文献速递胸部腹部CT

基于CT身体成分分析对接受免疫检查点抑制剂治疗的晚期非小细胞肺癌患者的预后价值

Prognostic utility of body composition parameters based on computed tomography analysis of advanced non-small cell lung cancer treated with immune checkpoint inhibitors.
PubMed 文献 · Insights Imaging · 2023-10-26

本研究回顾性分析2013至2019年接受免疫检查点抑制剂治疗的136例晚期非小细胞肺癌患者,基于基线CT测量身体成分参数。内脏脂肪指数(VFI)较高四分位组(Q2-4)较最低四分位组(Q1)的免疫治疗应答率更高、无进展生存期和总生存期显著延长,VFI是改善PFS和OS的独立指标,脂肪质量也可能影响治疗结局。

要点

  • VFI较高(Q2-4)患者免疫治疗应答率显著高于VFI最低四分位(Q1)患者。
  • VFI较高(Q2-4)患者无进展生存期和总生存期均显著长于VFI最低四分位(Q1)患者。
  • VFI最低四分位且内脏脂肪CT值较高四分位患者预后最差。

核心结论

  • 内脏脂肪体积与接受免疫检查点抑制剂治疗的晚期非小细胞肺癌患者的治疗应答和生存显著相关,脂肪质量也可能影响治疗结局。
  • VFI较高(Q2-4)是改善无进展生存期(HR 0.497,p=0.004)和总生存期(HR 0.466,p=0.002)的独立指标。
  • VFI最低四分位且内脏脂肪CT值较高四分位的患者无进展生存期和总生存期最短。

研究设计与样本

  • 单中心回顾性研究,纳入2013至2019年接受免疫检查点抑制剂治疗的晚期非小细胞肺癌患者136例。
  • 基线CT采用4个厂商的多排CT扫描仪,管电压100至140 kVp,软组织核重建,层厚≤3 mm。
  • 使用基于深度学习的身体成分分析软件(DeepCatch v1.0.0.0)进行三维分割,由有17年体部CT判读经验的放射科医师复核。
  • 治疗应答和生存评估采用实体瘤疗效评价标准1.1版,随访期设为36个月。

关键影像表现/征象

  • 高VFI组(Q2-4)免疫治疗应答率较VFI最低四分位组(Q1)更高(Q1 vs. Q2-4:18.2% vs. 43.1%,p=0.012)。
  • VFI Q2-4组无进展生存期显著长于Q1组(Q1 vs. Q2-4:3.0个月 vs. 6.4个月,p=0.043)。
  • VFI Q2-4组总生存期显著长于Q1组(Q1 vs. Q2-4:5.6个月 vs. 16.3个月,p=0.004)。
  • 内脏脂肪CT值Q2-4组较Q1组无进展生存期和总生存期有缩短趋势,但未达统计学显著(中位PFS Q1 vs. Q2-4:15.3个月 vs. 4.2个月,p=0.213;中位OS Q1 vs. Q2-4:21.7个月 vs. 12.8个月,p=0.142)。
  • VFI Q1且内脏脂肪CT值Q2-4组患者中位PFS为3.0个月(95%CI 1.4–4.6个月),中位OS为5.5个月(95%CI 3.8–7.2个月)。

诊断标准与关键数值

  • VFI的Q1截止值为147.6,TFI为404.1,SFI为235.0;SMI截止值按性别Q1取值,男性297.0、女性257.4。
  • 肥胖定义为BMI≥25 kg/m2。
  • 内脏脂肪CT值截止值为−91.13(中位CT值的第一四分位)。

临床应用与阅片要点

  • 基于基线腹部CT三维体积分析的内脏脂肪体积和CT值可能作为免疫检查点抑制剂治疗患者的预后指标。
  • 深度学习自动分割结果需由有经验的放射科医师复核确认分割准确性。
  • 作者认为可将身体成分参数评估纳入风险分层并实施针对性营养干预以制定个体化管理策略。

局限性

  • 本研究为相对小规模的回顾性研究。
  • 自动CT分割方法需要专家复核以确认分割准确,尽管深度学习算法在开发时与参考标准相比显示高准确度。
  • 未将基于CT的身体成分参数与双能X线吸收法或生物电阻抗分析等其他方法的结果进行比较。
  • 未来需要大规模前瞻性研究来证实本研究发现。
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:Insights Imaging. 2023 Oct 26;14:182. doi: 10.1186/s13244-023-01532-4

