文献速递泌尿生殖腹部MR

ADC在肌层浸润性膀胱癌新辅助免疫治疗反应评估中的可重复性与诊断性能:NABUCCO Ib期试验的多ROI比较分析

Reproducibility and diagnostic performance of ADC for assessing response to neoadjuvant immunotherapy in muscle-invasive bladder cancer: a multi-ROI comparison analysis from the phase-Ib NABUCCO trial.
PubMed 文献 · Insights Imaging · 2026-10-13

该研究基于NABUCCO Ib期试验的35例肌层浸润性膀胱癌患者,评估ADC定量测量在新辅助免疫治疗反应评估中的可重复性和预测价值。三种ROI策略中,全肿瘤ROI可重复性最高(ICC=0.98)但无预测价值(AUC=0.31),最暗ROI预测pCR价值最高(AUC=0.80)但可重复性有限。肌肉归一化未改善预测性能,全肿瘤ADC与细胞密度无显著相关性。

要点

  • 全肿瘤ROI的ADC测量可重复性最高(ICC=0.98),但预测pCR价值有限(AUC=0.31)。
  • 最暗ROI的ADC预测pCR价值最高(AUC=0.80),但观察者间可重复性有限。
  • ADC肌肉归一化未改善预测性能,且有时降低可重复性。

关键影像表现/征象

  • 全肿瘤ROI在基线和治疗后均显示最高观察者间一致性(基线ICC=0.98,治疗后ICC=0.71)。
  • 最暗ROI(固定5mm圆形)在治疗后和治疗前后变化中显示最高预测价值(AUC均为0.80)。
  • 治疗后全肿瘤ROI体积在pCR与非pCR间差异显著(1.12 mL vs 18.26 mL,p=0.002)。
  • 全肿瘤ADC与mIF来源的肿瘤细胞密度或总细胞密度无显著相关性。

诊断标准与关键数值

  • 全肿瘤ROI基线ADC预测pCR的AUC=0.31(95%CI 0.12-0.53,p=0.109)。
  • 最暗ROI治疗后ADC预测pCR的AUC=0.80(95%CI 0.57-1,p=0.025)。
  • 最暗ROI的%ΔADC预测pCR的AUC=0.80(95%CI 0.58-0.98,p=0.015)。
  • 归一化后最暗ROI治疗后ADC预测pCR的AUC=0.77(95%CI 0.54-0.99,p=0.045)。
  • 归一化后最暗ROI的%ΔADC预测pCR的AUC=0.88(95%CI 0.70-1,p=0.004)。

临床应用与阅片要点

  • 全肿瘤ROI适合需要高可重复性的纵向ADC测量,但不应单独用于预测pCR。
  • 最暗ROI可能提供额外预测信息,但需注意其观察者间可重复性有限。
  • 肌肉归一化未显示明确获益,常规使用前需标准化归一化协议。
  • ADC与细胞密度缺乏相关性,提示ADC不能简单作为肿瘤细胞密度的替代标志物。

局限性

  • 回顾性分析、样本量有限(35例),部分分析亚组更小。
  • DWI采集协议在不同中心间存在差异,b值组合不同,ADC地图不可直接比较。
  • 基线MRI在TURBT后进行,术后炎症和水肿可能影响ADC测量。
  • ADC与mIF细胞密度分析存在空间和时间不匹配。
全文中译16 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:Insights Imaging. 2026 Oct 13;17:255. doi: 10.1186/s13244-026-02397-z

引言

肌层浸润性膀胱癌(MIBC)患者的标准治疗包括根治性膀胱切除术(RC),术前可进行新辅助治疗[1]。新辅助治疗后的器官保留治疗策略正在积极研究中[2–5],这得益于新型全身治疗带来的令人鼓舞的结果,其报告的病理完全缓解(pCR)率高达42–46%[6–8]。要成功实现局部区域治疗的降阶梯,开发准确、非侵入性的方法来排除残留肿瘤至关重要。

