文献速递头颈神经MR

时间依赖扩散MRI预测鼻咽癌诱导化疗反应

Time-dependent Diffusion MRI for Predicting Response to Induction Chemotherapy in Nasopharyngeal Carcinoma.
PubMed 文献 · Radiol Imaging Cancer · 2026-01-01

前瞻性纳入220例局部晚期鼻咽癌患者,于治疗前进行时间依赖扩散MRI检查,评估其微观结构参数的可重复性及与病理指标的相关性,并构建预测诱导化疗反应的模型。肿瘤-间质比与细胞密度为独立预测因子,联合模型在训练集和内部测试集的AUC分别为0.82和0.76。

要点

  • 时间依赖扩散MRI微观结构参数可重复性良好,受试者内变异系数4.56%–10.15%,重复性系数0.12–1.71。
  • 肿瘤-间质比(OR 2.37)与td-dMRI细胞密度(OR 0.67)为诱导化疗反应的独立预测因子。
  • 联合肿瘤-间质比与细胞密度的模型预测化疗反应AUC在训练集为0.82,内部测试集为0.76。

核心结论

  • 时间依赖扩散MRI衍生的微观结构参数,尤其是肿瘤-间质比和肿瘤细胞密度,在预测鼻咽癌患者诱导化疗反应方面表现出良好性能。

研究设计与样本

  • 前瞻性观察性研究,纳入220例局部晚期鼻咽癌患者(中位年龄53.0岁,IQR 48.8–58.0岁;男性155例),按7:3随机分层分为训练集154例和内部测试集66例。
  • 采用3.0-T MRI扫描仪(Premier;GE HealthCare),最大梯度强度80 mT/m,最大切换率200 mT/m/msec,使用32通道头颈线圈。
  • td-dMRI采集包括20 Hz和40 Hz两组振荡梯度自旋回波序列及一组脉冲梯度自旋回波序列,均嵌入AIR Recon DL深度学习重建,整个td-dMRI扫描约7.5分钟。
  • 参考标准为实体瘤疗效评价标准1.1版,将完全缓解和部分缓解归为反应组,疾病稳定和疾病进展归为非反应组。

关键影像表现/征象

  • 训练集中,反应组较非反应组细胞直径更大(14.65 μm ± 1.51 vs 14.25 μm ± 1.58)、细胞内体积分数更低(0.35 ± 0.08 vs 0.37 ± 0.07)、细胞密度更低(2.34 μm⁻¹ ± 0.76 vs 2.66 μm⁻¹ ± 0.61),差异均有统计学意义(P < .05)。
  • 两组间ADCPGSE、ADC20Hz、ADC40Hz、相对ADC变化及细胞外扩散率均无显著差异(P = .67、.21、.40、.85、.97)。
  • td-dMRI衍生参数与病理测量结果呈正相关(细胞直径r = 0.67;细胞密度r = 0.34;细胞内体积分数r = 0.27;均P < .05)。

诊断标准与关键数值

  • 训练集单因素logistic回归显示Ki-67指数(OR 2.51,95%CI 1.21–4.79,P = .02)、肿瘤-间质比(OR 2.22,95%CI 1.10–4.45,P = .02)、细胞直径(OR 1.15,95%CI 1.01–1.45,P = .04)和细胞密度(OR 0.63,95%CI 0.40–0.99,P = .01)与化疗反应相关。
  • 多因素logistic回归显示肿瘤-间质比(OR 2.37,95%CI 1.17–4.83,P = .02)和细胞密度(OR 0.67,95%CI 0.47–0.96,P = .03)为独立预测因子。
  • 训练集中,临床模型(肿瘤-间质比)AUC为0.67(95%CI 0.59–0.75),td-dMRI细胞密度模型AUC为0.74(95%CI 0.65–0.82),联合模型AUC为0.82(95%CI 0.75–0.89),优于任一单一模型(P < .05,DeLong检验)。
  • 内部测试集中联合模型AUC为0.76(95%CI 0.63–0.87)。
  • 重复性研究中,受试者内变异系数为4.56%–10.15%,重复性系数为0.12–1.71;读者内一致性系数均超过0.88,读者间一致性系数均高于0.74(均P < .001)。

