文献速递头颈神经MRPET

鼻口咽癌磁共振成像:纹理分析在评估放化疗反应中的作用,一项初步研究

Magnetic resonance imaging in naso-oropharyngeal carcinoma: role of texture analysis in the assessment of response to radiochemotherapy, a preliminary study.
PubMed 文献 · Radiol Med · 2023-06-19

单中心观察性回顾研究对42例鼻口咽癌患者放化疗前后ADC图与增强T1图像行纹理分析,发现增强T1的Energy与Grey Level Non-Uniformity及ADC图5个特征可区分残留癌与纤维化/炎症,特征值放化疗后下降与良好反应相关。

要点

  • 增强T1图像Energy与Grey Level Non-Uniformity可区分残留癌与放化疗后非肿瘤性改变。
  • ADC图5个纹理特征在区分残留癌与纤维化或炎症水肿时有统计学意义。
  • 放化疗后纹理特征值较治疗前明显下降提示良好反应,残留癌则无此下降趋势。

核心结论

  • 增强T1图像与ADC图的纹理分析可在放化疗后早期随访中区分残留癌与纤维化及炎症。

研究设计与样本

  • 单中心、观察性、回顾性研究,最终纳入42例经组织学诊断的鼻口咽癌患者。
  • 患者于2014年1月至2022年1月在意大利佛罗伦萨Careggi医院行放化疗前后MRI。
  • 使用1.5 T Magnetom Aera(Siemens Healthcare)扫描仪,采集ADC图与钆增强T1 VIBE序列。
  • 参考标准为MRI、放化疗后3–4个月18F-FDG-PET/CT及活检,将患者分为残留癌7例、纤维化19例、炎症水肿16例。

关键影像表现/征象

  • 残留癌组表现为T2中等高信号、ADC值1.09 ± 0.29 × 10−3 mm2/s、钆增强后不均匀强化、18F-FDG-PET/CT阳性及活检阳性。
  • 纤维化组表现为T2极低信号、晚期纤维化ADC值0.98 ± 0.26 × 10−3 mm2/s、DWIb800低信号、钆增强后低强化及活检阴性。
  • 炎症水肿组表现为T2高信号、DWIb800低信号、ADC值1.75 ± 0.34 × 10−3 mm2/s、钆增强后明显均匀强化、18F-FDG-PET/CT阳性及活检阴性。

诊断标准与关键数值

  • 增强T1图像Energy区分残留癌与纤维化:AUC=0.75,Cut-off=4*108,敏感度75%,特异度90%。
  • 增强T1图像Energy区分残留癌与阴性组(纤维化加炎症):AUC=0.6,Cut-off=1*109,敏感度75%,特异度90%。
  • 增强T1图像Grey Level Non-Uniformity区分残留癌与炎症水肿:AUC=0.78,Cut-off=510,敏感度76%,特异度92%。
  • ADC图Dependence Variance区分残留癌与阴性组:AUC=0.76,Cut-off=1.04,敏感度75%,特异度96%。
  • ADC图Large Dependence Emphasis区分残留癌与阴性组:AUC=0.77,Cut-off=4.38,敏感度75%,特异度96%。

临床应用与阅片要点

  • 增强T1图像纹理特征值高于Cut-off提示残留癌,低于Cut-off提示炎症水肿或纤维化。
  • 放化疗后纹理特征值较治疗前明显下降与良好反应及非肿瘤性放疗改变相关。
  • 放化疗后纹理特征值保持稳定高值与残留癌相关。
  • 原文未发现能区分纤维化与炎症的纹理特征。

局限性

  • 原文未报告局限性。
全文中译8 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Radiol Med. 2023 Jun 19;128(7):839–52. doi: 10.1007/s11547-023-01653-2

