文献速递胸部技术与安全MR

非小细胞肺癌亚型与淋巴结状态的预测因素:体素内不相干运动参数与细胞外容积分数

Predictors of lung cancer subtypes and lymph node status in non-small-cell lung cancer: intravoxel incoherent motion parameters and extracellular volume fraction.
PubMed 文献 · Insights Imaging · 2024-07-06

前瞻性纳入116例肺癌患者,评估IVIM参数与ECV在区分肺癌亚型及预测NSCLC淋巴结转移中的价值。SCLC的ADC、D及ECV值均低于NSCLC,腺癌D值高于鳞癌,淋巴结转移组的f与ECV值高于无转移组。IVIM参数与ECV可作为无创生物标志物辅助病理分型及淋巴结状态评估。

要点

  • D值鉴别SCLC与NSCLC的AUC达0.918。
  • D值区分腺癌与鳞癌的AUC为0.735。
  • 淋巴结转移组f与ECV值高于无转移组。

核心结论

  • IVIM参数与ECV可作为无创生物标志物,辅助肺癌患者的病理分型及淋巴结转移状态评估。

研究设计与样本

  • 前瞻性研究,于2021年9月至2023年10月纳入187例个体,最终分析116例肺癌患者(26例女性,90例男性,平均年龄61.00±8.30岁)。
  • NSCLC 81例(腺癌47例、鳞癌34例;无淋巴结转移39例、有淋巴结转移42例),SCLC 35例。
  • 采用3.0-T临床磁共振扫描仪(MAGNETOM Prisma;Siemens,Erlangen,Germany)及18通道体部相控阵线圈。
  • IVIM扫描b值包括0、20、50、100、150、200、400、800 s/mm2;注射钆喷酸葡胺0.1 mmol/kg后10分钟行增强T1 mapping。
  • 以手术或活检标本的组织学评估为参考标准。

关键影像表现/征象

  • SCLC的ADC、D及ECV值均低于NSCLC(均p<0.001,AUC>0.887)。
  • 腺癌的D值高于鳞癌(p<0.001,AUC=0.735)。
  • 淋巴结转移组的f及ECV值高于无转移组(p<0.01,p<0.001,AUC>0.708)。

诊断标准与关键数值

  • D值鉴别SCLC与NSCLC的AUC为0.918,ADC、D及ECV三者诊断性能无显著差异(DeLong检验:均p>0.05,Z:0.449–0.757)。
  • D值区分腺癌与鳞癌的AUC为0.735。
  • 预测NSCLC淋巴结转移时,ECV的诊断价值高于f值(DeLong检验:p<0.05,Z:2.190)。

临床应用与阅片要点

  • 作者认为IVIM参数与ECV可为临床提供定量工具,帮助及时判断患者病理类型并识别淋巴结转移高危病例,从而辅助制定个体化治疗策略。

局限性

  • 样本量小且来自单中心。
  • IVIM的b值数量与分布缺乏统一标准,本研究的b值基于既往研究选择。
  • 研究仅纳入直径大于1.5 cm的病灶,更小病灶易受大血管和呼吸运动干扰导致信噪比差,未来研究将纳入小于1.5 cm的病灶。
  • D*对信噪比敏感且可重复性差,本研究D*的ICC值较低。
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:Insights Imaging. 2024 Jul 6;15:168. doi: 10.1186/s13244-024-01758-w

引言

肺癌是全球癌症相关死亡的主要原因之一。原发性肺癌主要分为小细胞肺癌(SCLC)和非小细胞肺癌(NSCLC),其中NSCLC约占85%。NSCLC最常见的病理亚型为腺癌(Adeno-Ca)和鳞状细胞癌(SCC)[1]。SCLC具有高度侵袭性和早期转移倾向,治疗主要以放疗和化疗为主[2]。相比之下,NSCLC的治疗与淋巴结转移(LNM)的存在及临床分期等因素密切相关。值得注意的是,无LNM的患者预后明显优于有淋巴结受累的患者[3]。因此,早期鉴别肺癌组织学类型并准确评估LNM状态对于制定个体化治疗方案和改善NSCLC预后至关重要。

LNM的发生与原发灶间质液压力升高和缺氧有关[4]。不同肺癌亚型在细胞外间隙和血管生成方面表现出差异[5]。基于这些原理,磁共振成像(MRI)能够反映肿瘤微环境内的灌注和细胞密度信息,有望作为鉴别肺癌亚型和预测NSCLC中LNM状态的工具。体素内不相干运动(IVIM)可提供组织扩散和灌注信息[6]。其在鉴别良恶性肿瘤、区分肿瘤病理分类和评估治疗反应方面表现良好[6–8]。多项研究表明,真扩散系数(D)是反映细胞外间隙的可靠标志物。它不受微循环灌注影响,性能优于表观扩散系数(ADC)。同时,细胞外容积分数(ECV)基于注射对比剂前后病灶和动脉的T1值计算得出。它代表细胞外间隙的比例,可反映微血管密度和间质纤维化程度[9]。其越来越多地用于评估肝纤维化、肿瘤分级和化疗后反应[9–11]。近期一项研究证明了ECV在识别宫颈癌患者淋巴血管间质浸润方面的能力[12]。因此,IVIM参数和ECV有潜力鉴别肺癌亚型并预测NSCLC中的LNM。