磁共振成像(MRI)通过成熟的分期系统,如美国癌症联合委员会(AJCC)分期[9]和膀胱影像报告和数据系统(VI-RADS)[10],为膀胱癌提供无创的肿瘤分期评估。然而,除了评估肌层浸润外,直接源自肿瘤的定量影像生物标志物尚未在接受新辅助免疫治疗的MIBC患者中得到研究。

用于AJCC和VI-RADS的多参数MRI(mpMRI)提供良好的软组织对比度,但缺乏检测与肿瘤缓解相关的生理变化所需的定量敏感性。扩散加权成像(DWI)及其衍生物表观扩散系数(ADC)用于量化组织内水分子的运动。恶性病变与较高的细胞密度和高度细胞外结构紊乱相关,导致水扩散受限,从而在DWI上表现为高信号强度,相应地在ADC上表现为低信号[11–13]。

ADC衍生参数已在多种癌症的免疫治疗分期、分层和治疗监测中展现出实用性,包括乳腺癌[14]、头颈癌[15]和黑色素瘤[16]。对于MIBC,初步研究表明定量ADC分析可能有助于评估新辅助化疗(NAC)的疗效[13, 17, 18]。然而,ADC指标尚未在新辅助免疫治疗的背景下进行研究。与通过直接细胞毒性降低肿瘤细胞密度的化疗不同,免疫治疗通过免疫细胞浸润和炎性基质重塑发挥作用,这可能产生不同的扩散特性和ADC响应模式[16]。此外,既往研究依赖于单读者方法,未系统比较ROI勾画策略,导致读者间可重复性和ROI放置的标准化方法尚未建立。为支持其作为治疗反应评估的非侵入性影像生物标志物的临床实施,ADC指标必须稳健、可重复且方法学标准化。因此,本研究通过评估竞争性ROI策略的多读者可重复性及其在预测接受新辅助免疫治疗的MIBC患者pCR中的诊断性能来填补这些空白,最终目标是支持器官保留管理。

方法与材料

研究人群

我们回顾性分析了Ib期NABUCCO试验(n = 54)[7, 8]中经组织学确诊的MIBC患者,该试验研究新辅助免疫治疗(伊匹木单抗 + 纳武利尤单抗)后行RC的疗效和安全性。其中,13例患者无可用MRI扫描,2例缺失DWI序列,剩余39例患者具有可评估的MRI数据。另有4例患者因未行膀胱切除术而被排除,无法进行病理缓解评估。最终,35例患者纳入影像学分析。由于各中心DWI采集方案存在差异(见下文MRI方案),生成了两个ADC数据集并分别分析:全范围b值(n = 26)和子集b值(n = 35)。ADC测量仅在ADC图上可见病灶的患者中进行,%ΔADC仅对两个时间点均可见病灶的患者计算。完整的队列流程及所有分母汇总于图1。

图1 患者纳入及ROI放置纳入流程图 查看原图 ↗

MRI方案

基线MRI在经尿道膀胱肿瘤电切术(TURBT)后、免疫治疗前进行,治疗后MRI在免疫治疗完成后、RC前进行。扫描使用3.0 T Philips系统(Achieva dStream或Ingenia)采集。为确保膀胱充盈,患者在扫描前30 min排空膀胱并随后饮用500 mL水。获取T2加权图像,DWI方案包括四个b值(0、200、800和1000 s/mm²),ADC图基于采集的b值200、800和1000 s/mm²计算。10例患者在另一中心扫描,DWI仅采集两个b值(0和800 s/mm²)。由于ADC值直接取决于所选b值和拟合程序,不同b值组合生成的图不能直接比较。为考虑这一差异,生成了两个ADC数据集:全范围b = 200–800–1000 s/mm²(n = 26)和使用b = 0–800 s/mm²的另一数据集(n = 35),两者分别分析以评估方案影响(图1和补充材料1)。

