴线概率(return to the axis probability,RTAP)与MGMT启动子甲基化间呈中等相关性,对预测3、4级胶质瘤MGMT启动子甲基化与非甲基化组间差异具有统计学意义(P<0.05);ROC曲线下面积(area under the curve, AUC)分别为0.803、0.815、0.807、0.803、0.765、0.790、0.739。多因素logistic分析显示Ve是预测MGMT启动子甲基化的最佳预测因子,其准确性最高,AUC为0.815(95%CI:0.659~0.971),比值比(odds ratio, OR)为0.891(95%CI:0.815~0.975)。DeLong检验�
文摘目的 探讨基于多序列MRI的卷积神经网络模型预测脑胶质瘤O6-甲基鸟嘌呤-DNA-甲基转移酶(O6-methylguanine-DNA methyltransferase, MGMT)启动子甲基化状态的价值。材料与方法 回顾性分析宁夏医科大学总医院2015年11月至2022年6月经手术病理证实的161例胶质瘤患者的临床及MRI影像资料,其中MGMT启动子甲基化型80例,未甲基化型81例。收集术前MRI的T2WI、T2液体衰减反转恢复(T2 fluid attenuated inversion recovery, T2-FLAIR)及对比增强T1WI (contrast enhanced T1WI, CE-T1WI)序列,对所有图像预处理后,勾画感兴趣区(region of interest, ROI)。对图像进行标注后按照7∶3随机分为训练集和验证集。使用34层残差神经网络(34-layer-residual convolutional neural network, ResNet34)分别建立基于T2WI、T2-FLAIR、CE-T1WI的单序列模型T2-net、T2f-net、TC-net和多序列融合模型TS-net,预测MGMT启动子甲基化状态。采用受试者工作特征曲线下面积(area under the receiver operating characteristic, AUROC)、精确度-召回率曲线下面积(area under the precision-recall curve, AUPRC)、准确度、特异度和敏感度评估模型效能,通过DeLong检验比较模型间的预测效能。结果 四个预测模型T2-net、T2f-net、TC-net、TS-net均有良好的预测效能,TS-net的AUROC值均高于T2-net、T2f-net、TC-net(训练集:0.930 vs. 0.859、0.877、0.920;验证集:0.910 vs. 0.812、0.840、0.854),TS-net的AUPRC值均高于T2-net、T2f-net、TC-net(训练集:0.912 vs. 0.860、0.864、0.908;验证集:0.896 vs. 0.796、0.826、0.839)。验证集中TS-net的AUROC值均高于T2-net、T2f-net、TC-net,差异均有统计学意义,训练集中与T2-net、T2f-net相比差异有统计学意义(DeLong检验,P<0.05)。结论 基于多序列MRI融合的卷积神经网络模型,可以准确、无创地预测胶质瘤MGMT甲基化状态,优于单一序列模型,为指导临床治疗决策和评估胶质瘤患者预后提供可靠依据。
