基于对比增强MRI的瘤内异质性评估预测可切除胰腺导管腺癌淋巴结转移
本研究回顾性纳入597例可切除胰腺导管腺癌患者,基于对比增强MRI动脉期、静脉期和延迟期强化率构建栖息地模型,联合影像组学与临床特征建立RHC模型预测淋巴结转移,推导组、内部验证组和外部验证组AUC分别为0.805、0.779和0.615,并可按阈值0.46进行风险分层。
要点
- 基于强化率图构建的栖息地模型可预测可切除PDAC的淋巴结转移
- RHC联合模型在推导组和内部验证组AUC分别为0.805和0.779,外部验证组仅0.615
- 以0.46为阈值行风险分层,高风险组辅助治疗总生存获益更明显
核心结论
- 作者建立了基于对比增强MRI的瘤内异质性模型,可对可切除PDAC的淋巴结转移给出较可靠的估计,并可能为临床决策提供附加价值。
研究设计与样本
- 回顾性研究,在复旦大学附属中山医院纳入2015年10月至2023年12月连续诊治的PDAC患者,并纳入3个外部中心2019年1月至2023年9月等时段的可切除PDAC患者进行外部验证。
- 最终入组597例,推导组432例、内部验证组109例、外部验证组56例。
- MRI采用多种1.5-T或3.0-T设备,手动勾画动脉期T1_A、静脉期T1_V、延迟期T1_D三个增强序列,参考标准为病理pN分期(AJCC第8版)。
- 基于动脉期、静脉期、延迟期强化率图,用K-means聚类将肿瘤划分为3个栖息地亚区。
- 采用SelectKBest、mRMR和LASSO依次筛选特征,构建影像组学、栖息地、影像组学-栖息地(RH)及影像组学-栖息地-临床(RHC)等模型。
关键影像表现/征象
- 基于Calinski–Harabasz评分确定肿瘤感兴趣区理想聚类数为3,推导组识别出3个不同亚区,栖息地2占比最高(46.4%),其次为栖息地3(37.3%)和栖息地1(16.3%)。
- 共提取2264个影像组学特征和1904个栖息地特征,经筛选后影像组学模型、原始栖息地模型、强化栖息地模型、栖息地模型和RH模型分别保留8、10、6、13和15个特征。
- 最重要的两个特征分别来自影像组学模型和Enhanced_D栖息地模型,强化延迟期图衍生的栖息地特征(binomialblurimage_ngtdm_Contrast)在区分淋巴结转移中最显著。
诊断标准与关键数值
- RHC模型预测淋巴结转移的AUC在推导组为0.805(95%CI:0.763–0.847)、内部验证组为0.779(95%CI:0.688–0.870)、外部验证组为0.615(95%CI:0.465–0.766)。
- 以RHC模型预测评分0.46为最佳阈值将患者分为高风险组和低风险组。
- 临床模型AUC在推导组为0.641(95%CI:0.590–0.693)、内部验证组为0.672(95%CI:0.571–0.774)、外部验证组为0.615(95%CI:0.465–0.766)。
- 集成影像组学模型AUC在推导组为0.679(95%CI:0.628–0.729)、内部验证组为0.675(95%CI:0.573–0.778)、外部验证组为0.574(95%CI:0.402–0.746)。
- RH模型AUC在推导组为0.752(95%CI:0.707–0.798)、内部验证组为0.729(95%CI:0.631–0.827)、外部验证组为0.655(95%CI:0.508–0.802)。
临床应用与阅片要点
- 多因素回归显示CA19-9升高(OR:1.248;95%CI:1.020–1.527)、TBil升高(OR:1.243;95%CI:1.019–1.517)及影像学增大淋巴结(OR:1.320;95%CI:1.086–1.605)与淋巴结转移相关。
- 影像学增大淋巴结定义为MRI上淋巴结短轴直径超过10 mm。
- 按RHC模型风险分层,高风险组中位无复发生存期600天 vs 低风险组331天(p=0.004),中位总生存期871天 vs 未达到(p<0.001)。
- 高风险组接受辅助治疗者中位总生存期908天 vs 未接受者465天(p=0.004),低风险组辅助治疗未见统计学显著生存获益(p=0.069)。
