文献速递泌尿生殖妇产影像腹部CT

基于CT的影像组学预后向量(RPV)预测高级别浆液性卵巢癌生存与间质组织学:一项外部验证研究

CT-based radiomic prognostic vector (RPV) predicts survival and stromal histology in high-grade serous ovarian cancer: an external validation study.
PubMed 文献 · Eur Radiol · 2024-12-11

在198例高级别浆液性卵巢癌患者(244个卵巢病灶)中外部验证基于CT的影像组学预后向量(RPV)。多变量Cox分析显示RPV-high与更差的总生存相关(HR 3.17,95%CI 1.32–7.60,p=0.0099),且RPV-high病灶纤连蛋白表达的间质含量更高(均值48.9% vs 14.9%,p<0.0001)。RPV评分与无进展生存无显著相关。

要点

  • 术前CT上RPV-high的HGSOC卵巢肿块,原发手术后总生存显著更差(HR 3.17,95%CI 1.32–7.60)。
  • RPV-high病灶纤连蛋白表达的间质含量均值48.9%,高于RPV-low的14.9%(p<0.0001)。
  • RPV评分与无进展生存无显著相关,原文未报告PFS的HR数值。

核心结论

  • 术前CT上RPV-high的HGSOC卵巢肿块患者原发手术后总生存显著更差,且间质含量更高,外部验证了RPV及其生物学解释。

研究设计与样本

  • 回顾性观察性队列研究,在奥地利维也纳医科大学ESGO认证中心纳入2002年5月至2017年10月接受初次肿瘤细胞减灭术的HGSOC患者。
  • 198例患者共244个卵巢病灶用于RPV评分计算,患者平均年龄59.8岁(范围34–92岁)。
  • CT为仰卧位、双臂上举、门静脉期增强扫描,因回顾性设计及长研究周期使用不同厂商机器和不同协议。
  • 由两名经验丰富的放射科医生(分别7年和19年经验)共识阅片识别原发卵巢肿瘤,由初级放射科医生用ITK-SNAP手动分割,高级放射科医生复核调整。
  • 分割包括完整输卵管卵巢肿块(含囊性和实性成分),排除性腺血管蒂、游离腹水、腹膜种植及邻近肠管;双侧肿瘤可分离时分别分割。

关键影像表现/征象

  • CT上病灶中位大小11.28 mm(范围2.48–22.75 mm),多数为双侧(N=97),右侧N=54、左侧N=46。
  • 244个病灶中RPV-low 185个(147例,75%)、RPV-medium 50个(40例,20%)、RPV-high 9个(9例,5%)。
  • RPV-high病例纤连蛋白染色显示肿瘤相关间质比例高(棕色),肿瘤细胞密度低(蓝色)。

诊断标准与关键数值

  • RPV为四个影像组学特征的加权、缩放和中心化之和,输出低、中、高三档风险等级,采用原论文相同的决策边界。
  • 多变量Cox分析:RPV-high与总生存相关,HR 3.17(95%CI 1.32–7.60,p=0.0099)。
  • 多变量Cox分析:术后残留病灶与总生存相关,HR 2.04(95%CI 1.30–3.20,p=0.0020)。
  • 多变量Cox分析:FIGO III/IV期与总生存相关,HR 1.79(95%CI 1.11–2.86,p=0.016);年龄不再与总生存相关。
  • Kaplan-Meier:RPV-low或RPV-medium合并组(n=187)与RPV-high组(n=9)总生存差异显著,p=0.0216;RPV-low、-medium、-high三组总生存差异显著,p=0.047;两组分析中PFS均无显著差异。

临床应用与阅片要点

  • 作者认为RPV-high识别出总生存显著更差的5%患者,独立于其他预后因素,支持RPV作为客观的术前临床决策工具。
  • 作者指出RPV软件作为医疗器械未来可能用作客观临床决策支持工具,用于识别可能从初始新辅助化疗而非 upfront 手术中获益的患者。
  • 作者指出该回顾性外部验证是确保安全可推广转化的重要步骤,后续将进行前瞻性测试。
  • 作者指出组织学分析仅能在小部分病例中进行,此工作应在未来研究中扩展。

