基于影像组学预测肿瘤免疫状态及治疗反应的方法及装置制造方法及图纸

基于影像组学预测肿瘤免疫状态及治疗反应的方法及装置，能够更加精准的描述与疾病有关的生物学过程，有助于全面了解肿瘤分子免疫特征和样本表型的相互关系，可判断

【技术实现步骤摘要】
基于影像组学预测肿瘤免疫状态及治疗反应的方法及装置


[0001]本专利技术涉及医学图像处理的
，尤其涉及一种基于影像组学预测肿瘤免疫状态及治疗反应的方法，以及基于影像组学预测肿瘤免疫状态及治疗反应的装置
。

技术介绍

[0002]肿瘤患者的免疫状态和对治疗的反应具有高度个体化，准确预测肿瘤免疫状态和治疗反应对于实现精准医疗具有重要意义
。
传统技术通常利用组织病理学方法对肿瘤进行免疫状态评估
。
然而，这种方法需要获取肿瘤组织样本，对患者有一定的侵入性，并且在评估过程中存在主观性和局限性
。
[0003]多形性胶质母细胞瘤
(Glioblastoma multiform, GBM)
是最常见且预后最差的中枢神经系统原发性肿瘤，根据患者诊断时的年龄和其他危险因素综合判断，其5年生存率为6‑
22%。
该肿瘤预后受到多种因素的影响，仅仅包括患者年龄
、
种族
、
是否接受放化疗，肿瘤的大小
、
位置
、
组织细胞学成分等危险因素的预后模型往往难以准确预测患者总生存期
(Overall Survival, OS)。
因此寻找新的生物预后标志物，对提高
GBM
患者的生存率，减轻
GBM
患者的负担至关重要
。
[0004]长链非编码
RNA(long non
‑
coding RNA, lncRNA)
在癌症免疫的各个阶段都起到至关重要的作用，例如抗原暴露，抗原识别，免疫激活，免疫细胞浸润和免疫检查点阻断
。
肿瘤微环境的免疫细胞浸润在
GBM
亚型和患者中表现出较大的变异，这些因素导致
GBM
免疫抑制，进而导致免疫治疗失败
。
因此鉴定与肿瘤微环境相关的免疫细胞有助于阐明
GBM
免疫抑制的一般机制
。
基于免疫检查点阻断
(Immune checkpoint blockade, ICB)
的免疫疗法在多种实体肿瘤中展现出良好疗效，尤其是
PD
‑
1/PD
‑
L1
信号通路阻断剂在黑色素瘤中取得了巨大成功，成为胶质瘤药物治疗领域的潜在突破口
。
但是大部分癌症患者对
ICB
治疗没有阳性反应，因此探寻有效的治疗反应预测性生物标记物，可以提高
ICB
治疗的阳性反应率
。
多项研究表明
HOTAIR
，
MALAT1
和
HIF1A
‑
AS2
等
lncRNA
与
GBM
的预后有关，已有部分学者利用相关免疫指标判断
GBM
的预后
。
有学者针对
GBM
患者，构建了由六个免疫
lncRNA
组成的标签，生存分析结果显示高低风险组间有显著差异，但
lncRNA
与胶质母细胞瘤免疫细胞浸润
、
免疫检查点阻断之间的相关性尚未可知
。
[0005]目前基于
FLAIR
图像的影像组学研究在
GBM
诊断和预后方面的价值得到更多重视
。
近年来，有研究表明基于影像组学建立的预后模型性能优于临床因素预后模型，但是影像组学与胶质母细胞瘤免疫细胞浸润
、
免疫检查点阻断之间的相关性尚未可知
。

