基于加权与定量MRI直方图分析的子宫内膜癌术前风险评估
这项前瞻性单中心研究纳入94例活检证实的子宫内膜癌患者,按ESUR指南行术前MRI并加做合成MRI、动态增强及高b值DWI,比较低危与高危组织学肿瘤的直方图特征,发现DKI衍生Dapp的均值、中位数、偏度和峰度存在显著差异,而定量弛豫图无显著差异,DKI直方图分析可能有助于术前风险分层。
要点
- DKI衍生Dapp直方图的偏度鉴别低危与高危组织学肿瘤的AUC最高(0.744),峰度次之(0.708)。
- Dapp直方图在低危与高危组间均值p=0.048、中位数p=0.025、偏度p<0.001、峰度p=0.003均有显著差异。
- 有经验的放射科医师视觉评估鉴别高危与低危组织学肿瘤的敏感度77.8%、特异度58.2%。
核心结论
- DKI直方图分析在区分子宫内膜癌组织学风险组及组织学确定的子宫内膜样肿瘤分级方面,似乎比常规DWI、合成MR弛豫图、灌注图及T1或T2加权图像更有潜力。
- DKI有潜力比常规DWI更好地反映肿瘤组织学差异,可能有助于子宫内膜癌的术前风险分层,尚待进一步验证。
研究设计与样本
- 前瞻性单中心研究,纳入94例活检证实的子宫内膜癌患者,为瑞典西部医疗区域多中心PODEC研究的一部分。
- 所有检查在单台3 Tesla扫描仪(Philips Achieva dStream)上完成,按ESUR 2018推荐设计协议,包括T1W、T2W、临床DWI、DCE,并加做合成MRI弛豫图及15个b值(b=0至3500 s/mm²)的DWI。
- 在三个相邻层面上手动勾画肿瘤,使用PyRadiomics 3.0.1提取直方图特征,以手术标本参考病理作为组织学风险分组标准。
- 低组织学风险组为FIGO G1-G2子宫内膜样癌,高组织学风险组为FIGO G3及非子宫内膜样癌。
诊断标准与关键数值
- Dapp直方图偏度鉴别低危与高危组织学肿瘤的AUC为0.744,Dapp直方图峰度的AUC为0.708。
- 低危与高危组织学组间Dapp直方图均值p=0.048、中位数p=0.025、偏度p<0.001、峰度p=0.003。
- vp直方图峰度组间p=0.04,T2W图像直方图偏度组间p=0.037。
- 放射科医师视觉评估鉴别组织学高危与低危肿瘤的敏感度77.8%、特异度58.2%、阳性预测值20.0%、阴性预测值95.1%。
- 不同FIGO分级间Dapp直方图偏度与峰度p<0.001,均数和中位数亦有差异;ADC直方图差异不如Dapp明显。
临床应用与阅片要点
- 有经验的放射科医师视觉评估鉴别高危与低危组织学肿瘤的敏感度77.8%、特异度58.2%,Dapp直方图偏度的诊断性能与之一相当,提示定量分析的可能潜力。
- 若这些结果得到验证,可能的临床整合方式是确认或质疑术前活检的病理报告。
局限性
- 纳入的高组织学风险肿瘤数量相对较少。
- 仅在三个选定的相邻层面上勾画肿瘤,而非在肿瘤可见的所有层面上勾画。
- 不同MRI序列间勾画的像素数不同,比较ADC与Dapp时后者直方图基于更少像素。
- 本研究中未研究对肌层浸润的鉴别能力。
- 血管外细胞外间隙(ve)参数测量结果不可信,经与扫描仪制造商咨询后决定将其从分析中省略。
全文中译13 节 · 点击展开
引言
子宫内膜癌(EC)是最常见的妇科恶性肿瘤。大多数子宫内膜肿瘤在接受子宫切除术和双侧输卵管卵巢切除术的标准治疗后预后良好。五年相对生存率接近85% [1, 2]。然而,部分肿瘤存在转移风险增加,主要为淋巴结转移,这与较差的预后相关。对于转移风险较高的子宫内膜肿瘤,建议进行手术淋巴结评估以进行分期,从而制定辅助治疗方案。伴随淋巴结清扫的扩大手术更为复杂,并增加不良事件的风险,主要是淋巴水肿 [3, 4]。
