结直肠癌肝转移微波消融后局部肿瘤结局评估:CT视觉与定量方法的比较
回顾性研究纳入60例患者97个结直肠癌肝转移灶,比较CT视觉评估与定量消融边缘指标(MAM、%OAZ,刚性及形变配准)检测局部肿瘤进展和残留肿瘤的效能。定量方法采用形变配准时MAM灵敏度最高达95.6%,但特异度降至40%,与视觉评估(灵敏度67.3%、特异度71.1%)相比灵敏度更高、特异度更低;观察者间一致性显著优于视觉评估(Gwet AC1 0.67 vs 0.18,P < .001)。
要点
- 视觉评估CT判断消融是否完全不可靠,观察者间一致性Gwet AC1仅0.18。
- 形变配准的MAM观察者间一致性最高(Gwet AC1 0.67),显著优于视觉评估(P < .001)。
- 定量MAM在形变配准下灵敏度达95.6%,但特异度降至40%,高于视觉评估灵敏度67.3%、特异度71.1%。
核心结论
- 定量消融边缘指标比基于术前术后诊断CT的视觉比较能更可靠地评估结直肠癌肝转移微波消融后的局部结局。
研究设计与样本
- 回顾性研究纳入2014年10月至2018年2月接受微波消融的结直肠癌肝转移患者60例(中位年龄71岁,IQR 60-74.5岁;38例男性),共97个肿瘤(中位直径1.3 cm,IQR 1.0-1.8 cm)。
- 使用MIM Maestro软件分别进行刚性及形变(基于AI辅助肝脏分割)消融确认流程,提取最小消融边缘(MAM)和肿瘤位于消融区外的体积百分比(%OAZ)。
- 参考标准为每3个月多模态监测影像(包括MRI和PET/CT)、癌胚抗原水平及多学科肿瘤委员会讨论综合判定,由两名放射科医师独立分类,分歧时由第三名介入放射科医师独立评分达成共识(97例中15例,15%)。
- 两名具有11年经验的放射科医师独立进行视觉评估(六分Likert量表)和定量分析,其中一名医师在1个月洗脱期后重复分析以计算观察者内一致性。
关键影像表现/征象
- 消融后局部肿瘤进展定义为消融区边缘出现新肿瘤灶,需至少一次横断面影像记录消融充分;残留肿瘤定义为初次随访影像上消融区边缘可见肿瘤。
- 97个肿瘤中33%(32/97)发生局部肿瘤进展,21%(20/97)有残留肿瘤,局部肿瘤进展中位时间178天;无残留肿瘤病例的12个月无局部肿瘤进展生存率为64%(49/77),24个月为62%(48/77)。
诊断标准与关键数值
- 以70%特异度阈值比较,阅片者2视觉评估灵敏度67.3%(95%CI 51.9-76.9)、特异度71.1%(95%CI 55.6-82.2),形变配准MAM灵敏度95.6%(95%CI 85.4-100)、特异度40.0%(95%CI 24.4-53.3),P < .001。
- 阅片者1视觉评估灵敏度53.8%(95%CI 38.5-65.4)、特异度73.3%(95%CI 57.8-84.4),形变配准MAM灵敏度90.4%(95%CI 82.3-98.1)、特异度40.0%(95%CI 24.4-53.3),P < .001。
- 阅片者1视觉评估AUC为0.69(95%CI 0.58-0.78),阅片者2为0.76(95%CI 0.64-0.84);定量方法AUC范围0.57(95%CI 0.50-0.63)至0.76(95%CI 0.64-0.84)。
- %OAZ形变配准与MAM形变配准在阅片者2的AUC分别为0.58(95%CI 0.45-0.70)和0.57(95%CI 0.50-0.63),均显著低于视觉评估0.76(P = .02和P = .003);阅片者1中%OAZ形变配准AUC 0.75(95%CI 0.63-0.83)高于0.65(95%CI 0.57-0.74)(P = .01)。
- 形变配准MAM观察者内Gwet AC1为0.92(95%CI 0.86-0.99),刚性为0.80(95%CI 0.70-0.90);%OAZ形变配准观察者内ICC为0.95(95%CI 0.93-0.97),刚性为0.86(95%CI 0.80-0.91)。
临床应用与阅片要点
