文献速递妇产影像腹部MR

评估磁共振图像合成(MAGiC)技术在宫颈癌治疗选择、复发危险因素预测及短期疗效预测中的能力

Assessment of magnetic resonance image compilation (MAGiC) abilities of therapeutic selection and prediction on recurrence risk factors and short-term treatment efficacy in cervical cancer.
PubMed 文献 · Radiol Med · 2025-07-04

前瞻性纳入119例宫颈癌患者,比较合成T2WI与高分辨率T2WI的图像质量及分期一致性,并以ADC为参照评估T1、T2、PD图预测复发危险因素和短期疗效的效能。合成T2WI决定治疗策略的准确度、敏感度、特异度分别为0.908、0.908、0.999,T1+T2联合模型预测复发危险因素和短期疗效的AUC均高于ADC。

要点

  • 合成T2WI与高分辨率T2WI图像质量各维度均无显著差异(均P>0.05),肿瘤分期一致性极好(Kappa=0.935,p<0.001)。
  • 合成T2WI区分IB-IIA与IIB-IVA以决定手术或同步放化疗的准确度0.908、敏感度0.908、特异度0.999。
  • 早期宫颈癌中T1+T2联合模型预测复发危险因素的AUC为0.980,高于ADC的0.776(p=0.005)。

核心结论

  • MAGiC在宫颈癌治疗选择、复发危险因素预测和短期疗效预后方面表现与高分辨率T2WI及DWI相当甚至更优,是具前景的技术。

研究设计与样本

  • 前瞻性连续纳入2021年10月至2024年3月119例宫颈癌患者,最终分析119例(194例筛查后纳入)。
  • 采用3.0 T MR扫描仪(Signa Premier,GE Healthcare)及32通道体部阵列线圈,行MAGiC、高分辨率T2WI、DWI及DCE-MRI。
  • 以高分辨率T2WI和DWI为参考标准,评估合成T2WI图像质量与肿瘤分期,并用T1、T2、PD图及其组合与ADC预测复发危险因素和短期疗效。
  • 早期(IB-IIA)50例接受手术,局部晚期(IIB-IVA)69例接受5周期同步放化疗并于2个月后复查评估短期疗效。

关键影像表现/征象

  • 合成T2WI与高分辨率T2WI在解剖细节、变形、伪影和病灶显示清晰度评分上均无显著差异(均P>0.05)。
  • 合成T2WI观察者间一致性极好(k=0.840–0.863,均P<0.001),高分辨率T2WI亦极好(k=0.820–0.863,均P<0.001)。
  • 早期宫颈癌中复发危险因素组肿瘤T1、T2、ADC均值均低于无复发危险因素组(均P<0.001),PD值无显著差异(P=0.168)。
  • 局部晚期宫颈癌中无残留组肿瘤T1、T2、ADC均值均低于残留组(均P<0.001),PD值无显著差异(P=0.065)。
  • 子宫肌层T1、T2、ADC均值在复发危险因素组与无复发危险因素组间、残留组与无残留组间均无显著差异(均P>0.05)。

诊断标准与关键数值

  • 合成T2WI区分IB-IIA与IIB-IVA以决定手术或同步放化疗的准确度0.908、敏感度0.908、特异度0.999,与高分辨率T2WI分期一致性Kappa=0.935(p<0.001)。
  • 早期宫颈癌预测复发危险因素:T1的AUC 0.854(95%CI 0.725–0.938),T2的AUC 0.908(95%CI 0.792–0.971),ADC的AUC 0.776(95%CI 0.636–0.881),T1、T2与ADC间均P>0.05;T1+T2联合AUC 0.980(95%CI 0.893–0.999),高于ADC(p=0.005)。
  • 局部晚期宫颈癌预测短期疗效:T1的AUC 0.877(95%CI 0.777–0.943)与ADC的AUC 0.737(95%CI 0.618–0.835)无显著差异(p=0.081);T2的AUC 0.902(95%CI 0.807–0.960)优于ADC(p=0.030);T1+T2联合AUC 0.982(95%CI 0.916–0.999)优于ADC(p<0.001)。
  • 复发危险因素定义为LNM、LVSI、DSI(超过宫颈壁厚度三分之一)或肿瘤最大直径大于4 cm中至少一项。

