PET/MR预测头颈癌淋巴结外侵犯
回顾性分析57例头颈鳞癌患者的术前FDG-PET/MR,以颈清扫病理为参考标准,评估多参数影像预测病理学淋巴结外侵犯(pENE)的准确性。基于淋巴结大小和MTV的模型预测pENE准确率94.7%,特异度97.3%,敏感度90.0%,内部验证准确率90.0%。
要点
- 淋巴结大小与MTV联合模型预测pENE准确率94.7%,特异度97.3%,敏感度90.0%。
- 淋巴结每增大1 mm,pENE似然比增加1.41倍(95%CI 1.11–1.81)。
- MTV每增加1 cm³,pENE似然比增加1.64倍(95%CI 1.07–2.50)。
核心结论
- 基于MTV、淋巴结大小和/或毛糙边缘的PET/MR多变量二项逻辑回归模型可高准确度预测pENE。
研究设计与样本
- 回顾性分析57例连续新诊断HNSCC患者,2015年1月至2018年9月行术前FDG-PET/MR后接受颈清扫,以淋巴结组织病理学为参考标准。
关键影像表现/征象
- 毛糙边缘征在49.1%(28/57)淋巴结中阳性,晕征在40.4%(23/57)中阳性,消失边界征在36.8%(21/57)中阳性。
- pENE阳性淋巴结20个(35.1%),其中纯微观pENE 12个(21.1%),宏观pENE 8个(14.0%)。
- HPV阴性肿瘤41例(71.2%),HPV阳性肿瘤16例(28.8%)。
诊断标准与关键数值
- MTV阈值6.5 cm³预测pENE的诊断准确度0.807(95%CI 0.681–0.900),敏感度0.600(95%CI 0.361–0.809),特异度0.919(95%CI 0.781–0.983)。
- SUVmax阈值10.3预测pENE的诊断准确度0.872(95%CI 0.763–0.949),敏感度0.850(95%CI 0.621–0.968),特异度0.892(95%CI 0.746–0.970)。
- 淋巴结≤20 mm(n=33)用MTV阈值10.0 cm³、21–23 mm(n=6)用5.0 cm³、>23 mm(n=18)用1.0 cm³时,预测pENE准确度94.7%(95%CI 85.4–98.9),特异度97.3%(95%CI 85.8–99.9),敏感度90.0%(95%CI 68.3–98.8)。
- 内部验证数据集50例,该模型预测pENE准确度90.0%(95%CI 78.2–96.7),特异度85.0%(95%CI 62.1–96.8),敏感度93.3%(95%CI 77.9–99.2),阴性预测值89.5%(95%CI 68.8–97.0),阳性预测值90.3%(95%CI 76.6–96.4),Harrell C指数0.80。
临床应用与阅片要点
- 作者认为基于MTV阈值的方案依赖三个不同淋巴结大小范围,在临床常规中易于应用。
- 作者指出模型可作为参与治疗计划的临床医生的决策辅助工具。
- 作者指出在颈清扫不可行、无法获得病理参考标准时,无创检测pENE有助于决策。
局限性
- 研究为回顾性、单中心设计。
- 研究队列相对较小(n=57),且HNSCC原发部位异质性包括11种不同亚型。
- 选择最大淋巴结可能使ENE与淋巴结大小关系的结果产生偏倚。
- 仅纳入接受手术颈清扫的患者可视为一种选择偏倚。
- 研究为探索性数据分析。
全文中译12 节 · 点击展开
引言
淋巴结转移(LNM)的组织病理学结外侵犯(pENE)是头颈部鳞状细胞癌(HNSCC)的重要预后指标。在病理学上,其特征为转移性肿瘤细胞穿透淋巴结被膜浸润,伴或不伴邻近结构侵犯[1–3]。约60%的淋巴结阳性HNSCC患者表现出pENE 4。口咽部HNSCC可分为两种组织病理学上不同的亚型:p16阳性和p16阴性肿瘤。P16是一种蛋白质,用作高危人乳头瘤病毒(HPV)介导的癌变的替代标志物,对患者预后有显著影响。HPV阳性HNSCC通常表现出更有利的预后[5–8],与HPV阴性HNSCC患者相比,其结局似乎较少受到ENE存在的影响[9]。
LNM的存在使5年生存率降低50%。此外,pENE的存在进一步降低生存率,并与局部区域复发和远处转移的可能性增加相关2, 10。因此,pENE在2016年修订后被纳入国际抗癌联盟(UICC)TNM系统,并于2018年被纳入美国癌症联合委员会(AJCC)系统。在两种分类中,pENE对应于HPV阴性肿瘤的淋巴结分期N3b(例外情况为单个淋巴结小于3 cm,对应于分期pN2a),而目前pENE在HPV阳性肿瘤的N分期中不予考虑[1, 4, 11, 12, 13]。
