文献速递腹部技术与安全CT

多变量预后模型改善结直肠癌复发预测:PROSPeCT试验

Multivariable prognostic modelling to improve prediction of colorectal cancer recurrence: the PROSPeCT trial.
PubMed 文献 · Eur Radiol · 2024-06-05

这项前瞻性多中心队列试验纳入448例原发结直肠癌患者,最终326例纳入分析,评估在临床病理模型基础上加入CT灌注、基因和免疫组化标志物能否改善3年复发预测。结果显示临床病理模型(特异度0.74)优于单纯TNM分期(特异度0.58),但预设的新型标志物未进一步改善预测。

要点

  • 临床病理模型(含年龄、性别、TNM分期、肿瘤大小、部位、EMVI和治疗)预测3年复发的特异度0.74,优于单纯AJCC分期的0.58,敏感度相当(0.57 vs 0.56)。
  • 在「高/中」vs「低」风险阈值下,临床病理模型敏感度提高至0.89,但特异度降至0.40。
  • 加入CT灌注、基因或免疫组化标志物后,预测性能未较临床病理模型有实质改善。

核心结论

  • 多变量临床病理模型在识别高复发风险患者方面优于单纯TNM分期。
  • 预设的CT灌注、基因和免疫组化标志物在严格前瞻性评估中未进一步改善预后预测。

研究设计与样本

  • PROSPeCT为前瞻性多中心队列试验(ISRCTN 95037515),2011年11月至2016年间从13所大学和社区医院连续招募成人患者。
  • 最终队列326/448例(226例男性,平均年龄66±10.7岁),其中结肠癌143/326(44%)、直肠癌183/326(56%)。
  • 所有患者行CT分期及原发肿瘤CT灌注,灌注参数包括区域血流量、血容量、平均通过时间或渗透表面积乘积。
  • 参考标准为3年随访内复发或死亡,复发事件定义为转移、局部复发/新原发和/或任何死亡。
  • 采用Weibull参数模型,按三分位预设高、中、低风险组,并通过bootstrap(100次重复)进行内部验证。

关键影像表现/征象

  • 有复发与无复发患者的CT灌注测量值在本地和中心复核中均未见明显差异。
  • HIF-1α、VEGF和GLUT-1评分在有无复发两组间分布相似。
  • KRAS野生型中有复发者比例为34/62(55%),无复发者为96/208(46%)。
  • 基因和免疫组化变量在单变量和多变量分析中均与复发无关。

诊断标准与关键数值

  • 单纯AJCC TNM分期预测复发的敏感度0.56(95%CI 0.44–0.67)、特异度0.58(95%CI 0.51–0.64)。
  • 临床病理模型(Model A)在「高」vs「中/低」风险阈值下敏感度0.57(95%CI 0.45–0.68)、特异度0.74(95%CI 0.68–0.79)。
  • 临床病理模型在「高/中」vs「低」风险阈值下敏感度0.89(95%CI 0.80–0.95)、特异度0.40(95%CI 0.31–0.47)。
  • Model B(临床病理+本地CT灌注变量)在「高」vs「中/低」阈值下敏感度0.58(95%CI 0.46–0.70)、特异度0.75(95%CI 0.68–0.81)。
  • Model F3(临床病理+全部病理变量)在「高」vs「中/低」阈值下敏感度0.68(95%CI 0.53–0.81)、特异度0.76(95%CI 0.68–0.82)。

临床应用与阅片要点

  • 临床病理模型可在术前识别高复发风险结直肠癌患者,可能辅助新辅助/辅助治疗决策,但需权衡所选阈值对敏感度和特异度的影响。
  • 患者偏好将影响阈值选择:提高特异度以减少过度治疗风险,或提高敏感度以减少遗漏未来复发的可能。
  • 专家意见认为标准模型应包含EMVI,本研究中EMVI在单变量和多变量分析中均有统计学意义。
  • 作者认为进一步研究和模型应考虑纳入EMVI,包括新辅助治疗背景下CT评估的血管侵犯。

