测量动态对比增强MRI生物标志物的重复性可改进肺癌放疗生物学反应评估
单中心前瞻性研究纳入14例非小细胞肺癌患者共22个可评估病灶,在放疗前及治疗2周时行DCE-MRI,测量Ktrans、ve、vp及肿瘤体积的重复性。Ktrans和肿瘤体积重复性较好且能识别早期生物学反应病灶,而ve虽在队列水平显著变化但无单个病灶出现真实变化。
要点
- Ktrans的组内变异系数为16.45%,肿瘤体积为9.16%,重复性较好。
- vp的组内变异系数达42.44%,重复性差,不适合单独用于病灶评估。
- 基于重复性系数的限值可识别单个病灶的真实变化,优于仅看队列均值。
核心结论
- 识别单个早期生物学反应病灶可提供常规队列统计之外的信息,有助于优先选择进入后续研究的参数。
- Ktrans和肿瘤体积具有可重复性,能在队列和单病灶水平检测治疗早期变化,支持其用于进一步评估放疗和靶向治疗。
研究设计与样本
- 单中心前瞻性DCE-MRI研究,2015年9月至2017年4月招募14例非小细胞肺癌患者,共22个可评估病灶(12个原发肿瘤、8个胸部转移淋巴结、2个远隔转移)。
- 使用1.5T全身扫描仪(Philips Achieva)及Sense XL Torso线圈,冠状面3D T1快速场回波可变翻转角序列,动态采集75个时间点,时间分辨率4.9秒。
- 注射钆特酸葡胺0.05 mmol/kg后计算Ktrans、ve、vp、IAUC60及肿瘤体积,以重复性系数和组内变异系数评估重复性。
关键影像表现/征象
- 所有MRI生物标志物数据呈偏态分布或测量误差随生物标志物大小变化,除治疗前中位IAUC60和中位ve外均偏离正态。
- Bland-Altman图显示仅中位IAUC60的测量误差在生物标志物值范围内恒定。
诊断标准与关键数值
- Ktrans的组内变异系数为16.45%,肿瘤体积为9.16%,中位IAUC60为17.02%,中位ve为9.16%,中位T1为9.16%,平均vp为42.44%。
- 基于重复性系数的不对称限值:Ktrans中位变化超过限值视为真实变化,文献阈值40%变化与重复性系数限值接近。
- 肿瘤体积基于1D RECIST和2D WHO标准的阈值分别为增加72.8%和减少65.7%,而重复性系数限值为−22.37%和+28.82%。
临床应用与阅片要点
- 作者认为Ktrans和肿瘤体积可作为进一步评估放疗和靶向治疗的候选生物标志物,但需在更大研究中验证其预测临床反应的关系。
- 作者指出测量生物标志物重复性不仅提供精度信息,还增进对肿瘤微环境早期病理生理变化的理解。
局限性
- 局限性包括仅分析一个数据集并使用单中心数据,但作者认为这些局限在部署DCE-MRI生物标志物的文献研究中具有代表性。
- 具体发现可能与其他小研究不同,但数据需评估正态性、精度可测量并能改进生物学反应评估的原则具有普遍性。
- 需要进一步工作确定其他作者是否能获得与本文报告相似的数据。
- 生物标志物变化与后续临床反应之间的预测关系必须在更大研究中进一步评估。
全文中译18 节 · 点击展开
引言
功能成像能够检测和监测靶向治疗[1]和常规放化疗[2]引起的肿瘤微环境早期变化。示例包括:使用18F-氟脱氧葡萄糖(FDG)正电子发射断层扫描-计算机断层扫描(PET-CT)测量葡萄糖代谢升高[3],使用弥散加权成像测量细胞结构和密度的改变[4],使用氧增强磁共振成像(MRI)或乏氧PET方法检测乏氧的存在[5, 6],以及使用动态对比增强MRI(DCE-MRI)检测灌注改变[7]。在这些技术中,治疗后测量指标的早期变化可用于识别新的药物靶点(如代谢或血管生成)并量化对这些治疗的“生物学反应”。此外,这些生物学反应可能预测随后由RECIST和其他评估系统定义的“临床反应”[8]。
