多参数功能MRI与18F-FDG-PET预测接受(放)化疗的头颈部鳞状细胞癌患者生存
前瞻性单中心研究纳入70例接受根治性(放)化疗的头颈部鳞状细胞癌患者,提取原发灶和淋巴结转移灶的DWI/IVIM、DCE-MRI及18F-FDG-PET/CT参数。多模态CoxBoost分析显示,HPV状态、中毒史、ADCGTV、Ktrans、Ve预测无局部区域复发生存(C-index=0.546,p=0.023),N分期、HPV状态、下咽部位、ADCGTV、ADCmean、D*、Ktrans、Ve、SUVmax、TLG预测总生存(C-index=0.664,p=0.046)。
要点
- DWI/IVIM、DCE-MRI与18F-FDG-PET/CT参数可互补反映肿瘤细胞密度、灌注通透性和代谢特征。
- HPV阴性、中毒史、原发灶ADCGTV大、Ktrans高、Ve高对无局部区域复发生存有预测价值。
- 除上述因素外,高ADCmean、高D*、高SUVmax、高TLG及下咽部位对总生存有额外预测价值。
关键影像表现/征象
- 18F-FDG-PET参数与DWI/DCE体积参数间存在显著相关(r>0.442,p<0.002)。
- 原发灶ADCGTV、D、f、D*、DCEGTV及所有18F-FDG-PET值在晚期T分期肿瘤中显著更高(均p≤0.02)。
- 晚期N分期肿瘤中原发灶ADCGTV和Ve显著更高(分别为p=0.021和p=0.023)。
- HPV阴性肿瘤中ADCmean、D、D*、SUVmax、SUVmean、SUVpeak显著高于HPV阳性肿瘤(p<0.043)。
- 淋巴结转移灶中Kep及所有18F-FDG-PET参数在晚期N分期中显著更高(分别为p=0.025和p≤0.016)。
诊断标准与关键数值
- 无局部区域复发生存的多模态CoxBoost模型纳入HPV(HR=0.903)、中毒史(HR=1.065)、原发灶ADCGTV(HR=1.252)、Ktrans(HR=1.223)、Ve(HR=1.215),C-index=0.546,p=0.023。
- 总生存的多模态CoxBoost模型纳入N分期(HR=1.058)、HPV阳性(HR=0.886)、下咽肿瘤部位(HR=1.111)、ADCGTV(HR=1.102)、ADCmean(HR=1.137)、D*(HR=0.862)、Ktrans(HR=1.106)、Ve(HR=1.195)、SUVmax(HR=1.094)、TLG(HR=1.433),C-index=0.664,p=0.046。
临床应用与阅片要点
- 治疗前可联合采集DWI/IVIM、DCE-MRI与18F-FDG-PET/CT,以互补获取肿瘤细胞密度、灌注通透性和代谢信息。
- 原发灶ADCGTV、Ktrans、Ve及HPV状态、中毒史可用于无局部区域复发生存的风险分层。
- 总生存预测除上述因素外,还需关注ADCmean、D*、SUVmax、TLG及下咽部位。
- 原文指出这些肿瘤特征可能用于靶向亚体积的剂量绘画放疗。
局限性
- 原文未报告局限性。
全文中译19 节 · 点击展开
引言
在晚期头颈部鳞状细胞癌(HNSCC)患者中,(放)化疗是标准的保留器官治疗方法;然而,仍有50%(35–65%)的复发率[1]。除临床和组织学参数外,还需要其他精细的生物标志物来对患者进行分层以优化治疗(例如降阶梯、升阶梯或转为手术)[2, 3]。能够正确识别预后良好的患者可能有助于调整治疗,以在不影响疗效的情况下减少长期毒性[4]。
功能成像技术可捕捉多种生物学特征,如细胞密度、灌注、通透性和葡萄糖代谢。
组织微结构(即细胞密度、坏死、间质、出血)可通过弥散加权MRI(DWI)评估,并通过表观弥散系数(ADC)进行量化。DWI的扩展技术是体素内不相干运动(IVIM),无需注射对比剂即可同时评估弥散和灌注分数[5–7]。
灌注和血管通透性可通过动态对比增强(DCE)MRI评估,并通过Ktrans(对比剂从血浆到血管外细胞外间隙的转运速率)、Ve(细胞外血管外间隙的容积分数)和Kep(对比剂从血管外细胞外间隙到血浆的转运速率)进行量化[8]。
葡萄糖代谢可通过18F-氟脱氧葡萄糖(18F-FDG)正电子发射断层扫描(PET)评估,并通过标准化摄取值(SUV)进行量化[9]。
