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

Обложка

Цитировать

Полный текст

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

СПИСОК СОКРАЩЕНИЙ

ADC – apparent diffusion coefficient (измеряемый коэффициент диффузии)

ASL – arterial spin labeling (артериальная спиновая маркировка)

CBF – cerebral blood flow (скорость объемного кровотока)

SUV – standardized uptake value (стандартизованный уровень накопления)

ВИ – взвешенные исследования

ГБ – глиобластома

ГЭБ – гематоэнцефалический барьер

ДВИ – диффузионно-взвешенные изображения

ИН – индекс накопления

МРТ – магнитно-резонансная томография

МЕТ – 11С-метионин

ПЭТ/КТ – позитронная эмиссионная томография, совмещенная с компьютерной томографией

РФП – радиофармпрепарат

ВВЕДЕНИЕ

Глиобластома (ГБ) среди опухолей головного мозга остается одним из самых неблагоприятных диагнозов (Efremov, 2021; Low, 2022), отличаясь высокой степенью неоднородности развития опухолевого процесса как в пространстве, так и во времени, что обусловлено значительной геномной нестабильностью, высокой скоростью пролиферации отдельных участков с формированием некрозов, устойчивостью к апоптозу и патологической неоваскуляризацией (Yabo, 2022; Nikitin, 2020). Гетерогенность структуры и существование различных субпопуляций клеток в рамках одного образования обуславливает быстрый рост и способность адаптироваться к лучевому и лекарственному лечению (Efremov, 2021; Low, 2022; Yabo, 2022; Nikitin, 2020; Wu, 2021). Поиск взаимосвязей между молекулярно-генетическими особенностями глиом и их клинико-диагностической картиной является трендом последних лет (Yabo, 2022; Nikitin, 2020; Wu, 2021; Śledzińska, 2021; Osborn, 2022). Результаты последних двух пересмотров классификации ВОЗ опухолей ЦНС (Louis, 2016; Osborn, 2022) вызвали всплеск работ (Kazerooni, 2020; Overcast, 2021; Nomura, 2018; Suh, 2019; Seow, 2018; Yang, 2019; Danilov, 2023; Saadeh, 2018), в том числе отечественных (Batalov, 2019; Беляев, 2021; Беляев, 2022), посвященных сопоставлению различных геномных характеристик глиом с их фенотипом по данным МРТ и ПЭТ/КТ.

На сегодняшний день к ГБ относят все опухоли астроцитарного ряда (независимо от степени пролиферативной активности – Grade), без мутации гена изоцитратдегидрогеназы (IDH wild type) и генов гистонов H3, c характерной микрососудистой пролиферацией, некрозами и/или специфическими молекулярными особенностями, включающими отсутствие или наличие следующих изменений: метилирования промотора гена MGMT, амплификации гена EGFR, мутации гена TERT и др. (Yabo, 2022; Osborn, 2022). При этом злокачественные опухоли с наличием мутации в гене IDH, ранее называемые «вторичные ГБ» (Louis, 2016), стали относиться к группе IDH-мутантных астроцитом Grade 4, и термин «глиобластома» к ним не применим (Osborn, 2022).

Клинически внутри группы ГБ (ВОЗ 2021), в зависимости от присутствия тех или иных типов генетических нарушений, наблюдается различное биологическое поведение опухоли (Yabo, 2022; Nikitin, 2020; Wu, 2021; Śledzińska, 2021; Osborn, 2022). Так, амплификация гена EGFR (эпидермального фактора роста) или мутация промотора TERT (теломеразная обратная транскриптаза) определяют стремительное прогрессирование опухоли (Yabo, 2022; Osborn, 2022; Chamberlain, 2015), а метилирование промотора гена MGMT является важным прогностическим биомаркером ответа на химиотерапевтическое лечение (Chamberlain, 2015). Последнее особенно важно в старшей группе пациентов ввиду плохой переносимости препаратов (Wu, 2021; Chai, 2021).