局限性
- 原文在讨论中引用的既往MRI影像组学研究存在模型过拟合、样本量小或单中心的问题,可导致AUC偏乐观和可重复性差。
- 本研究中单独影像组学模型在外部验证组效果欠佳,AUC仅0.574,Brier评分为0.270。
- 原文讨论提到传统影像评估依赖淋巴结大小、形态和信号/密度特征,受阅片者主观判读限制,诊断性能欠佳。
- 原文结论用「may offer additional value」表述,未报告其他明确的研究局限性。
全文中译18 节 · 点击展开
引言
胰腺导管腺癌(PDAC)是癌症相关死亡的第三大原因,5年生存率低,约为12%[1]。这种不良预后与淋巴结(LN)转移频繁密切相关[2, 3]。值得注意的是,无LN转移患者的5年生存率是有LN受累患者的四倍,后者生存率仅为10%[4]。
术前评估LN状态对于预后和治疗规划至关重要,因为准确评估可以指导新辅助化疗并改善LN阳性PDAC患者的结局[5–7]。此外,对于区域LN转移患者,手术治疗的获益可能降低,这表明及时准确检测LN受累的重要性[8]。PDAC的高度异质性给监测肿瘤生物学行为和做出临床治疗决策带来了挑战[9, 10]。这种异质性导致转移至不同部位的患者在预后和免疫治疗疗效方面存在差异,尤其是在具有相似临床特征的患者中,例如淋巴结(LN)阳性状态[11]。因此,反映胰腺癌病灶整体特征但忽视肿瘤内异质性(ITH)的肿瘤生物标志物在评估转移和预后方面价值有限。
当前的无创成像技术往往难以将LN转移与炎症或淋巴管阻塞等状况区分开来[12]。例如,CT检测LN转移的敏感性较低,约为25%[13]。从对比增强MRI中提取放射学特征有望提供额外的生物学相关成像信息,并已被证明与肿瘤诊断、治疗和预后相关[14]。放射组学可以从术前影像中提取高维数据,以揭示传统方法常遗漏的细微模式。将放射组学与先进机器学习相结合,可能通过区分恶性淋巴结与良性淋巴结来提高预测PDAC中LN转移的准确性。
传统放射组学从医学图像中提取定量特征,假设病灶内或其周围区域的特征分布均匀。这种方法未考虑ITH,因此可能损害预测准确性和可靠性[15]。相比之下,栖息地成像根据特定结构和功能特征将肿瘤分割为不同亚区或“栖息地”,提供对肿瘤异质性的更详细分析[16, 17]。该方法通过捕捉血流和细胞密度等因素的区域变异,提供对肿瘤异质性的详细分析,而传统成像技术可能忽视这些变异。既往在多种癌症中的研究表明,栖息地成像可有效评估肿瘤生物学行为或预后,表明它同样可能改进LN受累评估[15, 18, 19]。对比增强MRI可提供肿瘤生物学和ITH的详细无创测量,非常适合与栖息地成像整合。这种联合方法通过不同亚区增强肿瘤异质性的可视化和监测,可能为LN受累提供更好的区分和评估[17]。
因此,在我们这项大样本、多中心研究中,我们旨在开发并验证基于对比增强MRI的瘤内异质性(ITH)模型在预测可切除PDAC淋巴结转移中的价值。
材料与方法
这项回顾性研究在复旦大学附属中山医院进行,经机构审查委员会批准(B2024-250R),并获准豁免获取书面知情同意。该方案遵循1964年《赫尔辛基宣言》所规定的伦理标准,并符合TRIPOD(多变量预测模型个体预后或诊断透明报告)指南。
患者选择
我们收集了2015年10月至2023年12月期间在一所大学教学医院(复旦大学附属中山医院)连续接受PDAC治疗的患者数据。研究共回顾了949例经病理确诊的PDAC患者。此外,外部验证队列由324例可切除PDAC患者组成,通过从三个不同中心招募参与者进行回顾:中心2于2019年1月至2023年9月期间纳入157例患者,中心3于2020年1月至2023年9月期间纳入92例患者,中心4于2021年9月至2023年9月期间纳入75例患者。纳入和排除标准见图1。最终共纳入597例PDAC患者,其中推导队列432例,内部验证队列109例,外部验证队列56例。
MRI方案
由于研究持续时间较长且为多中心性质,MRI扫描采用多种1.5-T或3.0-T MRI系统采集。有关MRI方案的详细资料见附录S1以及表E1和E2。
临床和影像学特征