图像处理与分析

三名放射科医师(C.B.、K.C.和G.A.)使用自定义3D Slicer界面(v5.6.2)独立审阅扫描图像。在研究判读之前,所有放射科医师均接受了关于ROI放置方法的标准化指导,并完成了一个校准病例。判读者对病理结果及彼此的测量值设盲。病例以随机顺序呈现;对每例患者,基线和治疗后扫描连续审阅以便直接比较,反映临床实践。

放射科医师获得了T2加权图像、ADC图以及肿瘤的初始分割(先前在T2加权图像上进行,但叠加在ADC图之上)。放射科医师的任务是在ADC图上按以下顺序进行ROI测量:(1)全肿瘤(调整分割以匹配ADC上的病变信号),(2)最大横截面积病变区域,(3)病变内最大圆形ROI,(4)在显示最大扩散受限区域(视觉上最低信号区域)上固定5 mm圆形ROI,以及(5)在视觉上最高信号区域上固定5 mm圆形ROI(图2)。超出病变边界的低信号和高信号ROI被排除。放射科医师仅分割可见病变;在无可检测病变的情况下,未定义ROI,因为可靠的ADC评估不可行。ADC值以在ADC图上绘制的每个感兴趣区(ROI)的中位数形式提取。

为量化ADC变化以评估疗效,我们使用以下公式计算基线与治疗后ADC值之间中位ADC值的相对百分比变化(%ΔADC):

作为探索性分析,实施了一种归一化策略,使用健康参考组织的ADC值来减少由不同扫描仪、序列和参数引起的MRI强度变异性[19]。具体而言,在臀大肌和闭孔内肌双侧放置10 mm圆形ROI(见图2)。在可行的情况下,ROI被仔细定位以避免伪影、血管、脂肪肌肉组织和萎缩肌肉区域。归一化ADC(nADC)计算如下:

图2 MIBC中ADC分析方法示意图。初始肿瘤分割在T2加权图像上进行,并根据ADC图上的病变信号进行调整(左)。在ADC图上选择多个ROI,包括:(1)全肿瘤,(2)单层面,(3)圆形,(4)最低信号,和(5)最高信号ROI(中)。为归一化ADC值,参考ROI放置在健康肌肉组织中,具体为闭孔内肌和臀大肌(右) 查看原图 ↗

病理参考标准

治疗反应由膀胱切除术后病理T分期(ypT)定义。ypT0或ypTcis的患者被视为pCR,而有残留肿瘤(≥ ypTa)的患者被视为非pCR。

作为探索性分析,鉴于ADC被认为是肿瘤细胞密度的非侵入性替代指标[12],还将ADC值与来自多重免疫荧光(mIF)数据的肿瘤和免疫细胞密度进行了比较,这些数据取自经尿道膀胱肿瘤电切术(TURBT)和切除的膀胱标本。mIF用于在单细胞分辨率下表征肿瘤微环境(TME),并提供免疫细胞(CD8+、CD103+和TCF1+)和肿瘤细胞(PanCK+)的细胞计数和密度估计。

统计分析

主要分析包括观察者间一致性和预测性能。观察者间一致性采用组内相关系数(ICC[2,1])评估(平均评分者信度(ICC[2,k])见补充材料2)。为尽量减少阅片者变异,共识ADC值取三位放射科医师中位值的平均值。采用受试者工作特征曲线下面积(ROC-AUC)和Mann–Whitney U检验评估基线、治疗后及%ΔADC对pCR(ypT0/ypTcis)的预测性能。作为探索性分析,采用相同方法评估nADC的一致性和预测性能,并采用Spearman秩相关评估ADC与mIF衍生细胞密度(总细胞密度、肿瘤细胞密度和免疫细胞密度)之间的关联。