局限性

  • 作者指出未进行任何额外预处理以复现并保持与原发现研究的一致性,这可能是本研究的一个局限。
  • 作者指出未来分析将聚焦预处理技术的影响,并评估初级与高级标注者盲法读者间差异及与自动化分割工具的比较。
  • 作者指出组织学分析仅能在小部分病例中进行,此工作应在未来研究中扩展。
  • 作者指出本回顾性外部验证后,接下来将进行前瞻性测试。
全文中译12 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:Eur Radiol. 2024 Dec 11;35(6):3110–9. doi: 10.1007/s00330-024-11267-5

引言

医学影像在现代医疗保健中不可或缺,用于疾病的检测和分期,以及肿瘤治疗的计划和监测[1]。计算网络的进步现在允许对生物医学图像进行更深入的探究,这些图像代表了病理生理过程的产物和组织解剖表达[2]。影像组学分析基于提取超出人类感知能力的影像特征。这可能为预测临床参数和支持个性化治疗的循证决策提供独特机会[3]。要将此类深度学习工具应用于临床实践,需要稳健的验证,并且必须包括来自另一中心的外部数据集[4, 5]。在卵巢癌(OC)中,初次手术(化疗前)的患者选择可能具有挑战性,且大多数女性就诊时已处于晚期[6]。识别可能从所有宏观病灶根治性切除中获得最佳结局的女性非常重要,同时应避免对不可能获得有益结局者进行手术。目前正在尝试使用遗传生物标志物[7, 8]和放射影像学评估[9, 10]来改善检测和风险分层。然而,高达四分之一的晚期OC患者在根治性手术后十二个月内复发,尽管肿瘤已完全清除,从而使这些患者手术的价值受到质疑,因为他们可能已从新辅助化疗中获益[11]。目前,尚无可靠方法能够准确将患者分层至手术减瘤,阻碍了个体化治疗的实施。一种基于常规增强CT的新型影像学预后特征,称为影像组学-预后-向量(RPV),能够可靠识别中位总生存期(OS)不足两年的5%患者,且独立于已知预后因素[12]。来自两个独立数据集的转录组学和蛋白质组学分析显示,RPV与基质表型之间存在一致相关性,而基质表型是已知的不良预后指标[12]。在一组原发性结直肠癌伴肝转移的患者队列中,肿瘤-基质相互作用的评估已被报道可独立预测生存和复发,作为不良预后生物标志物[13]。RPV可能有助于识别不太可能从常规 upfront 减瘤手术后续化疗中获益的女性[12]。

本研究旨在评估此前发现的基于CT的RPV是否可应用于外部机构并加以验证,研究对象为接受 upfront 减瘤手术的高级别浆液性卵巢癌(HGSOC)女性患者。

方法

研究设计与患者

这项回顾性、观察性队列研究在妇科开展,纳入在该科接受治疗和手术的患者,该科是欧洲妇科肿瘤学会(ESGO)卓越中心,并且在奥地利维也纳医科大学(MUW)生物医学成像与图像引导治疗科进行影像检查,并与伦敦帝国理工学院合作[12]。获准豁免知情同意,并且当地机构审查委员会批准了对人类数据的回顾性分析(ESC 1919/2016)。检索了当地数据库,以识别在2002年5月至2017年10月期间可获得治疗前腹部和盆腔增强CT扫描的原发性HGSOC女性,以模拟发现数据集中的日期[12]。如果HGSOC有组织病理学确认,并且至少有一个可见的原发性卵巢肿瘤肿块直径等于或大于2 cm,则纳入患者。有其他恶性肿瘤病史、既往双侧输卵管卵巢切除术、或既往卵巢肿块切除、显著影像伪影、图像数据不完整、非增强检查或非HGSOC组织学的患者被排除。收集临床特征,包括年龄、体能状态、国际妇产科联盟(FIGO)分期、肿瘤分级、组织学亚型、术后残余病灶、原发化疗反应、治疗前后CA125、治疗方案、铂耐药、进展日期、疾病进展事件和死亡日期。