HNSCC的管理涉及多学科方法。pENE的存在通常需要辅助放化疗[14, 15]。因此,准确的 staging,尤其是精确的淋巴结分期,在诊断过程的早期至关重要。这一点尤为重要,因为 upfront surgery 并不总是首选方法,且肿瘤学结局最终可能无显著差异[16–21]。颈部清扫标本是确定pENE的标准参考[22]。这些标本能够进行宏观和微观检查,提供关于囊外生长的精确信息20。在组织病理学材料不足的情况下,结外侵犯可通过计算机断层扫描(CT)或磁共振(MR)上主观且依赖读片者的影像学标准进行评估。MR上的影像学ENE(rENE)可通过不规则边缘(毛糙边缘征)、淋巴结被膜周围信号强度增高(晕征)或邻近脂肪组织不均匀(消失边界征)来近似判断[1, 23, 24]。
以CT或MR作为解剖成像组成部分的2-[18F]-氟脱氧-D-葡萄糖(FDG)正电子发射断层成像(PET)已被证明具有重要价值,因为混合PET成像对检测淋巴结转移(LNM)和远处转移具有高度敏感性[25, 26]。比较混合成像PET/CT与PET/MR的荟萃分析大多显示结果相当,部分研究提示PET/MR在特定头颈部鳞状细胞癌(HNSCC)部位的T分期和N分期方面表现更优[27–29]。然而,针对特定HNSCC亚型的PET/MR成像及其在(放射)治疗计划中作用的具体研究仍然有限[30, 31]。混合PET成像的一个显著优势是提供定量、不依赖操作者且可重复的数据。近期研究,如Morand等[32]或Werner等[33]的研究,证明可利用淋巴结代谢PET参数(如最大标准化摄取值(SUVmax)和代谢肿瘤体积(MTV))预测结外侵犯(ENE),这一发现在乳腺癌和肺癌等其他肿瘤实体中亦得到证实[34, 35]。混合成像还有助于消除因时间变化而产生的差异,而这是序贯模态的一个局限[22, 36]。因此,本研究的目的是分析FDG-PET/MR在识别HNSCC患者淋巴结转移pENE方面的诊断准确性。
材料与方法
研究设计与患者
本回顾性研究获得当地伦理委员会批准,所有纳入患者均提供书面知情同意,同意将其医疗数据用于研究目的。队列包括从放射信息系统中检索到的57例连续新诊断HNSCC患者,这些患者在2015年1月至2018年9月期间接受了FDG-PET/MR术前分期,随后接受了颈淋巴结清扫术。原发肿瘤位置涵盖4个不同部位及数量不等的亚部位,以及原发灶不明癌(CUP)。队列特征详见表1。成像与颈淋巴结清扫手术之间的间隔为3至20天(中位数:9天)。所有患者均以淋巴结组织病理学作为参考标准。本研究中的患者分期遵循UICC头颈癌TNM方案,2017年第8版11, 21。
PET/MR图像分析
PET/MR成像使用Signa 3T PET/MR扫描仪(GE HealthCare,Waukesha,WI)进行。成像遵循先前发表的详细方案,包括覆盖头颈部的聚焦扫描以及全身扫描[37, 38]。
以下MR脉冲序列用于评估rENE:T1WI(T1加权图像,轴位平扫)、fsT2WI(轴位脂肪抑制T2加权图像)和脂肪饱和ceT1WI(钆对比增强T1加权图像,轴位、冠状位和矢状位)。最大淋巴结或淋巴结融合体的尺寸在ceT1WI上确定(任意平面上的最大长轴直径)。记录最大淋巴结或淋巴结融合体的以下PET参数:SUVmax和MTV。SUVmax作为淋巴结葡萄糖代谢的替代参数,代表最大FDG摄取,表现为PET图像上最热的体素。MTV代表肿瘤的代谢活跃体积,具体为超过SUVmax阈值的体素总和,本研究将该阈值定义为42%,与既往研究一致[2, 4, 19, 22, 30, 33, 34]。
MR图像上的影像学结外延伸
最大淋巴结或淋巴结融合体的评估由两名阅片者(D.A.P.、M.W.H.)进行,分别具有14年和12年的放射学和核医学经验。当其意见不一致时,通过共识达成决定。为确定rENE的存在,阅片者仔细审查图像以寻找以下特征(存在/不存在):(1)T1WI上的消失边界征(即转移性淋巴结与邻近组织之间脂肪组织的模糊,或淋巴结与周围结构之间脂肪组织间隙的消失),(2)fsT2WI上的耀斑征(即邻近淋巴结并自淋巴结延伸的间质组织中出现高信号),以及(3)ceT1WI上的毛糙边缘征(即淋巴结边缘不规则或呈锯齿状)[1, 23, 39]。
