腹盆部CT辐射剂量的身体成分决定因素
该前瞻性横断面研究纳入239例连续接受腹盆部CT的患者,采用单台64层CT和自动管电流调制,定量分析腹部脂肪、肌肉、骨骼及实质器官体积与剂量长度乘积(DLP)的关系,发现总脂肪体积是辐射暴露的最强预测因素,肌肉体积亦有显著但较弱的预测作用。
要点
- 总腹盆部脂肪体积是DLP的最强预测因素(B=0.027,95%CI 0.024–0.030,p<0.001)。
- 肌肉体积也是DLP的显著预测因素,但预测力弱于脂肪体积。
- 单层L4–L5+6 cm脂肪面积与总脂肪体积高度相关(r=0.978,p<0.001)。
核心结论
- 在本队列中,脂肪组织体积是腹盆部CT辐射暴露的最强预测因素。
研究设计与样本
- 前瞻性横断面研究,经机构审查委员会批准,连续纳入239例临床指征行腹盆部CT的患者,前瞻性招募期为3个月。
- 使用单台64层多排CT扫描仪(GE Lightspeed VCT-XTe),扫描范围自膈顶至耻骨联合,采用科室常规方案:管电压120 kV、旋转时间0.8 s、螺距0.984:1、z轴自动管电流调制(最小和最大管电流阈值120和300 mA)、噪声指数35.3 HU,图像采集层厚0.625 mm并重建为2 mm层厚、40%自适应统计迭代重建(ASIR)。
- 排除标准包括年龄小于18岁、在科室正常工作时间之外接受CT检查以及未接受静脉或口服碘对比剂的患者。
- 每例患者接受1 L阳性口服对比剂(2% Gastrograffin)和100 ml静脉对比剂(碘海醇,Omnipaque 300),流率2.5 ml/s。
- 定量分析由单一读片者完成,采用半自动阈值法和手动感兴趣区法测量总腹盆部脂肪体积(TAT)、肌肉体积(MV)、骨体积(BV)及肝、双肾、脾体积;第二读片者在随机抽取的30%患者(n=71)中重复测量以计算观察者间一致性。
关键影像表现/征象
- 所有测量的身体成分参数均与DLP呈正相关,其中脾体积相关性最弱,仅在0.05水平达到统计学显著。
- DLP在男性患者中显著高于女性患者(580±243 vs. 473±219 mGy.cm,p<0.001),男性BMI也显著高于女性(28.5±4.8 vs. 24.7±5.3 kg/m2)。
- DLP第四四分位组(DLP>620 mGy.cm)的平均总脂肪体积大于第一四分位组(DLP<358 mGy.cm)的3倍以上,而第四四分位组的平均肌肉体积约为第一四分位组的1.5倍。
- 两组观察者测量的所有身体成分变量一致性良好(组内相关系数=0.877,p<0.001,n=71),其中总脂肪体积估计的观察者间一致性最佳(组内相关系数=0.999,p<0.001,n=71)。
诊断标准与关键数值
- 多变量线性回归模型以DLP为因变量,纳入总脂肪、肌肉、骨、肝、肾、脾体积,R²=0.772,即模型变量解释了研究样本中DLP变异的77%。
- 总脂肪体积是最强预测因素:B(95%CI)=0.027(0.024–0.030),t=23.068,p<0.001。
- 肌肉体积也是显著预测因素,但程度较弱:B(95%CI)=0.022(0.014–0.030),t=13.516,p<0.001。
- 骨、肝、肾、脾体积在该回归模型中未显著预测DLP。
- 逐步线性回归以DLP为因变量、BMI和总脂肪组织为自变量,总脂肪组织(B=0.022,95%CI 0.019–0.025,t=9.788,p<0.001)对DLP的预测力优于BMI(B=16.045,95%CI 11.337–20.752,t=6.681,p<0.001)。
临床应用与阅片要点
- 作者认为,量化总腹部脂肪组织可能有助于指导辐射剂量降低路径,并促进个体化ATCM方案优化,因其似乎是腹盆部CT中DLP的最强身体成分预测因素。