成像技术和卵巢原发灶分割

所有增强CT检查均在标准仰卧位、双臂举过头顶的情况下进行,并在标准剂量静脉注射对比剂后于门静脉期采集。由于回顾性研究设计和长期研究期间,CT检查使用来自不同厂商的不同机器和不同方案进行。

CT检查由两名经验丰富且对临床结局设盲的放射科医师协商审阅(G.J.W.,7年经验;A.G.R.,19年经验),以识别原发性卵巢肿瘤肿块及任何排除标准。随后由初级放射科医师使用ITK-SNAP [14]手动分割病灶,包括完整的输卵管卵巢肿块,含囊性和实性成分。主要性腺血管蒂、游离腹水和腹膜种植被排除在分割之外。邻近肠管部分被仔细排除。如果对任何组织的性质存在疑问,则将其排除在分割之外。如果可能存在明确的分离平面,双侧肿瘤分别分割;或者在肿瘤融合的情况下,分割整个肿块。随后由高级放射科医师检查并调整原始分割。

影像组学测量和软件应用交换

RPV最初由Lu等人使用内部TexLAB软件在伦敦帝国理工学院于MATLAB中生成影像组学特征而得[12]。RPV是四个影像组学特征的加权、缩放和中心化总和,这些特征对OS和无进展生存期(PFS)具有强预测作用[12]。我们重现了Lu等人使用的图像分析条件,并使用原生重建CT体积生成特征[12]。

RPV被编码在一款基于TexLAB的轻量级软件中,称为TexLABrpv,该软件仅计算先前定义并选定的特征集,然后输出每位患者的RPV及相关风险等级(低、中、高)。RPV软件授权给奥地利MUW生物医学成像与图像引导治疗系计算成像研究实验室,专门用于现场分析分割后的CT检查,作为独立外部验证,使用与原论文相同的决策边界。RPV工具及其相关配置文件、库和依赖项(使其在外部计算环境中高效无故障运行所必需)以未经修改的原始形式提供,通过运行在容器化放射组学流程中。这种容器化允许整个软件链在不同计算环境和不同成像中心之间轻松部署。

如果患者有两个肿块,两个肿块分别进行RPV分析,并以RPV最高的病灶用于按患者分析。

间质组织评估

为验证先前发现的较高间质成分与较高RPV值之间的关联[12],我们在一个患者亚组中对RPV高和RPV低的病灶进行了间质纤连蛋白免疫组化染色。回顾性检索了本地组织数据库,获取了所有被评为RPV高的病灶的组织标本,以及等量的最低RPV病灶标本,此外还随机选取了三组,每组数量相同(n = 9 × 3,额外病例总数n = 27)或有组织可用的低RPV评级病例,共计评估了36例低RPV病例。这些标本的代表性肿瘤样本按照制造商推荐使用纤连蛋白抗体(Ventana)进行染色,并评估纤连蛋白表达的间质成分。一位经委员会认证的妇科病理专科医师以随机顺序对每个病灶的间质组织含量百分比进行了定性评估。肿瘤间质含量的比例通过视觉估算,并结合其他常规诊断程序,如肿瘤浸润淋巴细胞评估[15]和通过免疫评分进行的(PD-L1)评估[16]。阅片者对原始组织病理学和RPV结果设盲。

统计分析

统计分析使用R3.3.1和MedCalc 15.4版进行。患者年龄、肿瘤分期、残留病灶、复发疾病和死亡采用卡方检验。为评估RPV评分的预后和预测潜力、随访、PFS和OS,采用Cox比例风险模型和Kaplan–Meier分析及log-rank检验。此外,为了解分割差异和RPV可能的输出变化,计算了组内相关系数(ICC)和Cohen's kappa及Pearson和Spearman相关性,以及用于比较初级和高级放射科医师之间分割的Dice统计量。p值等于或小于0.05被视为具有统计学意义。

