以质子密度脂肪分数为参考的双层光谱探测器CT检测肝脂肪变性
多中心前瞻性纳入320例受试者,同日行MRI-PDFF与肝脏双层光谱探测器CT检查,按MRI-PDFF分为正常、轻度及中重度脂肪变性组;SDCT参数尤其是Zeff与PDFF强相关,Zeff诊断任何脂肪变性的AUC为0.930、诊断中重度脂肪变性AUC为0.983,对应阈值分别为7.12和6.94。
要点
- Zeff诊断任何脂肪变性AUC 0.930,阈值7.12,敏感度89.4%、特异度82.4%。
- Zeff诊断中重度脂肪变性AUC 0.983,阈值6.94,敏感度93.1%、特异度93.5%。
- Zeff与PDFF相关性rs=-0.856,优于CTpoly及L/S比值的诊断表现。
核心结论
- 以MRI-PDFF为参考,基于SDCT的Zeff对肝脂肪变性的检测和分级能力优于常规CT的CTpoly值和L/S比值,检测任何脂肪变性和中重度脂肪变性的阈值分别为7.12和6.94。
- SDCT肝脏参数尤其是Zeff与PDFF强相关(rs=-0.856,p<0.001)。
- 作者认为Zeff作为一种更便捷、准确的影像生物标志物,可能作为MRI-PDFF的替代指标,用于探索肝脂肪变性分期和预后乃至代谢风险评估。
研究设计与样本
- 多中心前瞻性诊断准确性研究,遵循诊断准确性研究报告标准,获当地医院机构审查委员会批准(KYCS2022539)。
- 2022年9月至2023年6月从四家中国社区医院中心连续纳入332例受试者,排除幽闭恐惧症2例、胸腰椎金属植入物2例、呼吸配合差8例后,320例同日完成有效MRI-PDFF序列扫描和腹部SDCT检查并分析。
- 320例中242例来自主要研究医院,另78例来自其他三家医院;受试者来自体检中心,年龄18岁及以上。
- 参考标准为3-T磁共振扫描仪(Philips Ingenia)mDIXON-QUANT序列生成的PDFF图;SDCT采用64层双层光谱探测器CT(IQon Spectral CT,Philips Healthcare)。
- PDFF分级标准:正常MRI-PDFF<6.4%,轻度6.4%≤MRI-PDFF<17.4%,中重度MRI-PDFF≥17.4%。
关键影像表现/征象
- SDCT肝脏参数随脂肪变性分级升高而一致性降低,正常、轻度、中重度三组间差异均有统计学意义(均p<0.001)。
- 代表性病例为41岁男性(BMI 28.55 kg/m2)轻度脂肪变性,PDFF=7.3%,CT40kev=38.10 HU,Zeff=7.06,λ=-0.63,CTpoly=58.00 HU,L/S比值=1.13;Zeff图像与PDFF分级一致,而CTpoly和L/S比值将其归为正常组。
诊断标准与关键数值
- 任何脂肪变性:Zeff(≤7.12)AUC 0.930,敏感度89.4%、特异度82.4%;CTpoly(≤55.6 HU)AUC 0.854;L/S比值(≤0.97)AUC 0.879。
- 中重度脂肪变性:Zeff(≤6.94)AUC 0.983,敏感度93.1%、特异度93.5%;CTpoly(≤44.0 HU)AUC 0.958;L/S比值(≤0.80)AUC 0.955。
- Zeff诊断任何脂肪变性优于CTpoly(AUC 0.930 vs 0.854,p<0.001)和L/S比值(AUC 0.930 vs 0.879,p=0.008)。
- Zeff诊断中重度脂肪变性优于CTpoly(AUC 0.983 vs 0.958,p=0.035)和L/S比值(AUC 0.983 vs 0.955,p=0.028)。
- 高BMI(>25.0 kg/cm2)和低BMI亚组中,Zeff诊断任何脂肪变性及中重度脂肪变性的AUROC均超过0.90,敏感度大于90.00%、特异度超过75.00%。
临床应用与阅片要点
- 作者认为SDCT可作为初始识别和量化肝脂肪变性的有效机会性筛查工具。
- 作者指出与超声和MRI相比,腹部CT扫描的可行性达100%,且双能CT使用日益普遍。