联合多种模态可能通过捕捉多种肿瘤特征来提高预测准确性。这可能具有临床意义,如指导治疗计划、早期治疗反应评估和预后预测[7, 10–15]。相反,重叠的参数可能冗余,并可能降低方案效率[16]。DWI和IVIM-MRI、DCE-MRI以及18F-FDG-PET对原发肿瘤(PT)和淋巴结转移(LNM)参数的预测价值仅在研究中零星描述,未使用多变量Cox回归分析[14, 17–20]或纳入临床参数(如HPV状态)[15, 21–24]。
本研究的目的是评估(I)弥散加权(DWI)、体素内不相干运动(IVIM)、动态对比增强(DCE)MRI和18F-FDG-PET/CT成像参数捕捉肿瘤特征之间的相关性,以及(II)这些参数对接受(放)化疗的头颈部鳞状细胞癌(HNSCC)患者局部区域无复发生存(LRFS)和总生存(OS)的预测价值。
材料与方法
患者选择
这项前瞻性单中心研究经我们伦理委员会批准(试验号 NL3946,NTR4111),所有患者均获得书面知情同意。2013年至2018年间连续纳入既往未经治疗、组织学证实为头颈部鳞状细胞癌(HNSCC)、计划接受根治性(放)化疗、并接受18F-FDG-PET/低剂量CT和DWI-DCE-MRI检查的患者。排除标准为鼻咽部肿瘤、年龄<18岁及图像质量不合格。基线影像检查后5周内开始治疗,包括预先确定的放疗(70Gy分35次,7周内完成,或加速方案70Gy分35次,6周内完成),伴或不伴同步化疗(每3周100 mg/m2顺铂),或西妥昔单抗(放疗开始前400 mg/m2,之后每周250 mg/m2,共7周)。HPV状态通过p16免疫染色确定,对p16免疫阳性病例进一步行DNA-PCR检测。在临床实践中,对于口咽部以外的病变,HPV阳性与HNSCC无因果关系[25],且不常规检测HPV状态,因此在生存分析中排除。定性变量转换为数值:性别(女性=0,男性=1)、T分期(T2=2,T3=3,T4=4)、N分期(N0=0,N1=1,N2=2)、HPV(阴性=0,阳性=1)、部位PT(口咽=1,下咽=2)、吸烟(包年)、饮酒(<3单位/天=0,≥3单位/天=1)、中毒情况(无=0,吸烟<10包年=0,饮酒<3单位/天=0,吸烟(>10包年)或饮酒(>3单位/天)=1,吸烟且饮酒=2)[26]。
影像学
MRI在3.0T Ingenuity MR扫描仪(Philips Healthcare)上使用16通道神经血管线圈进行。DWI采用脂肪抑制单次激发自旋回波回波平面成像(SS-SE-EPI);TR=500 ms,TE=105 ms;回波平面成像因子=35;敏感度编码因子=3.5;视野=230×230 mm;层厚=2 mm;层间距=0.3 mm;矩阵=128×128;接收带宽=2735.7 Hz/像素。使用10个b值:0、10、25、50、75、150、300、500、750和1000 s/mm2。ADC图由厂商提供的软件生成。
DCE-MRI采用三维T1加权快速场回波(FFE);TR/TE=4.8/2.4 ms;翻转角=12;FOV=230×230×180 mm;矩阵=144×144;75次动态采集,每次4.16 s;信号平均次数=2。动态扫描前先行不同翻转角(2、5、10、15和20)扫描以估算定量原生T1图,随后用于将DCE扫描的信号强度转换为对比剂浓度曲线图[27]。在3次动态采集后经静脉团注0.2 ml/kg体重的Gd-DOTA(Dotarem,法国)(3 ml/s,随后以25 ml生理盐水冲洗)。
18F-FDG-PET/低剂量CT按照EANM指南2.0在具有EARL认证的Gemini TF-PET/CT(Philips Healthcare)上进行[28]。行低剂量CT(120 kV;30 mAs)。全身18F-FDG-PET/CT在放疗面罩内双臂下垂位进行,从大腿中部至颅顶,静脉注射2.5 MBq/kg 18F-FDG后60分钟,每个床位2分钟。18F-FDG-PET图像使用厂商提供的重建方案进行重建,含光子衰减校正,矩阵大小=144×144,体素大小=4×4×4 mm。重建后分辨率为5 mm半高全宽。
勾画