临床应用与阅片要点

  • 合成T2WI可用于宫颈病灶勾画、分期评估及治疗策略决定,其图像质量与分期能力与高分辨率T2WI相当。
  • T1+T2联合模型在预测早期宫颈癌复发危险因素及局部晚期宫颈癌同步放化疗后短期疗效方面均优于ADC。
  • PD值在复发危险因素组与无复发危险因素组间、残留组与无残留组间均无显著差异,未显示预测价值。

局限性

  • 原文指出MAGiC-derived定量T1和T2评估宫颈癌LVSI状态的治疗后复发危险因素效能仍需进一步验证。
全文中译14 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:Radiol Med. 2025 Jul 4;130(9):1325–38. doi: 10.1007/s11547-025-02042-7

引言

宫颈癌(CC)是全球第四大常见癌症,也是全球女性癌症相关死亡的主要原因[1]。近年来,中国宫颈癌的死亡率呈上升趋势[2]。治疗选择由国际妇产科联盟(FIGO)肿瘤分期决定:FIGO IB-IIA期(早期宫颈癌)行手术切除[3],IIB–IVA期肿瘤(局部晚期宫颈癌)行同步放化疗(CCRT)[4]。

复发危险因素(RRF)如淋巴结转移(LNM)和淋巴血管间隙浸润(LVSI)阳性会增加复发可能性。换言之,如果确定伴有RRF的早期宫颈癌患者在手术切除后接受额外的术后辅助放疗或顺铂为基础的化疗,则可减少复发[5–8]。在接受CCRT治疗的局部晚期宫颈癌患者中,当治疗反应不佳时,约30%出现局部复发或远处转移[9]。因此,肿瘤分期、治疗反应和RRF主导个体化治疗的疗效。

盆腔MR成像,如高分辨率T2加权成像(hr-T2WI)和扩散加权成像(DWI),已被广泛用于评估肿瘤分期和治疗反应以及预测复发[10]。hr-T2WI作为一种形态学成像,可定性帮助放射科医生准确识别宫颈肿瘤及其向子宫、宫旁和邻近器官的侵犯范围[11, 12],并在肿瘤分期方面显示出良好的诊断性能,早期肿瘤(IB-IIA)的准确率报道为90%[13],局部晚期肿瘤(IIB–IVA)为89%[14]。另一方面,DWI衍生的表观扩散系数(ADC)作为一种功能成像,可定量反映宫颈癌的RRF,对LNM和LVSI分别具有良好的预测效能,曲线下面积(AUC)分别为0.74–0.79[15]和0.767−0.950[16]。此外,它可中度反映接受CCRT治疗的CC患者的治疗反应[17–19],灵敏度和特异度分别为73%和72.5%[20]。因此,hr-T2WI和DWI在肿瘤分期以及预测RRF和治疗反应方面是可靠的。

在临床实践中,单次采集同时进行宫颈肿瘤的定性和定量诊断可能消耗较少的扫描时间。近年来,磁共振成像编译(MAGiC)采用二维快速自旋回波多延迟多回波(MDME)技术实施,在一次扫描中在临床可接受的扫描时间内生成多种对比图像以及定量图(T1、T2和PD图),用于脑、前列腺和直肠疾病的诊断[21–27]。值得注意的是,MAGiC在单次采集中同时提供形态学(合成T2WI,sy-T2WI)和定量(T1、T2和质子密度(PD)图)图像。因此,本研究旨在(1)评估形态学MAGiC(sy-T2WI)与hr-T2WI相比的图像质量,(2)以hr-T2WI作为标准参考,探讨sy-T2WI在肿瘤分期中的可行性,(3)研究MAGiC生成的T1、T2和PD图的患者间变异性,特别关注使用T1、T2、PD图与DWI相比评估放射组学危险因素(RRF)对早期CC患者的预测准确性以及局部晚期CC患者接受CCRT后短期疗效(STE)预后。