- 作者认为基于SDCT的Zeff相比依赖对比剂增强的碘浓度测量,无需额外辐射暴露和对比剂负荷。
局限性
- 所有肝脂肪变性均未经肝活检评估,因仅以评估肝脂肪变性为目的行肝活检已不符合伦理,研究改用临床推荐且经验证的MRI-PDFF作为参考。
- 研究中不同级别脂肪变性受试者比例不均,但纳入人群大致符合中国人群中不同脂肪变性级别的比例。
- 尽管对不同医院同型号扫描设备设置了相同参数,但并非所有患者均在同一台设备上完成检查。
- 尽管尽力匹配感兴趣区选择,但CT与MRI-PDFF扫描层厚不同仍可能造成一定测量偏差。
全文中译14 节 · 点击展开
引言
代谢相关脂肪性肝病(MAFLD)影响全球超过20%的人口,且随时间推移持续增加[1, 2]。MAFLD的存在及严重程度对慢性肝病的发生和发病率、代谢紊乱[3, 4]以及心血管疾病[1, 5, 6]具有重大影响。脂肪变性贯穿疾病的整个进展过程,并与肥胖及其他代谢危险因素密切相关[3, 7]。准确评估脂肪变性对于临床实践中管理慢性肝病患者以及临床研究中开展流行病学研究和治疗研究至关重要[8, 9]。因此,一种可靠、精确且无创的影像技术对于准确确定肝脏脂肪变性程度并促进疾病风险分层至关重要。
肝活检仍是诊断和分级肝脏脂肪变性的金标准[10, 11]。然而,这种有创方法不适用于在评估疾病分期或确定疾病进展或治疗反应时广泛使用,且存在采样变异[12, 13]。尽管常规CT在临床环境中广泛用作筛查工具,但其对轻度脂肪肝的检测敏感性有限[14]。既往研究表明,双能计算机断层扫描(DECT)衰减值与体模和动物研究中的甘油三酯含量具有极好的相关性[15],但缺乏在更大规模人群中的验证。此外,肝实质的碘摄取在检测肝脏脂肪变性方面显示出良好的诊断性能[16],但其依赖于增强CT图像。
非增强CT已被用于评估活体肝移植候选者的肝脏脂肪变性[17],以及用于评估肝脏脂肪变性患病率、自然史、预后和治疗的队列研究和临床试验中[18, 19]。作为一种新兴且有前景的影像技术,双层光谱探测器计算机断层扫描(SDCT)已被广泛应用,通过虚拟单能X射线成像和物质分离技术提供比常规CT更多的影像信息[20–24]。近期研究表明,光谱CT的双能减影成像[25]以及基于SDCT的脂肪、碘和体模物质分解算法[26]是定量评估肝脏脂肪含量的有前景的方法。然而,尚未开展遵循诊断准确性研究报告标准指南[27]的SDCT前瞻性诊断研究。本研究旨在以基于磁共振成像的质子密度脂肪分数(MRI-PDFF)作为参考方法[28],评估SDCT肝脏参数对检测和分类肝脏脂肪变性的诊断性能。此外,我们试图确定SDCT肝脏参数的临床适用截断值。
材料与方法
研究参与者
这项多中心前瞻性研究获得了当地医院机构审查委员会的批准(KYCS2022539)。在研究注册之前,所有受试者均提供了书面知情同意。纳入标准包括来自医学检查中心、年龄18岁及以上的受试者。排除标准包括患有腹水和有活动性植入式医疗器械的受试者;有肝叶切除术、肝硬化或血色病病史的个体;以及呼吸配合不佳和患有幽闭恐惧症的个体。在获得知情同意后,根据纳入和排除标准,于2022年9月至2023年6月期间在四家社区医院中心连续纳入共332名参与者,随后我们排除了2名患有幽闭恐惧症的受试者、2名胸腰椎有金属植入物的受试者和8名呼吸配合不佳的受试者。因此,最终进一步分析了320名当天具有有效MRI-PDFF序列扫描和腹部SDCT的受试者(图1)。其中,242名受试者来自我们的主要研究医院,另外78名受试者来自其他三家医院。受试者的实验室数据在CT扫描前后1个月内测量;如果进行了多次测量,则取最接近肝脏SDCT检查日期的实验室数据。
参考标准:MRI质子密度脂肪分数技术
