如何评估治疗后胶质瘤的灌注成像:三种不同分析方法的比较
该回顾性研究纳入50例治疗后胶质瘤伴强化病灶患者,比较DSC PWI的VOI、热区和视觉三种分析方法鉴别肿瘤进展与治疗相关异常的价值。VOI平均rCBV的AUC为0.82,优于热区rCBV比值的0.69;视觉评估观察者间一致性差。
要点
- VOI分析的平均rCBV鉴别肿瘤进展与治疗相关异常AUC为0.82,优于热区分析的0.69。
- 视觉评估观察者间一致性差(κ=-0.72至0.68),热区参考区放置可靠性也有限(ICC=0.54)。
- 热区分析中rCBV比值观察者间可靠性良好(ICC=0.83),但诊断准确性低于VOI分析。
核心结论
- VOI分析DSC PWI数据在单时间点鉴别肿瘤进展与治疗相关异常方面,诊断准确性高于热区分析或视觉分析。
- 本研究强调了视觉放置和评估的主观性。
研究设计与样本
- 回顾性纳入50例经组织病理学证实的胶质瘤患者,均接受手术及放化疗后出现新发或增大强化病灶。
- 最终结局通过活检/手术组织病理学或至少3个月临床和影像学随访确定,29例为肿瘤进展,21例为治疗相关异常。
- 所有MRI在1.5T扫描仪(Magnetom Avanto Fit, Siemens Healthineers)上完成,包括DSC PWI序列。
- VOI分析使用OsiriX MD及IB Neuro/IB Rad Tech插件进行半自动分割和泄漏校正。
- 热区和视觉评估由三名具有5至23年神经影像经验的放射科医生或住院医师在不知结局的情况下独立完成。
关键影像表现/征象
- VOI分析中,肿瘤进展组与治疗相关异常组的rCBVmean和rCBVmax差异有统计学意义(t(48)=4.3, p<0.001;U=168, p=0.007)。
- 两组病灶中位体积差异有统计学意义(U=175, p=0.011)。
- rCBVmax与病灶体积呈中度正相关(p<0.001;r=0.64),rCBVmean与体积无显著相关(p=0.24;r=0.17)。
- 热区分析中rCBVhotspot的ICC为0.89(95%CI 0.82–0.93),参考区rCBVref的ICC为0.54(95%CI 0.26–0.72),rCBV比值的ICC为0.83(95%CI 0.73–0.90)。
- 视觉评估中读者X与Y的κ=0.65,X与Z的κ=-0.72,Y与Z的κ=-0.98;表现最佳的读者敏感度和特异度分别为41%和91%。
诊断标准与关键数值
- VOI分析rCBVmean的AUC为0.82(95%CI 0.70–0.94),以1.11 mL/100 g为阈值,敏感度72%、特异度76%。
- VOI分析rCBVmax的AUC为0.72(95%CI 0.58–0.86),以5.1 mL/100 g为阈值,敏感度69%、特异度67%。
- 热区分析rCBV比值的AUC为0.69(95%CI 0.61–0.78),以1.63为阈值,敏感度67%、特异度70%。
- DeLong检验显示rCBVmean与热区rCBV比值的AUC差异有统计学意义(Z=-2.26, p=0.023),rCBVmean与rCBVmax的AUC差异有统计学意义(Z=-2.655, p=0.0079),rCBVmax与热区rCBV比值的AUC差异无统计学意义(Z=-0.50, p=0.61)。
临床应用与阅片要点
- 作者认为VOI分析较热区或视觉分析在单时间点鉴别肿瘤进展与治疗相关异常时诊断准确性更高。
- 作者指出视觉评估存在主观性,热区参考区放置可靠性有限。
- 作者提到临床实际中治疗决策会结合随访期及既往扫描,预期敏感度和特异度更高;本研究旨在分析单时间点不同技术的预测准确性差异。
- 作者认为不应仅凭病灶体积大、rCBVmax高就推断为肿瘤进展,需结合其他鉴别手段。
局限性
- 两组年龄差异有统计学意义(t(48)=2.09, p=0.04),治疗相关异常组平均年龄更高,比较时应谨慎,年龄差异也可能解释所发现的差异。
- 本研究为单时间点分析,临床实际中治疗决策会结合随访期及既往扫描,届时预期敏感度和特异度更高。
- rCBVmax与病灶体积的相关性仅在组水平分析,个体水平的关联未经检验。
