基于影像学特征与双能CT定量参数预测胰腺导管腺癌Ki-67表达的模型构建与验证
回顾性纳入143例经病理确诊的胰腺导管腺癌患者,构建基于CT报告区域淋巴结状态、门静脉期标准化碘浓度和细胞外容积分数的DECT-影像学模型,训练队列AUC为0.905,验证队列AUC为0.865,列线图可术前无创预测Ki-67高表达。
要点
- CT报告区域淋巴结状态、门静脉期标准化碘浓度和细胞外容积分数是Ki-67表达的独立预测因子。
- DECT-影像学模型训练队列AUC为0.905,验证队列AUC为0.865,均高于单纯影像学或DECT模型。
- 列线图可视化预测Ki-67表达,有助于筛选Ki-67高表达的PDAC患者。
核心结论
- DECT-影像学模型对Ki-67表达具有较好的预测效能,可能有助于PDAC患者的临床决策。
- 基于DECT-影像学模型构建的列线图简单有效,可能帮助临床医生筛选出Ki-67高表达的PDAC患者。
研究设计与样本
- 回顾性研究,连续收集2021年7月至2023年4月重庆市人民医院经病理确诊且检测Ki-67的PDAC患者143例(男81例,女62例;平均年龄62.57±0.86岁)。
- 按7:3随机分为训练队列100例(70.0%)和验证队列43例(30.0%)。
- 使用IQon光谱CT(Philips Healthcare)行腹部增强双能CT扫描,测量动脉期和门静脉期的NIC、NZeff和λHU,以及平衡期的ECVf。
- 以免疫组化测定的Ki-67指数为参考标准,以50%为截断值分为低表达组(Ki-67≤50%)和高表达组(Ki-67>50%)。
关键影像表现/征象
- CT报告区域淋巴结状态在Ki-67高表达组阳性率高于低表达组(82.6% vs 41.5%)。
- 训练队列中,低Ki-67表达组的动脉期NIC、λHU、NZeff,门静脉期NIC、λHU、NZeff以及ECVf均显著高于高Ki-67表达组(p<0.05)。
- 门静脉期NIC在高表达组显著低于低表达组(0.33 vs 0.24,p<0.001)。
- ECVf在高表达组显著低于低表达组(26.15% vs 34.80%,p<0.001)。
- 代表性病例:66岁女性低Ki-67表达(30%),CT报告区域淋巴结阴性,门静脉期NIC为0.45 mg/ml,ECVf为42.29%;73岁男性高Ki-67表达(60%),CT报告区域淋巴结阳性,门静脉期NIC为0.34 mg/ml,ECVf为37.08%。
诊断标准与关键数值
- 多因素logistic回归显示,CT报告区域淋巴结状态(OR=5.787;95%CI:1.392–24.066;p=0.016)、门静脉期NIC(OR=0.170;95%CI:0.044–0.656;p=0.010)和ECVf(OR=0.879;95%CI:0.782–0.988;p=0.030)为Ki-67表达的独立预测因子。
- 影像学模型训练队列AUC为0.705(95%CI:0.590–0.820),验证队列AUC为0.669(95%CI:0.499–0.839)。
- DECT模型训练队列AUC为0.884(95%CI:0.816–0.952),验证队列AUC为0.835(95%CI:0.715–0.955)。
- DECT-影像学模型训练队列AUC为0.905(95%CI:0.826–0.883),验证队列AUC为0.865(95%CI:0.757–0.972)。
- DeLong检验显示,训练队列中DECT-影像学模型优于影像学模型(p<0.001),DECT模型优于影像学模型(p=0.001);验证队列中DECT模型与影像学模型差异无统计学意义(p=0.093)。
临床应用与阅片要点
- DECT-影像学列线图公式为:1.787×CT报告区域淋巴结状态-11.921×门静脉期NIC-0.133×ECVf+6.294。