- 作者结论认为定量消融边缘指标比视觉比较能更可靠地评估微波消融结直肠癌肝转移后的结局。
- 刚性流程每肿瘤中位用时3.0分钟(IQR 3.0-3.2分钟),形变流程中位用时14.0分钟(IQR 13.9-14.4分钟)。
局限性
- 原文未报告局限性。
全文中译17 节 · 点击展开
摘要
在接受结直肠癌肝转移微波消融的患者中,与视觉评估相比,对术前和术后CT图像进行定量分析能更可靠地识别残留肿瘤和局部肿瘤进展。
要点
■ 在接受结直肠癌肝转移微波消融的患者中,对术前和术后CT图像上残留肿瘤和局部肿瘤进展的视觉评估不可靠(观察者间可重复性的Gwet AC1为0.18)。
■ 消融成功的定量指标比视觉评估更可靠,其中采用可变形配准的最小消融边缘在观察者内和观察者间一致性(Gwet AC1)方面分别达到最高,为0.92和0.67(观察者间一致性的P < .001)。
■ 使用最小消融边缘(MAM)的定量方法通常比视觉方法具有更高的敏感性,最高可达95.6%,而视觉方法为67.3%(P < .001),但代价是采用可变形图像配准时特异性较低(40% vs 71.1%,P < .001)。
引言
国际指南推荐采用图像引导热消融(1)治疗结直肠癌肝转移(CRLM)(2,3),因为与单纯化疗相比,热消融可提高生存率(4)。
消融边缘是指转移灶周围应被治疗的正常组织区域,以尽量减少后期复发的机会(5)。消融边缘的评估至关重要,因为清晰的边缘能提供最佳的局部肿瘤控制机会(6),而大于5 mm的最小消融边缘(MAM)是局部肿瘤进展(LTP)的独立预测因素(7),后者可能需要再次消融。
完全消融的技术成功通常通过术前和消融后CT图像的并排视觉比较来评估。然而,视觉评估具有较高的观察者间和观察者内变异性(8),以至于经验丰富的放射科医师对多达44%的病例会判读错误(9)。因此,需要更好的技术来改善消融边缘的评估。
软件辅助的消融确认可用于规划、执行和/或评估治疗成功(10,11)。在此,术前和消融后图像被用于提取描述肿瘤与消融区之间关系的定量测量值,以更准确地评估消融边缘。虽然此类方法在消融后即刻环境中的临床使用有限(12,13),但其在随访环境中(即消融后较晚时间点)的效用仍不确定。此类应用可能是需要的,因为增强的术前和术后诊断性CT成像是常规进行的,而术中增强CT成像并非总是进行(14),或者在超声引导消融的情况下可能不可用。
软件辅助消融确认可采用刚性或非刚性(可变形)方法进行(15)。在刚性消融确认中,图像通过认知或计算方式执行的平移或旋转变换进行叠加和对齐。然而,该方法无法考虑两组图像之间的形状变化(例如,因体位、手术和吸气用力导致的肝脏变形)。非刚性方法旨在通过使图像集相互变形来考虑器官形状的变化(16)。这些方法通常更为复杂且计算强度更大,但可能更具可重复性,尤其是在患者自主呼吸且扫描在不同吸气相位获取的随访环境中。
据我们所知,很少有报道将这些方法与结直肠癌肝转移(CRLM)接受消融治疗患者的手术前后影像学结合使用,也没有比较不同消融确认方法的研究。
影像生物标志物路线图提供了一个用于验证推定定量影像生物标志物的框架,并建议先进行技术验证(可重复性和再现性),然后进行临床验证(17)。
本研究的主要目的是评估和比较使用手术前后诊断影像从刚性和可变形消融确认中得出的定量影像指标的性能,并与标准视觉评估相比较,以检测接受结直肠癌肝转移微波消融(MWA)患者的残留肿瘤或局部肿瘤进展(LTP)。次要目的是评估和比较观察者内和观察者间一致性。
材料与方法
本回顾性研究经机构研究伦理委员会批准,对纳入患者豁免知情同意。本研究在与MIM Software公司的合作协议下使用MIM Maestro(版本7.2.9;MIM Software)。未获得研究专项资助。其中一位作者(E.J.)声明获得参加消融会议的差旅报销和生活补助。作者对数据和提交发表的信息拥有完全控制权。
患者
