光子计数CT在食管癌中的应用:碘浓度与组织病理学及新辅助放化疗疗效的相关性
回顾性纳入85例食管癌患者,分析光子计数CT门静脉期归一化碘浓度(NIC)与组织病理特征及新辅助放化疗(NARC)后Becker分级的关系;NIC观察者间一致性极佳(ICC=0.99),在腺癌中NIC≤0.41预测良好退缩的AUC为0.704、敏感度72.2%、特异度64.7%,但NIC与肿瘤分级、Ki-67无显著相关。
要点
- NIC测量观察者间一致性极佳:全部肿瘤ICC=0.99(95%CI 0.98–0.99,p<0.01)。
- 腺癌中良好退缩者(Becker 1a/1b)NIC为0.40±0.13,低于不良退缩者(Becker 2/3)的0.51±0.12(p=0.01)。
- NIC≤0.41预测腺癌良好退缩:AUC=0.704、敏感度72.2%、特异度64.7%、OR=4.77(95%CI 1.14–20.00,p<0.01)。
核心结论
- PCCT获得的NIC值观察者间一致性极佳,可预测食管癌对NARC的治疗反应,尤其在腺癌中较低NIC值与较好疗效相关。
- 作者指出NIC虽提供良好预测价值,仍需更大样本研究确认这些发现并探索影响结局的其他因素。
研究设计与样本
- 回顾性研究,经机构伦理委员会批准(批准号2021–827),纳入2022年1月1日至2024年6月30日在本机构连续诊治的105例局部晚期食管癌患者,最终85例符合纳入标准。
- 样本85例(67男、18女),平均年龄66.0±11.0岁;腺癌占58%,其中35例行NARC。
- 采用双源光子计数CT扫描仪(NAEOTOM Alpha,Siemens Healthineers,软件版本syngo.CT VA40A和VA50A)行胸部及腹部门静脉期扫描,管电压120 kVp。
- 对比剂为ACCUPAQUE 300,按体重1 mL/kg经外周静脉以2.5 mL/s注射,随后以2.5 mL/s推注40 mL 0.9%氯化钠;降主动脉阈值达100 HU后60秒启动门静脉期扫描。
- 以手术病理Becker分级为参考标准评估NARC后肿瘤退缩;两位放射科医生独立勾画感兴趣区测量IC,计算NIC(肿瘤IC与主动脉IC之比)。
关键影像表现/征象
- NIC在全部肿瘤ICC=0.99(95%CI 0.98–0.99,p<0.01),腺癌ICC=0.95(95%CI 0.90–0.98,p<0.01),鳞癌ICC=0.99(95%CI 0.98–1.00,p<0.01)。
- 腺癌中NIC在低级别(G1/G2)与高级别(G3)肿瘤间无显著差异(p=0.26),N0与N+间无显著差异(p=0.11)。
- 腺癌中NIC在早期(T1–T2)与晚期(T3–T4)肿瘤间无显著差异(p=0.07),M0与M+间无显著差异(p=0.57)。
- 腺癌中NIC与Ki-67(r=0.10,p=0.51)及细胞计数(r=−0.21,p=0.14)呈弱且无显著相关;鳞癌中NIC与Ki-67(r=−0.32,p=0.18)及细胞计数(r=−0.22,p=0.35)亦无显著相关。
诊断标准与关键数值
- 腺癌良好退缩(Becker 1a/1b)预测:NIC≤0.41时AUC=0.704,敏感度72.2%、特异度64.7%、PPV 68.4%、NPV 68.8%、总体准确率68.5%。
- 腺癌良好退缩预测的logistic回归:NIC≤0.41的OR=4.77(95%CI 1.14–20.00,p<0.01),AUC=0.74。
- 调整肿瘤分期、淋巴结分期和肿瘤分级的多因素回归中,NIC仍是与良好治疗反应相关的唯一显著参数(AUC 0.79,OR=3.63,95%CI 1.27–10.48,p=0.01)。