引言

头颈部肿瘤是全球第七大常见癌症类型[1]。最常见的组织学类型是鳞状细胞癌(SCC),包括口咽癌(OPC),后者是最常见的肿瘤,以及鼻咽癌(NPC)[2]。酒精和吸烟是与SCC最相关的危险因素[3]。致癌型人乳头瘤病毒(HPV)感染是另一个非常重要的危险因素[4],HPV状态对风险分层有深远影响[1]。HPV阳性SCC典型见于社会经济地位较高的年轻患者,通常诊断较早且预后良好[5–8]。作为这一差异的佐证,HPV阳性已成为TNM分类的一部分[5]。就NPC而言,非角化性鳞状细胞癌(II型NPC)和未分化癌(III型NPC)在NPC流行地区——主要是北非以及东亚和东南亚——更为常见,且通常预后良好[2]。虽然HPV在NPC发病机制中的作用尚不明确,但EB病毒感染似乎与之密切相关[2]。磁共振成像(MRI)是评估SCC的参考影像学技术,因为其软组织显示优于计算机断层扫描(CT)[8, 9]。因此,美国癌症联合委员会也推荐MRI用于分期[2, 10–12]。放化疗(RT-CHT)是早期和局部晚期NPC治疗的基石之一,尽管结局异质性很大[6, 13–17]。因此,有必要开发用于预测和早期发现治疗失败或治疗反应的标志物[14]。为此,除传统MRI外还使用了其他技术,即动态对比增强灌注成像(DCE-PWI)和扩散加权成像(DWI)[18]。尽管已证明它们有助于头颈部SCC的RT-CHT反应预测和评估[19],但无论在初诊时还是治疗后随访中,纤维化、炎症与残留癌之间的鉴别仍然具有挑战性[20]。

“图像纹理”可定义为构成图像的像素的复杂结构编织[21]。“纹理分析”过程研究并分解可被识别并进一步 elabor 为定量“纹理特征”的重复模式和子模式[3]。随后可对这些特征进行单独研究,并与传统图像分析技术的结果整合,以进一步探究潜在病理,从而有助于推断更多关于患者状态的信息[3, 13, 22]。

纹理分析此前已被应用于CT和MRI,作为更好地对头颈部肿瘤表型进行分层的创新工具,主要通过无创评估病变的HPV状态[14, 22–27],显示出有前景的结果。本研究代表了纹理分析技术应用于OPC和NPC的MRI成像——具体为ADC图和CE-T1——的创新性和原创性应用,旨在识别可区分RT-CHT后纤维化和炎症与残留癌的纹理参数。

材料与方法

患者选择

本研究为单中心、观察性、回顾性研究。2014年1月至2022年1月期间,通过检索我们的图像归档与通信系统(PACS),筛选出所有经组织学诊断为口咽癌(OPC)或鼻咽癌(NPC)且在佛罗伦萨Careggi医院放射科于放化疗(RT-CHT)前后均接受过MRI检查的患者。

本研究经研究伦理委员会批准(方案编号21800_oss),所有纳入研究的个体参与者均获得了书面知情同意。

纳入标准:患者年龄大于18岁,

经活检证实为OPC或NPC的组织学诊断,

患者接受过RT-CHT,

在RT-CHT结束后3–4个月随访时进行了MRI检查,使用同一台MRI扫描仪以使样本尽可能同质化。

排除标准:无治疗前MRI,

无表观扩散系数(ADC)图和增强后T1 MRI序列,

RT-CHT后3–4个月进行的随访中无18F-FDG-PET/CT,

包含18F-FDG-PET/CT和MRI的临床及横断面影像随访时间短于12个月,

既往接受过头颈部放疗,

既往接受过头颈部手术,

患者筛选流程见图1。初始人群包括99例患者,其中42例未在我院进行治疗前MRI检查或未进行ADC和/或增强后T1 MRI序列检查。7例患者在RT-CHT后未进行18F-FDG-PET/CT检查,5例患者继续使用CT检查而非MRI进行随访,3例患者随访时间短于12个月。

图1 患者筛选流程 查看原图 ↗

图像采集与分析

MRI检查使用1.5 T Magnetom Aera(Siemens Healthcare,Erlangen,德国)进行。研究方案包括平扫序列,含矢状面脂肪饱和T1和T2加权采样序列及轴位、冠状位和矢状位多平面重建;轴位T2加权快速自旋回波;轴位脂肪饱和回波平面扩散加权成像(DWI)频谱衰减反转恢复(SPAIR)序列及ADC图。增强扫描在静脉注射钆螯合物对比剂(钆布醇,1 mL/10 kg,流速3 mL/秒,随后以20 mL生理盐水冲洗)后进行,包括轴位T1加权快速自旋回波和轴位T1加权容积内插屏气检查(VIBE)Dixon序列。关于采集方案的更多信息详见附录1表6。

