胸段食管鳞癌新辅助治疗后喉返神经淋巴结状态的预测
回顾性纳入2010至2021年403例胸段食管鳞癌患者,按2:1随机分为训练集和测试集,结合临床因素及新辅助治疗前后CT影像特征构建列线图预测喉返神经淋巴结(RLNs)残留。列线图在测试集AUC为0.856,新辅助放化疗较单纯化疗的RLN残留率降低70%。
要点
- 列线图整合新辅助治疗方案、血清白蛋白、原发灶长径及RLN治疗前后CT特征预测RLN病理状态。
- 测试集列线图AUC为0.856,优于基线模型AUC 0.747(p=0.047)。
- 新辅助放化疗患者RLN残留率较单纯化疗降低70%。
核心结论
- 基于临床因素及治疗前后CT影像特征的列线图对预测新辅助放化疗后RLN病理状态具有较好的区分能力。
- 列线图可为临床评估RLN残留风险提供一种便捷、无创的方法,并可能为低残留风险患者更精准的淋巴结清扫提供指导。
研究设计与样本
- 回顾性研究纳入2010至2021年中山大学肿瘤防治中心403例局部晚期胸段食管鳞癌患者,按2:1随机分为训练集269例和测试集134例。
- 患者均接受新辅助化疗(39.5%)或新辅助放化疗(60.5%)后行根治性切除及淋巴结清扫,无远处转移。
- 使用5台CT扫描仪,管电压120 kV,管电流100–300 mA,视野400–500 mm,矩阵512×512,层厚及间隔5 mm,薄层重建层厚1.25 mm;增强扫描经肘静脉以3.0 mL/s注射非离子型碘对比剂,动脉期和静脉期延迟分别为25 s和55 s。
- 以术后病理RLN状态为主要终点,T和N分期参照美国癌症联合委员会第8版分期系统。
关键影像表现/征象
- RLN站右侧定义为食管与右颈总动脉之间、头臂动脉分叉以上的区域,左侧定义为食管与左颈总动脉之间、主动脉弓下缘以上的区域。
- RLN坏死表现为淋巴结内低密度无强化病灶,融合表现为淋巴结间脂肪间隙消失,包膜外侵犯表现为淋巴结包膜不连续。
- 淋巴结短径定义为垂直于长径的最大径线。
诊断标准与关键数值
- 新辅助治疗后RLN转移率为13.2%,训练集和验证集残留RLN频率分别为13.4%和12.7%,两组间无显著差异。
- LASSO回归识别的RLN阳性显著预测因素包括新辅助治疗方案、血清白蛋白水平、原发灶长径、基线RLN坏死、基线RLN长径及新辅助治疗后RLN短径。
- 列线图在测试集AUC为0.856,训练集AUC为0.833;基线模型测试集AUC为0.747(p=0.047)。
- 列线图总分超过160分者更可能为RLN病理阳性,预测范围0.01至0.95。
- 基于最大约登指数,治疗前RLN短径最佳截断值为7 mm(训练集7.25 mm,测试集6.95 mm),治疗后为6 mm(训练集5.55 mm,测试集5.90 mm)。
临床应用与阅片要点
- 列线图可整合新辅助治疗方案、血清白蛋白、原发灶长径及RLN治疗前后CT特征,用于评估RLN残留风险。
- 决策曲线分析显示,当风险比小于0.4时联合模型提供临床获益,持续优于其他模型。
- 模型预测RLN阳性者占32.8%(132/403),预测RLN阴性者占67.2%(271/403),预测阳性者预后较差(5年OS和PFS差异有统计学意义)。
- 作者认为新辅助放化疗后RLN阳性率更低、N0和pCR率更高,对于新辅助治疗后潜在RLN转移的局部晚期食管鳞癌,新辅助放化疗应被推荐。
局限性
- 原文未报告局限性。
全文中译13 节 · 点击展开
引言
食管癌在全球癌症相关死亡中排名第七,2022年新增510,716例病例和445,129例死亡[1]。在全球范围内,约85%的食管癌病例归因于鳞状细胞癌,在东亚和东非等地区负担显著升高[2]。食管鳞状细胞癌(ESCC)常转移至喉返神经淋巴结(RLNs),发生率为20–40%[3]。新辅助治疗后残留淋巴结既是食管癌术后生存的独立预后因素,也是复发的独立危险因素[4, 5]。有效的RLN清扫可降低局部复发率并显著延长食管癌患者的总生存期[6]。然而,由于RLNs独特的解剖位置,喉返神经在淋巴结清扫过程中易受损伤。这可能导致声音嘶哑、喉返神经麻痹和肺部感染等并发症,不仅降低患者生活质量,还导致食管癌患者预后不良[7, 8]。既往研究提示RLNs阴性的患者应避免不必要的清扫[9]。准确预测新辅助治疗后RLN状态对于避免不必要的清扫和确保有效治疗至关重要。
