口咽鳞状细胞癌随访中MRI颈部影像报告和数据系统(NI-RADS)的阅片者间信度
该回顾性观察研究纳入91例口咽鳞状细胞癌患者共218次治疗后增强MRI,由5名不同经验放射科医生按NI-RADS评分,评估阅片者间一致性。结果显示NI-RADS总体一致性为中等(κ=0.53,符合率89%),首次随访MRI中原发灶强化和淋巴结评估的一致性较低。
要点
- NI-RADS在增强MRI随访口咽鳞癌中总体阅片者间一致性为中等(κ=0.53,符合率89%)。
- 首次治疗后MRI的淋巴结和原发灶强化评估一致性较低(κ=0.25–0.41)。
- 非头颈专科医生与专家之间在首次随访MRI上的一致性更低。
核心结论
- MRI NI-RADS在口咽鳞癌患者中显示中等阅片者间一致性,首次治疗后MRI的判读挑战更大。
- 常规应用NI-RADS可能有助于提高影像评估的一致性和可靠性。
研究设计与样本
- 回顾性观察研究,纳入2010年3月1日至2024年6月30日期间经 multidisciplinary 头颈肿瘤委员会筛选的324例口咽癌患者中的91例,共218次增强MRI(每名阅片者),5名阅片者(2名头颈专科放射科医生、1名普通放射科医生、2名放射科住院医师)独立评分。
- 使用1.5T扫描仪(Optima MR450w和Magnetom Aera),扫描来自六家医院,其中两家主要中心分别占55%和24%的扫描量。
- 参考标准为2021年11月ACR NI-RADS描述符,以治疗前增强MRI作为首次治疗后MRI的参考。
关键影像表现/征象
- 治疗后原发灶可表现为明显低信号软组织伴线状黏膜下高信号(瘢痕和水肿)、中间信号(「evil grey」)软组织(肿瘤复发)、薄线状黏膜强化(炎症)或局灶非肿块样黏膜强化。
- 扩散受限可表现为ADC图上无高信号(水肿)、局灶性低信号无肿块样软组织或肿块样软组织内低信号(肿瘤复发)。
- 淋巴结可表现为低强化无 irregular 边界的淋巴结组织、残余淋巴结组织伴不均匀强化或增大淋巴结伴 irregular 边界和新发坏死。
诊断标准与关键数值
- 所有阅片者NI-RADS总体一致性:κ=0.53,符合率89%。
- 各MRI特征一致性:κ=0.42–0.52,符合率84–93%。
- 首次随访MRI:NI-RADS κ=0.49,符合率84%;淋巴结κ=0.37,符合率88%;原发灶强化κ=0.40,符合率84%。
- 第二至第四次随访MRI:NI-RADS κ=0.53,符合率92%;各特征κ=0.44–0.59,符合率94–96%。
- 读者A与C在首次随访中原发灶强化κ=0.25,符合率77%;淋巴结κ=0.38,符合率72%;读者A、D、E间原发灶强化κ=0.36,符合率90%;淋巴结κ=0.41,符合率88%。
临床应用与阅片要点
- NI-RADS评分在增强MRI随访口咽鳞癌中总体一致性中等,首次治疗后MRI判读时需注意原发灶强化和淋巴结评估的变异性。
- 非头颈专科医生在首次随访MRI上对原发灶强化和淋巴结的评估一致性较低,可能需参考专家意见或加强培训。
- 常规应用NI-RADS评分系统可能有助于提高日常阅片和报告的一致性。
局限性
- 研究纳入不同MRI扫描仪和较长时间段的检查,可能引入图像采集不一致性。
- 部分早期检查缺乏DWI序列,因当时无标准化头颈影像协议。
- 回顾性设计限制了对患者临床数据的全面获取以进行相关性分析。
- NI-RADS 1分出现频率较高,表明复杂病例较少,可能简化了评估过程并影响κ值。
全文中译9 节 · 点击展开
引言
口咽鳞状细胞癌(OPSCC)在发达国家的发病率呈上升趋势[1]。例如,在美国,其发病率在1999年至2006年间增加了22%,从每10万人1.53例上升至1.87例[2]。2000至2007年的欧洲数据显示,OPSCC的年粗发病率为3.3/10万,5年相对生存率为41%[3]。早期OPSCC的治疗通常包括根治性放疗或经口手术联合颈部淋巴结清扫术。局部晚期OPSCC的标准治疗包括手术加后续放化疗或单纯根治性放化疗[2, 4]。
OPSCC的完整评估和分期必然需要横断面成像。对于原发肿瘤分期,对比增强磁共振成像(CE-MRI)是最佳技术,尤其适用于评估舌根和/或舌体等区域的软组织侵犯[5, 6]。对于完成放化疗后淋巴结阳性患者的随访,推荐在3个月间隔时进行氟脱氧葡萄糖-正电子发射断层扫描(FDG-PET)以确定后续颈部淋巴结清扫的必要性[4, 7, 8]。然而,若患者出现症状或临床评估中发现异常,则应采用CE-MRI[4]。
