Глиомы остаются наиболее распространенными первичными злокачественными опухолями центральной нервной системы с выраженной биологической гетерогенностью и неблагоприятным прогнозом. Несмотря на успехи в применении методов анализа изображений на основе мультипараметрической МРТ, эффективная интеграция глубокого обучения (deep learning, DL), радиомики и количественной оценки внутриопухолевой гетерогенности (intratumoral heterogeneity, ITH) остается малоизученной областью.

Исследователи из UCSF и Chongqing General Hospital разработали комплексную прогностическую модель, включающую клинические данные и признаки, извлеченные из мультипараметрической МРТ, с систематической оценкой предсказательной способности различных комбинаций признаков.

В ретроспективное мультицентровое исследование вошли 183 пациента из когорты UCSF-TCIA (обучающая выборка) и 109 пациентов из Chongqing General Hospital (независимая тестовая выборка). На основе предоперационной мультипараметрической МРТ — включая T1-взвешенные изображения (T1WI), T1-взвешенные контрастно-усиленные изображения (T1CE), T2-взвешенные изображения (T2WI), T2-FLAIR, диффузионно-взвешенные изображения (DWI) и измеряемый коэффициент диффузии (ADC) — были извлечены радиомные, DL-признаки и 2D/3D ITH-признаки.

Отбор признаков проводился с использованием LASSO-Cox регрессии, были построены как одномодальные, так и комбинированные модели. Интеграция на уровне признаков достигалась двухэтапной LASSO-Cox регрессией для максимального использования комплементарной природы информации из различных источников. Эффективность оценивалась по C-индексу Харрелла с валидацией через анализ выживаемости Каплана-Мейера, временнозависимый ROC-анализ, калибровочные кривые и анализ кривых принятия решений (DCA).

Комбинированная модель, интегрирующая DL, радиомику, ITH и клинические признаки (DenseNet121_DL+Rad+ITH), продемонстрировала C-индекс 0.801 (95% ДИ: 0.750–0.853) на обучающей выборке и 0.710 (95% ДИ: 0.638–0.783) на тестовой выборке, превосходя все одномодальные модели. Соответствующий stacking-ансамбль показал сопоставимый C-индекс на тестовой выборке — 0.701.

Анализ Каплана-Мейера подтвердил значимую стратификацию риска (P < 0.001). Временнозависимый ROC-анализ выявил площади под кривой (AUC) 0.705, 0.721, 0.746, 0.800 и 0.873 для прогнозирования выживаемости на 12, 18, 24, 30 и 36 месяцев соответственно.

Калибровочные кривые продемонстрировали хорошее соответствие между предсказанными и наблюдаемыми вероятностями выживаемости. DCA указал на благоприятную клиническую чистую выгоду для прогнозирования средне- и долгосрочной выживаемости (24–36 месяцев).

Интегрированная прогностическая модель, комбинирующая клинические характеристики с признаками, полученными из мультипараметрической МРТ (глубокое обучение, радиомика и внутриопухолевая гетерогенность), демонстрирует значительный прогностический потенциал для пациентов с глиомами.

Стратегии слияния данных в целом превосходят одномодальные модели, однако дополнительный выигрыш от интеграции остается умеренным. Авторы подчеркивают необходимость проспективной валидации на более крупных когортах для подтверждения клинической применимости разработанного подхода и оценки его влияния на принятие терапевтических решений в реальной практике.