OBJECTIVES To determine whether diffusion- and perfusion-weighted MRI-based radiomics features can improve prediction of isocitrate dehydrogenase (IDH) mutation and tumor aggressiveness in lower grade gliomas (LGGs) METHODS: Radiomics features (n = 6472) were extracted from multiparametric MRI including conventional MRI, apparent diffusion coefficient (ADC), and normalized cerebral blood volume, acquired on 127 LGG patients with determined IDH mutation status and grade (WHO II or III). Radiomics models were constructed using machine learning-based feature selection and generalized linear model classifiers. Segmentation stability was calculated between two readers using concordance correlation coefficients (CCCs). Diagnostic performance to predict IDH mutation and tumor grade was compared between the multiparametric and conventional MRI radiomics models using the area under the receiver operating characteristics curve (AUC). The models were tested using a temporally independent validation set (n = 28). RESULTS The multiparametric MRI radiomics model was optimized with a random forest feature selector, with segmentation stability of a CCC threshold of 0.8. For IDH mutation, multiparametric MR radiomics showed similar performance (AUC 0.795) to the conventional radiomics model (AUC 0.729). In tumor grading, multiparametric model with ADC features showed higher performance (AUC 0.932) than the conventional model (AUC 0.555). The independent validation set showed the same trend with AUCs of 0.747 for IDH prediction and 0.819 for tumor grading with multiparametric MRI radiomics model. CONCLUSION Multiparametric MRI radiomics model showed improved diagnostic performance in tumor grading and comparable diagnostic performance in IDH mutation status, with ADC features playing a significant role. KEY POINTS • The multiparametric MRI radiomics model was comparable with conventional MRI radiomics model in predicting IDH mutation. • The multiparametric MRI radiomics model outperformed conventional MRI in glioma grading. • Apparent diffusion coefficient played an important role in glioma grading and predicting IDH mutation status using radiomics.

中文翻译：

---

扩散和灌注加权 MRI 放射组学模型可以预测弥漫性低级别胶质瘤中的异柠檬酸脱氢酶 (IDH) 突变和肿瘤侵袭性。

目的 确定基于扩散和灌注加权 MRI 的放射组学特征是否可以提高对低级别胶质瘤 (LGG) 中异柠檬酸脱氢酶 (IDH) 突变和肿瘤侵袭性的预测 方法：从多参数 MRI 中提取放射组学特征 (n = 6472)，包括常规 MRI、表观扩散系数 (ADC) 和标准化脑血容量，在 127 名具有确定的 IDH 突变状态和等级（WHO II 或 III）的 LGG 患者身上获得。放射组学模型是使用基于机器学习的特征选择和广义线性模型分类器构建的。使用一致性相关系数 (CCC) 计算两个读者之间的分段稳定性。使用接受者操作特征曲线 (AUC) 下的面积，比较多参数和传统 MRI 放射组学模型预测 IDH 突变和肿瘤分级的诊断性能。使用时间独立的验证集 (n = 28) 测试模型。结果 使用随机森林特征选择器优化多参数 MRI 放射组学模型，CCC 阈值为 0.8 的分割稳定性。对于 IDH 突变，多参数 MR 放射组学表现出与传统放射组学模型（AUC 0.729）相似的性能（AUC 0.795）。在肿瘤分级中，具有 ADC 特征的多参数模型表现出比传统模型（AUC 0.555）更高的性能（AUC 0.932）。独立验证集显示相同的趋势，IDH 预测的 AUC 为 0.747，而 AUC 为 0。819 用于使用多参数 MRI 放射组学模型进行肿瘤分级。结论 多参数 MRI 放射组学模型在肿瘤分级方面的诊断性能有所提高，在 IDH 突变状态方面的诊断性能相当，其中 ADC 特征起着重要作用。要点 • 多参数 MRI 放射组学模型与传统 MRI 放射组学模型在预测 IDH 突变方面具有可比性。• 多参数MRI 放射组学模型在神经胶质瘤分级方面优于传统MRI。• 表观扩散系数在神经胶质瘤分级和使用放射组学预测IDH 突变状态中发挥重要作用。ADC 功能起着重要作用。要点 • 多参数 MRI 放射组学模型与传统 MRI 放射组学模型在预测 IDH 突变方面具有可比性。• 多参数MRI 放射组学模型在神经胶质瘤分级方面优于传统MRI。• 表观扩散系数在神经胶质瘤分级和使用放射组学预测IDH 突变状态中发挥重要作用。ADC 功能起着重要作用。要点 • 多参数 MRI 放射组学模型与传统 MRI 放射组学模型在预测 IDH 突变方面具有可比性。• 多参数MRI 放射组学模型在神经胶质瘤分级方面优于传统MRI。• 表观扩散系数在神经胶质瘤分级和使用放射组学预测IDH 突变状态中发挥重要作用。