文献速递泌尿生殖妇产影像MR

MRI对O-RADS MRI评分4-5分附件肿块中鉴别卵巢透明细胞癌的价值

The value of MRI in differentiating ovarian clear cell carcinoma from other adnexal masses with O-RADS MRI scores of 4-5.
PubMed 文献 · Insights Imaging · 2025-01-29

回顾性纳入850例超声不确定附件肿块患者,评估MRI O-RADS评分4-5分者,训练集135例(A院)、测试集86例(B院),比较透明细胞癌与非透明细胞癌的临床及MRI特征,构建支持向量机模型。综合模型在测试集AUC为0.92,高于临床模型0.66和肿瘤标志物模型0.78(均p<0.05)。

要点

  • O-RADS MRI评分4-5分的附件肿块中,透明细胞癌多表现为单侧、规则、单房囊性肿块,伴壁结节。
  • 透明细胞癌常见T1WI高信号、子宫内膜异位症病史及较低CEA水平。
  • 综合临床与MRI特征的模型在测试集AUC为0.92,有助于术前鉴别透明细胞癌。

核心结论

  • 综合临床与MRI特征的模型能有效从O-RADS MRI评分4-5分的附件肿块中鉴别透明细胞癌。
  • 该模型在测试集AUC为0.92,高于临床模型0.66和肿瘤标志物模型0.78(均p<0.05),净获益更优。

研究设计与样本

  • 回顾性研究,纳入850例超声不确定附件肿块患者,最终221例O-RADS MRI评分4-5分者纳入分析(30例透明细胞癌,191例非透明细胞癌)。
  • 训练集135例来自A院(上海交通大学医学院附属仁济医院,2020年1月至2022年3月),测试集86例来自B院(同济大学医学院附属上海市第一妇婴保健院,2020年1月至2021年2月)。
  • A院使用3.0T MRI(GE和Siemens),B院使用1.5T MRI(GE);序列包括矢状位T2WI、轴位T2WI、抑脂T2WI、轴位T1WI和钆增强T1WI,钆喷酸葡胺0.2 mmol/kg静脉注射,ADC由b=0和800 s/mm²计算。
  • 由两名分别有18年和8年盆腔MRI经验的放射科医师独立评估,意见不一致时以高年资医师为准,参考标准为病理结果。
  • 采用支持向量机(SVM)构建四种透明细胞癌预测模型,十折交叉验证确定超参数,以AUC和决策曲线评估模型性能。

关键影像表现/征象

  • 透明细胞癌多见单侧病变(27/30,90%)、规则形状(20/30,66.7%)、单房肿瘤(21/30,70%)和混合成分(16/30,53.3%)。
  • 透明细胞癌多见结节状实性成分(25/30,83.3%)、偏心结节(20/30,66.7%)和T1WI高信号(22/30,73.3%)。
  • 非透明细胞癌多见单侧病变(111/191,58.1%)、不规则形状(119/191,62.3%)、单房肿瘤(147/191,77%)和实性成分(80/191,41.9%)。
  • 非透明细胞癌多见结节状实性成分(118/191,61.8%)、同心结节(132/191,69.1%)和T1WI无高信号(149/191,78%)。
  • 透明细胞癌最小ADC值和平均ADC值均高于非透明细胞癌(1.04(0.92)和1.04(0.92)vs 0.85(1.06)和0.9(1.04),均p<0.05)。

诊断标准与关键数值

  • 综合模型在测试集的AUC为0.92(0.82–1.00),准确率0.92、敏感度0.75、特异度0.95、阳性预测值0.69、阴性预测值0.96。
  • 临床模型在测试集AUC为0.66(0.45–0.86),肿瘤标志物模型AUC为0.78(0.62–0.94),MRI模型AUC为0.87(0.72–1.00)。
  • 综合模型在训练集、验证集和测试集的AUC分别为0.93(0.84–1.00)、0.93(0.92–1.00)和0.92(0.82–1.00)。
  • 综合模型纳入3个临床特征(年龄、绝经状态、子宫内膜异位症)、5个肿瘤标志物(CA125、HE4、CEA、CA199、ROMA)和15个MRI特征。
  • 透明细胞癌最小ADC值和平均ADC值的截断值均为1.04×10⁻³。