材料与方法

研究参与者

本研究经我院机构审查委员会批准。共有194例患者签署知情同意书,并于2021年10月至2024年3月期间前瞻性、连续性地纳入我们的研究。纳入标准为:(a)年龄18岁及以上;(b)组织学确诊的宫颈癌,包括不同肿瘤分化级别的鳞状细胞癌和腺癌;(c)既往未接受过盆腔治疗(如MRI检查前的放化疗、同步放化疗或手术切除);(d)治疗前10天内扫描了MAGiC、hr-T2WI和DWI;(e)按计划进行手术或CCRT。排除标准为:(a)并发其他部位恶性肿瘤或既往接受过医学治疗;(b)任一图像数据集(MAGiC、hr-T2WI和DWI)图像质量不佳;(c)未进行手术或未完成完整2个月疗程的CCRT;(d)CCRT后2个月未复查MRI;(e)任何图像上均无肿块证据(如IA期肿瘤)。根据纳入和排除标准筛选,那些合适的CC患者在本研究中进行了统计分析(图1A–D)。

图1 本研究流程图展示了参与者入组、肿瘤分期以及RRF预测和STE评估 查看原图 ↗

MRI检查

所有盆腔MR检查包括MAGiC、hr-T2WI(斜轴位、矢状位和冠状位)、动态对比增强MRI(DCE-MRI)、斜轴位多重敏感度编码扩散加权成像(MUSE-DWI),均在3.0 T MR扫描仪(Signa Premier,GE Healthcare,Waukesha,WI,USA)上使用32通道体部阵列线圈进行。MAGiC和DWI在与斜轴位hr-T2WI(垂直于宫颈)相同的轴位平面(28层)、层厚(3.5 mm)和间距(0.5 mm)上采集。其他详细扫描参数总结如下:MAGiC的序列参数在无脂肪抑制技术下进行,重复时间(TR)= 4000 ms,回波时间(TE)= TE1为16 ms,TE2为91.6,带宽(BW)= 50 Hz/像素,视野(FOV)= 34 cm,激励次数(NEX)= 1,矩阵 = 320 × 256,平面内分辨率 = 1.1 mm × 1.3 mm,加速因子 = 2.0;hr-T2WI采用快速自旋回波(FSE)在无脂肪抑制技术下进行,TR = 3573 ms,TE = 110 ms,BW = 62.5 Hz/像素,FOV = 20 cm,矩阵 = 332 × 332,平面内分辨率 = 0.6 mm × 0.6 mm,翻转角 = 111°,加速因子 = 2.0;MUSE-DWI在脂肪抑制技术下扫描,TR = 3000 ms,TE = 65.1 ms,FOV = 26 mm,NEX = 2、4,矩阵 = 216 × 216,平面内分辨率 = 1.2 mm × 1.2 mm,b值 = 0、800 s/mm2,加速因子 = 2.0。MAGiC序列扫描时间约需4分钟32秒,而hr-T2WI(3分钟8秒)和MUSE-DWI(2分钟32秒)的综合使用时间与之相比。重要的是,尽管其采集时间略长,MAGiC显著提高了工作流程效率和患者舒适度,同时提供有临床价值的T1/T2/PD定量值,从而提高放射科医生的诊断信心。

总体而言,单次扫描磁共振集成图像(MAGiC)比高分辨率T2加权成像(hr-T2WI)和多激发扩散加权成像(MUSE-DWI)少用时约1分钟。此外,每位宫颈癌(CC)患者还接受了矢状位和冠状位hr-T2WI及轴位动态增强MRI检查。使用MAGiC软件(MAGiC,v. 100.1.1,Sy-MRI 7.2)获得合成形态学图像(合成T2WI,sy-T2WI)和定量图像(T1、T2和PD图)(图2A–D),同时在扫描仪控制台上从b值为0和800 s/mm²的MUSE-DWI生成表观扩散系数(ADC)图。DCE-MRI使用0.2 ml/kg剂量的细胞外对比剂(钆双胺,Omniscan,GE Healthcare),随后以2 ml/s的注射速率推注20 ml 0.9%生理盐水。所有图像后处理均在Advanced Workstation(AW 4.7,GE Healthcare)上获得。