全病灶勾画由两名独立观察者(J.C.和P.dG.,分别具有30年和15年头颈部影像学经验)在ADC图和DCE图上手动完成。其中,T1w、STIR和T2w图用于解剖学对照,勾画时知晓TNM分期和肿瘤位置,但对治疗结局设盲。此外,还勾画了患者最大的淋巴结转移灶。DWI/IVIM勾画使用VELOCITY软件(Varian)完成。为评估观察者间变异性,计算了相关性(Pearson r)、差异(Wilcoxon符号秩检验)和勾画重叠度(Dice指数)。
18F-FDG-PET/CT勾画由一名核医学专家(B.Z.)采用半自动勾画法完成,使用肿瘤特异性SUVpeak的50%作为阈值,并针对血糖水平进行校正。该方法的具体细节已在先前发表[29]。
特征提取
从每位观察者的PT和LNM全病灶ROI中提取影像参数。在各影像图上计算每个ROI的解剖学总病灶体积,即大体肿瘤体积(GTV)(ADCGTV、DCEGTV和代谢活跃肿瘤体积(MATV))。以下定量影像特征由每位观察者通过取全病灶ROI内所有体素的平均值计算得出。
灌注分数(f)、灌注系数(D*)和扩散系数(D)的IVIM特征提取在运动校正后使用Olea Sphere(Olea Medical,La Ciotat,法国)完成。
DCE-MRI分析使用自建软件(Dynamo;[27])处理,采用两室Tofts模型[8]进行定量药代动力学分析,患者特异性动脉输入函数(AIF)通过手动勾画颈外动脉最颅侧部分获得。提取以下特征:Ktrans(对比剂从血浆转运至血管外细胞外间隙的速率);Ve(细胞外血管外间隙的容积分数);Kep(对比剂从血管外细胞外间隙转运至血浆的速率)。
18F-FDG-PET/CT自建软件(Accurate;[28])基于ROI内所有纳入体素自动计算SUVmax、SUVmean和SUVpeak(即8个最高体素的峰值),以及全病灶MATV和总病灶糖酵解(TLG = SUVmean × MATV)。
统计分析
分析采用上述提取参数在两名观察者间的平均值。
分别评估PT和LNM参数之间的相关性(Pearson相关系数)。T分期、N分期和中毒状态之间影像参数的差异采用Kruskal-Wallis检验评估。为捕捉HPV状态特异性肿瘤特征,评估了局部区域控制(LRC)与失败(即复发;LRF)患者以及生存与死亡患者之间参数的关联(单因素Cox回归分析)。应用Bonferroni多重检验校正。
首先评估预测LRF和死亡的参数(单因素Cox回归分析;显著性阈值;p < 0.05)。
其次,对所有PT参数按每种模态分别进行多变量Cox回归分析,采用向后Wald检验(根据Tripod声明[30, 31],p值显著性阈值为0.157)。每种模态的所有定量参数通过在后向Wald消除分析中联合,对显著临床参数(性别、年龄、T分期、N分期、PT位置、中毒)进行校正。
此后,进行CoxBoost分析,通过基于组件似然的boosting拟合Cox比例风险模型,以处理相对于事件数的特征数量问题。使用500个bootstrap样本的bootstrap交叉验证进行内部验证。由于N0患者缺乏LNM参数,这些LNM参数在多模态CoxBoost分析中被排除,以保持统计稳健性。
所有预测性PT参数当其高于基于所有纳入患者的参数中位值时被赋予评分1。通过汇总积分,构建了风险分层系统。此后,评估RFS和OS,按T分期、AJCC(第7版)和风险评分进行分层(log-rank检验;Kaplan-Meier曲线)。
结果
患者特征
2013年至2018年间,连续招募了81名患者(图1)。9名患者因非治愈性或手术治疗被排除,2名因图像质量显著低下被排除。
最终研究人群由70名患者组成(表1),PT位于口咽部(n = 56)或下咽部(n = 14)。在口咽部肿瘤中,24名患者的HPV状态为阳性(43%)。54名患者接受了同步顺铂为基础的放化疗。10名患者接受了每周西妥昔单抗联合同步放疗(70Gy)。6名患者仅接受放疗。
平均随访时间为22.1个月(IQR 14.3–29.4)。17名患者(24.3%)出现局部区域复发。20名(28.6%)患者在随访期间死亡,所有死亡均与HNSCC相关(表1)。
各亚组影像参数的关联