源自MRI和其他模态的测量数据被称为“成像生物标志物”。在肿瘤学中,这些数据提供对微环境的无创、序列性、三维、全肿瘤评估,并可展示同一患者多个病灶中的差异性生物学反应[9, 10]。当充分发挥其潜力时,这些数据可为肿瘤生物学和治疗作用机制提供重要见解[1, 2]。然而,很少有成像生物标志物被转化为临床决策工具[9]。
测量精密度是生物标志物转化中一个报道不足但重要的步骤[11]。它可通过生物标志物值的单中心重复性来量化[9],这些数据可用于两个目的。首先,它们提供了文献基准,以评估该生物标志物相对于其他研究的技术性能。其次,可将治疗效果的大小与重复性指标进行比较,以确定治疗引起的生物标志物变化是否超过日常变异所预期的量[12, 13]。
在本研究中,我们评估了接受放疗为基础方案治疗的非小细胞肺癌(NSCLC)患者的DCE-MRI生物标志物重复性指标。DCE-MRI是一种已广泛应用于临床试验环境中的技术,用于评估抗血管药物引起的血流和通透性变化[7],也已被用于评估标准治疗后的肿瘤微血管系统类似变化。放疗在几乎所有肺癌患者的管理中发挥重要作用[14]。尽管已知DCE-MRI在NSCLC患者中可行[15],具有可接受的评估者间和评估者内信度[16],并能够检测(放)化疗后的微环境变化[17],但这些生物标志物在该环境下的重复性尚不清楚。
主要目的是估计NSCLC中DCE-MRI生物标志物的重复性。次要目的是展示重复性估计如何识别哪些靶病灶表现出早期生物学反应,并将这种治疗反应评估与从传统队列统计中获得的结果进行比较。
材料与方法
已获得The Christie NHS Foundation Trust机构审查委员会批准(编号:15/NW/0264)。所有患者均提供书面知情同意。
研究设计
2015年9月至2017年4月期间,从单中心前瞻性招募了适合接受根治性放疗(单纯放疗或联合诱导化疗或同步化疗)的非小细胞肺癌(NSCLC)患者。纳入标准为年龄≥18岁、组织学或细胞学确诊NSCLC、美国东部肿瘤协作组体能状态评分≤2分且血清肌酐<120 μmol/L。合并慢性阻塞性肺疾病者仅在一秒用力呼气容积大于1升或肺功能检查预测值>40%时方可纳入。远处转移患者仅在适合根治性治疗时才纳入。排除标准为MRI的标准禁忌证。
患者在治疗前基线时接受动态对比增强磁共振成像(DCE-MRI)扫描。在条件允许时进行重测和重复基线扫描。放疗采用直线加速器调强放疗(55 Gy分20次或60 Gy分30次)。患者在治疗2周时接受最终DCE-MRI扫描[18]。
MRI数据采集
MRI数据采用1.5-T全身扫描仪(Philips Achieva,Philips Medical Systems)配合Sense XL Torso(DCE-MRI)线圈采集。首先进行初始定位和解剖扫描。随后在冠状面采集DCE-MRI数据。
对比剂前T1值采用冠状面3D T1快速场回波可变翻转角方案估算(重复时间3.3 ms;回波时间1.43 ms;α=2°/4°/7°/10°)。视野为450×450×205 mm。采集41层(层厚5 mm)。平面内分辨率为4.69×4.69 mm(由96×96采集矩阵得出)。动态序列采用相同的T1加权采集,视野匹配,在75个时间点上以10°动态采集(时间分辨率:4.9 s)。在6次测量后,使用Spectris MR(Medrad Inc)动力注射器经前臂静脉以1.5 mL/s注射0.05 mmol/kg钆特酸葡甲胺(Dotarem®,Guerbet),随后注射生理盐水。
MRI生物标志物推导