结果

患者特征

在54例入组的NABUCCO试验患者中,排除19例(无MRI扫描,n = 13;缺失DWI序列,n = 2;未行膀胱切除术,n = 4)后,35例符合影像学分析条件。26例患者可进行全范围ADC分析;全部35例均可使用子集b值进行评估。两组患者的特征见表1。在26例全范围患者中,14例(53.8%)达到pCR,12例(46.2%)归类为非pCR。排除基线时(n = 1)或治疗后(n = 5)无可见病灶的患者后,25例可在基线时评估,21例可在治疗后评估,21例可评估%ΔADC(图1)。

基线时全肿瘤ADC ROI的中位体积为17.16 mL(范围0.36–19.47),pCR患者(8.89 mL,IQR = [1.23–33.17])与非pCR患者(23.98 mL,IQR = [11.22–32.55],p = 0.27)之间无显著差异。新辅助治疗后,pCR患者(1.12 mL,IQR = [0.08–4.67])与非pCR患者(18.26 mL,IQR = [9.78–31.84],p = 0.002)之间观察到显著差异。

表1 患者和肿瘤特征 查看原表 ↗

基线ADC不具有预测性

在基线时有可见病灶的患者中(n = 25),全肿瘤测量的ICC评分最高(ICC = 0.98,95% CI = [0.95–0.99]),其次为单层面(ICC = 0.92,95% CI = [0.85–0.97])、圆形(ICC = 0.80,95% CI = [0.65–0.91])、低信号(n = 22,ICC = 0.75,95% CI = [0.50–0.89])和高信号ROI(n = 22,ICC = 0.48,95% CI = [0.22–0.71])(见图3a)。pCR患者在所有ROI中的基线ADC值均非显著性地降低,预测性能中等(最佳AUC = 0.37*,95% CI = [0.15–0.60],*AUC = 0.63取反,p = 0.31)(表2,图4a和5a)。

使用相同的基线队列(n = 25;n = 22),归一化未改善观察者间一致性,也未改善预测性能(表2,图3d、4d和5d)。闭孔内肌归一化的可重复性高于臀肌(闭孔肌ICC = 0.63–0.70 vs 臀肌ICC = 0.23–0.29),双侧相关性强的(Pearson r = 0.796,p < 0.001)vs 臀肌(Pearson r = 0.359,p = 0.078)。因此,归一化采用双侧闭孔内肌ADC平均值进行。

图3 不同ROI策略和时间点ADC测量的观察者间变异性。柱状图显示五种ROI方法在(a)基线(n = 25)、(b)治疗后(n = 21)和(c)百分比变化(%ΔADC)(n = 21)时的ICC(ICC[2,1])及95%置信区间(CI)。d–f显示以肌肉组织为参考的nADC值对应的ICC。 查看原图 ↗
图4 不同ROI、时间点和病理缓解的ADC值箱线图。图中展示了五种ROI类型在(a)基线(n = 25)、(b)治疗后(n = 21)和(c)百分比变化(%ΔADC)(n = 21)时的一致性中位ADC值(三名读者的均值)。d–f展示经肌肉组织归一化(nADC)后的相同指标。箱线图表示四分位距(IQR),水平线表示中位数,须线延伸至1.5 × IQR。pCR定义为ypT0/ypTcis;非pCR定义为≥ ypTa。p值采用Mann–Whitney U检验计算;*p < 0.05;**p < 0.01,***p < 0.001 查看原图 ↗
图5 使用ADC指标在不同ROI策略和时间点预测pCR的ROC曲线。图中展示了五种ROI类型在(a)基线(n = 25)、(b)治疗后(n = 21)和(c)百分比变化(%ΔADC)(n = 21)时的ROC曲线及相应的曲线下面积(AUC)和95% CI。d–f展示归一化(nADC)后的相同分析。pCR定义为ypT0/ypTcis;非pCR定义为≥ ypTa。显著性检验 *p < 0.05;**p < 0.01,***p < 0.001 查看原图 ↗
表2 基线、治疗后及随时间百分比变化(%ΔADC)的中位ADC值 查看原表 ↗

