术前表观扩散系数值与肿瘤区域体积作为胶质母细胞瘤预后生物标志物:相关性与无进展生存分析
回顾性纳入48例胶质母细胞瘤患者,基于术前MRI分割计算各肿瘤区域体积及ADC值,分析其相关性及对无进展生存的预测价值。结果显示各肿瘤区域ADC值及体积间差异有统计学意义,远端水肿ADC与瘤周体积呈正相关(r=.418,p=.011),非强化肿瘤体积对PFS的风险比HR=1.077(p=.067)呈边缘显著趋势。作者建议GB的常规MRI评估中计算这些生物标志物。
要点
- 远端水肿ADC与瘤周体积呈正相关(r=.418,df=34,p=.011)。
- 非强化肿瘤体积对PFS的HR=1.077(p=.067),呈边缘显著趋势。
核心结论
- 作者认为特定肿瘤区域(远端水肿)的ADC值是GB患者PFS的可量化预测生物标志物,可能为临床医生提供短期临床适用性并用于GB常规评估。
- 作者建议对GB进行常规MRI评估并计算ADC与体积生物标志物。
研究设计与样本
- 回顾性队列研究,纳入48例胶质母细胞瘤患者,纳入时间为2011年1月至2013年12月。
- 使用3T扫描仪(Signa HDxt,GE Healthcare)及八通道头线圈,序列包括轴位T2-w、FLAIR、SPGR、DWI(b值1000 s/mm²和0 s/mm²)及轴位T1-w,对比剂为钆喷酸葡胺0.1 mmol/kg体重。
- 使用BraTumIA软件(v 1.2.1)按VASARI指南自动分割肿瘤区域,计算坏死组织、活动性强化肿瘤组织及水肿的体积(cm³)。
- ADC测量区域包括表现正常白质、坏死、强化肿瘤区域及水肿(近端水肿为前10 mm,远端水肿为11–20 mm),ADC值以mm²/s表示。
- 参考标准为组织病理学诊断(基于WHO标准),无进展生存定义为放疗完成至疾病进展或死亡的时间。
关键影像表现/征象
- T1增强、T2、FLAIR及DWI-derived ADC图用于评估肿瘤区域;ADC值在正常组织与肿瘤区域之间以及坏死与其他组之间差异有统计学意义(p<.001)。
诊断标准与关键数值
- 远端水肿ADC与瘤周体积的偏相关:r=.418,df=34,p=.011。
- 近端水肿ADC与瘤周体积的偏相关:r=.347,df=43,p=.019。
- 非强化肿瘤体积对PFS的Cox回归:HR=1.077,p=.067。
临床应用与阅片要点
- 作者建议对GB进行常规MRI评估并计算ADC与体积生物标志物,可能用于日常实践。
- 作者指出目前缺乏区分肿瘤进展与坏死的统一阈值,本研究按肿瘤区域分组的ADC值有助于填补该空白。
局限性
- 数据为回顾性分析,因此无对照组。
- 若干临床和手术变量(切除范围、放疗剂量、辅助化疗)有意不在本研究范围内。
- 本研究聚焦于选定变量,作者承认该研究值得后续补充发现。
- 该组患者未获取波谱、灌注和扩散张量成像等先进生物标志物。
- 作者希望使用MRI灌注区分真性进展/复发与假性进展,未来前瞻性研究可将灌注作为附加方法。
全文中译14 节 · 点击展开
要点
在GBM中,肿瘤各区域的ADC值之间存在统计学显著差异。
在GBM中,肿瘤各区域体积(坏死、强化肿瘤和瘤周水肿)之间存在统计学显著差异。
远端水肿的ADC与瘤周体积呈显著正相关。
非强化肿瘤体积对无进展生存期显示出接近显著的趋势(p = .067,HR = 1.077)。
在GBM中,常规MRI评估并结合ADC和体积生物标志物的计算或可在日常工作中进行。
引言
胶质母细胞瘤(GB)是最常见的原发性脑肿瘤,包含多种组织学区域[1]。因此,活检中的采样误差意味着病理学家评估的严重程度并未揭示肿瘤其他部位实际存在的恶性程度[2]。术前预后因素通常包括体能状态、年龄、切除范围以及O6-甲基鸟嘌呤-DNA甲基转移酶(MGMT)甲基化状态[3]。恶性GB细胞可能起源于转化的室下区(SVZ)星形胶质细胞样神经干细胞,而另一些则起源于非SVZ祖细胞或经历去分化的成熟胶质细胞向恶性的进展[4]。