局限性

  • 发生远处转移或死亡的患者数低于历史数据预期,可能归因于新辅助治疗、手术改进降低切缘阳性率及筛查项目发现早期肿瘤,尽管目标招募数已达成。
  • 接受额外组织病理学分析的参与者相对较少,因研究主要针对CT影像标志物进行把握度设计。
全文中译13 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:Eur Radiol. 2024 Jun 5;34(11):6992–7001. doi: 10.1007/s00330-024-10803-7

引言

高达50%的结直肠癌患者最终死于诊断时隐匿的转移性疾病[1]。术后辅助化疗旨在根除微转移灶,但不加选择地提供辅助化疗可能属于过度治疗。筛选应接受辅助治疗的患者取决于预后,主要基于肿瘤病理分期和淋巴结分期[2, 3]。然而,相同分期肿瘤的患者生存结局可能差异悬殊:美国癌症联合委员会(AJCC,肿瘤-淋巴结-转移(TNM)分期分组)II期的5年生存率在63%-87%之间变化;IIIA期的生存率可能超过IIB/IIC期[4, 5]。此外,结肠癌和直肠癌向新辅助治疗的转变凸显了术前更好地识别高危患者的必要性[6, 7]。

多变量预后模型结合多个因素来估计未来结局的风险。虽然预测结直肠癌结局的模型已在不同临床环境中可用[8, 9],但它们并未被广泛使用。一个批评意见是,尽管近期围绕影像学、遗传学和免疫组织化学生物标志物的研究不断涌现,这些模型并未纳入有前景的预测因子。研究假设是,通过加入更多新颖、有前景的血管生成和缺氧相关的影像学、遗传学和病理学标志物,可以改善预测结直肠癌复发的基线多变量模型。为实现这一目标,专门设计了一项前瞻性多中心试验来开发无病生存的预后模型。目的是研究有前景的CT灌注成像以及遗传学和免疫组织化学标志物,以改善对结直肠癌复发的预测。

方法

研究设计与参与者

PROSPeCT(改善原发性结直肠癌转移性疾病的预测)是一项前瞻性、多中心、队列试验(ISRCTN:95037515;REC:10/H0713/84),按照良好临床实践原则开展,由临床试验单位运行。独立监督由数据监查委员会和试验指导委员会提供。研究报告遵循个体预后或诊断多变量预测模型的透明报告指南[10]。

2011年11月至2016年间,从13所大学医院和社区医院连续招募成年参与者。符合条件的患者为组织学证实或疑似(内镜和/或影像学)原发性结直肠癌。参与者通过门诊、影像学申请、内镜名单和肿瘤委员会会议识别。排除标准为:息肉癌;分期时即有转移;静脉造影剂禁忌;CT上肿瘤不可见;妊娠;合并其他癌症;以及最终非癌症诊断。所有参与者均提供书面知情同意。

CT成像程序

参与中心接受了数据采集的培训和质量控制[11]。除分期CT外,参与者还接受了原发肿瘤的CT灌注检查。该检查在同一时间进行。CT灌注动态采集在静脉注射对比剂后5秒开始(> 300 mg/mL碘;以5 mL/s注射50 mL,随后用生理盐水冲管),前45秒以1.5秒间隔采集图像,随后75秒以15秒间隔采集图像。此后按照机构标准方案进行增强分期CT(补充表1,CT采集参数)。

CT灌注扫描由25名指定的当地放射科医生(具有≥5年亚专科经验)在集中培训以熟悉软件和分析后进行判读。所有人均具有胃肠道影像亚专科兴趣。放射科医生使用其CT供应商提供的商用软件。动力学模型包括分布参数模型;Patlak分析;去卷积;以及最大斜率法。

使用相应软件,放射科医生定义动脉输入函数;确定对比剂首过结束的时间;并勾画肿瘤轮廓。具体方法为:在可视最大动脉内置入固定大小(10 mm2)的圆形感兴趣区(ROI);在显示的衰减-时间曲线上标记曲线下拐点达到的时间点;使用自由手绘ROI勾画肿瘤轮廓,尽可能包含最大肿瘤面积,但注意避开非肿瘤组织(面积范围为9.5 mm2至2981 mm2)。