- 作者提出,在随访或重复CT研究中可分析既往CT扫描以量化总腹部脂肪组织,从而基于腹部脂肪分布建模方案,在保持图像质量的同时优化剂量。
- 作者指出,单层(L4–L5+6 cm)脂肪面积测量与总脂肪体积高度相关(r=0.978,p<0.001),可能对实际应用有价值;对于首次CT患者,可考虑在定位像时采集的单层图像上分析脂肪面积。
- 作者指出,阅读CT图像时,足量腹腔内脂肪可将肠管与相邻腹腔及腹膜后结构分开,有效提供「内部」对比,帮助更准确定位和识别病变;多项研究提示口服对比剂的给予与否应基于患者肥胖程度。
- 作者提出,基于既往CT扫描或单层分析所得脂肪组织体积,可能可以采用更积极的剂量降低策略,但需进一步研究评估这些参数的实际意义。
局限性
- 作者承认本研究完全是描述性的,且来自单台CT扫描仪,结果的实际意义需要进一步评估和研究。
- 作者承认更新的剂量降低技术和扫描仪技术(如自动管电压选择)可能在降低总剂量的同时对不同组织类型产生不同剂量。
- 作者承认静脉和口服对比剂的体积影响自动管电流调制,本队列接受标准静脉和口服对比剂,而非按体重调整的对比剂剂量。
- 作者指出口服对比剂在胃肠道内分布不均匀,完全均匀的肠道对比剂充盈难以实现,可能造成DLP增加,其程度可能大于单个小器官如单侧肾脏或脾。
- 作者指出实际限制是定量获取患者总脂肪体积在日常CT实践中代表额外的工作流程挑战。
全文中译7 节 · 点击展开
引言
目前,在保持图像质量和诊断准确性的同时降低CT扫描期间的辐射剂量,有着相当大的研究和产业驱动力。迄今为止,包括自动管电流调制和迭代重建在内的CT剂量降低技术已使CT剂量降至大约比十年前低70–75%的水平。通过持续的研究与开发,更大的剂量降低是可以想象的,而CT技术的最新进展已促进在不牺牲图像质量的情况下实现显著的剂量降低[1–3]。
患者体型和体重的差异对CT剂量降低的路径构成挑战。众所周知,当采用自动管电流调制(ATCM)时,体型较大的患者在腹盆腔CT期间会受到显著更大剂量的电离辐射[4–7]。既往研究已探讨了体重[6]、体重指数[4]、患者横截面积[5, 7]和患者前后径[8]等变量对采用ATCM的腹盆腔CT期间所施加剂量的影响。然而,腹腔内包含许多体积和密度各异的结构,这些结构会影响上述指标。这些组成部分包括腹部实质器官、腹部肌肉组织和脂肪组织等软组织结构和腰椎和骨盆等骨性结构。这些结构均对患者体重、体重指数和横截面积有贡献,因此也可能各自对腹盆腔CT期间所施加的剂量有贡献。尽管一项既往研究发现主观评分的腹部脂肪量与有效剂量之间存在关联[9],但我们未发现有任何研究探讨过多个腹部身体组成变量与采用ATCM的CT期间辐射剂量之间的在体关系。作者认为,对这类因素(其在体重、横截面积和BMI相似的个体之间可能存在显著差异[10])的进一步研究,可能为腹盆腔CT未来的剂量优化方法提供指导,并可能使放射科医生能够改进检查技术和ATCM方案,尤其是在肥胖患者中。
因此,我们设计了一项前瞻性横断面研究,目的如下:确定腹盆腔CT期间剂量长度乘积升高的身体组成决定因素。
确定以下参数中哪一个是对CT辐射剂量的最强预测因子:腹盆腔总脂肪组织体积
腹盆腔肌肉体积
腹盆腔骨骼体积
实质器官体积
材料与方法
在获得机构审查委员会批准后,前瞻性连续招募了239名因临床指征转诊接受腹盆腔CT检查的患者,招募期为3个月。所有患者均使用单台64层多排探测器CT扫描仪(General Electric Lightspeed VCT-XTe,GE Healthcare,GE Medical Systems,Milwaukee,WI,USA)进行扫描。排除标准包括年龄小于18岁的患者、在我科正常工作时间之外接受CT检查的患者以及未接受静脉或口服碘对比剂的患者。机构审查委员会豁免了书面知情同意的要求。使用数字设备(Seca electronic measuring station Model 763,Seca Medical,Hamburg,Germany)测量患者体重和身高,随后记录其体重指数(BMI)。
