基于CT放射组学肿瘤栖息地的超声引导靶向活检:技术开发及在转移性卵巢癌中的初步经验
这项单中心前瞻性研究纳入6例疑似高级别浆液性卵巢癌患者,开发了一种将CT放射组学肿瘤栖息地图谱与超声图像融合、用于超声引导靶向活检的精准组织取样技术。所有患者均成功完成CT/US配准,盆腔较大肿瘤的融合精度较高(DSC 0.76–0.79),而较小的大网膜转移灶较低(DSC 0.37–0.53)。
要点
- CT放射组学栖息地图谱可与超声图像融合,用于超声引导的靶向活检。
- CT/US融合精度与肿瘤体积相关:盆腔较大肿瘤DSC为0.76–0.79,大网膜较小转移灶DSC为0.37–0.53。
- 6例中2例(33%)活检取材不足(脂肪或骨骼肌),分别与较小的大网膜肿瘤体积或高体重指数有关。
关键影像表现/征象
- CT图像上手动分割盆腔或大网膜可靶向肿瘤沉积,计算空间放射组学特征后经高斯混合模型聚类识别每个肿瘤病灶最多3个栖息地,并以彩色栖息地图叠加于CT图像。
- 超声图像上可显示与CT分割对应的肿瘤区域,融合图像中CT平面叠加于超声平面并突出显示栖息地图。
- 盆腔病灶肿瘤体积中位数520 cm3(范围448–592 cm3),大于大网膜病灶中位数103 cm3(范围16–295 cm3)。
- 患者5的两个放射组学不同栖息地的活检标本经H&E染色,组织形态学未见差异。
诊断标准与关键数值
- CT/US融合精度以Dice相似系数(DSC)量化,通过评估超声与CT上肿瘤区域的重叠程度计算。
- 盆腔病灶DSC分别为0.76和0.79,大网膜病灶DSC分别为0.37、0.43和0.53。
- 患者1因B型超声图像上肿瘤边缘不可见而无法计算DSC。
- 作者基于此工作推荐设定3 cm3阈值以确定高级别浆液性卵巢癌患者的肿瘤栖息地,并每个可靶向病灶生成不超过3个栖息地。
临床应用与阅片要点
- CT/US融合配准以耻骨联合前上缘为第一融合点,脐和髂前上棘作为第二和第三融合点,融合质量指示在8至10之间。
- 每个栖息地最多取2次活检,使用14G活检针,最多共6次活检。
- 作者推荐设定3 cm3阈值以确定肿瘤栖息地,并每个可靶向病灶生成不超过3个栖息地。
- 大网膜病灶因超声探头局部压迫导致腹前壁和大网膜位置变化,在前后轴上出现高度配准不良,融合精度较低。
局限性
- 采用刚体配准且CT采集与超声引导活检之间存在时间延迟,可能因意外变形产生偏倚。
- 精度评估基于有限数量的2D切片,可能无法最佳代表肿瘤体积。
- 因部分CT栖息地体积小,未能对所有CT栖息地均进行活检。
- 使用了三台不同CT扫描仪,层厚范围2至5 mm,以及四种不同重建算法,可能影响放射组学。
- 目前获得的数据证明了技术的可行性,但在评估肿瘤栖息地之间的分子差异方面有限,这些放射基因组关联现可在更大规模研究中检验。
全文中译12 节 · 点击展开
引言
改善患者分层是高级别浆液性卵巢癌(HGSOC)的一大挑战,患者内部及患者之间均存在基因组和肿瘤微环境异质性[1–4]。高基因组异质性与无进展生存期缩短相关[1, 2, 4–7]。
分子病理学已成为改善分层的关键,但单次活检无法评估肿瘤空间异质性,对该疾病多尺度复杂性的采样不充分。然而,由于操作的有创性,可从肿瘤获取的活检数量有限,因此需要指导采样。常规进行的医学扫描通过放射组学[8]提供了一种非侵入性解决方案,可定量捕获空间异质性,甚至如果在治疗过程中获取影像,还提供了纵向进行的可能性。
