文献速递腹部胸部CT

构建预测胃癌腹膜转移的列线图模型:聚焦心膈角淋巴结特征

Construction of a nomogram model for predicting peritoneal metastasis in gastric cancer: focused on cardiophrenic angle lymph node features.
PubMed 文献 · Abdom Radiol (NY) · 2023-02-18

该回顾性研究纳入2017年1月至2019年10月本中心483例胃癌患者,基于术前CT记录心膈角淋巴结(CALN)特征及临床病理因素,建立预测腹膜转移的列线图模型。多因素分析显示最大CALN长径(OR=2.752,p<0.001)和性别(OR=2.663,p=0.004)为独立危险因素,模型AUC为0.907(95%CI 0.872–0.941),校准曲线良好,决策曲线分析显示临床获益。

要点

  • 最大心膈角淋巴结长径是胃癌腹膜转移的独立危险因素(OR=2.752,p<0.001)。
  • 联合临床病理因素与CALN特征的列线图模型预测腹膜转移AUC达0.907(95%CI 0.872–0.941)。
  • CALN可在常规腹部CT扫描时同期评估,无需额外注射对比剂,测量简便。

核心结论

  • 心膈角淋巴结可预测胃癌腹膜转移,基于CALN特征和临床病理因素构建的列线图模型为判断腹膜转移和帮助临床分配治疗提供了有力的预测工具。

研究设计与样本

  • 本中心回顾性分析2017年1月至2019年10月所有胃癌患者,最终纳入483例,其中腹膜转移阳性126例(26.1%),阴性357例。
  • 纳入标准为病理确诊胃癌、术前两周内行CT扫描、腹膜转移状态经手术确认;排除既往接受抗癌治疗、临床资料或CT图像不足、合并其他癌症者。
  • CT检查使用三种多探测器CT扫描仪:256排CT(Revolution CT,GE Medical Systems)及两台128排CT(SOMATOM Definition Flash,Siemens Healthcare;Brilliance iCT,Philips Healthcare)。
  • 扫描包括平扫胸部及多期增强腹部扫描以覆盖心膈角,动脉期和静脉期分别于注射后25秒和70秒扫描,管电压120 kV,重建层厚1.0 mm。
  • 由两名放射科医师(分别具有7年和19年腹部影像经验)独立分析CALN,分歧经共识解决,腹膜转移状态对放射科医师设盲。

关键影像表现/征象

  • 记录CALN有无、最大CALN长径、最大CALN短径及CALN数量,以及腹膜癌征象(腹膜饼状增厚、大量腹水等)。
  • CALN阳性者241/483例(49.9%),阴性者242例;ERLN阳性者48/483例(9.9%),ELSFLD阳性者6/483例(1.2%)。
  • 单因素分析显示年龄、性别、T分期、N分期、ERLN、CALN、最大CALN短径、最大CALN长径及CALN数量与腹膜转移相关(p<0.05)。
  • 多因素分析显示最大CALN长径(OR=2.752,p<0.001)和性别(OR=2.663,p=0.004)为腹膜转移的独立危险因素。

诊断标准与关键数值

  • ERLN和ELSFLD定义为短径大于10 mm,在横断面CT图像上测量。
  • 基于CALN特征的ROC曲线分析显示CALN数量、最大CALN长径、最大CALN短径与腹膜转移风险相关,具体AUC、特异度和敏感度见补充表1。
  • 列线图模型预测腹膜转移的AUC为0.907(95%CI 0.872–0.941),校准曲线显示模型拟合良好,接近对角线。
  • 决策曲线分析显示模型具有临床获益。

临床应用与阅片要点

  • CALN可在常规腹部CT扫描时同期评估,无需额外预约检查,且无需注射对比剂即可显示,边界清晰、形状规则,测量结果较可靠。
  • 模型基于性别、T分期、N分期及CALN的CT特征(CALN数量、最大CALN长径、CALN有无)构建列线图,可直观预测腹膜转移概率。
  • 本研究未将腹膜脂肪密度轻度增高作为腹膜转移特征,因其可能提示但缺乏特异性。

局限性

  • 作为单中心回顾性研究,不能确定是否适用于所有种族群体。
  • 腹膜脂肪密度轻度增高可能提示腹膜转移但缺乏特异性,故未作为腹膜转移特征纳入分析。
全文中译12 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:Abdom Radiol (NY). 2023 Feb 18;48(4):1227–36. doi: 10.1007/s00261-023-03848-7