Несмотря на современные достижения хирургической техники, стереотаксического облучения и системной лекарственной терапии, общая выживаемость больных остается низкой и составляет от 12 до 17.1 месяцев. Не более 15% пациентов переживают порог 36 месяцев, что обуславливает необходимость дальнейших поисков возможности улучшения диагностики и лечения этой патологии.

Мультимодальный и мультипараметрический подход к изучению ГБ в данной работе призван оценить взаимосвязь фундаментальных процессов роста, неоангиогенеза и метаболизма аминокислот в ткани ГБ и связать их с генетическими особенностями опухоли, а также пролиферативной активностью, с целью сопоставления фенотипической и генетической гетерогенности ГБ.

МЕТОДИКА

В исследование вошли 40 пациентов (возраст 55 ± 12лет, пол М/Ж = 31/9) с впервые выявленными ГБ (IDH wild type Grade 4, ВОЗ 2021), которые прошли все диагностические и лечебные мероприятия во ФГАУ «НМИЦ нейрохирургии им. академика Н. Н. Бурденко». Всем пациентам на дооперационном этапе проводилась МРТ в стандартных режимах (T2, T2-FLAIR, T1 до и после контрастного усиления (КУ)), дополнительно включая диффузионно-взвешенные изображения (ДВИ) с построением карт измеряемого коэффициента диффузии (ИКД) и протокол ASL-перфузии с построением карт объемного церебрального кровотока на аппарате Signa HDxt с напряженностью магнитного поля 3.0 T (General Electric, USA). ПЭТ/КТ-исследование с 11С-метионином (МЕТ) проводилось на аппарате Siemens Biograph 40 True Point (Siemens Medical Solutions, США) согласно стандартному протоколу сканирования, с проведением реконструкции изображения 3D OSEM (Ordered Subset Expectation Maximization) c 5 итерациями и 8 подмножествами с коррекцией поглощения при помощи низкодозной КТ. После проведения диагностических мероприятий выполнялось хирургическое лечение (удаление опухоли или стереотаксическая биопсия (СТБ)) с последующим иммуногистохимическим исследованием материала (ИГХ).

Работа была одобрена этическим комитетом ФГАУ «НМИЦ нейрохирургии им. академика Н. Н. Бурденко», согласие пациентов на все виды исследований и медицинских манипуляций получено.

В данной работе группы пациентов были разделены в зависимости от наличия метилирования промотора гена MGMT (+/-) и амплификации гена EGFR (+/-). Кроме того, оценивалась степень пролиферативной активности опухоли (Ki67), пороговое значение было выбрано согласно различиям в прогнозе течения злокачественных глиом по литературным данным и составило 20% (Armocida, 2020).

Сопоставление, анализ и интерпретация изображений ПЭТ/КТ и МРТ проводились с помощью программного обеспечения PMOD (версия 4.0, Цюрих, Швейцария).

Зоны интереса (Volume of Interest – VOI) на МРТ и ПЭТ-сканах выбирались в соответствии с принятым протоколом обработки данных в объеме 1см3 (рис. 1): 1) VOI наибольшей метаболической активности МЕТ на карте его распределения (МЕТmax); 2) VOI минимальных значений измеряемого коэффициента диффузии на карте ИКД (ADCmin); 3) VOI максимальных значений скорости кровотока на карте ASL-перфузии (CBFmax).

 

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 коэффициента диффузии (ADC); 3) карта объемного мозгового кровотока (CBF) ASL перфузии. Цветом обозначены зоны интереса (VOI) сопоставленные друг с другом: синий – максимальное накопление метионина (METmax), розовый – минимальные значения измеряемого коэффициента диффузии (ADCmin), красный – максимальные значения кровотока (CBFmax), желтый – измерения в нормальной паренхиме мозга. В данном клиническом примере зоны интереса не пересекаются.