- 决策曲线分析显示,DECT-影像学模型在训练队列阈值概率0.04–0.90和验证队列0.04–0.70范围内产生更高的净获益。
- 校准曲线显示列线图预测概率与实际概率在训练和验证队列中均具有良好一致性。
- CT评估胰周淋巴结转移准确性有限,本研究中为66.7%。
- 作者认为DECT-影像学模型可能有助于术前无创评估PDAC的Ki-67表达,帮助筛选Ki-67高表达患者。
局限性
- 本研究为回顾性研究,尽管有严格的纳入和排除标准,样本选择仍可能存在偏倚。
- 本研究样本量小且在一家医院进行,需要进一步的多中心大规模研究验证研究结果后,DECT-影像学列线图才能应用于临床实践。
- 部分样本为穿刺活检标本,由于肿瘤异质性不能完全代表全部肿瘤组织,可能导致Ki-67测量存在一定偏倚。
全文中译14 节 · 点击展开
引言
胰腺导管腺癌(PDAC)是一种极具恶性和侵袭性的肿瘤,预计到2030年将成为全球癌症相关死亡的第二大主要原因[1]。PDAC进展迅速,大多数患者在确诊时已有淋巴结或远处转移[2, 3]。尽管多模式治疗的进展有所改善,但PDAC的5年生存率并未明显提高,仍约为11%[4–6]。Ki-67在大多数增殖细胞中高表达(G0期除外),是标示肿瘤异质性和细胞生长的重要免疫组化标志物之一,能够准确反映肿瘤细胞的增殖活性[7]。既往研究表明,Ki-67表达水平与PDAC肿瘤分化程度呈负相关,Ki-67高表达的PDAC患者更易发生区域淋巴结(LNs)和肝脏转移[8–10]。Ki-67也是PDAC预后不良及胰十二指肠切除术后1年内复发的独立危险因素[8, 10]。因此,准确评估Ki-67表达程度对于判断PDAC预后具有重要意义。
目前,Ki-67的表达只能通过穿刺或手术标本的免疫组化(IHC)来确定。然而,单次穿刺取材并不总能成功,由此导致的多次穿刺可能给患者造成多次损伤和不便[11]。此外,活检和手术标本属于有创方法,可能诱发肿瘤溃疡或破溃,增加肿瘤播散风险。因此,建立一种无创、便捷且有效的方法来预测PDAC中Ki-67表达水平至关重要。
双能计算机断层扫描(DECT)利用两种不同能级的X射线源对物体成像,在肿瘤检测和表征方面已显示出临床应用前景。DECT衍生的多种定量指标,如归一化碘浓度(NIC)、归一化有效原子序数(NZeff)和能谱HU曲线斜率(λHU),已逐步应用于预测多种实体瘤中的Ki-67,包括喉鳞状细胞癌、乳腺癌和胃腺癌[12–14]。细胞外容积分数(ECVf)作为一种新兴的DECT定量参数,也已应用于评估PDAC放疗疗效及新辅助化疗的生存分析[15, 16]。然而,DECT衍生参数与PDAC患者Ki-67表达程度之间的关联尚不明确且报道少见。同时,术前影像学特征如局灶性胰腺实质萎缩、胰管扩张、瘤周血管侵犯和胰腺外神经周围侵犯被发现可提示PDAC患者预后不良[17–20],并对PDAC的治疗决策具有重要影响。
在本研究中,我们假设双能CT(DECT)定量参数能够预测胰腺导管腺癌(PDAC)中Ki-67的表达。为验证我们的假设,我们尝试建立一个结合DECT定量参数和影像学特征的模型来识别Ki-67高表达患者,并将其可视化为列线图,以辅助PDAC患者实现个体化临床决策。
材料与方法
患者
本研究获得重庆市人民医院伦理委员会批准。鉴于研究的回顾性性质,我们豁免了受试者知情同意的要求。根据纳入和排除标准(图1),连续收集2021年7月至2023年4月在重庆市人民医院经病理确诊为PDAC并检测了Ki-67的患者数据。纳入标准如下:(1)PDAC经活检或手术确诊;(2)Ki-67经免疫组织化学(IHC)检测;(3)在Ki-67检测后14天内行DECT检查。排除标准如下:(1)Ki-67检测前接受过新辅助化疗或放疗;(2)图像质量不满足分析要求;(3)合并其他原发恶性肿瘤;(4)临床、病理、手术或影像数据部分缺失。