- 热区分析中参考区放置的ICC为0.54,可靠性有限。
- 视觉评估观察者间一致性差(κ=-0.72至0.68),表现最佳读者的敏感度仅41%。
全文中译16 节 · 点击展开
引言
在胶质瘤治疗后背景下,推荐术后两天内进行MRI检查,以评估切除范围、是否存在残余肿瘤组织以及检测并发症[1]。然而,神经影像学中一个日益重要的方面涉及生物变化的可视化以及治疗期间或治疗后反应的(早期)预测。在胶质瘤的随访影像中,治疗决策基于观察到的治疗效果或治疗无效。神经肿瘤学反应评估(RANO)指南指出,可通过研究随时间变化的T2/FLAIR信号范围及T1加权MRI上增强后强化区域的大小来评估治疗反应[2]。然而,由于治疗相关异常(TRA;如假性进展和放射性坏死)的出现,胶质瘤治疗后影像中肿瘤进展(TP)的早期检测变得复杂。TRA和TP在常规MRI序列上具有相似的影像学特征,导致这两种实体之间的鉴别效果不佳[3]。因此,更先进的MRI技术(如弥散加权和灌注加权MRI)在此背景下发挥着重要作用。
灌注加权成像(PWI)通过(微)血管化差异(如局部(新生)血管化)对血流动力学变化敏感;因此它被广泛应用于胶质瘤成像[4]。已知有三种主要的PWI技术:动态磁敏感对比(DSC)成像、动态对比增强(DCE)成像和动脉自旋标记(ASL)。在ASL中,血流标记被用作内源性对比剂来测量灌注,而其他两种技术使用静脉注射的外源性钆基对比剂[5]。DSC成像最常用于胶质瘤成像[4],因为它是上述灌注技术中最准确和最敏感的[6],同时采集时间短[7]。DSC灌注成像基于T2*加权脉冲序列,其中对比剂团注通过所引起的磁敏感信号丢失被用于灌注分析。多项荟萃分析强调了DSC灌注加权成像在治疗后背景下区分TRA与TP的诊断能力[8–10]。尽管具有前景,灌注衍生的生物标志物尚未被广泛采用。这种潜力与实际使用之间的差异可归因于临床技术技能的不足、时间限制[11]、在生成相对脑血容量(rCBV)值时的操作者间主观性、序列处理报道可靠性的较大差异以及存在争议的诊断标准[6]。
操作者间主观性可以通过以下因素解释:常用的“热点”感兴趣区分析方法、缺乏经临床验证的用于区分TP与TRA的截断值,以及成像采集技术和后处理软件缺乏标准化[4, 10, 12–15]。更具体地说,“热点”感兴趣区方法基于在单幅图像上选择和评估肿瘤内感知rCBV最高的区域。
然而,“热点”方法严重低估了感兴趣区(ROI)的复杂性和异质性,并且大幅低估了感兴趣体积(VOI),因为它通常仅部分覆盖灌注序列上所见的病变最强化区域。通过对病变整个体积进行分割、然后取整个强化病变的平均rCBV,可以获得病变实际灌注的更完整 representation。通过选择整个体积,病变内低灌注的T1加权强化区域也被纳入考虑,灌注的异质性因而被纳入平均rCBV值中。选择病变的完整体积可获得整个病变的平均rCBV值,同时可自动检测病变内实际最高的rCBV值(rCBVmax)。理论上,与肉眼判断灌注最高区域相比,这两种指标都能更准确地反映病变整体的灌注情况,而对于具有多个“热点”或ROI内灌注混杂的病变,肉眼判断可能较为困难。一种更定性的灌注数据评估方法是纯视觉方法,即放射科医师根据视觉灌注表现对肿瘤进行评分,而不使用rCBV值。上述哪种技术能在TP与TRA之间提供最佳的临床鉴别尚不清楚。
因此,本研究比较了三种用于分析DSC PW-MRI以在治疗后胶质瘤患者中鉴别TRA与TP的方法的诊断价值。所比较的方法为I)基于VOI的方法,II)基于“热点”的方法,以及III)对同一单时刻DSC PW-MRI数据的视觉评估。此外,还研究了“热点”法和视觉评估的主观性。所有分析均由独立的、经验丰富的神经放射科医师完成,且他们对结局设盲。
材料与方法
伦理批准、纳入与排除标准