治疗后低信号ROI具有预测性但不可重复

在治疗后可见病灶的患者中(n = 21),观察者间一致性较基线降低。全肿瘤ROI再次在读者间达到最高可重复性(ICC = 0.71,95% CI = [0.48–0.87]),而所有其他ROI评分均低于0.60(图3b)。

预测性能最高的是低信号ROI(n = 20,pCR ADC = 0.89 × 10−3 mm2/s vs 非pCR = 0.57 × 10−3 mm2/s,p = 0.025;AUC = 0.80,95% CI = [0.57–1])。所有其他ROI的差异均无统计学意义,AUC在0.43–0.51之间(表2;图4b和5b)。

与基线不同,归一化改善了整体观察者间一致性,但低信号ROI除外(n = 20,ICC = 0.35,95% CI = [0.03–0.68] vs 基线ICC = 0.78,95% CI = [0.58–0.90](图3e))。与基线类似,闭孔内肌归一化较臀肌达到更高的观察者间一致性(闭孔内肌ICC 0.76–0.85 vs 臀肌ICC 0.45-0.63),双侧相关性强(Pearson's r = 0.729,p < 0.001)。(归一化后的低信号ROI仍是唯一显著预测因子(pCR ADC = 1.23×10−3 mm2/s vs 非pCR = 0.69 × 10−3 mm2/s,p = 0.045;AUC = 0.77,95% CI = [0.54–0.99])(表2;图4e和5e)。

用于纵向测量的潜在用途

在两个时间点均可见病灶的患者中(n = 21),%ΔADC显示读者间一致性下降,与治疗后数值相似。全肿瘤ADC仍保持最高的读者间一致性(见图3c)。此外,与治疗后中位ADC值类似,低信号ROI在pCR与非pCR患者之间显示显著差异(分别为n = 20,+84.81% vs −12.55%,p = 0.025;AUC = 0.80,95% CI = [0.58–0.98])。其他ROI的AUC在0.48至0.65之间,pCR与非pCR之间无显著差异(表2;图4c和5c)。

归一化后观察到相似趋势,其中低信号最明显的ROI预测价值最高(AUC = 0.88,95% CI = [0.70-1],p = 0.004)(见图4f和5f),且读者间一致性增加(ICC = 0.72,95% CI = [0.46–0.89])(图3f)。

低信号ROI未被第10百分位数反映

低信号感兴趣区(ROI)显示出最高的预测能力,但放射科医师之间的一致性较低。全肿瘤ROI在放射科医师中显示出最高的可重复性,但并非最高的预测能力。因此,我们进行了一项探索性分析,以评估从全肿瘤ROI提取的ADC值的第10百分位数是否可以作为低信号ROI更客观的替代指标。观察到低信号ROI值与治疗后第10百分位数测量值(Spearman's r = 0.58,p = 0.007)以及随时间变化量(Spearman's r = 0.78,p < 0.001)之间均存在显著相关性。第10百分位数的ICC为0.65(95% CI = [0.4–0.83]),治疗后AUC为0.45(95% CI = [0.20–0.70]),而对于变化量值,ICC = 0.36(95% CI = [0.09–0.65]),AUC = 0.64(95% CI = [0.36–0.88])。

使用较少b值时的无影响

这些分析在n = 35例患者上进行(补充材料3)。在此分析中,我们使用了基于闭孔内肌的原始值和nADC值。大多数结果与使用b200–800–1000 ADC图获得的结果一致。全肿瘤ADC和nADC在基线和治疗后均显示出最高的观察者间一致性,低信号ROI在治疗后和随时间变化差异方面显示出显著的预测价值。我们观察到的唯一差异是%ΔnADC值的圆形ROI,其在pCR与非pCR之间显示出显著差异(33.48% vs 3.48%,p = 0.019;AUC = 0.76,95% CI = [0.59–0.91])。