选择最大淋巴结是因为它提供了一个直接且一致的参考点,便于与病理报告进行回顾性关联,以确保与横断面影像数据的准确匹配。临床上,显示结外延伸(ENE)的淋巴结确切数量不太重要,因为即使单个淋巴结存在ENE也足以影响N分期并指导治疗决策[13, 39, 40]。
病理学结外延伸
组织病理学检查按照既定的标准化内部流程进行。数据从病理报告中提取。pENE的评估分为宏观和微观两个层面(阈值2 mm),后者被本研究视为参考标准。如果标本显示肿瘤生长超出淋巴结包膜进入周围脂肪组织或其他邻近组织,则确定为pENE。淋巴结HPV状态通过免疫组化检查中p16表达的存在和/或通过探针的聚合酶链反应(PCR)HPV分析来确定[2, 22, 41]。
统计分析
连续变量的分布依据高斯定理进行正态性评估。所有连续变量(年龄、T分期、淋巴结大小、SUVmax、MTV)均报告中位数和四分位距。鉴于除年龄外所有连续变量均不服从正态分布,采用曼-惠特尼U检验比较样本间pENE的分布。基于三个形态学MR参数(晕征、毛糙边缘征、消失边界征),创建了两个额外变量:MR2pos(三个MR参数中两个或以上阳性)、MR3pos(三个MR参数均阳性)。进行二项逻辑回归以确定年龄、性别、T分期、p16状态、淋巴结大小、形态学MR参数和PET参数对预测pENE可能性的影响。使用Box-Tidwell程序评估线性[42]。依据Tabachnik和Fidell的方法[43],对模型中所有十七个项应用Bonferroni校正。仅单因素分析中显著的变量进入最终模型。所有进入模型的变量均进行多重共线性检验。p值< 0.05视为具有统计学显著性。统计分析使用SPSS统计软件版本29.0(IBM,Armonk,NY)。基于这些模型,计算了热图和列线图。使用内部测试数据集进行验证。
结果
在分析的57个淋巴结中,20个(35.1%)表现出pENE,而37个(64.9%)未表现出。pENE在12个(21.1%)淋巴结中为纯微观性,在8个(14.0%)淋巴结中为宏观性。57例患者中41例(71.2%)为HPV阴性肿瘤,16例(28.8%)为HPV阳性肿瘤。PET/MR成像与手术之间的中位时间间隔为9天(四分位距,5天)。分析的淋巴结中,消失边界征存在于21个(36.8%),晕征存在于23个淋巴结(40.4%),毛糙边缘征存在于28个(49.1%)淋巴结。
单因素分析和逻辑回归
根据曼-惠特尼U检验,变量淋巴结大小、所有三个形态学MR参数、衍生参数MR2pos和MR3pos以及两个PET参数在pENE方面表现出显著差异(p < 0.001)(表2;图1)。因此,这些变量被纳入pENE的二项逻辑回归模型。另一方面,变量年龄、性别、T分期和p16状态未表现出显著差异,因此未纳入模型。
使用MTV阈值6.5 cm3预测pENE的诊断准确率为0.807(95% CI [0.681–0.900]),灵敏度为0.600(95% CI [0.361–0.809]),特异度为0.919(95% CI [0.781–0.983])。SUVmax阈值10.3预测pENE的诊断准确率为0.872(95% CI [0.763–0.949]),灵敏度为0.850(95% CI [0.621–0.968]),特异度为0.892(95% CI [0.746–0.970])。
病理性ENE的预测——通用模型
根据Box-Tidwell [42] 方法,发现所有变量均呈线性关系。由于存在多重共线性,除淋巴结大小、MTV和毛糙边缘征外,所有其他变量均被排除出模型。二项逻辑回归模型具有统计学显著性(χ²(3) = 54.23,p < 0.001),根据Backhaus等 [44] 的研究,这导致了大量可解释方差,如Nagelkerke R² = 0.845所示。使用Hosmer-Lemeshow检验评估拟合优度,显示模型拟合令人满意(χ²(8) = 2.74,p > 0.05)。分类的总体准确百分比为89.5%,敏感性为85.0%,特异性为91.9%。进入回归模型的所有三个变量均对预测pENE有显著贡献:淋巴结大小(p = 0.029)、毛糙边缘征(p = 0.031)和MTV(p = 0.035)。
