文献速递泌尿生殖腹部MR

透明细胞可能性评分及选定MRI参数在不确定性肾肿块定性中的诊断准确性——单中心研究

Diagnostic accuracy of the Clear Cell Likelihood Score and selected MRI parameters in the characterization of indeterminate renal masses - a single-institution study.
PubMed 文献 · Abdom Radiol (NY) · 2024-07-09

该单中心回顾性观察研究纳入50例MRI发现的不确定性小肾肿块患者,评估透明细胞可能性评分(ccLS)及选定MRI参数对透明细胞肾细胞癌(ccRCC)的诊断准确性。ccLS=5特异度高达96.3%但敏感度仅26.1%;T1比值与动脉-延迟强化比(ADER)是ccRCC与其他肾肿块之间的良好判别指标(AUC分别为0.707和0.673)。作者认为ccLS算法有助于标准化成像方案,但在纳入诊断算法前需多中心大队列研究验证。

要点

  • ccLS=5诊断ccRCC准确率64.0%、特异度96.3%,但敏感度仅26.1%。
  • ccLS=4/5准确率60.0%、敏感度59.3%、特异度60.9%。
  • T1比值与ADER是ccRCC与其他肾肿块之间的良好判别指标,AUC分别为0.707和0.673。

核心结论

  • ccLS算法对ccRCC评估具有中等敏感度和特异度,在纳入诊断算法前仍需验证和测试。
  • 作者认为直接采用T1比值参数可能增强ccRCC诊断准确性,但需大队列多中心进一步研究。
  • 作者认为ccLS算法的持续发展和广泛接受可能在不久的将来减少肾肿瘤诊断对活检的依赖。

研究设计与样本

  • 回顾性、观察性、单中心研究,纳入2012至2023年间MRI发现的不确定性小肾肿块患者50例。
  • 最终诊断以组织病理学为标准参照(n=38);12例依据临床和影像特征确定,随访至少36个月(平均45.58±9个月)。
  • MRI在1.5T和3.0T扫描仪上完成,序列包括轴位和冠状位2D T2w单次激发、轴位2D T1w同反相位化学位移成像、脂肪饱和3D T1w SPGR动态增强(含延迟期)及扩散加权成像。
  • 由两名至少3年经验的放射科医生盲法回顾性阅片,ccLS算法阅片者间信度良好(κ=0.63)。

关键影像表现/征象

  • ccRCC组T1比值中位数显著低于非ccRCC组(0.8[0.7–0.9]vs. 0.9[0.9–1.0],p=0.01)。
  • ccRCC组ADER中位数显著大于其他肾肿块(1.1[1.0–1.4]vs. 0.9[0.6–1.1],p=0.04)。
  • ccRCC组与非ccRCC组仅在ccLS=1/2和ccLS=5上差异显著(1[4.3%]vs. 8[29.6%],p=0.02;6[26.1%]vs. 1[3.7%],p=0.02)。
  • 73.9%的ccRCC病例被归入ccLS=5以外的组别,多数位于ccLS=3和ccLS=4组。

诊断标准与关键数值

  • ccLS=5诊断ccRCC准确率64.0%、特异度96.3%、敏感度26.1%。
  • ccLS=4/5诊断ccRCC准确率60.0%、敏感度59.3%、特异度60.9%。
  • T1比值判别ccRCC与其他肾肿块的AUC=0.707(p=0.01),Youden指数确定的截断值为0.73(p=0.01)。
  • ADER判别ccRCC与其他肾肿块的AUC=0.673(p=0.03),Youden指数确定的截断值为0.99(p=0.03)。
  • 逻辑回归显示ccLS=5(OR=15.5[1.1–218.72],p=0.04)是ccRCC的显著预测因子,T1比值升高对应ccRCC发生几率降低(OR=0.002[0.00–0.81],p=0.04)。

临床应用与阅片要点

  • ccLS评估基于T2信号强度、皮质髓质期强化程度与肾皮质比较及显微镜下脂肪三个主要影像特征和若干辅助参数。
  • ccLS=5对ccRCC特异度很高但敏感度低,73.9%的ccRCC病例位于ccLS=3和ccLS=4组,报告时需注意。
  • T1比值<0.73可能有助于判别ccRCC与其他肾肿块,但该截断值需在更大样本中验证。
  • ADER=0.99可能有助于以较ccLS所用的ADER>1.5更低的截断值区分ccRCC与其他肾肿块,但该截断值需在更大样本中验证。
  • 作者认为T1比值或ADER参数可能增强ccRCC诊断准确性,但需进一步研究确定。