Fig. 1. Right hemisphere glioblastoma. PET and MRI areas of interest: 1) methionine distribution map (MET) combined with contrast enhancement T1W; 2) apparent diffusion coefficient map (ADC); 3) ASL cerebral blood flow map (CBF). Mapping areas of interest (ROI) to each other is indicated by color: blue – methionine maximum accumulation (METmax), pink – diffusion coefficient minimum (ADCmin), red – cerebral blood flow maximum (CBFmax), yellow – normal brain parenchyma measurement. In this clinical case VOI didn’t match.

 

Далее все вышеперечисленные контуры VOI с помощью программного обеспечения автоматически переносились на другие карты и сопоставлялись друг с другом – рис. 1 и 2.

 

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.

Fig. 2. PET and MRI image сombination. Schematic comparison representation of voliume of interest (VOI) blood flow maximum (CBFmax – red contour), apparent diffusion coefficient minimum (ADCmin – black contour), tumor maximum methionine metabolic activity (METmax – blue contour): (а) VOI total match (б) VOI partial match (в) VOI mismatch.

 

В результате количественно оценивались девять параметров:

– метаболические: METmax – максимальный уровень метаболической активности опухоли в виде ИН МЕТ, METcbf – ИН MET в области максимальных значений кровотока, METadc – ИН MET в области максимального ограничения диффузии, то есть минимальных значений ADC;

– диффузионные: ADCmin – минимальные значения измеряемого коэффициента диффузии, ADCmet – значения ADC в области максимального метаболизма, ADCcbf – значения ADC в области максимального кровотока;

– перфузионные: CBFmax – максимальные значения кровотока, CBFmet – значения CBF в области максимального метаболизма, CBFadc – значения CBF в области максимального ограничения диффузии.

Уровень метаболической активности опухоли оценивался в виде индекса накопления (ИН) метионина (MET), далее просто МЕТ, как отношение стандартизованного уровня накопления (SUV – standardized uptake value) аминокислоты в 1 см3 наиболее активной части опухоли к уровню накопления РФП в неизмененной мозговой ткани контралатерального полушария.

Проведен сравнительный и корреляционный анализ всех параметров как в общей группе ГБ, так и отдельно, в зависимости от молекулярно-генетического статуса (MGMT+/и EGFR+/-) и уровня Ki67.

Количество пациентов в группах с разными генетическими нарушениями было не равнозначно, но достаточно для статистической обработки данных (МGMT+/n = 9/31, EGFR+/n = 8/20 соответственно). Статус мутации гена EGFR определялся только у больных старшей возрастной группы (> 50 лет), поэтому количество случаев отличается от общего числа пациентов.

Статистический анализ проводился с использованием программы jamovi 2.3.12 и web-tool for ROC curve analysis (ver. 1.3.1) и easyROC (http://www.biosoft.hacettepe.edu.tr/easyROC/). Количественная оценка корреляционной связи между параметрами проводилась с расчетом коэффициента ранговой корреляции Спирмена. Наличие статистически значимых различий между исследуемыми группами оценивалось с помощью непараметрического U-теста Манна – Уитни. Кроме этого, для анализа был проведен ROC-анализ и рассчитаны такие параметры, как чувствительность, специфичность, площадь под кривой (AUC), а также пороговые значения в соответствии со значениями индекса Юдена.

РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ

По результатам исследования при сопоставлении зон интереса (METmax, ADCmin, CBFmax) анатомически их полное совпадение было выявлено только у 2 пациентов – 7% (рис. 2 (а)), в 48% случаев они пересекались или были расположены в непосредственной близости друг от друга (рис. 2 (б)), в 45% – разбросаны в структуре опухоли без пересечения (рис. 2 (в)).

Сопоставление МРТи ПЭТ-параметров проводилось сначала в общей группе ГБ, независимо от мутаций. Средние значения представлены в табл. 1, где видно, что уровень кровотока статистически значимо отличался между всеми контурами (CBFmax vs CBFmet vs CBFadc, p < 0.05), а значения коэффициента диффузии и ИН МЕТ значимо отличались только в точке их максимума на своей карте от двух других значений (ADCmin vs ADCmet/ADCcbf и METmax vs METcbf/METadc, p < 0.05), при этом в остальных контурах различий выявлено не было.