可进行术前风险评估,根据活检组织学表现和影像学所见的局部肿瘤范围(即主要为肌层浸润深度)的组合,将患者分为术前低危组或高危组。欧洲泌尿生殖放射学会(ESUR)推荐磁共振成像(MRI)作为首选影像学检查方法。然而,所报道的评估肌层浸润深度的诊断准确性存在差异 [5–8]。
根据国际妇产科联盟(FIGO),子宫内膜样分化分为三个级别,即FIGO 1级、2级或3级(G1、G2或G3)[9]。G3子宫内膜样腺癌和非子宫内膜样肿瘤被视为高危,而G1和G2子宫内膜样肿瘤通常被视为低危。然而,术前活检与最终术后组织病理学评估之间的不一致发生在大约20%的病例中 [10–13]。恶性程度被低估通常需要额外手术,而高估通常意味着手术范围不必要地过大。通过添加组织学信息来改进MRI的术前肿瘤风险评估,可能有助于避免手术过度治疗并改善手术靶向性。
影像学研究已显示不同组织病理学类型和FIGO级别的肿瘤之间存在视觉差异。如Epstein等人[14]所述,使用经阴道超声(TVUS)的检查显示不同FIGO级别的子宫内膜样肿瘤在均匀性和血管化方面存在差异。
欧洲泌尿生殖放射学会(ESUR)女性盆腔MRI指南推荐使用MRI扩散加权成像(DWI)[5]。由扩散加权成像(DWI)计算得到的表观扩散系数(ADC)值用于量化扩散速率。在一些研究中,ADC值似乎与EC肿瘤分级相关[15–17],并具有区分恶性和良性病变的潜力[16, 18, 19],而其他研究未能发现这种相关性[20–22]。不同生长模式的肿瘤之间ADC值也可能存在差异[15, 23, 24]。从DWI计算ADC基于以下假设:分子水的位移遵循高斯分布。由于生物组织具有复杂的微结构,这一假设并不成立。扩散峰度成像(DKI)是DWI的扩展,它考虑了所测得的扩散与假设的高斯分布之间的偏离程度。DKI已被提出用于更全面地表征水扩散和组织结构[25, 26]。在一项研究中,DKI被报道可用于EC肿瘤分级,但其作者建议进一步验证[27]。
合成MRI是一种定量成像方法,可在一次短时间扫描中测量T1和T2弛豫时间以及质子密度(PD)[28]。在一项关于EC合成MRI的先前研究中,FIGO 1级与FIGO 2–3级肿瘤之间未见T1、T2或PD值的显著差异[15]。
ESUR关于EC的MRI分期指南推荐纳入动态对比增强(DCE)MRI或注射后150 s的单次序列[5]。从动态对比增强图像计算灌注值使得评估组织中的血流和血管分布成为可能。先前的研究描述了子宫内膜样(低危)与非子宫内膜样子宫(高危)恶性肿瘤之间以及不同FIGO分级肿瘤之间灌注的差异[29–32]。
尽管源自MRI序列的直方图特征与EC肿瘤分级之间的相关性此前已被研究,但结果并不明确。尚无研究在同一研究人群中比较多个MRI序列直方图分析的判别能力。合成MRI和DKI在EC中的价值尚未得到充分研究。
本研究的主要目的是提高EC术前风险分层的准确性。通过识别低危和高危组织学特征肿瘤之间MRI图像特征的差异,我们旨在利用术前MRI除宏观生长模式外提供关于肿瘤类型和分级的信息,最终实现更准确的术前风险分层。
材料与方法
参与者招募
这项单中心研究是在西瑞典医疗保健区域开展的更大规模多中心PODEC研究(子宫内膜癌术前诊断)的一部分[8]。该研究经哥德堡地区伦理审查委员会批准(D-no: 527-16),并收集了所有患者的书面知情同意书。
纳入标准为在萨尔格伦斯卡大学医院住院、经活检证实为子宫内膜癌(EC)且无明显转移性疾病的患者。所有纳入患者均于2017年1月至2019年12月期间在大学医院接受了MRI扫描。排除标准为MRI禁忌证、妊娠、严重肾脏疾病以及年龄小于18岁。前后径小于10 mm的肿瘤患者(由至少一名放射科医师测量)也被排除,因为假定在较小体积上无法进行肿瘤分割。
MRI采集和图像后处理