图1显示了患者选择的纳入和排除标准。符合以下纳入标准的患者被纳入研究:(a)2014年10月至2018年期间连续接受肝脏MWA治疗CRLM的患者(以留出足够时间让肿瘤复发,通常在2年内),(b)可获得手术前后门静脉期增强CT影像(定义为消融前的术前诊断CT影像及消融后常规随访期间的影像),以及(c)至少3个月的影像学和临床随访以评估局部肿瘤残留或进展。排除标准为非结直肠癌肝转移、既往消融肿瘤的再治疗,以及严重伪影妨碍准确肿瘤或消融区分割(例如,血肿或脓肿)。
纳入的肿瘤仅限于结直肠癌肝转移(CRLM),因为不同肿瘤类型的生物学行为不同,可能影响实现局部控制所需的消融区体积。与其他继发性肝脏肿瘤相比,热消融在CRLM中的作用也更为明确。选择肿瘤进行消融的标准基于国际指南(18)。个体治疗决策是在由肿瘤内科医师、肝胆外科医师以及诊断和介入放射科医师参加的专科肿瘤委员会讨论后决定的。
在消融后3–5周进行初次消融后影像学检查后,采用多模态影像学进行监测,联合使用CT、MRI和PET/CT每3个月检查一次。一位接受过专科培训的腹部放射科主治医师(J.D.S.),具有11年经验并专长于肝脏肿瘤影像学,在盲法条件下(对其他影像学如MRI或PET/CT以及临床和随访数据不知情)评估图像是否适合纳入研究。未使用术中未增强CT扫描,因为在不使用静脉对比剂的情况下无法准确定义肿瘤和消融区。
消融操作
操作在全身麻醉下由三位顾问介入放射科医师(包括N.K.和J.M.)(具有>10年肝脏微波消融(MWA)经验)使用CT引导(Definition Edge;Siemens Healthineers)完成,有时联合超声。螺旋CT图像在轴位平面上获取,不使用静脉对比剂,采用3 mm层厚和3 mm间隔。肿瘤消融使用两种系统之一(Solero,Angiodynamics或NeuWave,J&J)进行,手动调整天线位置,并使用间歇性低剂量序列采集(六层,2.4 mm层厚,2.4 mm层间隔)进行监测,直至判断放置位置适合消融。
图像采集
术前CT图像在消融前(通常6周)和消融后(通常6周)获取。腹部和盆腔CT扫描使用128层CT扫描仪(SOMATOM Definition Edge和SOMATOM Definition Flash;Siemens Healthineers),使用碘基静脉对比剂(3–5 mL/秒,总量90–150 mL,随后团注30 mL生理盐水),在门静脉期以固定70秒延迟进行扫描。图像以3 mm层厚重建。
匿名化图像被传输至图像处理软件(MIM Maestro)进行视觉和定量评估。MIM Maestro是一款灵活的影像处理软件,经调整后用于创建标准化的消融确认工作流程。
图像分析
视觉评估。——两位分别专长于腹部放射学(J.D.S.)和介入放射学(E.J.)的放射科医师,各具有11年经验,并在肝脏肿瘤影像学方面有特定专长,独立对消融前和消融后CT研究进行视觉评估,对其他影像学如MRI或PET/CT以及临床和随访数据不知情。每个消融区根据感知的不完全消融可能性进行半定量评分,使用六点Likert量表(明确残留肿瘤、肿瘤覆盖不完全、可能肿瘤覆盖不完全、可能肿瘤覆盖完全、成功消融且具有安全边缘、明确成功消融且至少具有5 mm安全边缘)(9)。
定量评估——由同两位放射科医师独立完成定量分析-图像配准-消融确认工作流程。在两次测量之间间隔1个月的洗脱期后,其中一位放射科医师(J.D.S.)重复分析以计算观察者内一致性。记录每个肿瘤完成整个定量分析工作流程(使用刚性配准和可变形配准)的总时间。
刚性消融确认——使用MIM Maestro软件在消融前和消融后图像上进行刚性消融确认。实施了定制工作流程,详见附录S1并概述如下。
在消融前轴位CT图像上手动勾画目标肿瘤,形成三维感兴趣体积。然后在消融后CT图像上以相同方式勾画相应的消融区。对消融前和消融后扫描进行图像融合,并在初始融合步骤中手动校正以调整配准不良,操作时对勾画的体积设盲,专注于消融肿瘤附近局部标志物(如肝脏边缘、主要动静脉等)的准确融合。使用基于箱体的对齐(19)优化配准。
刚性消融确认工作流程见图S1,发生局部肿瘤进展(LTP)的示例病例和无LTP参考标准的示例病例分别见图2和图3。同一 session 内对多个肿瘤进行消融时,对每个肿瘤分别执行确认工作流程。