肿瘤感兴趣区(ROI)由一名委员会认证的放射科医师(J.P.B.O’C.,18年经验)使用Jim 6软件(Xinapse systems)在冠状面钆对比剂增强后T1加权图像上勾画。纳入最大轴面径≥2.5 cm的病灶。非线性微分同胚图像配准(stnava.github.io/ANTs)校正动态序列期间的呼吸和患者运动。随后将肿瘤ROI转移至动态序列并检查空间准确性。计算病灶全肿瘤体积(WTV),单位为cm³。由独立观察者(R.A.L.)执行质量控制步骤,包括检查方案依从性、T1阳性对照评估、肿瘤内钆后有效摄取曲线的存在以及运动校正后残余运动的存在。
对每位患者从胸主动脉测量输入函数。根据Kety示踪剂动力学模型的扩展Tofts版本计算容积转移常数(Ktrans)、血管外细胞外间隙分数容积(ve)和血浆分数容积(vp)[19]。还计算了无模型注射后60秒内钆对比剂浓度-时间曲线下初始面积(IAUC60)[20]。所有参数均对每个个体肿瘤逐体素计算。IAUC60、Ktrans、ve和T1的中位数以及体素间的平均vp由每个肿瘤感兴趣区(ROI)的强化部分确定[21],强化部分定义为IAUC60 > 0(单侧配对样本t检验,p < 0.05)[22]。分析使用内部软件进行[23]。
生物标志物分布的评估
每种MRI生物标志物(WTV、T1和DCE-MRI指标)在治疗前(以下简称“基线”)和第2周的数据分布均用直方图评估。通过检查基线时平均值(均值或中位数)的队列分布来确定正态性。使用Shapiro-Wilks检验识别偏离正态分布的情况。表现出非正态分布和/或测量误差明显变异的参数(见下文)进行了对数转换。
生物标志物可重复性的估计
生物标志物可重复性是指其在一组可重复条件下的测量误差大小,按照定量成像生物标志物联盟的建议进行估计[11]。统计模型设定的详细信息见补充材料和方法。
简言之,使用Bland-Altman图[24]表示每个病灶重复测量的均值并比较其差值,从而展示生物标志物在测量值范围内的变异趋势。当变异不恒定时,对数据进行对数转换。该变异被定义为病灶内变异(下文记为 ),可重复性指标通过指定并拟合随机效应模型从中导出[25]。
可重复性系数(RC)定义为在相同条件下进行的任意两次重复测量之间在双侧显著性水平0.05下的最小显著差异[11]。超过+RC阈值或低于−RC阈值(一致性限,LOA)的参数变化可被视为真实变化而非归因于测量误差,置信水平为95%(下文“真实变化”一词即用于此特定含义)。
当不能假定正态分布或病灶内方差随生物标志物大小而变化时,通常报告病灶内变异系数(wCV),其定义为病灶内标准差与重复测量均值之比,以%表示。
我们计算了非对称LOA:当MRI生物标志物呈对数正态分布时,参数的标准差与均值成比例变化, 也可表示为 ,其中 是对数转换数据的病灶内方差[13]。在对数尺度上, 可按 [13]计算。这在对数尺度回转换为原始尺度时提供非对称LOA:
使用混合效应模型估计队列平均治疗效应的生物标志物估计
对于每种生物标志物,通过计算从基线到第2周的百分比变化(基于对数转换数据),拟合混合效应模型(其中随机效应解释患者内病灶的聚类,扫描时间点(治疗前、第2周)作为固定效应纳入),在队列中检查治疗反应(见补充材料和方法)。当固定效应参数估计值显著不同于零时,判定随时间存在显著的治疗效应。对于有两次基线扫描的患者,两次扫描的平均值确定基线生物标志物值。
识别显示显著治疗效应的个体病灶
对于每种MRI生物标志物和每个病灶,使用瀑布图表示从治疗前值到第2周的百分比变化[7]。我们确定了超过重复性分析所得不对称重复性系数(RC)一致性界限(LOA)的个体病灶变化的频率。此外,在可获得的情况下,应用了基于文献的阈值。我们使用了已发表的Ktrans中位数变化40%(任一方向)的阈值[26]。对于全肿瘤体积(WTV),我们基于一维RECIST[8]和二维世界卫生组织(WHO)大小变化标准[27]推导了阈值,其中增加72.8%和减少65.7%表示变化(详情见补充材料和方法)。
统计分析
