Фенотипическая и генетическая гетерогенность глиобластом, сопоставление параметров МРТ и ПЭТ/КТ с молекулярно-генетическими характеристиками опухоли

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Глиобластома (ГБ) отличается высокой степенью неоднородности развития в пространстве и времени, что вызвано геномной нестабильностью, высокой скоростью роста отдельных участков и гетерогенной неоваскуляризацией. Молекулярно-генетические особенности ГБ играют важную роль в прогнозе заболевания, что отражено в новой классификации ВОЗ опухолей ЦНС от 2021 г. Целью данного исследования стало сопоставление параметров кровотока и диффузии по данным МРТ, метаболизма опухолевой ткани по данным ПЭТ/КТ с генетическим профилем ГБ. 40 пациентам (возраст 55 ± 12 лет, пол М/Ж = 31/9) с впервые поставленным диагнозом ГБ проведена оценка параметров МРТ (измеряемого коэффициента диффузии – ADC, скорости кровотока – CBF –по данным ASL-перфузии) и ПЭТ/КТ в виде индекса накопления метионина (MET). Все вышеперечисленные объемные контуры (VOI – 1 см3) автоматически с помощью программного обеспечения (PMOD) были перенесены на все имеющиеся карты изображений и сопоставлены друг с другом; итого получено 9 параметров: METmax, METcbf, METadc, ADCmin, ADCmet, ADCcbf, CBFmax, CBFmet, CBFadc. Проведен сравнительный и корреляционный анализ параметров как в общей группе ГБ, так и отдельно в генетически разных подгруппах (MGMT+/и EGFR+/-) и по уровню Ki67.

Исследование показало, что локализации зон высоких значений кровотока, плотноклеточности и метаболизма аминокислот совпадают только в 45% случаев, доказывая наличие различий в структуре и функциональной активности участков ГБ. Данные о взаимосвязи метилирования промотора гена MGMT и ADC (ADCmin > 1.01 (10–3 мм2/с), Se = 78%, Sp = 74%, AUC = 0.77) подтверждают результаты других авторов о более низкой потребности данного генетического подтипа ГБ в строительстве новых мембран, обусловленной угнетением механизма системы репарации ДНК. Выявление амплификации гена EGFR в нашей выборке было ассоциировано со значимым повышением метаболизма МЕТ (МЕTmax > 3.29, Se = 88%, Sp = 70%, AUC = 0.82) и коррелировало с более высоким индексом Ki67 (Rs = –0.85), подтверждая факт увеличения потребления аминокислот клетками ГБ для синтеза мембран. Полученные корреляционные связи между ИН MET и ADC, отсутствие таковых с параметрами CBF подтверждают зависимость метаболизма метионина в глиомах от процессов построения новых клеточных мембран, а не от неоваскуляризации. Феномен гетерогенности структуры ГБ был подтвержден на основе выявленных различий в локализации зон максимальных значений изучаемых параметров МРТ и ПЭТ/КТ, а также их значимых отличий в группах ГБ с разным молекулярно-генетическим профилем.