日常实践中GB的磁共振(MR)方案通常包括四个形态学序列:钆前T1、钆后T1、T2和FLAIR[5]。手术通常仅减少肿瘤的手术和放射学可见部分。然后,一些手术边缘可能不“干净”(由于显微镜下残留病变的存在),导致邻近脑组织进一步肿瘤生长(大体复发)[6]。使用弥散加权成像(DWI)的先进MR成像技术允许计算DWI衍生的表观弥散系数(ADC)以表征GB[7]。ADC值目前被接受为肿瘤内细胞密度水平的替代指标[3];术前低ADC已显示与Ki-67标记指数呈负相关,并可预测恶性星形细胞瘤的进展[8]。此外,术前ADC已显示为独立于体能状态、年龄和切除体积的不良预后因素[9]。
脑肿瘤图像分析的最新进展允许通过使用常规MRI序列T1-w、增强后T1-w、T2-w和FLAIR从磁共振成像(MRI)中自动分割肿瘤亚区[10]。可以获得坏死组织、活动性强化肿瘤组织、非强化肿瘤组织和水肿的肿瘤区域体积(以立方厘米计);这些肿瘤亚区的定义遵循美国国家癌症研究所的VASARI指南[11]。一些作者根据GB对SVZ和皮质的累及对其进行了分类;该分类考虑了GB的组织发生和临床异质性[12]。尽管存在先前信息,但文献中仍缺少GB中ADC与肿瘤区域体积之间的相关性值。
在本研究中,我们旨在揭示GB肿瘤亚区内ADC值与体积的关联;此外,我们评估了治疗前ADC值和基于MRI的GB累及SVZ分类作为无进展生存期生物标志物的能力。
方法
患者选择
墨西哥国家神经病学和神经外科研究所及墨西哥总医院的机构审查委员会批准了这项研究,患者在接受了MRI检查前被告知并签署了知情同意书。对48例多形性胶质母细胞瘤患者进行了回顾性队列随访;患者纳入时间为2011年1月至2013年12月。该组包括36名男性:44.6 ± 17.8(均值和标准差[SD]),范围18–70岁;12名女性:50.5 ± 12.6,范围18–66岁。排除标准考虑为纳入研究前曾接受手术切除、放疗或化疗,无组织病理学诊断,影像数据缺失,以及存在伪影。切除后,他们接受了包括替莫唑胺(Temodal,Schering-Plough,NJ,USA)在内的化疗和放射治疗(60 Gy),即Stupp方案[13]。所有患者均接受了肿瘤活检或手术切除,并基于WHO标准进行组织病理学诊断。MRI图像解读者对患者病史设盲。具有其他结构异常的MRI检查被剔除。
脑图像和数据采集
MR图像使用3T扫描仪(Signa HDxt,GE Healthcare;磁共振室;Waukesha,Wisconsin,USA)和高分辨率八通道头部线圈(Invivo,Gainesville,FL,USA)采集。MR序列包括常规轴位T2加权成像、轴位液体衰减反转恢复(FLAIR)、轴位扰相梯度回波(SPGR)、弥散加权成像(DWI)和轴位T1加权成像,使用0.1 mmol/kg体重的钆喷酸葡胺(Magnevist;Schering,Berlin,Germany)。DWI使用单次激发SE-EPI序列进行,b值为1000 s/mm2和0 s/mm2。图1显示了GB患者常规MRI序列的表现。
肿瘤区域分割和体积计算
我们使用了BraTumIA软件(v 1.2.1© 2018 Institute for Surgical Technology and Biomechanics,Bern,CH)[10]。它是一种根据美国NIH国家癌症研究所的VASARI指南[11]自动分割脑肿瘤的软件工具;我们使用了三个肿瘤区域体积的结果,单位为立方厘米(坏死组织、活动性强化肿瘤组织和水肿)。为与随访MRI进行比较,我们使用每位患者首次基线扫描的T1增强图像作为参考模板[10]。
基于MRI的SVZ和皮层受累情况
我们使用了基于MRI的GB分类,该分类基于其对SVZ和皮层的累及情况[12]:I组,对比增强病灶(CEL)从房部SVZ延伸至软脑膜;II组,接触SVZ的肿瘤不累及皮层;III组,CEL侵犯皮层,到达软脑膜,但不接触SVZ;IV组,肿瘤“尊重”SVZ和皮层两者[12]。
ADC测量
肿瘤区域包括表现正常的白质(NAWM)、坏死、强化肿瘤区域和水肿。水肿的ADC测量两次,分别为近端水肿(前10 mm)和远端水肿(11–20 mm)。