在CT图像上检测淋巴结转移具有挑战性但至关重要[10]。ESCC患者在新辅助放化疗(nCRT)后隐匿性RLNs转移的发生率仍高达19.6%(11/56)[11]。定义RLN转移的主要因素是淋巴结的最小轴径,通常设定短径> 10 mm。然而,研究表明较小的短径阈值可能更有效地诊断转移性RLNs[6]。仅基于大小或特定指标诊断残留RLNs的准确性有限[12, 13]。既往研究表明临床和原发肿瘤特征可预测RLN转移[14, 15]。然而,它们与淋巴结无关,且原发肿瘤和淋巴结对治疗的反应可能不一致。大多数研究集中于治疗前特征,尚无研究结合治疗前和治疗后特征用于食管癌。鉴于肿瘤对不同治疗的反应存在差异,我们提出同时考虑治疗前和治疗后特征可以更好地预测新辅助治疗后的淋巴结状态。
结构化报告近年来日益普遍。它们采用标准化的组织结构生成,系统地纳入所有必要的影像诊断信息。它们作为常用直径标准的补充工具,在评估肿瘤和淋巴结方面发挥着关键作用。结构化报告已被证明能有效准确描述直肠癌的肿瘤分期[16]、指导胰腺癌最佳治疗选择[17]以及用于鼻咽癌[18]。然而,食管癌的CT结构化研究尚缺乏。
因此,我们的目标是通过结合治疗前和治疗后CT扫描的结构特征,建立预测新辅助治疗后RLN状态的模型。
材料与方法
患者与数据收集
本回顾性研究经中山大学肿瘤防治中心(SYSUCC)机构审查委员会批准。伦理批准由SYSUCC机构审查委员会授予(批准号:B2021-335-01)。鉴于本研究的回顾性设计,根据2013年《赫尔辛基宣言》的原则[19],免除知情同意的要求。
我们回顾性审查了2010年至2021年间在SYSUCC接受治疗的403例符合条件的局部晚期食管鳞状细胞癌(LAESCC)患者的数据(图1)。纳入标准为:(1)经病理学确诊的胸段食管鳞状细胞癌;(2)在新辅助治疗(化疗或放化疗)后接受根治性切除及淋巴结清扫;(3)无远处转移。排除标准为:(1)缺乏随访数据;(2)无增强CT扫描;(3)有其他癌症病史;(4)多原发肿瘤;(5)缺乏喉返神经淋巴结(RLN)的病理记录。
临床文本数据和医学图像分别从电子病历和图像存档与通信系统中提取。临床文本数据包括人口学信息(性别、年龄、吸烟和饮酒习惯及肿瘤家族史)、基线血液学指标(乳酸脱氢酶、碱性磷酸酶、血清白蛋白(ALB)等)、治疗方案及病理数据(组织学分级、淋巴结状态,特别是喉返神经淋巴结(RLN),以及完全缓解)。医学图像包括治疗前和治疗后(新辅助治疗后)的CT扫描。
随访与终点
患者接受5年随访,前2年每3个月评估一次,此后每6个月评估一次。总生存期(OS)从手术日期计算至任何原因死亡日期。无进展生存期(PFS)定义为从手术至首次记录到疾病进展或死亡的时间。主要终点为新辅助治疗后患者水平的病理残留喉返神经淋巴结(RLN),不论侧别。
CT图像方案与评估
患者使用五台CT扫描仪(Discovery CT750 HD、AQUILION TSX-101A、SOMATOM Force、Brilliance iC和uCT78)进行检查。扫描范围覆盖从胸廓入口至下肋缘下方2–7 cm的区域,根据病变范围进行调整。管电压设定为120 kV,管电流调制范围为100至300 mA。视野范围为400至500 mm,矩阵大小为512×512。层厚和层间距设定为5 mm,薄层重建参数配置为层厚1.25 mm。对于增强扫描,扫描前建立肘前静脉通道。高压注射器以3.0 mL/s的速率注射非离子型碘对比剂,动脉期和静脉期图像分别在延迟25 s和55 s时采集。