局限性

  • 研究为回顾性设计,可能导致患者选择领域的高偏倚风险。
  • 研究仅为单中心系列,且并非所有接受MRI的患者都接受了手术或活检。
  • 目前缺乏比较现有监测策略的前瞻性数据,导致处理方式和随访影像频率与时长存在本质差异。
  • MRI诊断准确性可能因放射科医生经验而异,ccLS评分具有一定主观性。
  • 未对处理方式(监测、活检、手术)进行随机化,存在哪些患者获得组织病理学的固有选择偏倚。
全文中译10 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:Abdom Radiol (NY). 2024 Jul 9;49(11):3893–901. doi: 10.1007/s00261-024-04484-5

引言

透明细胞可能性评分(ccLS)是一种五分类Likert量表(从1分=非常不可能到5分=非常可能),旨在增强多参数磁共振成像(MRI)检查中小肾肿块(SRMs)组织病理学特征的预测(图1)[1–3]。ccLS评估基于三个主要影像学特征(T2信号强度、皮髓质期与肾皮质相比的对比增强程度、以及镜下脂肪的存在)和若干辅助参数[1, 4]。该算法旨在为无创检测或排除最具侵袭性的肾癌(RCC)形式——透明细胞亚型(ccRCC)——提供手段[5]。组织病理学亚型之间的精确鉴别对于治疗规划尤为重要,因为许多对比增强的肾脏肿瘤,包括一些乳头状和嫌色细胞型RCC,表现为惰性行为,生长缓慢且转移风险极低[6, 7]。

ccLS目前是一个引人关注的话题,近期文献中已对其进行了广泛研究和评论[1–5, 7–15]。Canvasser等人揭示了ccLS算法中等至良好的读者间可靠性(κ = 0.53)[16]。Schieda等人最近发表了一项大型队列横断面研究,验证了ccLS算法的诊断性能,显示以ccLS ≥ 4为阈值诊断ccRCC具有中等敏感性和特异性,而ccLS ≤ 2排除ccRCC具有高阴性预测值[17]。Tian等人指出,最新研究表明ccLS算法具有中等敏感性和特异性;然而,该算法在临床应用中仍然有效[18]。该领域的现有数据主要来自回顾性、单中心研究,这些研究在有限人群中开展(范围从57至241例患者)。现有文献还强调了该算法在特定诊断领域中的某些局限性,例如ccLS未考虑RCC的乳头状和嫌色细胞亚型[18]。这表明在ccLS的未来版本中应考虑一些改进,例如增加可能提示显著对比增强的参数,如低T1比值或高动脉-延迟增强比(ADER)[19, 20]。

因此,我们试图在一个新的患者队列中进一步验证ccLS算法,并研究其他所选MRI特征——特别是与对比增强相关的特征——在预测ccRCC发生中的价值。

图1 ccLS算法。改编自Pedrosa I, Cadeddu JA. How We Do It: Managing the Indeterminate Renal Mass with the MRI Clear Cell Likelihood Score. Radiology. 2022 Feb;302(2):256–269;经许可。ccLS评估基于三个主要影像学特征(T2信号强度、皮髓质期与肾皮质相比的对比增强程度、以及镜下脂肪的存在)和若干辅助参数 查看原图 ↗

方法学

研究人群

在这项回顾性、观察性、单中心研究中,我们纳入了2012年至2023年间在MRI上发现的N = 50例不确定性SRMs患者。最终诊断以组织病理学结果作为标准参考(n = 38)。在12例患者中,如果在随访期间观察到消退或完全无进展(最短36个月,平均45.58 ± 9个月),则根据临床和影像学特征确立最终诊断(诊断为乏脂性血管平滑肌脂肪瘤或非ccRCC肿块,无确切亚型信息)[6, 21–24]。排除标准如下:弥漫性浸润性肾脏疾病(即淋巴瘤)、含宏观脂肪的肿块、以囊性为主的肿块、可能影响肾脏病灶分割的MRI伪影、急性病灶内并发症(如出血)、临床数据不完整,以及由于影像学图像模糊且缺乏组织病理学而无法做出明确诊断。本研究经伦理委员会批准。