由于本研究的回顾性性质,本机构伦理审查委员会豁免了伦理批准。我们评估了2021年1月至2022年5月期间疑似肿瘤复发的患者。纳入标准包括:I)年龄18岁及以上,经组织病理学证实的胶质瘤,II)接受过手术切除、化疗和放射治疗,III)随访MRI上出现增大或新发的强化肿块,IV)可获得增强前T1加权图像、增强后T1加权图像和DSC PW-MRI灌注加权图像,以及V)在病变活检或手术切除后行组织病理学检查,或通过临床和影像学随访确定新发强化病变的ground truth(TRA vs. TP)。排除标准包括:I)MRI上无强化肿瘤,II)血液产物或其他伪影导致MR信号失真,III)非胶质瘤的组织病理学实体,以及IV)选择不参与研究的患者。由于纳入标准要求随访MRI上可见新发强化肿块,因此用于分析的随访扫描时间间隔可能有所不同。
确定病变的最终结局
为了确定病变的最终状态是TRA还是TP,本研究使用了两种方法。如果可行,选择组织病理学确认的金标准作为确定病变状态的主要手段。如果无法获得病理材料,则使用常用的银标准确认,包括至少3个月的临床和影像学随访。随时间对病变进行临床和影像学评估的方法符合RANO标准[2]。
MRI采集方案
所有MR成像均在1.5特斯拉扫描仪(Magnetom Avanto Fit,Siemens Healthineers,Erlangen)上进行。方案包括静脉注射钆特酸(Dotarem,Guerbet,Villepinte)作为对比剂前的3D T1加权MPRAGE序列(重复时间(TR)2100 ms;回波时间(TE)2.42 ms;反转时间(Ti)900 ms;各向同性体素大小1 mm;采集时间5分钟)。然后,通过持续流量的对比剂(Dotarem 0.1 ml/kg体重,流速5 ml/秒)给予钆特酸对比剂的预负荷团注。此后采集轴位多层2D T2加权序列(TR 5310 ms;TE 85 ms;分辨率1 × 1×5 mm;采集时间2:30分钟)和2D液体衰减反转恢复(FLAIR)序列(2D,TR 9000 ms;TE 87 ms;反转时间2500 ms;分辨率1 × 1×5 mm;采集时间3:30分钟)。然后注射对比剂团注(20 ml Dotarem,5 ml/秒),随后采集T2*加权序列(TR 1350 ms;TE 43 ms;体素大小1.8 × 1.8×5 mm;采集时间2分钟)和T1加权3D快速涡轮自旋回波序列(TR 600 ms;TE 7.1 ms;各向同性体素大小1 mm;采集时间3:26分钟)。T2*加权序列上由对比剂通过引起的磁敏感诱导信号丢失被用于采集DSC PW-MRI数据。
半定量“热点”分析
三名放射科医师或放射科住院医师(神经影像学经验在5至23年之间)被要求将70 mm2的圆形ROI放置在感知到的“热点”上,如图1所示。读者还被要求在对侧半卵圆中心放置相同大小的参考ROI [16]。当在不同观察者之间分析灌注指标时,这种参考放置已被证明能产生最稳健的结果[17]。从放置在病变“热点”上的ROI获取的平均rCBV值记录为rCBVhotspot,而参考为rCBVref。然后通过将rCBVhotspot除以rCBVref计算rCBV比值。这样做是为了考虑患者之间基础血流动力学的差异,使产生的rCBV比值成为更标准化的灌注测量指标。
半自动VOI分析
本分析使用配备OsiriX MD(版本12.0;http://www.osirix-viewer.com)和商用插件(IB Neuro;Imaging Biometrics,Elm Grove,Wisconsin)的工作站进行,该插件使用渗漏校正算法处理灌注数据并计算灌注图[15, 18, 19]。对于半自动图像分析,我们使用IB Rad Tech(Imaging Biometrics,Elm Grove,Wisconsin),这是一个工作流引擎,可在半自动定义的感兴趣体积中绘制rCBV图[18, 20, 21]。脑血容量图的标准化由IB Rad Tech使用Bedekar等人开发的标准化方案自动执行[22]。为了更清晰地显示T1强化病灶,IB Rad Tech首先从标准化的增强后T1中减去标准化的平扫T1强度,生成ΔT1加权序列。随后进行定义感兴趣体积的半自动选择,即围绕ΔT1加权感兴趣区域手动绘制ROI,之后该方案自动选择所绘制ROI中显示对比增强的体素,从而形成如图1中所见的完整感兴趣体积选择。软件包自动生成每个病灶对比增强VOI的平均和最大rCBV值及体积参数。该半自动分析由一名在使用该软件方面具有丰富经验的放射科住院医师(D.H.)完成。选择这种方法是因为已知该软件包的标准化方案可产生高度可重复的rCBV值,因为它不依赖手动放置参考,并可补偿采集差异带来的变异性[22–24]。其次,基于ΔT1加权序列中对比增强像素的半自动VOI选择几乎没有操作者间变异的空间,因为它仅易受其他对比增强伪影(如血管)的影响,而受过训练的放射科医师应能够识别这些伪影。
