通过诊断影像进行脑膜瘤分级:系统综述与Meta分析
该系统综述与Meta分析纳入24项研究共1909例患者,评估常规CT与MRI的定性影像特征区分高级别与低级别脑膜瘤的准确性。共识别12个有显著意义的影像特征,其中肿瘤-脑界面不规则与不均匀强化具有较高诊断价值,但纳入研究多为回顾性且存在偏倚。
要点
- 肿瘤-脑界面不规则的AUC为0.788、OR为14.0,是识别高级别脑膜瘤准确性最高的单一特征(79.7%)。
- 占位效应敏感度81.0%、阴性预测值90.7%,均为所有影像特征中最高。
- 囊性变特异度93.4%为最高;肿瘤-脑界面不规则阳性预测值65.0%为最高。
核心结论
- 共识别12个在区分高级别与低级别脑膜瘤中有显著意义的CT与MRI特征,占位效应、囊性变、肿瘤-脑界面不规则与不均匀强化对预测高级别脑膜瘤有较高诊断价值。
- 作者认为该研究证据等级低,但为放射科医生常规阅片时评估脑膜瘤分级提供了各特征的诊断准确性数据。
研究设计与样本
- 系统综述与Meta分析,检索MEDLINE、EMBASE和SCOPUS三个数据库,检索时间为2021年7月并在2022年6月更新。
- 纳入24项研究,总样本1909例(男性586例、女性1323例),样本量15至335例,年龄≥18岁,平均年龄48.9至64.1岁,最大91岁。
- 研究来自14个国家,包括3项前瞻性和21项回顾性队列研究;23项使用1.0T、1.5T或3.0T MRI,5项使用CT,仅4项同时使用MRI与CT。
- 参考标准为病理学WHO分级,纳入研究均使用WHO脑膜瘤分级标准;仅分析定性影像特征,排除定量分析、人工智能及影像组学研究。
关键影像表现/征象
- 与高级别脑膜瘤相关的16个特征包括非颅底位置、占位效应、不均匀强化、硬膜尾征、囊性变、肿瘤-脑界面不规则、包膜强化、边缘不规则、瘤周水肿、钙化、坏死、颅骨侵犯、反应性颅骨肥厚、DWI高信号、T2WI高信号及T1WI低信号。
- 12个特征与脑膜瘤分级有统计学显著关联:非颅底位置、不均匀强化、囊性变、肿瘤-脑界面不规则、包膜强化、边缘不规则、瘤周水肿、钙化、DWI扩散受限及坏死等。
- 不均匀强化与肿瘤-脑界面不规则的OR分别为6.03和14.0,为所有特征中最高;反应性颅骨肥厚、T2WI高信号和包膜强化的OR小于1。
- 颅骨侵犯准确率72.3%、特异度84.8%但敏感度仅18.5%;T1WI低信号除敏感度外各项诊断值均高于T2WI高信号,AUC为0.545。
诊断标准与关键数值
- 肿瘤-脑界面不规则:AUC 0.788,OR 14.0,准确率79.7%,阳性预测值65.0%。
- 不均匀强化:AUC 0.703,OR 6.03。
- 占位效应:敏感度81.0%,阴性预测值90.7%,均为所有特征中最高。
- 囊性变:特异度93.4%,为所有特征中最高。
- 颅骨侵犯:准确率72.3%,特异度84.8%,敏感度18.5%;T1WI低信号AUC 0.545。
临床应用与阅片要点
- 常规CT与MRI的定性特征可用于无创区分高级别与低级别脑膜瘤,适用于因肿瘤位置手术取材困难或需避免活检风险的病例。
- 肿瘤-脑界面不规则与不均匀强化可作为提示高级别脑膜瘤的重点征象,占位效应阴性时阴性预测值达90.7%,有助于排除高级别病变。
- 作者指出其研究结果需在后续研究中进一步验证,本机构正在开展一项此类研究。
- 作者认为该研究可指导未来研究评估诊断影像作为病理分级的辅助手段。
局限性
- 纳入研究均为队列研究,其中多数为回顾性研究,因固有偏倚导致证据等级较低。
- 并非所有研究均对放射科医生实施盲法,仅2项研究对病理科医生实施盲法,进一步增加了各项研究结果的偏倚。