所有模型系数和比值比见表3。淋巴结大小每增加1 mm,ENE的可能性增加1.39倍(95%-CI [1.03, 1.86])。同样,MTV每增加1 cm3,ENE的可能性增加2.07倍(95%-CI [1.05, 4.06])。
病理性ENE的预测——读者无关模型
由于毛糙边缘征作为宏观影像学参数受读者依赖性判读的影响,且将被用于预测微观ENE(尽管按定义宏观ENE也包括微观ENE),因此构建了第二个二项逻辑回归模型,仅纳入推测读者依赖性较低的参数MTV和淋巴结大小 [45–47]。
这第二个二项逻辑回归模型也显示出统计学显著性(χ²(2) = 45.36,p < 0.001),根据Backhaus等人[44]的研究,这导致了大量被解释的方差,如Nagelkerke’s R² = 0.755所示。使用Hosmer-Lemeshow检验评估拟合优度,显示模型拟合令人满意(χ²(8) = 3.717,p > 0.05)。分类的总体准确率百分比与先前的模型相当(87.7%,敏感性为80.0%,特异性相同为91.9%)。进入该回归模型的两个变量均对预测pENE有显著贡献:淋巴结大小(p = 0.006)、MTV(p = 0.023)。
模型系数和比值比详见表4。淋巴结大小每增加1 mm,ENE的可能性增加1.41倍(95%-CI [1.11, 1.89])。同样,MTV每增加1 cm3,ENE的可能性增加1.64倍(95%-CI [1.07, 2.50])。
使用列联表和交叉制表进行的视觉数据检查显示,对于大小不超过20 mm的淋巴结(n = 33)使用10.0 cm3的MTV阈值,对于大小21–23 mm的淋巴结(n = 6)使用5.0 cm3的MTV阈值,对于大于23 mm的淋巴结(n = 18)使用1.0 cm3的MTV阈值,预测pENE的准确率为94.7%(95%-CI [85.4, 98.9]),特异性为97.3%(95%-CI [85.8, 99.9]),敏感性为90.0%(95%-CI [68.3, 98.8])(图2)。
内部验证、热图和列线图供外部使用
基于逻辑回归分析,为通用模型(图3A)和读者无关模型(图3B)生成了颜色编码图(热图)。此外,创建了列线图(图4)作为外部使用的资源。读者无关模型针对2018年10月至2022年4月期间接受PET/MR成像的50名不同患者的内部数据集进行了验证。使用建议的模型预测pENE的准确率为90.0%(95%-CI [78.2, 96.7]),特异性为85.0%(95%-CI [62.1, 96.8]),敏感性为93.3%(95%-CI [77.9, 99.2])(阴性预测值89.5%(95%-CI [68.8, 97.0]),阳性预测值90.3%(95%-CI [76.6, 96.4]))。Harrell’s C指数为0.80。
讨论
我们这项回顾性研究的目的是评估无创多参数FDG-PET/MR在预测伴有淋巴结转移的HNSCC患者组织病理学结外侵犯方面的潜力。我们采用二项逻辑回归模型来识别与pENE存在显著相关的参数,以促进早期和准确诊断。我们的主要发现是,由MTV和淋巴结大小组成的模型能以高准确度预测pENE,并经过了内部验证。
由淋巴结大小、毛糙边缘征和MTV组成的二项逻辑回归模型证明,这三个参数可预测pENE(χ²(3) = 54.23,p < 0.001)。淋巴结大小每增加1 mm,pENE的可能性增加1.39倍(95%-CI [1.03, 1.86])。MTV每增加1 cm3,pENE的可能性增加2.07倍(95%-CI [1.05, 4.06])。第二个不含读者依赖性参数毛糙边缘征的模型得出了相似结果(χ²(2) = 45.36,p < 0.001),淋巴结大小每增加1 mm(p = 0.006),pENE的可能性增加1.41倍(95%-CI[1.11, 1.81]),MTV每增加1 cm3(p = 0.023),pENE的可能性增加1.64倍(95%-CI[1.07, 2.50])。第二个模型预测pENE的准确度为94.7%(95%-CI [85.4, 98.9])。