临床应用与阅片要点

  • 在O-RADS MRI评分4-5分的附件肿块中,透明细胞癌倾向于表现为大的单房囊肿、T1WI高信号、伴子宫内膜异位症和低CEA。
  • 模型假阳性病例中3例有子宫内膜异位症、2例为单房囊肿、2例T1WI高信号,提示需与高级别浆液性癌和子宫内膜样癌鉴别。
  • 模型假阴性病例中2例缺乏T1WI高信号、2例非单房、1例CEA升高、1例病灶过小无法准确评估,提示多房或缺乏T1WI高信号时仍不能完全排除透明细胞癌。
  • 透明细胞癌对铂类化疗反应率仅11%至50%,术前识别有助于避免不必要的铂类药物使用,并可能促使患者接受肺动脉CTA以降低肺栓塞手术风险。

局限性

  • 训练集和测试集的MR图像来自不同类型的MR扫描仪。
  • 使用O-RADS风险系统在常规盆腔MR图像上评分,可能将少数含强化实性成分的良性附件肿块归入O-RADS 4-5分,对透明细胞癌诊断造成干扰。
  • 动态对比增强MR图像将在未来探索。
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:Insights Imaging. 2025 Jan 29;16:22. doi: 10.1186/s13244-024-01860-z

引言

卵巢癌(OC)是女性生殖系统癌症中死亡率最高的[1]。上皮性OC是OC的主要类型,其中透明细胞癌(CCC)占10%[2]。CCC的患病率在亚洲明显较高,并与静脉血栓形成增加相关[2, 3]。此外,CCC对铂类化疗的缓解率明显低于其他OC亚型,仅为11%至50%,导致预后不良[3, 4]。对于无法达到满意肿瘤减灭的OC患者,推荐在术前采用铂类化疗以缩小肿瘤体积[2, 4]。术前识别对铂类不敏感的CCC可避免不必要的铂类药物使用。在接受初次手术的OC患者中,术前识别CCC可促使患者接受肺动脉CTA检查,有助于降低与肺栓塞相关的手术风险。它还可协助外科医生制定全面的手术策略并促进及时的个体化治疗。因此,术前准确区分CCC对临床决策至关重要。

影像学是CCC术前鉴别诊断的首选无创且经济有效的方法,已有数项研究探讨了其价值[5–9]。一项研究比较了CCC与高级别浆液性癌的术前MRI特征,表明CCC通常表现为椭圆形、单房囊性肿块,伴大乳头状突起和T1高信号囊性成分[6]。然而,该研究未评估哪种MRI特征对区分CCC最为关键,也未按其在鉴别中的重要性对特征进行排序。结合临床和影像特征的模型在预测CCC方面优于使用单一变量的模型,但其外部验证和临床获益尚未探索[8]。基于CT数据的放射组学CCC预测模型已被开发,曲线下面积(AUC)为0.86,但放射组学特征可解释性差[9]。目前,CCC术前影像学研究存在若干局限性,如影像特征的分散探索、特征比例不明确以及可解释性差。本研究总结了既往数项代表性研究中相应的CCC影像特征,以基于两家医院的样本构建CCC预测模型[5–8]。此外,有必要确认各特征在模型中的比例,并突出对识别CCC重要的特征。

作为一种高度恶性的肿瘤,几乎所有透明细胞癌(CCC)在常规盆腔增强MRI上均表现为肿块内强化的实性成分,在卵巢-附件报告和数据系统(O-RADS)MRI风险分层系统中可评为4–5分。考虑到MRI能够显示附件肿块的内部成分及毗邻结构,Thomassin-Naggara等[10]提出了O-RADS MRI风险分层系统,用于术前鉴别附件肿块的良恶性。O-RADS MRI评分为4–5分的附件肿块对恶性的阳性预测值(PPV)为90%。因此,将CCC与O-RADS MRI评分为4–5分的附件肿块进行鉴别,可缩小预测CCC的范围,并避免选择偏倚。在本研究中,我们将O-RADS MRI风险分层系统纳入CCC术前评估策略的一部分,这不仅有助于放射科医师进行前瞻性评估,还能规范鉴别流程并促进跨学科交流。然而,基于O-RADS MRI风险分层系统,鉴别CCC与附件肿块准确率(AC)的改进尚未见讨论。

因此,我们旨在构建一个结合临床特征与MRI特征的模型,用于将CCC与O-RADS MRI评分为4–5分的附件肿块进行鉴别。

方法

患者

本研究经机构医学研究委员会批准后实施。我们初步通过超声检查确定了850例附件肿块性质待定的女性,随后在A医院(上海交通大学医学院附属仁济医院;2020年1月至2022年3月)和B医院(同济大学医学院附属上海市第一妇婴保健院;2020年1月至2021年2月)进行了MR扫描。排除标准如下:1. O-RADS MRI评分为1至3分(n = 587);2. 拒绝手术(n = 8);3. 非附件肿块(n = 18);4. 附件肿块脂肪抑制不均匀(n = 5);5. MR扫描前接受过化疗或放疗(n = 6);6. 缺乏相关临床和病理资料(n = 3);7. 图像质量差(n = 2)。最终,222例O-RADS MRI评分为4–5分的患者被分为训练集(n = 135,A医院)和测试集(n = 86,B医院)。研究人群流程图见图1。临床资料包括年龄、绝经状态及子宫内膜异位症病史。血清肿瘤标志物,如CA125、HE4、CEA、CA199和ROMA,于手术前一周内获取。

图1 研究人群流程图 查看原图 ↗

MR成像方案

MR扫描在B医院采用1.5特斯拉系统(GE Medical Systems)进行,在A医院采用3.0特斯拉系统(GE和Siemens Medical Systems)进行。MR成像方案主要包括矢状位T2加权成像(T2WI)、轴位T2WI、脂肪抑制T2WI(FS-T2WI)、轴位T1加权成像(T1WI)及钆增强T1WI。患者接受钆喷酸葡胺静脉注射(0.2 mmol/kg)。表观扩散系数(ADC)由两个b值(0 s/mm2和800 s/mm2)计算得出。详细信息见表S1–2。

MR影像分析

两名分别具有十八年和八年盆腔MRI经验的委员会认证放射科医师独立阅片并记录每幅图像。当两名观察者意见不一致时,以资深放射科医师的评估作为标准。放射科医师对患者的病理结果不知情,但对每个附件肿块评估均使用Thomassin等人[10, 11]开发的O-RADS MR评分。MRI特征标准基于既往发表的若干与CCC相关的术语(表1)。肿瘤的整体状况通过形状、奇偶性、单房性、成分和整体大小进行评估。肿瘤的内部细节通过实性部分形状、实性部分大小、结节数量、壁结节生长模式(GPMN)、T1WI高信号、实性成分高宽比(HWR)、实性信号强度比(SSIR)、液体信号强度比(FSIR)和ADC值进行评估[12]。增强评估指动脉期外层子宫肌层与肿瘤实性组织的信号强度比(USIR)。

表1 MRI定性和定量特征的定义 查看原表 ↗

统计分析

对于呈正态分布的连续变量,提供均值和标准差;对于非正态分布数据,报告中位数(范围)。对于连续变量,采用独立样本t检验比较呈正态分布的差异,而对非正态分布数据采用Mann-Whitney U检验。采用Pearson卡方检验检验分类变量之间的关联。

通过重复随机病例进行上采样以平衡阳性和阴性样本,从而修正训练数据集的不平衡。如果特征对的Pearson相关系数(PCC)超过0.80,则移除其中一个特征以减少多重共线性并防止模型过拟合[13]。在构建模型之前,使用方差分析选择特征。采用支持向量机(SVM)作为分类器构建模型。在训练队列中应用十折交叉验证确定模型的超参数。使用测试集的AUC确定模型特征的数量。模型性能通过AUC、决策曲线分析(DCA)和校准曲线进行评估。还在使约登指数值最大化的截断值处计算AC、灵敏度(SE)、特异度(SP)、PPV和阴性预测值(NPV)。95%置信区间(CI)通过1000次样本的bootstrap法估计。采用DeLong检验比较AUC。

影像分析的观察者间一致性采用Cohen kappa系数和观察者间相关系数(ICC)评估。观察者间一致性定义为轻微一致(0.00–0.40)、中度一致(0.41–0.60)、高度一致(0.61–0.80)或几乎完全一致(0.81–1.00)[14]。上述所有过程均使用R软件(版本4.0.4,http://www.R-project.org)和基于Python(3.7.6)的FeAtureExplorer Pro(FAE,V 0.5.5)实现[15]。p值<0.05被认为具有统计学意义。

结果

临床和病理特征

表2对CCC患者与非CCC患者的临床和病理特征进行了比较和分析。非CCC患者的中位(范围)年龄为56(68)岁,CCC患者为53.5(44)岁(p = 0.40)。非CCC队列包括恶性肿瘤、交界性肿瘤和良性肿瘤,分别占84.82%、4.19%和10.99%。共有162例患者被诊断为恶性肿瘤,包括高级别浆液性癌、子宫内膜样癌、黏液性腺癌和其他类型。此外,有8例交界性肿瘤患者和21例良性肿瘤患者,包括性索间质肿瘤、生殖细胞肿瘤、结核和输卵管系膜纤维瘤。子宫内膜异位症、CA125、HE4、CEA、ROMA、腹水、腹膜种植、Ki-67和FIGO分期差异均有统计学意义(均p < 0.05)。CCC组有子宫内膜异位症病史的概率高于非CCC组。与非CCC患者相比,CCC患者的CA125、HE4、CEA和ROMA水平较低。CCC患者腹水和腹膜种植的发生率较低(分别为23.3%和13.3%)。CCC患者的Ki-67水平也较低。大多数CCC患者诊断时为早期(I、II期),占80%。大多数非CCC患者诊断时为晚期(III、IV期),占56.5%。绝经后状态、CA199、R0切除、合并子宫内膜癌、P53突变和O-RADS MRI评分在两组间差异无统计学意义。

表2 CCC与非CCC临床和病理特征的比较 查看原表 ↗

MRI定性特征分析

CCC与非CCC患者MRI定性测量结果汇总于表3。非CCC与CCC在形态、分叶、单房、成分、实性部分形态、GPMN和T1WI高信号方面差异均有统计学意义(均p < 0.05)。总体来看,大多数CCC为单侧病变(27/30,90%)、形态规则(20/30,66.7%)、单房肿瘤(21/30,70%)和混合成分(16/30,53.3%)。而大多数非CCC为单侧病变(111/191,58.1%)、形态不规则(119/191,62.3%)、单房肿瘤(147/191,77%)和实性成分(80/191,41.9%)。从细节角度看,大多数CCC的实性部分呈结节状(25/30,83.3%)、偏心性结节(20/30,66.7%)和T1WI高信号(22/30,73.3%)。而大多数非CCC的实性部分呈结节状(118/191,61.8%)、同心性结节(132/191,69.1%)和T1WI无高信号(149/191,78%)。

表3 CCC与非CCC定性MR特征的比较 查看原表 ↗

MRI定量特征分析

CCC与非CCC患者MRI定量测量结果汇总于表4。CCC患者的最小ADC值和平均ADC值(1.04(0.92)和1.04(0.92))显著高于非CCC患者(0.85(1.06)和0.9(1.04))(均p < 0.05)。CCC组的结节数量少于非CCC组(2(11)vs 4(19))(p < 0.05)。与非CCC患者相比,CCC患者的USIR较低(0.77(1.67)vs 0.98(1.84))(p < 0.05),FSIR较高(0.71(2.08)vs 0.65(5.38))(p < 0.05)。然而,总体大小、实性部分大小、HWR和SSIR在CCC与非CCC患者之间差异无统计学意义。

每位观察者间对每个MRI特征的一致性几乎完美(所有kappa值和ICC值均高于0.85)(表S3)。CCC和非CCC的示例见图2和图3。

表4 CCC与非CCC之间定量MR特征的比较 查看原表 ↗
图2 一名35岁CCC女性(FIGO IA期)合并子宫内膜异位症的MR图像如下所示。轴位T2WI和轴位FS-T2WI(a、d)显示左卵巢有一个大的单房囊性肿块,伴偏心结节(箭头),该结节在FS CE-T1WI上有明显强化结节和少量线样高信号(b、e)。轴位DWI显示结节呈高信号(f),而在ADC图上呈低信号(c) 查看原图 ↗
图3 一名54岁非CCC(高级别浆液性癌)女性(FIGO IVB期)伴大量腹水的MR图像如下所示。轴位T2WI和轴位FS-T2WI(a、d)显示左、右卵巢有多个实性结节融合成簇(箭头),在FS CE-T1WI上有明显强化(b、e)。轴位DWI显示实性组织呈高信号(f),而在ADC图上呈低信号(c) 查看原图 ↗

每个CCC预测模型与SVM的比较

训练集和测试集之间在任何临床或MRI参数上均无显著差异(表S4)。各参数之间的相关性见热图(图4)。四种CCC诊断模型的诊断性能见表5。

临床模型使用年龄、绝经后状态和子宫内膜异位症,在测试集中的AUC为0.66(0.45–0.86)。肿瘤标志物模型包括CA125、HE4、CEA、CA199和ROMA,在测试集中的AUC为0.78(0.62–0.94)。MRI模型使用13个常规MRI特征(形状、产次、单房、成分、实性部分形状、GPMN、T1WI高信号、总体大小、实性部分大小、HWR、结节数量、SSIR和FSIR),以及1个增强MRI特征(USIR)和1个功能MRI特征(ADC值)建立,AUC为0.87(0.72–1.00)。

为建立临床+肿瘤标志物+MRI模型(综合模型),我们使用了3个临床特征(年龄、绝经后状态和子宫内膜异位症)、5个肿瘤标志物特征(CA125、HE4、CEA、CA199和ROMA)和15个MRI特征(形状、产次、单房、成分、实性部分形状、GPMN、T1WI高信号、总体大小、实性部分大小、HWR、结节数量、SSIR、FSIR、USIR、平均ADC值)。综合模型在训练集、验证集和测试集中的AUC分别为0.93(0.84–1.00)、0.93(0.92–1.00)和0.92(0.82–1.00)。在测试集中,AC、SE、SP、PPV和NPV分别为0.92、0.75、0.95、0.69和0.96。

各模型在训练集、验证集和测试集中的AUC见图5a–c。根据De Long检验,综合模型在所有集合中的AUC均高于临床模型和肿瘤标志物模型(所有p < 0.05)。模型的DCA和校准曲线见图6a、b。综合模型的DCA优于其他模型,并且在验证集中具有良好的校准能力。综合模型的组成见图6c。

图4 各参数之间的相关性见热图 查看原图 ↗
表5 每个CCC诊断模型的诊断性能 查看原表 ↗
图5 四种CCC预测模型分别在训练集、验证集和测试集中的AUC(a–c) 查看原图 ↗
图6 验证集中四种CCC预测模型的DCA,分别为(a)。验证集中综合模型的校准曲线(b)。综合模型的构成(c) 查看原图 ↗

讨论

在本研究中,综合CCC预测模型在训练集、验证集和外部测试集中表现良好(AUC分别为0.93、0.93和0.92)。综合模型的NPV为0.96,较高的NPV表明该模型可降低术前CCC误诊的概率,避免延误以铂类为基础的新辅助化疗。特别是身体状况较差而无法接受手术的患者,以及肿瘤无法通过手术完全切除的患者,可从该模型中获益更多。

从综合模型的特征贡献直方图可以看出,有七个特征的贡献系数超过1,对模型有显著贡献。在这些特征中,有五个特征的贡献尤为突出,即大小、单房、T1WI高信号、子宫内膜异位症和CEA,这与既往研究的结果相似[6, 7]。因此,在O-RADS MRI评分为4–5分的附件区肿块中,CCC倾向于表现为较大的单房囊肿,伴T1WI高信号、子宫内膜异位症和低CEA。此外,还在测试集中分析了CCC预测模型的诊断错误病例。有四名患者为假阳性,被错误诊断为CCC。在这些患者中,三人患有子宫内膜异位症,两人为单房囊肿,两人有T1WI高信号图像。这一发现促使我们在使用该模型时区分CCC与高级别浆液性卵巢癌及子宫内膜样卵巢癌。此外,有三名患者为假阴性结果。在这些患者中,两人缺乏T1WI高信号,两人不是单房,一人显示CEA升高,一名患者的病灶太小而无法准确评估。这一发现提示,即使肿瘤为多房或缺乏T1WI高信号,也不能完全排除CCC的可能性。

