文献速递妇产影像腹部CT

高级别浆液性卵巢癌患者蛋白质组学与CT定性及影像组学特征的整合:一项探索性分析

Integration of proteomics with CT-based qualitative and radiomic features in high-grade serous ovarian cancer patients: an exploratory analysis.
PubMed 文献 · Eur Radiol · 2020-04-06

这项回顾性、假设生成研究纳入20例高级别浆液性卵巢癌患者,在初次肿瘤细胞减灭术前评估33个CT定性特征和3个纹理特征与蛋白质丰度的关联。结果提示4个蛋白与CT特征相关、3个蛋白与肿瘤异质性纹理特征相关,其中CRIP2与肠系膜病变的关联经多重检验校正后仍显著。

要点

  • 肠系膜病变与CRIP2蛋白丰度降低相关(p<0.001,AUC=0.05),经Benjamini-Hochberg校正后仍显著(校正p=0.03)。
  • 膈上淋巴结肿大与ALDH3A2丰度降低(p=0.02,AUC=0.192)及MAGEA4丰度升高(p=0.046,AUC=0.768)相关。
  • 肿瘤内及瘤间异质性纹理指标与STXBP2、ASS1等蛋白丰度相关,但经多重检验校正后均未达统计学显著。

核心结论

  • 本研究首次提供初步证据,提示标准诊疗CT的定性特征及反映肿瘤内和瘤间异质性的纹理指标可能与高级别浆液性卵巢癌患者若干蛋白的丰度存在关联。
  • 作者认为这些结果向整合临床、蛋白质组学和影像组学数据以预测有意义的临床终点并促进个体化治疗的方向迈进了一步。

研究设计与样本

  • 回顾性、假设生成研究,纳入20例高级别浆液性卵巢癌患者,来自癌症基因组图谱-卵巢癌(TCGA-OV)影像研究组的多机构数据。
  • 入组条件包括确诊高级别浆液性卵巢癌、TCGA组织分析、未接受新辅助化疗、初次肿瘤细胞减灭术前腹盆腔增强CT、有蛋白相对丰度测量数据。
  • 两名分别有17年和12年卵巢癌影像经验的放射科医生独立评估33个CT定性特征,分歧由第三名放射科医生仲裁;定量特征取两名医生测量的平均值。
  • 纹理分析由两名分别有4年和6年经验的肿瘤影像研究专员在共识下手动分割原发卵巢肿瘤及腹盆腔所有转移灶,使用5 mm层厚,kVp因不同机构不同厂商CT机而异。
  • 参考标准为癌症基因组图谱(TCGA)和临床蛋白质组肿瘤分析联盟(CPTAC)的蛋白相对丰度数据(107例TCGA高级别浆液性卵巢癌患者、3377个蛋白)。

关键影像表现/征象

  • 肠系膜病变与CRIP2蛋白水平降低相关(p=0.0002,AUC=0.05),与GPI水平降低相关(p=0.004,AUC=0.22)。
  • 膈上淋巴结肿大与ALDH3A2丰度降低相关(p=0.02,AUC=0.192),与MAGEA4丰度升高相关(p=0.046,AUC=0.768)。
  • 腹膜病变部位数量与ALDH3A2水平升高相关(p=0.03,τ=0.36),与CRIP2水平升高相关(p=0.01,τ=0.378)。
  • 腹膜病变形态与MAGEA4丰度相关(p=0.04,τ=−0.343)。
  • 无或弥漫性腹膜病变患者MAGEA4中位数分别为2.31和2.31,高于以弥漫性为主或以结节性为主患者的−0.233和−1.51。

诊断标准与关键数值

  • 两名放射科医生对CT定性特征的绝对一致率范围为75%(κ=0.32,变量为肿块内部结构)至100%(κ=1.0,多数变量)。
  • AUC大于0.5表示影像特征与蛋白表达水平呈正相关,AUC小于0.5表示负相关;τ正值表示正相关,负值表示负相关。
  • 聚类部位熵与STXBP2丰度正相关(p=0.007,τ=0.432),与ASS1负相关(p=0.011,τ=−0.364)。
  • 聚类标准差与STXBP2正相关(p=0.05,τ=0.453)。
  • 聚类相异性与STXBP2正相关(p=0.03,τ=0.368),与ASS1负相关(p=0.009,τ=−0.427),与CKB负相关(p=0.047,τ=−0.326)。

