卢明君，屈耀铭，马安东，朱建彬，邹 霞，林耕耘，李榆欣，刘昕孜，温志波

南方医科大学珠江医院影像诊断科，广东 广州 510282

胶质瘤是中枢神经系统最常见的恶性肿瘤，是原发性脑肿瘤患者死亡的主要原因。弥漫性较低级别胶质瘤（Ⅱ/Ⅲ级）占所有胶质瘤的43.2%［1］。一部分弥漫性较低级别胶质瘤可在几月内发展为多形性胶质母细胞瘤［2］。早期检测胶质瘤1p/19q共缺失状态与预后水平有关，对化疗敏感，并且可以识别少突胶质细胞瘤［3］。通常，使用荧光原位杂交（FISH）可以识别1p/19q的状态，包括测量1p36/1q21和19q13/19p13的含量。但是，由于部分患者年龄较大、神经系统状况差和肿瘤的位置等原因，并不适合手术或活检，因此需要一种非侵入性的方法来预测胶质瘤1p/19q的状态。

1p/19q共缺失与少突胶质细胞瘤高度相关。一些常规的CT或MRI影像学特征可用于诊断及区分少突胶质细胞瘤与星形细胞瘤。其中，T2-FLAIR错配征是IDH突变型星形细胞瘤的一个重要的影像学特征，具有高特异性和低敏感性［4,5］。少突胶质细胞瘤的钙化发生率达到43%～80%［6］。然而，当胶质瘤无钙化或T2-FLAIR错配征时，传统的放射学鉴别少突胶质胶质瘤和星形细胞瘤的效果有限。

影像组学作为一种高通量方法，可以预测肿瘤表型、基因组学和生存水平。已有研究使用影像组学模型预测1p/19q状态［7-11］，但是采用单一序列或者缺少功能序列，组学信息较少，而且构建机器学习模型类型单一，尚未进行不同机器学习模型诊断效能的比较。本研究主要目的是构建基于多模态MRI的影像组学模型来预测1p/19q共缺失状态，并且建立多个组学模型进行比较，同时与影像医师诊断效能作比较。……