 

Таблица 1. Средние значения изучаемых параметров кровотока, диффузии и метаболизма МЕТ (заглавные – CBF, ADC, МЕТ) в каждой зоне интереса в структуре ГБ

Table 1. Average values of cerebral blood flow, diffusion and MET metabolism parameters (capital – CBF, ADC, MET) in each area of interest in GB structure

Параметры

Общая группа ГБ (N=40)

Сравниваемые параметры

p-value

CBFmax

140.25 ± 59.07

CBFmax vs CBFmet

< 0.001

CBFmet

81.24 ± 35.08

CBFmet vs CBFadc

0.03

CBFadc

61.50 ± 30.85

CBFadc vs CBFmax

< 0.001

ADCmin

937.73 ± 181.05

ADCmax vs ADCmet

0.035

ADCmet

1060.60 ± 223.56

ADCmet vs ADCcbf

0.519

ADCcbf

1084.29 ± 271.75

ADCcbf vs ADCmax

0.004

METmax

3.42 ± 0.88

METmax vs METcbf

< 0.001

METcbf

2.38 ± 0.88

METcbf vs METadc

0.998

METadc

2.4 ± 0.84

METadc vs METmax

< 0.001

Ki-67

27.95 ± 18.81

  

 

Сравнение аналогичных показателей изучаемых параметров в подгруппах ГБ с генетическими особенностями представлено в табл. 2.

 

Таблица 2. Средние значения изучаемых параметров кровотока, диффузии и метаболизма МЕТ (заглавные – CBF, ADC, МЕТ) в каждой зоне интереса в структуре опухоли в подгруппах ГБ, в зависимости от метилирования гена MGMT и амплификации гена EGFR; а также Ki67

Table 2. Mean values of cerebral blood flow, diffusion and MET metabolism parameters (capital – CBF, ADC, MET) in each area of interest in GB structure and in different genetic GB subgroups with MGMT methylation and EGFR amplification; as well as by Ki67 level

Параметры

MGMT «-»

MGMT «+»

p

EGFRamp

«-»

EGFRamp

«+»

p

Ki67 >20%

Ki67

< 20%

p

N

31

9

 

20

8

 

20

19

 

CBFmax

83.02 ± 35.82

72.02 ± 32.93

0.39

136.08 ± 62.59

118.41 ± 55.44

0.76

160.45 ± 46.01

111.83 ± 66.26

0.04

CBFmet

62.57 ± 32.63

55.93 ± 20.88

0.48

82.03 ± 34.03

70.91 ± 30.30

0.44

91.17 ± 33.60

65.97 ± 33.23

0.04

CBFadc

139.36 ± 59.10

144.85 ± 65.63

0.82

64.16 ± 32.68

53.44 ± 24.61

0.54

72.96 ± 29.40

45.32 ± 27.14

0.01

ADCmin

0.90 ± 0.16

1.06 ± 0.15

0.02

0.94 ± 0.18

0.95 ± 0.94

0.94

0.96 ± 0.19

0.92 ± 0.17

0.59

ADCmet

1040.64 ± 233.79

1129.37 ± 178.36

0.17

1088.44 ± 56.13

1003.47 ± 143.57

0.35

1049.91 ± 187.59

1085.72 ± 257.89

0.90

ADCcbf

1073.08 ± 285.10

1142.58 ± 201.92

0.30

1108.36 ± 237.00

1140.83 ± 265.37

0.94

1150.07 ± 248.82

1008.35 ± 297.08

0.28

METmax

3.40 ± 0.92

3.49 ± 0.78

0.82

3.14 ± 0.78

4.07 ± 0.80

0.01

3.35 ± 0.82

3.55 ± 0.94

0.43

METcbf

2.41 ± 0.94

2.24 ± 0.37

0.93

2.32 ± 0.83

2.84 ± 1.06

0.17

2.25 ± 0.82

2.75 ± 1.03

0.23

METadc

2.40 ± 0.83

2.41 ± 0.93

0.97

2.26 ± 0.85

2.92 ± 1.07

0.35

2.49 ± 0.82

2.33 ± 0.88

1.00

Ki-67

26.40 ± 18.22

33.11 ± 20.95

0.18

28.32 ± 0.56

30.00 ± 15.12

0.40

40.25 ± 19.09

15.00 ± 4.16

 

