文献速递腹部泌尿生殖CT

CT测定的低肾脏体积对肾功能下降的影响:一项倾向性评分匹配分析

Impact of CT-determined low kidney volume on renal function decline: a propensity score-matched analysis.
PubMed 文献 · Insights Imaging · 2024-04-05

该回顾性研究纳入5531例eGFR G2期体检者,经排除后3220例接受平扫CT三维U-net自动肾脏体积测量,按性别特异性均值减1个标准差定义低肾脏体积(LKV),1:1倾向性评分匹配后LKV组与对照组各397例。随访5年内LKV组eGFR分期进展风险显著升高(校正HR 1.64,95%CI 1.09–2.45,p=0.02),提示低肾脏体积可能是eGFR下降的预后影像指标。

要点

  • 在eGFR G2期人群中,CT测得低肾脏体积与5年内eGFR分期进展独立相关(校正HR 1.64,95%CI 1.09–2.45,p=0.02)。
  • 男性LKV cutoff为337.5 cm3、女性为308.8 cm3(按性别均值减1个标准差设定)。
  • eGFR 60–69 mL/min/1.73 m2亚组进展风险最高,多因素校正HR 56.27(95%CI 7.81–405.35,p<0.01)。

核心结论

  • 低肾脏体积(低于性别特异性均值减1个标准差)是5年内eGFR分期进展的显著预测因子,校正HR为1.64(95%CI 1.09–2.45,p=0.02)。
  • 作者认为影像学指标(如肾脏体积)可能有助于早期识别肾功能下降高风险个体。
  • 作者指出需进一步研究探讨对低肾脏体积个体进行针对性干预能否延缓CKD进展。

研究设计与样本

  • 回顾性研究,纳入2006年11月至2017年10月在本机构接受体检、初始eGFR为G2期(60–89 mL/min/1.73 m2)的个体,初筛5531例,排除后纳入3220例(平均年龄60.0±9.7岁,男性2209例)。
  • 采用3D U-net自动系统在平扫CT图像上测量肾脏体积,CT参数为管电压120 kV、视野500 mm、矩阵512×512、体素0.98×0.98×1.25 mm,扫描时双臂下垂。
  • 以性别特异性均值减1个标准差为cutoff分组:男性337.5 cm3、女性308.8 cm3;LKV组408例、对照组2812例,经1:1倾向性评分匹配(卡钳宽度0.2 SD)后各397例。
  • 主要终点为5年内eGFR分期进展(检测到eGFR低于60),采用Cox回归分析,随访共3015.5人年(平均3.8年,最长5.0年)。

关键影像表现/征象

  • 研究队列肾脏体积男性为404.6±67.1 cm3、女性为376.8±68.0 cm3。
  • 匹配后LKV组累积发生率曲线持续高于对照组,log-rank检验差异有统计学意义(p=0.03)。
  • 匹配后794例中106例出现eGFR分期进展。

诊断标准与关键数值

  • LKV定义:肾脏体积低于同性别均值减1个标准差;男性cutoff 337.5 cm3,女性cutoff 308.8 cm3。
  • 单因素分析中LKV组eGFR分期进展HR为1.52(95%CI 1.03–2.23,p=0.04),多因素校正后HR为1.64(95%CI 1.09–2.45,p=0.02)。
  • eGFR 60–69 mL/min/1.73 m2组进展至G3期风险:单因素HR 65.13(95%CI 9.08–467.24,p<0.01),多因素HR 56.27(95%CI 7.81–405.35,p<0.01)。
  • 年龄≥70岁组单因素HR 3.12(95%CI 1.70–5.71,p<0.01),高血清尿酸组单因素HR 1.70(95%CI 1.16–2.50,p=0.01),两者在多因素分析中未达统计学显著。