根据既往记录和检查时间(治疗前或治疗后),采用针对原发肿瘤(表S1)和喉返神经淋巴结(RLNs)(表S2)的结构化CT报告模板对患者的CT扫描进行评估。首先,两名资深放射科医师(L.H.J.和P.Z.X.,均具有10年消化系统肿瘤诊断经验)通过共同评估30例患者的变量建立共识。如遇分歧,则咨询第三位更有经验的放射科医师(L.L.Z.,具有18年培训后经验)。随后,随机选取100例患者(约占所有入组患者的25%)进行独立评估,以确定其评估之间的一致性。其余患者由两名放射科医师分别独立评估。具体而言,T和N分期遵循美国癌症联合委员会第8版分期系统指南。原发肿瘤的长径定义为其第一层与最后一层之间的轴向距离。退缩率计算如下:退缩率=(治疗后直径-治疗前直径)/治疗前直径×100%。在CT成像上,右侧RLN站根据其解剖走行[20]定义为食管与右颈总动脉之间、头臂动脉分叉以上的区域。类似地,左侧RLN站定义为食管与左颈总动脉之间、主动脉弓下缘以头侧的区域。图2提供了RLN站的图谱以及RLN某些影像学特征评估的示例。治疗后RLN的相应变化见图S4。
预测模型的开发
患者按2:1的比例随机分配至训练队列或测试队列。采用单因素logistic回归和最小绝对收缩与选择算子(LASSO)方法进行变量选择。保留的特征随后进入标准多因素logistic回归分析,以构建最终联合模型。基于该最终联合模型,开发了预测列线图。对比模型包括基线模型(纳入基线临床信息和原发肿瘤相关特征)和RLN相关模型(基于治疗前特征、治疗后特征和退缩率的模型)。在训练集和测试集中比较模型性能。
统计分析
临床特征分布差异采用卡方检验或Fisher精确检验评估分类变量,连续变量采用Student t检验。Kappa值用于评估淋巴结坏死等分类变量的观察者间一致性,组内相关系数(ICC)用于直径测量。联合模型采用LASSO回归建立。为评估模型的判别能力,采用受试者工作特征(ROC)曲线和精确率-召回率(PR)曲线评价诊断准确性,以曲线下面积(AUC)作为性能指标。DeLong检验用于比较不同模型间的AUC值。校准曲线可直观评估一致性。此外,我们进行了决策曲线分析以评估临床实用性,计算数据集中不同阈值概率下的净获益。另外,采用ROC曲线确定RLN直径的最佳截断值。按预测RLN状态分层的生存结局差异采用log-rank检验评估,曲线通过Kaplan–Meier法生成。
统计分析使用R软件(版本4.2.2,www.r-project.org/)进行,所用包包括stats、glmnet、pROC、ggplot2、rms等。连续变量以中位数及四分位距(IQR)表示,分类变量以频数(百分比)表示。所有统计检验均为双侧检验,p < 0.05被认为具有统计学意义。
结果
患者特征及一致性分析
在这项纳入403例患者的回顾性研究中(表1),332例(82.4%)为男性,中位年龄为59岁(IQR 54–64)。大多数为中段和下段食管的中分化或低分化肿瘤(87.6%)(86.3%)。所有患者均接受了新辅助放化疗(nCRT)(60.5%)或新辅助化疗(39.5%)。整个队列的中位随访时间为46.1个月(范围:3.5至157.4个月)。在此期间,记录到143例死亡(35.5%),中位死亡时间为40.6个月。153例患者(38.0%)发生疾病进展,中位无进展生存期为46.9个月。
性别、年龄及大多数临床特征的分布在训练队列(269例患者)和测试队列(134例患者)之间均衡良好。测试数据中基于CT的N分期较训练数据更为原始。两组间残留RLN的发生率无显著差异(训练队列和验证队列分别为13.4%和12.7%)。
放射科医师间对影像特征的评价观察到良好的一致性(表S3)。分类变量的Kappa值超过0.7,而连续变量的ICC值超过0.8。
特征选择与模型构建
训练集中的单因素逻辑回归分析结果确定了饮酒、ALB和新辅助治疗方案是与RLN残留相关的重要临床因素。此外,还确定了九个RLN相关特征和一个原发肿瘤相关特征(表S4)。采用多因素逻辑回归分析,利用基线临床数据和原发肿瘤影像特征的单因素分析中确定的重要因素建立基线模型(表2)。同样,不同治疗阶段的RLN相关模型见表S5。基于单因素分析获得的重要因素进行LASSO回归分析,特征的LASSO系数分布见图S1。随后,采用多因素逻辑回归分析建立联合模型(表2)。此外,结合多因素逻辑回归分析中确定的独立因素,构建了列线图以更准确地预测病理阳性RLN状态(图3A)。列线图显示,总分超过160分的个体更可能存在病理阳性RLN,预测范围从0.01到0.95。
模型性能