 

Как видно в табл. 2, в группе ГБ MGMT+ статистически значимые отличия были получены только для ADC с более высокими значениями в группе (пороговое значение ADCmin = 1.01 * 10–3 мм2с, Se = 78%, Sp = 74%, AUC = 0.77).

В группе пациентов с амплификацией гена EGFR значимые отличия выявлены для ИН МЕТ (METmax), при пороговом значении 3.29 и выше чувствительность и специфичность ПЭТ/КТ в выявлении ГБ EGFR+ составляет 88 и 70% соответственно (AUC = 0.82).

В группе ГБ с уровнем Ki67 > 20% отчетливо проявился более высокий уровень кровотока по данным ASL-перфузии с пороговым значением CBFmax 108.18 мл/100г/мин (Se = 70%, Sp = 94%, AUC = 0.75).

Для оценки взаимосвязей процессов клеточной пролиферации, неоангиогенеза и метаболизма МЕТ в опухолевой ткани были рассчитаны корреляционные взаимосвязи между изучаемыми параметрами, представленные в табл. 3.

 

Таблица 3. Корреляционные взаимосвязи параметров кровотока, диффузии и метаболизма МЕТ (заглавные – CBF, ADC, МЕТ) в каждой зоне интереса в структуре опухоли в общей группе пациентов и в генетических подгруппах, в зависимости от метилирования гена MGMT и амплификации гена EGFR, а также Ki67

Table 3. Correlations of cerebral blood flow, diffusion and MET metabolism parameters (capital – CBF, ADC, MET) in each area of interest in GB structure in the general patient group and in different genetic GB subgroups with MGMT methylation and EGFR amplification; as well as by Ki67 level

Параметры

Общая группа

MGMT «-»

MGMT «+»

EGFR «-»

EGFR «+»

Ki-67 >20%

Ki-67 <20%

METmax

CBFmet

       

METmax

ADCmet

-0.37

 

-0.72

-0.56

-0.85

-0.65

 

ADCmet

CBFmet

      

0.71

CBFmet

Ki-67

0.38

 

0.89

    

ADCmin

METadc

    

-0.76

-0.47

 

ADCmin

CBFadc

       

METadc

CBFadc

       

CBFmax

METcbf

       

CBFmax

ADCcbf

       

METcbf

ADCcbf

-0.5

-0.5

 

-0.63

-0.93

  

CBFmax

Ki-67

0.48

0.41

0.89

0.83

 

0.58

 

METcbf

Ki-67

     

0.52

 

 

Таким образом, в общей группе пациентов были получены значимые отрицательные корреляционные взаимосвязи между МЕТ и ADC, причем как в зоне наибольшего включения аминокислоты (METmax и ADCmet, k = –0.37), так и в области максимальных значений кровотока (METcbf и ADCcbf, k = –0.5), с усилением взаимосвязей до максимума в группе EGFR+ (k = –0.85 и –0.93 соответственно).

В свою очередь, только параметры кровотока в области своего максимума и в контуре максимального метаболизма были взаимосвязаны с Ki67 (CBFmax k = 0.48 > CBFmet k = 0.38). Усиление взаимосвязи происходило в группе ГБ MGMT+ (как CBFmet k = 0.89, так и CBFmax k = 0.89), в группе EGFR(CBFmax k = 0.83) и при Ki67 > 20% (CBFmax k = 0.58).

ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ

Гетерогенность глиобластом как фенотипическая, так и генетическая широко обсуждается в литературе последние несколько десятилетий (Yabo, 2022; Nikitin, 2020). Механизмы роста и агрессивной инфильтрации вещества мозга являются предметом особого интереса морфологов, клиницистов и рентгенологов (Wu, 2021; Śledzińska, 2021) с целью разработки эффективных схем лечения глиом и прогнозирования исхода заболевания.