临床应用与阅片要点

  • 作者认为肾脏体积测量可能有助于早期识别肾功能下降高风险个体,影像指标可为eGFR下降预测提供参考。
  • 本研究中心采用3D U-net自动系统在平扫CT(双臂下垂体位)上测量肾脏体积,并按性别特异性均值减1个标准差设定低体积阈值。
  • 原文指出深度学习分割可提高大规模肾脏体积分析的效率,并可能推动影像定量数据与流行病学研究结合。

局限性

  • 研究基于单一机构、单一族群,参与者为自费体检人群,可能代表健康意识较强的队列,结果外推性有限。
  • 未对所有病例的分割结果进行全面验证;CT扫描时双臂下垂,条纹伪影可能影响肾脏图像质量和分割结果。
  • 研究忽略了小病灶的影响,最大直径≤4 cm的病灶被纳入,若假定为球形,代表被忽略的体积增加可达33.5 mL。
  • 部分背景因素可能未被校正,不能排除对肾脏体积和eGFR有强烈影响的未测量混杂因素。
全文中译10 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. 2024 Apr 5;15:102. doi: 10.1186/s13244-024-01671-2

引言

肾功能随年龄增长自然下降,尤其在20至40岁之后;然而,下降速度因人而异[1]。根据改善全球肾脏病预后组织(KDIGO)慢性肾脏病(CKD)指南,个体可根据估算肾小球滤过率(eGFR)分类如下:G1(> 90 mL/min/1.73 m2)、G2(60–89 mL/min/1.73 m2)、G3a(45–59 mL/min/1.73 m2)、G3b(30–44 mL/min/1.73 m2)、G4(15–29 mL/min/1.73 m2)和G5(< 15 mL/min/1.73 m2)[2]。eGFR分类为G3a及以上者发生心血管疾病和死亡等并发症的风险增加[3]。管理这些风险通常需要遵循某些指南,包括饮食限制[4]。因此,对于eGFR分类为G2的人群,保持肾功能对其生活质量至关重要;此外,在更广泛的人群中识别和管理肾功能下降风险最高的个体至关重要。

社会人口学、遗传和代谢动态等多种因素与eGFR下降相关[5]。然而,尽管多项研究已确立肾脏体积与eGFR之间存在轻度至中度相关性[6–8],但肾脏体积是否能提供有价值的预后信息仍不清楚。在肾移植背景下,据报道低肾脏体积对供者和受者的移植后eGFR均有负面影响[9, 10]。鉴于这一已确立的关系,我们假设在无已知肾脏疾病的人群中,相对较低的肾脏体积可能与随后的eGFR下降相关。如果肾脏体积被确定为CKD进展的预测因素,它可能有助于锁定应接受更强化干预以维持肾功能的高危群体。

因此,本研究旨在探讨在eGFR为G2的个体中,初次检查时确定的肾脏体积对随后进展至G3a及以上的影响。为此,我们回顾性分析了来自纵向体检项目的数据,并采用了倾向性评分匹配方法。

方法

本回顾性研究经我院伦理审查委员会批准。本研究遵循《赫尔辛基宣言》,并按照加强观察性流行病学研究报告(STROBE)指南构建[11]。所有参与者均获得了书面知情同意。

参与者

我们的数据库包含参加我们健康体检项目的健康个人的人口统计学、健康史、血液检查结果、尿液检查结果和全身CT图像信息。原则上,所有个体检查均在同一天进行。请注意,全身CT扫描是40岁及以上个体的可选项目,仅为选择该检查并提供了知情同意的个体进行,并非出于研究目的。利用我们的数据库,我们对研究队列实施了特定的筛选流程。纳入标准如下:(i)初次就诊日期在2006年11月至2017年10月之间的个体;(ii)接受了全身CT的个体;(iii)eGFR分类为G2的个体。排除标准如下:(i)失访的个体;(ii)表1所列分析项目数据缺失的个体;(iii)有肾脏手术史的个体;(iv)目前正在接受治疗的肾脏疾病患者,包括肾积水、肾炎、肾盂肾炎和急性肾损伤;(v)CT发现肾脏肿块> 4 cm或马蹄肾的个体。