DSC PW-MRI数据的视觉评估
三位在(实验性)神经影像学方面具有5至23年经验的放射科医师或放射科住院医师,通过视觉评估或绘制感兴趣区(ROI)对DSC PW-MRI数据进行评估,并记录他们对病变可疑结局的判断,即TP或TRA。这些预测主要基于病变的灌注情况,因为已知常规影像上观察到的特征无助于准确鉴别[3]。该分析基于单次成像 session,因此分析时无随访或既往影像可供参考。分析在配备Syngo.via VB60(Siemens Healthineers,埃尔朗根,德国)的工作站上进行。除DSC PW-MRI序列外,读者还可获得T1加权序列(增强前和增强后)及T2-FLAIR序列,以辅助解剖定位和病变识别。用于分析PW-MRI数据的色标为spectrum 10-step,即Syngo.via程序中提供的校准色标,意味着所显示的颜色被选定以适配固定标尺,从而使所选颜色对决策的影响最小化。随后将预测结局与最终结局进行比较。最终结局基于可获得的临床和放射学随访和/或组织病理学数据确定。最终结局随后由其中一位作者进行二分类,该作者在研究过程的此阶段对最终结局仍设盲。
统计分析
本研究的大部分统计分析使用IBM SPSS Statistics for Windows(版本28.01.1,Armonk,美国)完成。为评估不同读者间对“热点”DSC PW-MRI数据的变异性,对测量的rCBV比值、rCBVhotspot和rCBVref确定了组内相关系数(ICC)。此后,使用ICC评估“热点”分析中测量的rCBV比值的观察者间变异性。
采用Kolmogorov–Smirnov检验评估完整VOI分割体素级rCBV数据的正态性。当数据呈正态分布时,使用独立样本Student's t检验比较组间的均值和标准差。若数据呈非正态分布,则使用Mann–Whitney U检验比较TRA和TP患者间的中位数和范围数据。为评估病变体积与病变rCBV值是否存在相关性,进行了Pearson相关分析。
视觉评估数据使用列联表分析,得出每位读者达到的灵敏度和特异度。随后使用Cohen's kappa作为观察者间一致性的度量指标。
绘制受试者工作特征(ROC)曲线以确定基于VOI的rCBV截断值,该截断值具有平衡的灵敏度-特异度比值,最终能够对TRA和TP进行分类。进行相同的分析以确定基于半定量“热点”的rCBV比值截断值,该截断值能够对TRA和TP进行分类。在两种情况下,通过选择ROC曲线上最接近单位正方形左上角的点来确定最平衡的灵敏度-特异度比值。然后从SPSS中获取该灵敏度-特异度比值对应的rCBV截断值,同时获取指示诊断准确性的AUROC值。随后使用R语言pROC包[25]中可用的Delong检验来比较所创建的ROC曲线的AUC,该分析使用R进行(版本4.3.1,R Foundation for Statistical Computing,维也纳,奥地利)。
结果
纳入患者的人口学特征
本研究共纳入50例胶质瘤患者。根据WHO胶质瘤分类[26],38例患者有胶质母细胞瘤病史(76%),9例患者接受过IDH突变型星形细胞瘤2-4级治疗(16%),3例患者既往诊断为少突胶质细胞瘤(8%)。纳入患者的概况可见表1。
3例患者接受了立体定向活检;在这些病例中,使用肿瘤结局的组织病理学确认。在所有其他纳入患者中,最终结局通过至少三个月的临床和影像学随访来确定。在29例中,发现新的对比增强病灶反映TP(58%)。在另外21例中,增强区域随时间消退,被解释为TRA。TP组和TRA组的平均年龄差异有统计学意义(t(48) = 2.09,p = 0.04)。
半定量“热点”数据的统计分析