由此生成以下血管参数:区域血流量、血容量、平均通过时间或通透性表面积乘积(取决于供应商软件)。灌注变量记录在病例报告表上,该表还详细记录了肿瘤尺寸和位置。同时确定CT TNM分期。影像数据传输后,由三名具有5–18年CT灌注经验的放射科医生在中心使用与当地相同的软件重复进行CT分析,且不知晓既往测量结果和结局。

病理学操作流程

对于接受手术的患者,病理分期由参与机构的病理学家进行。肿瘤分期基于试验方案中定义的美国癌症联合委员会(AJCC)TNM分期分类第五版,并记录在病例报告表中。福尔马林固定石蜡包埋块也被集中转移,由两名亚专科病理学家进行额外分析,评估以下内容:DNA错配修复(MMR)蛋白状态(通过MLH1、MSH2、MSH6和PMS2的表达);CD105微血管密度;血管内皮生长因子(VEGF)表达;葡萄糖转运蛋白(GLUT-1)表达;缺氧诱导因子-α(HIF-1α)表达。组织切片进行批量染色(Bond-Rxm,Leica Biosystems;Bond Polymer Refine Detection),以×20放大倍数扫描(Hamamatsu Nanozoomer 2.0 RS),并在具有标准化对比度、焦点、饱和度和白平衡标准化的LCD显示器上显示。VEGF、Glut-1和HIF-1α根据先前发表的系统按染色强度和阳性细胞比例进行评分:VEGF和Glut-1表达通过结合染色强度(0–3)与阳性细胞百分比(0–4)计算,HIF-1α表达基于细胞质和细胞核染色的综合评分(范围0–6)。Visiopharm软件评估CD105染色。提取DNA进行体细胞突变分析(KRAS、BRAF、PIK3CA、pTEN、APC和HRAS),并评估质量和定量(Agilent Tapestation 2200)。制备和测序使用Life Technologies Ion Torrent,并使用Integrative Genomics Viewer进行分析。

临床管理决策和随访

标准临床、影像学和病理学检查在每个参与机构的肿瘤委员会会议上进行解读和讨论,治疗决策按照常规临床实践进行。对于主要结局,参与者随访36个月(或更早死亡),记录门诊就诊、监测和/或症状性CT、癌胚抗原及任何其他相关检查的结果。

数据整理和结局

临床试验单位将数据整理并录入专用数据库,对缺失字段或可能的不准确之处进行查询。基线数据包括参与者人口统计学特征、分期检查的日期和结果,以及肿瘤委员会会议确定的分期和计划管理方案。记录任何复发或死亡的日期。复发结合任何进一步切除或活检的组织学进行判定。复发评估对遗传学和免疫化学结果以及CT灌注变量的主成分加权(PCA)设盲。

统计分析

主要结局是通过开发无病生存模型来改善对复发或死亡的预测,优于当前实践。复发事件定义为转移、局部复发/新原发灶和/或任何死亡(在同时发生其他事件的患者中记录为主要事件)。结局基于预设风险组3年时的Nelson-Aalen累积风险估计,使用时间-事件模型。风险组的预测通过以下方式进行比较:(i)敏感性和特异性的差异,以及(ii)假设1000名诊断为结直肠癌的参与者人群,以比较不同模型。

建模策略:从预先设定的标准临床和病理变量(即TN分期、年龄、性别、肿瘤位置和大小、EMVI以及计划治疗)中开发最佳“基线”模型(模型A)。未使用单变量显著性来选择变量。为了确定有前景的生物标志物的获益(如有),将这些标志物加入标准模型以创建如下新模型:模型B(通过复合主成分分析(PCA)评分的局部CT灌注变量);模型D(最简单的单一局部CT灌注变量);模型E(通过PCA评分的中央CT灌注变量);以及模型F(病理变量:免疫组化血管生成和缺氧标志物加体细胞突变)。

将所有模型的预测与标准TN分期(规则C;“临床规则”)进行比较,其中“高风险”患者定义为AJCC III期分期组,“低风险”患者定义为I/II期[12]。为了反映模型在临床实践中的使用情况,对于接受新辅助治疗或未计划手术的患者,标准模型中使用影像学分期;与病理分期相比,影像学分期被认为是准确的[13]。对于首先接受手术的患者,使用病理分期。