随后提取两项指标:(a)MAM,定义为肿瘤与消融区之间的最小Hausdorff距离(20)(以毫米计);(b)消融区外肿瘤体积百分比(%OAZ),计算方法为消融区外肿瘤体积除以总肿瘤体积再乘以100。
可变形消融确认——可变形消融确认工作流程与上述相同,只是增加了人工智能(AI)算法(Contour Protégé AI;MIM Software)来勾画肝脏。这些轮廓用于基于轮廓的可变形消融确认。实施了定制工作流程,概述如下,更多细节见附录S1。总体而言,该消融确认方法需要九个步骤,而刚性方法为五个步骤。
首先,使用AI算法在消融前和消融后图像上自动分割全肝,并根据需要手动校正(图4和图S2)。然后如刚性配准那样手动分割肿瘤和消融区。
基于箱体的对齐后,使用基于轮廓的可变形配准将消融后扫描的肝脏和消融区映射到消融前肝脏轮廓上。该步骤迭代地最小化两幅图像之间轮廓对表面的符号距离差异。AI辅助分割在运行Windows 10(Microsoft)的个人计算机上进行,配置为第11代Intel Core i7 2.5 GHz、32 GB RAM和NVIDIA RTX 3070笔记本电脑GPU。器官分割(包括肝脏和肺)的近似时间为2-3分钟。
结局与参考标准
主要结局为残留肿瘤和局部肿瘤进展(LTP)。残留肿瘤定义为初次随访影像学检查时消融区边缘可见肿瘤(5)。LTP定义为在至少一次横断面影像学检查记录到充分消融后,消融区边缘出现新的肿瘤病灶(5)。当发现多个新的疾病部位时,无论是与消融区接触还是位于肝脏其他部位,均解释为全身性疾病进展而非LTP。
不完全消融的参考标准为:在每3个月进行的多模态监测影像(包括MRI和PET/CT)复查、癌胚抗原水平及多学科肿瘤委员会讨论后,出现局部肿瘤进展(LTP)或残留肿瘤。参考标准由同两位主治放射科医师(E.J.和J.D.S.)独立分类。存在分歧时,由第三位具有肝脏肿瘤消融专长的主治介入放射科医师独立评分达成共识。97例中有15例(15%)需要此步骤。
primary和secondary疗效分别定义为第一次和第二次消融 session 成功治疗的肿瘤百分比,且随访影像无残留肿瘤证据。
统计分析
连续变量报告中位数和四分位距(IQR)。分类变量以频数和百分比汇总。
对于两位阅片者,将半定量视觉评分方法(1–6)和定量评估方法(使用刚性和可变形配准的MAM和%OAZ)的诊断性能与参考标准进行比较。计算受试者工作特征曲线下面积(AUC)指标。通过应用70%的特异性阈值(将Likert量表二分为1–3组和4–6组时视觉评估的近似性能)比较视觉和定量方法。
本回顾性研究的样本量由指定时间段内图像的可用性决定。所有诊断指标均计算95% CI,使用bootstrap方法。由于患者有多个肿瘤,95% CI从1000个bootstrap样本估计。Bootstrap程序包括从数据中有放回地反复随机选择患者,并计算该样本的感兴趣结局。此过程对每个分析重复1000次。Bootstrap用于计算结局统计量的CI,而估计值从原始数据计算。CI和P值从bootstrap样本分布计算。为考虑重复测量,bootstrap样本通过随机选择患者而非肿瘤构建。
我们进行了事后效能计算,以评估本研究在两位阅片者中检测视觉评估与定量指标(%OAZ刚性、%OAZ可变形、MAM刚性、MAM可变形)之间灵敏度显著差异的能力。使用Obuchowski等(21)描述的方法,并假设不同方法的AUC值之间相关性为0.5,观察到的样本量97将有77%的效能显示方法间AUC差异为0.15(基于假设AUC值为0.60和0.75)。相同样本量将有95%的效能显示方法间AUC差异为0.20(基于假设AUC值为0.60和0.80)。
采用Gwet AC1和组内相关系数(ICC)计算观察者内和观察者间一致性,并按照以下标准进行解读:0.81–1.00,几乎完全一致;0.61–0.80,高度一致;0.41–0.60,中等一致;0.21–0.40,一般一致;0.01–0.20,轻微一致;0.00及以下,无一致性或劣于随机(22)。观察者间一致性的差异通过1000次自举抽样评估,以计算视觉评估与表现最佳的定量成像指标之间以及可变形配准与非可变形配准之间的P值。