图2 一名38岁女性宫颈癌患者的代表性合成磁共振图像(MAGiC),分别包括A合成T2WI(sy-T2WI)、B T1图、C T2图和D PD图 查看原图 ↗

合成形态学图像

图像质量

sy-T2WI和hr-T2WI的图像质量由两名放射科医师(Reader 1和2,分别具有5年和3年宫颈MRI经验)独立评估并达成共识。采用4分制评估图像质量,包括(a)解剖细节(1=差,2=一般,3=好,4=优),(b)变形(1=严重,2=中度,3=轻度,4=无),(c)伪影(1=严重,2=中度,3=轻度,4=无)和(d)病灶可见性(1=差,无法识别,2=一般,轮廓大部分不清晰,3=好,轮廓部分不清晰,4=优,轮廓清晰)[28]。分析sy-T2WI与hr-T2WI之间图像质量评分的观察者间一致性。

肿瘤分期

两名放射科医师(Reader 1和2)对患者的临床和病理信息不知情,根据2018 FIGO标准达成共识评估肿瘤分期,包括肿瘤大小、阴道或宫旁受累、膀胱/直肠侵犯和远处转移(图3)。评估在一周内对sy-T2WI进行,另一周内对hr-T2WI进行[9, 10](图3)。活检确诊为CC的患者即使形态学图像上肉眼未见可见病灶和/或最大浸润深度≤5 mm,也归为IA期[3]。

以hr-T2WI为参考标准,使用卡方检验(χ2)确定sy-T2WI在区分IB-IIA期与IIB-IVB期方面的准确率(Acc)、敏感度(Sen)和特异度(Spec)(图1B)。还使用加权kappa系数(k)检验模态间一致性。

图3 使用2018 FIGO标准,将合成T2WI(sy-T2WI;最后一列)与常规T2WI(hr-T2WI;第四列)进行肿瘤分期(IB-IVA)评估的比较。A–C IB期肿瘤(箭头)最大径约7 mm(>5 mm)。D–F IIA期肿块(箭头)局限于阴道壁2/3,无宫旁侵犯。G–I IIB期肿块(箭头)显示宫旁侵犯。J–M显示IIIA期肿瘤侵犯(箭头)阴道下1/3,但未延伸至盆壁。图N和O描绘IIIC期肿瘤,盆腔和/或腹主动脉旁(三角)淋巴结阳性(箭头)。图P–R显示IVA期肿块(箭头)侵犯邻近器官(膀胱) 查看原图 ↗

复发危险因素

所有根据高分辨率T2加权成像(hr-T2WI)诊断为FIGO IB-IIA期的患者均接受了手术切除。病理检查由一位具有30年经验、对患者临床数据和图像分析不知情的病理学家进行。根据2018年FIGO分期系统评估肿瘤特征,包括复发危险因素(RRF)、组织病理学分级、肿瘤及淋巴结分期,并使用标准病理模板进行报告。

RRF的评估包括:(1)淋巴结转移(LNM),定义为恶性上皮细胞侵入淋巴结[29](补充图1A);(2)淋巴血管间隙浸润(LVSI)阳性,特征为肿瘤细胞存在于内皮衬覆的淋巴管内而无肌壁受累[30](补充图1B);(3)深部宫颈间质浸润(DSI),指肿瘤浸润超过宫颈壁厚度的三分之一[30](补充图1C);(4)肿瘤最大直径(TMD)大于4 cm [3](补充图1D)。根据术后病理结果,患者被分为RRF组(存在≥1个危险因素)和非RRF组(所有因素均不存在)(图1C),从而能够在这些临床特征不同的队列之间进行比较分析。

用于评估STE的随访

所有根据hr-T2WI诊断为IIB–IVA期肿瘤的患者接受了5个周期的同步放化疗(CCRT)(每周顺铂40 mg/m2及调强放疗;总剂量45–50 Gy)。CCRT后两个月,重复进行hr-T2WI、DWI和DCE-MRI以评估治疗反应,作为短期疗效(STE)。