最终纳入143例患者(男81例,女62例;平均年龄±标准差为62.57±0.86岁),并按7:3的比例随机分为训练队列和验证队列(n=100,70.0%;43,30.0%)。
Ki-67指数测定
143例患者的Ki-67通过IHC检测,标本来源于手术标本(52.4%)和经皮或经胃空心针穿刺活检标本(47.6%)。所有标本均来自原发性胰腺肿瘤。细胞核呈棕色的细胞定义为阳性。在200倍放大下随机选取1000个细胞,根据阳性细胞比例计算Ki-67为0–100%。由于PDAC中Ki-67低表达或高表达分组的最佳截断值尚未确定,基于既往研究[8]选择50%作为截断值。样本分为Ki-67低表达组(Ki-67≤50%)和Ki-67高表达组(Ki-67>50%)。
DECT图像采集
采用双能CT(IQon光谱CT,飞利浦医疗)行腹部增强扫描。所有DECT扫描均由扫描仪使用标准方案完成,详细信息见补充材料。
影像学及DECT候选变量
PDAC的影像学候选变量包括肿瘤位置、CT报告的T分期、CT报告的区域淋巴结状态、胰腺实质萎缩、主胰管扩张、血管侵犯和胰外神经侵犯。PDAC的DECT候选变量包括动脉期(AP)和门静脉期(PVP)的碘浓度(NIC)、有效原子序数(NZeff)和λHU,以及平衡期(EP)的细胞外容积分数(ECVf)。详细信息见补充材料。
模型构建与列线图
首先采用单因素分析对比低与高Ki-67表达组之间变量的差异。在训练队列中,从显著参数(p < 0.05)出发,经向前逐步二元logistic回归分析,确定预测PDAC患者Ki-67表达的独立危险因素。随后,根据独立危险因素构建放射学模型、双能CT(DECT)模型及DECT–放射学模型。上述模型在验证队列中分别独立验证。通过受试者工作特征曲线(ROC)和决策曲线分析(DCA)获得三种模型的诊断效能和临床适用性。曲线下面积(AUC)的比较通过Delong检验确定。最后,从诊断性能最高的模型开发列线图。列线图的拟合优度通过校准曲线评估。
统计分析
所有计算和统计分析均在R软件(https://www.r-project.org/)、MedCalc(版本18.2.1,MedCalc Software)和SPSS软件(版本26.0,SPSS,IBM)中执行。采用Shapiro–Wilk检验验证数据正态性。正态分布数据以均值±标准差(SD)表示,非正态分布数据以中位数(第25、75百分位数)表示。连续变量采用两样本t检验或Mann–Whitney U检验评估。分类变量采用卡方检验评估。双侧p值< 0.05表示有统计学意义。
结果
放射学特征和DECT定量参数
表1展示了本研究的临床、放射学和DECT变量。在训练队列中,CT报告的区域淋巴结(LN)状态和所有DECT定量参数均显示出显著差异,p < 0.05。表2展示了训练队列中DECT定量参数的表现,包括门静脉期(PVP)λHU的均值以及动脉期(AP)NIC、AP λHU、AP NZeff、PVP NIC、PVP NZeff和ECVf的中位数。低Ki-67表达组的上述DECT定量参数显著高于高Ki-67表达组(p < 0.05)。低Ki-67表达组与高Ki-67表达组之间在任何临床特征、肿瘤位置、CT报告的T分期、实质萎缩、胰管扩张或血管侵犯方面均未发现统计学显著差异(p > 0.05)。
Ki-67表达预测模型的开发
采用多因素logistic回归分析分析所有p < 0.05的变量(表3)。通过向前逐步logistic回归筛选出CT报告的区域LN状态(OR = 5.787;95% CI:1.392–24.066;p = 0.016)、PVP NIC(OR = 0.170;95% CI:0.044–0.656;p = 0.010)和ECVf(OR = 0.879;95% CI:0.782–0.988;p = 0.030)。随后基于独立危险因素建立放射学模型、DECT模型和DECT–放射学模型。放射学模型、DECT模型和DECT–放射学模型分别在验证队列中独立验证。