Полный текст

Доступ закрыт

Об авторах

Н. Б. Вихрова

ФГАУ “НМИЦ нейрохирургии им. академика Н. Н. Бурденко” Минздрава России

Автор, ответственный за переписку.
Email: nvikhrova@nsi.ru
Россия, Москва

Д. Б. Калаева

ФГАУ “НМИЦ нейрохирургии им. академика Н. Н. Бурденко” Минздрава России

Email: nvikhrova@nsi.ru
Россия, Москва

А. И. Баталов

ФГАУ “НМИЦ нейрохирургии им. академика Н. Н. Бурденко” Минздрава России

Email: nvikhrova@nsi.ru
Россия, Москва

И. Н. Пронин

ФГАУ “НМИЦ нейрохирургии им. академика Н. Н. Бурденко” Минздрава России

Email: nvikhrova@nsi.ru
Россия, Москва

Список литературы

  1. Беляев А. Ю., Вихрова Н. Б., Калаева Д. Б., Баталов А. И., Афандиев Р. М., Галстян С. А., Кобяков Г. Л., Пронин И. Н., Усачев Д. Ю. ПЭТ-КТ с 11С-метионином в диагностике анапластических астроцитом и анапластических олигодендроглиом. Медицинская визуализация. 2022. 26 (4): 82–92. [Belyaev A. Y., Vikhrova N. B., Kalaeva D. B., Batalov A. I., Afandiev R. M., Galstyan S. A., Kobyakov G. L., Pronin I. N., Usachev D. Y. 11C-methionine PET-CT in the diagnosis of anaplastic astrocytomas and anaplastic oligodendrogliomas. Medical Visualization. 2022. 26 (4): 82–92. (In Russ.)]. https://doi.org/10.24835/1607– 0763–1170
  2. Беляев А. Ю., Усачев Д. Ю., Пронин И. Н., Баталов А. И., Афандиев Р. М., Галстян С. Г. Феномен “несоответствия” режимов T2 и Т2-FLAIR как нейровизулизационный биомаркер генетического профиля анапластических астроцитом. Медицинская визуализация. 2021. 25(1): 147–158. [Belyaev A. Y., Usachev D. Y., Pronin I. N., Batalov A. I., Afandiev R. M., Galstyan S. A. T2/T2-FLAIR mismatch sign as a predictive biomarker for anaplastic astrocytoma genetic profile. Medical Visualization. 2021. 25(1): 147–158. (In Russ.)]. https://doi.org/10.24835/1607– 0763–959
  3. Armocida D., Frati A., Salvati M., Santoro A., Pesce A. Is Ki-67 index overexpression in IDH wild type glioblastoma a predictor of shorter Progression Free survival? A clinical and Molecular analytic investigation. Clin Neurol Neurosurg. 2020. 198: 106126. https://doi. org/10.1016/j.clineuro.2020.106126
  4. Batalov A., Zakharova N., Goryainov S., Pogosbekian E., Potapov A., Pronin I. ASL-perfusion in predicting of brain glioma malignancy and IDH1 status. Neuroradiology. 2019. 61 (S1): S44. https://doi.org/10.1007/ s00234–019–02263–4
  5. Blanc-Durand P., Van Der Gucht A., Verger A., Langen K. J., Dunet V., Bloch J., Brouland J. P., Nicod-Lalonde M., Schaefer N., Prior J. O. Voxel-based 18F-FET PET segmentation and automatic clustering of tumor voxels: A significant association with IDH1 mutation status and survival in patients with gliomas. PLoS One. 2018. 13 (6): e0199379. https://doi.org/10.1371/journal. pone.0199379
  6. Chai R., Li G., Liu Y., Zhang K., Zhao Z., Wu F., Chang Y., Pang B., Li J., Li Y., Jiang T., Wang Y. Predictive value of MGMT promoter methylation on the survival of TMZ treated IDH-mutant glioblastoma. Cancer Biol Med. 2021. 18 (1): 271–282. https://doi.org/10.20892/ j.issn.2095–3941.2020.0179
  7. Chamberlain M. C., Sanson M. Combined analysis of TERT, EGFR, and IDH status defines distinct prognostic glioblastoma classes. Neurology. 2015. 84 (19): 2007. https://doi.org/10.1212/WNL.0000000000001625