磁共振成像研究

磁共振成像研究在克拉科夫大学医院诊断影像科进行,使用1.5T和3.0T扫描仪,采用符合ccLS算法应用要求的方案,并遵循腹部放射学会疾病专家共识。所有MRI均包括常规序列:轴位和冠状位2D T2w单次激发采集、轴位2D T1w梯度回波同相位和反相位化学位移成像、预对比和(动态)增强后3D T1w SPGR with fat saturation(包括延迟扫描)以及扩散加权成像。所有MRI检查均由两名至少具有3年经验的放射科医师(T.B.和J.D.J)进行回顾性审阅,且对最终诊断设盲。本研究中ccLS算法的读者间信度良好(κ = 0.63)。我们使用ccLS系统为小肾脏肿块分类提供标准化框架[9],并对选定的影像学参数分别进行评估,包括ccLS算法中存在的参数和可能有用的新参数。以下MRI参数用于我们的分析:T1和T2信号强度(SI)比值(测量为肿瘤SI与肾皮质SI的比值)、多期对比增强强度、用于检测微观脂肪的化学位移成像、扩散受限、ADER(计算为皮髓质期信号强度与预对比图像信号强度之差与延迟期信号强度与预对比图像信号强度之差的比值),以及节段性强化反转(定义为皮髓质期和后期对比增强程度出现相对反转)。

统计分析

将每个肾肿块的ccRCC诊断评分与参考标准进行比较,参考标准由组织学或影像学确定(ccRCC与“所有其他”肿块)。进行受试者工作特征(ROC)分析以计算曲线下面积(AUC),并用于确定所选MRI特征中哪些是ccRCC与其他类型SRMs之间的鉴别因素。进行逻辑回归分析以确定哪些MRI参数是ccRCC的显著预测因子。适当时使用Student's T检验或Mann-Whitney U检验评估ccRCC与非ccRCC之间连续变量的差异。连续变量以均值±标准差或中位数和四分位距(IQR)表示。使用Pearson χ2检验研究分类变量之间的关联。分类变量以数量和百分比表示。p值≤0.05被认为具有统计学意义。对每个ccLS计算特异性、敏感性、阳性预测值、阴性预测值、准确性和似然比。统计分析使用IBM SPSS Statistics(版本24,IBM Corp.,Armonk,NY,USA)进行。置信区间(CI)使用MEDCALC(免费统计计算器)计算。

结果

患者特征

共50例不确定性肾肿块患者(27例女性,23例男性;中位年龄61.5 [IQR:52.3–68.3]岁)被回顾性纳入研究。70.0%的患者观察到高血压,44.0%有记录的吸烟史。20.0%的病例出现症状表现:腰痛(14.0%)、镜下血尿(8.0%)、肉眼血尿(6.0%)、红细胞增多症(4.0%);未报告可触及的腰部肿块或副肿瘤综合征。20%的患者观察到阳性癌症家族史。在ccRCC组中,吸烟者显著多于非ccRCC组(14 [60.9%] vs. 8 [29.6%],p = 0.03)。除此之外,ccRCC组和非ccRCC组在与ccRCC发生相关的主要危险因素方面无差异(表1)。

表1 确诊ccRCC患者与其他病因肾肿块组中肾癌危险因素的患病率 查看原表 ↗

ccRCC和非ccRCC组的MRI特征

比较MRI特征时,仅T1比值和ADER的中位数在ccRCC组和非ccRCC组之间差异有统计学意义。ccRCC组T1比值的中位数(IQR)显著低于非ccRCC组(0.8 [0.7–0.9] vs. 0.9 [0.9-1.0],p = 0.01)。另一方面,与其他肾肿块病因相比,ccRCC组ADER的中位数(IQR)显著更大(1.1 [1.0-1.4] vs. 0.9 [0.6–1.1],p = 0.04)。ccRCC和非ccRCC组中所有评估的MRI特征见表2。

表2 ccRCC组与其他病因肾肿块患者MRI特征的差异 查看原表 ↗

ccLS评分预测ccRCC和其他肿块的诊断准确性

ccRCC患者与非ccRCC患者仅在ccLS = 1/2和ccLS = 5方面存在显著差异(分别为1 [4.3%] vs. 8 [29.6%],p = 0.02;6 [26.1%] vs. 1 [3.7%],p = 0.02,表3)。特定ccLS评分预测ccRCC的敏感性、特异性及其他参数见表4。最佳性能参数为ccLS = 4/5,准确度60.0%,敏感性59.3%,特异性60.9%。ccLS = 5的准确度令人满意,为64.0%,特异性非常高,为96.3%;然而,其敏感性26.1%过低。

表3 ccRCC患者与其他肾脏肿块患者之间ccLS评分的差异 查看原表 ↗
表4 特定ccLS评分的诊断性能 查看原表 ↗

选定MRI特征对ccRCC的预测

ROC分析显示,在选定MRI特征中,仅T1比值和ADER可区分ccRCC与其他类型肾脏肿块(图2;表5)。我们使用约登指数在ROC分析中确定的截断值分别为:T1比值0.73(p = 0.01),ADER 0.99(p = 0.03)。

逻辑回归模型显示,ccLS = 5(OR = 15.5,CI = 1.1-218.72,p = 0.04)是ccRCC的显著预测因子(表6)。有趣的是,T1比值升高(OR = 0.002,CI:0.00-0.81,p = 0.04)与ccRCC发生几率降低显著相关。

图2 T1比值(A)和ADER(B)的ROC分析。T1比值——肿瘤信号强度与肾皮质信号强度的比值;ADER——动脉期与延迟期比值,计算为皮髓质期信号强度与预对比图像信号强度之差,与延迟期信号强度与预对比图像信号强度之差的比值 查看原图 ↗
表5 根据选定MRI参数的曲线下面积分析 查看原表 ↗
表6 预测ccRCC发生的多因素逻辑回归模型 查看原表 ↗

讨论

本研究的主要目标是验证ccLS算法。我们证明仅ccLS = 5是ccRCC发生的显著预测因子,特异性为96.3%,敏感性为26.1%。遗憾的是,在本研究中,73.9%的ccRCC病例被归类于ccLS = 5组之外(反映ccLS = 5的低敏感性),其中大多数位于ccLS = 3和ccLS = 4组,而ccLS算法在这些组中的诊断置信度较低。既往研究表明,ccLS在区分ccRCC与其他小肾脏肿块方面具有中等至高的准确度[13, 16, 18, 25]。最近发表的一项荟萃分析表明,ccLS ≥ 4对ccRCC风险分层的敏感性和特异性在各研究中分别为0.75–0.89和0.58–0.82 [18]。这些关于特异性的数据与我们的结果一致。观察到的敏感性差异可能源于所采用的ccLS截断值(荟萃分析中为ccLS ≥ 4,本研究中为ccLS = 5)。对于ccLS = 4/5,我们观察到准确度60.0%,敏感性59.3%,特异性60.9%。然而,该截断值未达到统计学显著性水平,可能是由于本研究所纳入的样本量较小。

历史上,小肾肿块(SRMs)的评估主要基于计算机断层扫描成像,并且是二元的,仅限于确认增强后强化和排除病变内存在宏观脂肪,对肿瘤组织病理学性质的区分能力有限[26]。已提出多种方法通过区分肿瘤类型来增强这一基本评估[27],包括基于放射组学的模型用于区分透明细胞肾细胞癌(ccRCC)与其他SRMs[28, 29]。与计算机断层扫描相比,MRI提供更优越的组织分辨率和静脉造影剂反应,以及同时检测微观脂肪的能力,可能在预测病变组织病理学类型方面产生更好的结果。除ccLS外,已创建多种用于ccRCC区分的MRI算法;然而,据我们所知,这些算法的验证尚未进行[30, 31]。鉴于我们的发现,ccLS算法的进一步改进和增加使用可能增强主动监测作为选定SRMs初始管理的作用,而非侵入性管理;从而减少手术并发症的负担和肾单位丢失的负面影响。

有趣的是,我们的研究表明,ccRCC组的T1比值显著低于非ccRCC组(0.8 [0.7–0.9] vs. 0.9 [0.9-1.0]),并且在ROC分析中,低T1 SI比值(< 0.73)是区分ccRCC与其他类型肾脏肿块的良好指标。此外,逻辑回归分析显示,T1比值增加(OR = 0.002, CI:0.00-0.81, p = 0.04)对应于ccRCC发生几率降低。然而,确认这些数据需要在更大的患者群体中进一步研究。目前,T1加权采集在ccLS算法中仅用于化学位移成像和多期对比增强成像[9]。鉴于我们的结果,直接使用T1 SI比值可能优化该算法的诊断信心;然而,该领域需要进一步研究。具体而言,乳头状RCC肿瘤需要测试,因为先前已证明乳头状RCC的平均肿瘤T1 SI比值(阅片者1,0.86 ± 0.23;阅片者2,0.82 ± 0.30)与ccRCC(阅片者1,0.81 ± 0.15;阅片者2,0.84 ± 0.27)无显著差异[28]。乳头状RCC,第二常见的RCC变体,通常表现为低T1 SI和低T2 SI(肿瘤T2 SI比值≤ 0.66对乳头状RCC具有100%的特异性和54%的敏感性)[32, 33]。因此,在乳头状RCC病例中,低T1 SI可能是评估中至高T2 SI病变中ccRCC风险的特别有用参数。

