双能CT碘定量联合实验室数据预测肝细胞癌微血管侵犯:一项双中心研究
这项双中心回顾性研究纳入119例术前接受双能CT肝动脉造影的肝细胞癌患者,比较微血管侵犯阳性与阴性组的双能CT碘定量参数和实验室指标,并用主成分分析提取特征成分。结果示甲胎蛋白、标准化动脉期碘浓度和标准化门脉期碘浓度在两组间有显著差异,主成分3和4在两个数据集中均能区分微血管侵犯组。结论认为基于不同因子载荷重组双能CT碘浓度与实验室特征可在术前较好预测微血管侵犯。
要点
- 微血管侵犯阳性组肿瘤标准化动脉期和门脉期碘浓度均低于阴性组。
- 甲胎蛋白水平在微血管侵犯阳性与阴性组间差异有统计学意义。
- 主成分3和4在两个数据集中均能区分微血管侵犯组。
核心结论
- 基于不同因子载荷重组双能CT碘浓度与实验室特征可在术前较好预测微血管侵犯。
研究设计与样本
- 回顾性研究,纳入2个医疗中心共119例术后确诊肝细胞癌并符合纳入标准的患者,主数据集82例来自中心1,验证数据集37例来自中心2。
- 所有患者于2018年6月1日至2022年10月30日在中心1和中心2接受切除术。
- 使用双能CT扫描仪(SOMATOM Force,Siemens Healthineers;Revolution HD GSI,GE Healthcare)行术前肝脏造影,由2名分别有5年和10年腹部影像经验、3年双能CT研究经验的放射科医师独立测量。
- 以术后病理(显微镜下内皮细胞衬覆的血管腔内>50个癌细胞巢)作为微血管侵犯参考标准,由同一大学病理中心病理医师对两个中心全部手术标本检查并达成共识。
关键影像表现/征象
- 微血管侵犯阳性组肿瘤标准化动脉期碘浓度和标准化门脉期碘浓度均低于微血管侵犯阴性组,主数据集和验证数据集均P<.05。
- 典型病例图显示,无微血管侵犯患者动脉期肿瘤平均碘浓度1.20 mg/mL、标准化碘浓度7.2%,门脉期平均碘浓度2.30 mg/mL、标准化碘浓度32.6%。
- 典型病例图显示,微血管侵犯患者动脉期肿瘤平均碘浓度0.74 mg/mL、标准化碘浓度6.5%,门脉期平均碘浓度1.11 mg/mL、标准化碘浓度30.5%。
诊断标准与关键数值
- 主数据集微血管侵犯阴性组与阳性组标准化动脉期碘浓度中位数分别为13.2%(四分位距10.7%-18.5%)和10.5%(四分位距9.6%-13.5%),P<.05。
- 主数据集微血管侵犯阴性组与阳性组标准化门脉期碘浓度中位数分别为41.9%(四分位距31.6%-54.6%)和32.2%(四分位距28.7%-42.8%),P<.05。
- 验证数据集微血管侵犯阴性组与阳性组标准化动脉期碘浓度中位数分别为16.1%(四分位距13.5%-17.5%)和10.5%(四分位距8.2%-12.0%),P<.05。
- 验证数据集微血管侵犯阴性组与阳性组标准化门脉期碘浓度中位数分别为46.7%(四分位距39.6%-55.8%)和33.1%(四分位距27.2%-48.5%),P<.05。
- 验证数据集主成分1至4的AUC分别为0.643(95%CI 0.463-0.823)、0.689(95%CI 0.513-0.862)、0.801(95%CI 0.662-0.941)和0.826(95%CI 0.696-0.957)。
临床应用与阅片要点
- 作者认为基于不同因子载荷将双能CT碘浓度与实验室特征重组,可能协助外科医师识别微血管侵犯高风险患者。
- 作者指出常规CT形态学征象如边界不光滑、低密度晕环和可见瘤内动脉可提示微血管侵犯,但诊断准确性依赖图像质量和放射科医师经验。
- 作者指出主成分3主要反映胆红素指标(总胆红素载荷0.9479、直接胆红素0.8919、间接胆红素0.8849),主成分4主要反映动脉期碘浓度相关参数(ΔICa载荷0.8853、ICa 0.8696、ICa/ICaliver 0.5607)。
局限性
- 作者指出本研究为回顾性研究,涉及2个中心,因样本量小未对训练和验证数据进行随机拆分。
- 作者指出2个中心使用不同的双能CT成像系统(中心1为双管加束线滤过,中心2为单管快速电压切换),可能影响结果。
- 作者指出本研究使用二维ROI而非容积碘定量,需确认容积与二维测量之间的差异。
- 作者指出本研究未纳入肿瘤大小以外的形态学评估,需进一步研究确定定量数据联合形态学参数对术前预测微血管侵犯的潜在获益。