  8. Choi Y. S., Ahn S. S., Kim D. W., Chang J. H., Kang S. G., Kim E. H., Kim S. H., Rim T. H., Lee S. K. Incremental prognostic value of ADC histogram analysis over MGMT promoter methylation status in patients with glioblastoma. Radiology. 2016. 281 (1): 175–184. https://doi.org/10.1148/radiol.2016151913
  9. Cicone F., Carideo L., Scaringi C., Arcella A., Giangaspero F., Scopinaro F., Minniti G. 18F-DOPA uptake does not correlate with IDH mutation status and 1p/19q co-de letion in glioma. Ann. Nucl. Med. 2019. 33: 295–302. https://doi.org/10.1007/s12149–018–01328–3
  10. Dadgar H., Jokar N., Nemati R., Larvie M., Assadi, M. PET Tracers in Glioblastoma: toward neurotheranostics as an individualized medicine approach. Front. Nucl. Med. 2023. 3: 1103262. https://doi.org/10.3389/ fnume.2023.1103262
  11. Danilov G. V., Kalaeva D. B., Vikhrova N. B., Konakova T. A., Zagorodnova A. I., Popova A. A., Postnov A. A., Shugay S. V., Pronin I. N. Radiomics in Determining Tumor-to-Normal Brain SUV Ratio Based on 11C–Methionine PET/CT in Glioblastoma. Sovrem Tekhnologii Med. 2023. 15 (1): 5–13. https://doi.org/10.17691/stm2023.15.1.01
  12. Dev I. D., Puranik A. D., Purandare N. C., Gupta T., Sridhar E., Shetty P., Moiyadi A., Agrawal A., Shah S., Rangarajan V. Prognostic significance of 18F-FDG PET/ CT parameters in IDH-1 wild-type GBM and correlation with molecular markers. Nucl Med Commun. 2021; 42 (11): 1233–1238. https://doi.org/10.1097/ mnm.0000000000001449
  13. Efremov L., Abera S. F., Bedir A., Vordermark D., Medenwald D. Patterns of glioblastoma treatment and survival over a 16-years period: pooled data from the German Cancer Registries. J Cancer Res Clin Oncol. 2021. 147 (11): 3381–3390. https://doi.org/10.1007/s00432–021– 03596–5
  14. Han Y., Yan L. F., Wang X. B., Sun Y. Z., Zhang X., Liu Z. C., Nan H. Y., Hu Y. C., Yang Y., Zhang J., Yu Y., Sun Q., Tian Q., Hu B., Xiao G., Wang W., Cui G. B. Structural and advanced imaging in predicting MGMT promoter methylation of primary glioblastoma: A region of interest based analysis. BMC Cancer. 2018. 18 (1): 1–10. https://doi.org/10.1186/s12885–018–4114–2
  15. Haubold J., Demircioglu A., Gratz M., Glas M., Wrede K., Sure U., Antoch G., Keyvani K., Nittka M., Kannengiesser S., Gulani V., Griswold M., Herrmann K., Forsting M., Nensa F., Umutlu L. Non-invasive tumor decoding and phenotyping of cerebral gliomas utilizing multiparametric 18F-FET PET-MRI and MR Fingerprinting. Eur J Nucl Med Mol Imaging. 2020. 47 (6): 1435–1445. https://doi.org/10.1007/s00259–019–04602–2
  16. Kazerooni A. F., Bakas S., Rad H. S., Davatzikos C. Imag ing Signatures of Glioblastoma Molecular Character istics: A Radiogenomics Review. Physiol Behav. 2017. 176 (5): 139–148. https://doi.org/10.1002/jmri.26907. Imaging
  17. Kopylov A. M., Fab L. V., Antipova O., Savchenko E. A., Revishchin A. V., Parshina V. V., Pavlova S. V., Kireev I. I., Golovin A. V., Usachev D. Y., Pavlova G. V. RNA Aptamers for Theranostics of Glioblastoma of Human Brain. Biochemistry (Mosc). 2021. 86 (8): 1012–1024. https://doi. org/10.1134/S0006297921080113
  18. Louis D. N., Perry A., Reifenberger G., von Deimling A., Figarella-Branger D., Cavenee W. K., Ohgaki H., Wiestler O. D., Kleihues P., Ellison D. W. The 2016 World Health Organization Classification of Tumors of the Central Nervous System: a summary. Acta Neuropathol. 2016. 131 (6): 803–820. https://doi.org/10.1007/ s00401–016–1545