残余肿块的存在由两位资深放射科医师(阅片者3和4,分别具有15年和20年盆腔MRI经验)在CCRT后2个月基于hr-T2WI(持续性肿瘤)、DCE-MRI(强化区域)和DWI(高信号区域)达成共识后判定[11],然后也分为残余组和无残余组(图1D)。

合成定量图像

首先,在sy-T2WI和DWI上确定病灶的大小、范围和边界。当放射科医师之间存在分歧时,由一位具有30年以上妇科MR成像经验的资深放射科医师做出最终诊断。由阅片者1和2在sy-T2WI连续切片上沿残余病灶边缘手动勾画三层感兴趣区(ROI),避开坏死区域,包括肿块面积最大的切片及其上、下相邻切片。此外,阅片者1和2还在正常子宫肌层前壁勾画了一个感兴趣区(ROI),以验证患者间变异性。随后,将ROI复制到T1、T2、PD和ADC图上,以获得T1、T2、PD和ADC的相应值(平均值)(图4)。在本研究中,肿瘤的平均ROI大小为5.97 ± 3.54 cm2(0.41–14.77 cm2),子宫肌层为2.42 ± 1.83 cm2(0.97–5.1 cm2)。

图4 示意图展示了在sy-T2WI上勾画的三层感兴趣区(ROI)。最后一列显示了在sy-T2WI上手动勾画的肿块三个切层的ROI,包括肿块面积最大的切片及其上、下相邻切片。ROI被复制到T1、T2、PD和ADC图上,以获得每位CC患者相应的T1、T2、PD和ADC值。同时展示了相应的sy-T2WI(第二列)和hr-T2WI(第一列) 查看原图 ↗

统计分析

统计分析使用SPSS Statistics 27.0版(IBM Corp.,Armonk,N.Y.,USA)和GraphPad(9.0.1版)进行。形态学sy-T2WI和hr-T2WI的图像质量评分(包括解剖细节、变形、伪影和病灶显示清晰度)以中位数[最小值,最大值]表示,并使用加权kappa系数分析观察者间一致性(k,< 0.20,重复性差;0.21–0.40,一般;0.41–0.60,中等;0.61–0.80,中等;> 0.80,极好或强可靠性)。此外,使用配对t检验比较子宫肌层和肿瘤的定量平均T1、T2、PD和ADC值,以区分早期宫颈癌中的RRF与非RRF以及局部晚期宫颈癌中的肿瘤残留组与非肿瘤残留组。此外,绘制T1、T2和PD图预测STE、区分肿瘤残留组与非残留组的受试者工作特征曲线(ROC),用于获取截断值,并使用DeLong检验比较定量图与ADC图的曲线下面积(AUC)和95%置信区间(CI)。此外,对组合模型(由显著的T1、T2和PD组成)进行了分析。显著性差异设定为P值小于0.05。

结果

临床特征

194例CC患者中共有119例(平均年龄:50.4 ± 10.0岁;年龄范围:26–80岁;分期IB:31例;IIA:19例;IIB:26例;IIIA:8例;IIIB:4例;IIIC:25例;IVA:6例)纳入研究,包括50例(平均年龄:52.4 ± 9.2岁;年龄范围:26–84岁)早期CC(分期IB-IIA)接受手术切除的患者和69例(平均年龄:54.6 ± 10.2岁;年龄范围:36–86岁)局部晚期CC(分期IIB-IVA)接受CCRT及两个月随访的患者。所有早期CC患者根据组织学检查分为RRF组(N = 16 [LVSI:9例,LNM + LVSI:2例,LVSI + TMD:1例,LVSI + DSI:4例],平均年龄:44.4 ± 4.7岁;年龄范围:26–64岁)和非RRF组(N = 34,平均年龄:57 ± 6.3岁;年龄范围:37–84岁)。所有局部晚期CC患者在CCRT后分为肿瘤残留组(N = 36,平均年龄:53.4 ± 5.6岁;年龄范围:35–64岁)和非残留组(N = 33,平均年龄:57 ± 8.3岁;年龄范围:37–86岁)。患者临床特征详见补充表1,包括鳞状细胞癌(n = 102)和腺癌(n = 17),肿瘤分化程度分布为高/中分化(n = 104)和低分化肿瘤(n = 14)。