引言

肺癌是癌症相关死亡的主要原因,2020年估计有220万新发病例记录在案[1]。靶向程序性死亡-1(PD-1)和程序性死亡配体-1(PD-L1)的免疫检查点抑制剂(ICIs)可改善晚期非小细胞肺癌(NSCLC)患者的生存结局,并已成为标准治疗[2, 3];然而,其疗效在患者之间差异很大,部分患者对ICIs表现出原发性或获得性耐药,预后较差[4–6]。能够识别可能从ICI治疗中获益的患者,可以带来更个性化的治疗方案、减少不必要治疗带来的副作用以及节省费用。此外,对于预测对ICIs反应性低的患者,可以考虑替代治疗方案,如靶向治疗、化疗或参加新药的临床试验,这强调了监测治疗反应和根据需要调整治疗方案的重要性[7, 8]。因此,大量研究试图寻找能够确定哪些患者可能从ICI治疗中获益的预测性生物标志物[9–11]。已确立的ICIs预测性生物标志物,包括PD-L1表达、肿瘤突变负荷、微卫星不稳定性和肿瘤浸润淋巴细胞,主要与癌症本身或相关肿瘤微环境有关[9, 12]。尽管如此,已有研究探讨了宿主相关因素(如性别、年龄和肥胖)的预测效用,以确定ICIs的疗效[13–15]。

肥胖相关炎症可使免疫反应失调,严重影响多种癌症类型中免疫治疗的疗效和毒性[16–20]。既往一项临床前研究揭示,肥胖促进PD-1介导的T细胞功能障碍;然而,它可能增加肿瘤细胞对ICIs的反应性[21]。此外,越来越多的证据表明肥胖与接受ICI治疗的NSCLC患者结局改善之间存在关联[22, 23]。然而,采用体重指数(BMI)作为肥胖替代指标的研究在BMI与ICIs疗效之间的关系方面报告了不一致的结果[6, 23–25]。

作为一个独立因素,BMI可能不足以准确代表身体组成的复杂性和异质性,因为其敏感性低,正如BMI与中心性肥胖之间的差异所表明的那样[26, 27]。因此,研究已探索了其他脂肪组织指标与癌症患者临床结局之间的关系[23, 28]。例如,计算机断层扫描(CT)允许对身体组成进行体积测量,这使得可以使用脂肪体积和质量而非基于BMI的肥胖进行分析。人工智能和机器学习的最新进展提高了从CT扫描中提取身体组成指标的速度和准确性,并且已证明治疗前测量这些参数在预测健康方面发挥关键作用,在临床应用中具有改善患者结局的潜力[29, 30]。

在此,我们旨在评估通过治疗前CT确定的身体组成参数与接受ICI治疗的NSCLC患者临床结局之间的关系。

方法

研究设计与患者

本研究是一项单中心回顾性研究,按照《赫尔辛基宣言》进行,并经机构审查委员会批准(IRB编号2001-069-1094)。由于研究依赖于匿名临床数据和图像,因此豁免知情同意。我们回顾了2013年至2019年间接受ICI治疗的晚期NSCLC患者的电子病历。纳入标准如下:(a)经病理确诊的NSCLC患者,年龄18岁或以上;(b)接受过基线胸部和腹盆腔CT扫描的患者;(c)接受ICI治疗的患者。我们排除了以下情况:(a)在三线或以上化疗后给予ICI的病例;(b)既往接受过ICI治疗的患者;(c)患有需要治疗的其他恶性肿瘤的患者;(d)没有基线CT扫描的患者;(e)临床信息不足的患者;(f)在ICI治疗期间未进行治疗反应评估的患者。

临床病理参数和治疗结局

我们收集了患者开始ICI治疗时的年龄、性别、BMI(kg/m2)、欧洲肿瘤协作组体能状态评分(ECOG PS)、吸烟状态、组织学类型、驱动基因突变、PD-L1免疫组化结果、既往全身治疗、治疗结局和生存状态等数据。此外,治疗反应和无进展生存期(PFS)采用实体瘤疗效评价标准第1.1版进行评估。