鉴于多种报告方法阻碍了头颈癌患者影像学的清晰解读[9],美国放射学会(ACR)创建了颈部影像报告和数据系统(NI-RADS)以标准化报告并提高诊断清晰度[10, 11]。虽然最初是为对比增强计算机断层扫描(CE-CT)和FDG-PET随访而创建,NI-RADS近期已调整适用于CE-MRI[12]。通过提供统一的报告词汇,NI-RADS帮助放射科医师理解具有挑战性的治疗后影像学环境,该环境常表现为重建和放疗引起的组织改变所致的解剖变化。这种标准化语言还促进了与转诊医师的沟通,并支持对未来患者管理做出合理决策[13]。除了确立其诊断和预后效用[14, 15]外,NI-RADS的常规应用与其他RADS框架[16–18]一样,需要通过观察者间一致性研究进一步验证。解释一致性欠佳,反映为评分者间一致性低,可能损害该系统的临床价值。本研究旨在通过分析一大组常见头颈癌(即OPSCC)患者队列并研究经验在判定构成NI-RADS各特征中的作用,来扩展关于MRI NI-RADS可靠性的数据。
材料与方法
研究设计
本回顾性观察性研究获得机构伦理委员会批准(ID编码:2024-087ESA),并按照2013年《赫尔辛基宣言》所述原则进行。鉴于研究的回顾性设计且仅依赖先前收集的匿名化数据,知情同意要求被豁免。
患者选自2010年3月1日至2024年6月30日期间在多学科头颈部肿瘤委员会上讨论的病例;该筛选共识别出324例口咽癌患者。纳入标准为:组织学确诊的口咽鳞状细胞癌(OPSCC);可获得≥2次连续的治疗后头颈部增强MRI(CE-MRI)检查;治疗方式及治疗结束日期有充分的临床记录。排除标准为:在索引OPSCC治疗前曾接受任何头颈部癌症治疗;缺少治疗前CE-MRI(仅以增强CT(CE-CT)进行分期的患者);治疗前CE-MRI因在外部机构进行而无法获取;随访影像采用CE-CT或FDG-PET而非CE-MRI;MRI检查缺少增强后序列;以及因运动和/或牙修复体伪影影响超过一个序列而导致CE-MRI质量无法诊断,从而无法进行NI-RADS分级。
增强MRI(CE-MRI)扫描
头颈部CE-MRI扫描采用机构方案[19],在六家医院的1.5特斯拉扫描仪(GE HealthCare的Optima MR450w和Siemens的Magnetom Aera)上进行。这些检查大多数在两家主要中心完成,分别占总扫描量的55%和24%。每次CE-MRI检查包括平扫 turbo spin-echo 图像(轴位和冠状位T2加权成像、轴位T1加权成像)、轴位扩散加权成像(DWI)以及增强后3D梯度回波T1加权脂肪抑制图像。在10%的CE-MRI扫描中,DWI不可用,而1%的T2加权图像受伪影影响而图像质量受损。每次CE-MRI检查中包含的所有其他序列均可供阅片者完整查阅。
图像评估
五名经验水平不同的放射科医师于2024年10月1日至2025年4月30日期间独立审阅了这些影像学研究。该小组包括两名资深头颈部放射科医师,分别具有23年和22年经验(阅片者A和B)、一名具有21年经验的普通放射科医师(阅片者C),以及两名第四年放射科住院医师(阅片者D和E)。
阅片者为每次治疗后CE-MRI扫描分配NI-RADS分级,并以治疗前CE-MRI作为评估首次治疗后CE-MRI的参考。他们还根据主要NI-RADS特征(图1)对各种MRI序列上的表现进行分级。阅片者参考2021年11月美国放射学会(ACR)NI-RADS描述词,该版本为研究时现有的当前版本[20]。在DWI不可用或T2加权成像受伪影影响的情况下,省略对这些特定特征的评估。尽管如此,NI-RADS分类仍根据其余诊断序列确定。图2展示了OPSCC治疗后主要CE-MRI特征的示例。
统计分析
为评估NI-RADS及其CE-MRI特征的观察者间可靠性,我们采用了一致率百分比(POA)、用于五名和三名阅片者比较的Fleiss' kappa(κ)以及用于两两比较的Cohen's κ [21]。阅片者间一致性针对所有治疗后MRI进行计算,并分别针对首次治疗后CE-MRI和后续随访进行计算。
最后,为评估NI-RADS评分是否受治疗类型或原发肿瘤部位的影响,我们进行了单因素方差分析(ANOVA)。阅片者A在首次随访时分配的NI-RADS评分按治疗方式和肿瘤解剖部位进行分组。
结果
本队列研究共纳入91例患者,每位评估者获得218个CE-MRI数据集,用于评估者间一致性分析的数据集共1090个(表1和表2)。阅片者间一致性总结如下:表3报告所有治疗后CE-MRI的一致性;表4报告每位患者首次治疗后CE-MRI的一致性;表5报告后续随访CE-MRI(第二次及以后)的总体一致性。第二次、第三次和第四次随访CE-MRI的观察者间一致性分别见补充信息。
