利用多参数MRI优化前列腺癌术前风险分层工具
该研究纳入591例接受机器人辅助根治性前列腺切除术的前列腺癌患者,将mpMRI的ADC值和影像学包膜外侵犯(rEPE)整合入CAPRA和D'Amico风险分层工具,构建图像调整(IA)模型。结果显示IA模型将超过20%的中危患者重新归入低危组,低危组估计累积生化复发风险从约5%降至1.1%,且两种IA模型的AUC均显著优于原模型(IA-CAPRA p=0.017,IA-D'Amico p=0.008)。
要点
- mpMRI的ADC值和rEPE(Likert评分≥4)均为生化复发的显著预测因子。
- IA模型将CAPRA中23.5%的中危患者重新归入低危组、5.9%归入高危组。
- 低危组生化复发风险从约5%降至1.1%,高危组剩余患者风险从17%升至22%。
核心结论
- 将前列腺mpMRI的ADC和rEPE整合入CAPRA和D'Amico风险分层工具可改善生化复发的术前风险估计和风险组间区分。
研究设计与样本
- 本研究为回顾性队列研究,纳入2010年1月1日至2015年12月31日在本机构接受机器人辅助腹腔镜根治性前列腺切除术的807例连续前瞻性入组患者,最终591例纳入分析。
- 87%(591/680)有术前mpMRI的患者使用同一台1.5-T MR机(Avanto;Siemens Medical Systems,Erlangen,Germany)和同一扫描方案检查。
- 由一名具有10年以上前列腺mpMRI阅片经验、每年至少解读800例检查的放射科医生在不知临床信息和结局的情况下回顾性随机顺序阅片。
- 以根治性前列腺切除术后全mount step切片病理(5-mm间隔)为参考标准,生化复发定义为术后4–6周达nadir后血清PSA高于0.2 ng/ml。
- 采用逐步后退似然法和惩罚Cox交叉验证筛选预测因子,用ROC、DeLong检验、生存分析和决策曲线分析评估模型性能。
关键影像表现/征象
- rEPE基于 bulging、不对称包膜和包膜轮廓偏差标准用1–5分Likert量表评估,评分≥4判定为存在包膜外侵犯。
- 图像调整示例中,ADC值629 mm2/s且rEPE+(Likert评分4)的病例由低危上调为高危,术后病理为pT3a、EPE 4 mm、肿瘤体积1.5 ml、Gleason 3+4、切缘阴性、淋巴结阴性,术后1年内出现生化复发。
- 另一示例中ADC值1006 mm2/s且rEPE–(Likert评分3)的病例由高危下调为中危,术后病理为pT3a、EPE 0.5 mm、肿瘤体积3.9 ml、Gleason 3+4、切缘阴性,术后3年内无生化复发。
诊断标准与关键数值
- ADC值分组赋分:大于950 mm2/s为0分,950–800 mm2/s为+1分,799–650 mm2/s为+2分,低于约650 mm2/s为+3分。
- rEPE存在(评分≥4)赋2分,不存在(评分≤3)赋0分。
- 将上述得分加至CAPRA/D'Amico原有风险组得分(低危=1、中危=2、高危=3),形成八分制风险量表:1–2分为低危,3–5分为中危,6–8分为高危。
- IA-CAPRA的AUC显著优于原CAPRA(p=0.017),IA-D'Amico的AUC显著优于原D'Amico(p=0.008)。
- 含病理和手术切缘的术后缩减模型预测性能仍最佳。
临床应用与阅片要点
- 阅片时需按 bulging、不对称包膜和包膜轮廓偏差评估rEPE并以Likert评分≥4作为存在包膜外侵犯的阈值。
- ADC值可在轴向ADC图上取包括病灶2/3的感兴趣区测量,并按650、800、950 mm2/s切点分组赋分。
- 作者认为将mpMRI特征整合入CAPRA和D'Amico可改善生化复发风险分层,可能有助于更恰当地选择积极监测与根治性治疗。
- 作者指出:当影像与活检存在显著不一致时,应仔细考虑在图像引导下重复活检。
- 作者建议该潜在方法理想上应在前瞻性随机非劣效试验中基于IA-CAPRA评估低危组积极监测与根治性治疗的结局。
局限性