在每个模态上绘制了70个原发肿瘤(PT)感兴趣区(ROI)和59个淋巴结转移(LNM)感兴趣区(最大LNM)(表1)。两位观察者的比较结果显示无显著差异值且观察者间相关性高(补充材料1)。原发肿瘤在DWI/IVIM勾画中的Dice指数为0.88,在DCE勾画中为0.85(未列表)。对于LNM,DCE勾画中的Dice指数为0.97,DWI/IVIM勾画中为0.92(未列表)。原发肿瘤ADCGTV、D、f和D*、DCEGTV以及所有18F-FDG-PET值(补充材料2)在晚期T分期肿瘤中显著更高(所有p ≤ 0.02)。在晚期N分期肿瘤中,PT ADCGTV和Ve显著更高(分别为p = 0.021和p = 0.023)。在HPV阴性肿瘤中,ADCmean、D、D*、SUVmax、SUVmean和SUVpeak显著高于HPV阳性肿瘤(p < 0.043)。在有 intoxications 的患者中,ADCmean、D和D*在不同类别间存在显著差异(所有p < 0.027)。
在LNM中(补充材料3),Kep和所有18F-FDG-PET参数在晚期N分期中显著更高(分别为p = 0.025,p ≤ 0.016)。在HPV阴性肿瘤中,D显著更高(p = 0.002),D*更低(p = 0.007),与HPV阳性肿瘤相比。在有 intoxications 的患者中,f显著更低(p = 0.026)。
模态间相关性
PT中18F-FDG-PET、DWI/IVIM和DCE衍生参数之间的模态间相关性(补充材料4)仅在GTV参数(ADCGTV、DCEGTV、TLG和MATV)、SUVpeak和SUVmean之间具有显著性(范围:r = 0.434–0.915)。在LNM中(补充材料5),仅LNM ADCGTV、MATV和DCEGTV的体积参数显著相关(范围:r = 0.399–725)。PT和LNM的模态内相关性(补充材料6)显示ADC参数(范围:r = 0.432–0.794)和DCE参数(r = 0.637–0.741)具有显著的内部中度相关性,18F-FDG-PET参数具有高相关性(r = 0.409–0.995)。
局部区域无复发生存
单因素分析(表2)显示,HPV阴性状态和合并 intoxications 与局部区域复发(LRF;分别为p = 0.036,p = 0.031)相关。原发肿瘤的高ADCGTV、DCEGTV、Ktrans、Ve和TLG值与LRF显著相关(所有p ≤ 0.047)。
按模态进行的多因素分析(表2),校正显著临床参数(即HPV和 intoxications)后,显示原发肿瘤高ADCGTV、DCEGTV、Ktrans、Ve和MATV仍对LRF具有预测性(所有p ≤ 0.048)。对于LNM,仅DCEGTV仍对LRF具有显著预测性(p = 0.018)。HPV阴性患者的亚组分析见补充材料7。
多变量CoxBoost分析(表4),结合所有模态和临床参数,显示HPV状态、intoxications、ADCGTV、Ktrans和Ve仍对LRF具有预测性(C指数为0.546)。对数秩检验(图2)显示这些风险因素对LRF具有显著预测性(p = 0.023)(图2b),而按T分期的风险分层(图2a)无显著预测性(p = 0.92)。
总生存
原发肿瘤单因素分析(表3)显示,临床参数HPV状态、PT位置、中毒(p ≤ 0.047),以及影像参数ADCGTV、ADCmean、D*、D、DCEGTV、Ve、MATV和SUVmax与OS显著相关(均p ≤ 0.047)。对于LNM,SUVmax、SUVmean和SUVpeak与OS相关(均p ≤ 0.015)。
在按单一模态进行的多因素分析中(表3),校正临床参数(即HPV状态、下咽部PT位置、中毒)后,ADCGTV(p = 0.004)、D*(p = 0.016)、DCEGTV(p = 0.001)、Ve(p = 0.019)、MATV(p = 0.088)和SUVmax(p = 0.001)仍对OS具有预测意义。在LNM中,仅SUVmax(p = 0.055,HR = 0.563)和SUVmean(p = 0.005,HR 3.536)仍对OS具有预测意义。HPV阴性患者的亚组分析见补充材料7。
结合所有模态的所有PT参数(包括所有临床参数)的多变量CoxBoost分析(表4)显示,N分期、HPV状态、PT位置、中毒、PT ADCGTV、ADCmean、D*、Ktrans、Ve、SUVmax和TLG仍对OS具有预测意义,C指数为0.664。