与细胞密度相关性弱

在同时具有ADC测量值和mIF数据的20例患者中,未观察到肿瘤细胞密度或总细胞密度的显著相关性(见图6)。仅随时间变化差异显示全肿瘤ADC与未被panel覆盖的阴性细胞密度(CD8-、CD103-、TCF1-、PanCK-,Spearman's r = 0.56,p = 0.025)之间存在显著相关性(补充材料4)。

图6 全肿瘤ADC指标与mIF衍生的总细胞密度之间的探索性相关性(n = 20)。散点图显示全肿瘤ADC值(×10⁻³ mm²/s)与总细胞密度(细胞/mm²)在(a)基线、(b)治疗后和(c)百分比变化(%ΔADC)时的关系。d–f显示nADC的相应相关性。数据点按病理缓解着色:pCR(ypT0/ypTcis,蓝色)和非pCR(≥ ypTa,红色)。相关系数(r)和p值使用Spearman秩相关计算 查看原图 ↗

讨论

在本研究中,我们评估了接受新辅助免疫治疗的MIBC患者中定量ADC值的可重复性和预测价值。全肿瘤ROI表现出最高的观察者间一致性,使其成为ADC提取中最可重复的ROI,但其对缓解的预测价值有限。相比之下,低信号ROI在治疗后表现出更好的预测价值,但缺乏可重复性。pCR患者的基线ADC值始终较低,但其判别能力很小至几乎没有。归一化并未改善预测价值,有时甚至对可重复性有害。

全肿瘤感兴趣区(ROI)表现出最高的可重复性,可能归因于其较大的尺寸和全面的覆盖范围,这减少了小幅位置变异的影响。相比之下,低信号ROI尽管可重复性较低,但表现出较高的预测性能。这可能归因于其聚焦于扩散受限最明显的区域,该区域对应高细胞密度区和潜在存活的肿瘤细胞。相反,全肿瘤测量可能包含更多异质性组织成分,如水肿、纤维化或免疫细胞浸润,这些成分可能稀释肿瘤特异性信号并降低诊断特异性。这凸显了定量影像生物标志物开发中的一个基本权衡:生物学上更敏感的测量可能本质上比以诊断特异性为代价获得稳定性的体积学方法可重复性更低[20]。

在基线时,达到病理完全缓解(pCR)的患者相比非pCR患者表现出更低的ADC值。Yoshida等人[21]在肌层浸润性膀胱癌(MIBC)的放化疗敏感性中观察到了类似模式,与其他癌种中观察到的结果一致[22, 23]。然而,也有相反的趨勢被报道[13],且在我们队列中的区分能力有限。值得注意的是,基线MRI是在经尿道膀胱肿瘤电切术(TURBT)后采集的,这可能引入术后炎症和水肿,从而干扰ADC测量[18, 24, 25]。尽管我们的队列满足了TURBT与MRI之间推荐的最低两周间隔[10](平均51.6天),但术后残留的组织改变不能完全排除。

与Necchi等人[26]先前的研究一致,全肿瘤治疗后结果显示pCR与非pCR之间无差异。在观察治疗后ADC值的变化(%ΔADC)时,在接受新辅助化疗(NAC)后达到pCR的MIBC患者中发现了随时间ADC值升高的类似模式[13, 17, 18]。治疗后ADC值升高在文献中被归因于潜在机制,如治疗诱导的细胞损伤和细胞膜完整性受损。这些效应可能降低肿瘤细胞密度并增加细胞外空间,从而减少扩散受限[13, 23]。然而,在免疫治疗后,肿瘤微环境(TME)常表现出残留病灶周围的基质重塑和免疫细胞浸润,这也可能影响ADC测量并可能影响准确反映残留肿瘤特征的能力[27]。

作为探索性分析,我们检查了ADC测量值与来自多重免疫荧光(mIF)数据的细胞密度(总细胞、肿瘤细胞和免疫细胞)之间的相关性。未发现与肿瘤细胞密度或总细胞密度存在显著相关性。这很可能反映了两种模态之间的空间和时间不匹配:组织病理学分析评估的是单一时间点的小块组织切片,而全肿瘤ADC测量捕获的是异质性区域。此外,免疫治疗后的免疫细胞浸润表现出复杂的空间和时间异质性。因此,在免疫应答的不同时间点进行的影像学检查和组织采样可能捕获浸润的不同阶段,这可能削弱测量值之间的相关性[28]。