在218例中的145例(67%),所有放射科医师 assigned 相同的NI-RADS分级。在218例中的31例(14%),四名阅片者达成共识;而在218例中的39例(18%),三名放射科医师意见一致。在218例中仅3例(1%),仅有两位阅片者对NI-RADS分级意见一致。
所有阅片者间NI-RADS的一致性(κ = 0.53,POA = 89%)及其各特征的一致性(κ = 0.42–0.52,POA = 84–93%)为中等,其中淋巴结评估的κ值最低。在亚组分析中检查淋巴结时,阅片者A与阅片者C之间(κ = 0.36,POA = 88%)以及阅片者A、D和E之间(κ = 0.40,POA = 94%)观察到一般一致性。
在第一次随访中,NI-RADS 的一致性为中等(κ = 0.49,POA = 84%),而淋巴结评估的一致性为一般(κ = 0.37,POA = 88%),原发部位对比增强的一致性为一般(κ = 0.40,POA = 84%)。具体而言,分析证实读者 A 与读者 C 之间在淋巴结评估和原发部位对比增强方面的可靠性较低(分别为 κ = 0.25,POA = 77% 和 κ = 0.38,POA = 72%)。读者 A、D 和 E 之间在这些特征上的可靠性也较低(分别为 κ = 0.36,POA = 90% 和 κ = 0.41,POA = 88%)。
在第二、第三和第四次随访 MRI 扫描中,NI-RADS(κ = 0.53,POA = 92%)及其各特征(κ = 0.44–0.59,POA = 94%-96%)的一致性为中等,其中淋巴结评估的 κ 值最低。此外,与初次随访相比,后续随访扫描中评估原发部位对比增强和淋巴结的可靠性有所提高。这种提高在读者 A、D 和 E 之间的一致性中(淋巴结评估 κ = 0.42,POA = 96%;原发部位对比增强 κ = 0.60,POA = 95%)以及读者 A 与 C 之间的一致性中(淋巴结评估 κ = 0.51,POA = 95%;原发部位对比增强 κ = 0.45,POA = 88%)均可观察到。
图 3 展示了放射科医师在评估首次放疗后 CE-MRI 时一致性有限的一个病例。
ANOVA 结果显示,读者 A 在第一次随访时对不同治疗组(p = 0.78)或肿瘤部位(p = 0.30)所分配的 NI-RADS 评分无统计学显著差异。
讨论
我们的研究结果表明,在不同影像学专业水平的读者之间,CE-MRI 上 NI-RADS 评估具有中等程度的一致性。我们还观察到,所分析的 NI-RADS 每个具体 CE-MRI 特征——包括原发肿瘤大小、T2 加权信号强度、对比增强、原发部位弥散受限及淋巴结特征——的读者间一致性均为中等。结果提示读者专业水平会影响结果:亚组分析显示,头颈部影像学专业程度较低的放射科医生,即普通放射科医生和放射科住院医师,与更有经验的同行相比,一致性水平较低。此外,与 NI-RADS 框架一致——该框架区分治疗后首次影像评估与后续随访扫描——我们对 CE-MRI 进行了单独的亚组分析。在初次随访 CE-MRI 扫描中,淋巴结评估和原发部位对比增强的一致性低于后续扫描,尤其是在包含无头颈部特定专长放射科医生的亚组中。这些发现意味着治疗后初次 CE-MRI 对放射科医生而言具有更大的判读挑战。这可能导致保守分类,尤其是在将淋巴结残留组织分类为主要低增强与不均匀增强时,以及在区分预期治疗相关原发部位强化(例如弥漫性细线状或局灶性黏膜强化)与更可疑残留肿瘤的肿块样强化模式时。
在解释我们的结果时,必须考虑到 POA 与 κ 系数之间观察到的差异凸显了 κ 统计量在分析不平衡数据时的一个已知弱点。例如,读者 A 和 C 对淋巴结的评估显示出显著分歧:较低的 κ 值 0.36 与较高的 POA 88% 形成对比。这提示看似较高的一致性可能因某一诊断类别占主导而被高估,在这种情况下机会一致的概率增加 [22, 23]。