本研究评估了一系列人口学和实验室变量,包括年龄、性别、糖尿病和高血压的存在情况、癌抗原19-9(CA 19-9)、总胆红素(TBil)和白蛋白的血清水平。
关于影像学特征,两名分别具有10年和23年腹部MRI经验的腹部放射科医师对影像数据进行了回顾性审阅,且对任何其他临床和病理细节均不知情。每位放射科医师独立评估PDAC病例的影像学特征。他们评估中的分歧由第三位具有31年胰腺MRI经验的资深放射科医师通过审阅图像达成最终共识来解决。评估肿瘤的以下特征:(a)肿瘤大小,定义为最大横截面直径;(b)位置,分类为胰头/颈或胰体/尾;以及(c)影像学增大的淋巴结,由MRI成像确定,即淋巴结短轴直径超过10 mm。
病理特征分析
病理数据从患者病历中提取。一名具有15年腹部病理学经验的病理学家重新评估了pT和pN分期。详细记录了病理学发现,包括:(a)基于美国癌症联合委员会(AJCC)第八版分期系统的侵犯范围(pT)和淋巴结受累(pN),(b)肿瘤分化分级,(c)病理性淋巴血管侵犯(PLI),(d)神经周围侵犯(PNI),以及(e)病理性脂肪浸润(PFI)。
图像分割与图像预处理
所有图像均在三个对比增强序列上进行人工标注:动脉期T1加权图像(T1_A)、静脉期T1加权图像(T1_V)和延迟期T1加权图像(T1_D)。这些标注随后用于后续分析。详细流程见附录S2。
栖息地成像与影像组学特征提取
配准后,肿瘤区域内每个体素整合了计算所得参数映射的值,形成三维向量。为防止数值较高的特征主导聚类过程,应用z-score归一化以确保映射呈正态分布。在特征空间内,使用K-means算法进行栖息地成像。详细流程见附录S3。
特征选择、栖息地模型构建与评估
依次应用三种算法进行特征选择。首先,使用SelectKBest通过F检验筛选与标签相关性最高的前100个特征。其次,基于信息论,使用mRMR(最大相关性和最小冗余性)对筛选出的100个特征进行处理,以识别出具有最大相关性和最小冗余性的50个特征子集。最后,采用LASSO(最小绝对收缩和选择算子)选择最有价值的特征。通过将增强前图像与其对比增强对应图像相减,生成三个增强比率图——Enhanced_A(动脉期)、Enhanced_V(静脉期)和Enhanced_D(延迟期),并使用这些图构建Enhanced_habitat模型。所有其他模型构建和评估在附录S4中详细概述。
统计分析
统计分析使用SPSS软件(版本26.0,IBM)和R语言(版本4.4.1)进行。连续变量使用学生t检验或Mann–Whitney U检验进行比较,分类变量根据适用情况使用卡方检验或Fisher精确检验进行分析。采用DeLong检验比较各模型的曲线下面积(AUC)。最佳截断值(0.46)通过影像组学–栖息地–临床(RHC)预测评分确定,将患者分为高风险组或低风险组。各种参数或模型对预后的预后价值使用Kaplan–Meier生存分析及log-rank检验进行评估。双尾p值< 0.05被认为具有统计学意义。整个工作流程见图2。
结果
患者特征
本研究共纳入三个队列中597例胰腺导管腺癌(PDAC)患者。基线临床、影像学和病理学特征汇总于表1。在本中心的推导队列和内部验证队列中,淋巴结(LN)转移的总体发生率为43.1%(541例中233例),其中pN2占6.1%(541例中33例)。在外部验证队列中,LN转移的总体发生率为39.3%(56例中22例),其中pN2占16.1%(56例中9例)。在训练集、内部验证集和外部验证集中,分别有186例(43.0%)、47例(43.1%)和22例(39.3%)患者观察到LN转移。在训练集中,经单因素和多因素logistic回归分析后,CA19-9、TBil和影像学增大LN状态被保留(表2),LN转移更常见地与CA19-9水平升高(OR:1.248;95% CI:1.020–1.527)、TBil水平升高(OR:1.243;95% CI:1.019–1.517)以及影像学增大LN的存在(OR:1.320;95% CI:1.086–1.605)相关。随后将这些变量整合入临床模型,在推导队列中产生的AUC为0.641(95% CI:0.590–0.693),在内部验证队列中为0.672(95% CI:0.571–0.774),在外部验证队列中为0.615(95% CI:0.465–0.766)。