За последние 10 лет вышло несколько систематических обзоров по визуализации опухолей головного мозга (Suh, 2019; Seow, 2018; Yang, 2019;) обобщающих публикации с 2003 по 2019 г., но работы, выполненные до 2016 г., не учитывают генетические особенности глиом и сосредоточены на выявлении отличий между двумя большими разнородными группами опухолей с высокой и низкой степенью злокачественности (LGG и HGG). После обновления классификации ВОЗ в 2016 г. большинство диагностических работ сосредоточилось на поиске фенотипических отличий ГБ с IDH-мутантным и «диким» статусом на основе стандартной МРТ (T2-FLAIR mismatch), диффузионных и перфузионных МР-технологий с получением значимых результатов (Batalov, 2019; Беляев, 2021; Choi, 2016). Исследования ПЭТ/КТ с аминокислотами при этом демонстрировали противоречивые данные. Так, некоторые авторы не выявили зависимости параметров накопления ДОФА, в зависимости от статуса IDH (Cicone, 2019), а в исследованиях с ФЭТ отмечалась стойкая взаимосвязь метаболизма аминокислоты, мутации IDH и выживаемости пациентов (Blanc-Durand, 2018; Unterrrainer, 2018; Verger, 2018). При этом выборки пациентов были смешанные с присутствием глиом (Grade 2–3), в том числе с олигодендрокомпонентом, что значительно влияло на показатели прогноза. Интересно, что отличий по уровню метаболизма между ГБ (IDH +/-) и ОДГ выявлено не было (Verger, 2018) и это сильно уменьшает практическую значимость полученных результатов.

Последний пересмотр классификации опухолей ЦНС в 2021 г. еще больше сместил акцент исследований в область взаимосвязи прогноза с генетическим профилем ГБ (Osborn, 2022), добавляя к статусу IDH еще несколько типов молекулярных нарушений, и сделал сравнение новых работ, в том числе и этой, с предыдущими нецелесообразным, ввиду принципиальных отличий в формировании изучаемых групп опухолей.

По данным последних систематических обзоров отмечено, что большинство работ по радиогеномике ГБ сосредоточены на анализе изменений в генах EGFR (41.7%) и MGMT (20.8%) (Seow, 2018; Yang, 2019; Danilov, 2023; Saadeh, 2018; Chamberlain, 2015; Han, 2018). При этом метаболические характеристики ГБ по данным ПЭТ/КТ в литературе исследуются с использованием различных РФП (МЕТ (Yu, 2019), ФЭТ (Haubold, 2020), ДОФА (Qian, 2020) и ФДГ (Wang, 2019; Dev, 2021).

Данная работа уникальна тем, что в относительно гомогенной группе глиом, представленных только ГБ, были изучены особенности структурных, функциональных и метаболических процессов в сопоставлении с пролиферативной активностью и генетическим профилем опухоли.

В нашем исследовании в группе ГБ MGMT+ наблюдались значимо более высокие показатели измеряемого коэффициента диффузии, то есть плотноклеточность опухоли была ниже, чем в группе ГБ MGMT-. При этом отмечалась отрицательная корреляционная взаимосвязь диффузионных параметров с уровнем метаболической активности МЕТ в ткани опухоли (METmax и ADCmet, табл. 1), что косвенно свидетельствует о более низкой потребности данного генетического подтипа ГБ в строительстве новых мембран, обусловленной угнетением механизма пролиферации клеток ферментом системы репарации ДНК – O6-метилгуанин-ДНК-метилтрансферазой.