CT技术
每次CT扫描覆盖相同的解剖区域,从膈顶延伸至耻骨联合。每名患者接受1L阳性口服对比剂(2% Gastrograffin,Bracco Diagnostics Inc.,Princeton,NJ)以及100 ml静脉对比剂团注(Iohexol,Omnipaque 300,GE Healthcare,Mississauga,ON),流速为2.5 ml/s。所有病例均采用我科常规扫描方案,包括管电压120 kV、旋转时间0.8 s、螺距0.984:1、z轴自动管电流调制,最小和最大管电流阈值分别设为120和300 mA,噪声指数为35.3 HU。图像以0.625 mm采集,随后重建为2 mm层厚,采用40%自适应统计迭代重建(ASIR,GE Healthcare,Milwaukee,WI,USA)。从每份CT剂量报告中记录剂量长度乘积(DLP)值,并根据制造商说明每周对CT设备校准一次。除采用自动管电流调制外,未根据患者BMI修改方案。
定量分析
一名阅读者(LC)使用“半自动”基于阈值和“手动”基于感兴趣区的定量CT技术相结合的方法分析每个CT数据集。每名患者记录以下身体成分参数:腹盆腔脂肪组织总体积(TAT)、肌肉体积(MV)、骨体积(BV)以及包括肝脏、双肾和脾在内的实性器官体积。在单层图像上测量内脏脂肪面积(VAA)和皮下脂肪面积(SAA),以便将这些指标与总脂肪体积估计值进行比较。第二名阅读者(FC)在患者队列的随机样本30%(n = 71)中重复每项测量,以便计算评估者间一致性。需要基于阈值分割的参数,例如腹部/盆腔总体积、脂肪总体积和骨体积,使用商业工作站(Advantage Workstation VolumeShare 2,Version 4.4,GE Medical Systems,Milwaukee,WI)估算,器官体积则使用Osirix(一款开源医学影像软件包,OsiriX Foundation,Geneva Switzerland)手动绘制感兴趣区计算。
脂肪组织总体积的计算方法为:在腹部和骨盆的成像范围内,自动去除密度范围(−190 HU 至 −30 HU)之外的像素 [11]。整个扫描范围内的骨骼肌体积采用半自动方式计算,阈值范围设为 −29 HU 至 +150 HU [12]。骨体积同样通过半自动方式估算,即执行“Autobone extract”功能,随后利用三维最大密度投影(MIP)重建和剪刀工具手动去除任何高密度口服对比剂或非骨骼性钙化。内脏脂肪组织和皮下脂肪组织面积均在单个轴位图像上计算,该图像位于 L4–L5 椎间隙上方 6 cm 处,依据 Demerath 等人 [13, 14] 的推荐。腹盆腔器官使用 Osirix 中的曲面感兴趣区(ROI)工具在轴位 CT 图像上手动勾画,该过程在相邻层面上重复进行,直至器官被完全描绘。
统计分析
统计分析使用市售医学统计软件包(PASW 20 版,SPSS Inc.,芝加哥,伊利诺伊州,美国)完成(JE,PMcL)。定量指标分别采用 Student t 检验和 Mann Whitney U 检验进行比较,采用 Pearson 和 Spearman 检验进行相关性分析。以 DLP 为因变量的线性回归分析用于确定辐射剂量增加的最强身体成分决定因素。两名定量 CT 阅片者之间的一致性采用组内相关系数进行比较。p 值 <0.05 的差异被认为具有统计学意义。除非另有说明,所有数据均以均值 ± 标准差表示。结果变量在适当情况下按四分位数分组。由于已知身体成分因性别和年龄而异,因此进行了亚组分析。研究样本根据患者性别(男性、女性)和患者年龄(较年轻,年龄 < 第 50 百分位数;较年长,年龄 > 第 50 百分位数)(第 50 百分位数,59 岁)分为四个亚组,以评估这些差异并比较其对辐射剂量的影响。