ITH分析与影像组学特征选择
基于Calinski–Harabasz评分,肿瘤感兴趣区的理想聚类数被确定为3,从而在推导队列中识别出三个不同的亚区域(图E1)。就亚区域比例而言,habitat 2最为主要(46.4%),其次为habitat 3(37.3%)和habitat 1(16.3%)。共提取2264个影像组学特征和1904个habitat特征用于影像组学和habitat分析。经过特征降维和LASSO选择后,Radiomics模型、Origin habitat、Enhanced habitat、Habitat和RH模型分别保留了8、10、6、13和15个特征(图E2和表E3–4)。此外,层次聚类热图提示,影像组学及各habitat模型所选特征在区分LN转移方面有效(图E3)。两个最重要的特征分别来自Radiomics模型和Enhanced_D habitat模型。此外,图3展示了LN转移组和非LN转移组的代表性habitat成像。
联合模型与性能评估
各单一序列的影像组学模型
基于六个单独序列(Radiomic_DWI、Radiomic_T2、Radiomic_T1_Pre、Radiomic_T1_A、Radiomic_T1_V 和 Radiomic_T1_D)的影像组学模型在推导队列中预测淋巴结(LN)转移的 AUC 范围为 0.613 至 0.681,在内部验证队列中为 0.600–0.674。当使用 LR 方法将这些模型整合为集成影像组学模型时,推导队列、内部验证队列和外部验证队列的 AUC 分别为 0.679(95% CI:0.628–0.729)、0.675(95% CI:0.573–0.778)和 0.574(95% CI:0.402–0.746)。基于单独序列的各影像组学模型的详细性能指标见表 E5。
基于增强映射和单序列的栖息地(Habitat)模型
我们使用 K-means 聚类算法将所有肿瘤像素分为三组,分别记为 Cluster1、Cluster2 和 Cluster3。对于所有患者肿瘤的每个序列,随后生成了对应全部三个区域的模型(例如 Habitat_Enhanced_A_1、Habitat_Enhanced_A_2、Habitat_Enhanced_A_3)。在预测 LN 转移方面,源自以下七个序列(T1_Pre、T1_A、T1_V、T1_D、Enhanced_A、Enhanced_V 和 Enhanced_D)的栖息地模型在推导队列中获得的 AUC 范围为 0.548 至 0.690,在内部验证队列中为 0.424 至 0.653。(表 E6)。表 E6 提供了预测指标的全面概览,包括灵敏度、特异度、准确率、精确率和 F1 分数。
Original_habitat 模型(结合 T1_Pre、T1_A、T1_V 和 T1_D 序列)、Enhanced_habitat 模型(结合 Enhanced_A、Enhanced_V 和 Enhanced_D)以及集成栖息地模型(整合 Original_habitat 和 Enhanced_habitat)在推导队列中的 AUC 分别为 0.684(95% CI:0.634–0.734)、0.663(95% CI:0.611–0.715)和 0.716(95% CI:0.668–0.764);在内部验证队列中分别为 0.665(95% CI:0.559–0.772)、0.653(95% CI:0.550–0.756)和 0.706(95% CI:0.605–0.808);在外部验证队列中分别为 0.689(95% CI:0.537–0.842)、0.667(95% CI:0.523–0.811)和 0.708(95% CI:0.567–0.848)(表 3)。
集成模型和性能分析