- 由于缺乏针对该研究问题的高等级证据,结果受纳入研究高偏倚风险影响,解读时需谨慎。
- 因同一影像特征报告的研究不超过1项,无法进行多变量分析。
- 最新WHO分类已纳入分子分型,未来研究可能需要探索影像特征与纳入分子分型数据的更新版WHO分级系统之间的关联。
全文中译6 节 · 点击展开
引言
脑膜瘤是最常见的颅内肿瘤类型,起源于脑膜中的蛛网膜帽细胞,主要与自然衰老过程有关[1]。根据组织病理学特征,世界卫生组织(WHO)将这些肿瘤分为1级、2级和3级[2]。虽然大多数此类肿瘤为良性(1级),但偶尔也可为非典型(2级)或恶性(3级)类型[2, 3]。高级别(HG)脑膜瘤(2/3级)与较差的预后相关,且需要与低级别(LG)脑膜瘤(1级)不同的管理方案[4–6]。LG脑膜瘤可通过手术切除治愈,若无症状也可进行临床观察。然而,HG肿瘤可能需要手术切除联合辅助放疗。即使经过充分治疗,2级脑膜瘤的复发率为41%,3级为75%[7, 8]。因此,及时区分LG和HG脑膜瘤对于制定适当的治疗计划和改善患者预后至关重要。
目前脑膜瘤分级的金标准检查是病理分析,需要通过活检获取肿瘤样本[2, 9]。肿瘤样本随后由神经病理科处理,并根据WHO标准进行分级。然而,脑膜瘤常位于手术活检或切除难以到达的区域,使肿瘤分级成为一项挑战[2, 9]。因此,在这些情况下需要一种非侵入性诊断检查,以有效规划脑膜瘤患者的治疗。
许多研究已将磁共振成像(MRI)或计算机断层扫描(CT)特征与特定脑膜瘤WHO分级进行相关性分析,部分特征显示出显著相关性[10–12]。尽管已有一些与脑膜瘤相关的系统综述和荟萃分析发表,但它们要么局限于相关性分析,要么仅以MRI作为诊断 modality[13, 14]。目前缺乏验证常规CT和MRI特征在脑膜瘤分级中准确性的研究。我们旨在系统综述所有关于使用常规诊断影像进行脑膜瘤分级的现有文献,并进行荟萃分析以评估影像特征对脑膜瘤分级的诊断准确性。
方法
我们的研究问题是“常规CT和MRI的哪些影像特征能够准确区分HG与LG脑膜瘤?”检索策略是在具有系统综述经验的机构图书馆员(JL)帮助下制定的。采用系统综述和荟萃分析首选报告条目(PRISMA)2020清单来准备稿件。综述方案已在PROSPERO注册(ID = CRD42021273491)。
检索策略——为回答我们的研究问题,于2021年7月进行了关于“通过影像进行脑膜瘤分级”主题的系统文献检索,并于2022年6月更新,使用各种关键词、MeSH术语和替代术语组合。我们使用的检索词包括“脑膜瘤”、“诊断影像”、“X线计算机断层扫描”、“核磁共振成像”、“癌症分级”和“神经影像”。目标是实现最敏感的检索策略,以便在项目的筛选阶段再使其具有特异性。
纳入与排除标准——本综述侧重于了解成人(≥18岁)颅内脑膜瘤,因为该疾病在该人群中更为常见[1, 3, 4]。此外,研究中纳入的脑膜瘤必须由病理学家使用WHO分级标准进行分类。本研究纳入的影像学方法包括常规MRI和CT。常规MRI包括T1加权、T2加权和扩散加权成像(DWI)序列,以及增强T1加权检查。本研究仅纳入定性影像学表现,未纳入任何定量分析。我们还排除了包含人工智能或影像组学的研究。研究仅纳入原始文献,但系统评价经过筛查以查找任何遗漏的原始文献。为符合纳入标准,研究还必须提供每种影像学特征的足够数据,以填写2×2列联表进行统计分析。文章限于英文。患者少于10例的研究被排除。来自同一医院同一时间段人群的研究也被排除,原因是数据冗余可能带来的偏倚。
检索在MEDLINE、EMBASE和SCOPUS上进行。MEDLINE的最终检索结果限于英文。在EMBASE上,我们同样将所有检索限于英文,并排除所有会议摘要以精简检索结果。对于Scopus,最终检索结果限于文章、综述和英文。