- 腺癌不良退缩(Becker 3)预测:AUC=0.662,敏感度70.0%、特异度64.0%、PPV 43.8%、NPV 84.2%、总体准确率65.7%。
- NIC预测良好反应的最佳截断值≤0.41基于logistic回归的最大Youden指数确定。
临床应用与阅片要点
- NIC可在常规分期PCCT检查的门静脉期图像上获得,作者认为其有潜力作为预测食管腺癌NARC治疗反应的客观影像生物标志物。
- 作者提出将NIC纳入动态或多参数模型可能提高肿瘤评估的精细度,并有助于更早、更准确地识别可能对治疗反应良好的患者。
- 鳞癌亚组仅1例接受NARC,无法分析NIC与治疗反应的关系。
局限性
- 回顾性设计可能引入偏倚,且未对PCCT图像进行定性评估,可能未发现图像质量的潜在异常值。
- 未将PCCT感兴趣区测量与手术标本测量进行直接比较,可能限制研究结果的精确性。
- 样本量相对较小,可能导致低强化食管肿瘤代表性不足,从而限制所提方法在此类病例中的敏感度。
- 作者结论指出需更大样本研究确认这些发现并探索影响结局的其他因素。
全文中译12 节 · 点击展开
引言
食管癌(EC)是全球最常见和最具侵袭性的恶性肿瘤之一,死亡率高[1]。传统上,EC的诊断和分期方法依赖于内镜技术和常规影像学检查手段,如CT和正电子发射断层扫描[2]。
预测治疗反应在EC中尤为重要,因为新辅助放化疗(NARC)已成为可切除局部晚期食管腺癌的标准治疗方法,而对于食管鳞状细胞癌(SCC),推荐同步放化疗后手术[2]。
光子计数计算机断层扫描(PCCT)为提高肿瘤特征描述和分期的准确性带来了新的可能性,具有降低电子噪声、提高空间分辨率和增强物质分解等优势[3, 4]。PCCT能够量化组织内碘浓度(IC),以mg/cm³为单位测量,为肿瘤特征描述提供了新机遇,可反映肿瘤血管性和治疗反应[5–7]。IC已在多种器官中证明可用于鉴别良恶性病变,如腮腺,以及预测直肠癌对新辅助放化疗的治疗反应[8, 9]。
本研究旨在探讨通过PCCT获得的IC与EC关键组织病理学特征之间的关联。此外,本研究旨在评估IC在预测肿瘤对NARC治疗反应中的作用。
材料与方法
研究设计
本回顾性研究经机构审查委员会批准(波鸿鲁尔大学医学院伦理委员会,批准编号2021–827)。纳入2022年1月1日至2024年6月30日期间在本机构连续诊断为局部晚期EC并接受PCCT作为初始分期扫描及NARC后随访扫描的105例患者。纳入标准为:组织学确诊的原发性食管腺癌或鳞状细胞癌,具备组织病理学数据,以及完成了治疗前胸腹部门静脉期PCCT扫描。排除标准包括:腺癌或鳞状细胞癌以外的组织学类型、影响判读的显著影像伪影、未行增强扫描的检查、极小肿瘤(CT扫描不可见,小于5 mm,肿瘤分期为T1NxMx,以及组织学原位癌),或数据缺失。临床数据包括肿瘤分期(TNM分类)、淋巴结受累、远处转移和肿瘤分级,均从患者病历中获取。
光子计数计算机断层扫描
所有患者均使用双源光子计数CT扫描仪(NAEOTOM Alpha,Siemens Healthineers,软件版本syngo.CT VA40A和VA50A)接受胸部和腹部PCCT成像。静脉注射按体重调整的对比剂(1 mL/kg体重,ACCUPAQUE 300,GE Healthcare)后,于门静脉期进行成像。对比剂以2.5 mL/s的流速注入外周静脉,随后以2.5 mL/s的流速推注40 mL生理盐水(0.9% NaCl)。当降主动脉检测到100 HU阈值后60 s启动门静脉期扫描。PCCT采集参数如下:管电压120 kVp,图像质量水平170,总准直144 × 0.4 mm,螺距因子0.8,机架旋转时间0.5 s。