在测试集的ROC曲线中,列线图(AUC = 0.856)与基线模型(AUC = 0.747)相比表现出更优的判别能力(p = 0.047;图4)。表S6提供了模型性能的详细参数。列线图在PR曲线中优于基线模型(图S2),测试集中的AUC为0.514。校准曲线(图S3)显示联合模型与模型预测的一致性优于基线模型。为全面评估临床实用性,对基线模型、RLN相关模型和联合模型进行了决策曲线分析(图3B)。当风险比小于0.4时,联合模型提供了临床获益,始终优于其他模型。相比之下,基线模型仅在有限的风险比范围内表现出获益。
模型中的变量重要性分析
与仅接受化疗的患者相比,接受放化疗的患者残留RLNs的发生率降低了70%。进一步检查病理状态(图3C)显示,接受nCRT的患者倾向于达到病理学阴性RLN、N0和病理学完全缓解(pCR,均p < 0.001)。基线时RLNs的长径和RLNs坏死以及治疗后RLNs的短径被确定为与RLN状态相关的有价值因素。多因素分析确定基线时RLNs坏死和治疗后RLNs短径为显著的独立因素。经这些因素和混杂变量(饮酒、新辅助治疗方案和肿瘤长径)调整后,先前重要的因素(调整混杂因素后p < 0.05者)变为无统计学意义(均p > 0.05,表S7)。
基于最大约登指数,治疗前后RLNs短径的最佳截断值分别为7 mm(训练集7.25 mm,测试集6.95 mm)和6 mm(训练集5.55 mm,测试集5.90 mm),因此保持相对稳定(图5)。
预测RLN状态的预后价值
基于模型预测的RLN状态,患者被分层为两个亚组:预测RLN+(32.8%,132/403)和预测RLN−(67.2%,271/403)。5年OS和PFS的Kaplan–Meier曲线显示亚组间差异有统计学意义(图S5)。该结果表明,被分类为预测RLN+的患者与较差预后相关。
讨论
在这项回顾性研究中,我们的列线图整合了临床因素与RLNs治疗前后CT影像特征,在预测病理学阳性RLN状态方面,与基线模型和RLN相关模型相比,表现出更优的判别能力。这在训练集(ROC曲线AUC:0.833)和测试集(ROC曲线AUC:0.856)中均得到观察。该列线图纳入了新辅助治疗方案、血清ALB、肿瘤长径、坏死和RLN直径。据我们所知,本研究首次通过整合临床风险特征与原发性肿瘤及RLNs治疗前后CT特征,建立了用于预测LAESCC患者新辅助治疗后RLN状态的可视化模型。这些发现对预测新辅助治疗后RLN状态具有潜在价值。
新辅助治疗联合原发肿瘤及潜在转移淋巴结的手术切除是局部晚期食管鳞状细胞癌(LAESCC)的最佳治疗方案[21]。考虑到右侧喉返神经淋巴结(RLNs)作为前哨淋巴结的重要性[22]及其独特的解剖结构,预测新辅助治疗后RLN状态对于最大限度减少副作用并保持疗效至关重要。目前RLN状态的确定主要依赖于术后标本,这给无残留RLN的患者带来了显著的痛苦和实质性的延迟。医学影像中淋巴结直径是一个关键因素[23];临床上,直径超过10 mm提示阳性。然而,一些研究建议应采用更短的标准直径[24, 25]。然而,关于这一标准尚无共识。准确预测治疗后RLN状态可以指导更具选择性的手术方式,对低风险残留RLN的患者省略RLN及颈部淋巴结清扫[11]。近期研究旨在建立RLN的术前预测模型。Yan等人建立了一个列线图[15]用于预测食管鳞状细胞癌(ESCC)患者的RLN状态,纳入了临床T分期、活检肿瘤分化程度、术前癌胚抗原和内镜下肿瘤长度。然而,RLN的影像学特征未被考虑。Chen等人开发了一个列线图,利用肿瘤位置、T分期、RLN短径和长径以及术前血液生化特征来预测左右RLN状态[14]。尽管如此,尚无研究同时探讨治疗前后的影像学特征来预测新辅助化疗后的RLN状态。
我们的研究将三个临床因素——新辅助治疗方式、饮酒和ALB水平——整合到一个预测列线图中。新辅助治疗通常包括化疗和放化疗,研究支持放化疗具有更高的病理完全缓解(pCR)率和病理淋巴结阴性率[26]。因此,将新辅助治疗方式作为治疗后RLN状态的危险因素是合理的。饮酒是上消化道肿瘤的已知危险因素[27],已被证实与多种癌症的转移相关。我们的研究表明,饮酒可能增加新辅助治疗后残留RLN的风险。ALB是一项重要的营养评估指标,反映营养状态、肝功能和蛋白质消耗[28]。较低的ALB水平可能影响治疗反应,可能导致淋巴结对治疗的反应不完全[29]。因此,我们假设低ALB水平影响治疗结局,从而 contributing to 治疗后残留RLN风险增加。