临床应用与阅片要点

  • 治疗前td-dMRI衍生的肿瘤-间质比和细胞密度可能有助于无创预测鼻咽癌诱导化疗反应,联合模型在训练集和内部测试集均显示良好判别性能。
  • td-dMRI微观结构参数与病理测量结果具有相关性,提示其可在微观层面反映肿瘤组织特征。
  • 图像质量评分≥3分方可进行VOI勾画,勾画时需排除坏死组织并剔除边界体素以避免部分容积效应。

局限性

  • 原文未报告局限性。
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 Imaging Cancer. 2026 May 8;8(3):e250579. doi: 10.1148/rycan.250579

摘要

基于时间依赖性扩散MRI的微观结构映射显示出作为无创方法预测鼻咽癌诱导化疗反应的潜力。

关键点

■ 在这项纳入220名鼻咽癌参与者的前瞻性观察性研究中,时间依赖性扩散MRI(td-dMRI)参数表现出良好的可重复性(受试者内变异系数:4.56%–10.15%;可重复性系数:0.12–1.71)。

■ td-dMRI微观结构参数与病理学测量相关(r = 0.27–0.67;所有P < .05)。

■ 结合肿瘤-间质比和细胞密度的联合模型在训练集中预测诱导化疗反应的受试者工作特征曲线下面积为0.82,在内部测试集中为0.76。

引言

局部晚期鼻咽癌(NPC)的主要治疗方法是诱导化疗后序贯同步放化疗(1)。一项随机对照试验表明,诱导化疗应答者享有显著的生存优势,5年总生存率较非应答者绝对提高27%–38.5%(2)。更普遍地说,化疗耐药通常与不良预后相关(3)。然而,仅有67.6%–94.5%的NPC患者对诱导化疗表现出最佳反应(4)。治疗反应的不确定性可能导致不必要的干预或延误干预。因此,迫切需要可靠的方法在治疗前准确识别化疗敏感的NPC患者,因为此类方法对改善临床管理具有相当大的前景。

MRI对于评估NPC的治疗反应至关重要。多项研究评估了治疗前扩散加权成像衍生的表观扩散系数(ADC)在预测NPC化疗反应中的价值,但研究结果不一致(5–7)。这可能是因为ADC通常受到多种因素的影响,包括细胞大小和固有扩散率(8),后者代表来自不同隔室的平均扩散。

新兴的时间依赖性扩散MRI(td-dMRI)技术能够量化微观结构特性,如细胞直径、细胞密度和细胞内分数(fin),这是传统扩散加权成像无法客观捕获的(9)。评估测量精度是生物标志物转化中一个关键但通常被忽视的步骤(10,11)。可重复性对于诊断和预后效用至关重要(12)。尽管td-dMRI的可重复性已在大鼠肝脏中得到证实(13),但据我们所知,尚无现有研究评估td-dMRI在人鼻咽部的可重复性。由于鼻咽部复杂的解剖结构和磁敏感差异会导致扩散加权成像中的畸变(13),因此有必要进行可重复性研究以确保临床可靠性。

用td-dMRI测量的细胞大小反映了肿瘤风险分层和治疗反应,细胞密度反映了肿瘤的增殖活性(14)。这些关键指标在区分肿瘤组织学分级和预测治疗反应方面的可行性已在乳腺癌(15)、前列腺癌(8)和胶质瘤(14)中得到证实。因此,我们假设这些参数也可以在微观层面为预测鼻咽癌(NPC)的化疗反应提供有价值的见解。

因此,本研究的目的是验证td-dMRI衍生指标在鼻咽癌中的可靠性,并探讨利用td-dMRI序列衍生的微观结构参数预测鼻咽癌个体诱导化疗反应的可行性。

材料与方法

研究参与者

本前瞻性研究经当地伦理委员会批准,并按照《赫尔辛基宣言》进行。此外,所有参与者均签署了书面知情同意书,同意在接受常规MRI检查的同时进行td-dMRI测量。

于2023年12月至2025年2月期间前瞻性连续招募鼻咽癌参与者。纳入标准如下:(a) 经组织病理学确诊为鼻咽癌;(b) 根据美国癌症联合委员会(AJCC)分期系统第八版为III–IVa期疾病;(c) 完成全程诱导化疗,并在诱导化疗前后完成颈部和鼻咽部MRI检查;(d) 无其他原发肿瘤。排除标准如下:(a) 治疗前T1加权图像上鼻咽癌病灶不可测量(≤5 mm);(b) 图像质量差不足以进行分析(16);(c) 临床数据不完整。