合成形态学图像

在119例CC患者中,sy-T2WI与hr-T2WI在解剖细节、变形、伪影和肿瘤病灶显示清晰度方面评分无显著差异(均P > 0.05;表1,图5)。此外,sy-T2WI(k = 0.840–0.863,均P < 0.001)和hr-T2WI(k = 0.820–0.863,均P < 0.001)的评分观察者间一致性均极好(表1)。对于肿瘤分期,sy-T2WI区分IB-IIA与IIB-IVA的准确率、灵敏度和特异度分别为0.908、0.908和0.999。sy-T2WI与hr-T2WI在区分IB-IIA与IIB-IVA方面具有极好的一致性(k = 0.935;p < 0.001)(表2)。

表1 sy-T2WI与hr-T2WI图像质量评分的比较 查看原表 ↗
图5 一位53岁IIB期宫颈癌女性患者合成T2WI(sy-T2WI;第一列)与常规T2WI(hr-T2WI;第二列)的图像质量比较。在图(A)–(F)上采用4分制评分,sy-T2WI的图像质量在解剖细节(4 vs. 4)、变形(4 vs. 4)、伪影(4 vs. 4)和病灶显示清晰度(4 vs. 4)方面与hr-T2WI相似。 查看原图 ↗
表2 基于2018 FIGO标准使用sy-T2WI和hr-T2WI进行肿瘤分期的比较 查看原表 ↗

用于预测RRF和STE的定量图像

子宫肌层的平均T1、T2、ADC值在RRF组与非RRF组之间以及肿瘤残留组与非残留组之间均无显著差异(均P > 0.05)(表3)。例如,在早期宫颈癌患者中,RRF组与非RRF组的平均T1值相似(1283.12 ± 48.76 ms vs. 1304.01 ± 39.33 ms;P = 0.755)(表3)。

在宫颈癌患者中,除PD值外(84.44 ± 3.74 p.u. vs. 86.16 ± 4.19 p.u.;p = 0.168),RRF组的平均T1、T2、ADC值显著低于非RRF组(T1:1180.40 ± 64.06 ms vs. 1288.80 ± 90.68 ms;T2:91.00 ± 3.38 ms vs. 96.11 ± 2.78 ms;ADC:928.17 ± 52.83 × 10–6 mm2/sec vs. 994.72 ± 57.54 × 10−6mm2/sec;均P < 0.001)(表3)。此外,T1和T2值在预测RRF方面显示出与ADC值相似的诊断效能(AUC:0.854,95% CI:0.725–0.938;AUC:0.908,95% CI:0.792–0.971)(ADC值AUC:0.776,95% CI:0.636–0.881;均P > 0.05)。T1 + T2联合模型(AUC:0.980,95%CI:0.893–0.999)对RRF的预测效能高于单独ADC(AUC:0.980 vs. 0.776;p = 0.005)(表4,图6)。

对于STE,除PD值外(79.90 ± 2.66 vs. 81.24 ± 3.24 pu;p = 0.065),非残留组的平均T1、T2和ADC值显著低于肿瘤残留组(T1:1134.19 ± 105.61 ms vs. 1273.93 ± 52.34 ms;T2:87.35 ± 1.87 ms vs. 90.76 ± 1.77 ms;ADC:939.82 ± 83.81 × 10−6 mm2/sec vs. 992.40 ± 55.46 × 10−6mm2/sec;均P < 0.001)(表3)。T1值在预测STE方面显示出与ADC相当的诊断效能(AUC:0.877,95% CI:0.777–0.943)(ADC AUC:0.737,95% CI:0.618–0.835;p = 0.081),而T2值(AUC:0.902,95% CI:0.807–0.960)的效能优于ADC(p = 0.030)。此外,T1 + T2联合模型的预测效能最佳(AUC:0.982,95%CI:0.916–0.999),优于单独ADC(p < 0.001)(表4,图6)。