放射组学是指对从影像数据中提取的定量特征进行分析[8–10]。以空间方式分析放射组学特征通常通过提取肿瘤栖息区(tumour habitats)来实现。肿瘤栖息区被定义为具有不同局部放射组学表型(即纹理特征表达)的区域,其可能捕获不同的病理生理学[11, 12]。肿瘤栖息区可在多种影像模态上识别,包括计算机断层扫描(CT)、磁共振成像(MRI)或超声(US)。这些肿瘤栖息区可能代表具有不同基因组和转录组学特征的区域[12],并可用于理解肿瘤对靶向治疗的耐药性。事实上,空间放射组学与生物学相关性之间已发现一些关联[13, 14]。我们开发了患者特异性3D打印定制模具,以便从切除标本中对不同放射组学区域进行精确的多区域采样[12, 15],因为靶向活检是捕获相关肿瘤区域的关键。然而,在治疗期间序贯采样特定放射组学栖息区的方法尚未开发。
MRI或CT/US融合活检是一种新兴技术,可选择性地靶向感兴趣区域[16, 17]。MRI/US融合活检提高了检测尤其是临床显著性前列腺癌的准确性,同时减少了低级别癌症的检出[16, 18]。MRI或CT/US融合系统越来越多地用于靶向肝脏病灶,因为它们提高了靶向单独US无法检测的肿瘤的准确性[19]。迄今为止,尚无研究在HGSOC患者中应用影像引导的US融合活检。
本研究的目的是开发一种精准组织采样技术,该技术利用基于CT的放射组学肿瘤栖息区进行US引导的靶向活检,并可整合到HGSOC患者的临床工作流程中。
材料与方法
本单中心前瞻性研究经我院机构审查委员会批准。所有参与者均获得书面知情同意。研究流程图见图1。
研究参与者
研究参与者于2019年9月至2020年3月期间从剑桥大学医院连续前瞻性招募。纳入标准为年龄18岁或以上;放射学、临床或生化怀疑高级别浆液性卵巢癌(HGSOC);能够接受大网膜或盆腔病灶的超声引导活检;腹部和盆腔增强CT;以及愿意并能够参与。排除标准包括无法接受超声引导活检(血小板计数 < 50 G/l;凝血酶原时间 > 16 s)、正在接受抗凝治疗(华法林或利伐沙班),以及可靶向肿瘤体积小于3 cm3。八名患者符合纳入标准。其中两名患者,由于活检预约时专用超声机器不可用,我们未能进行超声引导融合活检。
CT采集与肿瘤分割
临床指示的增强CT扫描在三种不同扫描仪上采集,层厚范围为2至5 mm(表1)。使用软组织重建重建的门静脉期图像用于肿瘤分割。在识别出潜在可靶向病灶后,由一名处于第5年培训阶段的放射科医生(L.B.)在具有17年经验、卵巢癌成像特殊专长的委员会认证放射科医生(E.S.)监督下,使用Microsoft Radiomics App V1.0.28434.1(项目InnerEye https://www.microsoft.com/en-us/research/project/medical-image-analysis,Microsoft)手动分割以创建感兴趣体积(VOI)。
获取CT影像组学栖息区的计算工作
在两例有大网膜病变的患者(患者3和4)中,我们按照近期[20]提出的方法,对大网膜VOI进行了自动子分割(即勾画肿瘤的实性区域,排除脂肪等其他部分)。子分割仅用于两个大网膜肿瘤,因为盆腔病灶不含穿插脂肪且边界更清楚。
为每个VOI生成了影像组学特征图。影像组学图与传统影像组学特征的不同之处在于,纹理是针对VOI内每一个体素周围的邻域计算的;因此所得的“图”能够捕捉纹理病变的空间变化。具体而言,我们使用了窗口大小为5×5体素的滑动窗口算法。提取的纹理包括灰度共生矩阵能量、熵、和均值、相关性、归一化逆差矩、对比度、聚类阴影、聚类突出度和Haralick相关性[21]。逐块纹理图是通过计算以每个体素为中心的滑动窗口内的Haralick纹理值来实现的。在我们的案例中使用的滑动窗口为5×5体素。纹理值使用32个灰度级和二维方向性通过放射学研究计算环境(CERR)软件包(10.1118/1.1568978)提取。为避免影像组学特征的数学表述所产生的冗余,我们使用了主成分分析(PCA),一种降维技术。纹理图通过PCA分析映射到六个主成分(PC),该分析在一个由75例接受新辅助治疗前的高级别浆液性卵巢癌(HGSOC)患者组成的独立队列中保留了超过90%的方差。纹理特征图的主成分版本和Hounsfield单位值被用于通过称为高斯混合模型的聚类技术来定义栖息地。栖息地的最大可能数量设为3,这与每个病变被认为可行的最大靶向活检数量一致。最佳栖息地数量根据最小赤池信息准则(AIC)值自动选择。AIC是一种模型质量度量,可用于比较聚类结果。较低的AIC代表达到的最大准确性。聚类步骤产生的栖息地图随后以DICOM格式导出。计算使用MATLAB® R2019b(The MathWorks)完成。