我们的结果提供了更全面的见解,并支持既往研究中的发现。例如,Douglas等[10]将最长淋巴结直径 > 30 mm及邻近脂肪组织模糊与ENE的存在相关联。在我们团队既往的一项研究中,Nemmour等[22]支持了PET成像中观察到的代谢参数存在显著差异,显示组织病理学结外侵犯患者的淋巴结SUVmax和MTV更高,这与我们的发现一致[22]。Joo等[2]主要观察到伴有ENE的颈部LNM在SUVmax方面存在显著差异,而Toya等[4]还进一步确定SUVmax >3.0与ENE的高检出率相关(就敏感度和特异度而言)。Kitajima等[19]推荐使用SUVmax截断值来评估rENE。然而,他们的研究结果表明,混合成像的敏感度不足以替代颈清扫后的组织病理学评估。虽然我们承认这一局限性,但拥有一项准确且在很大程度上不依赖读者的无创检测来检测pENE,可有助于在颈清扫不可行、因而不能作为参考标准的情况下进行决策。总之,关于PET参数具体截断值的文献数据异质且部分相互矛盾,阈值范围很宽。在我们的研究中,除了计算MTV和SUVmax的截断值以供参考外,我们还旨在从多参数混合PET/MR成像中识别可显著预测pENE的变量。由于rENE的评估标准尚未普遍定义,导致潜在的观察者间差异,我们第二个模型排除了主观标准,旨在减轻这种不一致性。
我们承认,本研究中分析的显微镜下pENE的临床意义仍在研究中。宏观pENE通常与临床明显的ENE相关(在p16阴性肿瘤中定义为N3b状态),当其范围超过约2 mm时具有预后意义[48]。已有几种可靠的诊断方法可用于其检测,如MR成像和临床触诊。然而,这些检查往往不支持进行颈部清扫的必要性,限制了对更明确的组织病理学参考的获取。因此,通过影像学识别显微镜下pENE可能是一个重要的诊断目标,并可通过组织病理学加以验证。
我们的模型可作为参与治疗计划的临床医生的决策辅助工具。所提出的基于MTV阈值的方法依赖于三个不同的淋巴结大小范围,被认为易于在临床常规中应用。在临床实践中,ENE的存在例如会影响放疗计划,需要考虑诸如应用10 mm淋巴结临床靶区边界等建议[4]。在某些情况下,由于解剖结构复杂,完整的 surgical 淋巴结清扫可能不切实际。在无法进行病理检查的情况下,ENE的影像学评估在这些病例中显得更有价值。
值得注意的是,我们的模型未纳入T分期,因为该参数在单变量水平上不显著,尽管肿瘤分期是基于浸润深度的预后意义,已知浸润深度与淋巴结转移和局部区域复发风险增加相关[11, 49]。p16状态也是如此。该主题的其他研究表明,与HPV阳性相关的p16阳性肿瘤表现出显著改善的结局和独特的组织病理学特征[6, 8]。这提示了通过rENE进行风险分层的潜力。我们的研究在此方面结果不显著,可能归因于我们相对较小的研究队列(n = 57)以及HNSCC部位的异质性(包括11种不同亚型),尽管大多数肿瘤起源于已知的p16好发部位。回顾性和单中心设计是另一局限性。选择最大的淋巴结可能使ENE与淋巴结大小之间关系的结果产生偏倚。然而,来自大型HNSCC队列的病理数据不支持这一假设[40]。将我们的研究限于仅纳入接受手术颈部清扫的患者可能被视为一种选择偏倚。此外,我们的研究属于探索性数据分析,提出的模型未经过外部验证。所提出的读者无关模型的一个局限性是中等大小范围(21–23 mm)的淋巴结数量相对较少。
值得注意的是,我们仅使用MTV和淋巴结大小的读者无关模型也可能适用于PET/CT成像,这可在未来研究中加以探讨[50]。我们研究中提供的多参数模型能否推广到更广泛的HNSCC人群仍有待观察。
总之,基于PET/MR的多元二项逻辑回归模型(由MTV、淋巴结大小和/或毛糙淋巴结边缘组成)能以高准确度预测pENE。我们的研究结果可能有助于HNSCC患者的治疗前评估。
引用
- Sanchez V, Pizzuto DA, Maurer A, et al. PET/MR for predicting extranodal extension of head and neck cancer. Neuroradiology. 2025. PMID: 40397135. doi:10.1007/s00234-025-03635-9
- 全文:PMC12391167(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12391167/
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。