所有统计检验均使用Stata/BE 17.0(StataCorp LLC)进行。所有检验使用0.05的显著性水平。职业统计学家(N.P.)为统计担保人。
结果
总体而言,共招募14名患者(平均年龄67岁+/−12,8名男性)。他们共有22个肿瘤,包括12个原发性肺癌、8个胸部转移性淋巴结和2个视野内远处转移灶。患者详情、人口学特征及其病灶见表1。除患者4接受同步放化疗外,所有患者均已完成诱导化疗或不符合化疗条件。因此,MRI生物标志物的变化被认为主要归因于放疗。样本图像见图1。
生物标志物分布评估
直方图显示,除治疗前IAUC60中位数和治疗前ve中位数外(图2A、B和补充表S1),所有MRI生物标志物参数均呈偏态分布,偏离正态性。基线MRI生物标志物重复测试数据的Bland-Altman图(图2C)显示,仅在IAUC60中位数的生物标志物值范围内测量误差保持恒定。因此,所有生物标志物均进行了对数转换。
生物标志物重复性估计
图3显示了每个参数的治疗前基线生物标志物的绝对值。wCV范围从WTV的9.16%到平均vp的42.44%(表2)。同时还列出了非对称LOA值。仅原发肿瘤和仅淋巴结病变的数据与总体队列的重测重复性相似,见补充表S2和S3。
基于混合效应模型的队列平均治疗效应生物标志物估计
队列水平从基线至第2周的变化显示,中位IAUC60、中位Ktrans、中位ve升高及WTV降低具有显著变化。不同的是,平均vp和中位T1未见显著变化(表3)。仅原发肿瘤和仅淋巴结病变的数据与总体队列变化数据相似,见补充表S4和S5。
识别显示显著治疗效应的个体病变:非对称RC LOA
使用非对称RC LOA,每种DCE-MRI生物标志物从基线至第2周显示真实变化的频率见图4。在平均值上显示队列水平显著变化的生物标志物在个体病变中呈现三种不同的变化模式:少数病变同向变化:中位IAUC60和中位Ktrans分别在两个和四个个体病变中出现与显著总体队列效应同向的真实增加
无任何变化:尽管存在显著的总体队列效应,中位ve在任何个体病变中均无真实变化
异向变化:WTV显示队列水平显著降低,而个体病变显示多样化的真实变化,7/22降低、2/22增加,另有13/22病变的变化未超出RC LOA。
最后,在队列水平无统计学变化的生物标志物在任何个体病变中均无真实变化(中位T1),或仅有一个病变出现变化(平均vp)。
识别显示显著治疗效应的个体病变:文献阈值
比较了文献阈值方法与非对称RC LOA方法显示真实变化的病变频率。Ktrans的文献阈值(40%变化提示生物学应答)与非对称RC LOA估计值接近。因此,判定为显示真实变化的病变数量相似(此处为5个而非4个)。
然而,对于WTV,基于RECIST的尺寸变化评估显著大于非对称RC LOA(−65.7%和+72.8%对比−22.37%和+28.82%)。因此,基于RECIST的评估意味着仅有一个病变出现真实变化——为缩小——与非对称RC LOA评估方法差异显著,且与队列变化方向相反。
讨论
在本研究中,我们试图通过测量重复性来定义DCE-MRI生物标志物的精确度。我们还试图确定重复性数据是否能够在单个病灶水平上对生物学反应进行统计分析,从而增强传统的基于队列的治疗效果评估。
我们使用了一个小型但具有代表性的功能成像数据集来解决这些问题。所有MRI生物标志物数据要么呈非正态分布,要么容易出现取决于生物标志物大小的测量误差,或两者兼有。这需要对数据进行对数转换,并确定了哪些统计分析适用于重复性评估。我们的发现可以概括为四个关键信息。
