ADC Map Radiomics for Non-Invasive Detection of BRCA1/2 Mutation Status in Prostate Cancer: A Machine Learning-Based Radiogenomics Study
这项前瞻性研究表明，虽然传统的常规多参数 MRI 参数无法区分 BRCA1/2 突变型前列腺癌与非突变型病例，但应用于从 ADC 图中提取的影像组学特征的机器学习模型显示出用于无创检测这些基因突变的中间但具有前景的潜力。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
前列腺癌是一种常见的疾病，但并非所有病例都完全相同。一些男性携带特定的 DNA 变化，即 BRCA1 和 BRCA2 基因突变。这些突变以增加乳腺癌和卵巢癌的风险而闻名，但也使前列腺癌变得更具侵略性且更难治疗。识别谁携带这些突变至关重要，因为这会改变医生管理疾病的方式，为靶向治疗和对家属进行更密集的监测打开了大门。目前，确定患者是否携带这些突变需要进行血液检测或组织样本采集，这些程序具有侵入性，且并不总是可行。长期以来，医生一直希望用于寻找前列腺肿瘤的标准影像扫描可能蕴含着患者遗传背景的线索，从而为识别这些高风险病例提供一种非侵入性的方法。
多年来，放射科医生一直依赖一种称为多参数 MRI 的先进 MRI 扫描来可视化前列腺肿瘤。这种扫描可以创建前列腺腺体的详细图像，其中一个特定的部分叫做 ADC 图，它测量水分在组织中移动的难易程度。在健康的组织中，水分移动自由；但在细胞排列紧密的癌性组织中，水分移动受限。医生利用这些图像来判断肿瘤的大小、位置以及其侵略性程度。然而，观察这些图像的标准方式存在局限性。这就像仅仅通过观察蛋糕的大小和颜色来猜测其口味一样；你可能会得到一个大致的概念，但你会错过定义其真实本质的微妙成分。研究人员想要回答的问题是，这些 MRI 扫描的标准视觉特征是否能够区分由 BRCA 突变引起的与非 BRCA 突变引起的前列腺肿瘤。
来自圣保罗大学的一个研究小组决定使用一种称为影像组学（radiomics）的新方法来测试这个想法。影像组学不再仅仅依靠肉眼观察图像进行视觉判断，而是利用计算机从扫描中提取数百个微小的、数值化的细节，这些细节是肉眼无法察觉的。这些细节描述了肿瘤的纹理和模式，捕捉了细胞和组织的复杂排列。研究人员收集了 107 名接受过这些 MRI 扫描的前列腺癌患者的数据。他们将这组人群仔细分为两类：一类是通过基因检测确认携带 BRCA 突变的患者，另一类是经确认在血液或肿瘤组织中均无突变的对照组。这种严格的分组对于确保比较的公平性和准确性至关重要。
当研究人员首先观察 MRI 扫描的标准测量指标时，他们发现两组之间没有明显的差异。无论是在携带突变的男性还是不携带突变的男性中，肿瘤的大小、在前列腺中的位置以及水分移动的平均速度都非常相似。甚至医生用来评估癌症可能性性的综合评分（即 PI-RADS 分类）也未能将两者区分开来。这一结果意义重大，因为它排除了医生仅凭标准的 MRI 报告就能知道患者是否携带 BRCA 突变的可能性。肿瘤的视觉外观，即传统测量方式下的外观，并不会因遗传状态而改变。
研究团队并未因此止步，而是转向了影像组学方法，将提取自 ADC 图的数百个纹理特征输入计算机。他们使用了机器学习——一种能从数据中学习模式的人工智能技术——来观察这些隐藏的细节是否可以将两组人群区分开来。计算机利用许多不同的数学模型分析数据，以寻找区分突变携带者的最佳方式。结果显示，虽然标准测量指标失效了，但计算机可以在图像的纹理中找到信号。表现最好的模型能够以优于随机猜测的准确度识别出突变状态，尽管并非完美。它正确地突出了相当数量病例中的突变存在，这表明基因突变确实在组织结构上留下了某种微妙且可测量的“指纹”，而这是标准扫描所遗漏的。
该研究还揭示了一个关于被分析肿瘤大小的重要细节。当计算机观察较大的肿瘤时，表现要好得多。当研究人员仅关注最大的病灶时，预测的准确性显著提高。这表明，计算机寻找的那些微小且复杂的模式需要一定的空间才能被可靠地检测到；如果肿瘤太小，信号就会淹没在噪声中。这一发现为未来的研究提供了实用的启示，即为了让这种方法奏效，肿瘤必须具备足够的体积。
研究人员得出结论，虽然目前的标准 MRI 参数无法告诉我们谁携带 BRCA 突变，但这些扫描的详细纹理分析具有前景。研究表明，由突变引起的生物学变化确实改变了肿瘤的微观结构，这种改变是可以被测量的，即便人类肉眼无法看见。然而，作者谨慎地指出，这仍是一个早期发现。该研究是在单一医疗中心进行的，患者数量相对较少，其结果需要在更大的群体中进行测试以确认其可靠性。这项工作目前还不足以提供一种可立即使用的诊断工具，但它为继续探索这条路径提供了强有力的理由。它证明了将先进成像技术与计算机分析相结合，或许有一天能让医生无需进行侵入性检查即可识别高风险遗传谱系，从而实现向更个性化、负担更轻的前列腺癌护理迈进。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。