根据已发表的标准,依据Ki-67值和肿瘤-间质比(TSR)将参与者分为高表达组和低表达组(≥50% vs <50%)(17–20)。TSR在包含肿瘤和间质成分的代表性苏木精-伊红染色切片上进行评估。首先,在低倍镜下扫描整个肿瘤切片,以确定间质含量最高的区域。随后在3-mm2视野内以更高放大倍数评估TSR,确保间质完全被肿瘤细胞包围。TSR评估的方法学规范详见附录S1。

MRI采集

所有扫描均使用3.0-T MRI扫描仪(Premier;GE HealthCare)完成,最大梯度强度为80 mT/m,最大切换率为200 mT/m/msec,使用专用32通道头颈线圈。td-dMRI采集包括两组厂商开发的振荡梯度自旋回波序列(21),频率分别为20 Hz和40 Hz,以及一组脉冲梯度自旋回波(PGSE)序列。所有三个序列均嵌入AIR Recon DL(GE HealthCare)深度学习重建,用于基于k空间的去噪(22)。整个td-dMRI扫描持续约7.5分钟。其他采集序列包括T1加权、T2加权、脂肪抑制T2加权和对比增强T1加权成像。成像方案的详细信息请参见表S1和表S2。

2023年12月至2024年2月招募的参与者在同一天接受两次td-dMRI检查(重测研究),采用相同体位和相同扫描参数。两次采集之间的时间间隔为0.57至0.7小时。根据已发表的研究,至少需要35名重测受试者才能提供真实生物标志物值的95%覆盖度(23,24)。

模型构建

所有参与者按7:3的比例进行分层并随机分为训练集和内部测试集。首先进行单因素logistic回归分析以确定与诱导化疗反应相关的变量(P < .05)。然后进行多因素logistic回归分析以确定诱导化疗反应的独立预测因素。在多因素分析中,性别变量以男性作为参照类别,其他所有分类变量以最小类别作为参照。基于上述独立预测因素,使用logistic回归构建单参数模型和多参数联合模型以预测诱导化疗反应。本研究用于随机分层抽样和模型构建的代码可在https://github.com/YaoHuang1123/NPC-Statistical-Model-Training-and-Evaluation获取。

图像分析与评估

图像质量的定性评估

td-dMRI图像的质量由两名放射科医师(X.R.和D.L.,分别具有4年和5年头颈部MRI经验)独立评估。两名放射科医师均对参与者的临床数据设盲,分别使用五分制评分系统(25)独立评估图像质量。图像质量评分如下:1,差;2,一般;3,中等;4,良好;5,优秀(26)。

为评估观察者内一致性,同一观察者在两个不同时间点独立评估图像质量,两次评估之间间隔4周。使用kappa(κ)分析评估三名td-dMRI序列图像质量的观察者间一致性。一致性水平分类如下:差(κ < 0.21)、一般(κ = 0.21–0.40)、中等(κ = 0.41–0.60)、高度一致(κ = 0.61–0.80)或极好(κ = 0.81–1.00)(27)。

两名放射科医师在图像质量评分≥3分的图像上独立勾画感兴趣体积(VOIs),同时对患者临床信息和病理结果完全设盲。采用Dice相似系数定量评估VOI勾画的读者间一致性。

Dice系数定义为两个VOI交集体积的两倍除以两名放射科医师勾画的VOI体积之和。Dice系数值范围为0至1,值越接近1表示一致性越高。Dice系数大于0.70被认为表明读者间一致性良好。

td-dMRI衍生的微观结构参数计算

一名放射科医师(J.H.,具有13年经验)对所有参与者数据设盲,基于b值为0 sec/mm²时获取的40 Hz振荡梯度自旋回波图像手动勾画鼻咽肿瘤的VOIs,同时有意排除坏死组织;边界体素也被排除以避免任何部分容积效应的风险(28)。