- 研究在单一机构进行且患者数量有限。
- 观察到的生化复发频率为6.3%,低于既往研究报告,部分可能由于仔细排除了持续性疾病患者。
- 本队列中高危患者比例低于其他系列。
- 不同扫描仪和成像技术之间的差异可能导致切点略有不同,推测在650、800和950 mm2/s附近的相似范围内;Yoon等在ADC 746 mm2/s处二分,Zhang等在950 mm2/s处二分;扫描仪间ADC测量差异可用定量体模校准调整。
- 将患者队列扩大至多台扫描仪检查的患者(n=680)对IA模型结果无可检测的影响(分析未展示)。
全文中译12 节 · 点击展开
引言
前列腺癌(PCa)是发达国家男性中最常见的非皮肤恶性肿瘤。对于经过严格筛选的低危疾病,推荐的治疗是主动监测,而非根治性治疗如根治性前列腺切除术(RP)或外照射放疗[1]。治疗前列腺癌的一个主要挑战是识别所有需要根治性治疗的中危和高危患者,同时避免低危组的过度治疗。
RP后生化复发(BCR)是临床复发和疾病相关死亡率的公认预测因素。三分之二的BCR发生在早期,即RP后2年内[2]。RP后BCR定义为术后4–6周达到最低点后血清前列腺特异性抗原(s-PSA)升高超过0.2 ng/ml [3]。BCR高度依赖于疾病分期以及手术操作水平。Pavlovich等发现pT2N0/Nx的BCR率为1.8%,pT3N0/Nx/N1为22.3% [4]。BCR率的队列依赖性差异促使提出了基于BCR三个风险等级(低、中、高)的风险调整随访方案[5]。
手术切缘阳性(SM+)、前列腺外延伸(EPE)、活检及术后Gleason评分均被报道为BCR的可靠预测因素[6, 7]。风险分层工具,如加利福尼亚大学旧金山分校前列腺癌风险评估工具(CAPRA)和D'Amico,常规用于根据术前信息建议患者是否接受包括手术在内的根治性治疗。D'Amico基于s-PSA、活检Gleason评分和直肠指检(DRE)的临床T分期[8],而CAPRA还考虑患者年龄和阳性活检核心百分比[9],并已在欧洲患者中验证[10, 11]。
在过去十年中,前列腺多参数MRI(mpMRI)被引入用于PCa的检测和定位。近期研究表明,mpMRI对PCa检测具有高诊断准确性[12, 13],至少对于局部晚期疾病可改善术前临床列线图的预测[14, 15],且mpMRI既可改善临床BCR列线图的预测[16–19],也可改善检测显著性PCa的风险分层[20]。
我们旨在通过将相关mpMRI特征如表观扩散系数(ADC)、影像学EPE(rEPE)和肿瘤大小纳入新的图像调整(IA)预测模型,来提高两种最广泛使用的临床预测工具CAPRA和D'Amico的预后准确性。
材料与方法
患者
研究人群包括2010年1月1日至2015年12月31日期间在我们机构因前列腺癌(PCa)接受机器人辅助腹腔镜根治性前列腺切除术(RALP)的前瞻性连续入组的807例患者。RALP后持续s-PSA升高、随访不足180天、在3 T或其他机构进行MRI检查、或观察数据缺失的患者被排除在分析之外(图1)。共有591例患者符合分析条件,其中59例接受了辅助放疗。术前s-PSA测量均在手术前3天内进行。手术前及RALP后4–6周最低点的s-PSA水平均在2010年1月1日至2016年6月30日期间在同一实验室进行分析。机构审查委员会批准了本研究,所有患者均给予了书面同意。
MRI方案
所有接受术前mpMRI的患者中,87%(591/680)使用同一台1.5-T MR机器(Avanto;Siemens Medical Systems,Erlangen,德国)和扫描方案进行检查(表1)。
MRI判读
所有前列腺mpMRI检查均由一名放射科医师(LR)在不知晓临床信息和结局的情况下以随机顺序进行回顾性判读,唯一知晓的是患者因PCa被分配至RP。该放射科医师具有超过10年前列腺mpMRI判读经验,目前每年至少判读800例检查。rEPE基于膨隆、包膜不对称和包膜轮廓偏移的标准[21]使用1至5分的Likert量表进行评估,其中1=无EPE,2=可能无EPE,3=不确定是否存在EPE,4=可能有EPE,5=肯定有EPE。我们将评分阈值设为4分及以上表示存在EPE。rEPE的受试者工作特征(ROC)曲线见补充图S1。