结果
共纳入 239 例患者进行定量分析,其中女性 125 例,男性 114 例,平均年龄 56.6 ± 17.9 岁(范围 19–95 岁),平均 BMI 26.5 ± 5.42 kg/m2(范围 13.9–49.1 kg/m2)。研究样本的平均 DLP 为 524 ± 236 mGy.cm(范围 149–1363 mGy.cm)。患者 BMI 与 DLP 之间存在统计学显著相关性(Pearson 相关性检验;r = 0.797,p < 0.001)。男性患者的 DLP 显著更高(580 ± 243 对 473 ± 219 mGy.cm,p < 0.001),且男性患者的 BMI 也显著高于女性患者(28.5 ± 4.8 对 24.7 ± 5.3 kg/m2)。所有测量的身体成分参数均与 DLP 呈正相关,尽管脾脏体积的相关性最弱,仅在 0.05 水平达到统计学意义(表 1)(图 1a–d)。两名观察者测量的所有身体成分变量比较时发现一致性良好(组内相关系数 = 0.877,p < 0.001,n = 71)。观察者间总脂肪体积估算的一致性最佳(总脂肪组织(TAT)组内相关系数 = 0.999,p < 0.001,n = 71)。
采用多元线性回归确定哪些身体组成参数是辐射剂量的最强预测因子。患者剂量长度乘积为因变量,总脂肪、肌肉、骨骼、肝脏、肾脏和脾脏体积作为自变量纳入回归模型。R2值为0.772,表明该模型中纳入的变量解释了研究样本中剂量长度乘积变异的77%。总脂肪体积是我们组中辐射剂量的最强预测因子[B(95% CI) = 0.027 (0.024–0.030),t = 23.068,p < 0.001],肌肉体积也是剂量长度乘积的显著预测因子,但程度较低[B(95% CI) = 0.022 (0.014–0.030),t = 13.516,p < 0.001]。在该回归模型中,骨骼、肝脏、肾脏和脾脏体积未能显著预测患者剂量长度乘积。
在按性别和年龄进行的亚组分析中,不同年龄组之间无显著差异(p = 0.101)。我们发现年轻男性患者的脂肪组织显著少于年轻女性(p < 0.001),但在其他年龄和性别组之间比较脂肪组织体积时未发现其他显著差异。女性患者的肌肉体积显著较低(p < 0.001)。与男性患者相比,女性患者的骨骼体积也显著较低,且年轻女性患者的骨骼体积显著高于年长女性患者(p < 0.001)。各组之间身体组成的差异总结于表2。
为确定在每个年龄-性别亚组中哪个身体组成参数是辐射剂量的最强预测因子,重复进行了多元线性回归模型分析。再次发现总脂肪体积是每个年龄-性别亚组中剂量长度乘积(DLP)的最强预测因子。有趣的是,肌肉体积在年轻女性或年轻男性患者中未能显著预测剂量长度乘积值(分别为p = 0.180和p = 0.065),但在年长女性和年长男性患者中可预测剂量长度乘积(表3)。
在临床实践中,BMI是比总脂肪组织体积更容易获取的参数,因此我们试图确定在我们队列中患者BMI与所测身体组成变量之间的关联强度。我们发现BMI与所有所测身体组成参数呈显著正相关,尤其是总脂肪组织(Spearman相关系数 = 0.798,p < 0.001)(表4)。然而,以剂量长度乘积为因变量、BMI和总脂肪组织为自变量的逐步线性回归表明,总脂肪组织[B(95% CI) = 0.022 (0.019–0.025),t = 9.788,p < 0.001]对剂量长度乘积的预测能力优于BMI [B(95% CI) = 16.045 (11.337–20.752),t = 6.681,p < 0.001]。