所有检查均在单台3特斯拉扫描仪(Philips Achieva dStream,Philips Healthcare,荷兰)上使用Philips后部和前部线圈进行,最多32通道。方案根据ESUR 2018的建议设计[5],包括T1W序列、矢状面、轴面和垂直于子宫腔的轴斜位T2W序列、临床DWI和轴斜位DCE序列。此外,还获得了基于涡轮自旋回波(TSE)脉冲序列的定量弛豫图合成MRI(SyMRI,SyntheticMR AB,林雪平,瑞典),以及具有15个不同b值的DWI序列,这些b值以250 s/mm2为增量从b = 0 s/mm2均匀分布至超高b = 3500 s/mm2。DCE序列采集20个样本,注射钆基对比剂(Gd)后每11.5 s采集一次。详情列于表1。
从灌注序列生成以下图:曲线下面积(AUC)、Gd从血浆到血管外细胞外间隙(EES)的转移常数(Ktrans)、Gd从EES回流的 time constant(kep),以及贡献于信号血管内部分的 fractional plasma volume(vp)。图使用Intellispace软件(Philips Medical Systems,贝斯特,荷兰)创建。
从临床使用的DWI序列中,使用b = 100 s/mm2和b = 1000 s/mm2的弥散加权值计算常规单指数ADC图。对于具有15个b值的研究DWI序列,通过非线性回归使用b = 250 s/mm2至b = 2750 s/mm2范围内的弥散加权值计算表观弥散峰度(Kapp)和校正观察到的非高斯行为的弥散系数(Dapp),即b值≥ b = 3000 s/mm2未纳入,因为DKI模型对较高b值拟合较差[25, 33]。
分割和特征提取
分割由一名放射科医师(M.P.)手动执行,该医师最初具有4年妇科MRI经验,使用3D Slicer软件(版本4.13.0,布莱根妇女医院和马萨诸塞总医院,波士顿,MA。检索自https://www.slicer.org)[34]。对于每个单独的MRI序列,在三个相邻切片上勾画肿瘤。
所有肿瘤均在所有可用MRI序列的二维层面上手动勾画,定位方式为在肿瘤可见面积最大的层面上相对于子宫呈轴向放置,然后在相邻两个层面上进行勾画。层厚各不相同(T2W为3.5 mm,T1W包括DCE为1.5 mm,DWI包括DKI为4.4 mm,弛豫时间图为5 mm)。由于像素大小的差异,来自一个肿瘤的纳入像素数在不同MRI序列之间有所不同。为避免纳入明显坏死和正常子宫内膜,以仅包含有活力的肿瘤组织。图1展示了相邻层面。
为实现最佳数据提取,对每个纳入的MRI序列分别勾画分割区域。对于DKI,分割区域绘制在肿瘤与子宫肌层之间视觉对比度最高的b值图像上。对于弛豫时间图,分割区域绘制在T2W图上。对于DCE,分割区域绘制在肿瘤与子宫肌层之间视觉对比度最高的图像上。
从分割区域中,使用PyRadiomics 3.0.1版本通过3D Slicer插件提取直方图特征[35]。对于非定量序列,我们比较了低组织学风险组(EC FIGO G1-G2)与高组织学风险组(EC FIGO G3及非子宫内膜样)之间直方图的偏度和峰度。对于定量序列(ADC图、Dapp图、弛豫时间图、DCE灌注),我们额外比较了均值和中位数。分析前未进行归一化或基于直方图的预处理。
在一项亚分析中,我们比较了不同FIGO级别EC之间Dapp和ADC图的直方图特征。
放射学评估
肿瘤由一位在妇科MRI方面拥有20年以上经验的放射科医师(H.L.)进行视觉评估。该评估的目的是比较经验丰富的放射科医师与直方图分析的鉴别性能。评估在ESUR推荐的MRI序列上进行,因为其他图是在后续过程中生成的。该放射科医师将每个肿瘤分类为“低风险组织学”或“高风险组织学”。分类基于阅片者的经验和肿瘤的整体印象。例如,存在单根供血血管被视为低组织学风险的标志,如先前一项超声研究所示[14]。据我们所知,目前没有关于MRI对EC特征进行视觉风险评估的类似报道。