引言

在全球范围内,胃癌(GC)的死亡率位居第二[1]。在远处转移性胃癌患者中,腹膜转移(PM)的患病率为53%至66%[2]。PM患者的生活质量并不令人满意。胃癌PM患者应首先接受新辅助化疗,而非直接手术切除。目前,腹腔热灌注化疗也已被证明有助于改善预后。免疫治疗和靶向治疗也是当前研究的前沿方向。准确的PM预测至关重要。根据腹膜转移的直接征象,开发了一种新的评分系统来评估胃癌腹膜转移[3]。既往研究构建了包含胶原特征和肿瘤临床病理特征的列线图来预测腹膜转移[4]。一些研究开发了部分影像学模型来预测腹膜转移[5–8]。深度学习模型或机器学习模型也被用于预测PM[9, 10]。就不同的影像学检查手段而言,关于磁共振成像(MRI)用于胃癌分期的有效性证据有限[11–13]。另一方面,正电子发射断层扫描/计算机断层扫描(PET/CT)侧重于基于新型显像剂或PET/CT成像来预测腹膜转移[14, 15]。然而,PET/CT检查费用昂贵且具有放射性。近年来,不仅需要预测原发癌的状态,还需要关注根治手术后腹膜转移的危险因素[16]。

计算机断层扫描(CT)是肿瘤淋巴结转移(TNM)分期的常规无创方法。诊断PM的典型征象为在排除其他疾病后出现腹膜饼状增厚和大量腹水。这些征象具有高特异性但低敏感性。然而,无典型征象的胃癌腹膜转移病例经诊断性腹腔镜探查后证实存在小转移结节,且可孤立存在。因此,需要其他方法来判断PM状态。心膈角淋巴结(CALN)在预测直肠癌和卵巢癌腹膜转移方面有效[17, 18]。特别是对于卵巢癌,心膈角淋巴结在诊断和预后方面显示出预测价值[19–21]。此外,心膈角淋巴结CT扫描可与常规腹部CT扫描同时进行,无需再次预约额外检查。目前缺乏针对胃癌患者、聚焦于CALN的PM模型[22]。

术前准确预测PM对于准确选择治疗方案具有临床意义。本研究旨在建立聚焦于心膈角淋巴结的胃癌腹膜转移预测模型。

方法

患者人群和研究设计

伦理委员会批准了这项回顾性研究(方案编号 2021KY120)。由于这是一项使用去标识化数据的回顾性研究,故豁免书面知情同意。本中心回顾性分析了 2017 年 1 月至 2019 年 10 月期间的所有 GC 患者。纳入标准为:[1] 经病理学确诊的 GC;[2] 术前两周内进行了 CT 扫描;[3] PM 状态经手术确认。排除标准为(图 1):[1] 既往接受过抗癌治疗;[2] 临床资料或 CT 图像不充分;[3] 患有另一种癌症的患者。

图 1 研究流程图 查看原图 ↗

临床评估指标

记录的临床特征包括:年龄、性别、部位、肝转移(LM)、腹膜后淋巴结增大(ERLN)、左锁骨上窝淋巴结增大(ELSFLD)、T 分期、N 分期和腹膜转移(PM)。T 分期和 N 分期采用临床分期。对于 ERLN 和 ELSFLD,我们定义短径大于 10 mm。直径在横断面 CT 图像上测量。

CT 采集技术

所有 CT 检查均使用三台多探测器 CT 扫描仪之一进行:一台 256 探测器 CT 扫描仪(Revolution CT,GE Medical Systems)和两台 128 探测器 CT 扫描仪(SOMATOM Definition Flash,Siemens Healthcare 和 Brilliance iCT,Philips Healthcare)。扫描包括平扫胸部扫描和多期增强腹部扫描,以覆盖心膈角。动脉期和静脉期分别在注射后 25 s 和 70 s 扫描。使用自动毫安秒技术测量管电流,电压为 120 kV。重建厚度为 1.0 mm,因为测量目标处于毫米级。

图像分析

两名放射科医生(GXL 具有 7 年腹部影像学经验,YL 具有 19 年经验)独立回顾性分析 CALN。分歧通过共识解决。记录整个队列的 CT 特征:[1] CALN 的存在、最大 CALN 的长径(LD of LCALN)、最大 CALN 的短径(SD of LCALN)以及 CALN 的数量(N of CALNs);[2] 腹膜癌征象的存在。PM 状态对放射科医生设盲。

统计分析

采用卡方检验或 Mann–Whitney U 检验比较组间差异。P < 0.05 表示差异有统计学意义。通过单因素和多因素 logistic 回归分析确定 PM 危险因素。使用这些 CALN 值生成受试者工作特征(ROC)曲线。使用校准图评估模型拟合度。进行决策曲线分析(DCA)以评估临床实用性。所有统计分析均使用 R 3.6.3 版和 Python 3.7 版进行。

结果

患者特征

关于腹膜转移,483 例患者中 126 例(26.1%)为阳性,357 例为阴性(表 1)。研究参与者的平均年龄为 61 岁。

表 1 研究人群的人口学和临床特征 查看原表 ↗

PM 的单因素和多因素分析

对于CALN,483例患者中有241例(49.9%)为阳性,242例为阴性。对于ERLN,483例患者中有48例(9.9%)为阳性,435例为阴性。对于ELSFLD,483例患者中有6例(1.2%)为阳性,477例为阴性。根据单因素logistic回归分析(表1和表2),以下相关因素与PM相关(p < 0.05):年龄、性别、T分期、N分期、ERLN、CALN、LCALN的SD、LCALN的LD以及CALNs的N。多因素分析表明,LCALN的LD(OR = 2.752,p < 0.001)和性别(OR = 2.663,p = 0.004)是GC患者PM的独立危险因素(补充表2)。