利用原发灶衍生的IVIM参数和ECV预测NSCLC中LNM的研究有限,且需要对这些发现进行进一步验证。此外,不同肺癌亚型之间IVIM参数和ECV的差异在很大程度上尚未被探索。鉴于上述考虑,本研究旨在阐明IVIM参数和ECV能否鉴别肺癌亚型并预测NSCLC的LNM状态,同时比较其诊断性能,以辅助临床决策。

材料与方法

患者

本前瞻性研究经当地机构审查委员会批准。所有参与者均提供书面知情同意书。2021年9月至2023年10月期间,前瞻性纳入187名个体。纳入标准为:(1)个体表现出提示肺癌的计算机断层扫描(CT)表现,(2)未开始任何治疗,(3)CT上测量的肺部肿瘤最长径≥1.5 cm。排除标准为:(1)钙化或坏死超过三分之一,无法确定合适的感兴趣区(ROI)> 50 mm2,(2)成像质量差。在MRI扫描后1周内,所有患者均通过手术或活检标本的组织学评估获得诊断。图1显示了患者选择流程图。

图1 患者选择流程图。Adeno-Ca,腺癌;CT,计算机断层扫描;MRI,磁共振成像;SCC,鳞状细胞癌;NSCLC,非小细胞肺癌;ROI,感兴趣区;SCLC,小细胞肺癌 查看原图 ↗

MRI采集

MRI使用3.0-T临床磁共振扫描仪(MAGNETOM Prisma;Siemens,Erlangen,Germany)进行,配备专用18通道体部相控阵线圈。检查前实施呼吸训练,以提高患者配合度并减轻呼吸引起的运动伪影。首先进行T2加权半傅里叶单次激发涡轮自旋回波(HASTE)和BLADE序列(Siemens,Erlangen,Germany)以定位病灶。随后进行ZOOMit IVIM扫描(b值:0 s/mm2、20 s/mm2、50 s/mm2、100 s/mm2、150 s/mm2、200 s/mm2、400 s/mm2和800 s/mm2)。为减少磁场不均匀性的影响,进行了B1场校正。然后使用可变翻转角三维(3D)容积内插屏气检查(VIBE)序列进行T1 mapping扫描。翻转角为3°和15°。随后以0.1 mmol/kg的剂量注射钆喷酸葡胺,10分钟后进行增强后T1 mapping序列。详细MRI方案见表1。

表1 详细MRI方案 查看原表 ↗

MRI评估与数据处理

所有收集的数据均传输至工作站(syngo. via,VB20A,Siemens Healthcare,Erlangen,Germany)。在对临床和组织病理学信息(肺癌诊断除外)设盲的情况下,两名经验丰富的放射科医师(H.Z.H.和P.Z.,分别具有10年和15年肺部肿瘤成像经验)独立分析所有扫描,以比较观察者间测量的可重复性。两名放射科医师获得的平均值用于后续统计分析。

所有图像均使用原型软件(MR Body Diffusion Toolbox;西门子医疗,埃尔朗根,德国)进行后处理,以从ZOOMit IVIM数据集中提取ADC、D、伪扩散系数(D*)和灌注分数(f)值。在肿瘤最大横截面及其上下相邻两层上手动勾画ROI,避开坏死和出血区域。勾画ROI时以每位患者的CT和MRI图像(通过T2加权HASTE和脂肪饱和BLADE采集)作为参考。在增强后T1图上勾画ROI以获得对比剂给药后的T1值(T1post),并保持与IVIM图上ROI的一致性。随后将ROI复制到增强前T1图上(T1pre)。此外,从病灶同一层面的动脉中测量血池的T1值(分别为T1bloodpre和T1bloodpost)。每位患者的红细胞压积在MRI扫描后1周内获取。ECV的计算基于以下公式:

统计分析

使用SPSS(版本26.0,IBM Corp.,美国)和MedCalc软件(版本15.2.2,Mariakerke,比利时)进行统计分析。采用Shapiro–Wilk检验评估数据的正态性。连续变量以均值±标准差表示。各参数的观察者间一致性采用组内相关系数(ICC)评估,以三个层面测量的平均值作为每位医生测量的最终结果。采用Student t检验(用于正态分布数据)或Mann–Whitney U检验(用于非正态分布数据)分析NSCLC与SCLC、SCC与腺癌、以及无LNM与有LNM病例之间参数的差异。对组间差异具有统计学意义的参数进行受试者工作特征(ROC)曲线分析,并确定曲线下面积(AUC)。当Youden指数达到最大值时,确定预测SCLC、SCC、腺癌和LNM状态的最佳截断值,并基于这些截断值评估诊断性能。各参数的AUC比较采用DeLong检验。p值<0.05表示差异有统计学意义。