所测rCBV比值的ICC为0.83(95%-CI:0.73-0.90)。所测rCBVhotspot的ICC为0.89(95%-CI:0.82-0.93),rCBVref的ICC为0.54(95%-CI:0.26-0.72)。“热点”rCBV比值与VOI评估的rCBVmean之间比较的ICC结果为0.72(95%-CI:0.56-0.83)。
VOI PWI数据的统计分析
Kolmogorov-Smirnov检验显示VOI rCBVmean数据呈正态分布(D(50) = 0.09,p = 0.20),而rCBVmax和体积数据呈非正态右偏分布(分别为D(50) = 0.13,p = 0.03和D(50) = 0.28,p < 0.001)。各组获取的rCBV值和体积可见表2。
TP和TRA病灶中测得的rCBVmean和rCBVmax值之间观察到显著差异(分别为t(48) = 4.3,p < 0.001和U = 168,p = 0.007)。TP和TRA病灶的中位体积在组间也显示出显著差异(U = 175,p = 0.011)。Pearson相关分析显示rCBVmax值与病灶体积显著相关(p < 0.001;r = 0.64)。另一方面,rCBVmean值与病灶体积无显著相关(p = 0.24;r = 0.17)。
视觉评估数据的统计分析
放射科医师或放射科住院医师被匿名标记为读者X、Y和Z,其结果见表3。读者X与Y之间的观察者间一致性为κ = 0.65,读者X与Z之间为κ = -0.72,读者Y与Z之间为κ = -0.98。
PWI数据不同后处理方法的诊断准确性
受试者工作特征(ROC)曲线见图2;两条曲线中均将TP视为阳性状态。基于VOI的分析显示,rCBVmax值和rCBVmean值的AUROC分别为0.72(95%-CI:0.58–0.86)和0.82(95%-CI:0.70–0.94)。关于rCBVmax,截止值为5.1 mL/100 g时,敏感度为69%,特异度为67%。rCBVmean的截止值为1.11 mL/100 g时,用于区分TP与TRA的敏感度和特异度分别为72%和76%,达到平衡。
对于半定量“热点”分析,基于三位读者的联合分析,制作了基于所测rCBV比值的ROC曲线。其AUROC为0.69(95%-CI:0.61–0.78)。基于平衡的rCBV截止值1.63 mL/100 g,该分析获得的敏感度和特异度分别为67%和70%。对半自动VOI分析ROC曲线使用DeLong检验,表明rCBVmean的AUROC与“热点”分析的rCBV比值之间存在显著差异(Z = -2.26,p = 0.023)。它还显示rCBVmean与rCBVmax的AUROC之间存在显著差异(Z = -2.655,p = 0.0079),而rCBVmax的AUROC与“热点”分析的rCBV比值之间差异不显著(Z = -0.50,p = 0.61)。
讨论
本研究表明,在当前状态下,与“热点”或纯视觉方法相比,使用基于VOI的DSC PW-MRI分析可获得略高的诊断准确性。它还阐明了“热点”和视觉方法的主观性,而基于VOI的分析在很大程度上规避了这种主观性。
在本研究中用于区分TP与TRA时,rCBVmean的VOI截止值为1.11 mL/100 g,其敏感度和特异度分别为72%和76%(AUROC = 0.82)。相比之下,使用视觉评估方法得分最高的观察者,其敏感度和特异度分别为41%和91%。对DSC灌注数据进行“热点”评估所获得的敏感度和特异度分别为67%和70%(AUROC = 0.69)。虽然本研究中获得的敏感度和特异度一般,但应注意,在临床实际中,治疗决策会在随访期后并结合既往扫描资料的情况下做出,在该情境下预期会有更高的敏感度和特异度。本研究旨在基于单时间点分析来分析这些不同技术的预测准确性差异。
在组水平上,病灶的rCBVmax与病灶体积呈中度相关(p < 0.001;r = 0.64),而平均rCBV值似乎不受体积影响(p = 0.24;r = 0.17)。本研究未在个体水平上检验这种相关性的性质,因此不应在未参考其他区分TP与TRA的方法的情况下,假设大病灶会有更高的rCBVmax从而更可能是TP。本研究中TP组与TRA组之间在rCBVmax、rCBVmean和中位体积方面发现的差异与以下假说相符:上述两种状态之间的灌注不同。然而,由于两组之间的年龄存在显著差异(t(48) = 2.09,p = 0.04),TRA组的平均年龄更高,因此应谨慎使用这一比较,因为年龄差异也可能潜在解释所发现的差异。