超声引导下活检
所有参与者均由一位拥有9年经验的委员会认证妇科放射科医师(H.A.)使用Aplio i800超声系统(Canon Medical Systems,日本大田原)配合i8CX1 3.5 MHz凸阵探头(PVI-475BX;Canon Medical Systems)进行超声引导下活检。超声机连接有磁场发生器和电磁位置传感器,该传感器通过支架与连接在超声探头上的位置传感单元相连。使用市售软件Smart Fusion(Canon Medical Systems)实现超声与CT数据的实时图像融合。
在开始超声活检操作之前,使用基于标志点的刚体配准将CT图像配准到超声数据上。首先,通过在严格轴位平面上获取超声图像来配准CT图像的轴位方向。其次,使用一到三个融合点作为标志点来配准CT体积数据集与超声数据之间的z轴。所有患者的第一个融合点均为耻骨联合前上缘。脐和髂前上棘分别用作第二和第三融合点。融合质量指标在8到10之间。该值可取1到10之间的值,其中1表示融合信号质量差,10表示质量极好。
使用14G活检针(Temno Evolution活检装置,Cardinal Health)最多获取六份活检组织(每个肿瘤栖息区两份)。在活检操作前及操作过程中,记录覆盖目标肿瘤组织的电影剪辑。
每份活检组织的核心部分取一半进行福尔马林包埋。活检后,我们对患者监测6小时后方允许出院。评估的不良事件包括出血、伤口感染和再入院。
CT/US融合精度的定量
采用Dice相似系数(DSC)通过评估超声与CT之间肿瘤区域的重叠来量化融合精度。选择在CT上覆盖最大肿瘤面积的配准CT/US图像来计算DSC。这些图像导出为JPEG文件。一名第5年培训期的放射科医生(L.B.)使用ImageJ(ImageJ 1.52a)在B模式超声图像上分割肿瘤。分割的二值掩膜进一步使用MATLAB® R2019b处理并计算DSC。
组织学检查
所有组织样本均由一名委员会认证的妇科病理学家(M.J-L)进行评估。
结果
用于影像组学栖息区引导活检的CT/US融合
图1总结了影像学和临床工作流程。我们对六名患者实施了靶向CT/US融合引导活检。人口学和临床特征见表2。图2展示了患者5各步骤的详细影像学特征。对于患者2和5,我们从盆腔病灶获取活检;对于患者1、3、4和6,我们从大网膜沉积灶获取活检。靶向大网膜病灶的肿瘤体积(中位数=103 cm3;范围:16–295 cm3)小于盆腔病灶(中位数=520 cm3;范围:448–592 cm3)。活检操作后未观察到不良事件。对于患者1和3,活检材料不足以诊断,这些患者接受了诊断性腹腔镜检查,确立了高级别浆液性卵巢癌(HGSOC)的诊断。
US-CT融合精度的评估
盆腔病灶的DSC分别为0.76和0.79,大网膜病灶的DSC分别为0.37、0.43和0.53(图3)。我们无法计算患者1的DSC,因为肿瘤边缘在B模式超声图像上不可见。
组织学评估
在患者5中,我们从两个放射组学特征不同的栖息区获取了足够的肿瘤组织,并使用H&E染色评估其形态学(图4)。两个肿瘤栖息区之间在组织形态学方面未观察到差异。
讨论