组织病理学分析
肿瘤的组织病理学基于手术标本确定。肿瘤由专攻妇科肿瘤的参考病理学家进行评估。
统计分析
使用0.05的显著性阈值。对于两个组织学风险组之间直方图特征的比较,对正态分布数据使用双尾独立样本t检验,根据方差选择Student t检验或Welsh t检验。分布使用Shapiro–Wilk正态性检验进行检验。对非正态分布数据使用非参数Mann–Whitney-U检验。
对非定量值比较了直方图上的偏度和峰度。对定量值比较了均数和中位数。计算了放射科医师的敏感度和特异度,并进行了ROC分析。使用单因素方差分析比较了Dapp和ADC直方图中不同EC级别之间的差异。
使用的软件为SPSS(SPSS Statistics version 28.0.1.1 for Windows,IBM,Armonk,New York,USA)。
结果
临床特征
纳入患者总数为94例(图2)。并非每位患者都完成了所有序列,但81%的患者按照完整MRI方案接受了检查。患者特征见表2。
MRI指标与低组织学风险和高组织学风险肿瘤的相关性
在低组织学风险和高组织学风险患者之间,Dapp序列衍生的均值(p = 0.048)、中位数(p = 0.025)、偏度(p < 0.001)和峰度(p = 0.003)值存在显著差异。比较vp的峰度(p = 0.04)和T2W图像的偏度(p = 0.037)时,两组之间也存在显著差异。在定量弛豫图方面,组织学风险组之间未发现显著差异。主要结果见表3。
对所有纳入的直方图特征(表3)进行ROC分析并计算AUC,显示Dapp直方图偏度的面积最大(0.744),其次是Dapp图直方图的峰度(0.708)。Dapp直方图特征的ROC曲线见图3。
MRI指标与FIGO级别的相关性
不同FIGO级别的EC之间,Dapp的直方图特征存在显著差异,尤其是偏度和峰度(p < 0.001),均数和中位数也是如此,如表4所示。ADC直方图特征的差异不那么明显。图4展示了中位值的差异。
放射学评估
放射科医师在区分组织学高风险肿瘤与组织学低风险肿瘤时的敏感度为77.8%,特异度为58.2%,阳性预测值为20.0%,阴性预测值为95.1%。
讨论
这项前瞻性研究探讨了低组织学风险与高组织学风险子宫内膜癌(EC)之间,传统MRI图像以及尚未用于临床的序列图像在肿瘤直方图特征上的差异。主要结果表明,扩散峰度成像所得Dapp图的直方图特征可能能够在术前区分高组织学风险与低组织学风险的EC。
一些既往研究报道,G3肿瘤的ADC值低于G1和G2 [16, 17, 36],而其他研究则报道ADC对肿瘤分级无用 [18, 37–39]。
Dapp的差异可能更好地反映更具侵袭性肿瘤更为异质的细胞密度。这此前已在其他肿瘤中显示,如胶质瘤、前列腺癌和乳腺癌 [40–42]。在EC中,Dapp似乎与肿瘤分级相关,并且在回顾性研究中可能比ADC更好地区分肿瘤分级或组织学风险组 [43, 44]。然而,一项前瞻性研究显示,虽然DKI可以区分组织学风险组,但其表现并未显著优于ADC [45]。在我们的前瞻性研究中,不同组织学风险肿瘤之间Dapp存在统计学显著差异,而ADC则无差异。尽管计算时使用了不同的b值,我们的结果与既往关于Dapp的研究一致。此外,我们的结果表明DKI可能比ADC更好地与肿瘤分级相关,这与大多数既往关于EC的研究一致 [27, 43–45]。图5展示了来自不同组织学风险组的两例肿瘤的Dapp MR图像和直方图。较高分级EC中Dapp平均值和中位数较低,可能是由于较高分级肿瘤中实性肿瘤成分比例较高。这些发现接下来应在不同MRI扫描仪和其他医院中验证,以确定其可推广性,作为迈向临床适用性的一步。