临床应用与阅片要点

  • 作者指出肠系膜肿瘤受累是初次肿瘤细胞减灭术已知的重要限制因素,其与CRIP2蛋白丰度呈负相关,且经多重检验校正后仍显著。
  • 作者指出膈上淋巴结肿大导致患者分期上调至IV期,其与MAGEA4蛋白丰度呈正相关。
  • 作者认为CT测量的肿瘤异质性越高,ASS1表达越低,支持既往发现CT测量的高肿瘤异质性可预测更差生存。

局限性

  • 研究主要受回顾性设计、研究人群少和缺乏验证队列的限制。
  • 由于样本量小,提取CT纹理特征存在不可避免的偏倚,有假阳性和假阴性结果的风险。
  • 蛋白筛选过程可能筛掉了可能重要的蛋白。
  • 需要进行更大规模的研究,以对影像特征和纹理指标与CLOVAR亚型的关联以及整合影像、基因组和蛋白质组数据预测治疗反应和结局进行更确切的分析。
  • 由于TCGA/TCIA是迄今唯一公开可用的具有影像、蛋白质组和基因组数据的高级别浆液性卵巢癌患者队列,本研究被设计为小型假设生成研究而非验证性研究。
全文中译13 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:Eur Radiol. 2020 Apr 6;30(8):4306–16. doi: 10.1007/s00330-020-06755-3

引言

据估计,2019年美国将有超过14,000名女性死于上皮性卵巢癌,其中绝大多数为高级别浆液性卵巢癌(HGSOC)[1]。尽管卵巢癌的治疗有所改善,但由于对标准化铂类化疗的耐药性,复发率仍然很高,无病生存期和总生存期均较差[2]。虽然一些临床病理因素,如年龄、分期、组织学分级和手术减瘤状态,已被证明是卵巢癌患者预后的重要指标,但仍缺乏可靠的可预测治疗反应和预后的生物标志物[3]。

多项研究已鉴定出与HGSOC患者预后相关的遗传标志物[4–7],其中TP53是主要的驱动突变[8, 9]。利用基因表达进行风险分层仅在一部分患者中可靠[6],因为基因功能不一定与相应的基因产物(如蛋白质)功能相关。癌症基因组图谱(TCGA)研究对412例病例进行了分析,使用反相蛋白阵列,鉴定出卵巢癌蛋白质驱动指数(PROVAR),能够对具有不同复发和生存风险的患者进行分类[10]。此外,临床蛋白质组肿瘤分析联盟对先前经TCGA分析的174例卵巢肿瘤进行了基于质谱的蛋白质组学分析,并将这些数据与全外显子组测序的基因组水平数据进行整合[11]。该工作表明,选定蛋白质的丰度与基因组变化相关,如染色体结构异常、拷贝数改变和同源重组缺陷状态。此外,蛋白质特征被鉴定为患者生存的强独立预测因子。

计算机断层扫描(CT)成像以及在选定病例中的磁共振成像(MRI),用于评估HGSOC患者的疾病范围和监测治疗反应。迄今为止,已有少数研究将影像组学特征分析应用于卵巢癌患者。他们表明,MRI衍生的影像组学特征可以区分良性和恶性卵巢肿块,准确率高达87%[12]。此外,卵巢癌患者的CT影像组学特征与治疗反应[13]、无进展生存期[14, 15]和总生存期[15]相关,并可识别复发风险较高的患者[16]。我们课题组最近的工作侧重于评估CT成像特征和纹理指标与基因组学数据及患者预后之间可能的关联[17–19]。临床、蛋白质组学和影像组学数据的整合可能有助于根据进展风险对患者进行分层,从而实现个体化治疗[20]。

在这项假设生成性的初步研究中,我们在一个小的HGSOC患者队列中研究了CT成像特征和纹理指标与蛋白质组学数据之间的关联。

材料与方法

研究人群

这是一项多机构、经机构审查委员会批准、符合《健康保险携带和责任法案》(HIPAA)的回顾性研究,所有参与癌症基因组图谱-卵巢癌(TCGA-OV)影像研究组的机构均豁免知情同意[21]。

