基于时序纵向磁共振成像的胶质瘤生长建模及其占位效应研究

肿瘤生长数学模型研究——利用纵向磁共振成像探究胶质瘤的扩展

近日发表在《IEEE Transactions on Biomedical Engineering》上的一篇文章,对胶质瘤(glioma)的数学建模及生长规律进行了系统性研究。该研究由Birkan Tunç、David A. Hormuth II、George Biros和Thomas E. Yankeelov完成,主要通过纵向磁共振成像(MRI)数据评估三种不同数学模型在模拟肿瘤生长以及质量效应(mass effect)中的性能差异。

研究背景

胶质母细胞瘤(glioblastoma multiforme, GBM)是最常见的原发性脑肿瘤,患者预后较差。GBM一个显著的特征是对周围脑组织的严重变形效应,即“质量效应”,目前已有大量数学模型用于模拟肿瘤生长,并预测临床进展和治疗效果。然而,许多现有模型并未明确考虑质量效应,使得在描述肿瘤扩展过程中周围组织的变形这一重要现象时能力有限。

论文出处与作者背景

这篇论文由Birkan Tunç(伊斯坦布尔耶地德佩大学机械工程系)、David A. Hormuth II(德克萨斯大学奥斯汀分校Oden 计算工程与科学研究所和Livestrong癌症研究所)、George Biros(德克萨斯大学奥斯汀分校Oden 计算工程与科学研究所)和Thomas E. Yankeelov(德克萨斯大学奥斯汀分校及MD Anderson癌症中心成像物理学系)共同撰写,发表于2021年12月的《IEEE Transactions on Biomedical Engineering》

研究流程

此次研究以小鼠模型为对象,通过纵向采集的MRI数据,分别校准并比较三种数学模型在预测肿瘤生长和质量效应方面的表现。这三种模型包括:

  1. 反应-扩散-对流模型(RDAM): 考虑两者相互耦合且具有质量效应的反应-扩散-对流模型。
  2. 反应-扩散模型(RDM): 耦合了线性弹性但仅在小变形情况下考虑质量效应的反应-扩散模型。
  3. 反应-扩散模型(RD): 基线模型,不包括质量效应。

研究通过对MRI数据中提取的肿瘤细胞体积分数和质量效应进行标注,基于不同时间点的校准数据,分别预测并验证各模型的精度。

实验方法与数据

数据采集

  • 小鼠模型选用九只Wistar鼠,通过注射C6胶质瘤细胞在其新皮层区域诱导肿瘤形成。
  • 使用T2加权和对比增强的T1加权MRI数据,在10天内6个不同时间点进行扫描。

图像分割与处理

  • 手动分割图像,区分肿瘤区域和由肿瘤引起的质量效应(主要通过观测胼胝体位移)。
  • 使用水平集方法追踪组织边界的变形。

模型校准

  • 校准场景包括三种:分别使用前四个时间点数据、仅前两个及仅最后两个时间点数据进行校准。
  • 使用有限元计算软件(FEniCS)通过参数估计优化模型,进行数值求解。

研究结果

参数估计与模型预测精度

从九只实验鼠获取的数据结果显示,反应-扩散-对流模型(RDAM)的扩散系数显著小于另外两种模型,这意味着若不考虑对流这一关键因素,将导致模型预测的扩散系数偏高。具体数据分析如下:

  • RD模型的扩散系数中位值为17.46×10^(-3) mm²·d^(-1),范围为6.33×10^(-3)至78.41×10^(-3) mm²·d^(-1)
  • RDM模型的扩散系数中位值为19.38×10^(-3) mm²·d^(-1),范围为4.97×10^(-3)至53.80×10^(-3) mm²·d^(-1)
  • RDAM模型的扩散系数中位值为10.65×10^(-3) mm²·d^(-1),范围为0.92×10^(-3)至26.17×10^(-3) mm²·d^(-1)

在预测精度方面,RDM模型在肿瘤体积分数误差和肿瘤体积误差方面表现最优,而RDAM模型的扩散系数和增殖率估计误差最小。然而,由于RDAM模型的更强耦合性,使得其参数空间更为有限,增加了预测误差。

误差与统计分析

通过对三种模型的校准结果进行统计分析,发现RD模型和RDM模型在肿瘤体积预测方面的误差和Dice系数显著低于RDAM模型,其中RDAM模型在质量效应预测中的误差显著高于RDM模型。

结论

该研究表明,尽管反应-扩散-对流模型(RDAM)在整体预测精度上的表现不如反应-扩散模型(RDM),但其质量守恒的特点和较小的参数变化范围,表明在未来研究中值得进一步优化和改进。使用包括多种时间点的数据(校准#1)进行模型校准,可有效减少预测误差,并增加模型在实际应用中的稳健性。

研究意义

该研究不仅提供了一种新颖的数学模型形式,还通过详细的实验和数值分析,证明了在计算肿瘤生长和质量效应过程中,应考虑质量效应和对流的影响。这为临床上的肿瘤生长预测提供了新的思路和方法。

通过此次研究,不仅能够更准确地描述胶质瘤的生长过程,还为基于影像学数据的个性化医疗提供了依据,对临床决策具有重要意义。未来的研究可以进一步优化此模型,结合更复杂的非线性弹性模型,提高其在实际临床应用中的精度和可靠性。