据我们所知,此前尚无研究在口咽鳞状细胞癌(OPSCC)评估背景各异的放射科医生队列中,针对CE-MRI NI-RADS的阅片者间信度进行过探讨。文献中的这一空白给直接比较带来了挑战,我们的研究结果与既往研究之间的任何差异可能源于所研究人群、成像方法以及判读放射科医生经验的不同。在Elsholtz等人的研究中,三位经验丰富的头颈部放射科医生使用CE-MRI独立评估了104例头颈部癌症患者(包括25例OPSCC)。他们发现,根据NI-RADS对原发部位的评估,阅片者间一致性为中等(Fleiss' κ = 0.53),而淋巴结评估显示出高度一致性(Fleiss' κ = 0.67)。对于原发部位的DWI评估,在选择存在明确弥散受限与无弥散受限或弥散受限不明确之间时,观察到极好的一致性(Fleiss' κ = 0.83)[24]。在Elsholtz等人的另一项研究中,四位经验水平不同的放射科医生评估了101例患者(包括29例OPSCC)的CE-CT扫描。NI-RADS在原发部位(Fleiss' κ = 0.48)和淋巴结(Fleiss' κ = 0.50)方面均显示中等一致性[25]。Abdelaziz等人报道,在一个非OPSCC癌队列中,使用CE-MRI评估原发肿瘤部位具有高度一致性(κ = 0.78,POA = 85%)。此外,淋巴结评估显示出几乎完美的一致性(κ = 0.85,POA = 91%)[26]。有趣的是,本研究中的阅片者此前已在30例鼻咽癌患者(每位阅片者共分析94次MRI扫描)中开展过类似的观察者间一致性研究。在那项研究中,放射科医生分配NI-RADS并评估各项CE-MRI特征,并未严格遵循原始NI-RADS表中的描述,而是以更简化的方式按稳定、缩小或增大进行评估。即使在那种情况下,评估治疗后的首次CE-MRI仍存在较大困难,尤其是在原发部位对比增强方面。此外,分配NI-RADS时发现中等一致性(κ = 0.41 vs. κ = 0.53),但POA值总体低于本研究的发现(POA = 65–87% vs. POA = 84–93%),尽管淋巴结评估的κ值更高(κ = 0.68 vs. κ = 0.42)[19]。研究间的差异可能有两个主要原因:第一,所有阅片者在使用新评分系统时都存在学习曲线,正如经过94例鼻咽癌病例的系统性训练集后POA有所改善所示;第二,将NI-RADS标准应用于CE-MRI特征可能本身就具有复杂性,因为在评估淋巴结边缘和强化模式之外还需评估大小,导致阅片者间一致性较低。最近发布的更新版ACR NI-RADS CE-MRI表(2025年8月)[27]以及ACR支持的实践指南[28],凸显了对这一RADS框架的强烈且持续的关注。我们相信,在官方NI-RADS网页[12]上实施更多教育工具将促使NI-RADS在日常临床实践中的可靠性持续改善。
重要的是要考虑本研究固有的一些局限性。我们纳入了在相当长的时间范围内来自不同MRI扫描仪的检查,这引入了图像采集潜在不一致的来源。在有限数量的情况下,由于早期检查期间尚未实施标准化的头颈部成像方案,DWI序列缺失。然而,为了纳入尽可能多的至少具有两次连续CE-MRI扫描的OPSCC患者,较长的数据收集期是必要的。回顾性设计限制了我们对患者临床数据进行充分获取以进行相关性分析的能力。然而,NI-RADS的诊断性能已被广泛研究,并于近期在一项荟萃分析中进行了总结[15]。最后,NI-RADS 1评分出现频率相对较高,表明复杂表现的数量较少,这可能使评估过程更为简单,从而可能影响κ值。尽管如此,这种分布代表了临床实践中影像学发现的一般患病率。
结论
在具有不同专业水平的阅片者之间,MRI NI-RADS在OPSCC患者监测中的评分者间信度为中等。对于未专攻头颈部影像学的放射科医师而言,在首次随访时评估原发部位对比增强和淋巴结方面存在更大的不确定性。常规应用NI-RADS评分系统可以提高信度,增强阅片者对分类判定的信心,并最终支持更明智的临床决策。
补充信息
以下是电子补充材料的链接。补充文件1(PDF 152 KB)
引用
- Falzone A, Parillo M, Neri M, et al. Inter-rater reliability of MRI Neck Imaging Reporting and Data System (NI-RADS) in the follow-up of oropharyngeal squamous cell carcinoma. Radiol Med. 2026. PMID: 41910910. doi:10.1007/s11547-026-02206-z
- 全文:PMC13369041(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13369041/
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。