结果

患者特征

用于RPV外部验证的最终研究队列包括198例患者,共244个高级别浆液性卵巢癌(HGSOC)病灶,这些患者在2002年5月至2017年10月期间于奥地利维也纳医科大学(MUW)生物医学影像与图像引导治疗部拥有可用的影像数据(年龄范围34–92岁;平均年龄59.8岁)。图1展示了从初始数据库检索到用于RPV外部验证的最终研究队列的患者流程。大多数HGSOC病灶为双侧(N = 97),其次为右侧(N = 54)和左侧(N = 46)病灶,CT成像上病灶大小中位数为11.28 mm(大小范围2.48–22.75 mm)。对于双侧病变,46例患者表现为右侧和左侧分开的HGSOC病灶。为将MUW队列与来自伦敦帝国理工学院医疗保健NHS信托Hammersmith医院(HH)的发现数据集(见于[12])进行比较,对患者人口学数据进行了分析。表1显示验证数据集与发现数据集在年龄、病灶分期、初次手术时疾病完全肉眼切除(CGR)、患者随访和OS方面具有良好的可比性。MUW队列的PFS较短,但未达到统计学显著性(p = 0.135,补充图S1)。MUW队列在随访期间疾病复发的患者数量(64.1%)多于HH队列(48.2%),p = 0.00025,尽管HH队列中有20例(8.9%)复发状态未知。MUW队列的进一步临床数据见补充表S1。

图1 从2022年5月至2017年10月在MUW生物医学影像与图像引导治疗部数据库检索中获得的最终MUW HGSOC患者的流程图。HGSOC,高级别浆液性卵巢癌;MUW,维也纳医科大学外部验证队列 查看原图 ↗
表1 奥地利MUW与伦敦帝国理工学院医疗保健NHS信托HH队列患者人口学数据的比较 查看原表 ↗

RPV的外部验证

在MUW队列的244个病灶(196例患者)中,185个附件病灶(147例患者)被分类为RPV-low(75%),50个病灶(40例患者)被分类为RPV-medium(20%),9个病灶(9例患者)被分类为RPV-high(5%)。

我们首先在196例同时具有RPV和OS数据的患者中,用Cox回归分析了MUW队列中RPV与OS之间的关联。单因素分析表明,OS与FIGO分期(III/IV vs I/II)、术后残留病变(无肉眼残留病变 vs 任何残留病变)和年龄(< 60 vs > 60岁)显著相关,并且将RPV-low与RPV-medium合并后与RPV-high相比,RPV与OS显示出显著关联(表2)。在多因素Cox分析中,RPV-high保留了与OS的显著关联(HR 3.17,95% CI:1.32–7.60,p = 0.0099),FIGO分期和术后残留病变也是如此,尽管年龄不再相关。

Kaplan–Meier生存分析(图2a、b)显示,RPV-low或RPV-medium患者合并组(n = 187)与RPV-high患者(n = 9)之间的OS存在显著差异,p = 0.0216,与发现数据集HH相似。这些组之间的PFS无统计学显著差异。

当将患者分别归类为RPV低(n = 147)、RPV中(n = 40)或RPV高(n = 9)时,各组间OS存在显著差异(p = 0.047),但PFS无显著差异(图2c、d)。

表2 MUW队列的OS Cox回归分析,RPV高 vs 低/中 查看原表 ↗
图2 Kaplan–Meier分析显示,与RPV高患者相比,RPV低或中患者合并后OS存在显著差异(a),与发现队列HH相似(b)。当将MUW患者分别归类为RPV低、中或高时,OS存在显著差异(c)。分别分类时PFS无显著差异(d)。RPV,影像组学预后向量;OS,总生存期;PFS,无进展生存期 查看原图 ↗