Хорошо известно, что в норме этот фермент, экспрессируясь на высоком уровне, удаляет метильные и хлорэтильные группы из О6-позиции гуанина, нейтрализуя цитотоксический эффект алкилирующих агентов. Снижение уровня экспрессии фермента за счет метилирования промотора гена MGMT, которое может наблюдаться только в опухолевых клетках, приводит к тому, что именно они избирательно подвергаются цитотоксическому воздействию химиопрепаратов (например, темозоломида) (Dev, 2021), что обуславливает хороший ответ опухоли на лечение и более благоприятный прогноз течения ГБ (Wu, 2021; Śledzińska, 2021; Chai, 2021). Наши данные о взаимосвязи метилирования промотора гена MGMT и ADC подтверждают результаты более ранних работ (Blanc-Durand, 2018; Dadgar, 2023; Kopylov, 2021).

В одной из аналогичных работ по сопоставлению ГБ с различным статусом метилирования гена MGMT (Dadgar, 2023) на основе данных МР-перфузии (3D pCASL) коллектив авторов во главе с Yu Han продемонстрировал статистически значимые отличия показателей rCBF (p < 0.001, AUC0.835) в изучаемых группах. В нашей работе не удалось получить пороговые значения CBFmax для разделения этих генетических подгрупп, но ГБ MGMT+ демонстрировали прямую корреляционную зависимость уровня кровотока (CBFmax и CBFmet) с пролиферативной активностью опухоли (Ki67), что косвенно свидетельствует о взаимосвязи процессов неоангиогенеза со степенью злокачественности опухоли в этой генетической подгруппе ГБ.

Следующий важный генетический маркер прогноза течения ГБ – трансмембранный рецептор тирозинкиназы эпидермального фактора роста (EGFR), активация которого происходит примерно у половины больных ГБ. Причем запуск различных сигнальных каскадов происходит независимо от лиганда (24–67% случаев представлены мутацией гена EGFR, в 40% – амплификацией и 60% – гиперэкспрессией) (Muñoz-Hidalgo, 2020; Oprita, 2021). В результате происходит активация процессов онкогенеза, пролиферации и миграции опухолевых клеток. Таким образом, изменение генетического статуса EGFR является важным фактором неблагоприятного прогноза и быстрого прогрессирования ГБ (Wu, 2021; Śledzińska, 2021; Oprita, 2021).

По данным нашего исследования, выявление амплификации гена EGFR было ассоциировано со значимо более высоким ИН МЕТ (cut-off 3.29 AUC = 0.82) и коррелировало с Ki67, что сопоставимо с общеизвестным фактом о повышенном использовании аминокислот при строительстве мембран опухолевых клеток. Кроме того, в каждом изученном контуре (cbf, met, adc) наблюдалась сильная отрицательная взаимосвязь метаболизма и плотноклеточности в структуре опухоли, подтверждающая активацию процессов пролиферации, вероятно, за счет повреждения тирозинкиназных рецепторов (Saadeh, 2018; Muñoz-Hidalgo, 2020; Oprita, 2021). Исследования, аналогичные нашему, представлены в единичных вариантах (Haubold, 2020). На современном этапе большинство авторов сосредоточено на поиске таргетных РФП с целью избирательного выявления EGFR+ ГБ (Dadgar, 2023), однако клинически значимых успехов пока не достигнуто. Трудности связаны с проникновением препаратов через гематоэнцефалический барьер (ГЭБ) и развитием компенсаторных сигнальных путей, но ученые не теряют надежды и продолжают поиски, в том числе и на базе Центра нейрохирургии им. академика Н. Н. Бурденко (Kopylov, 2021).

Межопухолевая и внутриопухолевая гетерогенность ГБ во временном и пространственном аспектах является одной из причин устойчивости опухоли к таргетной терапии и делает ее предметом изучения не только морфологов (Nikitin, 2020), но и диагностов (Kazerooni, 2020; Seow, 2018; Oprita, 2021).

Наше исследование показало, что локализация зон высоких значений кровотока, плотноклеточности и метаболизма аминокислот могут не совпадать более чем в 50% случаев, доказывая наличие различий в структуре и функциональной активности различных участков ГБ.