图像处理
放射科医师使用PI-RADSv1(10)在不知晓最终组织病理学结果的情况下识别前列腺影像报告和数据系统(PI-RADS)评分最高的主导病灶。病灶大小在轴位T2W图像上测量,ADC值从感兴趣区(ROI)获取,ROI在轴位ADC图上包括病灶的2/3。该放射科医师未使用分割软件或复杂处理工具。
手术
RALP于2009年5月被引入作为我们机构PCa的标准手术治疗。所有手术均由四名外科医师完成。研究期间,807例患者中有357例(44%)接受了扩大淋巴结清扫[22]。
组织病理学
从前列腺切除标本以5-mm间隔制作全 mount 步进切片。病理学家根据整个前列腺的组织学切片在绘图中勾勒出肿瘤累及的存在和范围,并基于国际泌尿病理学会(ISUP)共识会议标准[23]确定是否存在病理性索引肿瘤。
肿瘤体积采用常规病理测量方法估算,如前所述[24]。记录每位患者是否存在包膜外侵犯(EPE)及手术切缘阳性(SM+)。此外,数据库中纳入了作为CAPRA和D’Amico工具组成部分的所有术前活检数据,包括Gleason分级和评分以及阳性活检针数百分比。根据2014年国际泌尿病理学会(ISUP)共识,Gleason分级评分被分为五个分级组[25],分级组既更简单也更稳健[26]。
数据与统计学
所有数据均收集于自行开发的关系型数据库中,该数据库对独立观察者保持盲法[27]。来自各数据表的观察结果使用结构化查询语言视图重新汇总。随后使用R 3.3.1[28]进行统计分析,使用EpiR、survival、ROCR、DecisionCurve和hdnom软件包。连续变量以中位数和均值以及四分位距进行总结。为评估早期生化复发(BCR)的预测因素,我们采用Cox比例风险 backward stepwise 似然比方法,以最低的赤池信息准则(AIC)为标准[29]。此外,我们应用了带有留一交叉验证(LOOCV)的惩罚Cox回归模型,使用弹性网估计预测因素的线性效应,并在给定不确定性的情况下优化至与最佳模型具有可比误差(1个标准差)的最简模型[30]。为比较预测工具的性能,我们使用了ROC和DeLong检验、生存分析、决策曲线分析和方差分析(ANOVA)。所有统计检验均以5%显著性水平(双侧)进行。
构建IA模型
由CAPRA/D’Amico定义的既有风险分组被赋予分值:低危1分、中危2分、高危3分。Stepwise backward 似然比检验和LOOCV识别出两个常见的mpMRI特征,经LOOCV检验具有统计学显著性,即ADC和rEPE。为对mpMRI特征进行加权,我们基于全部术前和术后变量进行了LOOCV分析,创建了补充图S2所示的列线图。在该列线图中,ADC值低于800 mm2/s使总体风险增加55分,而rEPE+相当于60分。我们决定将ADC测量的分值根据本队列四分位距的上下界(650 mm2/s和961 mm2/s)分为四组。因此我们选择ADC的截断值为800 mm2/s,距每个四分位距约150 mm2/s。为简便起见,我们选择ADC值的截断点为650、800和950 mm2/s,使各组大小几乎相等。
因此,对于我们的IA模型,我们赋予ADC值在上四分位水平即大于约950 mm2/s者为0分,950–800 mm2/s者为+1分,799–650 mm2/s者为+2分,最后ADC值低于下四分位即约小于650 mm2/s者为+3分。若存在rEPE(评分≥4),赋予2分;若不存在rEPE(评分≤3),赋予0分。将这些分值加到由CAPRA/D’Amico赋予的既有风险分组分值(低危=1,中危=2,高危=3)上。由此产生一个八分风险量表:1–2=低危,3–5=中危,6–8=高危。
结果
在最终分析纳入的591例患者中,37例(6.3%)被确定为早期BCR。90例患者(15.2%)手术切缘阳性;其中49例为pT3(占所有pT3的33.8%),41例为pT2(占所有pT2的9.2%)。pT2和pT3的SM+中位长度分别为2.5 mm和2.7 mm。18例患者(3%)患有N+疾病,51例(8.6%)患者接受了辅助治疗。其他患者特征列于表2。