在这项技术开发研究中,我们证明了在新辅助化疗前对高级别浆液性卵巢癌(HGSOC)患者使用超声引导融合活检对基于CT的放射组学栖息区进行前瞻性采样的可行性。我们使用标准诊疗中的增强CT提取放射组学肿瘤栖息区图谱并识别肿瘤内的不同区域。我们提出了一种将这些CT放射组学肿瘤栖息区图谱配准到实时超声扫描的技术,并用于指导栖息区的组织采样。
放射组学特征是一种无创量化和绘制肿瘤异质性的方法。它们与基因组异质性相关[12, 22, 23],后者可预测HGSOC患者的化疗反应和不良预后[1, 6]。然而,不同影像栖息区背后的生物学通路尚知之甚少。为克服这一挑战并为未来的风险分层奠定基础,我们提出了一种技术,利用标准诊疗CT成像对不同放射组学栖息区进行采样。
CT与超声图像之间的准确空间配准是可靠的栖息区引导组织靶向定位及结果可推广性的前提。我们观察到网膜病灶与盆腔病灶之间的融合精度存在差异,盆腔病灶的精度更高。盆腔病灶的平均DSC为0.78,表明配准精度良好。这可以用盆腔病灶肿瘤体积较大及其在盆腔中相对固定的位置来解释,而网膜病灶位置更为活动。全部三个网膜病灶的性能较低是由于前后轴上存在高度配准不良。这主要归因于超声探头局部压力导致的前腹壁和网膜变异性。可校正局部患者运动的患者追踪系统能够克服这一局限性,并提高网膜等困难肿瘤部位的配准精度。我们计划在后续研究中实施并测试这些系统。
获取足以用于常规检查和基因组分析的高质量组织样本对于将研究性活检技术转化为临床实践至关重要。在疑似卵巢癌患者中,网膜和盆腔肿块活检的 reported 成功率约为89%[24]。本研究报告的六名患者中有两名(33%)的活检未能获得足够样本(脂肪或骨骼肌),高于既往报道。这两名活检样本不足的患者要么网膜肿瘤体积较小(患者1:15.7 cm³),要么体重指数较高使超声活检操作更具挑战性。
我们的方法存在若干局限性,可在后续研究中加以改进。我们采用了刚性配准,且CT采集与超声引导活检之间存在时间延迟,这意味着可能因意外形变而产生偏倚。此外,准确性评估基于有限数量的二维切片,可能无法最佳地代表肿瘤体积。我们还发现,由于部分基于CT的肿瘤栖息区域体积较小,我们无法对所有区域进行活检。计算精度与实际可行性及安全性之间的这种权衡需要临床决策。基于本工作,我们建议设定3 cm³的阈值以确定HGSOC患者的肿瘤栖息区域,并为每个可靶向病灶生成不超过三个栖息区域。此外,我们使用了三台不同的CT扫描仪,层厚范围为2至5 mm,以及四种不同的重建核,这可能影响放射组学。然而,由于目的是开发一种将放射组学栖息区域图与超声图像配准以指导组织采样的方法,我们认为层厚差异确实会对本研究结果产生负面影响。迄今获得的数据证明了该技术的可行性,但在评估肿瘤栖息区域之间的分子差异方面存在局限。这些放射基因组学关联现可在更大规模的研究中进行验证。
总之,我们开发了一种利用CT/US融合技术在体内靶向基于CT的放射组学栖息区域的组织采样技术。这将为发现和验证放射基因组学生物标志物提供新途径。
引用
- Beer L, Martin-Gonzalez P, Delgado-Ortet M, et al. Ultrasound-guided targeted biopsies of CT-based radiomic tumour habitats: technical development and initial experience in metastatic ovarian cancer. Eur Radiol. 2020. PMID: 33315123. doi:10.1007/s00330-020-07560-8
- 全文:PMC8128813(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8128813/
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。