所有扩散加权信号均通过除以未加权信号进行归一化。归一化信号采用有限频谱编辑扩散成像微观结构参数方法(附录S2)进行拟合,以计算定量参数,包括细胞直径d、细胞密度、细胞内体积分数fin和细胞外扩散系数Dex。三种不同序列的ADC值——脉冲梯度自旋回波(PGSE)序列(以下简称ADCPGSE)、20 Hz序列(以下简称ADC20Hz)和40 Hz序列(以下简称ADC40Hz)(29)——采用单指数模型获得。此外,还计算了另一个ADC相关指标,即相对ADC变化,计算方式如下:(ADC40Hz− − ADCPGSE)/ADCPGSE × 100%;鉴于已发表研究中该参数的潜在临床效用,故将其纳入。细胞内扩散系数设定为1.56 µm²/msec,其他参数约束遵循生理合理范围(21)。上述所有成像指标均在每个体素内获取,然后在整个VOI内取平均值。

td-dMRI衍生定量参数的可重复性

所有微观结构参数和ADC相关指标的可靠性采用组内相关系数进行评估(27)。两位放射科医师(H.R.和J.H.,分别具有8年和13年经验)均专攻头颈部肿瘤,且对研究设计和诊断不知情,独立对所有参与者进行测量。为评估观察者内可靠性,资深放射科医师在4周后重复测量。此外,基于两位放射科医师勾画的VOI,我们计算了VOI放置的观察者间变异性。

由作者(H.Y.)使用Bland-Altman分析进一步评估重测研究中td-dMRI所有指标的可重复性(该研究纳入54名参与者)(30,31)。

苏木精-伊红染色切片的组织病理学分析

苏木精-伊红染色的全切片图像由一位具有11年经验的病理学家审阅,该病理学家对MRI结果不知情。经过预训练(附录S4)后,使用生成对抗网络对每张切片进行自动细胞核分割(32)。定量组织学指标,包括fin、细胞直径和细胞密度,采用先前描述的方法计算(15)。计算了MRI衍生与组织学为基础的微观结构参数之间的Pearson相关系数。

肿瘤反应

关于所有参与者诱导化疗方案的详细信息,请参阅附录S3。肿瘤反应在基线和两或三个周期诱导化疗后的MR图像上进行评估。一位资深放射科医师审阅并确认了反应评估。根据实体瘤疗效评价标准(版本1.1)(附录S3),诱导化疗后反应分为完全缓解、部分缓解、疾病稳定和疾病进展。完全缓解和部分缓解的参与者归类为应答者,而疾病稳定和疾病进展的参与者归类为无应答者。

统计分析

最低所需样本量为59,由一名统计学家(H.Y.,具有7年统计学经验)使用PASS 15软件计算得出,计算基于以下假设:零假设为受试者工作特征曲线下面积(AUC)为0.50,备择假设为AUC为0.75,应答者比例为70%,无应答者比例为30%,统计功效为90%。

组间比较对连续变量采用独立t检验(以均值±标准差报告)或Mann-Whitney U检验(以中位数和四分位距报告)。分类变量(以受试者数量和百分比报告)采用χ2检验或Fisher精确检验进行比较。

在训练集中,进行单变量分析以筛选与诱导化疗反应相关的特征,并计算每个变量的比值比(OR)。P值小于.05的变量纳入多变量分析以确定独立预测因子。最佳截断值采用约登指数确定。采用AUC、特异度和敏感度评价预测效能。

在模型构建及模型间预测性能比较之后,基于最优性能原则选择性能最佳的模型进行亚组分析。亚组分析根据关键临床特征进行分层,包括性别、AJCC分期和Epstein-Barr病毒(EBV)DNA拷贝数,以评估模型在不同临床亚组中的一致性和稳健性。

95%CI采用bootstrap方法计算(1000个区间)。显著性阈值设定为双侧P < .05。统计分析由一名作者(H.Y.)使用GraphPad Prism(9.5版)、Python(3.7.1版)和R(4.3.1版;R Foundation for Statistical Computing)完成。

