考虑弥散加权成像潜在作用的对比增强磁共振成像解读中NI-RADS标准的可靠性
本回顾性研究纳入104例头颈癌根治性治疗后 surveillance 对比增强MRI数据集,由3名放射科医生按NI-RADS标准评估原发灶和颈部,并额外评估原发灶DWI。颈部NI-RADS分类的读者间一致性为中等至相当(κFleiss=0.67),原发灶为中等(κFleiss=0.53),DWI为几乎完美(κFleiss=0.83);原发灶在复发和2a/2b/3合并时一致性低。
要点
- 颈部NI-RADS分类读者间一致性为相当(κFleiss=0.67),原发灶仅为中等(κFleiss=0.53)。
- 原发灶NI-RADS在癌症复发时(κFleiss=0.35)及合并2a/2b/3类时(κFleiss=0.30)读者间一致性低。
- 原发灶DWI评估读者间一致性几乎完美(κFleiss=0.83),可能作为NI-RADS的可靠附加标准。
关键影像表现/征象
- 原发灶NI-RADS 1类表现为弥漫性黏膜下水肿、浅表线样强化和非肿块样扭曲等预期治疗后改变。
- 原发灶NI-RADS 2a类为局灶黏膜但非肿块样或结节样强化,2b类为深部、边界不清但非离散的强化。
- 原发灶NI-RADS 3类为新的或增大的离散结节或肿块伴明显强化。
- 颈部NI-RADS 2类为新的或增大的淋巴结但无形态学异常特征(中央坏死或结外延伸),3类为新的或增大的淋巴结伴中央坏死或结外延伸。
- DWI评估选项为明确弥散受限(阳性)和无或可疑弥散受限(阴性)。
诊断标准与关键数值
- 所有MRI数据集的读者间一致性:原发灶NI-RADS分类κFleiss=0.53(κConger=0.54,Ao=55.5%),颈部NI-RADS分类κFleiss=0.67(κConger=0.68,Ao=75.7%),原发灶DWI评估κFleiss=0.83(κConger=0.83,Ao=92.0%)。
- 原发灶NI-RADS在癌症复发亚组读者间一致性κFleiss=0.35(κConger=0.38,Ao=38.9%),合并2a/2b/3类亚组κFleiss=0.30(κConger=0.34,Ao=24.5%)。
- DWI在癌症复发亚组读者间一致性κFleiss=1.00(κConger=1.00,Ao=100.0%),在无病亚组κFleiss=0.83(κConger=0.83,Ao=89.1%)。
- 读者内一致性:原发灶NI-RADS分类κCohen=0.76–0.84,Ao=53.3–70.0%;颈部NI-RADS分类κCohen=0.85–0.90,Ao=83.3–90.0%;原发灶DWI κCohen=0.63–1.00,Ao=93.3–100.0%。
- Kappa值解释按Landis和Koch标准:0.01–0.20为轻微一致,0.21–0.40为一般一致,0.41–0.60为中等一致,0.61–0.80为相当一致,0.81–1.0为几乎完美一致。
临床应用与阅片要点
- NI-RADS最初为对比增强CT设计,可联合或不联合PET,但也可单独用于对比增强MRI。
- DWI目前不是NI-RADS标准的一部分,但本研究中原发灶DWI评估显示出高读者间一致性。
- 作者认为将DWI整合入NI-RADS可能产生与额外考虑PET findings 相同的效果,鉴于PET的高成本。
- 作者认为原发灶2b与3类的区分可能最受益于附加DWI。
- 本研究中心的做法是:先完成基于轴位T1w CE FS和冠状位T2w FS的NI-RADS报告后,才允许查看DWI序列。
局限性
- MRI数据集来自8台不同MRI扫描仪,虽反映临床实际,但读者对不同图像印象的一致解读不能想当然,可能存在偏倚。
- 冠状位T2加权FS序列被纳入分析,但NI-RADS标准中未特别提及。
- 本单中心研究的方法可能与其他研究者的方法不同。