  19. Low J. T., Ostrom Q. T., Cioffi G., Neff C., Waite K. A., Kruchko C., Barnholtz-Sloan J. S. Primary brain and other central nervous system tumors in the United States (2014–2018): A summary of the CBTRUS statis tical report for clinicians. Neurooncol Pract. 2022. 9 (3): 165–182. https://doi.org/10.1093/nop/npac015
  20. Muñoz-Hidalgo L., San-Miguel T., Megías J., Serna E., Calabuig-Fariñas S., Monleón D., Gil-Benso R., CerdáNicolás M., López-Ginés C. The Status of EGFR Modulates the Effect of miRNA-200c on ZEB1 Expression and Cell Migration in Glioblastoma Cells. Int J Mol Sci. 2020. 22 (1): 368. https://doi.org/10.3390/ ijms22010368
  21. Nikitin P. V., Ryzhova M. V., Potapov A. A., Galstyan S. A., Kim D. S., Panina T. N., Shugai S. V., Starovoitov D. V., Khokhlova E. A., Zubova I. V. Glioblastoma molecular and histological heterogeneity. Clin Exp Morphol. 2020. 9 (3): 5–11. https://doi.org/10.31088/CEM2020.9.3.5–11
  22. Nomura Y., Asano Y., Shinoda J., Yano H., Ikegame Y., Kawasaki T., Nakayama N., Maruyama T., Muragaki Y., Iwama T. Characteristics of time-activity curves obtained from dynamic 11C-methionine PET in common primary brain tumors. J Neurooncol. 2018. 138 (3): 649–658. https://doi.org/10.1007/s11060–018–2834–4
  23. Oprita A., Baloi S. C., Staicu G. A., Alexandru O., Tache D. E., Danoiu S., Micu E. S., Sevastre A. S. Updated insights on EGFR signaling pathways in glioma. Int J Mol Sci. 2021. 22 (2): 1–21. https://doi. org/10.3390/ijms22020587
  24. Osborn A. G., Louis D. N., Poussaint T. Y., Linscott L. L., Salzman K. L. The 2021 World Health Organization Classification of Tumors of the Central Nervous System: What Neuroradiologists Need to Know. AJNR. 2022. 43 (7): 928–937. https://doi.org/10.3174/ajnr. A7462
  25. Overcast W. B., Davis K. M., Ho C. Y., Hutchins G. D., Green M. A., Graner B. D., Veronesi M. C. Advanced imaging techniques for neuro-oncologic tumor diagnosis, with an emphasis on PET-MRI imaging of malignant brain tumors. Curr Oncol Rep. 2021. 23(3): 34. https://doi.org/10.1007/s11912–021–01020–2
  26. Qian J., Herman M. G., Brinkmann D. H., Laack N. N., Kemp B. J., Hunt C. H., Lowe V., Pafundi D. H. Prediction of MGMT Status for Glioblastoma Patients Using Radiomics Feature Extraction From 18F-DOPA-PET Imaging. Int J Radiat Oncol Biol Phys. 2020. 108 (5): 1339–1346. https://doi.org/10.1016/j. ijrobp.2020.06.073
  27. Saadeh F. S., Mahfouz R., Assi H. I. EGFR as a clinical marker in glioblastomas and other gliomas. Int J Biol Markers. 2018. 33 (1): 22–32. https://doi.org/10.5301/ ijbm.5000301
  28. Seow P., Wong J. H.D., Ahmad-Annuar A., Mahajan A., Abdullah N. A., Ramli N. Quantitative magnetic resonance imaging and radiogenomic biomarkers for glioma characterisation: A systematic review. Br J Radiol. 2018. 91 (1092). https://doi.org/10.1259/bjr.20170930
  29. Śledzińska P., Bebyn M. G., Furtak J., Kowalewski J., Lewandowska M. A. Prognostic and predictive biomarkers in gliomas. Int J Mol Sci. 2021. 22 (19): 1–32. https://doi.org/10.3390/ijms221910373
  30. Suh C. H., Kim H. S., Jung S. C., Choi C. G., Kim S. J. Imaging prediction of isocitrate dehydrogenase (IDH) mutation in patients with glioma: a systemic review and meta-analysis. Eur Radiol. 2019. 29 (2): 745–758. https://doi.org/10.1007/s00330–018–5608–7