一名具有5年头颈部影像学经验的放射科医师(E.B.)在治疗后图像上对原发肿瘤及相应解剖区域的整体体积进行了视觉分割。分割在ADC图和VIBE CE-T1序列上通过开源软件3DSlicer(软件版本4.10.2,https://www.slicer.org/)内的容积感兴趣区(ROI)功能完成。ROI由放射科医师逐层勾画。纹理特征提取通过SlicerRadiomics工具完成。共选取了PyRadiomics列表中的107个特征——PyRadiomics是一个用于从医学图像中提取放射组学数据的开源Python软件包——属于一阶统计量、三维形状特征、灰度共生矩阵、灰度区域大小矩阵、灰度游程长度矩阵、邻域灰度差矩阵和灰度依赖矩阵类别。

基于影像学和组织学检查的分组

我们首先根据MRI、18F-FDG-PET/CT和/或活检结果将患者分为两组。“阳性”组(第1组)包括疾病持续或复发的患者,而“阴性”组包括无残留癌、但MRI上存在与治疗后改变(如纤维化和炎症)相符的组织信号改变的患者(分别为第2组和第3组)。各组放化疗后典型表现见图2。更具体地说,“阴性”患者根据MRI形态学参数、18F-FDG-PET/CT结果和/或对放化疗后怀疑疾病复发/持续存在的病例进行活检,进一步分为纤维化组和炎性水肿组。因此,对各组患者分别进行评估。

第1组:疾病持续/复发——残留癌——7例患者。

T2图像上呈中等偏高(中间)信号强度的肿块样病灶;因肿瘤细胞密度高导致弥散受限,ADC值随之降低(1.09 ± 0.29 × 10−3 mm2/s);钆增强后呈不均匀强化,信号强度与原发肿瘤相似;18F-FDG-PET/CT阳性;活检阳性。

第2组:纤维化,19例患者。

T2图像上呈线性或三角形改变,信号强度极低——与肌肉相似或低于肌肉——见于晚期纤维化(放疗后瘢痕);晚期纤维化ADC值低(0.98 ± 0.26 × 10−3 mm2/s),因为组织主要由密集排列的胶原组成,但通常不伴弥散受限(DWIb800图像上呈低信号);钆增强后轻度强化;活检阴性。

第3组:炎性水肿,16例患者。

T2图像上呈广泛边界不清的改变,信号强度高,为放疗后组织反应;DWIb800图像上呈低信号强度;ADC值高(1.75 ± 0.34 × 10−3 mm2/s);因炎症钆增强后呈明显均匀强化;18F-FDG-PET/CT阳性;活检阴性。

上述组织特征,尤其是用于区分三组患者的ADC值,参考了Ailianou等人关于治疗后头颈部鳞状细胞癌检测的研究[28]。

图2 不同组别患者放化疗后的改变 查看原图 ↗

统计分析

首先进行Shapiro–Wilk检验以确定数据的分布性质。呈正态分布的参数采用参数t-Student检验进行分析。所有不呈正态分布的参数采用Wilcoxon符号秩检验进行研究。这些检验确定了每个研究参数的p值。获得p值后,将其与显著性水平进行比较,从而确定零假设——配对样本间的平均差值为零——应被接受(等于0)还是拒绝(等于1)。

获得最具显著性意义的特征(p值 < 0.01)后,我们分别比较了阳性组(疾病持续/复发)与阴性组(纤维化和炎性水肿)之间的数值,以及三组之间的数值,以分析与残留癌、纤维化或炎症存在相关的参数的显著性变化。

为了将阴性数据集与阳性数据集进行比较,由于二者包含许多不同的患者,我们随机选取了由较大量患者组成的阴性小亚组,并将其与阳性值进行比较。通过这种方式,我们除了研究变异情况外,还能够对结果进行更多次数的评估。

对于在随访时与疾病状态显示统计学显著关联的参数,使用受试者工作特征(ROC)曲线分析计算截断值,以区分放疗-化疗后(post-RT-CHT)非肿瘤性改变与残留癌。具体而言,对整个数值范围计算了敏感性和特异性,并选择同时具有最高敏感性和特异性的值作为截断值。ROC曲线下面积被视为每个参数区分随访时疾病状态的整体性能——诊断准确性——的衡量指标。最后,我们创建了箱线图以评估所选特征的值在RT-CHT前后是否存在显著变化。