表1 未匹配组和倾向性评分匹配组的基线参与者特征 查看原表 ↗

数据收集和终点

对于入选的参与者,提取以下首次就诊数据:人口统计学和健康史(包括用药信息)、血液检查、尿液检查和CT数据。初次就诊后,每次参与者参加体检项目时,均记录eGFR和距首次就诊的天数。主要研究终点为“进展至晚期eGFR分类(检测到eGFR低于60)”。数据追踪和收集至初次就诊后5年。5年后未确认体检的病例被视为截至末次就诊日期的删失。我们数据库中的CT图像是在参与者双臂放下时采集的,使用以下参数:管电压120 kV;视野500 mm;矩阵大小512 × 512;体素大小0.98 × 0.98 × 1.25 mm。

肾脏CT体积测量和分组

我们此前使用3D U-net模型[12]开发了一套从平扫CT图像中自动提取肾脏体积的系统。该网络训练方法和结果的详细信息见附加文件1:附录1。研究队列中的参与者根据肾脏CT体积测量结果,以“均值减一个标准差(SD)”作为截断值,分为低肾脏体积(LKV)组或对照组。鉴于已文献记载的肾脏体积在性别间的差异[13–15],我们按性别分别确定了截断值。请注意,该截断值是使用对我们研究队列中3220名个体进行的初步检查结果确定的(附加文件1:附录2)。

倾向性评分匹配

为解决潜在混杂因素并尽量减少选择偏倚,我们采用了倾向性评分(PS)匹配分析。这些评分通过二元逻辑回归得出,以确定参与者被分配到低肾容积(LKV)组或对照组的可能性。根据既往文献[5, 16]——这些文献强调了某些变量与肾容积的关联,或将某些变量确定为CKD进展的既定危险因素——我们从初次访视数据中选择了以下自变量,如表1所列:性别、年龄、身高、体重、体重指数(BMI)、吸烟状态、降压药物、收缩压(SBP)、降糖药物、糖化血红蛋白(HbA1c)、射血分数(EF)、eGFR、血清白蛋白、血清尿酸、血尿和蛋白尿。采用卡钳宽度为倾向性评分0.2个标准差的最近邻(贪婪型)1:1无放回匹配。

统计分析

详细参与者人口学资料分别针对整个队列和倾向性匹配后的参与者呈现。连续变量采用Student t检验进行比较,分类变量采用卡方检验进行比较。在PS匹配队列中,针对各组绘制终点事件发生的累积发生率曲线(1减去Kaplan–Meier生存曲线),并采用log-rank检验进行比较。此外,还进行了Cox回归分析。以下变量截断值和分类方法主要采纳自既往研究[5, 16]或通用分类标准:性别、年龄(每10年分类)、BMI(截断值为18.5和25)、吸烟(从不/既往或当前)、高血压(SBP > 130 mm/Hg和/或正在用药)、糖尿病(HbA1c > 6.5和/或正在用药)、心力衰竭(EF < 50%)、低血清白蛋白水平(< 4.1 g/dL)、高血清尿酸水平(> 6 mg/dL)、血尿(2+或以上)和蛋白尿(2+或以上)。单因素分析中的所有变量均纳入多因素Cox回归分析,以评估其作为独立预测因素的意义。比较风险比(HR)及相应的95%置信区间(CI)。上述统计分析使用JMP Pro 17.0.0软件(JMP Statistical Discovery LLC, Cary, NC, USA)进行。统计显著性设定为p < 0.05。