DSC PW-MRI在治疗后胶质瘤病灶的影像学随访中被广泛用于区分TRA与TP。近期关于该主题的三篇综述提供的敏感性范围为83–93%,特异性范围为75–88%,表明在区分TRA与TP方面具有良好的诊断准确性[8–10]。然而,这三项荟萃分析中纳入的研究主要使用了“热点”技术。除此之外,这些研究与我们的研究不同,因为它们所依据结果的部分研究区分了假性进展与放射性坏死,而我们将TRA用作涵盖两者的术语。纳入的研究在分析中也常使用既往或随访扫描,而非单时间点数据。在本研究中,单时间点“热点”方法由三名经验丰富的神经放射科医师执行,得到的AUROC(0.69)显著低于基于VOI研究的rCBVmean所得ROC曲线的AUROC(0.82),经DeLong检验(Z = -2.26,p = 0.023)。在“热点”评估中,ICC显示参考区放置的可靠性较差(ICC = 0.54),尽管在对侧半卵圆中心使用了明确沟通的参考放置方案,该处本应具有最小的观察者间变异性[17]。这可能由阅片者选择放置参考的层面不同来解释,然而这种在已商定参考放置方案下的主观性程度凸显了手动放置的弱点。“热点”本身的放置在各观察者之间产生了极好的可靠性(ICC = 0.89),表明手动放置的“热点”确实在研究者之间提供了相似的值。除此之外,“热点”放置与完整VOI分析相比也显示出中等可靠性(ICC = 0.72),表明如果正确执行,“热点”放置确实与完整VOI分析中发现的rCBV相符。
此外,本研究还纳入了对同一DSC灌注数据的单时相视觉评估,结果显示每位神经放射科医生所达到的敏感度和特异度之间存在较大差异,分别 ranging from 41–86% 和 33–91%。神经放射科医生或住院医师之间的一致性从差(κ = -0.98,κ = -0.72)到中等(κ = 0.65)不等,表明存在高度主观性。尽管该评估因缺乏可用的随访或既往影像而与临床实践存在偏差,但每位放射科医生所发现的敏感度-特异度比值表明,为了获得高敏感度或高特异度,他们大幅牺牲了另一项指标。在这一诊断困境中,高特异度更受青睐,因为需要正确诊断TP以便实现早期治疗,但被牺牲的敏感度意味着如果优先考虑特异度,TP常常会被漏诊。
对“热点”分析的操作者间一致性与读者间视觉评估一致性的比较表明,视觉方法最易受主观性影响。在视觉评估中,读者之间的差异非常大,而在“热点”方法中,所有读者之间ROI的放置均可靠。仅参考区的放置显示出变异性。我们认为视觉评估中的分歧反映了放射科医生的临床倾向,因为专家读者并未被指示采取更防御性的做法或其他方式。在这种情况下,防御性选择将是倾向于“最坏情况”场景,即TP。读者Z选择采用比其他读者更具防御性的方法,导致更频繁的TP诊断(读者Z预测:39例TP,读者X:14例TP,读者Y:18例TP),从而导致了所发现的分歧。这一分歧凸显了视觉评估的主观性,即使在受过培训的放射科医生之间也是如此。
总而言之,本研究证实,对术后胶质瘤DSC PW-MRI数据进行单时相纯视觉评估易受观察者间变异性的影响。这一发现以及“热点”分析中参考区放置所发现的低ICC,与Kouwenberg等[27]和Smits等[16]所发现的高观察者间变异性相一致。两项研究均描述,在治疗后胶质瘤DSC PW-MRI数据中,“热点”和参考区的放置显示出低可靠性和可重复性。因此建议,如果对术后胶质瘤患者进行rCBV视觉测量,应由两名读者进行并谨慎操作。
使用半自动完整VOI DSC在区分TP与TRA方面被赋予了良好的判别能力。例如,在一项近期研究中,从DSC PW-MRI获得的完整VOI的rCBV值在区分TRA与TP时 yielded 的AUROC为0.81 [21]。在转移性神经肿瘤疾病背景下,对DSC PW-MRI数据进行完整VOI分析的rCBV值也获得了类似结果。在Kuo等的研究中,对30名受试者的37个病灶进行了研究(20例TRA;17例TP)。当使用从DSC PW-MRI数据获得的VOI的rCBV值时,区分TRA与TP yielded 的AUROC为0.79 [20]。这些论文的结果与当前结果相印证,因为我们在半自动VOI分析中发现平均rCBV的AUROC为0.82(95%-CI:0.70–0.94)。