我们使用BraTumIA分割结果作为ADC测量的ROI;然后,使用逐像素应用软件(FuncTool 9.4.04b,GE Healthcare;磁共振部;美国威斯康星州沃基肖)手动勾画这些ROI:该软件生成所选ROI的ADC图和ADC值测量结果。我们使用每个ROI内ADC的平均值,因为这是大多数评估术前影像中ADC参数预后重要性研究报道的测量指标[3, 14];ADC值以平方毫米每秒表示。
无进展生存期的定义
首次手术前获取的术前MRI作为基线,有助于监测疾病的演变。无进展生存期(PFS)定义为从放疗完成到疾病进展或死亡所经过的时间。肿瘤复发基于增强T1加权MR图像的评估,如果检测到初始手术切除部位内及远处位置出现新发或进行性增大的强化肿瘤。当无法获得重复病理时,我们还考虑RANO标准以区分真性进展/复发与假性进展;如果在放疗结束后至少6个月内无需改变治疗,则作出假性进展的临床诊断。进展性疾病定义为强化病变增加≥ 25%且临床恶化,需要在放疗结束后6个月内改变治疗[15]。我们旨在评估ADC参数平均值与肿瘤区域体积之间的关联。患者随访至出现进展或直至完成30个月 period,而非直至死亡;因此,我们未计算总生存期(从放疗完成到任何原因死亡所经过的时间)。
统计分析
采用单因素方差分析(ANOVA)比较肿瘤区域间ADC值的差异:正常组织、强化肿瘤、近端水肿、远端水肿和坏死[16]。我们考虑两个自变量:肿瘤区域(受试者内变量)和基于MRI的SVZ及皮层受累(受试者间变量),并进行混合受试者间-受试者内ANOVA[17]。该分析检验各自变量是否存在主效应以及两变量间的交互作用是否显著。p值的Bonferroni校正(.050/5)设为0.010;95%置信区间(CI)根据当代定义计算[18]。效应量考虑Cohen提出的偏eta平方(η2)[19],η2从0.01至0.06 = 小效应,η2从0.06至0.14 = 中等效应,η2 > 0.14 = 大效应。类似分析应用于肿瘤区域体积。
我们进行偏相关分析以计算ADC值与肿瘤区域体积之间的关联。该方法在排除年龄和性别影响的情况下估计相关性;对每个肿瘤区域(坏死组织、活动性强化肿瘤组织、水肿和NAWM)进行独立评估。相关系数解释为非常强(至少0.8)、中等强(0.6至0.8)、一般(0.3至0.6)和差(小于0.3)。
采用Kaplan-Meier法和log-rank检验进行生存分析,以比较亚组之间的PFS曲线[20]。我们计算了Cox比例风险比(HR)及其校正的95%置信区间(CI)[21]。统计显著性以p值< 0.05表示。
软件:所有分析均使用IBM® SPSS® Statistics(软件版本23.0.0.2,IBM Corporation;Armonk,NY,USA)进行;箱线图和相关性图使用Tableau Desktop(软件版本8.3.3,Seattle,WA,USA)生成。
结果
各区域的ADC值
我们发现五个肿瘤区域(正常组织、强化肿瘤、近端水肿、远端水肿和坏死)的ADC值存在统计学显著差异:F(4, 220)= 166.71,p ≤ .001;使用eta平方计算的效应量为.018,意味着大效应。使用Tukey HSD和Dunnett检验的事后比较表明,正常组织的平均评分与肿瘤区域显著不同,且坏死区ADC值与其余组之间也存在显著差异(p < .001)。表1显示了每个肿瘤区域ADC值的均值和95% C.I.;图2a–d描绘了按基于MRI的GB累及情况分组的各肿瘤区域亚组的ADC值分布。
为评估基于MRI的SVZ和皮层累及对患者各肿瘤区域ADC值的影响而进行的混合组间-组内受试者ANOVA显示,变量之间无显著交互作用,Wilks' Lambda = .765,F(12, 77)= .683,p = .762,η2 = .085(中等效应量)。肿瘤区域存在显著主效应,Wilks' Lambda = .056,F(4, 29)= 122.87,p < .001,η2 = .944(大效应量),各组显示ADC值在各肿瘤区域间呈递增趋势。比较基于MRI的SVZ和皮层累及的主效应不显著,F(3, 32)= .226,p = .878,η2 = .021(小效应量),提示GB对SVZ和皮层的累及无影响[各组患者分配为I,27(56.24%);II,2(4.17%);III,17(35.42%),IV,2(4.17%)]。表2显示了按肿瘤区域分组以及按SVZ和皮层累及(基于MRI的分类)分组的ADC值估计边际均值。