纳入标准如下:(1)确诊为高级别浆液性卵巢癌(HGSOC),(2)已提交HGSOC组织并由TCGA进行分析,(3)未接受新辅助化疗,(4)在初次肿瘤细胞减灭术前进行了腹部和盆腔静脉对比增强CT检查,(5)有蛋白质相对丰度测量数据。最终患者队列包括20例患者。图1和图2总结了实验设计。所有患者均被纳入两项先前研究,这两项研究分别在单中心[17]和多中心[21]环境中评估了卵巢癌分类(CLOVAR)亚型特征与CT特征之间的关联。所有患者还被纳入另外两项研究,这两项研究评估了基于CT的纹理测量在量化HGSOC患者部位间肿瘤异质性以及部位内和部位间联合肿瘤异质性方面的可行性[17, 22]。这些先前研究均未涉及蛋白质丰度数据的任何分析。

图1 研究流程图。本研究中分析的患者属于TCGA数据集的一部分(n = 169)。在对转录本表达变异系数和Spearman相关分布分别进行boxCox归一化后,使用Student t检验(p值 < 0.1)筛选出在原发部位和转移部位之间表达稳定且与转录本丰度高相关的候选蛋白质(共5504个)(n = 107例HGSOC患者,TCGA和CPTAC)。47个基因同时表现出原发部位和转移部位之间变量相关性低(529个候选)以及在蛋白质和转录本水平高度相关(569个候选)。其中,16个蛋白质与氨基酸代谢相关并被选定用于最终分析。20例患者有可用的CT数据。评估了33个由放射科医师评分的影像学特征和3个基于CT的部位间肿瘤异质性纹理测量指标,并计算了它们与16个癌症蛋白质的相关性 查看原图 ↗
图2 实验工作流程概述。对每例患者,获取了33个影像学特征、来自单部位肿瘤活检的蛋白质组学数据以及部位内和部位间肿瘤异质性纹理测量指标。将33个影像学特征以及部位内和部位间异质性测量指标与蛋白质组学数据进行相关性分析 查看原图 ↗

图像分析

获得了36个图像特征,包括Vargas等人研究中使用的33个由放射科医师评分的CT影像学特征(如病灶大小和侧别、腹膜病变位置、受累淋巴结站以及转移位置)和3个计算机提取的纹理指标[21]。所有CT衍生变量见表1和表2。

CT图像是癌症影像档案库(The Cancer Imaging Archive,https://cancerimagingarchive.net)[24]中TCIA TCGA-OV [23]集合的一部分,该档案库是由NCI支持的匿名医学图像档案库。病例在基于云的虚拟机上使用ClearCanvas with Annotation and Imaging Markup查看软件(西北大学)[25]进行审阅。DICOM格式的图像数据以及本文生成的特征和分割结果可在10.7937/TCIA.2019.9stoinf1 [26]获取。

表1 本研究中使用的基于CT的图像特征,包括可能取值、汇总统计量和读者间一致性 查看原表 ↗
表2 本研究中使用的纹理特征及汇总统计量 查看原表 ↗

基于CT的定性影像学特征

CT成像特征由两名放射科医师(E.S.和H.A.V.;分别具有17年和12年卵巢癌影像学经验)独立评估,他们对患者的临床、病理和蛋白质组学数据设盲。CT成像特征评估的详细信息见Vargas等的研究[17]。简言之,每位阅片者分别在电子病例报告表上记录影像学判读结果,该报告表上传至中央服务器,经汇总后提交进行统计分析。卵巢肿块和腹膜病变均予以评估。若存在可定义的卵巢肿块,则记录其特征,包括侧别、最大径、内部结构以及是否存在钙化和/或分隔。同时记录是否存在可定义的腹膜种植灶及其具体位置(小肠系膜、大网膜、结肠旁沟、道格拉斯窝、脾周/左上腹区域、小网膜囊以及肝周/右上腹区域)。淋巴结病变定义为短轴径超过各部位特定的预设大小阈值或具有特定影像学表现,详见Vargas等[21]。

若两名放射科医师在某项分类特征(如肠系膜是否存在腹膜病变)上意见不一致,则由第三名放射科医师(L.B.,培训第5年)担任仲裁者。对于定量特征,如病灶大小,取两名放射科医师测量值的平均值。同时记录存在腹膜病变的部位数量,并将其视为一项额外的人工判读特征。淋巴结病变和实质内转移的存在与否亦按此处理。