三种模型的诊断性能
三种模型的预测结果见表4。图2和图3展示了三种模型在两个队列中鉴别Ki-67低表达和高表达的ROC曲线和DCA曲线。放射学模型在训练队列和验证队列中对PDAC患者Ki-67表达的诊断性能中等,AUC分别为0.705(95% CI:0.590–0.820)和0.669(95% CI:0.499–0.839)。DECT模型和DECT–放射学模型在区分PDAC患者Ki-67比例方面均表现出较好的诊断性能,训练队列中AUC分别为0.884(95% CI:0.816–0.952)和0.905(95% CI:0.826–0.883)。相应地,DECT模型和DECT–放射学模型在验证队列中的AUC分别为0.835(95% CI:0.715–0.955)和0.865(95% CI:0.757–0.972)。DeLong检验显示,DECT–放射学模型在训练队列中优于放射学模型(p < 0.001)。在训练队列中,DECT模型的诊断表现较放射学模型有所提高(p = 0.001),然而在验证队列中不存在统计学显著差异(p = 0.093)。DCA结果显示,DECT–放射学模型在训练队列和验证队列中分别在0.04–0.90和0.04–0.70阈值概率范围内可产生更高的净获益。
DECT–放射学列线图的构建与性能
DECT–放射学列线图基于对预测PDAC中Ki-67表达具有最高诊断效能的DECT–放射学模型建立(图4)。DECT–放射学列线图的参数包括CT报告的区域淋巴结状态、PVP的NIC和ECVf。公式如下:DECT–放射学列线图 = 1.787*CT报告的区域淋巴结状态–11.921*PVP的NIC–0.133*ECVf + 6.294。在训练队列和验证队列中预测PDAC中Ki-67水平的校准曲线分析显示,列线图的预测概率与实际概率之间具有良好的一致性(图5)。
代表性图像见图6。
讨论
在这项回顾性研究中,开发并验证了一个由CT报告的区域LN状态、PVP的NIC和ECVf组成的DECT-影像学模型,以实现对PDAC中Ki-67表达程度的无创预测。Ki-67表达水平与PDAC肿瘤分级及最终疾病分期呈正相关[21]。对于高分期PDAC患者,新辅助治疗(NAC)可延长疾病特异性生存期和无病生存期[22]。因此,Ki-67高表达的PDAC患者可能从接受积极NAC中获益。源自DECT-影像学模型的列线图在训练队列和验证队列中预测Ki-67表达时均表现出优于影像学模型和DECT模型的识别能力,可能成为一种有效的影像学工具,用于术前无创识别Ki-67高表达的PDAC患者。
我们发现,CT报告的区域淋巴结(LN)状态是区分PDAC中Ki-67表达程度最重要的影像学特征。在高Ki-67表达组中,CT报告的区域LN状态阳性率高于低Ki-67表达组(82.6% vs 41.5%)。基于这一独立指标构建的影像学模型取得了中等诊断效能,在训练队列和验证队列中的AUC分别达到0.705和0.669。既往研究指出,Ki-67表达水平较高的PDAC患者更易发生区域LN转移[10]。已有研究表明,CT报告的LN状态与病理状态显著相关[23]。CT报告的区域LN状态能够预测Ki-67表达的原因可能在于,Ki-67反映肿瘤增殖活性程度,表达程度越高表明肿瘤增殖活动越活跃,更可能浸润淋巴管壁并发生淋巴结转移。然而,CT对LN转移的判断主要基于强化程度、边缘状态等指标,具有一定的主观依赖性。既往研究发现CT评估胰周淋巴结转移(LNM)的准确性较低(63%-81%),本研究同样证实了这一点(66.7%)[24, 25]。尽管一些影像学特征如实质萎缩和胰腺外神经周围侵犯状态已被记录为PDAC的重要预后指标,但在高Ki-67表达组与低Ki-67表达组之间无统计学差异,仍无法作为Ki-67表达的预测因子。这表明仅依靠形态学特征评估Ki-67表达水平是不够的,血供特征或内部特征可能提供更全面的信息。