肿瘤区域体积评估
各肿瘤区域体积的评估显示了相似的结果;单因素组间ANOVA显示三个评估的肿瘤区域体积(坏死、强化肿瘤和瘤周水肿)存在统计学显著差异:F(2, 141)= 136.3,p ≤ .001,η2 = .014,意味着中等效应。使用Tukey HSD的事后比较表明,唯一显著不同的平均评分为瘤周水肿(p < .001),坏死与强化肿瘤体积之间无显著差异。表3显示了在GB中观察到的肿瘤区域体积(cm3)。
采用混合组间-组内方差分析(ANOVA)评估基于MRI的室下区(SVZ)和皮层受累对患者三个肿瘤区域体积的影响,结果显示变量间无显著交互作用,Wilks' Lambda = .811,F (6, 86) = 1.584,p = .161,η2 = .10(中等效应量)。肿瘤区域存在显著主效应,Wilks' Lambda = .505,F (2, 43) = 21.055,p < .001,η2 = .495(大效应量),各区域间体积逐渐增大。基于MRI的SVZ和皮层受累主效应不显著,F (3, 44) = 1.075,p = .370,η2 = .068(小效应量),意味着基于MRI的分类对肿瘤体积无影响。表4描述了按肿瘤区域分组以及按SVZ和皮层受累(基于MRI的分类)分组的肿瘤区域体积(cm3)。
ADC值与肿瘤体积相关
ADC值与其对应肿瘤区域体积之间的偏相关分析控制了年龄和性别。强化肿瘤的ADC与其对应体积之间存在较弱的负偏相关,r = −.045,df = 45,p = .767;近端水肿的ADC与瘤周体积之间呈现一般的正偏相关,r = .347,df = 43,p = .019;这种一般的正相关在远端水肿的ADC与瘤周体积之间更为显著,r = .418,df = 34,p = .011;坏死ADC与坏死体积之间观察到较弱的正偏相关,r = .263,df = 4540,p = .093。对零阶相关性的检查表明,控制年龄和性别后,水肿ADC值与瘤周体积之间相关性的显著性增加。图3展示了ADC值与瘤周区域之间的散点图。
无进展生存分析
中位PFS时间为10个月(SE 1.402,C.I. 7.253–12.747,图4a);按SVZ和皮层受累分组后,PFS曲线之间无统计学差异,χ2 (3) = .673,p = .879;图4b。肿瘤区域ADC值的Cox回归模型系数综合检验不显著:− 2 log-likelihood = 113.010,χ2 (4) = 4.166,p = .384。仅考虑肿瘤区域体积的第二项Cox比例风险回归分析提供了一个接近显著的模型:− 2 log-likelihood = 146.066,χ2 (4) = 9.303,p = .054。仅非强化肿瘤体积显示了风险函数趋向显著的趋势:p = .067,HR = 1.077。该值表明,在控制模型中所有其他因素的情况下,非强化肿瘤每增加一个立方厘米单位,患者报告肿瘤进展的风险增加7.7%。
讨论
尽管对胶质瘤的长期关注点是识别预后标志物[22],但胶质母细胞瘤(GB)的中位生存期仅达到14个月[23]。从常规MR检查中提取肿瘤区域体积的研究日益受到关注,重点关注水肿边界[24, 25],以及在GB的鉴别[26]和肿瘤进展[27]中使用多种扩散衍生生物标志物。
本研究的相关性有多个组成部分:首先,我们观察到基于MRI的GB位置之间ADC值存在显著差异(远端水肿的ADC值更高)。其次,我们证明GB基于MRI对SVZ和皮层的累及在ADC测量中没有实质性影响。第三,我们对体积的多变量评估显示肿瘤区域(坏死、强化肿瘤和瘤周水肿)之间存在统计学显著差异,事后检验仅瘤周水肿有显著差异。我们还发现近端和远端ADC值与瘤周体积之间存在实质性相关性;这些事实与近期研究一致,这些研究认为治疗前扩散MRI是一种预测性影像生物标志物(特定扩散特征),与特定生存期[28]和单核苷酸多态性[29]相关。