结果

共有5531名个体符合研究条件;应用排除标准后,选取了3220名参与者,平均年龄为60.0 ± 9.7岁(2209名男性)。图1展示了参与者筛选流程的流程图。在本研究队列中,男性肾容积为404.6 ± 67.1 cm3,女性为376.8 ± 68.0 cm3。研究队列的肾脏容积测量直方图见图2;截断值按均值减去1个标准差计算(男性LKV截断值为337.5 cm3,女性为308.8 cm3)。根据肾脏CT容积测量结果,408名参与者被归类为低肾容积,2812名被归类为对照。经过1:1倾向性评分匹配后,每组397名参与者纳入最终分析。表1呈现了倾向性评分匹配前后各变量的分布,以及LKV组与对照组比较的p值。PS匹配后,两组在用于匹配的变量分布方面未观察到显著差异。

在794名倾向性评分匹配的个体中(每组397人),共有3015.5人年的随访时间(平均3.8年,最长5.0年),其中106人出现了eGFR分期的进展。图3显示了累积发病率曲线。低肾脏体积(LKV)组的曲线位于对照组之上。对数秩检验显示差异具有统计学意义(p = 0.03)。表2总结了Cox回归分析的结果。在单因素分析中,LKV组(与低肾脏体积相关)对于eGFR分期进展的风险比(HR)为1.52(95% CI:1.03–2.23,p = 0.04)。该关联在多因素分析中持续存在,LKV组的HR为1.64(95% CI:1.09–2.45,p = 0.02)。eGFR在60–69范围内的组别显示与eGFR分期进展至G3有强关联,单因素分析中HR为65.13(95% CI:9.08–467.24,p < 0.01),多因素分析中HR为56.27(95% CI:7.81–405.35,p < 0.01)。年龄≥70岁组和高血清尿酸组显示HR显著升高,单因素分析中HR分别为3.12(95% CI:1.70–5.71,p < 0.01)和1.70(95% CI:1.16–2.50,p = 0.01),但在多因素分析中未显示显著性。

图1 参与者筛选流程 查看原图 ↗
图2 3220名研究参与者的肾脏体积测量结果。左侧(a)以蓝色表示,为男性的直方图(404.6 ± 67.1 cm3)。右侧(b)以红色表示,为女性的直方图(376.8 ± 68.0 cm3)。在每个直方图内,垂直虚线代表以均值减去一个标准差计算得出的截断值。 查看原图 ↗
图3 终点的累积风险曲线。累积发病率曲线定义为1,Kaplan–Meier生存曲线。小的垂直标记表示删失 查看原图 ↗
表2 倾向性评分匹配参与者中5年内eGFR分期进展的Cox回归分析 查看原表 ↗

讨论

本研究的目的是探讨初次就诊时测量的肾脏体积对轻度eGFR降低(G2类别)个体后续eGFR下降的影响。我们发现,与低肾脏体积相关的eGFR分期进展的校正HR为1.64(95% CI:1.09–2.45,p = 0.02),表明即使在调整了eGFR值本身及其他已知危险因素后,低肾脏体积仍是一个显著的危险因素。

已知eGFR可因多种原因下降,对肾功能下降的高危人群进行早期干预可能通过预防疾病进展而有助于改善患者结局[1, 5, 17, 18]。虽然既往研究已识别出影响CKD进展的多种因素,如社会人口学、行为、遗传、心血管和代谢因素[5, 16, 19],但我们的研究结果为这一既定列表增添了新的维度,提示肾脏体积等影像学因素作为eGFR下降预后指标的潜力。若干研究已在一般人群中探讨了与肾脏体积相关的因素。肾脏体积与性别、身高、体重、BMI和年龄等因素呈弱至中度相关[7, 13, 14],且低出生体重与成年期该指标之间可能存在关联[20]。然而,肾脏体积与纵向健康结局之间的关系仍知之甚少。此外,虽然终末期CKD中肾脏的显著萎缩已众所周知,但对其之前的中间状态的影像学评估却鲜有关注。这凸显了关于肾脏体积变化进展及其随时间对健康影响的研究空白。我们的核心研究问题是,相对较低的肾脏体积究竟是功能下降的单纯表现,还是未来肾脏结局的指示。为解决这一问题,我们的研究采用PS匹配以确保LKV组与对照组之间eGFR下降危险因素的均衡比较。匹配后,两组在各变量上均无显著差异,表明基线特征的变化得到了控制。LKV组的累积发生率曲线始终高于其匹配对照组,且根据log-rank检验该差异具有统计学意义(p = 0.03)。在进行多变量Cox回归分析后,明显可见处于LKV组(HR:1.64,95%CI:1.09–2.45)以及eGFR值在60–69范围内(HR:56.27,95%CI:7.81–405.35)是进展至G3的显著危险因素。此后,作为未来研究的方向,我们认为研究对此类CKD进展高危人群进行早期强化干预或随访的效果,可能有助于积累有益于保护肾功能的见解。