新辅助治疗后行根治性食管癌切除术是LAESCC患者的首选方案[30, 31],从而显著改善预后[32]。Han等人发现,与接受新辅助化疗的患者相比,接受新辅助放化疗(nCRT)的患者具有更高的3年生存率、R0切除率和pCR率,以及更低的局部复发和远处转移率,但5年生存率无增加[33],日本指南推荐该方案[34]。LAESCC患者首选的新辅助治疗仍存在争议。在我们的研究中,我们发现接受nCRT的患者RLN阳性率更低,N0率和pCR率更高,提示对于新辅助治疗后存在潜在RLN转移的LAESCC应推荐nCRT。
治疗前原发肿瘤的主要独立影像学特征是其长度,与治疗后残留喉返神经淋巴结(RLNs)的风险相关。Yan等[15]报告了类似发现,提示内镜下肿瘤长度超过3 cm会增加RLN转移的可能性。Gaur等[35]支持临床肿瘤长度对病理阳性淋巴结的预测价值,认为其是淋巴结转移的独立预测因素。然而,这种关联的潜在原因尚未完全明确。Hou等[36]认为,肿瘤长度增加会形成更大的接触面,并为淋巴管受累提供更多机会。我们推测,当原发肿瘤超过一定长度时,累及黏膜下淋巴网络的面积增加,可能提高淋巴结微转移的概率,从而在相同治疗条件下增加淋巴结残留的可能性。
最终模型纳入的结构性RLN特征包括治疗前坏死、治疗前长径和治疗后短径。治疗后坏死可能提示治疗反应导致肿瘤细胞死亡,而治疗前坏死作为淋巴结转移(LNM)特征,提示更高的肿瘤负荷[37]。尽管淋巴结长径与短径之间存在相关性,但治疗前长径在多因素logistic回归中具有显著性,因此被纳入模型。由于LNM短径诊断标准的局限性,一些研究已将淋巴结长径和短径同时纳入术前模型以预测淋巴结转移[38]。无论直径如何,本研究均收集了RLN治疗前和治疗后的影像学特征。我们的研究表明,治疗后短径比治疗前直径更能提示治疗后的RLN状态。根据ROC曲线中的最大约登指数,截断值为5.55 mm,表明治疗后短径< 5.55 mm时残留风险较低。这强调了重视治疗前后影像学评估的重要性。
我们的研究存在一些局限性。第一,作为回顾性研究,容易受到选择偏倚的影响。然而,我们努力纳入连续符合条件的患者以尽量减少这种偏倚。第二,由于喉返神经沿气管食管沟呈簇状分布,外科医生无法确定切除RLN的确切位置。因此,将CT表现与手术切除组织精确匹配具有挑战性。所以,我们的评估仅考虑喉返神经区域最大的淋巴结,而非单个RLN。第三,研究人群来自单中心,我们模型的普适性和可重复性应通过来自多中心更大样本的外部验证队列进行评估。第四,左侧RLN受累的样本量较小;左侧RLN受累病例的有限样本量妨碍了对神经受累进行有意义的分析。
总之,我们开发了一个列线图,纳入了临床特征以及原发肿瘤和RLN的治疗前和治疗后CT结构报告。该列线图被证明是局部晚期食管癌患者新辅助治疗后RLN状态个体化预测的有效工具。对于临床医生而言,该列线图提供了一种便捷且无创的手段来评估治疗后RLN的残留风险。它可能指导对低残留风险患者进行更有针对性的淋巴结清扫,从而有可能减少手术并发症和喉返神经损伤的风险。此外,我们的研究表明,与单纯化疗相比,nCRT可能降低残留RLN的风险。
补充信息
电子补充材料
引用
- Wu F, Luo C, Zhou S, et al. Recurrent laryngeal nerve lymph nodes status prediction after neoadjuvant therapy for thoracic esophageal squamous cell carcinoma. Insights Imaging. 2026. PMID: 41945240. doi:10.1186/s13244-026-02277-6
- 全文:PMC13057039(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13057039/
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。