来自四家医院的受试者均在各自医院同一台3-T磁共振扫描仪(Philips Ingenia,Philips Healthcare,Best,荷兰)上进行检查,我们设置了相同的扫描参数。首先采集三平面定位成像梯度回波序列,随后采集基于mDIXON技术的3D多回波GRE序列。mDIXON-QUANT序列采用以下设置采集:6个回波时间(首个TE 0.97 ms,增量TE 0.7 ms)和TR 5.6 ms,3°翻转角,平均信号数1,矩阵大小 = 160 × 140,视野 = 400 × 350 mm,层数 = 77,层厚 = 3 mm。该序列自动生成水、脂肪、脂肪分数、R2*和T2*图。两名经验丰富的腹部放射科医师(分别具有6年和8年经验)在扫描后一周和六周测量PDFF值,且对临床数据设盲。绘制位于肝右叶的肝脏圆形感兴趣区(ROI),面积约300 mm2(偏差 < 10 mm2),同时避开肝内血管、胆管结构、局灶性肝脏病变和成像伪影。ROI放置与CT并排进行(详见后文图5),以尽可能匹配ROI放置位置。
根据既往文章[29],脂肪变性分级定义为:正常为MRI-PDFF < 6.4%,轻度脂肪变性为6.4% ≤ MRI-PDFF < 17.4%,中度和重度脂肪变性为MRI-PDFF ≥ 17.4%。
SDCT采集
所有成像均使用64排双层光谱探测器CT(SDCT)扫描仪(IQon Spectral CT,Philips Healthcare,Best,荷兰)进行。所有上腹部CT的扫描范围从肝顶至肾下极下方1 cm,采用吸气末屏气。扫描参数包括管电压120 kV、自动管电流调制技术(剂量指数 = 22 参考值:162 mAs)、旋转时间0.75 s、螺距1.172:1、图像厚度3.0 mm。原始数据采用光谱迭代重建算法(第3级)重建,生成光谱基图像数据集。SDCT肝脏参数通过常规多色(120 kVp)图像(CTpoly)、40 keV(CT40kev)和70 keV(CT70kev)虚拟单能图像、光谱衰减曲线斜率[λ HU,λ HU = (CT40kev − CT70kev)/30]、有效原子序数(Zeff)及肝脾衰减比(L/S比)进行评估。为在SDCT生成的多参数图像上手动勾画相似的感兴趣区(ROI),尽可能建立匹配的质子密度脂肪分数(PDFF)图。两名放射科医师——对临床数据和PDFF结果设盲——测量肝实质参数。同时,在经右肝门静脉的横断面图像上勾画脾脏ROI以估算脾脏衰减值。在肝脏和脾脏测量达到一致性后,由均值计算λ和L/S比。
样本量估算
样本量估算使用PASS 2021版本21.0.3软件执行。此前尚未有利用SDCT肝脏参数进行的研究;因此,样本量基于预实验 findings 确定。预期检测任何脂肪变性的受试者工作特征曲线下面积(AUROC)为0.850,检测中/重度(mod/sev)脂肪变性为0.920,置信区间(CI)为(1-α)且α设为5%,标准误水平为5%,SDCT和PDFF测量共需要282名受试者。假设脱落率为15%,最终受试者数量确定为332名。
统计分析
统计分析使用SPSS Statistics V 26.0(IBM Corporate,纽约,美国)软件执行。非正态分布变量以四分位间距表示,正态分布变量以均数 ± 标准差表示。采用组内相关系数(ICC)评估观察者间一致性,采用Bland–Altman分析评估观察者偏倚。MRI-PDFF与SDCT肝脏参数之间的关联采用Spearman相关系数确定。采用Kruskal–Wallis检验比较三组间的SDCT肝脏参数,采用Mann-Whitney U检验比较两组间。受试者工作特征(ROC)曲线分析确定SDCT肝脏参数识别任何脂肪变性和中/重度脂肪变性的诊断准确性。曲线下面积(AUC)比较遵循DeLong等人提出的方法,p值 < 0.05表示差异有统计学意义。
结果
测量一致性评估
PDFF测量的观察者间一致性极好(ICC = 0.976;95% CI:0.970–0.980),CT40kev测量(ICC = 0.974;95% CI:0.967–0.979),CTpoly测量(ICC = 0.917;95% CI:0.898–0.933),Zeff测量(ICC = 0.960;95% CI:0.951–0.968)。我们还分析了两位不同观察者之间不同CT参数的系统偏差(补充图1)。各定量参数之间未发现统计学显著偏差,且大偏差数量控制在5%以内。因此,所有计算和统计比较均采用两次测量的均值。