CT扫描方案

所有增强CT扫描均在门静脉期获得,使用以下来自四家制造商的多排探测器CT扫描仪之一:Philips Medical Systems(Ingenuity CT [n = 31]、Brilliance 64 [n = 16]、iCT 256 [n = 5])、GE Healthcare(Discovery CT750 HD [n = 28]、Revolution [n = 21];Siemens Healthineers(SOMATOM Definition [n = 17]、SOMATOM Force [n = 4])和Canon Medical Systems(Aquilion One [n = 14])。扫描采用100至140 kVp的电压设置(100 kVp [n = 53]、120 kVp [n = 74]和140 kVp [n = 9]),并采用自动曝光控制。所有CT图像均采用软组织核重建,层厚为3 mm或以下。

CT分析

腹部CT图像被导入一款市售的基于深度学习的身体成分分析软件(DeepCatch,v1.0.0.0,MEDICALIP Co. Ltd.,首尔,韩国)。该软件包含一个三维(3D)U-Net,可将CT图像分割为七个类别:皮肤、肌肉、骨骼、腹部内脏脂肪、皮下脂肪、内脏器官/血管和中枢神经系统。在外部验证中,该3D U-Net在肌肉、内脏脂肪和皮下脂肪方面达到了92.3–99.3%的平均Dice评分[31]。代表性CT图像见附加文件1:图S1。一位在身体CT判读方面具有17年经验的资深放射科医师(SHY)审查了该软件获得的分割结果,并酌情进行了修订。随后,该软件生成CT衍生参数,包括总脂肪体积(cm3)、内脏脂肪体积(cm3)、皮下脂肪体积(cm3)、骨骼肌体积(cm3)、内脏脂肪衰减(亨氏单位[HUs])和皮下脂肪衰减(HU),测量部位为腰部,腰部根据世界卫生组织的定义被界定为“第12肋与髂嵴之间”[32]。总脂肪体积、内脏脂肪体积、皮下脂肪体积和骨骼肌面积分别按身高(以平方米计)进行标准化,以计算总脂肪指数(TFI)、内脏脂肪指数(VFI)、皮下脂肪指数(SFI)和骨骼肌指数(SMI)。鉴于缺乏用于评估生存结局的脂肪体积指数和脂肪衰减的既定临界值,我们任意将数据分为最低四分位组(Q1)和最高四分位组(Q2–4)。TFI、VFI和SFI的Q1临界值分别为404.1、147.6和235.0。SMI临界值基于各性别的Q1(男性为297.0,女性为257.4)

统计分析

分类变量采用Pearson卡方检验进行比较。进行单因素和多因素logistic回归分析,以评估变量与ICI治疗客观缓解之间的关系。PFS定义为从开始ICI治疗至临床或影像学进展或死亡的时间。总生存期(OS)定义为从开始ICI治疗至末次随访日期或死亡日期的时间。随访期设定为36个月。中位PFS和OS采用Kaplan–Meier法计算。生存结局采用log-rank检验进行比较。生存预后因素的多因素分析采用Cox比例风险模型并结合向前逐步法进行。所有统计检验均为双侧检验,统计学显著性设定为p < 0.05。所有统计分析均使用SPSS® Statistics 22.0版(IBM Corp.,Armonk,NY,USA)进行。

结果

患者特征和治疗反应

在228例接受ICI治疗的晚期NSCLC患者中,根据排除标准排除了92例,最终共有136例患者纳入本研究(附加文件1:图S2)。表1总结了其基线特征。临床病理变量与ICI治疗反应之间的关系见表2。与治疗反应相关的因素包括年龄、性别和既往全身治疗线数。

表1 患者的基线特征 查看原表 ↗
表2 身体成分参数及临床病理变量与免疫检查点抑制剂肿瘤缓解之间的相关性 查看原表 ↗

体积学参数及按体积学参数分组的治疗结局差异

SMI、TFI、VFI和SFI的中位值分别为333.6(范围45.1–533.0 cm³/m²)、598.0(范围30.8–1467.7 cm³/m²)、264.0(范围6.4–821.8 cm³/m²)和314.4(范围24.3–764.9 cm³/m²)。疾病稳定/疾病进展组中高VFI患者较少(58/85,68.2%),低于部分缓解组的44/50(88%)(p = 0.012,表2),逻辑回归分析显示相似趋势(补充文件1:表S1)。与相应的Q2–4组相比,TFI的Q1组(Q1 vs. Q2–4:50.0% vs. 30.7%,p = 0.042)和VFI的Q1组(Q1 vs. Q2–4:60.6% vs. 27.5%,p = 0.001,数据未显示)中,以初始疾病进展为ICIs最佳缓解的患者比例显著更高。不同治疗缓解组之间SMI和SFI无差异。