筛选(图1)——两名独立研究者(TU和SD)负责使用Covidence筛选文章。第一轮筛选涉及对标题和摘要进行纳入/排除标准筛选。第二轮筛选阶段涉及对相关文章进行全文审阅,这些文章是在标题/摘要筛选阶段后确定的。最终,从全文筛选后获得的相关文章集中提取数据。筛选过程中的分歧通过与资深研究者(JS)召开团队会议并达成共识来解决。
统计分析——对于每种确定的影像学特征,从纳入的研究中汇总数据以形成2×2列联表。2级和3级脑膜瘤的数据汇总形成高级别(HG)脑膜瘤数据集。1级脑膜瘤数据指定为低级别(LG)脑膜瘤数据集。关于影像学特征,肿瘤位置分为颅底或非颅底位置[1, 4, 15]。单因素分析包括计算每种影像学特征的灵敏度(Sn)、特异度(Sp)、阳性预测值(PPV)、阴性预测值(NPV)和曲线下面积(AUC)。采用卡方检验评估HG和LG脑膜瘤人群之间性别和肿瘤复发的差异。使用Google表格对数据进行制表。统计分析使用R(R Core Team, 2022)和RStudio(Rstudio Team, 2022)进行。
偏倚与质量评估——在本系统综述中,纳入研究的质量采用QUADAS-2工具进行评估[16]。该工具有助于总结综述问题、构建原始研究的流程图,并判断偏倚与适用性。两名研究者(TU和VP)审阅了纳入文章,并将关键数据要素提取至预先设计的数据提取表中。当所涉研究存在差异,或分析作者之间未达成共识时,咨询了专家作者,分歧通过基于共识的讨论予以解决。
结果
在三个不同数据库中使用我们的检索标准并去除重复记录后,我们共获得4896项研究。经过摘要筛选,440项研究被认为相关,其中439项研究被成功获取。经过全文审阅,24项研究符合我们的纳入和排除标准[10–12, 17–37]。图1展示了PRISMA流程图及排除研究的理由。排除研究最常见的原因是没有对脑膜瘤进行WHO分级。该类别包括仅探讨一种脑膜瘤级别/亚型而未比较高、低级别脑膜瘤的研究。
纳入研究的特征(表1)——在24项纳入研究中,最早的研究来自2001年,最新的来自2021年。纳入研究来自14个不同国家,包括中国、埃及、英国、印度、伊朗、意大利、日本、黎巴嫩、波兰、韩国、台湾、泰国、土耳其和美国。中国和美国贡献的研究数量最多,各4项。共有3项前瞻性队列研究和21项回顾性队列研究。23项研究使用1.0T、1.5T或3.0T的MRI,5项研究使用CT作为其首选影像学检查方式。仅4项研究同时包含MRI和CT。纳入研究的样本量从15例到335例患者不等。所有纳入研究的参与者总数为1909例(586例男性和1323例女性)。所有参与者均超过18岁,报告的 mean 年龄范围为48.9岁至64.1岁。报告的最年长参与者为91岁。
影像学表现(表2)——17项研究报告了高级别(HG)和低级别(LG)脑膜瘤的性别分布。高级别脑膜瘤中男性比例(140/436 = 32.1%)显著(p < 0.001)高于女性(194/1000 = 19.4%)。2项研究报告了肿瘤复发情况,显示高级别脑膜瘤的复发率(24/67 = 35.8%)高于低级别脑膜瘤(27/335 = 8.06%)(p < 0.001)。