从单层图像(L4–L5 + 6 cm)获得的总脂肪面积测量值(VAA + SAA)与总脂肪体积密切相关(Spearman相关系数r = 0.978,p < 0.001)。以这两个变量为自变量、剂量长度乘积为因变量进行逐步线性回归,得到几乎相同的结果;总脂肪体积[B(95% CI) = 0.018 (0.007–0.029),t = 2.746,p = 0.006];VAA + SAA [B(95% CI) = 0.018 (0.005–0.031),t = 2.661,p = 0.008]。
讨论
我们开展了一项描述性横断面研究,试图确定腹盆腔CT检查中辐射剂量的身体组成预测因素。初步分析证实,所测量的每一个单独变量,包括腹盆腔总脂肪、肌肉、骨骼和实质器官体积,均与剂量长度乘积呈不同程度的正相关。由于每个结构均对腹/盆腔的整体X线衰减有贡献,鉴于本组中脂肪、器官、骨骼和肌肉体积较大的患者体型也较大,每个单独参数呈正相关也并不令人意外。随后采用线性回归分析确定哪种身体组成参数是辐射剂量的最强预测因素。我们发现总脂肪体积是最强预测因素,肌肉体积也是剂量长度乘积的显著但较弱的预测因素。脂肪组织密度较低,因此在本研究所测量的所有身体组成参数中衰减最少,但其在我们患者队列中的变异性很大。剂量长度乘积第四分位数(DLP > 620 mGy.cm)的患者平均总脂肪体积是剂量长度乘积第一分位数(DLP < 358 mGy.cm)患者的3倍以上。相比之下,剂量长度乘积第四分位数患者的平均肌肉体积约为剂量长度乘积第一分位数患者的1.5倍。我们将研究样本分为四个按年龄和性别分层的组,发现总脂肪体积在每个亚组中仍为剂量长度乘积的最强预测因素,并且有趣的是,肌肉体积仅在较年长患者中可预测剂量长度乘积。
因此,我们的研究结果推进了既往认识,即已证实体重[6]、体重指数[4]或横截面积[5, 7]升高的患者在采用ATCM的腹盆腔CT检查中接受更大剂量的电离辐射。我们的结果表明,在构成患者BMI或横截面积的众多身体组织中,患者腹部/盆腔总脂肪组织是腹盆腔CT检查中辐射剂量的最强预测因素。
肥胖患者给放射科带来的挑战,尤其是在降低剂量方面,如今正日益受到认识[15],因为超过30%的美国成年人和近20%的欧洲成年人其体重指数大于30 kg/m2 [16, 17]。尽管内脏和皮下脂肪组织的屏蔽效应使病态肥胖个体深部腹部器官所接受的辐射剂量减少超过50% [18],但自动管电流调制(ATCM)会随着患者体型增大而导致管电流呈对数增加[7],因此肥胖患者腹盆腔器官剂量相应更高[6]。此外,由于管电流增加以及患者与X射线源之间距离缩短,皮肤及更表浅器官的有效剂量随患者体型增大而成比例增加[18]。
对于体型宽大的患者,优化和调整ATCM技术的必要性早已被认识[5]。随着迭代重建等新型剂量降低技术正成功应用于体型宽大的患者[19, 20],此类改进剂量和噪声指数参数的努力可能变得更加重要。基于体重的ATCM方案优化具有易于执行的优点,但可能无法为降低剂量提供理想依据,因为矮胖患者可能与高瘦患者体重相同[6]。我们的结果提示,总腹部脂肪组织的定量有可能指导辐射剂量降低路径,并促进个体化方案以优化ATCM方案,因为它似乎是腹盆腔CT中剂量长度乘积最强的身体组成预测因子。如果能够对总腹部脂肪组织进行稳健的自动化定量,这一过程将大大便利。一种可能的方法是从腹部CT获取单个代表性层面,由此可对总腹部脂肪组织进行自动化定量。在随访或重复CT研究中的另一种可能性是分析既往CT扫描,以便对总腹部脂肪组织进行定量,并允许基于腹部脂肪分布对方案进行建模,从而在保持图像质量的同时优化剂量。应当注意,内脏脂肪组织的测量在不同剂量降低和图像重建策略之间似乎具有可重复性[21]。