结果

共纳入116例肺癌患者(女性26例,男性90例;平均年龄61.00±8.30岁,范围39–77岁)。其中NSCLC 81例(腺癌47例,SCC 34例;无LNM 39例,有LNM 42例),SCLC 35例。病理亚型和LNM状态的判定依赖于病理检查。患者被分为腺癌组、SCC组和SCLC组。NSCLC患者根据淋巴结状态进一步分为LNM(+)组和LNM(−)组。表2总结了患者的临床病理特征。代表性病例见图2。

表2 本研究纳入患者的临床病理特征 查看原表 ↗
图2 一名58岁男性SCC患者。a T2-BLADE轴位图像;b–e IVIM参数ADC、D、D*和f图;f 原生T1伪彩图;g 增强后T1伪彩图;(h) 病理图片(HE×10)。ADC,表观扩散系数;D,真实扩散;D*,伪扩散;f,灌注分数;HE,苏木精-伊红;IVIM,体素内不相干运动 查看原图 ↗

观察者间对IVIM参数和ECV的变异性

总体观察者间一致性为良好至优秀,ICC范围为0.713–0.898(表3)。

表3 MRI参数的观察者间变异性 查看原表 ↗

NSCLC与SCLC之间IVIM参数和ECV的比较

SCLC的ADC、D和ECV值显著低于NSCLC(均p < 0.001,表4)。然而,SCLC组与NSCLC组之间f值和D*值差异无统计学意义。

表4 肺癌各病理亚型之间以及伴与不伴LNM的NSCLC之间IVIM参数和ECV的比较 查看原表 ↗

SCC与Adeno-Ca之间IVIM参数和ECV的比较

Adeno-Ca的D值显著高于SCC(p < 0.001,表4)。然而,Adeno-Ca组与SCC组之间其他IVIM参数和ECV差异无统计学意义(均p > 0.05,表4)。

不伴与伴LNM的NSCLC之间IVIM参数和ECV的比较

LNM(+)组的f值和ECV值显著高于LNM(−)组(p < 0.05,p < 0.001,表4)。然而,伴LNM(+)与LNM(−)的NSCLC组之间ADC、D和D*值无显著差异。

IVIM参数和ECV在区分NSCLC与SCLC以及SCC与Adeno-Ca、并预测NSCLC患者LNM状态中的作用

ROC分析显示,ADC、D和ECV值在区分NSCLC与SCLC方面具有较高的诊断效能,其中D值的AUC最大,为0.918(表5和图3)。然而,ADC、D和ECV值之间的诊断效能无显著差异(DeLong检验:均p > 0.05,Z:0.449–0.757)。D值在区分Adeno-Ca与SCC方面表现出满意的诊断价值,AUC为0.735(表5和图3)。在预测NSCLC的LNM状态方面,ECV的诊断价值高于f值(DeLong检验:p < 0.05,Z:2.190)(表5和图3)。

表5 IVIM参数和ECV用于鉴别肺癌亚型及NSCLC中LNM状态的诊断效能 查看原表 ↗
图3 IVIM参数和ECV用于鉴别SCLC与NSCLC(a)、Adeno-Ca与SCC(b)以及伴LNM的NSCLC与不伴LNM的NSCLC(c)的ROC曲线。Adeno-Ca,腺癌;AUC,ROC曲线下面积;ECV,细胞外容积分数;IVIM,体素内不相干运动;LNM,淋巴结转移;NSCLC,非小细胞肺癌;ROC,受试者工作特征;SCC,鳞状细胞癌;SCLC,小细胞肺癌 查看原图 ↗

讨论

本研究表明,ADC、D和ECV值可有效区分SCLC与NSCLC。此外,D值在鉴别Adeno-Ca与SCC方面显示出应用价值。ECV和f值在预测NSCLC的LNM状态方面具有意义,其中ECV表现出更高的诊断准确性。因此,IVIM和ECV可作为无创生物标志物,用于辅助肺癌患者的病理分型和LNM状态评估,为临床决策提供有价值的信息。