2项或更多研究确定了16个标准CT和MRI特征,用于区分高级别(HG)与低级别(LG)脑膜瘤。这些特征包括肿瘤非颅底位置、肿瘤引起的占位效应、肿瘤不均匀强化、肿瘤硬膜尾征、肿瘤囊性变、肿瘤-脑界面不规则、肿瘤包膜强化、肿瘤边缘不规则、瘤周水肿、肿瘤钙化、肿瘤坏死、肿瘤侵犯颅骨、反应性颅骨骨质增生、肿瘤DWI高信号、肿瘤T2加权成像高信号以及肿瘤T1加权成像低信号。这16个影像特征的存在与HG脑膜瘤相关。瘤周水肿是研究最多的影像特征,由17项研究确定,并具有最大的合并样本量(939例HG和286例LG)。我们发现16个特征中有12个与脑膜瘤分级存在显著关联(表2)。非颅底位置、肿瘤不均匀强化、肿瘤囊性变、肿瘤-脑界面不规则、肿瘤包膜强化、肿瘤边缘不规则、瘤周水肿、肿瘤钙化、DWI弥散受限和肿瘤坏死均显示与脑膜瘤分级存在统计学显著关联。此外,肿瘤不均匀强化和肿瘤-脑界面不规则也被确定具有最高的比值比,分别为6.03和14.0。16个影像特征中有3个(反应性颅骨骨质增生、T2加权MRI肿瘤高信号和肿瘤包膜强化)的比值比(OR)小于1。
各影像特征的合并数据用于确定其诊断准确性,详见表3。我们发现占位效应在所有影像特征中具有最高的灵敏度(Sn)和阴性预测值(NPV),分别为81.0%和90.7%。肿瘤囊性变具有最高的特异度(Sp),为93.4%,肿瘤-脑界面不规则具有最高的阳性预测值(PPV),为65.0%。肿瘤-脑界面不规则在识别HG脑膜瘤方面也最为准确,准确率为79.7%。肿瘤-脑界面不规则和肿瘤不均匀强化的AUC值最高,分别为0.788和0.703。
颅骨侵犯的存在具有最高的准确率之一(72.3%),且高度特异(84.8%),但在区分肿瘤分级方面不敏感(18.5%)。与T2加权MRI高信号相比,T1加权MRI低信号的存在除灵敏度外在所有指标上均具有更高的诊断价值(表3)。T1加权MRI低信号还具有最高的AUC值(0.545)。
偏倚风险——表4显示了使用QUADAS-2工具对每项纳入研究的偏倚评估。由于所有研究均为队列研究,其本身具有较高水平的偏倚。此外,所有研究均未纳入对照组,仅2项研究对病理学家实施了盲法。所有研究中的病理学家均使用WHO脑膜瘤分级标准,使得所有研究间的脑膜瘤分级具有一定程度的标准化。因此,在QUADAS-2工具的参考标准适用性部分贡献了较低水平的偏倚。索引试验的偏倚风险和适用性相对低于参考标准,因为24项研究中有16项对放射科医师实施了针对病理数据的盲法。
讨论
我们的综述发现脑膜瘤在女性中更为常见(女性1323例,男性586例),这与文献[3]中的情况相似。关于高级别(HG)脑膜瘤在各性别中患病率的差异,我们发现HG脑膜瘤在男性中的患病率(32.1%)显著高于女性(19.4%)(p < 0.001)。此外,HG脑膜瘤的复发率(35.8%)高于低级别(LG)脑膜瘤(8.06%)(p < 0.001),这与当前文献[5, 6]一致。本综述纳入了24项研究,评估CT和MRI在区分脑膜瘤分级中的作用。共发现12个CT和MRI特征在区分HG与LG肿瘤方面具有显著性。具有相对较高诊断价值指标的特征包括肿瘤-脑界面不规则、肿瘤异质性、占位效应和肿瘤囊性变。肿瘤-脑界面不规则(AUC = 0.788,OR = 14.0)和肿瘤不均匀强化(AUC = 0.703,OR = 6.03)被确定为脑膜瘤分级的良好诊断特征。此外,占位效应由于相关的高灵敏度(Sn)和高阴性预测值(NPV),假阳性率较低。
过去已有系统综述评估诊断影像在预测脑膜瘤预后及区分HG与LG疾病方面的潜力。其中一项研究由Spille等人开展,他们回顾了一手文献,评估MRI影像特征与HG脑膜瘤或脑膜瘤切除后复发的关联[13]。Spille等人发现非颅底位置、肿瘤囊性变、肿瘤-脑界面不规则与HG疾病相关,与我们的结果相似。他们报告钙化与WHO分级无显著相关性,与我们的结果相反。而骨侵犯和T2加权MRI上的肿瘤强度也与脑膜瘤高级别无显著关联,与我们的研究相似。值得注意的是,Spille等人进行的系统综述未进行荟萃分析以提供影像特征的合并统计量和诊断准确性值。Changizi等人也系统综述了评估诊断影像在脑膜瘤分级中作用的研究[14]。他们同样发现瘤周水肿、DWI上肿瘤高信号、肿瘤边缘不规则、坏死、硬膜尾征和肿瘤不均匀强化是区分HG与LG脑膜瘤的显著特征(p < 0.05)。然而,Changizi等人仅评估了MRI影像特征以及将脑膜瘤分级预先分为LG和HG肿瘤的研究,因此排除了许多相关研究。由于CT仍然是常规评估脑膜瘤患者的影像模态之一,我们认为将其与MRI一同纳入研究很重要[1]。