结果

参与者特征

本研究共纳入220名参与者(中位年龄53.0岁[IQR,48.8–58.0岁];155名男性和65名女性参与者)。参与者筛选流程的流程图见图1。2023年12月至2025年2月期间,最初共识别出427例疑似鼻咽癌(NPC)患者。首先,排除138例患者,包括38例无治疗前MRI检查、9例鼻咽部炎症、14例鼻咽淋巴瘤和77例非局部晚期NPC。随后又排除36例患者,原因包括临床数据不完整(n = 15)或病灶不可测量(n = 21)。在剩余253例患者中,进一步排除33例因图像质量不佳。最终,220例患者纳入最终分析。训练集和内部测试集中参与者的临床和病理特征见表1。两组间任何变量均未观察到差异证据(所有P > .05)。

图1:流程图显示参与者入组情况。AJCC = 美国癌症联合委员会,NPC = 鼻咽癌。 查看原图 ↗
表1:训练集中参与者特征 查看原表 ↗

图像质量评估

图像质量定性评估的读者一致性

在289例局部晚期鼻咽癌(NPC)参与者中,15例临床数据不完整,21例鼻咽癌病灶无法测量(图1)。其余参与者(n = 253)接受了时间依赖性扩散磁共振成像(td-dMRI)图像质量评估。33例参与者的图像质量评分低于3分,而另外220例参与者的图像适合进一步分析。定性图像质量评估的阅片者一致性见图S1和表S3。阅片者内和阅片者间一致性均较高(分别为0.98 ≤ κ ≤ 0.99和0.97 ≤ κ ≤ 0.99;均P < .001)。一例鼻咽癌参与者的三个td-dMRI序列代表性图像见图S2。

定量测量的阅片者一致性

所有微观结构参数和ADC值的阅片者内和阅片者间一致性结果(组内相关系数)总结于表S4。阅片者内一致性系数超过0.88,而阅片者间一致性系数均高于0.74(均P < .001)。两位放射科医师之间放置VOI的平均Dice系数为0.821 ± 0.054。

重测研究的可重复性评估

重测研究的一致性界限总结于表2和图S3,其显示各图中数据点总体分布在平均差值线周围,仅少数超出所有微观结构参数和ADC值的–1.96至+1.96 SD范围。值得注意的是,无一可重复性系数超过1.71,无一受试者内变异系数超过10.15%。

表2:重测研究中放射科医师1的时间依赖性扩散MRI微观结构参数和ADC值的可重复性分析 查看原表 ↗

基于td-dMRI的微观结构参数与组织病理学微观结构参数的验证

在苏木精-伊红染色的全切片图像上进行细胞核的自动分割。td-dMRI衍生参数与97例代表性样本子集的病理学测量呈正相关(细胞直径,r = 0.67;细胞密度,r = 0.34;fin,r = 0.27;均P < .05)(图2)。

图2:基于病理学的微观结构属性(n = 97)与时间依赖性扩散MRI(td-dMRI)衍生微观结构参数之间的相关性。(A)显微照片(苏木精-伊红染色;原始放大倍数,×40)显示一例参与者的病理标本。(B)显微照片(苏木精-伊红染色;放大倍数,×40)显示经生成对抗网络分割的细胞核。(C)病理学微观结构属性从同一图像自动量化。(D–F)图显示td-dMRI衍生的(D)直径、(E)细胞密度和(F)细胞内分数(fin)与基于病理检查的微观结构属性之间的相关性。 查看原图 ↗

基于td-dMRI的微观结构参数和ADC值的特征

在训练集中,反应组参与者的细胞直径大于无反应组,且fin和细胞密度低于无反应组(平均细胞直径:14.65 μm ± 1.51 vs 14.25 μm ± 1.58;平均fin:0.35 ± 0.08 vs 0.37 ± 0.07;平均细胞密度:2.34 μm−1 ± 0.76 vs 2.66 μm−1 ± 0.61;均P < .05)。两组之间在ADCPGSE、ADC20Hz、ADC40Hz、相对ADC变化或Dex方面无差异证据(反应组 vs 无反应组:ADCPGSE = 0.79 μm2/msec ± 0.20 vs 0.79 μm2/msec ± 0.21,P = .67;ADC20Hz = 1.04 μm2/msec ± 0.34 vs 0.97 μm2/msec ± 0.33,P = .21;ADC40Hz = 1.20 μm2/msec ± 0.26 vs 1.17 μm2/msec ± 0.28,P = .40;相对ADC变化 = 48.31% ± 15.71 vs 49.65% ± 15.11,P = .85;Dex = 2.00 ± 0.55 vs 2.00 ± 0.56,P = .97)(图3)。这一模式在内部测试集中一致观察到(图S4)。