对于基于影像的淋巴结转移预测,RH模型采用LR方法整合了影像组学和Habitat特征并筛选出15个特征,其在推导队列中的AUC为0.752(95% CI:0.707–0.798),在内部验证队列中为0.729(95% CI:0.631–0.827),在外部验证队列中为0.655(95% CI:0.508–0.802)。这些结果优于单独的影像组学、Original_habitat和Enhanced_habitat模型所获得的结果。此外,采用SVM方法整合影像组学、Habitat和临床特征的集成RHC模型在推导队列、内部验证队列和外部验证队列中分别获得了最高的AUC值,分别为0.805(95% CI:0.763–0.847)、0.779(95% CI:0.688–0.870)和0.615(95% CI:0.465–0.766)(表3)。此外,表3总结了不同集成模型的各种其他预测指标。七种模型用于预测淋巴结转移二分类的混淆矩阵见图4。AUC曲线、校准曲线和决策曲线分析(DCA)表明,与其他模型相比,RHC模型在区分淋巴结状态方面表现出更优的预测性能(图5和表E7)。
采用SHapley Additive exPlanations(SHAP)算法生成重要性排序,通过计算18个所选特征的SHAP值为最终集成RHC模型的输出提供可解释性(图E4和表E8)。
集成模型对预后风险分层和辅助治疗结局的预测价值
根据集成RHC模型在整个队列(中心1)中预测的淋巴结转移所推导的截断值,患者被分为低风险组和高风险组。Kaplan-Meier生存曲线显示,最终RHC模型能够为可切除PDAC患者区分无复发生存(RFS)和OS结局提供额外价值(中位RFS,600 vs 331天;p = 0.004;中位OS,871 vs NA天;p < 0.001)(图6a、b)。
此外,在RHC模型预测的淋巴结转移高风险组中,辅助治疗显示出改善的生存结局,中位OS显著延长(中位OS,908 vs 465天;p = 0.004)。然而,在模型预测的淋巴结转移低风险组中,未观察到具有统计学意义的生存获益(p = 0.069)(图6c、d)。
讨论
在本研究中,我们利用基于多参数MRI的ITH亚区开发了一个集成RHC模型,用于预测可切除PDAC的淋巴结转移。此外,我们应用RHC衍生评分进行淋巴结转移风险分层,有效区分了OS和RFS风险,同时为优化辅助治疗策略提供了有价值的指导。
PDAC中的淋巴结转移与手术规划和患者预后密切相关[20–22]。然而,传统影像学方法,如CT和MRI,依赖淋巴结大小、形态和信号/密度特征进行评估,这些方法受限于放射科医师的主观判读,导致敏感性不足和诊断性能欠佳[23]。此外,已有报道指出若干临床因素,如血清CA19-9、肿瘤大小等,与淋巴结转移相关[24–26]。在我们的研究中,多因素回归分析确定CA19-9水平(> 100 U/mL,OR:1.248;95% CI:1.020–1.527)、TBil水平(> 22.2 μmol/L,OR:1.243;95% CI:1.019–1.517)和影像学增大的淋巴结(OR:1.320;95% CI:1.086–1.605)是可切除PDAC中淋巴结转移的独立危险因素。然而,基于这些因素的临床模型的预测性能一般,在内部和外部验证队列中的AUC分别为0.672和0.655。
目前,基于放射组学的影像模型正逐步被用于预测PDAC患者的淋巴结转移[24, 27, 28]。最近一项meta分析表明,与传统放射学图像的语义判读相比,放射组学模型可获得相对更优的敏感性和特异性[29]。然而,聚焦于基于MRI的放射组学预测PDAC患者淋巴结转移的研究仍然有限。Zhenshan Shi等人开发了一个MRI放射组学模型,训练队列和验证队列的AUC值分别为0.868和0.772[30]。此外,Lin Shi等人的研究报告了一个基于MRI的放射组学列线图模型用于预测淋巴结转移,主要队列和验证队列的AUC值分别为0.845和0.816[31]。尽管如此,必须注意的是,这些研究的主要局限是模型过拟合,加之样本量小或为单中心,进一步加重了这一问题,这可能导致AUC值过于乐观且可重复性差。在我们的研究中,单独放射组学模型的性能在训练队列和内部验证队列中的AUC值分别为0.679和0.675;然而,其在外部验证队列中的效能欠佳,AUC仅为0.574,Brier评分相对较高,为0.270。因此,尽管放射组学能够提取和识别一些有效特征,但单一放射组学模型可能难以满足准确预测可切除患者淋巴结转移的临床需求。