面对分散的信息,综合并构建模型可帮助医生做出更明智、更准确的诊断[16]。关于如何选择用于模型开发的参数以及如何探索和反映模型的临床获益,仍存在若干问题。根据既往研究,本研究所探索的所有特征在识别CCC方面均有效。鉴于每个特征的重要性,p值>0.05的参数未被排除。相反,PCC>0.8的参数被排除,优先消除表现出高度多重共线性的特征,同时保留所有可能具有价值的特征用于分析[13]。计算校准曲线和DCA以评估模型的临床获益[17, 18]。结果表明综合模型具有良好的性能。

根据定性MRI特征的单因素分析,透明细胞癌(CCC)多为单侧规则的单房囊性肿瘤,结节较少,与既往研究结果相似[6, 7]。CCC与子宫内膜异位症相关,证实了其为子宫内膜异位症相关恶性卵巢肿瘤的理论。子宫内膜异位症可引入囊内出血,在T1WI上表现为高信号,并改善囊内信号[5, 7]。在本研究中,CCC常表现为T1WI高信号,FSIR较高。另一方面,Morioka等[7]提出,起源于HNF-1β阳性的癌前子宫内膜异位细胞的CCC细胞可形成局灶性和偏心性病变。大多数非CCC病例为恶性肿瘤,占85%。非CCC与高ki-67相关,这可解释其高侵袭性。一旦成为肿瘤,其发展迅速,可能导致同心结节和大多数同心结构的融合[19, 20]。在本研究中,伴有偏心结节的CCC、伴有同心结节的非CCC以及同心结构的融合也可观察到同样的现象。因此,CCC倾向于在早期FIGO分期被诊断,腹水较少,腹膜种植较少。然而,年龄、绝经状态、形状、产次和成分对CCC鉴别的贡献相对较小。在肿瘤标志物方面,我们观察到CEA在识别CCC方面表现出显著的鉴别能力,这与先前的研究结果一致[8]。另一方面,CA125、HE4和ROMA在鉴别中不突出。

根据定量MR特征的单因素分析,我们的研究显示CCC的最小和平均ADC值较高,截断值均为1.04 × 10−3,表明存在合理的限制。CCC由于惰性行为,血管可能少于其他上皮性卵巢癌,理论上可观察到较少的强化[21]。既往关于强化的研究仅限于简单的三个强化类别,可能遗漏一些有用信息[6]。因此,首次选择USIR来探索CCC的特征。结果显示CCC具有较低的USIR,与CCC的生物学行为一致。结节数量、HWR、实性部分大小和SSIR无法将CCC与附件肿块区分开来,与其他研究观察结果一致[7, 20]。这可能源于测量方法的可重复性较差或纳入偏倚,因此需要更多支持性证据。

本研究的局限性如下。训练集和测试集的MR图像来自不同类型的MR扫描仪。然而,测试集的良好结果表明该CCC预测模型适用于不同类型的MR图像。此外,我们使用O-RADS风险系统在常规盆腔MR图像上对附件肿块进行评分,这可能引入少数含有强化实性成分的良性附件肿块被分为O-RADS 4–5,对CCC诊断造成干扰。未来将探索动态对比增强MR图像。

结论

总之,本研究揭示了一个有价值的模型,可用于区分CCC与O-RADS MRI评分为4–5的附件肿块。

补充信息

电子补充材料

引用

  1. Lin L, Fu L, Wu H, et al. The value of MRI in differentiating ovarian clear cell carcinoma from other adnexal masses with O-RADS MRI scores of 4-5. Insights Imaging. 2025. PMID: 39881050. doi:10.1186/s13244-024-01860-z
  2. 全文:PMC11780052(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11780052/

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。