统计分析使用Stata(15.1版)进行。
结果
患者人口学特征
本研究纳入60例患者(中位年龄71岁[IQR,60–74.5岁];男性38例),共97个肿瘤。患者人口学特征和结局汇总数据见表1。97个消融肿瘤中58个(60%)为同时性。2例患者在消融前未接受全身化疗。
影像学与结局数据
消融前与消融后CT扫描之间的中位时间间隔为88天(IQR,59–107天)。97个消融肿瘤中,45个(46%)未复发,中位随访时间为749天(IQR,330–1519天)。未复发的肿瘤中大多数(45个中的33个,73%)影像学随访至少1年。97个消融肿瘤中,35个(36%)位于外周或邻近血管。
根据参考标准,33%(97个中的32个)发生局部肿瘤进展(LTP),21%(97个中的20个)存在残留肿瘤,至LTP的中位时间为178天。成功与不成功消融的示例见图2和图3。对于无残留肿瘤的病例,无LTP生存率在12个月时为64%(77个中的49个),在24个月时为62%(77个中的48个)。对于复发病例,大多数(32个中的28个,88%)在消融后1年内复发。初次和二次有效率分别为46%(97个中的45个)和52%(97个中的50个)。
使用视觉评估、刚性配准和可变形配准的消融边缘结果以及临床结局见表S1。
视觉评估
使用视觉评估,阅片者1的AUC为0.69(95% CI:0.58,0.78),阅片者2的AUC为0.76(95% CI:0.64,0.84)(表2)。
定量评估
完成整个刚性工作流程和可变形工作流程的中位时间分别为每个肿瘤3分钟(IQR,3.0–3.2分钟)和14分钟(IQR,13.9–14.4分钟)。可变形工作流程所带来的时间代价主要由AI辅助肝脏分割步骤驱动,该步骤需要更高的计算复杂度,而需要手动校正肝脏轮廓的贡献相对较小。可变形配准方法的示例见图4。
视觉与定量评估
AUC值范围为0.57(95% CI:0.50,0.63)至0.76(95% CI:0.64,0.84)(表2)。对于阅片者2,视觉与定量AUC的配对比较显示,%OAZ可变形配准(分别为0.76 [95% CI:0.64,0.84] vs 0.58 [95% CI:0.45,0.70];P = .02)和MAM可变形配准(分别为0.76 [95% CI:0.64,0.84] vs 0.57 [95% CI:0.50,0.63];P = .003)之间存在显著差异。除第一阅片者使用%OAZ可变形配准的0.75(95% CI:0.63,0.83)优于0.65(95% CI:0.57,0.74)外(P = .01),定量指标之间AUC的配对比较无显著差异证据。
在大多数比较中,定量方法的敏感度高于视觉评估,特异度低于视觉评估(表3)。例如,阅片者1使用视觉评估的敏感度为53.8%(95% CI:38.5,65.4),特异度为73.3%(95% CI:57.8,84.4),而MAM联合可变形配准的敏感度为90.4%(95% CI:82.3,98.1),特异度为40.0%(95% CI:24.4,53.3)(P < .001)。阅片者2使用视觉评估的敏感度为67.3%(95% CI:51.9,76.9),特异度为71.1%(95% CI:55.6,82.2),而MAM联合可变形配准的敏感度为95.6%(95% CI:85.4,100),特异度为40.0%(95% CI:24.4,53.3)(P < .001)。
阅片者间和阅片者内一致性
阅片者间和阅片者内一致性总结于表4。所有定量指标的阅片者内一致性几乎完美,MAM使用刚性配准和可变形配准的Gwet AC1分别为0.80(95% CI:0.70,0.90)和0.92(95% CI:0.86,0.99),%OAZ使用刚性配准和可变形配准的ICC分别为0.86(95% CI:0.80,0.91)和0.95(95% CI:0.93,0.97)。MAM联合刚性配准的阅片者间一致性为中等,Gwet AC1为0.43(95% CI:0.27,0.59),联合可变形配准为高度一致,Gwet AC1为0.67(95% CI:0.54,0.80)。%OAZ在刚性配准和可变形配准下均为中等一致性,ICC分别为0.58(95% CI:0.43,0.71)和0.41(95% CI:0.23,0.57)。MAM联合可变形配准的阅片者间一致性显著高于视觉评估(Gwet AC1 0.67 vs 0.18,P < .001),MAM联合可变形配准也显著高于刚性配准(Gwet AC1 0.67 vs 0.43,P = .006)。