  31. Unterrainer M., Winkelmann I., Suchorska B., Giese A., Wenter V., Kreth F. W., Herms J., Bartenstein P., Tonn J. C., Albert N. L. Biological tumour volumes of gliomas in early and standard 20–40 min 18F-FET PET images differ according to IDH mutation status [published correction appears in Eur J Nucl Med Mol Imaging. Eur J Nucl Med Mol Imaging. 2018. 45 (7): 1242–1249. https://doi.org/10.1007/s00259–018–3969–4
  32. Verger A., Stoffels G., Bauer E. K., Lohmann P., Blau T., Fink G. R., Neumaier B., Shah N. J., Langen K. J., Galldiks N. Static and dynamic 18F-FET PET for the characterization of gliomas defined by IDH and 1p/19q status. Eur. J. Nucl. Med. Mol. Imaging. 2018. 45 (3): 443–451. https://doi.org/10.1007/s00259–017–3846–6
  33. Wang Y., Kong Z., Lin Y., Jiang C., Li L., Liu Z., Wang Y., Dai C., Liu D., Qin X., Liu Z., Cheng X., Tian J., Ma W. 18F-FDG-PET-based Radiomics signature predicts MGMT promoter methylation status in primary diffuse glioma. Cancer Imaging. 2019. 19 (1): 58. https://doi. org/10.1186/s40644–019–0246–0
  34. Wu W., Klockow J. L., Zhang M., Lafortune F., Chang E., Jin L., Wu Y., Daldrup-Link H. E. Glioblastoma multiforme (GBM): An overview of current therapies and mechanisms of resistance. Pharmacol Res. 2021. 171: 105780. https://doi.org/10.1016/j.phrs.2021.105780
  35. Yabo Y. A., Niclou S. P., Golebiewska A. Cancer cell heterogeneity and plasticity: A paradigm shift in glioblastoma. Neuro Oncol. 2022. 24 (5): 669–682. https://doi.org/ 10.1093/neuonc/noab269
  36. Yang Y., He M. Z., Li T., Yang X. MRI combined with PET-CT of different tracers to improve the accuracy of glioma diagnosis: a systematic review and meta-analysis. Neurosurg Rev. 2019. 42 (2): 185–195. https://doi.org/ 10.1007/s10143–017–0906–0
  37. Yu P., Ning J, Xu B., Liu J., Dang H., Lin M., Feng X., Grimm R., Tian J. Histogram analysis of 11C-methionine integrated PET/MRI may facilitate to determine the O6-methylguanylmethyltransferase methylation status in gliomas. Nucl Med Commun. 2019. 40 (8): 850– 856. https://doi.org/10.1097/MNM.0000000000001039

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Глиобластома правого полушария головного мозга. Зоны интереса на ПЭТ и МРТ изображениях: 1) карта распределения метионина (МЕТ), совмещенная с T1ВИ после контрастрирования; 2) карта измеряемого коэффи- циента диффузии (ADC); 3) карта объемного мозгового кровотока (CBF) ASL перфузии. Цветом обозначены зоны интереса (VOI) сопоставленные друг с другом: синий – максимальное накопление метионина (METmax), розо- вый – минимальные значения измеряемого коэффициента диффузии (ADCmin), красный – максимальные зна- чения кровотока (CBFmax), желтый – измерения в нормальной паренхиме мозга. В данном клиническом примере зоны интереса не пересекаются.

Скачать (322KB)
Метаданные
3. Рис. 2. Совмещенные ПЭТ и МРТ изображений. Схематическое представление сопоставления зон интереса (VOI) максимального кровотока (CBFmax – красный контур), измеряемого коэффициента диффузии (ADCmin – черный контур), метаболической активности метионина в опухоли (METmax – синий контур): (а) совпадение VOI, (б) частичное совпадение VOI, (в) Отсутствие совпадения VOI.

Скачать (318KB)
Метаданные

© Российская академия наук, 2024

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах