文献速递腹部泌尿生殖CT

双层探测器光谱CT参数鉴别高级别与低级别膀胱癌的诊断价值

Diagnostic value of dual-layer spectral detector CT parameters for differentiating high- from low-grade bladder cancer.
PubMed 文献 · Insights Imaging · 2025-01-02

本单中心回顾性研究纳入64例经病理证实的膀胱癌患者,评估双层探测器光谱CT参数鉴别低级别与高级别膀胱癌的诊断价值。多因素分析显示基于碘密度的动脉强化分数(AEF-ID)为独立预测因子,其鉴别高低级别的AUC为0.924(95%CI 0.861-0.988),阈值67.7%,敏感度95.5%、特异度81.0%。

要点

  • 基于碘密度的动脉强化分数(AEF-ID)鉴别高级别与低级别膀胱癌的AUC为0.924(95%CI 0.861-0.988)。
  • AEF-ID阈值67.7%时,敏感度95.5%、特异度81.0%,AEF-ID越高提示肿瘤级别越高。
  • AEF-ID与基于CT值的AEF(AEF-HU)相关性良好(Pearson相关系数0.86)。

核心结论

  • 双层探测器光谱CT的AEF-ID有助于鉴别高级别与低级别膀胱癌,可辅助临床制定初始治疗策略并改善预后判断。

研究设计与样本

  • 单中心回顾性研究,纳入2017年10月至2019年期间经尿道膀胱肿瘤电切术或根治性膀胱切除术后病理证实的膀胱癌患者64例(平均年龄64±11.0岁,范围39-83岁;男46例,女18例)。
  • 采用双层探测器光谱CT(IQon Spectral CT,Philips Healthcare,美国)行四期扫描(平扫、皮髓质期、肾实质期、排泄期),管电压120 kV,探测器配置64.0×0.625 mm,注射非离子对比剂(Ultravist 370)100 mL后以4-4.5 mL/s注射100 mL生理盐水,皮髓质期、肾实质期、排泄期分别于注射后25 s、75 s、300 s采集。
  • 以2016年世界卫生组织(WHO)分类指南的病理分级为参考标准,由两名分别具有4年和8年腹部影像经验的放射科医师在不知病理结果的情况下测量光谱CT参数。

诊断标准与关键数值

  • 多因素分析显示AEF-ID为鉴别高低级别膀胱癌的最佳预测因子(p=0.003),OR为1.089(95%CI 1.029-1.153)。
  • AEF-ID鉴别高低级别膀胱癌的AUC为0.924(95%CI 0.861-0.988),阈值67.7%,敏感度95.5%、特异度81.0%。

临床应用与阅片要点

  • 使用双层探测器光谱CT的AEF-ID有助于鉴别高级别与低级别膀胱癌,AEF-ID越高提示肿瘤级别越高。
  • AEF-ID与AEF-HU相关性良好(Pearson相关系数0.86),传统CT亦可获得AEF值,在缺乏光谱CT等先进技术时可用于分析。

局限性

  • 受飞利浦IQon CT扫描仪可用时间限制(2017年10月至2020年用于常规CT扫描),本研究为单中心探索性研究且样本量小。
  • 所考察的光谱CT特征不全面,也未与常规CT特征结合,可能遗漏某些关键特征,需未来研究纳入更广泛的CT特征进行分析。
  • 并非所有病理切片均与影像ROI匹配,可能引入分析偏倚。
  • 作者指出观察到的效应可能受样本量小的影响,计划在更大研究人群中进一步验证AEF-ID的预测价值。
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:Insights Imaging. 2025 Jan 2;16:6. doi: 10.1186/s13244-024-01881-8

引言

膀胱癌(BCa)是泌尿系统最常见的恶性肿瘤类型,在全球最常见的癌症中位居前列 [1, 2]。根据组织学差异,BCa被分类为低级别或高级别肿瘤。区分低级别和高级别BCa对于每位患者的诊断和治疗决策至关重要 [3–5]。高级别BCa具有更高的复发率,且更易进展为肌层浸润。低级别BCa患者建议在经尿道膀胱肿瘤电切术后立即接受一次膀胱内灌注化疗 [6]。对于高级别肿瘤患者,可能需要额外灌注卡介苗(Bacillus Calmette–Guérin)1–3年,且可能还需要行根治性膀胱切除术 [4]。

目前用于检测BCa的方法包括超声、计算机断层扫描(CT)、磁共振成像和正电子发射断层扫描/CT等影像技术,以及膀胱镜检查、活检和细胞学检查 [7–9]。BCa的管理在很大程度上取决于病理分级,但膀胱镜活检分析有时会低估分级 [10]。近期权威指南和具有说服力的综述文章强调了CT作为BCa诊断和管理基石不可或缺的作用。欧洲泌尿外科学会指南推荐在血尿患者的初始检查中使用CT尿路造影(CTU),并建议在选定病例(如位于膀胱三角区的肿瘤、多发或高危肿瘤)中一旦发现膀胱肿瘤即使用CTU [4]。美国泌尿外科学会指南推荐CT作为BCa检查中的影像学方法 [11]。发表于《柳叶刀》的一篇综述肯定了CTU在BCa诊断中的作用;CTU检测BCa的灵敏度(Sen)为0.87,特异度(Spc)为0.99 [12]。另一篇发表于《英国医学杂志》的综述将CTU列为疑似BCa的首选检查 [13]。它对于显示整个尿路和识别潜在恶性肿瘤部位尤为有用 [14]。

使用常规CT,临床医生可通过形态学特征、密度和强化特征来评估膀胱肿瘤。既往研究已证实CT特征可用于评估非肌层浸润性BCa的风险分层 [15]。因此,通过评估CT特征在术前预测BCa的病理分级是可行的,但在缺乏明确量化指标的情况下,确定其组织学分级仍具有挑战性 [16, 17]。

双能CT(DECT)是一种先进技术,能够同时采集常规序列和双能序列。利用DECT,临床医生可以根据组织内每种物质在不同能量下的独特衰减特性,以及基于常规亨斯菲尔德单位(HU)值来表征组织[18]。双层光谱探测器CT(DLCT)使用双层探测器同时转换高能和低能X射线,并利用立体系统采集数据。这能够实现能量信号的同步、各向同性、均匀和同步分离,从而获得更广泛的虚拟单能量图像(MonoE)和其他参数,如有效原子序数(Zeff)[19, 20]。许多研究已证明DLCT参数有助于肿瘤诊断的潜力。具体而言,Nagayama等人发现非增强DLCT参数有助于区分肾上腺腺瘤与非腺瘤[21]。此外,Zhou及其同事发现DLCT参数细胞外容积(ECV)在预测甲状腺乳头状癌淋巴结转移方面具有重要价值[22]。Zhu等人发现ECV有助于预测局部进展期胃癌的微卫星不稳定状态和预后[23]。Wang等人发现使用碘密度(ID)和Zeff有助于鉴别胰腺神经内分泌肿瘤的病理类型[24]。Chen等人使用DLCT指标预测结直肠腺癌的病理分期和组织学分级[25]。然而,尚未有基于DLCT参数对BCa进行病理分级的研究。

因此,在本研究中,我们旨在探讨DLCT光谱参数在区分低级别和高级别BCa中的诊断价值。

材料与方法

患者选择

本机构伦理审查委员会批准了这项回顾性研究并豁免了知情同意要求(伦理批准号I-22PJ887)。从2017年10月至2019年10月,符合以下标准的患者被纳入研究:(1)接受了经尿道膀胱肿瘤切除术或根治性膀胱切除术,并经病理确诊为BCa;(2)术前20天内可获得使用DLCT进行的术前CTU检查。排除标准为:(1)BCa合并其他肿瘤;(2)接受过术前治疗,包括化疗或放疗;(3)因病灶较小或不可见而无法评估;(4)CTU图像质量差。

在本研究中,我们根据2016年世界卫生组织(WHO)分类指南对BCa进行病理分级[3]。2016年WHO分类系统根据显微镜下肿瘤细胞的形态学表现区分低级别和高级别BCa。根据这些指南,低级别肿瘤显示相对有序的细胞结构,核大小和形状有轻至中度变异;高级别肿瘤具有明显异常的细胞核,伴有显著的多形性、核深染和核分裂象增多。病理评估由经验丰富的病理学家进行。

图1显示了患者选择的流程图。

图1 研究流程图 查看原图 ↗

CT扫描方案

我们使用双能CT(DLCT,IQon Spectral CT;Philips Healthcare,美国)系统进行所有检查,覆盖整个腹部和盆腔。获取四期图像,即平扫期、皮髓质期、肾实质期和排泄期。我们以120 kV的管电位和64.0 × 0.625 mm的探测器配置进行检查。静脉注射100 mL非离子型对比剂(Ultravist 370;Bayer Schering Pharma AG,德国),随后以4–4.5 mL/s的速率注射100 mL生理盐水冲管,用于增强扫描。我们在注射对比剂后分别于25 s、75 s和300 s获取皮髓质期、肾实质期和排泄期图像。以1 mm的重建层厚、光谱重建级别设为3、增量1 mm获取光谱数据库图像数据集。我们使用Philips Spectral Diagnostic Suite 9.0工作站测量DLCT参数。

图像分析

两名分别具有4年和8年腹部影像经验的放射科医师对所有图像进行分析,且对病理结果设盲。

我们通过勾画感兴趣区(ROI)进行定量测量。ROI沿病灶内缘勾画,并使用复制粘贴功能确保ROI在大小、形状和位置上完全一致。当存在多个病灶时,选择最大的病灶进行数据测量。

光谱CT参数的测量如下(图2展示了部分测量):ID(单位mg/mL):专用工作站生成肿瘤的ID(IDtumor)和主动脉的ID(IDaorta)。IDaorta在双侧肾门同一层面测量。为尽量减少个体循环状态和扫描变异的影响,我们将IDtumor除以IDaorta计算标准化ID(NID)。

ID-C = 皮髓质期IDtumor;ID-N = 肾实质期IDtumor;ID-E = 排泄期IDtumor;NID-C = 皮髓质期IDtumor/IDaorta;NID-N = 肾实质期IDtumor/IDaorta;NID-E = 排泄期IDtumor/IDaorta。

基于ID的动脉强化分数(AEF)(AEF-ID)和基于CT值的AEF(AEF-HU)使用以下公式计算:

(3)ECV分数使用以下公式计算:CT与血细胞比容测量的间隔在0–7天范围内。

(4)光谱CT-单能曲线斜率(40和80 keV;λHU):斜率定义为40和80 keV处CT值之差除以能量差(80 − 40),根据以下公式计算:

(5)虚拟平扫(VNC)图像和Zeff图像:专用工作站基于肾实质期生成VNC和Zeff图像。

图2 本研究一名47岁男性低级别膀胱癌的示意图。a 基于ID的AEF。b 基于CT值的AEF。c ID图。d ECV分数。AEF,动脉强化分数;ID,碘密度;ECV,细胞外体积 查看原图 ↗

统计分析

光谱CT参数对正态分布数据以均值 ± 标准差(SD)表示,对非正态分布数据以中位数(第25–75百分位数)表示。我们使用单因素logistic回归分析来分析光谱CT参数的显著性。显著的参数进行多因素logistic回归分析,以获得膀胱癌(BCa)组织学分级的最佳预测因子。

我们使用受试者工作特征(ROC)曲线、曲线下面积(AUC)、准确率(Acc)、敏感度(Sen)、特异度(Spc)、阳性预测值(PPV)、阴性预测值(NPV)、阳性似然比(+LR)和阴性似然比(−LR)来评估多因素分析中确定为显著的参数的诊断性能。采用截断值确定病理阳性结果。还进行了决策曲线分析(DCA)以确定净获益。此外,我们计算了AEF-ID与AEF-HU之间的共线性。

采用Kappa系数(κ)和组内相关系数(ICC)检验来检验两位放射科医师测量结果的一致性。我们使用SPSS 29.0.1.0版(IBM,Armonk,NY)、R 4.3.1版(R Foundation for Statistical Computing,Vienna)和GraphPad Prism 9.0版(GraphPad Software,San Diego,CA)进行统计分析。双侧p < 0.05表示差异有统计学意义。