首先,MRI重复性使用wCV和%RC值报告,以便与文献进行比较。最常被引用的生物标志物Ktrans的wCV为16.45%,与文献中妇科盆腔肿瘤的wCV值20.3%[28]、前列腺肿瘤的11.0%和20.1%[29, 30]、原发性肾癌的15.6%[31]以及结直肠肝转移瘤的15.4%和24%[18, 32]相当。这表明Ktrans的重复性在伴有胸部病灶的NSCLC患者中是可接受的。这些wCV值与其他成像模态获得的生物标志物相似,如多项研究中[18F]FDG PET-CT的SUVmax[33]。
其次,可以在来自同一数据、具有同等约束条件(如大小变化和肿瘤运动)的不同生物标志物之间比较重复性。我们测量了DCE-MRI生物标志物,包括无模型IAUC60和扩展Tofts模型参数(Ktrans、ve、vp),以及原生T1和WTV。我们发现IAUC60和Ktrans——两种最广泛使用的DCE-MRI生物标志物——的精确度差异可忽略不计,这与部分文献一致[34],尽管其他研究报告了两倍的差异[32]。与既往研究[18, 35]一样,我们发现WTV具有高度重复性,wCV低于10%,但vp的精确度非常差,wCV接近50%。
第三,队列水平分析可以识别随治疗变化的生物标志物,而混合效应模型在患者病灶数量可变的研究中增加了数据纳入量。由于某些MRI生物标志物(中位IAUC60、中位Ktrans、中位ve和WTV)的队列变化显著,而其他生物标志物(平均vp和中位T1)则不显著,因此即使是小型研究也可以识别出最佳候选生物标志物,用于后续更大规模的研究。
第四,重复性数据通过识别单个病灶中真实变化的频率,提供了关于生物学反应的补充信息。我们的数据显示,某些生物标志物(此处为ve)可以在没有任何单个病灶变化超出非对称RC LOA的情况下表现出显著的队列变化。与之不同的是,其他生物标志物(此处为中位IAUC60和中位Ktrans)不仅表现出显著的队列变化,还在某些单个病灶中显示出显著变化。此外,其他生物标志物(此处为WTV)可以在队列水平显示显著变化,但单个病灶以可变方式变化(增大、无变化或缩小)。最后,存在不同的方法来识别哪些病灶表现出真实变化(文献阈值而非非对称RC LOA),方法的选择可以显著改变对队列中真实变化频率的解释。
本研究的局限性包括仅分析了一个数据集以及使用单中心数据,但这些局限性在文献中大多数应用动态对比增强磁共振成像(DCE-MRI)生物标志物的研究中具有代表性。具体研究结果将与其他小型研究的结果有所不同,但其原则——数据需要进行正态性评估、精密度可以被测量并可改善对生物学反应的评估——具有普遍适用性。理论上,像本文所呈现的研究数据可以外推至作为常规临床实践一部分接受功能成像的患者。然而,需要进一步研究以确定其他作者是否能获得与本文报告相似的数据。
检测治疗后早期病理生理变化的生物标志物研究可能为个体化治疗提供见解。然而,该生物标志物变化与后续临床反应之间的预测关系必须在更大规模的研究中进一步评估。
总体而言,我们的研究数据表明,测量生物标志物的可重复性不仅提供了关于精密度的有用信息,还增进了对肿瘤微环境中早期病理生理变化的理解。
补充信息
补充材料
引用
- Sridharan N, Salem A, Little RA, et al. Measuring repeatability of dynamic contrast-enhanced MRI biomarkers improves evaluation of biological response to radiotherapy in lung cancer. Eur Radiol. 2024. PMID: 39122855. doi:10.1007/s00330-024-10970-7
- 全文:PMC11782379(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11782379/
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。