每次扫描均包括一个单能数据集和一个光谱数据集,分别使用特定的卷积核重建:单能数据使用Br36,光谱数据使用Qr36,两者均采用第4级量子迭代重建(Q4)。图像主要在轴位平面上生成,层厚1 mm,增量0.4 mm,矩阵512 × 512。碘图在后处理软件(syngo.via,VB10,双能量工作流程,Siemens Healthineers)中生成。
碘浓度分析
图像分析由两名放射科医师独立进行(P.B.,具有1年经验;J.H.N.,委员会认证放射科医师,具有5年结直肠成像经验)。两名放射科医师均对组织病理学结果设盲。
选择肿瘤范围最大的图像层面,在碘图上沿病灶边缘手动绘制多边形感兴趣区(ROI),避免部分容积效应。记录所有肿瘤的平均IC值。
此外,在腹主动脉内放置圆形ROI,记录每例的平均IC值。计算归一化碘浓度(NIC),即肿瘤IC与主动脉IC的比值,以校正碘蓄积的生理性变异。所有图像分析均使用制造商特定软件(syngo.via,VB10,双能量工作流程,Siemens Healthineers)进行。
组织病理学分析
在苏木精-伊红染色切片上评估组织病理学特征,包括肿瘤细胞类型、肿瘤分级、淋巴血管侵犯和静脉受累。此外,在Ki-67抗原染色标本上使用MIB-1单克隆抗体(DakoCytomation Glostrup)估算增殖指数,计算比值为:染色细胞核数/(全部细胞核数 × 100%)。NARC后肿瘤消退采用Becker分类分级,分级范围从1a级(无残留肿瘤)至3级(反应差)[10]。组织病理学评估由一名具有20年以上临床经验的委员会认证病理学家完成。
统计分析
统计分析使用SPSS(IBM SPSS Statistics for Windows,版本28.0)进行。连续变量以均值、中位数和标准差表示,分类变量以频数和百分比表示。统计学显著性水平设定为p < 0.05。
采用组内相关系数(ICC)评估观察者间信度,以衡量两名独立阅片者在测量NIC值之间的一致性。为比较不同肿瘤特征(如肿瘤分级、淋巴结受累和转移状态)之间的NIC值,采用Mann–Whitney U检验。采用Spearman相关分析NIC值与肿瘤标志物(包括Ki-67和细胞计数)之间的关系。相关系数和p值分别针对腺癌和鳞状细胞癌计算。采用受试者工作特征(ROC)曲线分析评估NIC对NARC肿瘤反应的预测性能。计算敏感度、特异度、阳性预测值(PPV)、阴性预测值(NPV)和总体准确率,并确定曲线下面积(AUC)。进行逻辑回归以评估NIC作为治疗反应潜在预测因素的价值。进行多变量回归分析,调整肿瘤分期、淋巴结分期和肿瘤分级以控制潜在混杂因素。基于最大约登指数确定预测良好反应的最佳NIC截断值,并计算比值比(OR)及其95%置信区间(CI)。
结果
患者和肿瘤特征
初步识别105例患者,其中85例符合纳入标准。平均年龄为66.0 ± 11.0岁,研究样本包括67名男性和18名女性。有关患者纳入和排除的更多详细信息见图1。在所有肿瘤中,58%为腺癌,其中18%分类为T1-T2期,82%为T3-T4期,而61%分级为G3。淋巴结受累(N+)存在于80%,远处转移(M+)在所有病例中识别出25%。
在腺癌亚组中,35例患者接受了NARC。此外,23例表现为晚期、转移性肿瘤并接受姑息性治疗。2例进行了原发手术。腺癌NARC后的治疗反应分布如下:Becker 1a级(n = 9,26%)、1b级(n = 9,26%)、2级(n = 7,20%)和3级(n = 10,28%)。