- 作者建议未来开展更大样本量的前瞻性研究,并可考虑纳入其他类型的双能CT设备以进一步研究和验证这些发现。
全文中译11 节 · 点击展开
引言
肝细胞癌(HCC)是全球第六大常见癌症,也是癌症死亡的第二大原因。1 微血管侵犯(MVI)主要指在显微镜下观察到血管腔内的癌细胞巢,血管腔由内皮细胞衬覆,癌细胞侵入周围组织并进入血管系统,从而发生肝内或肝外转移。2 伴有微血管侵犯(MVI)的HCC患者通常术后复发率更高、5年相对生存率更低。2,3 因此,术前准确预测HCC的MVI对于制定有效治疗方案和判断患者预后至关重要。4
术前影像学中的若干形态学特征,包括低密度晕征、可见的瘤内动脉和肿瘤形状,与MVI相关。5–7 然而,使用一两种形态学特征来建立MVI诊断既困难又不准确。因此,通过将定量参数与形态学特征相结合来提高诊断准确性十分重要。8–11 尽管已有若干研究尝试利用CT/MRI多期增强和扩散加权图像结合临床及实验室结果来预测MVI风险,8,12–14 放射组学的临床应用仍具有挑战性。15,16 双能CT(DECT)可利用两种不同的X射线能谱改善物质区分,从而提供更多关于能量依赖性特定物质(尤其是碘)的信息。碘浓度(IC)可提供关于组织血供的有价值信息,并可用于术前MVI分类。17,18 据我们所知,此前尚无研究探讨使用DECT碘定量结合实验室数据来预测术前MVI风险。
因此,本研究旨在确定术前增强DECT-based IC测量与实验室结果相结合是否能改善术前MVI预测。考虑到不同测量之间存在冗余信息,采用主成分分析(PCA)揭示潜在的基本成分。此外,为量化MVI预测能力,对主要数据集和验证数据集的每个基本成分应用通用线性分类器。
方法
患者
本回顾性研究使用来自2个医疗中心的数据。两个医疗中心的机构审查委员会均批准了本研究。由于研究的回顾性性质,知情同意被豁免。
共纳入119例术后诊断为HCC且符合以下纳入标准的患者进行分析:(1)具备完整的术前临床及对比增强DECT数据;(2)CT检查与用于实验室分析的血液样本采集及切除术之间的间隔应<1周,以避免可能影响结果的病灶变化;(3)术前未接受治疗并随后在2个医疗中心接受肿瘤切除术。排除标准如下:(1)存在多发病灶;(2)明确的大血管侵犯。为获取并验证基本组成部分,建立了主要数据集和验证数据集。主要数据集包括来自中心1(安徽医科大学第二附属医院,合肥)的82例患者,而验证数据集包括来自中心2(安徽医科大学第一附属医院,合肥)的37例患者。所有患者于2018年6月1日至2022年10月30日在中心1和中心2接受切除术。
DECT方案与图像重建
采用先进的DECT扫描仪进行常规临床实践(SOMATOM Force,Siemens Healthineers,Forchheim,德国;Revolution HD GSI;GE Healthcare,Waukesha,WI,美国)。详细的CT方案见表1。为在DECT图像上显示IC,使用市售软件(syngo.via,版本VB40A;Siemens Healthineers,以及AW VolumeShare 7,GE Healthcare)并结合碘减影算法(Liver VNC;Siemens Healthineers,以及GSI Viewer,GE Healthcare)。两名放射科医师(分别具有5年和10年腹部放射学经验,以及3年DECT研究经验)独立测量了腹部X线摄影2个对比增强期的IC。他们对组织学和术后结果设盲,并遵循共识。感兴趣区(ROI)沿肿瘤精确边缘绘制。为避免无肿瘤肝实质中同一层面的血管和胆管并计算肝实质的平均IC,另构建了3个直径约1 cm的ROI。在肿瘤ROI测量层面,测量腹主动脉内的IC以计算标准化IC(NIC),即NIC = IC肿瘤/IC主动脉。所有统计数据以平均值表示。
组织病理学
为确定MVI的存在,来自同一大学病理中心两个中心的病理学家检查了所有手术标本并达成共识。MVI定义为显微镜下在内皮细胞衬覆的血管腔内观察到>50个癌细胞组成的巢。19
统计分析