基于CT的纹理分析

图像分割和纹理特征提取的详细描述见Veeraraghavan等[22]。分析采用5 mm层厚。由于使用了不同机构不同厂商的CT设备,kVp各不相同。简言之,两名肿瘤影像学研究研究员(分别具有4年和6年经验,M.M.、S.N.)经共识手动分割原发性卵巢肿瘤及腹部和盆腔所有转移性肿瘤种植灶。分割使用3DSlicer[27]进行,通过在每一层面上勾画每个病灶的轮廓以生成感兴趣体积(VOI)。共计对14个不同解剖区域的肿瘤负荷进行了手动分割。使用基于Insight ToolKit[28]以C++实现的自研软件,在手动勾画的VOI内计算体素级Haralick纹理(能量、熵、对比度和均匀性)。通过使用核K均值方法[29]对Haralick纹理进行体素级聚类,计算各部位特定的亚区域。聚类后,肿瘤部位被划分为具有相似纹理特征的不同亚区域。计算部位内和部位间异质性(IISTH)指标(即聚类部位熵、聚类标准差和聚类不相似度)。IISTH指标总结了每位患者所有肿瘤部位间的异质性。各疾病部位之间差异越大,IISTH指标越高。

蛋白质丰度测量

鉴于TCGA患者的分子谱基于原发性卵巢肿瘤标本,而我们的影像学测量针对的是疾病的转移模式,我们试图在一位卵巢癌患者的原发瘤和转移瘤之间识别保守的蛋白质,然后将这些蛋白质与TCGA中与影像学转移模式和蛋白质组学谱相关的蛋白质进行交叉参照。来自CPTAC对107例TCGA HGSOC患者分析的蛋白质相对丰度测量数据涵盖3377种蛋白质(标准化对数比值,在两个机构间进行标准化),这些数据取自Zhang等[11]。当存在多次测量时,对其丰度取平均值。

由于本研究仅纳入20例患者,对3377种蛋白质的蛋白丰度与CT影像特征及纹理特征进行简单相关分析会产生大量假阳性结果。因此,下文所述工作流程的目的是减少用于最终分析的蛋白质数量。首先,基于原发灶与转移灶之间转录本表达保守性的证据以及转录本与蛋白丰度水平之间的一致性,对3377种蛋白质进行优先排序以纳入分析。将来自一名HGSOC患者[30]的原发肿瘤及多个转移部位(脾、右上腹、肝和阴道残端)的转录本表达(Affymetrix)数据(参考文献[30]补充表2),与来自原发HGSOC肿瘤(n = 107)[31]的转录本表达(mRNA-seq)数据及同一病例集(n = 107)[11]的匹配蛋白表达数据,按基因名合并,最终获得5504个共同测量的蛋白质和转录本矩阵(参考文献[11]补充表1)。其次,Jimenez-Sanchez等[30]报道的原发灶与转移灶之间转录本表达的变异系数(CV)值,以及基于n = 107例患者计算的转录本与蛋白表达的Spearman相关系数,使用R(版本3.3.2)中的boxCox函数进行归一化。通过T检验分析与正态分布进行比较,以p值 < 0.1为显著性阈值,筛选出在原发灶与转移灶之间CV较低(即表达稳定、不依赖于转移部位)且表达水平与其蛋白质高度相关的转录本。这些分析确定了529个在原发灶与转移灶之间表达保守的候选者以及569个在蛋白质和转录本水平高度相关的候选者;其中47个在这两项分析之间存在交集。为进一步减少蛋白质数量,我们使用MetScape[32]基于蛋白质的分子功能及其相互作用进行优先排序。16种蛋白质与氨基酸代谢调控相关(p < 0.001)。这16种蛋白质的选择仅基于其汇总统计量(原发灶与转移灶之间转录本表达的变异系数、转录本与蛋白表达之间的相关性)和分子功能,而在选择这些蛋白质时未以任何方式考虑影像特征的相关性。最后,这16个候选者被纳入后续分析,以识别那些与临床影像特征进一步相关的蛋白质(图1)。16种蛋白质见补充表1。