与RPV相关的肿瘤生物学特征

对9例RPV高病灶与9例RPV低病灶以及三组随机选择的RPV低病灶(共27例)进行了间质含量的亚组分析。纤连蛋白染色显示RPV高组中肿瘤相关间质比例较高(图3)。我们发现RPV高与间质标志物纤连蛋白的表达呈正相关,因此与RPV低亚组(均值14.9%;SD 10.5)相比,间质含量比例更高(均值48.9%;SD 10.5)(Wilcox检验p值 = 7.119e-06)。亚组分析的更多细节见补充图S2。

图3 间质含量的纤连蛋白染色。四例不同患者的示例,附附件病灶的相应CT图像示例,展示高危RPV(a、b)与低危RPV(c、d)中间质纤连蛋白的免疫组化表达。与低危病例相比,高危RPV病例显示更高比例的肿瘤相关间质(棕色)和更低的肿瘤细胞密度(蓝色)。高危和低危RPV评分病灶子集中纤连蛋白染色百分比的箱线图(e)。评估了9例高危RPV值病例、9例最低危RPV值病例以及随机抽取的共27例评估为低危RPV的病例 查看原图 ↗

HH队列与初级和校正后高级标注之间RPV输出的差异

HH发现集与MUW队列之间分割肿块的体积以及RPV低、中和高的病例比例相似(图4a、b)。

初级与最终校正后高级标注在RPV输出上的ICC显示输出可靠性为82%,ICC = 0.8231,Pearson相关系数r = 0.8225(p < 0.001,95% CI:0.771–0.863)(图4c)。

关于探究初级放射科医师分割与最终调整的专家分割之间的差异,分析了全部244个分割。为比较RPV,我们将RPV表示为有序变量(低、中、高)和度量单位(RPV范围−0.608至1.617)。

对于244个病灶中高级与初级分割之间的Cohen kappa一致性,RPV输出显示出良好的一致性,k = 0.767,SE = 0.063,Spearman相关系数rho = 0.783(p < 0.0001,95% CI:0.722–0.832)。

关于在体积层面对两组注释进行比较,计算了定量Sorensen–Dice系数(DSC)。在体积层面上,两组注释显示出91%的相似性(DSC = 0.91,95% CI:0.884–0.931)。结果总结于表3。此外,表4总结了经高级放射科医师调整后两组注释之间的定量差异,并按DSC范围进行了细分。高级放射科医师在50例中未做任何更改(N = 50,25.25%);然而,初级放射科医师在1例中遗漏了目标病灶(N = 1,0.51%)。在3例中观察到将肌瘤性子宫纳入分割(N = 3,1.52%),而在7例中存在实性或囊实性肿瘤成分的遗漏(N = 7,3.54%)。对于绝大多数137例,高级放射科医师仅需做出小至中度更改(N = 137,69.19%)。

图4 MUW(n = 196)与HH(n = 219)之间以及观察者之间影像组学的比较。基于体素的MUW与HH之间分割肿块的体积(a)。MUW与HH之间RPV分布的直方图(b)。MUW队列中初级与最终校正后高级分割之间RPV的相关性(c)。RPV,影像组学预后向量;MUW,维也纳医科大学外部验证队列;HH,伦敦Hammersmith医院队列 查看原图 ↗
表3 MUW HGSOC病灶中初级放射科医师注释与高级放射科医师校正后注释之间RPV输出的一致性、可靠性和相似性总结 查看原表 ↗
表4 MUW HGSOC病灶中经高级放射科医师调整后高级与初级放射科医师分割之间按DSC范围划分的差异总结 查看原表 ↗

讨论

在晚期OC中,通过风险分层来优化患者的初始治疗路径仍具有挑战性。选择适合 upfront 根治性肿瘤细胞减灭术的患者,需要定义更好的算法来识别最能从手术中获益的候选者,同时避免对不太可能获益者进行手术。在这项外部验证研究中,通过将影像组学特征(RPV)软件授权至外部机构,我们证实,在调整了已知的临床病理预后因素(如FIGO分期、术后残留病灶和年龄)后,被分类为RPV高的HGSOC患者与被分类为RPV低或中等的患者相比,OS差三倍(HR 3.17,95% CI:1.32–7.60,p = 0.0099)。Kaplan–Meier生存分析证实,RPV高患者的OS显著更短(p = 0.0216)。这些发现支持RPV作为一种客观的治疗前临床决策工具,其能够识别出5%的OS显著更差的患者(依据发现队列),而不论其他预后因素如何[12]。此外,我们发现RPV具有相似的生物学解释,基于免疫组化纤连蛋白表达,RPV高病例中基质含量的百分比显著高于RPV低病例的一个亚组(p < 0.0001),这证实了RPV高病例中富含基质的表型。在该队列中,RPV评分与PFS无关。这可能与研究队列中复发女性比例高于发现队列有关,并伴有PFS缩短的趋势。