- 非鳞状细胞癌实体亚组非常异质,原发癌部位分布也异质,因此未进行亚组分析。
- 作者指出需要进一步研究以 adequately powered 进行亚组分析。
全文中译7 节 · 点击展开
引言
在2018年全球癌症统计中,包括甲状腺恶性肿瘤在内的头颈部(HN)癌症占所有新发病例的8%(1,454,892例),占所有死亡的5.2%(494,378例)[1]。头颈部癌症一词表示一组异质性疾病,其中鳞状细胞癌(SCC)是最大的亚组[2]。在头颈部癌症的根治性治疗(包括手术、放疗和化疗)后,患者通常接受监测影像学检查方案,包括对比增强计算机断层扫描(CECT)或磁共振成像(CEMRI),可能联合正电子发射断层扫描(PET-CT和PET-MRI)。目前,非标准化报告是常见做法。虽然此类报告允许放射科医师对各自发现进行个体化权衡,但也可能引起问题[3]。本已复杂的头颈部解剖在治疗后情况下更加难以判读[4];因此,放射学报告中的发现、结论和建议往往异质性强,这可能降低外科医师对其的接受度。2014年,美国放射学会(ACR)呼吁放射科医师成为“以患者为中心、数据驱动、基于结局”的,并于2016年发布了词典和标准化报告系统的第一版,称之为“颈部影像报告和数据系统”(NI-RADS)[5, 6]。NI-RADS由此加入了一系列已在临床常规中实施的RADS,其始于1997年发布的如今已充分确立的BI-RADS[7, 8]。NI-RADS报告提供两个独立的1至4数字类别,分别对原发部位和颈部(即颈部淋巴结)的头颈部癌症复发风险进行分层[9]。NI-RADS还响应了ACR的imaging 3.0策略,该策略力求通过将每个类别与进一步患者处理的具体建议(如缩短至下一次影像学检查的间隔或进行活检)相联系,将临床决策支持直接纳入放射学报告[10]。通过这种方式,NI-RADS标准化了整个监测方案。虽然最初是为伴或不伴PET的CECT设计,但据其作者称,NI-RADS也可应用于MRI[10]。扩散加权成像已被确立为头颈部影像学的标准序列,但尚未成为NI-RADS的标准[11]。
我们研究的目的是评估NI-RADS在头颈部癌症根治性治疗后监测CEMRI判读中的读者间和读者内一致性,并初步了解同时采集的DWI数据的潜力,这些数据目前不属于NI-RADS标准。
材料和方法
研究设计和患者人群
我们机构的审查委员会批准了这项回顾性研究,并已从所有患者处获得将其数据用于科学目的的书面知情同意。我们使用以下纳入标准在我们科室的数据库中从我院所有三个院区搜索合适的患者:(1)连续的患者,具有可用的颈部CEMRI数据集,这些数据集是在HN癌症治愈性治疗后为监测而获取的;(2)CEMRI数据集包括(a)轴位对比增强和脂肪抑制T1加权(T1w CE FS)序列,(b)冠状位和脂肪抑制T2加权(T2w FS)序列,(c)轴位扩散加权图像及相应的表观扩散系数(ADC)图;(3)可获得治疗前或既往监测影像数据集(CEMRI或CECT);(4)可获得关于后续组织病理学或后续监测影像(不早于6个月后)的报告。具有典型MRI伪影的数据集被有意不排除,而是作为“图像判读”段落中所述报告过程的一部分。
纳入的CEMRI数据集在八台不同的MRI扫描仪上生成。扫描仪详细信息以及所纳入序列的具体采集参数见电子补充材料表1、2、3和4。
图像判读
三位放射科医生(A:15年;B:7年;C:6年头颈部影像经验)为本研究提供报告。阅片者A和C是机构每周跨学科头颈部肿瘤委员会团队的成员。由于每位阅片者此前均通过使用NI-RADS判读超过200个CECT和CEMRI数据集获得了经验,因此对NI-RADS系统有充分理解。