ADC测量受扫描仪相关和患者特异性变异的影响,归一化可能有助于减轻这种影响[29, 30]。在本研究中,我们比较了两个用于归一化的肌肉ROI,即闭孔内肌和臀大肌,其中闭孔内肌表现出更高的一致性。这可能是因为闭孔内肌是较小的肌肉,与较大的臀肌相比,ROI放置的变异更小。归一化并未显著改善总体一致性,也未增强判别能力或中心间可重复性。这些结果强调,在将ADC归一化应用于膀胱癌评估之前,需要标准化的归一化方案。尽管低信号ROI缺乏可重复性,但其显著的预测价值提示其在未来临床和研究环境中具有潜在用途。我们的探索性分析显示,全肿瘤ROI的第10百分位数作为一种更客观的替代指标,与低信号ROI相关,但未能复制其预测性能,提示放射科医生的视觉选择捕捉到了基于百分位数的汇总统计量未完全反映的空间信息。标准化的、人工智能辅助的分割技术可增强可重复性,并支持在多中心研究中使用靶向ROI,从而应对当前ADC测量标准化的挑战,并可能提高诊断准确性[31]。

本研究存在若干局限性。第一,本研究在小数据集上进行,这影响了统计功效和检测真实效应的能力。尽管我们纳入了基于多中心的亚组分析,但仍需要更大规模的多中心研究来证实我们的发现并提高普适性。第二,基线MRI是在TURBT之后采集的,如前所述,这是基线ADC测量的混杂因素。第三,治疗反应仅基于膀胱切除术后病理T分期。我们未关注淋巴结状况,因为MRI准确评估淋巴结的附加价值仍不理想[32]。第四,由于缺乏可检测的DWI信号,并非所有患者均可评估,这限制了定量ADC测量的可行性。在基线时,这归因于根治性TURBT的影响,而在治疗后,完全缓解可能导致MRI扫描完全正常化。无可检测的DWI或ADC信号时,放射科医生无法定义ROI进行分析。尽管存在这些局限性,pCR与非pCR患者之间的肿瘤体积存在显著差异,凸显了将体积测量与其他影像生物标志物相结合潜力[33]。重要的是,没有任何单一ADC策略实现了足够的综合可重复性和预测性能以支持治疗降级。这些发现应被视为假设生成性研究,将低信号ROI确定为有前景但尚未具备临床可操作性的指标。人工智能辅助分割可有助于标准化靶向ROI放置,ADC与肿瘤体积等互补生物标志物的结合值得进一步研究。在如此多参数方法能够为保留器官决策提供依据之前,在更大规模的多中心队列中进行验证将至关重要。

结论

在本研究中,对于接受新辅助免疫治疗的MIBC患者,没有单一的ADC策略在治疗反应评估中同时具备足够的可重复性和判别力。

全肿瘤测量具有高度可重复性,但缺乏预测价值;而最低信号区域显示出有前景的判别性能,但阅片者间一致性较差。未来研究应聚焦于开发自动化、预定义的亚区域ADC生物标志物,将靶向测量的生物学敏感性与保留器官决策所需的重现性相结合,并在多中心队列中加以验证。

补充信息

电子补充材料

引用

  1. Greidanus J, Bernabei C, Chupetvloska K, et al. Reproducibility and diagnostic performance of ADC for assessing response to neoadjuvant immunotherapy in muscle-invasive bladder cancer: a multi-ROI comparison analysis from the phase-Ib NABUCCO trial. Insights Imaging. 2026. PMID: 42870138. doi:10.1186/s13244-026-02397-z
  2. 全文:PMC13661850(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13661850/

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。