图4展示了一名代表性诱导化疗反应者和一名无反应者的有限光谱编辑扩散拟合微结构参数图及ADC图的成像微结构参数。

图3:箱线图显示训练集中反应组与无反应组之间时间依赖性扩散MRI微结构参数的比较,采用Mann-Whitney U检验。ADC = 表观扩散系数,ADCPGSE = 脉冲梯度自旋回波序列的ADC值,ADC20Hz = 20 Hz时的ADC值,ADC40Hz = 40 Hz时的ADC值,dex = 细胞外扩散率,fin = 细胞内分数,ns = 无显著性,rADC = 相对ADC变化。须线表示各组范围,点代表个体数据点,箱体表示标准差,中线为中位数。 查看原图 ↗
图4:两例代表性病例的影像学和病理学参数。(A)一名54岁女性鼻咽癌(NPC)患者(T3N1M0)的扩散率图,该患者接受了三个周期化疗,随访MRI扫描显示部分缓解,归入反应组。(B)一名41岁男性鼻咽癌(NPC)患者(T3N1M0)的扩散率图,该患者接受了三个周期化疗,随访MRI扫描显示疾病稳定,归入无反应组。苏木精-伊红染色图像放大倍数为×40。ADC = 表观扩散系数,ADCPGSE = 脉冲梯度自旋回波序列的ADC值,ADC20Hz = 20 Hz时的ADC值,ADC40Hz = 40 Hz时的ADC值,dex = 细胞外扩散率,fin = 细胞内分数,HE = 苏木精-伊红,IC = 诱导化疗,rADC = 相对ADC变化,T2WI-FS = 脂肪抑制T2加权成像。 查看原图 ↗

化疗反应的独立预测因素

在训练集中,单变量logistic回归分析显示,Ki-67指数(β = 0.92;OR,2.51;95% CI:1.21,4.79;P = .02)、TSR(β = 0.80;OR,2.22;95% CI:1.10,4.45;P = .02)、细胞直径(β = 0.21;OR,1.15;95% CI:1.01,1.45;P = .04)和细胞密度(β = −0.37;OR,0.63;95% CI:0.40,0.99;P = .01)是化疗反应的预测因素。在纳入单变量分析中P < .05变量的多变量logistic回归中,TSR(β = 0.86;OR,2.37;95% CI:1.17,4.83;P = .02)和细胞密度(β = −0.40;OR,0.67;95% CI:0.47,0.96;P = .03)成为训练集中有利反应的独立预测因素(表3)。

表3:训练集中临床和病理特征及时间依赖性扩散MRI衍生微观结构指标与诱导化疗反应相关性的单变量和多变量分析 查看原表 ↗

模型性能

采用逻辑回归模型区分获得诱导化疗反应的受试者与未获得反应的受试者。在训练集中,临床模型(TSR)的AUC为0.67(95% CI:0.59,0.75),td-dMRI衍生的细胞密度模型AUC为0.74(95% CI:0.65,0.82),两者联合进一步将性能提升至AUC 0.82(95% CI:0.75,0.89),优于任一单独模型(P < .05,DeLong检验)(表4,图5A)。在内部测试集中,联合模型(整合TSR和细胞密度)的性能也达到了较高的AUC 0.76(表4,图5B)。

如图S5所示,进行了亚组分析以评估模型在不同亚组(性别、AJCC分期和EBV DNA)中的性能是否保持稳定。联合模型在所有亚组(男性和女性;AJCC III期和IVa期;EBV DNA [EBV DNA < 4000和EBV DNA ≥ 4000 copies/mL])中预测诱导化疗反应均达到了较高的AUC值(范围0.73–0.85)。联合模型在训练集和内部测试集中的精确率-召回率曲线见图5C。此外,混淆矩阵结果见图5D–5G。