对于SCC,21例患者(84%)表现为晚期肿瘤分期和远处转移。3例进行了原发手术,而仅1例接受了NARC。因此,无法对该亚组进行治疗反应与NIC之间关联的分析。
更多详细信息见表1。
观察者间信度
不同肿瘤类型的NIC测量在观察者之间表现出高度可靠性。对于所有肿瘤合并分析,ICC为0.99(95% CI = 0.98;0.99,p < 0.01),表明几乎完美的一致性。按肿瘤亚型分析时,NIC测量在腺癌中的ICC为0.95(95% CI = 0.90;0.98,p < 0.01),在鳞状细胞癌中为0.99(95% CI = 0.98;1.00,p < 0.01),反映两种组织学类型的一致可靠性。
图2展示了在门静脉期PCCT上EC中ROI的放置及相应的病理标本。
不同肿瘤特征间NIC值的比较
在腺癌病例中,分析了不同肿瘤特征间的NIC值。低级别肿瘤(G1/G2)与高级别肿瘤(G3)之间的NIC值未观察到统计学显著差异,p值为0.26。此外,N0期(无淋巴结受累)与N+期(淋巴结受累)之间的NIC值也无显著差异,p值为0.11。同样,早期肿瘤(T1-T2)与晚期肿瘤分期(T3-T4)之间未发现显著差异,p值为0.07,M0与M+状态之间亦无显著差异,p值为0.57。对于鳞状细胞癌,按肿瘤分级、淋巴结受累或转移状态评估时,NIC值同样未显示显著差异;见表2。
进行了相关性分析,以评估腺癌和鳞状细胞癌中NIC值与组织病理学参数(如Ki-67表达和细胞计数)之间的关系。在腺癌病例中,NIC值与Ki-67(r = 0.10,p = 0.51)和细胞计数(r = −0.21,p = 0.14)呈弱的、非显著相关。同样,对于鳞状细胞癌,NIC值与Ki-67表达(r = −0.32,p = 0.18)或细胞计数(r = −0.22,p = 0.35)之间未观察到统计学显著相关。
NIC对腺癌治疗反应的预测性能
在腺癌病例中专门评估了NIC对确定NARC治疗反应的预测价值。在预测良好反应(Becker 1a/1b级)时,NIC的AUC为0.734。在此阈值下,NIC的敏感性为72.2%,特异性为64.7%。PPV为68.4%,NPV为68.8%,总体准确率为68.5%。
在预测治疗反应不佳(Becker 3级)时,NIC的AUC为0.662。该预测的敏感性为70.0%,特异性为64.0%。预测不良反应的PPV为43.8%,NPV为84.2%,总体准确率为65.7%。图3和图4展示了这些结果的直观呈现。
基于逻辑回归得出的约登指数,确定NIC预测良好治疗反应的最佳临界值为≤ 0.41,AUC为0.74。在该临界值下,NIC的OR为4.77(95% CI = 1.14–20.00,p < 0.01),表明NIC值等于或低于该阈值与有利的治疗反应之间存在相关关联。在针对肿瘤分期、淋巴结受累和肿瘤分级进行调整的多因素回归分析中,NIC仍是唯一与良好治疗反应显著相关的参数(AUC 0.79,OR = 3.63,95% CI = 1.27–10.48,p = 0.01)。
讨论
本研究探讨了源自光子计数CT(PCCT)的碘浓度(IC)作为食管癌(EC)预后生物标志物的作用。研究结果显示,IC对腺癌中新辅助放化疗(NARC)的肿瘤反应具有中等预测性能。虽然NIC与肿瘤分级或Ki-67表达等组织病理学特征无关,但其预测治疗反应的能力凸显了其在EC管理中的潜在临床效用。
IC定量在癌症成像中的效用已在其他癌症中得到充分记录,例如直肠癌,其已显示出与治疗反应的强关联[8]。我们的发现与越来越多支持碘基成像生物标志物在肿瘤学中应用的文献相一致。例如,Zopfs等[6]证明,来自光谱探测器CT的碘叠加图和低keV虚拟单能图像改善了EC的定性评估,特别是在勾画肿瘤和淋巴结方面[6]。尽管我们的研究侧重于治疗反应而非局部区域评估,但两项研究均强调了碘基成像在增强EC评估方面的价值。