讨论
鉴于消融手术中对比增强CT的全球可及性有限,本研究旨在严格验证若干潜在的定量影像生物标志物,用于使用术前和术后图像(扫描间隔延长)对结直肠癌肝转移(CRLM)成功消融进行分类。这些定量评估以视觉图像检查为基准。我们的方法遵循定量影像生物标志物开发路线图的原则,包括技术验证(可重复性和再现性)和临床验证(肿瘤结局评估)。
视觉评估显示观察者间可重复性较差(Gwet AC1,0.18),这凸显了对更可靠影像学生物标志物的需求,以通过识别复发风险较高的肿瘤、实现密切监测和必要时早期再治疗来支持患者管理。我们的研究结果表明,定量方法(例如MAM)相比视觉评估提供了更高的可靠性(Gwet AC1,0.67 vs 0.18;观察者间一致性P < .001)和更高的敏感性(在40%特异性下敏感性>90%),尽管在特异性和所需时间增加方面存在权衡。
我们的定量切缘评估指标的表现(AUC在0.57至0.76之间)低于已发表文献中关于消融后即刻对比增强CT成像使用的结果,后者报道的AUC在0.77至大于0.9之间(23,24)。一项相关的近期研究显示,使用术中成像进行基于配准的消融确认(AUC,0.89)优于初次随访CT(AUC,0.66)(25)。这种性能差异可能归因于消融区随时间退缩,而基于可变形表面的消融确认未考虑这一因素(5)。这一局限性导致消融切缘假性偏小,从而倾向于“过度判定”消融不完全,解释了我们判定消融不完全的病例比例较高(约70%,且与残留肿瘤和LTP不成比例),从而限制了特异性。结合现有文献,我们的结果强调了获取高质量术中即刻对比增强CT图像以最佳评估消融成功与否的至关重要性。或者,需要进一步工作来优化使用术前和术后成像的生物标志物,例如在标准随访时间点采集图像、MAM负值、或使用考虑消融区退缩的模型。
另一项研究(26)报道了使用术前和术后随访成像进行三维消融确认以鉴别LTP的更高性能(AUC,0.89)。然而,作者排除了消融确认被认为不充分的病例,导致选择偏倚,且其定量分析未对参考标准设盲。
我们发现定量指标具有高敏感性,这与Vasiniotis Kamarinos等(13)的结果相似,他们报道使用MAM评估LTP时敏感性和特异性分别为93%和42%。高敏感性特别有利于筛查,并可能用于增强更具特异性的视觉检查技术(在>50%特异性下>70%特异性)。
定量影像学生物标志物观察者间一致性的差异,例如MAM使用可变形与刚性配准(Gwet AC1,0.67 vs 0.43;P = .006),表明并非所有定量消融切缘生物标志物同等有效。因此,进一步研究必须探究多种生物标志物,包括组合,以提高评估准确性。例如,%OAZ相对于MAM的一个优势是,当肿瘤位于肝脏周边并邻近血管时,完全消融的肿瘤将产生%OAZ为0(即完全覆盖),而0 mm的MAM在这些情况下更难以解释。
目前大多数可供临床使用的三维技术依赖于刚性或基于强度的可变形消融确认。然而,两者都容易因患者体位、呼吸、消融施源器放置、水分离以及消融过程相关的组织收缩所导致的肝脏变形而产生配准误差。替代性图像配准方法,如生物力学可变形图像配准,已在消融边缘评估中显示出实用性(27),并且能够考虑肝脏位置和呼吸的差异(28)。
与刚性配准相比,肝脏变形有潜力减轻在多个时间点成像时发生的肝脏方向变化。然而,关于可靠性的数据仍然缺乏。在一项纳入29项研究的系统综述(29)中,评估了肝脏肿瘤热消融后基于软件的评估,仅6项研究报告了观察者间可重复性;其中5项研究纳入了MAM,仅2项纳入了CRLM。没有任何一项纳入观察者内一致性评估,也没有与视觉评估进行比较,这意味着这些新兴技术需要进一步验证(13,24,26,30)。