基于原始数据,对正态分布的连续变量采用两样本t检验,对非正态分布的变量采用Mann-Whitney U检验,对分类变量采用Pearson χ2检验。为确定是否需要进行主成分分析(PCA),我们使用Kaiser-Meyer-Olkin因子适当性检验和Bartlett球形检验分析了原始数据集中DECT参数与实验室结果之间的信息冗余状况。随后,对所有连续变量(定量DECT参数和实验室结果)进行PCA。采用斜交旋转(oblimin rotation)以便于解释,并构建碎石图以筛选基本成分。所选主成分(PCs)应累计解释数据总方差的至少60%。然后,将从PCA分析中获得的载荷矩阵应用于验证数据集以进行成分提取。为评估所获得的PCs在不同MVI组间是否显示显著差异,对原始数据集和验证数据集的PC得分进行Mann-Whitney U检验。例如,若X1、X2、X3、…、Xn为原始变量,V1、V2、V3、…、Vn为第一主成分的载荷,则对于标准化值为Z1、Z2、Z3、…、Zn的观测值,第一主成分(PC1)的PC得分计算如下(n为特征总数):
同样,其他成分的PC得分可使用其相应载荷和原始变量的标准化值计算。PC1-4的因子载荷权重位于表4的各列中。为量化所获得PCs对MVI的预测能力,对原始数据集和验证数据集中的每个PC应用一般线性分类器。计算每个成分的受试者工作特征曲线(ROC)值。对于每个PCA成分,我们将所有受试者的PC得分从小到大排序,并将其用作分类阈值。为绘制ROC曲线,我们根据PC得分和分类阈值将样本分为阳性和阴性类别,并计算该分类阈值下的真阳性率和假阳性率。使用ROC曲线下面积(AUC)评估性能。
统计分析及图表构建使用Windows版RStudio(免费版1.4.1103,https://www.rstudio.com)及R软件包“psych”“GPArotation”“survival”“PredictABEL”“pROC”和“ggplot2”以及Matlab自编代码完成。P值<.05被认为表示统计学显著性。
结果
患者特征和实验室结果
在633例符合条件的患者中,448例无可用DECT数据,152例满足纳入标准,33例因各种原因被排除在本研究之外,如切除前接受免疫治疗或靶向治疗(n = 4)、存在多发病灶(n = 8)以及存在大血管侵犯(n = 21)(图1)。本研究共纳入119例患者(中位年龄58岁;四分位间距51-64岁;90例男性)(表2)。其中,53例患者(44.5%)术后MVI阳性。主要数据集和验证数据集分别包括30例(37%)和23例(62%)MVI。主要数据集显示,有肝硬化病史的患者在发生HCC时出现MVI的概率更高(比值比4.27;95% CI,1.20-9.78;P < .05)。在主要数据集(中位数13.35 ng/mL;四分位间距3.40-346.20 ng/mL vs. 中位数345.90 ng/mL;四分位间距9.88-610.72 ng/mL)和验证数据集(中位数4.15 ng/mL;四分位间距2.02-18.03 ng/mL vs. 中位数55.10 ng/mL;四分位间距3.75-625.30 ng/mL)中,MVI阴性与MVI阳性组之间的甲胎蛋白(AFP)水平均存在显著差异(P < .05)。
DECT定量分析
对肿瘤和肿瘤旁无肿瘤肝实质,分析了9项DECT定量参数,如表3所示。2例患者的无MVI和MVI阳性DECT图像见图2。结果表明,与MVI阴性组相比,MVI阳性组肿瘤的正常化动脉期IC(NICa)和正常化门静脉期IC(NICp)在主要数据集(分别为中位数10.5%;四分位间距9.6%-13.5% vs 中位数13.2%;四分位间距10.7%-18.5%,以及中位数32.2%;四分位间距28.7%-42.8% vs 中位数41.9%;四分位间距31.6%-54.6%,P < .05)和验证数据集(分别为中位数10.5%;四分位间距8.2%-12.0% vs 中位数16.1%;四分位间距13.5%-17.5%,以及中位数33.1%;四分位间距27.2%-48.5% vs 中位数46.7%;四分位间距39.6%-55.8%,P < .05)中均显著降低。
主成分分析
主要数据集经KMO检验和Bartlett球形检验,系数分别为0.56和P值<2.2e−16。这些结果表明特征之间存在显著的信息冗余,支持使用PCA。使用全部18个连续数据点计算特征值和特征向量,以确定前4个PC,其解释了数据中67.9%的方差。具体而言,PC1、PC2、PC3和PC4的载荷分别为24.1、16、15.4和12.4(图S1)。这些成分经oblimin旋转的因子载荷权重见表4。