同样,Wang等[7]探讨了光谱CT在评估食管鳞状细胞癌(SCC)病理分级中的作用,表明碘基成像可以反映肿瘤分化程度[7]。Wang等[11]和Wu等[12]的研究结果进一步提示NIC作为生物标志物的潜力,将其与增殖标志物Ki-67和分子亚型(微卫星不稳定 vs. 微卫星稳定)相关联[11, 12]。然而,我们的研究结果显示NIC与肿瘤分级或Ki-67表达之间无相关性。这一差异可能源于我们关注的是治疗反应而非分化程度,以及乏血供肿瘤可能被代表性不足,从而限制了NIC的敏感性。
Wang等[13]在其荟萃分析中评估了食管SCC中11种具有预后意义的免疫组化标志物,包括与不良预后相关的血管内皮生长因子、Cyclin D1和p-mTOR,以及与良好预后相关的P16和E-cadherin。血管内皮生长因子反映血管生成,Ki-67是增殖标志物,鉴于NIC在其他癌症中与血管分布的相关性,二者尤其相关[13]。尽管本研究未详细探讨分子层面的见解,但将先进成像技术与分子谱分析相结合可能为EC患者提供更动态和个性化的诊断方法。
EC中的预测建模利用影像与分子生物标志物的结合,以预测不同治疗模式下的治疗反应。这些模型例如使用CT的动态放射学特征来预测SCC中新辅助免疫化疗后的病理反应,结合MR放射组学与动态血液学因素来预测NARC的病理反应,或整合动态增强MRI与弥散加权成像来预测治疗结局[14–16]。Beukinga等[17]通过使用源自18F-FDG PET/CT的纹理特征预测EC中NARC的结局,进一步强调了影像生物标志物在反应预测中的潜力[17, 18]。这些研究强调了无创影像指标在治疗反应预测中的价值,尽管它们使用了不同的成像模式。我们的研究通过提示PCCT得出的NIC可纳入预测模型,可能提高EC中NARC治疗反应预测的准确性,从而为该领域作出贡献。
本研究存在若干应予承认的局限性。首先,其回顾性设计可能引入偏倚,且缺乏对PCCT图像的定性评估意味着未检测到图像质量方面的潜在离群值。此外,未将PCCT的ROI测量与手术标本测量进行直接比较,这可能限制了我们研究结果的精确性。最后,相对较小的样本量可能导致低强化食管肿瘤代表性不足,这可能限制我们所提出方法在此类病例中的敏感性。
结论
本研究表明,通过PCCT获得的NIC值有望作为影像生物标志物,用于预测食管腺癌中对NARC的治疗反应。将NIC整合入动态或多参数模型有潜力提高肿瘤评估的精细度,从简单的解剖成像迈向对肿瘤生物学更全面的认识。随着预测模型的不断发展,纳入NIC可能优化治疗规划,从而能够更早、更准确地识别可能对治疗产生良好反应的患者。
引用
- Haag NP, Bodin P, Kröger JR, et al. Photon-counting computed tomography in esophageal cancer: correlation of iodine concentration with histopathology and treatment response to neoadjuvant radiochemotherapy. Eur Radiol. 2025. PMID: 40410333. doi:10.1007/s00330-025-11683-1
- 全文:PMC12559069(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12559069/
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。