表2 腹膜转移危险因素的logistic回归分析 查看原表 ↗

危险因素的ROC曲线

使用ROC曲线确定了GC患者PM风险与CALN特征(CALNs的N、LCALNs的LD和LCALNs的SD)之间的相关性(图2)。曲线下面积(AUC)、特异性和敏感性值见补充表1。

图2 危险因素的受试者工作特征(ROC)曲线。CALN 心膈角淋巴结,NofCALNs CALNs的数量,LDofLCALN 最大CALN的长径,SDofLCALN 最大CALN的短径 查看原图 ↗

预测GC患者PM的多因素预测模型和列线图

该模型的AUC为0.907(95% CI:0.872–0.941),在PM的预测价值方面表现出良好的性能(图3)(补充表2)。

构建了PM发生率的列线图(图4)。校准图(图5)显示出极好的校准度,其接近对角线。呈现DCA(图6)以表明该模型具有临床获益。

图3 多因素logistic回归模型的受试者工作特征(ROC)曲线。NofCALNs,CALNs的数量;AUC,曲线下面积;CI,置信区间 查看原图 ↗
图4 可使用列线图预测胃癌患者的PM概率。CALN 心膈角淋巴结,LDofLCALN 最大CALN的长径,NofCALNs CALNs的数量,PCSigns 腹膜癌征象 查看原图 ↗
图5 列线图模型的校准图。实线为偏差校正线。虚线代表理想线和表观线。校准图显示出极好的校准度,其接近对角线 查看原图 ↗
图6 模型的DCA曲线。模型预测效果由曲线下面积显示 查看原图 ↗

讨论

CT是诊断GC患者PM的常规方法。CALN在预测PM中的价值已被不断揭示。我们的研究发现,将CT与临床因素相结合可用于建立预测模型。

我们研究了临床病理特征和CALN特征作为GC伴PM标志物的价值。多因素逻辑回归分析显示,最大CALN的长径是一个独立危险因素。列线图提供了可视化数据信息。基于临床病理因素(性别、T分期、N分期)和CALN的CT征象(CALNs的N、LCALN的LD、CALN)的列线图可以预测PM。校准图显示出极好的校准度。通过DCA显示该模型具有临床获益。本研究中的列线图可以准确预测CG患者的PM状态,并有助于为GC患者制定更准确的治疗方案。

心膈角淋巴结是肿瘤临床诊断和预后评估的重要依据。既往研究表明,心膈角淋巴结是消化道及卵巢恶性肿瘤诊断和进展监测的重要预测因素[17–19]。与既往模型相比,本研究创新性地关注心膈角淋巴结(CALN)的CT特征[22]。本研究的诊断效能与部分影像学或机器学习模型相似甚至更优[5, 7, 23, 24]。本研究还对心膈角旁淋巴结(CPLN)的特征进行了分析。通过加入定量指标,模型的预测效果得到了大幅提升。其他关于卵巢癌CALN的研究也证实了CALN大小在腹膜转移(PM)诊断中的意义[20, 21]。这揭示了定量指标在CALN评估中的意义。

就扫描技术而言,CALN的检查简单易行。指南推荐行胸部扫描以检查肺转移[25]。心膈角的检查可同时完成。然而,CALN的CT扫描无需注射对比剂。且CALN的CT图像因天然背景而显示,因此易于测量。心膈角淋巴结边界清晰、形态规则,测量结果更为可靠。

若干相关研究方向得到了探索。对胃癌腹膜转移的分子机制已有逐渐深入的认识。脂质代谢在上皮-间质转化(EMT)中发挥着不可忽视的作用,而EMT对胃癌转移至关重要[26]。癌细胞微环境中胶原蛋白的存在会影响其转移能力[4]。心膈角淋巴结是淋巴引流的中转站,腹膜转移患者可因肿瘤而导致心膈角淋巴结增大。胃癌腹膜转移的分子机制与CALN增大之间的关系值得进一步研究。此外,有望通过心膈角淋巴结清扫术对CALN进行病理学验证[27]。

本研究的局限性如下。首先,作为一项在单一亚种中心开展的回顾性研究,尚不能确定其适用于所有种族群体。其次,腹膜脂肪密度的轻度增高未被用作腹膜转移的特征,因为其可能具有提示性但缺乏特异性。

总之,CALN可预测胃癌腹膜转移。本研究中的模型为判断胃癌患者腹膜转移以及帮助临床医生分配治疗提供了有力的预测工具。

补充信息

以下是电子补充材料的链接。补充文件1(DOCX 18 KB)

引用

  1. Gu X, Li Y, Shi G, et al. Construction of a nomogram model for predicting peritoneal metastasis in gastric cancer: focused on cardiophrenic angle lymph node features. Abdom Radiol (NY). 2023. PMID: 36807997. doi:10.1007/s00261-023-03848-7
  2. 全文:PMC10115726(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10115726/

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。