所有纳入的CEMRI数据集均经过匿名化处理并清除所有身份识别信息,然后使用嵌入Microsoft Excel(版本16.16.10,Microsoft Corporation)的Mersenne Twister伪随机数生成器随机重新排序。所得CEMRI数据集在配有诊断显示器两台和管理显示器一台的放射科工作站上使用Visage Client(版本7.1.11,Visage Imaging Inc.)呈现。左侧诊断显示器用于显示当前CEMRI数据集,而较早的影像数据集(治疗前或治疗后获得)显示在右侧显示器上以供比较。阅片者在通过访问预定的轴位T1w CE FS和冠状位T2w FS序列完成NI-RADS报告之后,才被允许查看DWI序列。阅片者获得一份简短医疗报告,其中包含有关癌症实体、其位置(原发部位)和治愈性治疗类型(切除、放疗、化疗)的信息,以模拟临床报告情境。
对于每项使用NI-RADS解读的影像学研究,需分配两个类别——一个用于原发部位,另一个用于颈部[9]。类别范围为1至4,反映癌症复发概率的升高。仅当正在解读一个新的基线研究且存在既往影像学研究但在阅片时无法获取时,才分配类别0。因此,在我们的研究环境中无法分配类别0。当存在预期的治疗后改变,如弥漫性黏膜下水肿或浅表线性强化及非肿块样扭曲时,原发部位应分配NI-RADS 1类别。颈部NI-RADS 1表示无残留异常、新发或增大的淋巴结。原发部位NI-RADS 2分为2a(局灶性黏膜但非肿块样或结节样强化)和2b(深部、边界不清但非离散性强化)。颈部NI-RADS 2代表新发或增大的淋巴结,但无形态学异常特征(中央坏死或结外延伸)。原发部位NI-RADS 3分配给新发或增大的离散结节或肿块,伴明显强化。颈部NI-RADS 3表示存在新发或增大的淋巴结,伴中央坏死或结外延伸。NI-RADS 4代表临床或影像学上明确的癌症复发,位于原发部位或颈部。
此外,要求阅片者对原发部位的DWI序列进行评估,从两个可能选项中选择一个:明确的弥散受限(阳性)和无或可疑弥散受限(阴性)。除了原发部位和颈部的NI-RADS类别以及原发部位的DWI评估外,还要求阅片者对两个目标部位及DWI序列的图像质量按4分制进行评分(1=优秀,2=良好,3=合格,4=不合格)。更具体地说,当原发部位、颈部或两者的充分解读因伪影的存在而受到影响时,阅片者应给予图像质量不合格的评分4分。
在完成数据集回顾性阅片三个月后,要求阅片者再次按照相同方案对随机选取的30个CEMRI数据集的子集提供NI-RADS类别并评估DWI序列(第一次会话中至少被一位阅片者评定为图像质量类别4的病例被排除)。第二次会话旨在计算阅片者自身一致性。
数据分析
“RStudio”(版本1.1.383,RStudio)同时用于统计数据分析(“irr”包)和生成热图(图1,“gplots”包)。
计算Fleiss kappa(κFleiss)和Conger kappa(κConger)以检验所有三位阅片者之间的阅片者间一致性。阅片者自身一致性通过计算Cohen kappa(κCohen)进行检验。此外,计算了观察一致性(AO,即所有三位阅片者分配了相同类别)。
κFleiss、κConger和κCohen按照Landis和Koch的建议进行解读:0.01–0.20=“轻微一致性”,0.21–0.40=“一般一致性”,0.41–0.60=“中等一致性”,0.61–0.80=“高度一致性”,0.81–1.0=“(几乎)完全一致”[12]。
根据确认研究的结果(无病生存 versus 癌症复发)以及大多数读者所分配的NI-RADS类别(2a/2b/3 versus 1/4合并;若每位读者对同一靶病灶给出不同类别,则以最有经验的读者A所分配的类别为准)进行分组。作为次要结局,计算了所有患者及每个NI-RADS类别的复发率。
结果
最终共有104例患者(女性35例,男性69例)被纳入回顾性分析。中位年龄为60岁,范围为18–89岁。影像确认研究的中位随访间隔为219天(范围184–450天)。表1列出了本研究纳入的头颈部(HN)癌症类型的分布,以及亚部位和治疗方案。治疗前或既往监测影像数据集通过对比增强MRI(CEMRI)获取64例,通过对比增强CT(CECT)获取40例。