结果

最终样本包括42例患者(24例女性,18例男性;平均年龄59岁,中位年龄58.5岁,范围36–81岁);29例患者为口咽癌(OPC)(16例HPV阳性,4例HPV阴性,9例HPV状态未知),其余13例患者为鼻咽癌(NPC)。

在钆增强后T1图像上,两个特征在“阳性”组与“阴性”组之间的比较中具有统计学显著性。这两个特征为能量(Energy)(p值 = 0.003),一种一阶特征,代表图像中体素值大小的度量;以及灰度非均匀性(Grey Level Non-Uniformity)(p值 = 0.007)——属于灰度依赖矩阵——(表1)。

钆增强后T1纹理参数能量在区分“阳性”组(第1组)与“阴性组”(第2组和第3组合并)(AUC = 0.6;截断值 = 1*10⁹;敏感性 = 75%;特异性 = 90%)以及仅纤维化患者(第2组)(AUC = 0.75;截断值 = 4*10⁸;敏感性 = 75%;特异性 = 90%)方面似乎有帮助。

能量在纤维化患者(第2组)和残留癌患者(第1组)两组中也被发现具有统计学显著性(p值 = 0.018)(表2)。

灰度非均匀性在区分残留癌(第1组)与炎性水肿(第3组)方面具有显著性(p值 = 0.019)(表3)。

因此,灰度非均匀性是我们在钆增强后T1图像上发现的另一个在区分“阴性”与“阳性”患者方面具有显著性的特征(AUC = 0.74;截断值 = 511;敏感性 = 75%;特异性 = 96%),尤其是在区分炎性水肿患者与残留癌患者方面(AUC = 0.78;截断值 = 510;敏感性 = 76%;特异性 = 92%)。

在ADC图上,五个特征在区分“阳性”组与“阴性”组方面(表1),以及更具体地在区分残留癌与纤维化(表2)或炎性水肿(表3)方面,均具有统计学显著性。这些特征为大依赖强调(Large Dependence Emphasis)、依赖方差(Dependence Variance)、游程方差(Run Variance)、区域方差(Zone Variance)和大面积强调(Large Area Emphasis)。

在“阳性”组(第1组)与“阴性组”(第2组和第3组合并)的特征描述中,依赖方差(AUC = 0.76;截断值 = 1.04;敏感度 = 75%;特异度 = 96%)和大依赖优势(AUC = 0.77;截断值 = 4.38;敏感度 = 75%;特异度 = 96%)是属于灰度依赖矩阵的两个显著特征。

游程方差(AUC = 0.76;截断值 = 0.04;敏感度 = 75%;特异度 = 96%)属于灰度游程长度矩阵,代表游程长度的游程方差,即图像中具有相同灰度值的像素数量。

区域方差(AUC = 0.76;截断值 = 1.43;敏感度 = 75%;特异度 = 96%)和大区域优势(AUC = 0.76;截断值 = 3.90;敏感度 = 75%;特异度 = 96%)属于灰度大小区域。

每个具有统计学意义且AUC ≥ 0.5的纹理参数的受试者工作特征(ROC)曲线下面积(AUC)、截断值、敏感度(SEN)、特异度(SPE)和诊断准确性分别见表4和表5。ROC曲线见图3和图4。

在钆增强后T1图像和ADC图上,放疗-化疗(RT-CHT)前后特征值分布在“阳性”组和“阴性”组之间以及纤维化和炎性水肿患者之间均存在显著差异。钆增强后T1图像上灰度非均匀性纹理参数在RT-CHT前后的分布(图5)显示,“阴性组”尤其是炎性水肿患者在治疗前后特征值明显降低。

相比之下,在疾病持续/复发阳性患者中未观察到相同的数值降低。在纤维化组(第2组)和“阴性”组(第2组和第3组合并)中,钆增强后T1图像上能量特征在RT-CHT前后的分布相同,仅在残留癌患者(第1组)中能量值有有限程度的降低。

此外,“阴性”组——纤维化组和炎症组——ADC图上纹理参数的分布显示,与RT-CHT后相比,RT-CHT前分析的所有特征值均大幅降低。相比之下,残留癌患者在RT-CHT前后数值之间没有相同的降低趋势(图6)。