技术实现思路

[0006]为克服现有技术的缺陷，本专利技术要解决的技术问题是提供了一种基于影像组学预测肿瘤免疫状态及治疗反应的方法，其能够更加精准的描述与疾病有关的生物学过程，有助于全面了解肿瘤分子免疫特征和样本表型的相互关系，可判断
GBM
等恶性肿瘤的免疫状态
。
[0007]本专利技术的技术方案是：这种基于影像组学预测肿瘤免疫状态及治疗反应的方法，包括以下步骤：（1）获取肿瘤患者和部分正常被试的基因表达谱数据，通过相关分析，获得免疫相关的
lncRNA
；（2）从影像数据中分割出各患者的肿瘤区域，提取影像组学特征；（3）对免疫相关
lncRNA、
影像组学特征进行单因素和多因素
Cox
回归，筛选与生存显著相关的特征，构建免疫相关
lncRNA
和影像组学预后标签；（4）使用基因集富集分析免疫相关
lncRNA
标签和影像组学标签标记的高
、
低风险两组之间的功能表型；（5）采用
CIBERSORT
反卷积算法估计免疫相关
lncRNA
和影像组学标签标记的高低风险两组之间的不同免疫细胞占比；（6）研究免疫检查点抑制剂关键靶点基因与免疫相关
lncRNA
标签和影像组学标签的相关性
。
[0008]本专利技术获得肿瘤患者的免疫相关
lncRNA
，然后从影像数据中分割出各患者的肿瘤区域，提取影像组学特征，对以上特征进行单因素和多因素
Cox
回归，构建免疫相关
lncRNA
标签和影像组学标签并计算风险评分，根据风险评分的中位数将患者分为高
、
低风险组，采用基因富集分析
(GSEA)
和
CIBERSORT
反卷积算法得到高低风险患者基因富集的信号通路和不同免疫细胞占比，并分析了免疫检查点抑制剂靶点基因与免疫相关
lncRNA
标签和影像组学标签的相关性，能够更加精准的描述与疾病有关的生物学过程，有助于全面了解肿瘤分子免疫特征和样本表型的相互关系，可判断
GBM
等恶性肿瘤的免疫状态
。
[0009]还提供了一种基于影像组学预测肿瘤免疫状态及治疗反应的装置，其包括：免疫
lncRNA
数据处理模块，其配置来处理被试的基因表达数据，从分子标记数据库
v4.0
获得与免疫相关的基因，将低表达的免疫基因和
lncRNA
进行删除，使用
R
语言的
limma
包计算免疫基因与
lncRNA
的皮尔森相关系数，相关系数的绝对值
≥0.4
，且
P
＜
0.01
的为免疫相关的
lncRNA
；影像组学数据处理模块，其配置来对图像进行分割及影像组学特征进行选择；预后标签构建模块，其配置来对免疫相关
lncRNA
和影像组学特征进行
Cox
分析，得到免疫相关
lncRNA
和影像组学预后标签本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于影像组学预测肿瘤免疫状态及治疗反应的方法，其特征在于：包括以下步骤：（1）获取肿瘤患者和部分正常被试的基因表达谱数据，通过相关分析，获得免疫相关的
lncRNA
；（2）从影像数据中分割出各患者的肿瘤区域，提取影像组学特征；（3）对免疫相关
lncRNA、
影像组学特征进行单因素和多因素
Cox
回归，筛选与生存显著相关的特征，构建免疫相关
lncRNA
和影像组学预后标签；（4）使用基因集富集分析免疫相关
lncRNA
标签和影像组学标签标记的高
、
低风险两组之间的功能表型；（5）采用
CIBERSORT
反卷积算法估计免疫相关
lncRNA
和影像组学标签标记的高低风险两组之间的不同免疫细胞占比；（6）研究免疫检查点抑制剂关键靶点基因与免疫相关
lncRNA
标签和影像组学标签的相关性
。2.
根据权利要求1所述的基于影像组学预测肿瘤免疫状态及治疗反应的方法，其特征在于：所述步骤（1）中，从分子标记数据库
v4.0
获得与免疫相关的基因；将低表达的免疫基因和
lncRNA
进行删除，使用
R
语言的
limma
包计算免疫基因与
lncRNA
的皮尔森相关系数，相关系数的绝对值
≥0.4
，且
P
＜
0.01
的为免疫相关的
lncRNA。3.
根据权利要求2所述的基于影像组学预测肿瘤免疫状态及治疗反应的方法，其特征在于：所述步骤（2）中，使用
ITK
‑
SNAP
软件对患者的
FLAIR
图像进行肿瘤三维分割；统计的扫描参数包括层厚
thickness、TR/TE
，层间距
slice gap、
翻转角
flip angle
；感兴趣区覆盖整个肿瘤及水肿区域；所有影像组学特征均使用
python 3.7
中的
pyradiomics
插件提取；使用高斯和拉普拉斯滤波器
、
小波滤波器对图像进行预处理；两种滤波器所计算的特征均包含一阶统计特征和基于统计的纹理特征
。4.
根据权利要求3所述的基于影像组学预测肿瘤免疫状态及治疗反应的方法，其特征在于：所述步骤（3）中，对免疫相关
lncRNA
和影像组学特征分别进行单因素
Cox
分析，选取其中
P
值小于
0.05
的影像组学特征和
P
值小于
0.01
的免疫相关
lncRNA
进行多因素
Cox
分析，利用
AIC
信息准则筛选关键预后特征作为免疫相关
lncRNA
标签和影像组学预后标签
。5.
根据权利要求4所述的基于影像组学预测肿瘤免疫状态及治疗反应的方法，其特征在于：所述步骤（4）中，使用基因集富集分析免疫相关
lncRNA
标签和影像组学标签标记的高
、
低风险两组之间的功能表型，基因集富集分析使用
R
语言中的
richPathway
函数，基因
ID
列表被用作输入文件，富集结果通过
R
语言中的
ggplot2
插件进行可视化；
P≤0.05
，
P.adjust≤0.05
的基因集合被认为是有意义的基因集合
。6....

【专利技术属性】
技术研发人员：马国林，栾继昕，韩小伟，于洪伟，杨奡偲，徐漫兮，
申请(专利权)人：中日友好医院中日友好临床医学研究所，
类型：发明
国别省市：