模型方法:标准模型为Weibull参数模型(STATA“stpm2”)。风险组根据每个模型的三分位组预先设定;即高风险=最高三分位;中等风险=中间三分位;低风险=最低三分位。模型性能通过风险组的Kaplan–Meier图(高风险 vs 中/低风险,以及高/中等风险 vs 低风险)呈现,并附95%置信区间(CI)和风险表。还计算了标准的区分度和校准度量,包括c指数和校准斜率。使用自举法(100次重复)进行内部验证以评估过度乐观。关于样本量、把握度和预后建模的更多细节见补充材料。

结果

参与者

参与者流程图见图1。基线参与者和肿瘤特征见表1。在招募的448名参与者中,122名(27%)被退出,最终队列留下326名参与者(226名男性,100名女性;平均±标准差年龄66±10.7岁。143/326(44%)为结肠癌,183/326(56%)为直肠癌(包括延伸至直肠乙状结肠区域的直肠癌)。最终308/326(94%)接受了手术,其中92/308(30%)接受了辅助治疗,67/308(22%)接受了新辅助治疗。新辅助治疗后,有12/183(7%)直肠癌完全缓解者;5/12未接受进一步治疗。两名参与者没有治疗信息。

建模时,83例(26%)采用影像学分期,241例(74%)采用病理学分期。大多数癌症为局部晚期(227/326 ≥ T3,70%);151/326(46%)为淋巴结阳性(≥ N1期,表1)。93/326(29%)存在静脉侵犯。在有记录数据的252例中,15例(6%)切缘阳性。最终,3年内共发生81起事件:第1年31起(39%);第2年29起(36%);第3年21起(25%)。52例(64%)发生转移。12例(14%)发生新原发癌。17例(22%)死亡。复发参与者中静脉侵犯的比例(36/81,44%)高于无复发者(57/245,23%),在单变量和多变量分析中与标准临床变量均存在显著关系(补充材料)。

图1 流程图显示参与者通过试验的流程。n,数量;ne,不可评估。*注:新辅助治疗包括放化疗、单纯放疗和单纯化疗 查看原图 ↗
表1 最终参与者队列的基线特征(n = 326) 查看原表 ↗

CT灌注分析

参与中心的CT灌注测量显示,在局部和中心审阅中,有复发和无复发的参与者之间无明显差异(补充表2)。

免疫组织化学和体细胞突变分析

按有复发和无复发参与者分组的免疫组织化学和体细胞突变分析见补充表3和4。HIF-1α、VEGF和GLUT-1评分的分布在两组之间相似(补充表3)。KRAS野生型参与者中有复发者的比例(34/62,55%)与无复发者(96/208,46%)差异最大(补充表4)。单变量和多变量风险比显示,纳入建模的所有变量中,遗传和免疫组织化学变量与复发无关(补充表5–8)。

预后建模

标准AJCC TNM分期预测复发的敏感度和特异度分别为0.56(95% CI:0.44,0.67)和0.58(95% CI:0.51,0.64)(图2)。临床病理变量最佳模型(TN分期、性别、年龄、肿瘤位置和大小、EMVI及治疗;模型A)的方程见补充材料。该模型在两个操作点使用:在“高”风险 vs “中/低”风险时,特异度较单独分期提高至0.74(95% CI:0.68,0.79),但敏感度相当,为0.57(95% CI:0.45,0.68)。在“高/中”风险 vs “低”风险时,敏感度较分期提高至0.89(95% CI:0.80,0.95),但特异度降低至0.40(95% CI:0.31,0.47)。

将CT灌注加入基线临床病理模型(模型A)后,与单独使用该模型相比,并未显著改善预测(图2,模型B–E)。例如,对于模型B(即模型A + 局部CT灌注变量),在“高”风险 vs “中/低”风险阈值下,敏感度为0.58(95% CI:0.46,0.70),特异度为0.75(95% CI:0.68,0.81)。