在VIBE CE-T1序列和ADC图上未发现能够区分纤维化与炎症的显著特征。

表1 残余癌患者(阳性)组和炎性水肿或纤维化患者(阴性)组中,对比增强T1 MRI(CE-T1 MRI)和表观扩散系数图(ADC)上最显著(p值 < 0.01)特征的平均值和p值 查看原表 ↗
表2 残余癌患者(阳性)组和纤维化患者组中,对比增强T1 MRI(CE-T1 MRI)和表观扩散系数图(ADC)上最显著(p值 < 0.01)特征的平均值和p值 查看原表 ↗
表3 残余癌患者(阳性)组和炎性水肿患者组中,对比增强T1 MRI(CE-T1 MRI)和表观扩散系数图(ADC)上最显著(p值 < 0.01)特征的平均值和p值 查看原表 ↗
表4 在对比增强T1磁共振成像(CE-T1 MRI)和表观扩散系数图(ADC)中,三组患者(阳性 vs. 阴性、阳性 vs. 纤维化、阳性 vs. 炎症)之间最显著特征(p值 < 0.01)的截断值、敏感性和特异性 查看原表 ↗
表5 在对比增强T1磁共振成像(CE-T1 MRI)和表观扩散系数图(ADC)中,用于区分残留癌患者与炎性水肿或纤维化患者的最显著特征(p值 < 0.01)的截断值和诊断准确性。高于截断值的数值提示残留癌,而低于截断值的数值提示以炎性水肿或纤维化为特征的非肿瘤性改变 查看原表 ↗
图3 钆增强后T1图像的受试者工作特征(ROC)曲线分析。图像上半部分:残留癌患者(阳性)与炎性水肿(炎症)之间以及阳性与阴性患者之间灰度非均匀性特征的相关性。阴性患者为以炎性水肿或纤维化为特征的组织改变患者。图像下半部分:阳性与阴性患者之间以及残留癌患者(阳性)与残留纤维化(纤维化)患者之间能量特征的相关性。这些特征的曲线下面积(AUC)在0.7至0.8之间,提示两组患者之间具有可接受的区分水平 查看原图 ↗
图4 表观扩散系数(ADC)图图像中五个具有统计学显著性的特征(依赖性方差、大面积强调、大依赖性强调、游程方差、区域方差)的受试者工作特征(ROC)曲线分析。这些特征的曲线下面积(AUC)在0.7至0.8之间,提示“阳性”与“阴性”患者之间具有可接受的区分水平 查看原图 ↗
图5 残留癌(阳性)、仅有炎性水肿以及同时有炎性水肿和纤维化(阴性)患者放化疗前后钆增强后T1图像上灰度非均匀性纹理特征的分布。阳性、仅有纤维化及阴性患者放化疗前后钆增强后T1图像上能量特征的分布。在仅有纤维化、仅有炎性水肿和无残留癌(阴性,包括同时有炎性水肿和纤维化)的患者中,发现放化疗前后特征值明显降低。相反,在因疾病持续/复发的阳性患者中可观察到数值降低较小,尤其是灰度非均匀性 查看原图 ↗
图6 残留癌(阳性)、仅有炎性水肿、仅有纤维化以及同时有炎性水肿和纤维化(阴性)患者放化疗前后表观扩散系数图图像上纹理参数的分布。可观察到在仅有纤维化、仅有炎性水肿和无残留癌患者(阴性组,包括同时有炎性水肿和纤维化)中放化疗前后特征值明显降低。相反,在因疾病持续/复发的阳性患者中未观察到数值降低 查看原图 ↗

讨论

本研究是首次尝试对接受单纯放化疗(RT-CHT)的口咽癌(OPC)和鼻咽癌(NPC)患者的MRI图像进行纹理分析,以区分残留癌与非肿瘤性改变。钆增强后T1图像上的两个纹理特征(能量和灰度非均匀性)以及ADC图上的五个纹理特征(大依赖优势、依赖方差、游程方差、区域方差和大面积优势)在检测肿瘤持续/复发方面具有统计学显著性。这些特征值在RT-CHT前后的大幅下降与治疗反应良好及放射性非肿瘤性改变的发生相关,而RT-CHT后高值的稳定则与残留癌的存在相关。