未来研究可探索EC肿瘤Dapp其他影像组学特征的可能性,如第10和第90百分位数、熵或体素强度的空间排列,以及将DKI纳入包括临床数据的更一般预测模型,并比较组织学肿瘤风险以外的其他分组。
一项既往研究使用合成MRI获得的弛豫图检查EC,识别出有和无深肌层浸润肿瘤之间在弛豫时间和质子密度上的差异,但比较肿瘤分级时无显著差异 [15]。然而,他们比较的是G1与G2-G3,而非本研究中的低风险与高风险组织学。本研究未探讨关于肌层浸润的区分能力。我们的结果在肿瘤分级方面与其一致,表明定量弛豫时间无助于术前诊断。
Epstein等[14]描述的经阴道超声(TVUS)检测到的血管化差异,在使用DCE及灌注图直方图分析时未能得到证实。既往关于子宫内膜癌(EC)DCE MRI灌注的研究显示,低Ktrans与高危肿瘤/较差预后之间存在关联[28–31]。在我们这项对比中规模最大的研究(n = 83例患者,对照研究为n = 44–74例)中,未发现此种关联。来自vp图(描绘血浆容量)的直方图峰度存在显著差异,可能提示微血管系统的异质性。理想情况下,我们还应分析细胞外血管外间隙(ve)图的直方图。然而,我们对该参数的测量结果不合理,经与扫描仪制造商咨询后,我们决定将其从分析中剔除。
分析从DKI衍生的Dapp图提取的直方图偏度时,其诊断性能与在妇科MRI方面拥有20年以上经验的放射科医生的诊断性能相当,提示定量分析的可能潜力。
如果这些结果得到验证,可能的临床实践整合方式为:要么确认、要么质疑术前活检的组织病理学报告。这可能有潜力降低术前肿瘤错误分类的百分比,从而减少不必要的扩大手术数量以及二次手术的需求。
本研究的一个优势是前瞻性设计,所有纳入患者均按照同一方案、在同一台MRI扫描仪上接受检查,避免了不同扫描仪和方案之间的不一致性。另一个优势是所使用的扩展方案,包括通过合成MRI获取的定量T1W和T2W图,以及具有超高b值的DWI,使我们能够比较同一肿瘤上不同序列的直方图特征。另一个优势是,风险组分层基于所有参与者手术标本的参考组织病理学。
本研究的一个局限性是纳入的组织学高风险肿瘤数量相对较少。然而,我们纳入的患者数量比可比的DKI研究[45]略多,仅比可比的前瞻性合成MRI研究[15]略少。
另一个局限性可能是,我们仅在三个选定的相邻层面上分割肿瘤,而非在肿瘤可见的所有层面上进行分割。然而,由于在大体形态学上EC是一种相对均匀的肿瘤,有理由相信我们的结果与全肿瘤分割相当。全肿瘤分割会在直方图中包含更多像素,使提取的特征更加稳健。我们的方法也存在遗漏肿瘤重要部分的风险。不过,考虑到通过层面选择所节省的时间,我们的方法甚至可能被视为一个优势。然而,自动分割可能在未来解决这一问题[46]。
另一个局限性可能是,由于图像空间分辨率不同,不同MRI序列之间分割的像素数量存在差异。当比较ADC与Dapp时,后者的直方图基于较少的像素。
结论
与传统DWI相比,DKI有潜力更好地反映肿瘤组织学差异,并可能有助于EC的术前风险分层,尚待进一步验证。
引用
- Palmér M, Åkesson Å, Ljungberg M, et al. Preoperative risk assessment of endometrial cancer using histogram analysis of weighted and quantitative MRI images. Abdom Radiol (NY). 2025. PMID: 40576671. doi:10.1007/s00261-025-05069-6
- 全文:PMC12830399(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12830399/
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。