据报道,在胶质瘤常规随访MRI中实施DSC PW-MRI有助于TP的早期诊断[28]。本研究采用了标准化的灌注采集方案以及使用经过充分验证的标准处理数据的标准化方法。其他研究者已推荐将此用于胶质瘤患者治疗后影像学评估的研究[13]。然而,影像方案和后处理工作流程的协调统一仍然缺乏,这可能解释了文献中报道的截断值范围较宽的现象[6]。此外,这些差异阻碍了影像数据的共享和汇总。尽管如此,过去几年在DSC采集参数标准化方面已采取了重要步骤[12–14]。
优势与局限性
在VOI分析中,纳入了整个T1加权对比增强病灶,与手动放置感兴趣区相比,这限制了观察者间和观察者内的变异性。所使用的IB-Rad Tech软件及其对DSC-PWI图像的半自动处理已被描述为进一步减少用户相关变异性[22],因为其自动化标准化避免了对参考区的手动放置,而后者已被证明特别容易受主观性影响。本研究的另一个优势在于,首次将VOI的单时刻rCBV值直接与“热点”的rCBV值及纯视觉评估进行比较,而这些方法在胶质瘤治疗后评估中常用于DSC PW-MRI数据的标准临床判读,以区分TP与TRA。
本研究的一个重要局限性在于其回顾性性质,以及缺乏可用于检验所观察到的阈值的外部验证队列。必须强调,VOI之间rCBV值的差异在组水平上是有效的;该技术在个体患者中的实用性需要进一步研究。
PWI数据的单时刻分析也可被视为一项局限性,因为通常利用三至六个月的随访影像和术前扫描来区分TP与TRA。然而,读者已被告知其所判读的MR数据是出现新发或增大的对比增强病灶的首次影像学研究。因此,预计这种单时刻分析不会影响读者研究的结果。
研究人群的异质性可被视为一项局限性,因为他们在恶性程度以及因此在其生物学行为和治疗选择方面存在固有差异。然而,所有纳入的亚型在随访影像中均可能进展,并可在治疗后环境中显示新的增强病灶。由于本研究探讨了当出现新的对比增强病灶时三种分析DSC PW-MRI数据方法的诊断准确性,这种相对异质性人群的影响被认为是微小的。
每个亚组的患者数量较少(例如按肿瘤类型或治疗方案分层时),使得无法对所用亚组进行统计学上可靠的分析,也无法识别所用不同病理类型之间的潜在差异。由于本研究的范围旨在阐明所用方法学之间的差异,作者认为这是可接受的,但未来应开展针对每种病理类型和治疗方案具有更大亚组的研究,以有助于识别潜在差异。
最后一个局限性是使用了1.5 T MRI系统而非3 T系统。3 T扫描仪可以提高信噪比(SNR)、改善时间分辨率和空间分辨率。然而,DSC PW-MRI通常不受SNR限制,而且在胶质瘤成像中使用1.5 T在rCBV和所识别病灶体积等MR模态方面与3 T显示出几乎完美的相关性[29],因此使用1.5 T系统应足以回答我们的研究目标。
结论
本文表明,在胶质瘤患者治疗后放射学随访中,对完整病灶进行半自动处理在组水平上比在DSC PWI数据的单时间点分析中采用“热点”或视觉方法具有更高的诊断准确性。视觉方法和基于“热点”的方法也更容易受到观察者间变异性的影响,尤其是在参考区的放置方面。
引用
- Herings SDA, van den Elshout R, de Wit R, et al. How to evaluate perfusion imaging in post-treatment glioma: a comparison of three different analysis methods. Neuroradiology. 2024. PMID: 38714545. doi:10.1007/s00234-024-03374-3
- 全文:PMC11246270(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11246270/
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。