Cozzi等人先前的一项研究[29]分析了纹理分析特征如何与头颈部肿瘤RT-CHT后的局部控制相关。他们使用CT作为成像技术,发现最大值、体积和小区域高灰度强调是治疗反应的统计学显著预测因子。我们研究的关键目标是在钆增强T1图像和ADC图上识别能够区分肿瘤持续/复发与纤维化和炎性水肿的特征。我们决定分析T1图像,因为癌症在钆给药后通常与纤维化和炎症具有不同的特征。癌症通常表现为不均匀和中等程度的强化,代表活动性炎症和纤维组织之间的中间状态。一般来说,肿瘤组织倾向于明显强化,与原发肿瘤相似,这是因为其固有的富血供,并因坏死灶或不规则性而呈现病灶内不均匀性,而炎症组织和非新形成的纤维化组织分别具有更均匀的强化和较低的对比剂摄取[30]。钆增强T1纹理参数能量(Energy)似乎有助于区分“阳性”组(第1组)与“阴性组”(第2组和第3组合并)以及仅有纤维化的患者(第2组)。在疾病持续/复发的患者中,能量在钆增强T1图像上具有更高的值(表1和表2),高于非肿瘤性改变的患者,尤其是在非新形成纤维化的情况下(表2),因为肿瘤组织具有更大的强化。相反,钆在纤维化组织中的扩散有限或缺乏,导致图像体素值较低,相应地能量值也较低。在Park等人[26]和Tomita等人[31, 32]进行的两项研究中,能量是区分转移性和良性淋巴结的实质性特征,强调了它在区分肿瘤性组织与非病理性组织方面可能有用。灰度非均匀性(Grey Level non-Uniformity)是我们在钆增强T1图像上区分“阴性”和“阳性”患者,尤其是区分炎性水肿与残留癌症患者时发现的另一个显著特征。低灰度非均匀性值与强度值更大的相似性相关。但即使在这种情况下,该特征的值在残留癌症患者中(表1和表3)也远高于RT-CHT后非肿瘤性改变。正如能量所述,灰度非均匀性与以高细胞密度和对比剂明显摄取为特征的肿瘤组织的存在相关。

近年来,扩散加权成像(DWI)和表观扩散系数(ADC)图值已成为提高恶性和良性病变诊断水平的关键工具[33]。然而,其应用并非总能得出确定性结论,因为可发现数值存在重叠。人眼只能通过将ADC图与周围组织图值进行比较来定性评估ADC图[34]。然而,纹理分析可以检查感兴趣区域内像素的灰度过渡性质和空间关系[4]。我们利用ADC图上的纹理分析来研究其与肿瘤内细胞密度、血管生成、血管外细胞外基质和坏死区域变化的相关性[35]。我们寻找纹理参数与MRI、18F-FDG-PET/CT和组织病理学之间可能存在的相关性。更确切地说,我们研究了钆增强后图像和DWI图像上纹理分析在癌症治疗区域高度结构异质性(富血供、坏死和高细胞密度)中的作用,以及其区分肿瘤与炎症或纤维化等组织变化的潜力。在ADC图上,在“阳性”组与“阴性”组的比较中,有五个特征在区分疾病持续/复发与放疗-化疗后非肿瘤性改变方面具有统计学显著性(表4)。特别是,所有五个所选特征在残留癌症患者中的值均高于“阴性”患者。与纤维化组(第2组)和炎性水肿组(第3组)各自单独比较时,残留癌症患者(第1组)的值也更高。在“阳性”组(第1组)与“阴性组”(第2组和第3组合并)的 Characterization 中,依赖方差和大依赖强调是灰度依赖矩阵中两个显著特征。依赖方差测量图像中依赖大小的方差。值越高,图像内的变化越大。在本研究中,这些特征值越高意味着纹理非均匀性越大。这些特征主要见于肿瘤组织而非纤维化或炎性改变,原因是残留癌症中存在坏死灶。

游程方差属于灰度游程长度矩阵,表示游程长度的方差,即图像中具有相同灰度值的像素数量。随着值增加,如残留癌症的情况,图像内变化更大,这支持了前文对先前特征尤其是坏死组织和病灶内非均匀性的解释。