尽管近期有数十项研究显示多种ADC衍生参数在GB肿瘤鉴别和生存中的实用性[30, 31],但据我们所知,考虑不同肿瘤区域ADC值及其相关体积并结合PFS的分析在文献中较为缺乏。此外,缺乏区分肿瘤进展与坏死的一致阈值[32],我们按肿瘤区域分组的ADC值有助于填补这一空白。使用分割体积是相关的,因为即使改进的RANO标准也无法明确区分肿瘤进展(它仅使用强化病灶垂直直径乘积之和)[15]。近期研究报道使用瘤周水肿直径测量进行GB生存分析[33];在我们看来,这种方法很可能低估瘤周区域的实际大小。
ADC值的报告不是标准化的,但在GB治疗反应随访中可能具有相关意义;近期研究已证明ADC在亚组分层[34]、MGMT启动子甲基化状态[35]中的显著关联及其在总生存中的预测价值[34]。Romano等人[35]的研究可能与我们的研究相似。然而,他们未进行比较体积和ADC区域的部分相关分析,也未考虑基于肿瘤区域的单独研究。MR上的瘤周水肿作为独立预后因素发挥作用。Schoenegger等人[25]发现存在严重水肿的患者与轻度水肿患者相比总生存期显著更短。此外,远端水肿与更高程度的坏死和血管内皮生长因子(VEGF)表达相关[24]。
胶质瘤对周围组织产生显微镜下的侵袭,尤其是白质(WM)束[36],从疾病的可见区域[37]开始;因此,存在常规MRI方案无法检测到浸润的正常表现白质(NAWM)[38]。T2加权成像(T2-w)上的瘤周水肿常被认为提示肿瘤已穿透进入脑组织[39]。我们发现,非强化肿瘤体积显示出与风险函数相关的趋势,风险函数为7.7%,这意味着非强化肿瘤区域每增加1立方厘米,患者报告肿瘤进展的风险增加7.7%。治疗前瘤周水肿也与立体定向放射外科(SRS)后发生增量性水肿的风险增加相关,在许多病例中导致临床状况恶化[40]。
本研究的一些局限性需要提及:数据为回顾性分析,因此无法获得对照组。若干临床和手术变量被有意排除在本研究范围之外(切除范围、放疗剂量和辅助化疗)。作为脑肿瘤定量MR生物标志物潜力这一研究方向的一部分,本研究聚焦于选定的变量,我们承认本研究值得后续补充发现。此外,对于这组患者,我们无法获得先进的生物标志物,如波谱成像、灌注成像和弥散张量成像技术。我们本希望使用MRI灌注来鉴别真性进展/复发与假性进展,考虑到许多其他研究将这一技术作为一种经济且有价值的诊断工具提出。未来的前瞻性研究可以将灌注视为一种额外的检查方法。然而,这些先进的MRI生物标志物目前均未在日常基础上用于预测肿瘤进展[41, 42]。相反,我们使用了标准的T1和T2成像特征,其仍作为金标准[43],以及用于ADC测量的市售软件,这可能有助于我们研究结果的可重复性。
总之,选定肿瘤区域(远端水肿)的特定ADC值是GB患者PFS中可量化的预测性生物标志物。该参数可能在短期内为临床医生提供临床适用性,并可用于GB的常规评估。
引用
- Durand-Muñoz C, Flores-Alvarez E, Moreno-Jimenez S, et al. Pre-operative apparent diffusion coefficient values and tumour region volumes as prognostic biomarkers in glioblastoma: correlation and progression-free survival analyses. Insights Imaging. 2019. PMID: 30887267. doi:10.1186/s13244-019-0724-8
- 全文:PMC6423260(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6423260/
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。