在医学影像中了解感兴趣区体积的重要性已在多种情境下得到证明:本研究中强调的肾脏体积;阿尔茨海默病与海马体积之间的关系[21];肝硬化与肝脏体积之间的相关性[22];以及对肿瘤[23, 24]和动脉瘤[25, 26]的详细评估。体积分析比传统线性测量提供了更精确的三维评估[27]。传统上,该分析劳动强度大,需要针对每个个体病例在特定工作站/软件上进行手动勾画,使大规模分析和评估具有挑战性。然而,基于深度学习的分割目前正在简化这一过程[28, 29]。通过训练或使用适当的深度学习模型,我们可以高效、快速地从未医学图像中提取感兴趣区,从而规避手动方法的成本和时间。我们的研究是迄今为止使用肾脏CT体积测量进行分析研究的最大规模研究[7, 10, 13, 14, 20, 30, 31]。除体积测量外,从医学图像中提取感兴趣区还可产生多种定量数据,如CT扫描中的CT密度、MRI中的信号强度、PET中的标准化摄取值(SUV),甚至放射组学特征[32]。该技术促进大规模图像分析,并可能越来越多地与流行病学研究相结合,有助于生成高质量证据。

本研究存在若干局限性。第一,它基于来自单一机构的单一族群。这些参与者接受了收费性体检,可能提示这是一个健康意识较强的队列。因此,这些结果的普适性有限。第二,未对所有病例的分割结果进行全面验证。特别是,CT扫描是在双臂下垂的情况下进行的,条纹伪影可能影响了肾脏成像和分割结果的质量。然而,鉴于肾脏体积测量结果与既往研究[7, 31, 33, 34]相似且呈近正态分布,我们认为分割误差的总体影响不显著。作为示例,分析中随机选取的三个病例(由深度学习模型分割的病例)的肾脏切片CT图像及其分割结果附于附加文件1:附录3。第三,我们的研究忽略了小病变的影响。最大直径达4 cm者被纳入;若假定为球形,这代表最多33.5 mL的被忽略体积增加。不能确定地说这对结果没有影响。此外,作为未来方向,如果能够同时开发出既可分割病变又可分割正常肾组织的系统,从而允许测量“肾脏正常部分体积”,这可能产生更详细和新颖的见解。第四,某些背景因素可能未被校正,不能排除存在对肾脏体积和eGFR有强烈影响的未测量混杂因素。

总之,定义为低于性别特异性均值减去1个标准差的低肾脏体积,成为5年内eGFR分期进展的显著预测因素,校正风险比为1.64(95% CI:1.09–2.45,p = 0.02)。这凸显了影像学在慢性肾脏病(CKD)风险早期检测中的预后价值。需要进一步研究以探讨对低肾脏体积个体进行针对性干预是否能阻止CKD进展。

补充信息

补充材料1。

引用

  1. Kikuchi T, Hanaoka S, Nakao T, et al. Impact of CT-determined low kidney volume on renal function decline: a propensity score-matched analysis. Insights Imaging. 2024. PMID: 38578554. doi:10.1186/s13244-024-01671-2
  2. 全文:PMC10997556(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10997556/

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。