PC1包含与MVI相关的肿瘤术前门脉期IC(ICp)信息(表3),表现为ICp/ICpliver(0.9155)、ΔICp(0.9124)、ICp(0.9002)和NICp(0.7427)的高载荷。类似地,PC2与肿瘤直径(0.549)及肝细胞损伤指标如天冬氨酸氨基转移酶(0.8715)、丙氨酸氨基转移酶(0.8676)和γ-谷氨酰转移酶(0.6907)相关。PC3主要包含肝功能标志物,总胆红素(TBIL;0.9479)、直接胆红素(DBIL;0.8919)和间接胆红素(IBIL;0.8849)载荷较高。PC4反映HCC中与MVI相关的术前ICa,表现为ΔICa(0.8853)、ICa(0.8696)和ICa/ICaliver(0.5607)的载荷。
Mann-Whitney U检验和ROC曲线
为评估PCA结果的普适性,在主要数据集和验证数据集中进行Mann-Whitney U检验,比较MVI阳性组与MVI阴性组之间的个体PC(图3)。结果显示,在两个数据集中,MVI阴性组与MVI阳性组之间PC3和PC4的差异均有统计学意义(P < .05)。为进一步评估验证数据集中的MVI分类性能,构建了所有4个PC的ROC曲线(图4),其AUC值分别计算为0.643(95% CI,0.463-0.823)、0.689(95% CI,0.513-0.862)、0.801(95% CI,0.662-0.941)和0.826(95% CI,0.696-0.957)。基于这些AUC值,PC3和PC4在准确分类MVI方面表现出很强的潜力,反映了它们提供有关MVI状态信息的能力。
讨论
由于影像诊断、手术技术、靶向治疗和免疫治疗的最新进展,HCC患者的总体生存率已显著改善。20–24尽管取得了这些进展,新诊断的HCC合并MVI患者5年生存率仍然较低。MVI仅见于恶性肿瘤,经术后病理证实,发生率范围为15.0%至57.1%。3在本研究中,患者特征表明,有肝硬化病史和较高AFP水平的个体发生MVI的风险更高(比值比4.27;95% CI,1.20-9.78;P < .05),这与既往研究一致。25–27
尽管常规CT征象如边界不光滑、低密度晕环和可见的瘤内动脉可能提示MVI的存在,但诊断准确性依赖于图像质量和放射科医师的专业水平。基于深度学习方法的MVI预测被认为是一种可靠的方法,10,28–30 此类方法正日益成熟,然而,清晰可解释的定量指标仍然需要。近期研究表明,定量碘浓度(IC)在肿瘤诊断中发挥重要作用。Fan等人仔细回顾了过去十年发表的相关文献,以探讨双能CT(DECT)在肝细胞癌(HCC)背景下的临床价值,并得出结论:源自DECT的标准化定量参数可作为HCC监测的有用工具。31 我们的DECT IC结果显示,MVI阳性组的NICa和NICp值低于MVI阴性组(P < .05)。这些发现为术前MVI风险评估提供了重要见解。然而,本研究结果与Kim等人32的报道相矛盾,该研究揭示伴有MVI的HCC其NIC显著高于不伴MVI者(P < .05)。尽管如此,Yang等人提出MVI阳性组坏死发生率更高,33 可能导致NICa和NICp值较低。这些相互矛盾的发现可能归因于采样设计的差异,需要进一步研究。
大多数既往研究选择使用监督学习进行建模,这可能导致数据维度灾难、模型计算效率低和过拟合的风险。为解决这一问题并通过发现数据中的隐藏结构和模式来帮助理解数据,我们尝试使用无监督学习中的PCA来解决这些问题。PCA能够最大程度地保留原始数据信息以实现降维,同时输出原始特征的线性组合。这种组合确保所选主成分(PCs)能够有效代表原始数据,有助于提高模型的泛化能力和鲁棒性。