表3 子宫肌层和肿瘤定量平均T1、T2、PD和ADC值的比较,用于呈现患者间变异性,并在早期宫颈癌中区分RRF与非RRF,在局部晚期宫颈癌中区分CR组与非CR组 查看原表 ↗
图6 T1、T2及其联合模型和ADC模型预测RRF和STE的诊断效能。A 在早期宫颈癌中区分RRF与非RRF时,ADC的预测效能(AUC:0.776,95%CI:0.636–0.881)劣于T1 + T2(AUC:0.980,95%CI:0.893–0.999;p = 0.005),后者与T1(AUC:0.854,95% CI:0.725–0.938;P = 0.338)和T2(AUC:0.908,95% CI:0.792–0.971;P = 0.121)相似。B 在预测接受CCRT的局部晚期宫颈癌短期疗效时,ADC的预测效能(AUC:0.737,95%CI:0.618–0.835)劣于T1 + T2(AUC:0.982,95%CI:0.916,0.999;p < 0.001)和T2(AUC:0.902,95% CI:0.807–0.960;P = 0.030),后者与T1(AUC:0.877,95% CI:0.777–0.943;P = 0.081)相似。 查看原图 ↗
表4 比较仅ADC、仅T1值、仅T2值及T1+T2模型对CC患者RRF和STE的预测性能 查看原表 ↗

讨论

MAGiC是一种新型成像方法,可在临床可接受的扫描时间内,通过一次扫描利用二维快速自旋回波多延迟多回波(MDME)技术同时提供多对比加权成像(sy-T2WI)以及定量映射(T1、T2和PD图)。在本研究中,以常规hr-T2WI为标准参考,sy-T2WI显示出足够的图像质量,并在肿瘤分期鉴别方面具有等效的诊断性能。此外,联合模型(T1+T2图)在预测宫颈癌患者RRF和STE方面优于ADC。

合成形态学成像的主要挑战在于临床应用的图像质量。我们的研究结果表明,sy-T2WI在解剖细节、变形、伪影和病灶清晰度方面的图像质量评分与hr-T2WI相当[31, 32]。此外,图像质量评分的观察者内一致性极佳,这与Meng等[33]的报道一致;其在鉴别IB-IIA期与IIB-IVA期中的模态间相关性(k = 0.935;p < 0.001)表明,两者在直肠癌T分期方面具有相似的诊断准确性[31]。以hr-T2WI为标准参考,sy-T2WI在识别适合手术和CCRT的病灶方面显示出优异的准确性(0.908)、敏感性(0.908)和特异性(0.999)。总体而言,MAGiC是勾画宫颈病灶、评估分期及确定勾画宫颈病灶策略的可靠方法。

由于MRI系统不同,子宫肌层的平均T1、T2、PD和ADC值相对低于文献报道的低端值[34, 35]。这些值在RRF组与非RRF组之间以及无残留组与肿瘤残留组之间均无显著差异。然而,本研究中定量T1和T2值分别在RRF组和无残留组中显著低于非RRF组和肿瘤残留组,这与既往研究一致[27, 31, 33, 36]。T2横向弛豫时间由病灶内游离水、结合水和大分子的含量决定[37]。宫颈病灶T2缩短可能归因于水含量减少、大分子和细胞外间隙减少(肿瘤增殖增加),尤其是在低分化肿瘤和伴有RRF的肿瘤中[38]。低分化肿瘤对同步放化疗(CCRT)更敏感,导致完全缓解[39]。T1弛豫时间取决于激发态质子向周围分子传递能量的进动频率[40]。肿瘤组织中细胞外间隙的减少降低了分子的进动频率,缩短了无残留组和RRF组病灶的T1值。尽管PD值提供了组织水含量的质子密度信息,但本研究和既往研究中残留组与无残留组之间以及RRF组与非RRF组之间均无差异[22, 27, 31, 33]。早期CC患者的RRF评估——如LNM、LVSI、DSI和TMD状态——对于确定恶性肿瘤的侵袭性、治疗管理和预后至关重要。与基于MAGiC衍生的定量T1和T2评估CC患者LVSI状态的研究[41]一致,这些指标对治疗后RRF的评估效能仍需进一步验证。总体而言,具有统计学意义的T1和T2值可作为可靠的影像生物标志物,在预测CC患者RRF和STE方面具有潜力。