Зону максимальных значений кровотока (CBFmax) условно можно обозначить транспортной, где основным процессом является потребление питательных веществ из сети патологических опухолевых сосудов, независимо от нарушения ГЭБ. При этом процессы метаболизма в данной области могут быть и не ускорены. В нашем исследовании этот факт подтверждается отсутствием взаимосвязей между показателями METcbf и ADCcbf в данной области.

Зона максимального ограничения диффузии в структуре ГБ (ADCmin) также продемонстрировала отсутствие корреляционных взаимосвязей с уровнем метаболизма и кровотока (METadc и CBFadc), что, в свою очередь, могло бы соответствовать зоне инкубации, где клетки делятся без увеличения их объема и построения новых мембран, что делает их расположение более компактным – плотноклеточным.

Участок максимального метаболизма метионина (МЕТmax), в свою очередь, отражает активное построение мембран с ускоренными процессами пластического метаболизма в клетках, подтверждающееся отрицательной корреляцией METmax с ADCmet.

Следует предполагать, что вышеописанные зоны в структуре опухоли переходят из одной в другую соответственно инвазивному распространению ГБ в веществе мозга (Yabo, 2022; Nikitin, 2020), однако идею зонирования ГБ и трансформации участков пролиферации и роста в структуре опухоли трудно доказать на практике по данным визуализации, так как в этом случае необходимо будет наблюдать за ростом ГБ без лечения, что невозможно по этическим соображениям.

В данном исследовании мы комплексно подошли к задаче оценки фенотипа и генотипа ГБ, объединив диагностические, функциональные и молекулярно-генетические данные. Описание и характеристики основных закономерностей внутриопухолевой гетерогенности ГБ, по нашему мнению, в дальнейшем будут способствовать формированию новых представлений о глиомогенезе и использоваться с практической точки зрения для поиска новых точек таргетного лечебного воздействия.

Ограничения исследования: невозможность проведения регрессионного анализа с учетом малого количества пациентов в генетических подгруппах; но надо учесть, что исследование – проспективное и набор материала продолжается. Кроме того, не удалось оценить прогностическую значимость вышеуказанных параметров в связи с короткими сроками сбора катамнеза.

ЗАКЛЮЧЕНИЕ

Проведенное исследование показало, что гетерогенность структуры ГБ выражалась отличиями локализации участков максимального кровотока, диффузии и метаболизма метионина в структуре образования. Полученные корреляции между ИН MET и ADC и отсутствие таковых с параметрами кровотока CBF свидетельствуют о том, что повышение метаболизма аминокислот в опухоли более вероятно зависит от количества клеточных мембран, а не сосудистого компонента. Более выраженные взаимосвязи индекса Ki67 с параметрами перфузии во всех группах определяют эту зону как более злокачественную и целевую при планировании СТБ в случаях несовпадения участков максимального включения МЕТ и CBF на картах ASL-перфузии.

Сопоставление вышеуказанных параметров с результатами молекулярно-генетических исследований позволило наметить особенности фенотипического портрета ГБ, в зависимости от молекулярно-генетического статуса, и показало необходимость проведения более масштабных работ. Метилирование гена MGMT, характерное для более благоприятного течения ГБ, в нашей выборке пациентов сопровождалось низким уровнем плотноклеточности опухолевой ткани, а наличие амплификации гена EGFR как неблагоприятного фактора прогноза сопровождалось более высоким уровнем накопления МЕТ.

Данное исследование является стартовым, и его продолжение в виде дальнейшей оценки фенотипа опухоли по данным МРТ и ПЭТ/КТ, генотипа, а также выживаемости больных представляется перспективным с точки зрения фундаментального изучения процессов глиомогенеза в рамках персонализированного подхода к терапии ГБ и нового представления о классификации опухолей WHO2021.

ФИНАНСИРОВАНИЕ

Работа выполнена при финансовой поддержке Министерства науки и высшего образования Российской Федерации (соглашение № 075–15–2021–1343).

Потенциальный конфликт интересов: авторы заявляют об отсутствии конфликта интересов.

×

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
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)
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)

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».