我们承认我们的研究完全是描述性的,研究来自单台CT扫描仪,并且我们结果的的实际相关性需要进一步评估和研究。为了限制可能的混杂因素,我们使用了单台扫描仪和标准成像技术,我们承认更新的剂量减少技术和扫描仪技术(如自动管电压选择)可能在降低总剂量的同时,对各种组织类型施加不同的剂量[22]。我们承认静脉和口服造影剂的体积会影响自动管电流调制[6, 23],而我们队列接受了标准静脉和口服造影剂,而非按体重调整的造影剂剂量。口服造影剂在整个胃肠道中的分布是不均匀的,因为完全均匀的肠道充盈难以实现,并且可能导致剂量长度乘积增加,其增幅将大于单个小器官如单个肾脏或脾脏。
我们研究的一个实际局限性是,在CT的日常实践中,定量获取患者的总脂肪体积代表了额外的工作流程挑战。CT扫描仪实际上还可以受益于在患者体重之外纳入其身高以优化辐射剂量,因为矮胖患者可能与高瘦患者体重相同[6]。
我们在这项研究中没有正式记录进行定量测量所需的时间,但手动勾画器官以及骨骼和肌肉分割的过程主观上是费力且耗时的,每位患者至少需要20分钟。相比之下,通过Hounsfield单位阈值化生成每个序列总脂肪测量的过程主观上是快速的(约30秒),并且在我们研究中观察者间一致性对于脂肪评估是最高的(总脂肪组织的组内相关系数=0.999,p<0.001,n=71),这表明从患者既往CT扫描中估计总脂肪在临床实践中比其他估计更可行。然而,对于正在接受首次CT扫描的患者,获取总脂肪体积也是不可能的。在这种情况下的一种考虑是分析在定位像拍摄时获取的単一CT图像上的脂肪面积。许多使用横断面图像研究身体成分的研究已采用这种方法,特别是在估计内脏和皮下脂肪量时取得了良好成功[13, 14]。获取此单层图像期间施加的额外辐射剂量估计在0.015–0.019 mSv/37–54 kg患者体重范围内,这与CT定位像获取期间施加的典型剂量相比是有利的。在我们的患者组中,从单层图像(L4-L5+6 cm)获得的总脂肪面积测量值(VAA+SAA)与总脂肪体积相关性非常好(Spearman相关系数r=0.978,p<0.001),这在我们发现的实际应用中可能具有价值。
总之,腹部和盆腔容纳许多体积和密度各异的器官和组织,但脂肪组织的体积是辐射剂量的最强预测因素。然而这一发现是幸运的,因为在解读CT图像时,腹腔内脂肪当存在足够体积时,可以将肠袢与相邻的腹腔内和腹膜后结构有效分隔,提供“内部”对比,有助于解读图像的放射科医生更准确地定位和识别病变。因此,大量研究表明,给予或不给予口服对比剂的决定应基于患者的肥胖程度[24–26]。作者提出了一种可能性,即也可以基于脂肪组织体积采用更积极的剂量降低策略,这些体积可从既往CT扫描或对无既往CT者的单层分析中获得。需要进一步研究来评估这些参数的实际相关性,并更好地界定其如何有助于优化CT技术和降低辐射剂量。
引用
- McLaughlin PD, Chawke L, Twomey M, et al. Body composition determinants of radiation dose during abdominopelvic CT. Insights Imaging. 2017. PMID: 29063481. doi:10.1007/s13244-017-0577-y
- 全文:PMC5825306(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC5825306/
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。