我们的分析还证实了ADER参数的重要性,显示ADER中间值在预测ccRCC方面具有统计学显著的高特异性,ccRCC的平均ADER = 1.1 [1.0-1.4],非ccRCC的平均ADER = 0.9 [0.6–1.1]。在ccLS评估过程中,ADER > 1.5主要用于将ccRCC与乏脂肪血管平滑肌脂肪瘤相鉴别,后者是一种具有高“廓清”表现的病变[34]。我们的结果与ccRCC倾向于显示中度“廓清”的观察结果相符,并证明ccRCC可凭借较低的ADER临界值0.99与其他形式的肾脏肿块相鉴别。然而,该临界值应在更大人群中加以验证。

我们关于T1和ADER参数的观察结果无疑需要在更大队列和多中心条件下的研究中加以验证。如果后续研究证实其有效性,上述参数可能有助于关于手术方式或活检验证的临床决策,甚至可能有助于构建一个新的改良评分量表。图3展示了一个临床病例,说明了T1和ADER参数的实施以及ccLS评分的应用。

我们的研究存在若干局限性。首先,本研究为回顾性研究,这可能在患者选择领域导致较高的偏倚风险。此外,本研究仅为单中心序列,且并非所有接受MRI的患者都接受了手术或活检。目前缺乏比较现有监测策略的前瞻性数据。这导致在方法上存在本质性差异,以及随访影像的频率和持续时间各不相同。然而,已有关于小肾肿块(SRMs)患者主动监测、随访时间为3年的研究[6, 21–24]。因此,本研究中未接受手术或活检的患者的最低随访时间被设定为36个月[6, 21–24]。MRI研究的诊断准确性可能因放射科医师的经验而异(鉴于ccLS评分赋值具有一定的主观性)。在没有对管理方式(监测、活检和手术)进行随机化的情况下,哪些患者可获得组织病理学结果存在固有的选择偏倚。最后,我们的研究队列较小,仅包含50个肾脏肿块,其中23个为ccRCC。

图3 一个临床病例,展示T1和ADER参数的实施以及ccLS评分的应用。右肾轴位图像显示一名78岁女性患者右肾后部局限性、边界清楚、椭圆形肿块。该病变随后被切除,并经组织病理学验证诊断为透明细胞肾细胞癌。(A)T2加权采集显示一个异质性、大部分呈T2高信号的肿块,伴有等信号区域(请注意,具有相似特征的T2等信号病变也将被归类为ccLS=5)(B)同一层面的两次T1加权Dixon采集显示,与同相位图像(左)相比,反相位图像(右)上信号强度显著下降(C)T1加权图像显示与正常肾皮质(箭头标记的ROI)相比,病变呈异质性、轻度低信号(*标记的ROI),T1 SI比值为0.87(D)同一层面的两次脂肪饱和T1加权增强后图像,在皮髓质期(左)和延迟期(右)显示显著早期强化(*标记的ROI)以及延迟期信号下降(箭头标记的ROI),ADER=1.2(E)同一层面的两幅DWI(左)和ADC图(右)图像显示,与肾皮质相比,肿瘤存在弥散受限(请注意,DWI上的受限在ccLS算法中仅被视为辅助特征,在许多病例中,它更提示惰性病变而非ccRCC。在本病例中,无论其DWI信号如何,肿瘤都将被视为ccLS=5) 查看原图 ↗

结论

ccLS算法在评估ccRCC方面具有中等敏感性和特异性。这些发现提示,ccLS算法在被纳入作为诊断算法之前仍应进行验证和检验,并将指导临床指南的未来修订。采用T1比值参数的直接数值可能增强ccRCC诊断的准确性。然而,仍需在该领域开展大规模、多中心队列的进一步研究。ccLS算法的持续发展和广泛接受可能在不久的将来减少肾肿瘤诊断中对活检的依赖,促进RCC透明细胞变型的早期发现,并通过以主动监测策略替代可避免的外科手术,减轻SRM管理中可避免手术操作的负担。

引用

  1. Blachura T, Matusik PS, Kowal A, et al. Diagnostic accuracy of the Clear Cell Likelihood Score and selected MRI parameters in the characterization of indeterminate renal masses - a single-institution study. Abdom Radiol (NY). 2024. PMID: 38980404. doi:10.1007/s00261-024-04484-5
  2. 全文:PMC11519214(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11519214/

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。