Lu等报道了基质标志物纤连蛋白与RPV高病变的关联,为RPV提供了生物学基础[12]。据报道,较高的纤连蛋白和基质含量与OC患者较短的OS高度相关[17–19]。在一项纳入1512例乳腺癌患者的研究中,高纤连蛋白表达是较差OS和PFS的独立预后因素[20]。在食管鳞状细胞癌患者中也报道了不良预后与纤连蛋白高表达之间的类似关联[21]。在其他肿瘤类型中发现这种关联提高了RPV可能更广泛通用的可能性。基质丰富表型的激活和DNA损伤反应可能有利于未来新药开发和替代性靶向治疗药物[12]。

在其原始论文中,Lu等纳入了内部和开源验证数据集[12]。在首次尝试对来自另一机构患者的RPV评分进行外部验证时,来自德国一家ESGO认证中心接受治疗女性的CT扫描在开发RPV的同一实验室进行了分析[22]。该研究证实,RPV高病例与显著更差的PFS相关,识别出了那些尽管手术时达到完全肉眼肿瘤清除但仍早期复发的女性。然而,与OS无显著关联[22]。该研究未着手确认与基质丰富表型的关联。尽管原始研究的确切发现与先前及当前验证研究之间存在一些差异,但三者均证明RPV高组患者结局较差,强化了RPV提供稳健风险分层的证据。其他肿瘤类型中也已有影像组学模型外部验证的报道,这些研究使用了公开可用的开源数据[23]或来自其他中心的独立外部影像数据集[24–28]。这些研究缺乏关于是否交换图像或软件进行验证的信息。尽管如此,用至少100例患者的独立样本验证所发现的影像组学模型[29]被认为是迈向临床转化的下一步。

本研究的主要重点是通过将RPV工具传输到不同的机构环境来复制原始方法。我们已经证明了这种方法的可行性。我们未进行任何额外的预处理,以便复制并保持与原始发现研究的一致性,这代表了我们研究的一个可能局限性[12]。为解决这一问题,未来分析将侧重于预处理技术的影响,从而确定潜在的改进以确认RPV的通用性。此外,需要对初级和高级标注进行盲法读者间评估以揭示RPV输出中的任何变异性,并与附件病变的自动分割工具进行比较,这些都需要评估。仅在少部分病例中可行组织学分析,这项工作应在未来研究中扩展。尽管如此,对组织学发现的这一验证支撑了RPV的生物学基础,是本研究的巨大优势。

我们研究了基于CT的RPV利用标准治疗预处理成像识别存在有限总生存期(OS)风险的HGSOC患者的能力。还发现了RPV-high(一种基质丰富型组织学亚型)的生物学解释。这项回顾性外部验证是确保安全且可推广转化的重要步骤,接下来将进行前瞻性测试。RPV软件作为医疗器械未来可用作客观的临床决策支持工具,预期用途是识别那些可能从初始新辅助化疗中获益(作为初始手术的替代方案)的患者,从而为预后不良组中的HGSOC患者提供个性化治疗方法。

补充信息

补充材料

引用

  1. Wengert GJ, Lu H, Aboagye EO, et al. CT-based radiomic prognostic vector (RPV) predicts survival and stromal histology in high-grade serous ovarian cancer: an external validation study. Eur Radiol. 2024. PMID: 39661150. doi:10.1007/s00330-024-11267-5
  2. 全文:PMC12081573(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12081573/

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。