区域方差和大区域强调属于灰度尺寸区域。区域方差表示具有相同灰度强度的连通体素数量,并测量区域内区域大小值的方差,在肿瘤这样更不均匀的组织中值更高。大区域强调是较大面积尺寸区域分布的度量,值越大表明有更多大尺寸区域和更粗糙的纹理,展示了肿瘤组织典型的不均匀性。这两个特征在阳性患者中均显示更高值,代表了肿瘤组织典型的结构不均匀性。

上述所有显著特征均显示出良好的诊断准确性,范围为85%至92%(表5)。与有关CE-T1-MRI和ADC图在治疗后OPC和NPC中诊断准确性的文献数据[39, 40]相比,纹理分析在区分残留癌(第1组)与非肿瘤性改变(第2组和第3组合并)方面所获得的截断值 yielded 更高的特异性(96% vs. ADC的86%;96% vs. CE-T1-MRI的82%)和更低的敏感性(75% vs. ADC的89%;75% vs. CE-T1-MRI的84%)。我们的结果表明,加入纹理分析应能改善诊断性能,并更准确地区分治疗后患者的肿瘤持续存在与纤维化或炎性改变。

在临床实践中,纹理分析应与其他MR参数(如T2、增强T1和DWI)相结合,以更好地表征所研究的组织。

我们认为,当在尽可能短的时间内完成完整的数据处理,并实施于放射科医师习惯于可视化图像的软件系统中时,纹理分析在结合ADC图和钆增强T1图像的MRI中的作用将具有临床意义。我们额外花费了15分钟来检查每位患者的纹理特征。我们决定使用开源软件,以便所有人都能在临床实践中使用它。这一点应予以强调,因为使用相同的开放且免费的数据集以及确定的提取特征参数将保证研究具有更高的可重复性。纹理分析流程广泛实施所面临的最困难挑战是缺乏标准化方法,这是由于纹理特征提取程序数量众多,导致产生大量难以比较的信息[24]。由于检查执行过程中许多因素的巨大变异性,例如MRI设备及其各自的参数、滤波器、采集序列、后处理算法,以及所使用的软件类型(免费和非免费商用软件或定制的内部应用程序),获得标准化和可重复的结果仍然相当困难[17, 26, 36]。

我们研究的一个局限性是仅通过一台MRI设备进行检查。尽管这有利于使样本尽可能同质,但目前不利于结果的缺乏可重复性。根据文献,Mackin等人[37]的研究强调了采集参数和重建技术的变异可能如何影响特征提取。关于未来发展,在不同患者数据集上重复当前研究将是有意义的,涉及更多患者和MRI设备,以确认或否定我们发现的特征与疾病持续/复发或RT-CHT后非肿瘤性改变之间的关联。另一个局限性是样本量相对较小。然而,大多数关于OPC和NPC纹理分析的论文并未包括RT-CHT前后的MRI检查[8, 13, 14, 29, 38–40]。此外,残留癌症患者数量较少(7例)必须与众所周知的OPC——尤其是HPV阳性时——和NPC对RT-CHT的优异反应相关联。而且,已知HPV+和HPV− SCC在放射学影像和预后方面存在差异,因此代表了当前研究中可能的偏倚[27]。

因此,在收集到更多证据之前,我们的单中心结果无法推广。未来研究应收集更大量的咽部肿瘤持续/复发病例以强化我们的发现。还应进行进一步分析以确定可能区分残留癌症与RT-CHT诱导的非肿瘤性组织改变的截断值,从而实现更好的临床决策并提高诊断准确性。

结论

对钆增强后T1图像和ADC图进行纹理分析是OPC和NPC接受RT-CHT治疗后早期随访中的有用工具,可区分残留癌症与纤维化和炎性水肿。某些特征值——包括钆增强后T1图像上的能量和灰度非均匀性以及ADC图上的大依赖emphasis、依赖方差、游程方差、区域方差和大面积emphasis——在RT-CHT前后的显著降低与对治疗的良好反应及RT-CHT诱导改变的发生相关,而RT-CHT后此类特征值无变化或变化很小则与残留癌症相关。没有特征能够清晰区分纤维化和炎症。

引用

  1. Bicci E, Nardi C, Calamandrei L, et al. Magnetic resonance imaging in naso-oropharyngeal carcinoma: role of texture analysis in the assessment of response to radiochemotherapy, a preliminary study. Radiol Med. 2023. PMID: 37336860. doi:10.1007/s11547-023-01653-2
  2. 全文:PMC10317900(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10317900/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。