纳入的研究来自北美、欧洲和亚洲。这种人群多样性对于研究结果在真实世界场景中的可推广性至关重要[38, 39]。此外,我们研究纳入的年龄从18岁到91岁不等,尽管脑膜瘤最常见于生命的第6和第7个十年[1, 3]。排除儿童人群是基于该年龄组疾病的罕见性,以及由于其侵袭性亚型患病率较高而具有的特征性差异[40, 41]。观察到男女比例不均衡。这种不均衡的存在是由于女性中该病的患病率高于男性,据认为这与脑膜瘤中雌激素和孕激素受体的关联有关[1, 3]。我们研究纳入的广泛年龄和地理分布为我们的结果提供了外部有效性[39, 42]。
诊断性影像学可以无创且及时地对脑膜瘤进行分级。我们的系统评价和荟萃分析不仅概述了通过常规诊断性影像学可用于临床诊断脑膜瘤的所有重要影像学特征,还确定了12种CT和MRI影像学特征的诊断试验准确性。这些结果将为临床医生提供一种工具,用于对位于手术难度大、难以活检部位的脑膜瘤进行分级,或在许多(如果不是全部)患者中避免活检相关风险。然而,我们的研究结果需要在未来研究中进一步验证,以评估这些已识别的影像学特征是否有助于在影像学上对脑膜瘤进行分级。我们机构正在进行一项这样的研究。
局限性
所有纳入的研究均为队列研究,其中大多数为回顾性研究。回顾性研究由于其固有偏倚而导致证据等级较低[43]。并非所有研究都实施了放射科医师的盲法,而只有两项研究纳入了病理科医师的盲法。这种盲法的缺乏为每项研究结果增加了进一步偏倚[44]。由于缺乏可用于我们研究问题的高等级证据,我们的结果受到纳入研究中高偏倚风险的影响,因此在解读时需谨慎。由于报告相同影像学特征的研究不超过1项,无法进行多变量分析。
关于不断调整的WHO标准,肿瘤分级主要基于组织病理学分析,而后者随时间并未发生显著变化[2, 45]。然而,由于分子分型在预测脑膜瘤行为方面的优越性,分子分型已被纳入最新的WHO分类[2, 46–48]。随着分子数据成为脑膜瘤分级的常规组成部分,未来研究可能需要探索影像学特征与纳入分子分型数据的更新WHO分级系统之间的关联。
结论
总之,我们确定了12个在区分高级别(HG)与低级别(LG)脑膜瘤方面具有显著意义的特征。占位效应、肿瘤内囊性变、肿瘤-脑界面不规则以及肿瘤不均匀强化等特征具有显著意义,并对预测高级别脑膜瘤具有较高的诊断价值。尽管我们研究的证据级别较低,但我们的结果通过概述放射科医生在CT和MRI上常规识别的脑膜瘤分级特征的准确性,产生了临床影响。因此,我们的结果将指导未来研究,通过探索本研究中概述的显著影像特征的集合准确性,评估诊断影像作为病理学辅助手段用于脑膜瘤分级的应用。
引用
- Upreti T, Dube S, Pareek V, et al. Meningioma grading via diagnostic imaging: A systematic review and meta-analysis. Neuroradiology. 2024. PMID: 38902484. doi:10.1007/s00234-024-03404-0
- 全文:PMC11246317(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11246317/
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。