基于术前和术后信息的向后逐步似然比方法将预测变量数量从11个减少到6个(表3)。组织病理学分级分组3+、组织病理学肿瘤大小和ADC具有统计学显著性。LOOCV方法也将预测变量数量减少到6个,其中表3中6个变量中有4个在两种方法中相同。
风险分层工具及相应IA模型的预测和结局总结于表4。对于CAPRA模型,图像调整将55例(39.6%)低风险患者移入中风险组,将2例(1.4%)移入高风险组。IA模型进一步将84例(23.5%)中风险患者移入低风险组,将21例(5.9%)移入高风险组。在CAPRA高风险组中,IA模型将49例患者(52.1%)下调至中风险组。IA–D’Amico也发现了类似结果(数据未显示)。应用IA模型对CAPRA的粗略数量和效果见图2。
尽管将额外患者分配到低风险组,但两种模型中低风险组的BCR风险均从4.5–5%降至1.1%。此外,两种IA模型均减少了高风险患者数量,同时剩余高风险患者的BCR风险相应增加。
ROC分析(图3)以及补充的决策曲线分析(图S3)证实,两种IA模型均较成熟的分层工具改善了BCR预测。经ANOVA评估,IA–CAPRA优于其他术前风险评估工具,且与其来源模型相比,IA模型的AUC显著改善(p = 0.017,IA–CAPRA;p = 0.008,IA–D’Amico)。然而,包含组织病理学和手术切缘的术后简化模型仍然最佳(图3和图S3)。无病生存的Kaplan–Meier曲线(图4)显示,与原始风险分层工具相比,IA–CAPRA和IA–D’Amico对三个风险组均具有更好的区分度。图像调整后风险增加和降低的示例见图5和图6。
讨论
本研究代表了一种将影像特征整合到术前复发风险分层工具中的新方法。我们并未开发主要基于影像信息的全新风险预测工具,而是试图保留两种成熟的PCa术前风险预测工具的预测能力,并加入相关影像特征的信息,按其相对风险贡献进行加权。我们的方法本质上比建立全新模型更为保守,有助于避免预测模型对特定机构队列的过拟合。该方法也可应用于影像有价值的其他癌症,例如乳腺癌和直肠癌[31, 32]。可靠的治前风险评估对于选择最合适的治疗至关重要,例如为PCa患者选择根治性治疗。
这是一项大型回顾性队列研究,显示将多参数磁共振成像(mpMRI)特征整合入成熟的术前风险分层工具CAPRA和D’Amico可明显获益,用于预测前列腺癌(PCa)的生化复发(BCR)风险。在2016年修订的欧洲泌尿外科学会(EAU)指南中,mpMRI被认可作为评估高危患者临床肿瘤(cT)分期的工具[1]。据我们所知,这一新推荐对术前风险预测的影响尚未得到验证。作为改善术前风险分层的替代方法,我们研究了mpMRI特征对风险分层的影响,而不改变cT分期的基础,即直肠指检(DRE)的临床发现。我们决定不研究EAU标准,因为利用影像信息覆盖cT分期会导致T分期迁移,在评估将mpMRI特征整合入新预测工具的效果时难以对此进行调整。除术后信息外纳入术前信息的有用性——迄今为止术后信息仍是风险预测的金标准——最近已由Imnadze等[33]展示。
Zhang等[17]使用MRI列线图预测BCR,通过单变量生存分析发现,低表观扩散系数(ADC)、高MRI T分期和高前列腺影像报告和数据系统(PI-RADS)评分患者的BCR风险显著更高。此外,鉴于ADC和PI-RADS评分在多变量Cox回归分析中是BCR的显著预测因子,这些发现与我们的研究一致。Ho等[18]发现mpMRI可疑评分(低、中、高)和直肠外延伸(rEPE)连同Gleason评分均为BCR的预测因子。rEPE和Gleason评分作为独立预测因子的发现与我们的研究一致,但他们的mpMRI可疑评分与提示癌症的序列数量相关,因此难以与我们研究中的ADC阈值进行比较。