此外,我们使用五折交叉验证在整个数据集中评估了三种预测模型的性能。结果显示联合模型仍表现优异,平均AUC为0.77(图S6)。

校准曲线分析显示两个数据集均具有良好的校准(Hosmer-Lemeshow检验,均P > .05)(图S7A、S7B)。此外,决策曲线分析表明,在训练集阈值概率范围0.56–0.75和内部测试集0.36–0.75内,联合模型比单独TSR模型或细胞密度模型提供了更大的临床净获益(图S7C、S7D),净获益曲线仅在一小部分阈值范围内有极小重叠。

表4:三种模型预测诱导化疗反应的性能 查看原表 ↗
图5:训练集和内部测试集中模型预测诱导化疗反应的性能。(A)肿瘤-间质比(TSR)、细胞密度和联合模型在训练集中预测诱导化疗治疗反应的受试者工作特征曲线。(B)联合模型在内部测试集中的受试者工作特征曲线。(C)联合模型在训练集和内部测试集中的精确率-召回率(PR)曲线。(D–G)混淆矩阵:(D)TSR模型在训练集中,(E)细胞密度模型在训练集中,(F)联合模型在训练集中,(G)联合模型在内部测试集中。联合模型整合了TSR和细胞密度参数。AUC = 受试者工作特征曲线下面积。 查看原图 ↗

讨论

目前,尚无满意的方法在治疗前准确识别对诱导化疗敏感的局部晚期鼻咽癌(NPC)患者,尽管此类方法对于优化临床管理至关重要。因此,本研究旨在评估时间依赖扩散MRI(td-dMRI)衍生指标在NPC中的可靠性,并探讨td-dMRI衍生的微观结构参数是否有助于无创预测诱导化疗反应。我们的结果显示各测量间具有良好的可重复性和较高的观察者间一致性,微观结构参数与病理指标相关(r = 0.27–0.67;P < .05),证实了td-dMRI的技术可靠性。将td-dMRI衍生的细胞密度与肿瘤-间质比(TSR)相结合,所得模型对诱导化疗反应者的预测性能提高(训练集AUC = 0.82),在各亚组中表现良好(AUC = 0.73–0.85),在内部测试集中亦然(AUC = 0.76)。

由于鼻咽部固有的解剖复杂性使其易产生磁敏感伪影,并考虑到该区域MRI采集(尤其是振荡梯度自旋回波序列)的潜在挑战,我们在定量分析前进行了一系列严格的图像质量和可重复性评估(16,33)。三级验证——包括定性图像评估、定量参数一致性和重测比较——证实了td-dMRI在NPC成像中的高可靠性。td-dMRI参数(如细胞直径和细胞密度)与组织病理学之间的显著相关性(均P < .05)进一步支持其在未来临床研究中的潜力。

在本研究中,尽管td-dMRI参数与细胞密度和fin的病理结果之间的相关性具有统计学意义,但相关强度不高。这可能是因为NPC的病理样本是通过内镜下钳夹活检获得的,仅代表肿瘤的一小部分而非整个病灶。因此,病理与影像衍生的组织特征并不严格对应,这可能导致相关性相对较弱。

TSR是反映肿瘤-间质比例的关键生物标志物,为评估肿瘤微环境对治疗反应的影响提供了一种简单而有效的方法。在乳腺癌(34)和浆液性卵巢癌(19)中,间质丰富的肿瘤对铂类化疗表现出明显的耐药性,这与较差的无进展生存期和总生存期相关(19,34)。从机制上讲,化疗耐药肿瘤的胶原含量比化疗敏感肿瘤高约40%(P < .01)(35),这可能实质性阻碍药物在肿瘤内的渗透。这些发现凸显了TSR的预后潜力,将其与td-dMRI指标相结合进一步改善了治疗反应预测,支持其在NPC个体化治疗中的应用。