DWI已广泛用于CC患者的诊断和预后评估[4, 9, 10, 42]。与既往研究结果一致[43–45],RRF组和无肿瘤残留组的ADC值分别低于非RRF组和肿瘤残留组。这表明治疗前ADC对于评估RRF和治疗反应具有价值[46, 47]。ADC对RRF和STE的诊断效能与T1值对RRF和STE的诊断效能相似,但对STE的诊断效能低于T2值。换言之,T2值评估STE比评估RRF更敏感,这与既往报道一致[16, 27, 48–51]。与既往研究结果相似[27, 48],T1 + T2联合模型显示出优于ADC值的诊断效能,这可能归因于MAGiC衍生的T1和T2测量具有优异的可靠性和可重复性[52, 53]。这提示MAGiC相对于DWI为评估CC患者RRF和STE提供了更强的能力。此外,多种定量参数(MAGiC衍生的T1、T2和PD值)的整合可能有助于更精确的治疗决策,同时可能提高CC患者的成本效益和可及性。这些发现使MAGiC成为一种有前景且可靠的MR成像技术,可用于全面的肿瘤评估。

本研究存在若干局限性。第一,由于临床工作中不可行的设计(单名患者的扫描时间可长达30 min)以及MAGiC在脑、乳腺、直肠、前列腺的已知若干应用[21–27],未进行合成与传统的T1和T2 mapping的比较。第二,T1、T2和PD测量仅执行了包含最大横截面病灶在内的连续三个层面而非整个病灶,可能导致了病灶其余部分细节的丢失。第三,CC患者仅经活检确认,且无术前信息如病理数据。然而,FIGO分期仅使用hr-T2WI进行评估,以探究sy-T2WI在确定治疗方案中的可行性。在未来的工作中,可同时使用sy-T2WI和DWI进行FIGO分期以提高诊断准确性。第四,评估MAGiC对RRF和STE诊断效能亚组的样本量相对较小,且前瞻性研究在单中心进行。需要更大规模的队列以推广结果,包括使用定量图评估LNM、LVSI、DSI、TMD状态,并开展多中心数据以避免数据偏倚。

总之,MAGiC可在一次采集内生成合成形态学图像(sy-T2WI)和定量图像(T1、T2和PD图)。sy-T2WI具有与hr-T2WI相当的图像质量和等效的肿瘤分期准确性。与无残留和无RRF组相比,RRF组和无残留组的平均T1和T2值显著较低。T1值在预测RRF和STE方面与ADC表现相似,而T2值在预测STE方面优于ADC,在RRF方面与ADC相似。此外,T1联合T2在预测STE和RRF方面优于ADC。因此,MAGiC是一种有前景的技术,可用于指导CC患者的治疗计划制定以及预测RRF和STE,且与hr-T2WI和DWI相似甚至更优。

补充信息

以下是电子补充材料的链接。补充图1. 淋巴结转移(LNM)、淋巴血管间隙浸润阳性(LVSI)、深部宫颈间质浸润(DSI)和肿瘤最大直径(TMD)的代表性病理图像。A LNM:淋巴结被恶性上皮细胞侵犯(白色箭头;HE染色,×100),B LVSI:肿瘤微血管中显示癌细胞(白色箭头;HE染色,×100),C DSI:肿瘤浸润超过宫颈壁的三分之一(白色箭头;HE染色,×100),D TMD:肿块最长直径超过4cm(白色箭头;HE染色,×100)(TIF 36631 KB)

补充文件2(DOCX 13 KB)

引用

  1. Ou X, Liu H, Liu WV, et al. Assessment of magnetic resonance image compilation (MAGiC) abilities of therapeutic selection and prediction on recurrence risk factors and short-term treatment efficacy in cervical cancer. Radiol Med. 2025. PMID: 40613971. doi:10.1007/s11547-025-02042-7
  2. 全文:PMC12454491(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12454491/

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。