作为OS风险因素评分的预测参数(图2)在联合时于log-rank检验中具有显著预测意义(p = 0.046)(图2d),而按T分期的风险分层(图2c)则不显著(p = 0.188)。
讨论
本研究评估了治疗前DWI/IVIM、DCE-MRI和18F-FDG-PET/CT参数之间的相关性,以捕捉接受(放)化疗的咽部SCC患者中预测LRFS和OS的肿瘤特征。
肿瘤特征
晚期肿瘤(高T分期)和HPV阴性状态具有显著更高的扩散(高ADCmean、D)、更高的渗透性(Ktrans、Ve)和更低的灌注(低f和D*),意味着与早期肿瘤和HPV阳性肿瘤不同的肿瘤特征。这些参数也被发现与不良预后相关。这与文献一致,文献描述了由于凋亡/坏死导致的细胞密度降低(ADCmean和D升高)与治疗抵抗相关,从而与不良预后相关[18]。相反,在排除了ROI中坏死区域的研究中,在高细胞密度的高级别肿瘤中发现较低的ADC值。在本研究中,HPV阴性患者的ADC值高于HPV阳性患者,这与其他研究一致,无论是否包括[10]或排除[32–35]坏死区域。渗透性增加(Ktrans升高)可能由于肿瘤新生血管生成,其增加了未成熟功能不全血管的渗漏,从而增加了细胞外血管外空间的分数(Ve升高),导致更高的间质液压力和更低的血流[16, 36]。灌注减少(低血流量和血容量;分别为低D*和f)导致化疗药物和用于放射敏感性的氧气获取更差,并与不良预后相关。这种灌注减少见于更大、更晚期的肿瘤中,并提示低微血管密度、低流速和缺氧,这是由于功能不全的微血管和间质压力增加所致[16, 18, 37, 38]。高/增加的代谢也与不良预后相关,这可能由于晚期肿瘤的高/增加的葡萄糖需求[39],由于增殖的恶性细胞和间质组织。相反,由于营养和氧气供应获取减少导致的肿瘤中心代谢降低,导致伴有缺氧的坏死,也与不良预后相关[40]。这些肿瘤特征可用于靶向亚体积进行剂量涂抹放疗[2, 3, 15]。
无复发生存期
在本研究中,HPV状态、肿瘤体积(ADCGTV)、高Ktrans和高Ve的组合对局部区域控制的预测潜力优于临床上使用的基于T分期的风险分层。这些不利因素越多,无局部区域复发生存率越差。既往描述的Ktrans[21, 23]和Ve的预测价值在本研究中得到证实[22, 23]。相反,Ng等人[41]发现Kep、SUVmax、TLG以及LNM Ve和ADCmean是LRFS的预测参数。然而,他们的化疗方案不常见,勾画是在单层最大直径上进行的,且未评估HPV状态。在本研究中,ADCmean未发现对LRFS具有预测作用,这也得到了King等人[19]的证实。然而,在采用单一模态预测评估的小型研究中(N = 17例患者,[42];N = 40,[43];N = 32,[18]),低ADCmean被发现可预测LRFS。此外,我们发现18F-FDG-PET/CT参数在联合多模态时不再具有预测作用,这与Ng等人[22]的结果一致。然而,在单一模态研究中[9, 23],SUV参数被发现可预测LRFS。预测价值的此类差异可能由样本量、治疗方案以及是否纳入重要临床参数的多变量Cox回归分析等因素来解释[22]。
总生存
所有模态的联合分析显示,N分期、HPV阴性状态、下咽部PT位置和醉酒是总生存不良的危险因素。这与其他研究一致,他们发现下咽部PT位置[44]、饮酒[23]和HPV状态[24]为预测因素。
此外,大肿瘤体积(ADCGTV、DCEGTV、MATV)、Ktrans和Ve(如对不良LRFS具有预测作用)以及高ADCmean、D*、SUVmax和TLG,均可预测不良OS。这些不利因素越多,总生存越差。既往进行多变量分析的研究与这些发现一致,发现Ve[22]和Ktrans可预测OS。治疗前低ADCmean的发现与高细胞密度肿瘤相关,包括快速分裂的细胞,这些细胞对后续化疗和放疗更敏感,因此与更有利的预后相关[18, 19]。与LRFS预测因素相比,OS的额外预测因素的可能解释是,某些肿瘤组织结构,例如低弥散受限(高ADCmean)和高代谢侵袭性(高SUVmax和TLG)的异质性组织,对(放)化疗敏感性较低,这进一步降低了肿瘤控制和生存。