统计方法

计算了用于评估两位放射科医师之间一致性的百分比一致率和Cohen's kappa系数,涵盖所有基于CT的影像特征。评估了蛋白质表达水平与基于CT的影像特征之间的单变量关联,这些影像特征在既往结果中提供了预后价值的证据(如Vargas等[21]的研究所发现的肠系膜腹膜病变的存在及弥漫性——非肿块形成性——腹膜受累;腹膜病变部位数量;肝脏腹膜病变的存在;直肠子宫陷凹种植灶的存在;膈上淋巴结肿大的存在;以及离散卵巢肿块不可见)。对于二分类影像特征,采用Mann-Whitney U检验评估这些关联,比较具有该特征的患者与不具有该特征的患者之间特定蛋白质的表达水平。报告受试者工作特征曲线下面积(AUC)作为该关联强度和方向的度量指标。对于定量特征,通过对Kendall tau秩相关系数的推断来评估这些关联。

通过对Kendall tau秩相关系数的推断,评估了纹理放射组学特征(聚类部位熵、聚类标准差和聚类不相似度)与蛋白质相对丰度之间的单变量关联。采用Benjamini-Hochberg程序校正多重假设检验。所有检验均在α = 0.05水平下进行。

结果

患者特征与疾病分布

患者特征见表3。肿瘤部位数量的中位数为6个(范围1–11)。肿瘤体积的中位数为192 cm³(范围12–2574 cm³),其中最高者为卵巢肿块的肿瘤体积,中位数为80 cm³(范围0–600 cm³)。图3展示了各解剖亚区域的肿瘤体积。

表3 用于分析的20例患者的临床特征 查看原表 ↗
图3 展示了纳入最终分析的20例患者各亚区域的肿瘤体积。LUQ,左上腹:水平线表示中位值 查看原图 ↗

基于CT的影像特征在阅片者间的一致性

基于CT的影像特征在阅片者间具有良好至极好的一致性,绝对一致率范围从变量“肿块内部结构”的75%(κ = 0.32)到大多数变量的100%(κ = 1.0)一致性(表1)。

CT影像特征与多种蛋白质的丰度相关

四种CT成像特征与多种蛋白质的丰度相关(表4)。例如,肠系膜病变与CRIP2水平降低相关(p = 0.0002,AUC = 0.05)以及与GPI水平降低相关(p = 0.004,AUC = 0.22)。膈上淋巴结肿大与ALDH3A2丰度降低相关(p = 0.02,AUC 0.192)以及与MAGEA4丰度升高相关(p = 0.046,AUC = 0.768)。腹膜病变部位数量与ALDH3A2水平升高相关(p = 0.03,τ = 0.36)以及与CRIP2水平升高相关(p = 0.01,τ = 0.378)。腹膜病变的形状与MAGEA4的丰度相关(= 0.04,τ = − 0.343)。通过Benjamini-Hochberg方法进行多重检验校正后,CRIP2与膈上淋巴结肿大存在之间的相关性仍然显著(校正p = 0.03)。无腹膜病变或弥漫性腹膜病变患者的MAGEA4水平(中位数分别为2.31和2.31)高于以弥漫性为主或以结节性为主病变的患者(中位数分别为− 0.233和− 1.51)。

表4 蛋白质丰度与既往发现在HGSOC患者中具有预后意义的基于CT的成像特征之间的关联。本表仅纳入p值小于0.05的关联。AUC值大于0.5表示成像特征与蛋白质表达水平之间呈正相关,而AUC值小于0.5表示负相关。τ为正值表示成像特征与蛋白质表达水平之间呈正相关,而负值表示负相关 查看原表 ↗

基于CT的瘤内和瘤间异质性指标与多种蛋白质的丰度相关

三种蛋白质的蛋白质丰度与瘤内和瘤间肿瘤异质性纹理指标相关(表5)。例如,簇部位熵与STXBP2的丰度呈正相关(p = 0.007,τ = 0.432),与ASS1呈负相关(p = 0.011,τ = − 0.364)。簇标准差与STXBP2呈正相关(p = 0.05,τ = 0.453)。簇不相似性与STXBP2呈正相关(p = 0.03,τ = 0.368),与ASS1呈负相关(p = 0.009,τ = − 0.427),与CBK呈负相关(p = 0.047,τ = − 0.326)。然而,通过Benjamini-Hochberg方法进行多重检验校正后,这些关联均不显著。