将遗传和免疫组织化学标志物加入基线临床病理模型(模型A)后,与标准模型相比也未显著改善预测(图2,模型F1–F3)。例如,对于模型F3(即模型A + 所有病理变量),在“高”风险 vs “中/低”风险阈值下,敏感度为0.68(95% CI:0.53,0.81),特异度为0.76(95% CI:0.68,0.82)。

基线模型A及其他所选模型的预测性能的Kaplan–Meier曲线见图3。标准分期的预测性能的Kaplan–Meier曲线见补充图1。表2总结了所有模型的区分度和校准度的预测指标。最终,添加先前发表的有前景的标志物未能有意义地改善临床病理模型的预测。

图2 标准AJCC肿瘤-淋巴结分期(规则C)与基线临床病理模型(模型A)相比疾病复发的敏感性、特异性及95%CI的森林图。还展示了将CT灌注成像标志物或遗传/免疫组化标志物加入基线临床病理模型的各种模型的数据。AJCC,美国癌症联合委员会;PCT,CT灌注;IHC,免疫组化 查看原图 ↗
图3 模型A(基线临床病理变量)、模型B(基线+CT灌注变量)和模型F(基线+病理变量)的Kaplan–Meier(K–M)曲线。A 标准临床病理变量(模型A)在由预测指数定义的三个不同风险分组中的K–M曲线。图中分别显示:高 vs 中 vs 低风险以及高 vs 中/低风险。高风险组由预测值最高的33%的参与者组成。B 模型B(即模型A加本地站点评估的CT灌注变量)的K–M曲线。风险分组分布与单独模型A相似,表明通过添加本地站点分析得出的CT灌注变量并未显著改善模型预测。C 模型F(即模型A+所有新型免疫组化和遗传标志物变量)的K–M曲线。风险分组分布与单独模型A相似,表明通过添加新型病理变量并未显著改善模型预测。注:主要结局:3年时间点之后的数据稀疏,不应过度解读 查看原图 ↗
表2 不同模型的模型性能总结。由标准临床病理变量组成的模型A表现出最佳性能,AIC和BIC值最低。将CT(模型B、D、D2和E)和病理(模型F1–F3)变量加入模型A并未改善基线性能 查看原表 ↗

讨论

临床实践中的预后判断最常用的是AJCC分期[12],其结合了肿瘤、淋巴结和转移状态。该分期经过验证并被广泛接受,但忽略了其他可能有用的预后信息[8]。医疗保健中的多变量预后模型结合多个因素来估计未来结局(如复发或死亡)的风险,旨在通过促进个性化管理来为临床决策提供信息[14]。

模型通常使用多变量回归开发,该方法将加权预测因子结合在一个方程中以估计个体风险。先前提出的结直肠癌模型包括Adjuvant! Online的Numeracy[15]。新型标志物有望改善预后判断并实现癌症患者的个性化治疗,但生物标志物研究(包括影像学、免疫组化和遗传生物标志物)面临的挑战是效力有限、预测过于乐观以及来自单标志物研究、小样本和缺乏前瞻性多中心评估的数据缺乏普遍适用性。

在这项前瞻性多中心试验中,我们验证了仅凭TNM分期对主要结局(3年内复发/死亡)的敏感性和特异性有限,分别为0.56和0.58。与TNM分期相比,一个包含性别、年龄、肿瘤及淋巴结分期、肿瘤位置和大小、血管侵犯和治疗在内的临床病理模型在用于识别高危与中/低危参与者时,提高了特异性(0.74 vs 0.58),敏感性相当(0.57 vs 0.56)。当用于识别高/中危与低危患者时,敏感性更高(0.89 vs 0.56),但特异性降低(0.40 vs 0.58)。虽然该模型无法同时大幅提高敏感性和特异性,但相较于单纯分期,它在改善复发预测方面具有临床实用前景。患者的态度将影响采用何种阈值;即提高特异性以降低过度治疗风险,或提高敏感性以降低遗漏未来复发的可能。