使用我们提出的IA模型使低危组患者数量增加了6个百分点。同时,使用两种IA预测工具后,低危组的BCR风险从约5%降至1.1%。这有可能减少选择根治性治疗的患者数量,为他们提供主动监测(AS)的替代治疗策略。这一潜在方法理想情况下应在一项基于IA–CAPRA的前瞻性随机非劣效性试验中评估,比较低危组中AS与根治性治疗的结局。IA–CAPRA模型还将高危组患者数量减少了52%,同时其余患者的BCR风险从17%增至22%,从而在高风险端也实现了更特异的预测。
IA–CAPRA与IA–D’Amico之间的差异很小,性能几乎相当,仅单独方差分析(ANOVA)除外。并非所有成熟的列线图都可应用于任何人群[34]。如果预后工具的整体性能较低,这将拉低IA模型的性能。
所提出的IA模型基本上是保守的,且依赖于所使用的主要风险分层工具。当应用mpMRI特征时,只有在mpMRI与术前临床风险评估之间存在巨大不匹配时,才会将低风险患者升级为高风险组。值得注意的是,在我们提出的IA模型中,包括ADC定量测量在内的mpMRI特征可用于升级或降级特定患者的风险,这与既往发表文献一致[35, 36]。使用定性PI-RADS标准预测术后Gleason评分的研究同样显示了基于图像的升级和降级[37, 38]。在Park等[16]最近的一项研究中,利用PI-RADS预测158例经过高度筛选、在单一机构术后随访2年的患者的BCR,多因素分析显示PI-RADS评分至少为4提示BCR风险较高。与Park等的研究不同,我们的研究采用了更大且更同质的队列、ADC的定量标准以及LOOCV来评估潜在mpMRI预测特征的相对权重。
对IA模型的一个潜在反对意见可能是,临床或活检遗漏的显著肿瘤只能被所提出的IA模型部分纠正。在影像学与活检之间存在显著不匹配的病例中,应仔细考虑在图像引导下重复活检[39]。
本研究具有以下局限性。(i) 我们的研究在单一机构进行,患者数量有限。(ii) 观察到的BCR发生率6.3%低于既往研究报告[10, 11, 16–18]。这在一定程度上可能是由于我们仔细排除了持续性疾病患者。(iii) 我们队列中高风险患者的比例低于其他系列。然而,患者的选择符合当时的指南,且手术切缘的结果在预期范围内。(iv) 扫描仪和成像技术之间的差异可能会导致临界点略有不同,推测在650、800和950 mm2/s附近的相似范围内。然而,Yoon等[19]以ADC水平746 mm2/s进行二分。我们研究中ADC临界值的差异最可能是由于扫描仪、b值及其高风险患者队列的差异。Zhang等[17]以950 mm2/s进行二分,但未提供为何选择该阈值的信息。
扫描仪之间ADC测量的差异可通过使用定量体模进行校准来调整。将我们的患者队列扩大至在多台扫描仪上扫描的患者(n = 680)对我们的IA模型结果未检测到影响(分析未展示)。(v) 我们的模型需要在独立队列中进行外部验证。在专家生物统计学家的建议下,对预测因子估计的统计方法给予了特别关注。
总之,将前列腺mpMRI信息整合到成熟的BCR临床风险分层工具CAPRA和D'Amico中,可以更好地预测BCR并更好地区分风险组,有助于在不同风险水平下更适当地选择随访方案。mpMRI改进的风险分层可能有助于更适当地选择治疗,即主动监测与根治性治疗。
电子补充材料
ESM 1(EPS 4.77 kb)
(EPS 545 kb)
(EPS 9.72 kb)
引用
- Reisæter LAR, Fütterer JJ, Losnegård A, et al. Optimising preoperative risk stratification tools for prostate cancer using mpMRI. Eur Radiol. 2017. PMID: 28986636. doi:10.1007/s00330-017-5031-5
- 全文:PMC5811593(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC5811593/
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。