表5 HGSOC患者中基于CT的纹理指标与蛋白质丰度之间的关联。本表仅纳入p值小于0.05的关联。τ为正值表示纹理指标与蛋白质表达水平之间呈正相关,而τ为负值表示负相关 查看原表 ↗

讨论

在这项假设生成研究中,我们探讨了高级别浆液性卵巢癌(HGSOC)患者的CT成像特征及基于CT的肿瘤异质性纹理测量与蛋白质丰度之间的关系。本研究是NCI倡议工作的一部分,旨在将TCGA可获取的蛋白质组数据与TCIA卵巢癌项目中收集的患者匹配CT图像相结合。我们的结果提供了初步证据,提示成像特征、基于CT的肿瘤异质性纹理测量与多种蛋白质的丰度之间可能存在关联。这些结果是朝着开发整合临床、蛋白质组和影像组学数据的模型迈出的一步,以预测有意义的临床终点并促进个体化治疗。

肠系膜的肿瘤累及是初次减瘤手术中已知的重要限制因素,其与富含半胱氨酸蛋白2(CRIP2)的蛋白质丰度呈负相关。该相关性即使经多重检验校正后仍具有显著性。CRIP2调控细胞增殖,并作为抑癌基因发挥作用[33, 34]。此外,存在膈上淋巴结肿大导致患者被上调分期至IV期疾病,与MAGE家族成员A4(MAGE4)的蛋白质丰度呈正相关。卵巢癌细胞中MAGE4表达增高是与较差总生存期相关的死亡率的独立预测因子[35]。

本研究还首次提供了基于CT的肿瘤异质性测量与蛋白质丰度之间可能关联的初步见解。最有趣的关联是与精氨基琥珀酸合成酶1(ASS1)的关联。已知HGSOC细胞表达高水平ASS1[36, 37],该蛋白水平降低在体外和体内与铂类药物耐药相关,并与较差预后相关[38]。我们发现异质性更高的肿瘤中ASS1表达低于异质性更均一的肿瘤。这将支持既往发现,即通过CT测量的较高肿瘤异质性可预测较差生存[18]。

迄今为止,已有少数研究将影像组学应用于卵巢癌患者,主要评估纹理特征表征肿瘤组织的能力[15, 17, 39, 40]以及预测结局的能力[14, 15, 17, 18, 21, 22, 39]。据我们所知,我们的工作首次在HGSOC患者中整合了蛋白质组和影像组学数据,从而促进了实现肿瘤患者精准医学所需的多层次数据整合[20]。

我们的研究主要受限于回顾性设计、研究人群较少以及缺乏验证队列。由于样本量小,提取CT纹理特征时存在不可避免的偏倚,具有假阳性和假阴性结果的风险。因此,我们预先仅选择三个纹理指标来评估IISTH,这些指标已在更大规模的研究中被验证可预测HGSOC患者的治疗反应和生存[18, 19]。此外,蛋白质选择过程可能筛除了可能重要的蛋白质。然而,我们认为该方法是合理的,因为本研究的主要目的是减少所选蛋白质的数量,以避免蛋白质表达与CT数据之间的假阳性相关性。需要更大规模的研究来更确切地分析影像特征和纹理指标与CLOVAR亚型之间的关联,以及整合影像学、基因组学和蛋白质组学数据来预测治疗反应和结局。然而,由于TCGA/TCIA是迄今为止唯一公开可用的具有影像学、蛋白质组学和基因组学数据的HGSOC患者队列,本研究被设计为一项小型假设生成研究而非验证性研究。

总之,本研究首次揭示了CT影像特征和基于CT的肿瘤负荷异质性纹理指标与几种肿瘤相关蛋白丰度之间的潜在关联。未来需要更大规模的前瞻性研究,例如正在应用蛋白质基因组学组织学习与结局(APOLLO)研究网络中开展的研究,来验证我们的发现,并实现临床数据、蛋白质组学和影像组学的整合以指导个体化治疗。

电子补充材料

16种所选蛋白质的蛋白质丰度(DOCX 17 kb)

引用

  1. Beer L, Sahin H, Bateman NW, et al. Integration of proteomics with CT-based qualitative and radiomic features in high-grade serous ovarian cancer patients: an exploratory analysis. Eur Radiol. 2020. PMID: 32253542. doi:10.1007/s00330-020-06755-3
  2. 全文:PMC7338824(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7338824/

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。