在既往研究中,吸烟、Ktrans、Kep[23, 41]以及一个异质性18F-FDG-PET/CT参数(18F-FDG-PET均匀性)被报道可预测OS。相反,各种临床参数与来自DWI联合IVIM、DCE和18F-FDG-PET/CT全谱系的显著参数相结合的显著预测价值此前未被描述。上述不良OS的危险因素被发现具有显著预测作用,而按T分期的分层则无显著预测作用。这意味着功能成像相对于基于形态学的临床分期具有额外的预测价值。
互补性与适用性
为了提高预测准确性,每种成像方式的互补价值对于捕捉预测性肿瘤特征的全貌很重要,例如肿瘤细胞密度、坏死、血管分布和代谢 [11–13, 16, 24]。先前描述的假设性重叠参数,如DWI、IVIM(例如ADCmean和D,两者均间接反映组织细胞密度)和DCE(例如Ktrans与Kep)[11, 12, 45],在本研究中相关性不明显。更晚期肿瘤中不同的异质性肿瘤结构(炎症、纤维化、坏死和缺氧)和/或HPV状态可能导致相关性丧失。未来研究需要进一步优化方案以及选择和评估定性和定量参数。
本研究强调了结合MRI和18F-FDG-PET/CT的优越性,这允许将重要的预测性临床参数,如HPV阴性状态、中毒(吸烟/饮酒)、下咽部肿瘤位置和N分期,与预测性定量成像参数:ADCmean(DWI)和D*(IVIM)、Ktrans、Ve(DCE)以及SUVmax和TLG(18F-FDG-PET/CT)相结合用于OS。通过这种方式,显示了在患者层面进行风险分层是可能的。此外,这可能改善患者护理,并通过识别和靶向预测不良结局的肿瘤亚体积为个性化治疗选择铺平道路 [7, 46]。
局限性
我们队列中事件发生率相对较低;因此,本研究应被视为假设生成性研究。此外,在前瞻性选择接受根治性(放)化疗的患者时排除手术治疗可能导致选择偏倚。
其次,尽管T分期依赖于大体肿瘤体积,但两者均被纳入预测分析,这可能造成混杂偏倚。尽管在本研究中GTV是在功能成像图(ADC和DCE图)上确定的,但未来研究应评估在解剖MRI序列上确定的GTV在预测分析中是否更准确。
第三,我们通过使用在颈外动脉测量的患者特异性AIF进行药代动力学建模分析。血流伪影以及高浓度对比剂可导致动脉浓度振幅不正确。这会影响Ktrans和Ve的最终计算,从而导致其被高估(例如,Ve可能大于1)。我们决定保留所获得的结果,但在未来研究中,我们打算校正AIF的血流伪影。
最后,LNM参数基于最大淋巴结转移灶的ROI,这可能错误地忽略了存在多个转移灶和由坏死肿瘤区域组成的不良影响,这些因素降低了平均肿瘤FDG摄取。LNM参数在多模态CoxBoost分析中被排除以保持统计稳健性,这可能限制了预测价值。此外,仅通过bootstrap交叉验证进行内部验证是可行的。这些局限性通过在子集中重复测试有限参数的bootstrap交叉验证进行良好设置的内部验证来管理。
结论
临床参数、HPV状态与DCE、IVIM-MRI及18F-FDG-PET/CT的结合在捕捉肿瘤特征方面提供了互补价值,并改善了对局部区域无复发生存期和总生存期的预测。HPV阴性状态、 intoxications(中毒/成瘾因素)、高肿瘤体积以及DCE成像上的渗透性和血管外细胞外间隙可预测局部区域复发和总生存期降低。此外,ADC图上的低细胞密度和18F-FDG-PET/CT上的高代谢还可预测不良总生存期。
电子补充材料
(DOCX 76 kb)
引用
- Martens RM, Koopman T, Lavini C, et al. Multiparametric functional MRI and 18F-FDG-PET for survival prediction in patients with head and neck squamous cell carcinoma treated with (chemo)radiation. Eur Radiol. 2020. PMID: 32851444. doi:10.1007/s00330-020-07163-3
- 全文:PMC7813703(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7813703/
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。