利用主成分分析(PCA),我们有效降低了数据维度,识别出4个主成分(PCs),其包含不同权重的特征组合。这些成分共同解释了原始数据集中67.9%的方差。原始数据中的各种特征根据这4个主成分分配的不同权重进行重新加权,从而得出相应的主成分得分。结果显示,在原发数据集和验证数据集中,PC3和PC4在各MVI组间存在显著差异(P < .05)。此外,PC3和PC4在MVI分类中表现出优越的性能,AUC值分别为0.8410和0.8373。此外,胆红素(TBIL、DBIL和IBIL)与PC3显著相关(因子载荷权重分别为0.9479、0.8919和0.8849)。胆红素水平升高通常提示肝功能异常,随着肝癌进展,胆红素调节紊乱发生。Carr等人分析了2416例HCC患者的队列,发现胆红素水平较高的患者预后较差且侵袭性指标更差,证实了胆红素在HCC中的重要意义。34 Chan等人确定高白蛋白胆红素分级是与早期复发相关的关键参数,并开发了相关术前模型来预测HCC手术切除后早期复发风险。35近期多项研究表明,结合TBIL的列线图模型在预测MVI方面提供更好的预测性能,26,36,38但胆红素水平与MVI之间相互作用的机制仍不清楚。我们假设MVI导致局部组织水肿并限制小胆管的局部功能。此外,ICa、ICa/ICaliver和ΔICa与PC4显著相关(因子载荷权重分别为0.8853、0.8696和0.5607)。根据肝脏影像报告和数据系统标准定义的典型HCC主要特征是在动脉期相对于正常肝组织呈非环状高强化。这表明HCC是一种动脉期高信号富血供肿瘤。DECT参数如ICa、ICa/ICaliver和ΔICa从不同角度反映动脉期病灶中的碘含量,并与动脉期病灶强化程度呈正相关。Zhang等人通过分析3期增强扫描中的灌注及相关参数,得出结论动脉强化分数(AEF)和肝动脉灌注指数(HPI)是预测MVI的独立危险因素。他们发现与HPI相关的2个参数(ΔHPI(Max)和relative-HPI(Max))预测MVI的灵敏度最高,为0.854。38这些发现与我们的结果相似,因为ICa、ICa/ICaliver和ΔICa对动脉期血供的反映与AEF和HPI类似。研究表明,伴肝硬化的HCC导致门静脉压力(PVP)降低。为补偿这一降低,动脉肝脏灌注增加,39这一机制被称为肝动脉缓冲反应。40这最终导致ICa、ICa/ICaliver和ΔICa升高。同样,MVI累及门静脉小血管导致PVP降低,引起ICa/ICaliver和ΔICa升高。
本研究存在若干局限性。首先,本回顾性研究涉及2个中心,且由于样本量较小,未对训练和验证数据进行随机划分。此外,2个中心使用了不同的双能CT(DECT)成像系统,这可能影响了结果(中心1:双管束线过滤;中心2:单管快速电压切换)。然而,无论采用何种数据采集技术,所有商用多能CT系统均可提供DECT数据。41,42 根据近期比较不同DECT扫描仪定量准确性的研究,首先,本研究中分析的第三代DECT扫描仪在碘浓度(IC)准确性方面统计学上位列第一梯队。其次,中心1和中心2所使用的协议显示出相似的平均绝对百分比误差,分别约为4.72% ± 3.31%和4.68% ± 3.43%。43 然而,由于测量可能存在差异,建议未来开展样本量更大的前瞻性研究。这些研究还可考虑纳入更多类型的DECT设备,以进一步研究和验证这些发现。或许双源概念结合光子计数探测器有望成为解决这一问题的方案。其次,本研究使用二维感兴趣区(ROI)而非容积碘定量;因此,有必要确认容积测量与二维测量之间的差异。最后,本研究未纳入除肿瘤大小以外的形态学评估。需要进一步研究以确定将定量数据与形态学参数相结合用于术前预测MVI的潜在获益。
结论
我们的研究表明,采用斜交旋转的2个主成分可为MVI的术前分类提供有效信息。肿瘤中的胆红素参数(TBIL、DBIL和IBIL)及ICa被认为对MVI分析具有重要意义。基于不同因子载荷的DECT IC与实验室特征的联合应用,可能有助于外科医生识别MVI高危患者。
补充材料
引用
- Li H, Zhang D, Pei J, et al. Dual-energy computed tomography iodine quantification combined with laboratory data for predicting microvascular invasion in hepatocellular carcinoma: a two-centre study. Br J Radiol. 2024. PMID: 38870535. doi:10.1093/bjr/tqae116
- 全文:PMC11256957(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11256957/
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。