预测胶质母细胞瘤的临床结局：拓扑与函数数据分析的应用

多形性胶质母细胞瘤（GBM）是一种侵袭性人类脑癌，目前在癌症生物学领域正受到积极研究。其快速进展以及获取分子数据的相对时间成本，使得其他现成可用的数据形式（如医学图像）成为患者可执行措施的重要资源。我们的目标是在统计环境中利用取自 GBM 患者医学图像所给出的信息。为此，我们设计了一种新的统计量——平滑欧拉示性数变换（SECT）——以量化肿瘤的磁共振图像（MRI）。由于具有明确定义的内积结构，与先前提出的其他拓扑摘要统计量相比，SECT 可用于更广泛的函数和非参数建模方法。当应用于 GBM 患者队列时，我们发现 SECT 在预测临床结局方面优于现有的肿瘤形状量化和常见分子检测。具体而言，我们证明仅 SECT 特征解释的 GBM 患者生存期方差就多于基因表达、体积特征和形态测量特征。因此，我们研究的主要结论有两方面。第一，图像包含有价值的信息，可在临床预后和其他医疗决策中发挥重要作用。第二，SECT 是医学成像信息学更广泛研究中的可行工具。