在本研究中,我们的结果还表明,在双能CT(DECT)定量参数系列中,PVP的NIC和ECVf是预测PDAC中Ki-67表达的独立危险因素。参数NIC通过归一化碘浓度(IC)获得,其最大限度减少了个体间血流动力学差异,能够定量显示肿瘤新生血管化程度,并客观反映组织中的碘沉积[26]。在我们的研究中,训练队列中Ki-67高表达组的PVP NIC显著低于Ki-67低表达组(0.33 vs. 0.24,p < 0.001)。可能的原因在于,高Ki-67表达代表活跃的细胞增殖,而PDAC中活跃细胞增殖所致的缺血和缺氧构成了PDAC生长的微环境,且PDAC是一种血供较少、纤维间质成分较高的肿瘤[27]。ECVf是血管外间隙和细胞外间隙的定量指标,而血管外间隙和细胞外间隙是细胞微环境的重要组成部分。肿瘤的演变伴随细胞外微环境的改变,因此细胞外基质可部分反映疾病的发展。在我们的研究中,ECVf显著低于Ki-67低表达组(26.15% vs 34.80%,p < 0.001)。既往研究显示,低ECVf提示血管化不良,更易发生缺氧,这可能解释ECVf为何能够预测Ki-67的表达状态[15]。基于PVP的NIC和ECVf构建的DECT模型诊断能力优于影像学模型,训练队列和验证队列的AUC分别为0.884和0.835。
通过纳入CT报告的区域淋巴结(LN)状态、PVP的NIC和ECVf,我们建立了DECT–影像学模型,与影像学模型和DECT模型相比,该模型具有最高的诊断效能(训练队列:0.905;验证队列:0.865)和净获益。该DECT–影像学模型在训练队列和验证队列中对PDAC患者Ki-67表达的诊断效能均显著优于影像学模型(均p < 0.05,DeLong检验)。DECT–影像学列线图是一种简单、可能可靠且可重复的工具,基于DECT–影像学模型建立,对预测PDAC中Ki-67表达具有最高的诊断能力。在训练队列和验证队列中,校准曲线均显示预测值与观察值之间具有良好的一致性。
本研究存在一些局限性。第一,本研究为回顾性研究,尽管采用了严格的纳入和排除标准,样本选择仍可能存在偏倚。第二,由于本研究的样本规模较小且在一家医务室进行,在DECT–Radiology列线图应用于临床实践之前,需要进一步开展多中心大规模研究来验证这些发现。最后,本研究中的部分样本为穿刺活检标本,由于肿瘤异质性,这些标本不能完全代表全部肿瘤组织,可能导致Ki-67测量存在一定偏倚。大多数PDAC患者在初次就诊时已处于晚期,无法接受根治性切除以获得手术标本,而穿刺活检可协助个体化临床决策。
结论
总之,结合关键影像学特征和双能计算机断层扫描(DECT)定量参数的模型有助于对PDAC患者Ki-67表达的术前无创评估。基于DECT–Radiology模型构建的可视化列线图简单有效,可能有助于临床医生筛选出Ki-67高表达的PDAC患者。
补充信息
附加文件1。
引用
- Wen Y, Song Z, Li Q, et al. Development and validation of a model for predicting the expression of Ki-67 in pancreatic ductal adenocarcinoma with radiological features and dual-energy computed tomography quantitative parameters. Insights Imaging. 2024. PMID: 38353857. doi:10.1186/s13244-024-01617-8
- 全文:PMC10866831(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10866831/
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。