SDCT肝脏参数分布及相关性评估
分析了SDCT肝脏参数在不同脂肪变性分级组间的分布,如表2和图2所示。SDCT肝脏参数随肝脏脂肪变性分级增加而持续降低,正常组、轻度组和中/重度组之间的差异具有统计学显著性(均p < 0.001)。MRI-PDFF与SDCT肝脏参数之间的线性关系见图3。散点图显示,在总体人群中肝脏多参数与PDFF之间存在显著相关性,尤其是Zeff(rs = −0.856;p < 0.001)。
以MRI-PDFF为参考技术评估SDCT肝脏参数的诊断效能
表3和图4分析了SDCT肝脏参数的AUROC和诊断效能,以及采用Youden指数确定的用于判断脂肪变性存在和中/重度脂肪变性的截断值。Zeff(≤ 7.12)在诊断脂肪变性存在方面优于CTpoly(≤ 55.6 HU)(AUC:0.930 vs 0.854,p < 0.001)和L/S比值(≤ 0.97)(AUC:0.930 vs 0.879,p = 0.008)。Zeff(≤ 6.94)在从正常和轻度脂肪变性中诊断中/重度脂肪变性方面也优于CTpoly(≤ 44.0 HU)(AUC:0.983 vs 0.958,p = 0.035)和L/S比值(≤ 0.80)(AUC:0.983 vs 0.955,p = 0.028)。
如图5所示,一例轻度脂肪变性 representative 病例被SDCT-Zeff正确诊断,而被常规CT肝脏参数(CTpoly和L/S比值)误诊为正常人。不同SDCT肝脏参数在区分肝脏脂肪变性分级方面的诊断效能见图6。使用CTpoly作为诊断参数,168名受试者(52.5%)被诊断为正常,70名受试者(21.9%)为轻度,82名受试者(25.6%)为中/重度脂肪变性,导致16名受试者(5.0%)轻度肝脏脂肪变性被误诊为正常,24名受试者(7.5%)轻度肝脏脂肪变性被误诊为中/重度脂肪变性。然而,使用SDCT-Zeff作为诊断参数,128名受试者(40.0%)被诊断为正常,121名受试者(37.8%)为轻度,71名受试者(22.2%)为中/重度脂肪变性。相比之下,仅24名受试者(7.5%)被误诊为存在脂肪变性,表明Zeff提高了诊断准确性,区分任何脂肪变性的准确率为86.9%,区分中/重度脂肪变性的准确率为93.5%。
Zeff在亚组中对脂肪变性分级诊断能力的评估
为评估Zeff的诊断性能,我们进一步分析了其在不同亚组中的诊断准确性,如表4所示。结果表明,在高BMI(> 25.0 kg/cm2)和低BMI组中诊断任何脂肪变性和中/重度脂肪变性时,Zeff的AUROC始终超过0.90,灵敏度大于90.00%,特异度超过75.00%。
讨论
我们的研究表明,SDCT肝脏参数在区分是否存在肝脂肪变性和中/重度脂肪变性方面优于常规CT参数,尤其是Zeff具有最佳灵敏度,相应阈值分别为7.12和6.94。SDCT-Zeff还表现出良好的可重复性,且不受BMI影响,有望为与肝脂肪变性相关的高危代谢疾病的早期发现提供无创指导。
MRI-PDFF已成为无创定量肝脏脂肪变性的参考标准。然而,在大多数医院中,将其用于广泛的脂肪肝筛查和纵向研究并不切实际。SDCT是一种日益广泛使用的双能量CT技术,它利用两层探测器,使用标准CT协议同时从所有受试者获取低能量和高能量数据。它能够通过在广泛能量水平上提供光谱和定量虚拟单能量图像结果(包括λ HU和Zeff)来实现全面的组织表征[30, 31]。据我们所知,这是第一项使用非增强SDCT获得的定量参数在人群中评估肝脏脂肪变性的研究。本研究结果表明,在诊断是否存在任何脂肪变性和中/重度脂肪变性方面,Zeff的诊断性能优于其他SDCT肝脏参数。潜在机制可能是Zeff值反映了各种细胞、化合物或材料混合物的复合原子特征,这可能有助于区分电子密度非常相似且CT衰减值相同的不同组织类型[32, 33]。多项研究表明,Zeff可以描述组织特征[34, 35],而CT值代表材料原子序数及其密度的组合,因此CT值难以区分和分类不同类型的组织[36]。