按体积学参数分组的生存结局差异

使用BMI和体积学参数进行Kaplan–Meier生存分析。肥胖定义为BMI≥25 kg/m² [33]。肥胖患者的PFS显著长于非肥胖患者(BMI < 25 vs. ≥ 25 kg/m²;3.9个月 vs. 12.5个月,log-rank检验p = 0.025)(图1)。此外,VFI的Q2–4组PFS显著长于Q1组(Q1 vs. Q2–4:3.0个月 vs. 6.4个月,log-rank检验p = 0.043)。肥胖组(BMI < 25 vs. ≥ 25 kg/m²:12.6个月 vs. 31.5个月,log-rank检验p = 0.024)和VFI的Q2–4组(Q1 vs. Q2–4:5.6 vs. 16.3个月,log-rank检验p = 0.004)的中位OS也得到相似结果(图2)。然而,其他参数(包括SMI、TFI和SFI)未观察到显著的组间差异。

我们进行了Cox比例风险分析,以评估临床病理和体积学参数对PFS和OS的影响。在多变量分析中,VFI是改善PFS(Q1 vs. Q2–4:风险比[HR] 0.497,Cox比例风险回归p = 0.004)和OS(Q1 vs. Q2–4:HR 0.466,Cox比例风险回归p = 0.002)的独立指标(表3)。

最后,为了不仅研究脂肪体积,还研究脂肪质量对治疗结局的影响,我们使用内脏脂肪HU截断值−91.13(中位HU的第一四分位数)进行了Kaplan–Meier生存分析。如图3所示,内脏脂肪HU的Q2–4组较Q1组呈现PFS和OS缩短的趋势(中位PFS,Q1 vs. Q2–4:15.3个月 vs. 4.2个月,log-rank检验p = 0.213;中位OS,Q1 vs. Q2–4:21.7个月 vs. 12.8个月,log-rank检验p = 0.142,图3)。随后,研究队列根据VFI和内脏脂肪HU截断值分为四组;然而,仅有一名患者的VFI和内脏脂肪HU均位于Q1,被排除于分析之外。VFI位于Q1组且内脏脂肪HU同时位于Q2–4组的患者PFS和OS最短(中位PFS = 3.0个月,95%置信区间[1.4–4.6个月];中位OS = 5.5个月,95%置信区间[3.8–7.2个月];图3)。

图1 根据身体成分参数的无进展生存期Kaplan–Meier生存曲线。a 体重指数。b 骨骼肌指数。c 总脂肪指数。d 内脏脂肪指数。e 皮下脂肪指数。各参数的截断值为最低四分位数(Q1) 查看原图 ↗
图2 根据身体成分参数的总生存期Kaplan–Meier生存曲线。a 体重指数。b 骨骼肌指数。c 总脂肪指数。d 内脏脂肪指数。e 皮下脂肪指数。各参数的截断值为最低四分位数(Q1) 查看原图 ↗
表3 无进展生存期和总生存期预后因素的Cox比例风险分析 查看原表 ↗
图3 Kaplan–Meier生存曲线。a 无进展生存期。b 根据内脏脂肪亨斯菲尔德单位的总生存期。c 无进展生存期。d 根据内脏脂肪指数和内脏脂肪亨斯菲尔德单位的总生存期 查看原图 ↗

讨论

在本研究中,我们探讨了基于CT的身体成分参数对接受ICI治疗的NSCLC患者治疗反应和预后的预测价值。我们发现内脏脂肪体积与治疗反应和生存呈正相关。

肥胖是公认的癌症病因[34]。具体而言,高BMI是多种癌症类型发生和死亡的危险因素,包括乳腺癌、结直肠癌和肾癌[35]。相反,高BMI已被证明可改善其他类型癌症患者的生存,这一现象被称为“肥胖悖论”[36]。肥胖可影响治疗反应及相关毒性[37, 38]。近期研究探讨了肥胖在接受ICI治疗的癌症患者中的作用[39],一些研究报告肥胖患者对ICI的治疗反应改善[16],另一些则证明肥胖仅改善PFS而不改善OS[40]。尽管如此,大多数研究表明,高BMI癌症患者的ICI治疗结局似乎有所改善[41–43]。