在我们的研究中,细胞密度较低的肿瘤对化疗更敏感,可能是因为增殖和侵袭性降低,这与先前基于td-dMRI对乳腺癌病理完全缓解的预测一致(15)。其他已发表的研究也报道,细胞密度指标有助于区分良性和恶性肿瘤,前列腺癌和乳腺癌中的恶性病变通常表现出更高的细胞密度(8,36)。

我们的联合模型在预测诱导化疗应答者方面提供了0.82的AUC,这与基于传统MRI采集的放射组学模型(AUC = 0.84)(37)以及使用代谢参数的基于PET/CT的模型(C指数为0.78)(38)相当。然而,其性能略低于其他基于传统MRI序列的预测模型(AUC范围为0.86至0.95)(39–41)。尽管如此,我们承认td-dMRI在微观结构水平上提供了更好的生物学可解释性。除了展示td-dMRI的临床潜力外,这些结果表明,两个纳入的变量,即反映肿瘤细胞特征的细胞密度和代表细胞外基质相对比例的TSR,为预测治疗反应提供了有价值的补充信息,因为两者都是肿瘤微环境的重要组成部分。尽管基于td-dMRI和TSR的联合模型的性能低于源自传统MRI序列的放射组学模型,一个可能的解释是传统放射组学模型纳入了多维、高通量特征,能够捕捉复杂的瘤内特征。在未来的工作中,我们计划从td-dMRI参数图中提取高维特征,以更全面地反映肿瘤生物学,这可能进一步增强我们模型的预测性能。

预测模型表现出良好的区分度和校准度,联合模型在相关风险阈值下提供了最大的临床净获益。当使用最佳截断值时,模型显示出令人满意的灵敏度和特异度,支持其识别可能对诱导化疗应答者和无应答者的潜力。这些发现表明,联合模型可以促进鼻咽癌(NPC)的风险适应、个体化治疗决策。

在数据采集和方法学方面,我们的研究具有若干显著优势。第一,与大多数参与者约100例的td-dMRI相关临床研究不同,本研究纳入了更大的鼻咽癌(NPC)队列(n = 220),提高了临床结论的可靠性。第二,除td-dMRI外,约100例病理分析揭示了影像微观结构参数与有限光谱编辑扩散衍生微观结构参数及病理指标之间的相关性,为影像标志物在化疗敏感性中的作用提供了生物学洞见。最重要的是,尽管td-dMRI序列对硬件要求高且后处理相对复杂——需要熟悉特定算法流程——我们的团队正在积极开发更友好的、基于图形用户界面的后处理平台。随着3-T系统在临床实践中日益普及,td-dMRI有望在未来更容易地整合到常规临床采集工作流程中。

这项前瞻性研究也存在若干局限性。第一,由于数据来自单中心并使用单台扫描仪采集,需要在不同扫描仪和多中心队列中进行验证。然而,其相对较短的采集时间(约7.5分钟)为其整合到临床扫描方案提供了可能。第二,由于NPC主要采用诱导化疗后放化疗治疗,手术很少进行,病理微观参数来源于治疗前活检。这些局部样本可能与反映全肿瘤特征的影像指标相关性较差。第三,略高的假阳性率可能归因于TSR和细胞密度偏倚、训练集不平衡、特征相关性以及联合模型遗漏了关键的临床、分子和异质性因素。第四,随访时间较短,无法进行生存分析。第五,由于样本量有限,本研究未进行不同诱导化疗方案间的亚组分析。一旦获得更大队列,可在未来工作中进一步探讨这一方面。同样,内部验证集的样本量需要进一步扩大。第六,本研究中微观结构参数重复性系数和受试者内变异系数的合理性在一定程度上取决于审阅图像的放射科医师和所使用的设备。未来研究应在不同设备和放射科医师间重新评估结果。

总之,td-dMRI衍生的微观结构参数,特别是TSR和细胞密度的组合,有效预测了NPC的化疗反应;未来需要在多中心验证这些发现并解决研究的其他局限性。

补充文件

引用

  1. Ren H, Shi D, Wang X, et al. Time-dependent Diffusion MRI for Predicting Response to Induction Chemotherapy in Nasopharyngeal Carcinoma. Radiol Imaging Cancer. 2026. PMID: 42101312. doi:10.1148/rycan.250579
  2. 全文:PMC13231216(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13231216/

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。