结果

临床资料

最终,我们因存在其他恶性肿瘤将4例患者排除在研究之外。另有5例因接受过新辅助治疗而被排除。还有9例因病灶太小而无法在CT图像上识别而被排除。最后,另有8例因图像伪影(如运动伪影或膀胱充盈不足)限制了可视化而被排除。最终研究队列由64例患者组成,平均年龄为64 ± 11岁(范围39–83岁),其中高级别组和低级别组分别为42例和22例。男性46例(64 ± 11岁;范围39–83岁),女性18例(64 ± 10岁;范围41–79岁)。表1显示了患者的临床特征。

表1 患者临床特征 查看原表 ↗

能谱CT参数

我们观察并计算了定量能谱CT参数,见表2。单因素logistic回归结果显示,AEF-ID、ECV、ID-C、NID-C、VNC图像和Zeff图像值与肿瘤分级显著相关(p = 0.001–0.048;表2)。能谱参数的多因素logistic回归分析显示,AEF-ID在两组中均有统计学意义(p = 0.003;表3)。AEF-ID对BCa分级表现出良好的预测性能,比值比(OR)为1.089,95%置信区间(CI)为1.029–1.153。图3显示了两种肿瘤分级的AEF-ID分布。AEF-ID与AEF-HU的共线性良好,为0.86(图4)。

表2 能谱CT参数的单因素logistic回归分析 查看原表 ↗
表3 能谱CT参数的多因素logistic回归分析 查看原表 ↗
图3 两组中AEF-ID的分布。AEF-ID,基于碘密度的动脉强化分数 查看原图 ↗
图4 AEF-ID与AEF-HU的共线性结果。AEF-ID与AEF-HU之间相关性较强,Pearson相关系数(PCC)为0.86。AEF-ID,基于碘密度的动脉强化分数;AEF-HU,基于CT值的动脉强化分数 查看原图 ↗

显著能谱CT参数的诊断性能

表4显示了AEF-ID在两组的AUC、Sen、Spc、PPV和NPV。AEF-ID在区分低级别与高级别BCa方面具有极佳的AUC(0.924);其Sen、Spc、Acc、PPV和NPV分别为95.5%、81.0%、72.4%、97.1%和85.9%。图5a显示了AEF-ID区分低级别与高级别BCa的ROC曲线;图5b显示了AEF-ID的临床决策曲线。作为预测因子,与将BCa患者归类为高级别或非高级别相比,AEF-ID在一系列阈值概率范围内表现出改善的净获益,尤其是在中低阈值范围内。

表4 组间最佳预测参数的诊断效能 查看原表 ↗
图5 AEF-ID区分高级别与低级别膀胱癌的受试者工作特征(ROC)曲线(a)和决策曲线分析(DCA)(b)。ROC AUC为0.924(95% CI,0.861–0.988)。DCA曲线显示,与简单地将BCa归类为高级别或非高级别相比,使用AEF-ID作为高级别BCa的预测因子在一系列阈值概率范围内提供了改善的净获益。在中低阈值范围内尤为明显。AEF-ID,基于碘密度的动脉强化分数 查看原图 ↗

阅片者间一致性

两个阅片者组在主观特征方面的两两一致性范围为κ = 0.707至κ = 0.913(两名阅片者均p < 0.05)。

讨论

我们的结果表明,AEF-ID在区分高级别与低级别BCa方面具有极佳的诊断价值,表明使用光谱参数AEF-ID在诊断中评估BCa病理是有效且有指导意义的。此外,阴性结果表明其他参数可能与BCa的病理无关。据我们所知,这是首项使用DLCT获得的定量参数评估BCa病理的研究。

在我们的多变量分析中,AEF-ID的OR为1.089,95% CI为1.029–1.153。尽管OR值仅代表轻微增加,但狭窄的CI和0.03的p值表明该增加具有统计学显著性。这提示AEF-ID是BCa分级的有意义的预测因子,尽管效应量不大。狭窄的CI未包含1.000值,进一步在统计学上强调了该关联的稳健性。鉴于我们研究的样本量较小,我们承认观察到的效应可能受到这一局限性的影响。因此,OR值的轻微增加可能低估了AEF-ID的真实预测能力。为解决这一问题,我们计划在更大的研究人群中开展进一步研究,以更严格地评估AEF-ID作为BCa分级预后指标的价值。