仅在一项针对CRLM患者(n = 18)的研究中进行了观察者间可重复性评估(31)。作者发现消融完全性的观察者间一致性为完全一致,各个阈值(≤0 mm、1–5 mm、≥5 mm)的一致性为基本一致(κ = 0.723)。
在本研究中,许多肿瘤表现出LTP或残留肿瘤(54%,中位至删失时间为25个月),这高于一些既往队列(24),但与Kaye等人(26)的发现相似(24个月内为58%)。其原因涉及多方面。首先,我们的队列包括了全球MWA经验相对早期阶段的病例,当时宽裕边缘的重要性尚未被广泛认识。这与我们的实践尤为相关,因为我们的肿瘤通常表现出侵袭性生物学行为,并且在多线全身治疗后对治疗具有抵抗性。例如,经过治疗的肿瘤可能遗留一个“影像学不可见”但仍有活力的肿瘤细胞足迹。其次,肿瘤通常较小且在技术上难以消融。此外,我们在消融过程中未常规进行增强CT,而此后已证明这可以改善 outcomes(32)。尽管如此,在进行消融和评估技术成功时,术中增强CT的使用仍不普遍(14),并且在US引导和术中消融时并非总是可用,而诊断性消融前和消融后CT是标准实践。此后我们已改进实践,包括机器人引导(33)、真空固定、高频喷射通气、消融时增强CT、基于软件的边缘评估以及边缘不足时即刻再消融。研究队列中纳入的肿瘤均未使用这一新实践进行治疗。因此,我们的肿瘤学 outcomes 很可能此后已有所改善,与AmCORE注册研究(34)所示的时间趋势改善相一致。
本研究的优势包括采用真实世界队列,无论配准误差如何均纳入全部肿瘤,从而获得更贴近实际的效果评估。其次,我们按照影像生物标志物开发路线图,严格评估了分别采用刚性配准和可变形消融确认工作流程得出的两种不同影像生物标志物,并与视觉评估进行比较,这对于有效生物标志物的临床转化至关重要(17)。
本研究的局限性包括其回顾性性质,且仅在单一专科中心开展,该中心的病例复杂程度不太可能反映更广泛的消融实践。此外,样本量由数据集的可得性决定。与任何基于影像的参考标准一样,部分毗邻消融区的肿瘤也可能是新发肿瘤而非局部肿瘤进展(LTP)。并非所有肿瘤均有至少1年的影像随访,因为部分患者返回了其当地中心,这可能影响了LTP发生率。此外,包膜下和血管周围肿瘤采用相同方法分析,考虑到肿瘤通常不会向肝外生长或长入邻近血管,这可能影响对MAM的评估。
需要进一步开展工作以扩展可用于评估消融成功的定量指标范围。先进的分析技术,例如采用独立开发队列和测试队列的机器学习,可提供更稳健的结局评估。这些工作流程的自动化还可简化流程,使其更适用于临床使用。此外,针对消融区随时间退缩进行调整可提高准确性。纳入评估简单图像强度之外因素(如形状和密度)的消融确认技术,可能提供更全面的评估。为进一步提高可靠性,可通过标准化培训方案增强观察者间一致性。最后,缩短可变形工作流程所需的处理时间将促进其临床实施。
总之,与视觉评估相比,利用术前和术后增强CT成像、通过软件辅助消融确认技术得出的定量消融边缘指标,作为结直肠癌肝转移热消融后残留或复发肿瘤的更可靠影像生物标志物,展现出巨大前景。
引用
- Shur JD, Porta N, Kafaei L, et al. Evaluation of Local Tumor Outcomes Following Microwave Ablation of Colorectal Liver Metastases Using CT Imaging: A Comparison of Visual versus Quantitative Methods. Radiol Imaging Cancer. 2025. PMID: 39853201. doi:10.1148/rycan.230147
- 全文:PMC11791670(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11791670/
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。