肥胖通过多方面机制促进慢性炎症状态。具体而言,肥胖与瘦素、游离脂肪酸和促炎细胞因子水平升高相关。此外,肥胖上调T细胞和髓源性抑制细胞中PD-1的表达。总体而言,ICI的抗肿瘤作用可能在肥胖介导的炎症环境中被放大[39, 44]。

需要指出的是,BMI并非肥胖的最佳替代指标,因为它无法准确反映身体组成[28, 45–47]。因此,研究试图建立能更好反映肥胖的身体组成参数。近期研究探讨了接受ICI治疗的NSCLC患者中,通过CT或正电子发射断层扫描CT获得的身体组成参数与治疗结局之间的相关性[23, 24]。例如,一项研究探讨了骨骼肌量和脂肪分布(即肌内、内脏和皮下脂肪组织)的测量指标及其治疗期间的变化与接受免疫治疗的晚期肺癌患者疾病进展和OS之间的关联[48]。本研究通过在基线时测量基于CT的身体组成来评估ICI治疗反应,这与上述既往研究类似。然而,一个关键区别在于,本研究通过计算早期CT评估(1–2个月内)后的delta值来分析其与疾病进展的相关性,从而能够预测反应变化[49]。在本研究中,我们使用基于CT的三维容积分析来评估身体组成,该分析可对脂肪分布进行精确的定性和定量分析。内脏脂肪体积与接受ICI治疗的NSCLC患者更好的反应和更长的生存期相关。此外,内脏脂肪衰减与OS呈负相关趋势。 furthermore,低VFI和高衰减的患者生存最差。

内脏脂肪和皮下脂肪表现出不同的解剖分布和基因表达谱。研究报道了腹部内脏脂肪与皮下脂肪之间炎症相关基因表达的差异[50, 51]。根据既往研究,促炎细胞因子基因在皮下脂肪中比在内脏脂肪中更为丰富[51]。此外,既往研究报道了癌症死亡率与脂肪衰减之间呈正相关[52]。脂肪衰减可能与脂肪组织纤维化呈正相关,而脂肪组织纤维化与炎症和细胞因子释放密切相关。因此,对于癌症患者,脂肪间室和脂肪质量在免疫调节和对ICI的反应中可能比脂肪体积更为重要[34]。

与之前的报告[53]相反,我们观察到SMI与临床结局之间无相关性。鉴于既往研究对肌少症采用了不一致的诊断标准,按种族、性别或癌症类型划分的肌少症最佳截断值尚未确立。本研究的一个局限性在于它是一项规模相对较小的回顾性研究。此外,本研究中的自动CT分割方法确实需要专家验证以确认分割的准确性,尽管该深度学习算法在开发过程中与参考标准相比显示出较高的准确性[31]。然而,该方法大大减少了时间和计算需求,能够更高效地分析大量CT数据集。此外,我们未将基于CT的人体成分参数与其他模态的结果进行比较,包括双能X射线吸收测定法或生物电阻抗分析;然而,CT被认为是评估人体成分的参考标准[54]。尽管如此,本研究提供了有力的发现,表明腹部内脏脂肪体积和衰减在接受免疫治疗的患者中具有潜在的预后价值。通过将人体成分参数评估纳入风险分层并实施针对性的营养干预,可为这些患者制定个性化的管理策略。

结论

我们观察到在接受ICI治疗的NSCLC患者中,内脏脂肪体积与治疗结局之间存在显著关联,表明脂肪 compartments 和脂肪质量具有预后价值。有必要开展未来大规模前瞻性研究以证实我们的发现。

补充信息

附加文件1:表S1。肿瘤缓解预后因素的逻辑回归风险分析。CI,置信区间;HR,风险比;BMI,体重指数;ECOG PS,美国东部肿瘤协作组体能状态评分;ICI,免疫检查点抑制剂;OR,比值比;PD-L1,程序性死亡配体-1。图S1。CT扫描分析的代表性图像。左上角的图像显示了3D、轴位、矢状位和冠状位视图(顺时针方向)。在3D视图中,有三个横断面,其中两个绿色平面代表腰部范围(最低肋骨至髂嵴),中间浅绿色平面指示L3水平。图S2。CONSORT流程图。

引用

  1. Park JE, Jo J, Youk J, et al. Prognostic utility of body composition parameters based on computed tomography analysis of advanced non-small cell lung cancer treated with immune checkpoint inhibitors. Insights Imaging. 2023. PMID: 37880430. doi:10.1186/s13244-023-01532-4
  2. 全文:PMC10600077(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10600077/

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。