生境分析能够实现肿瘤分割,并识别反映肿瘤异质性的相应生境特征[32]。因此,生境成像可作为肿瘤内异质性(ITH)的指标,生境亚区域数量的增加与更大的肿瘤异质性相关[33, 34]。肿瘤的显著异质性是胰腺导管腺癌(PDAC)的标志性特征,PDAC肿瘤内部及肿瘤之间的异质性在治疗耐药和预后中起着关键作用。Esther M.M. Smeets最近的一项研究表明,基于[18F]FDG PET的亚区域与胰腺癌中的高/异质性MCT4亚组、MCT4表达水平及局部变异相关。这表明基于亚区域的影像组学评分在无创捕捉瘤内标志物异质性及识别预后不良的PDAC患者亚组方面具有很大潜力[35]。
多期对比增强MR成像中的信号增强比(SER)与PDAC组织成分及预后密切相关[36]。因此,在本研究中,我们对MR图像进行减影处理,生成动脉期、静脉期和延迟期增强比图像用于亚区域聚类分析。该方法不仅有助于识别与ITH相关的特征,还将原本非定量的MR图像转化为可定量分析的减影图像,有助于减少不同MR机器带来的变异性。正如预期,在增强生境(enhanced_habitat)、生境(habitat)和影像组学生境(RH)模型中,源自增强_D映射的生境特征(binomialblurimage_ngtdm_Contrast)在区分PDAC淋巴结转移方面最为显著。结果方面,生境模型和影像组学生境(RH)模型在内部和外部验证队列中的AUC分别为0.706、0.708和0.729、0.655,优于传统临床模型和影像组学模型。在此基础上,进一步整合影像和临床模型,以获得更好、更实用的PDAC淋巴结转移预测模型。整合RHC模型在训练集、内部验证集和外部验证集中均表现出最佳的预测性能,AUC值最高,分别为0.804、0.779和0.734,Brier评分最低,分别为0.175、0.191和0.205。根据RHC模型得出的风险分层,高风险组的中位无复发生存期(RFS)和总生存期(OS)更短。更值得注意的是,在亚组分析中,高风险组中接受术后辅助治疗的患者表现出更长的中位OS时间(908 vs 465天)。然而,低风险组患者之间未观察到预后差异。这表明该整合模型不仅可作为术前无创的淋巴结转移预测指标,还为可切除PDAC候选患者的预后风险评估和个性化辅助治疗策略的制定提供了有价值的见解。
我们的研究仍有一些局限性。首先,尽管这是一项多中心研究,但外部验证组的样本量仍然相对较小。需要进一步努力扩大参与中心的数量并增加样本量,以进行更全面的模型验证。此外,我们回顾性研究中MRI方案的异质性,包括机器、对比剂给药和采集参数(例如动脉期流速)的差异,可能引入了结果的变异性,可能影响其普遍性。由于技术挑战和伦理考虑,通过K-means聚类识别的空间上不同的生境尚未经病理学验证。为进一步确认我们生境亚区域的生物学意义,后续研究应涉及从手术患者中匹配和采样组织标本与MRI亚区域进行生物信息学分析和验证。
总之,基于MRI的ITH评估具有预测PDAC中LN转移的潜力。此外,RHC模型在可切除PDAC患者的LN转移方面表现出最高的预测准确性,为预后评估提供了额外价值,并有助于制定个性化辅助治疗策略。
补充信息
电子补充材料
引用
- Shen J, Li Q, Li L, et al. Contrast-enhanced MRI-based intratumoral heterogeneity assessment for predicting lymph node metastasis in resectable pancreatic ductal adenocarcinoma. Insights Imaging. 2025. PMID: 40159327. doi:10.1186/s13244-025-01956-0
- 全文:PMC11955437(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11955437/
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。