既往研究[15]表明,CT衰减在定量甘油三酯含量方面优于DECT脂肪密度和Zeff测量,因此,除了常规CT所能提供的信息外,它并不能实现体内肝脏脂肪的定量。这可能与我们的研究结果相矛盾。然而,Zeff与MRI-FF之间的相关性(r2 = 0.67,p < 0.001)低于我们的研究结果(|rs| = 0.856,p < 0.001)。此外,该研究基于动物实验结果,尚未在人群中得到验证。Tomoko Hyodo[37]表明,基于多材料分解(MMD)算法的定量肝脏脂肪是一种可重复且准确的成像方法。然而,MMD算法的发展依赖于GE双能量CT设备,而SDCT上的物质分解算法目前尚未在临床实践中广泛应用[26]。Beck[16]的研究得出结论,DECT上碘浓度的测量可为定量碘图像中肝脏脂肪变性的检测提供合适的方法,其性能与我们的基于SDCT扫描的研究相当(AUC:0.937 vs 0.930),而我们的研究不需要额外的辐射暴露和对比剂负荷。此外,脂肪变性的存在和严重程度可以被敏感且精确地诊断,为广泛的临床应用奠定了基础。
既往研究表明,BMI可能影响肝脏脂肪变性的评估,尤其是受控衰减参数(CAP)在检测中/重度脂肪变性方面,因此,M探头常用于BMI < 30 kg/m2的参与者,XL探头用于BMI ≥ 30 kg/m2的参与者,然而,我们发现与XL探头相比,M探头在同一患者中会低估CAP值。因此,在解读肝脏脂肪变性患者的CAP值时,应考虑探头类型[38]。然而,亚组研究结果显示,Zeff在各BMI组中均保持了良好的鉴别诊断能力。这可能归因于CT与超声(US)扫描成像原理的差异[39],即超声受到探头类型及从皮肤到肝包膜深度等因素的影响。基于上述研究结果,我们得出结论:肝脏多参数指标作为临床实践中广泛用于评估脂肪变性的定量方法,表现出优异的技术性能。与超声和MRI相比,其可行性高达100%。腹部CT扫描的利用率显著超过MRI,尤其是在接受体检的人群中。此外,双能CT的使用正日益普遍。因此,SDCT可作为有效的机会性筛查工具,用于肝脏脂肪变性的初步识别和定量。
我们的研究存在若干局限性。首先,所有肝脏脂肪变性均未通过肝活检评估,因为仅以评估肝脂肪变性为目的进行肝活检已不符合伦理。相反,我们使用MRI-PDFF作为参考,这是临床实践中推荐且经过验证的脂肪变性定量方法。其次,本研究中不同脂肪变性分级受试者的比例不均衡,但纳入人群大致符合中国人群中不同脂肪变性分级的比例[40]。第三,尽管我们对不同医院同型号扫描设备设置了相同参数,但并非所有患者均在同一设备上完成检查。第四,尽管我们在研究中尽最大努力匹配ROI选择,但由于CT与MRI-PDFF之间扫描层厚不同,仍可能存在一定测量偏差。
结论
以MRI-PDFF为参考,基于SDCT扫描的Zeff在检测和分级肝脏脂肪变性方面优于常规CT的CTpoly值和L/S比,检测脂肪变性存在及中/重度脂肪变性的阈值分别为7.12和6.94。这可能为临床实践和研究中无创脂肪肝检测及与脂肪肝相关的代谢紊乱风险分类带来新机遇。
补充信息
补充图1
补充图1图注
引用
- Wang M, Chen H, Ma Y, et al. Dual-layer spectral-detector CT for detecting liver steatosis by using proton density fat fraction as reference. Insights Imaging. 2024. PMID: 39145877. doi:10.1186/s13244-024-01716-6
- 全文:PMC11327236(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11327236/
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。