确定的AEF-ID阈值为67.70%,伴随灵敏度(Sen)为95.5%、特异度(Spc)为81.0%、曲线下面积(AUC)为0.924。较高的AEF-ID值通常意味着更高的BCa分级;图3a展示了两组中AEF值的分布。以下是AEF表现优于其他能谱CT参数的一些可能解释。首先,从血流动力学角度,BCa中癌细胞的浸润会诱导血管生成[26, 27]。这导致对比剂在血管内/血管外间隙的分布增加,从而使相应循环期的AEF值升高[28]。此外,本研究使用能谱探测器CT,能够在相同的空间和时间坐标上同时采集低能和高能数据,从而实现数据完美对齐并显著减少测量误差,而无需预先选择采集模式[29]。

我们还发现AEF-ID与AEF-HU之间存在良好的共线性。双能CT(DLCT)利用双能或多能技术,可以更准确地分离和量化组织中的碘含量,从而提供更精确的AEF计算。然而,传统CT也可用于获取AEF值,这表明在没有能谱CT等先进技术的情况下,它也可用于分析。类似研究,如Huber等人的研究,发现使用基于传统CT的AEF有助于筛查肝细胞癌;Huber等人建议AEF cut-off值为50%[29]。

既往研究提示,其他能谱参数可作为评估不同类型癌症的有价值工具。例如,Fujita等人发现ECV分数可用于帮助预测胰腺导管腺癌术前新辅助化疗的疗效,这可归因于其与纤维化组织学程度和促纤维增生性间质量相关[30]。我们假设ECV分数有助于区分高分级和低分级BCa。在我们的单因素分析中,ECV分数显示有显著性,而在多因素分析中,它不是一个显著参数。这表明ECV分数可能缺乏必要的统计强度,不足以在更全面的预后模型中被视为BCa分级的稳健鉴别因素。

VNC图像可以像真正的平扫图像一样提供基线CT值,从而能够区分肿瘤与周围正常组织。VNC成像可以更清晰地显示肿瘤在增强前后图像中的不同表现,有助于肿瘤识别和分期。Zhang等研究表明,VNC图像能够保持良好的图像质量,从而在肾细胞癌诊断中降低辐射剂量[31]。Wang等发现,Zeff在预测磨玻璃结节(GGNs)的病理亚型和危险分层方面具有较高的Sen和Spc,这可能是因为不同GGN的病理亚型由不同物质组成,并可通过Zeff反映[32]。Tanaka等发现,低ID肿瘤面积比是立体定向体部放疗后非小细胞肺癌的有用预后指标[33],这可能是由于肿瘤组织通常具有异常的血流灌注特征。恶性肿瘤常发生新生血管化,导致血流量增加。ID有助于识别这些灌注差异并评估肿瘤的血供。

此外,λHU反映各种物质的衰减随X射线光子能量分布的变化情况。这种变化与物质的组成和密度有关,也与光子能量和物质本身的相互作用有关[25]。遗憾的是,我们的研究未能确定λHU是BCa病理的强预测因子。可能有必要进一步分析BCa的细胞组成和病理方面,以阐明潜在原因。或者,我们观察到的阴性结果可能归因于样本量有限。

我们的研究存在一些局限性。第一,由于我们无法控制的情况,我们使用Philips IQon CT扫描仪在我科进行常规CT扫描的时间仅限于2017年10月至2020年10月;因此,这是一项样本量较小的单中心探索性研究。第二,我们检查的光谱CT特征并不全面,也未与常规CT特征相结合。某些关键特征可能被遗漏,因此未来研究需要涵盖更广泛的CT特征进行分析。第三,并非所有病理切片都可能与影像ROI匹配,这可能给分析引入偏倚。

总之,光谱参数AEF-ID被证明是BCa分级中的重要预后因素,尽管其效应量不大。我们计划在后续研究中在更大的研究人群中验证其预测价值。这种方法可能有助于临床医生制定初始治疗策略,从而有可能改善患者结局。

引用

  1. Chen L, Xu L, Zhang X, et al. Diagnostic value of dual-layer spectral detector CT parameters for differentiating high- from low-grade bladder cancer. Insights Imaging. 2025. PMID: 39747754. doi:10.1186/s13244-024-01881-8
  2. 全文:PMC11695557(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11695557/

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。