为了评估新型生物标志物的预后价值,统计学家主张基于已被认为具有临床实用性的预测因子构建一个“基线”标准模型[16],而不是根据单因素显著性从研究数据集中进行筛选(这会促使过拟合)[17]。然后,通过将有前景的生物标志物加入标准模型是否能显著改善预测来确定其获益(如有),而不是不断重新拟合整个模型(这会导致过于乐观的预测)[18]。为避免回顾性数据集带来的限制,我们采用了前瞻性设计以消除招募偏倚,并获取了足够的事件(即发生远处转移或死亡的患者)。以足够的把握度评估多个预先指定的预测因子需要耗时的多中心设计,但确保了所代表的数据具有可推广性并反映了最新的临床实践。

然而,我们发现将预先指定的有前景的CT灌注成像、遗传学和免疫组化标志物加入临床病理模型后,未能在基线模型之上显著改善预测。例如,当免疫组化/遗传学变量与临床病理变量一起纳入时,在高与中/低风险阈值处的敏感性和特异性略高(敏感性,0.68 vs 0.57;特异性,0.76 vs 0.74),但未达到具有临床意义的程度。对于CT灌注变量,在高与中/低风险阈值处的敏感性和特异性与临床病理模型相似(敏感性,0.58 vs 0.57;特异性,0.75 vs 0.74)。

个体肿瘤生物学 irrespective of 分期影响预后这一信念,支撑了近期广泛的“组学”研究。例如,有证据提示术前CT灌注测量可能通过反映肿瘤血管生成和缺氧来预测后续复发[19–21]。RAS突变检测可能预测对抗表皮生长因子受体治疗的反应,而微卫星不稳定性或错配修复(MMR)蛋白的免疫组化检测可用于识别Lynch综合征[22]。因此,我们希望这些有前景的血管生成、缺氧和基因突变生物标志物能够改善预测。

当这些预先指定的生物标志物被加入基线临床病理模型时,没有任何一个能在临床相关程度上改善预测,这凸显了新型生物标志物研究面临的挑战。近期一篇文章强调,“组学”研究常常忽视临床数据 and/or 未能适当地开发模型 [23]。作为证明,他们开发了一个乳腺癌生存模型,包含分期、年龄、受体和分级。加入基因表达未能改善预测,只有在完全排除临床数据时才有用。最终,作者认为组学“可能不过是临床数据的替代物”[23]。同样,研究人员发现心血管疾病的预测因子在基本临床测量之外贡献甚微 [24]。专家意见规定我们的标准模型应包括壁外血管侵犯 [25, 26],而我们发现壁外血管侵犯在单变量和多变量分析中均具有统计学显著性。进一步的研究和模型应考虑纳入壁外血管侵犯,包括在新辅助治疗背景下经CT成像评估的侵犯。

我们的研究存在局限性。第一,发生远处转移或死亡的参与者数量低于历史数据的预期(可能由于新辅助治疗、改进的手术减少了切缘阳性以及筛查项目发现了早期肿瘤),尽管达到了目标招募人数。第二,接受额外组织病理学分析的参与者相对较少,因为我们的研究主要以CT成像标志物为把握度计算依据。第三,我们的发现不应被过度解读。虽然基线标准模型优于当前标准实践(AJCC分期),但其临床效用需要在日常实践中得到确认。最后,我们未与TNM分期并行使用的商业化模型(如免疫评分 [27])进行比较。

总之,我们发现基于前瞻性衍生的预先指定标准临床病理变量构建的预后模型优于TNM分期,表现为提高特异性或敏感性,后者以降低特异性为代价,在临床实践中具有前景。在一项稳健的多中心前瞻性试验中,加入先前发表的有前景的影像学、免疫组织化学和遗传学生物标志物并未实质性改善预测性能,凸显了已发表预后标志物可能存在过度乐观的问题。

补充信息

电子补充材料

引用

  1. Goh V, Mallett S, Boulter V, et al. Multivariable prognostic modelling to improve prediction of colorectal cancer recurrence: the PROSPeCT trial. Eur Radiol. 2024. PMID: 38836939. doi:10.1007/s00330-024-10803-7
  2. 全文:PMC11519198(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11519198/

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。