不同亚型的肺癌具有不同的生物学行为和治疗策略。早期诊断对于制定合适的治疗方案和评估预后至关重要。我们的研究表明,与小细胞肺癌(NSCLC)组相比,小细胞肺癌(SCLC)组的ADC、D和ECV值显著降低,并且鳞状细胞癌(SCC)组的D值显著低于腺癌(Adeno-Ca)组,这与Fang等[13]和Zheng等[8]报告的结果一致。ADC、D和ECV值共同反映了组织内的细胞密度和细胞外空间[8, 9]。SCLC细胞密度高,核大,胞质少,细胞外空间小,限制了水的扩散运动[8]。因此,与NSCLC组相比,SCLC组的ADC、D和ECV值显著降低。与腺癌相比,SCC具有更致密的细胞结构[14],但两种亚型之间的ADC和ECV值未观察到显著差异。最近的一项荟萃分析强调,仅凭ADC值可能无法有效区分NSCLC亚型[15]。这表明,D值更好地代表了水分子独立于组织灌注效应的扩散运动,在这方面优于ADC值。关于ECV在肺癌中的研究报道较少,需要进一步研究以确认亚型之间可能存在的差异。

D*和f均为灌注相关参数。我们的研究结果表明,不同类型肺癌之间的D*和f值无显著差异。关于肺部疾病中f和D*值的意义仍存在相当大的争议。Wang等[16]和Deng等[17]观察到f值可以区分炎性病变与肺癌。Liu等[18]提出其在评估腺癌病理分级方面的价值。然而,大量文献反对将D*和f值作为区分良恶性肺肿瘤及其病理类型的可靠指标。一方面,不同亚型肺肿瘤的微循环灌注在一定程度上相似[19]。另一方面,D*对信噪比敏感且可重复性差[8],这解释了本研究中D*的ICC值较低。尽管关于f和D*值在肺部疾病中的意义仍存在争论,但它们在反映病变灌注信息方面具有重要的潜在价值。需要通过标准化扫描参数和扩大样本量来进一步探索。

LNM是影响临床分期的关键因素。术前精准评估LNM状态对于制定治疗方案和评估预后至关重要。在本研究中,LNM(+)组较LNM(−)组表现出更高的ECV和f值。这一观察结果与宫颈癌中的发现一致[12, 20],即宫颈癌中较高的f值和ECV值与侵袭性增加及盆腔LNM或淋巴血管间隙侵犯的可能性增大相关。转移组中较高的f值表明微循环比例升高、新生血管形成增加、细胞增殖活跃及侵袭性增强[21]。LNM的一种常见途径是侵犯微血管系统[22]。因此,血流灌注较高的NSCLC更易发生LNM。肿瘤组织中的癌相关成纤维细胞促进细胞外基质硬化,导致间质液压力升高和细胞外间隙扩大[23]。这些因素可促进脱落的肿瘤细胞穿透进入淋巴管和微血管系统[24]。间质液压力升高和细胞外间隙扩大导致ECV增加,从而提高了LNM的概率。

此外,我们评估了ECV和f值预测NSCLC LNM状态的能力。ECV表现出更优的诊断性能。ECV以百分比表示,由T1值比值衍生而来,对场强、厂商和采集技术的变化敏感性较低。近期研究表明,T1值在肺癌患者中表现出较强的扫描一致性和可重复性[25]。在本研究中,通过3D T1加权VIBE序列获取的T1 mapping单次检查仅需14 s即可完成,即使在合并肺气肿或慢性阻塞性肺疾病的患者中也可在单次屏气内完成。使用ECV预测NSCLC的LNM状态可能通过术前干预或术后抗肿瘤治疗使LNM(+)患者获益。Wang等证明ECV可预测无LNM的宫颈癌患者的淋巴管间隙侵犯,这对手术方式选择和预后评估具有临床意义[12]。我们的研究将ECV的研究拓展至肺癌领域,为乳腺癌、结直肠癌及其他疾病的个性化诊断和治疗提供了新的见解和潜在途径。

本研究存在一定局限性。第一,样本量较小且来自单中心。第二,IVIM中b值的数量和分布缺乏统一标准。增加b值数量可提高图像质量,但也会导致采集时间延长。在本研究中,b值的选择基于既往研究[18]。第三,我们的研究聚焦于直径大于1.5 cm的病灶,因为较小病灶易受大心脏血管和呼吸运动干扰,导致信噪比差和图像质量欠佳[16]。然而,随着MRI技术的进步,未来研究将纳入小于1.5 cm的病灶。

结论

总之,IVIM参数和ECV是区分肺癌亚型及预测NSCLC淋巴结转移(LNM)的有前景的工具。它们为临床医生提供了一种定量工具,可及时确定患者病理类型并识别LNM高危病例,从而有助于制定个体化治疗策略。

引用

  1. Han H, Guo W, Ren H, et al. Predictors of lung cancer subtypes and lymph node status in non-small-cell lung cancer: intravoxel incoherent motion parameters and extracellular volume fraction. Insights Imaging. 2024. PMID: 38971908. doi:10.1186/s13244-024-01758-w
  2. 全文:PMC11227484(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11227484/

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。