关于图像质量,原发部位的101个数据集(3个评分为4 = 不合格)、颈部的103个数据集(1个评分为4 = 不合格)以及DWI的87个数据集(17个评分为4 = 不合格)的NI-RADS类别被接受用于进一步分析。所有104例患者的评级分布以及确认研究的结果以热图形式展示于图1。原发部位和颈部NI-RADS类别读者间一致性高和低的示例分别见图2、3、4和5。
读者间一致性的结果汇总于表2。原发部位NI-RADS类别的读者间一致性为中等(κFleiss = 0.53,κConger = 0.54,Ao = 55.5%),颈部NI-RADS类别的读者间一致性为显著(κFleiss = 0.67,κConger = 0.68,Ao = 75.7%),原发部位DWI评估的读者间一致性几乎完美(κFleiss = 0.83,κConger = 0.83,Ao = 92.0%)。关于原发部位NI-RADS类别的分配,读者间一致性在癌症复发病例中特别低(κFleiss = 0.35,κConger = 0.38,Ao = 38.9%),当类别2a、2b和3合并时亦然(κFleiss = 0.30,κConger = 0.34,Ao = 24.5)。相反,在这些亚组中,DWI的读者间一致性为完美(κFleiss = 1.00,κConger = 1.00,Ao = 100.0%)或几乎完美(κFleiss = 0.83,κConger = 0.83,Ao = 89.1%)。
30例中确定的读者自身一致性结果见表3。总体而言,原发部位NI-RADS类别的读者自身一致性(κCohen范围 = 0.76–0.84,Ao范围 = 53.3–70.0%)显著低于颈部NI-RADS类别(κCohen范围 = 0.85–0.90,Ao范围 = 83.3–90.0%)和原发部位DWI(κCohen范围 = 0.63–1.00,Ao范围 = 93.3–100.0%)。
表4总结了根据确认研究结果——组织病理学检查或进一步随访影像——计算的所有数据集及各个NI-RADS类别的复发率。
讨论
本研究旨在初步获得NI-RADS在解读包括DWI的CEMRI中的可靠性结果,DWI目前并非NI-RADS的标准。总体而言,我们的结果显示,对颈部所赋NI-RADS分类的阅片者间一致性可接受,而原发癌症部位的一致性有待进一步提高。特别是,复发性癌症以及2a、2b和3类组合的阅片者间一致性较低。总体阅片者内一致性显示相似趋势,但即使对原发部位所赋NI-RADS分类也可接受。对于DWI,我们发现阅片者间一致性极好。
迄今为止,仅发表了另一项关于NI-RADS可靠性的研究;然而,该研究调查的是口腔和口咽鳞状细胞癌(SCC)治疗后的监测增强CT(CECT)数据集,且分类由四名而非三名读者判定[13]。虽然该研究与我们的设计不能直接比较,但其发现原发灶(κFleiss = 0.48)和颈部(κFleiss = 0.50)的总体读者间一致性为中等。原发灶和颈部(0.89–0.95)的读者内一致性几乎完美(κCohen = 0.85–0.96)。与我们的MRI研究的一个主要差异在于,原发灶NI-RADS分类的一致性在确诊癌症复发的患者中高于无复发患者。这一差异可能是由于我们的MRI研究中不够明确的病例比例较高,或读者对异常发现的判读存在差异。最后,与CECT研究相比,我们的患者人群更好地反映了NI-RADS适用于任何头颈部(HN)癌的主张。
由于对NI-RADS的经验仍然有限,与其他已发表的RADS可靠性数据进行比较是有价值的。近期有两项研究在此特别值得关注,因为它们得出了非常不同的结果。为了讨论和比较这些研究报告并引用如下的一致性结果,我们使用了自己定义的相同统计参数解释,尽管这些研究的作者并未使用该解释。第一项研究调查了当前版本的BI-RADS,发现读者间一致性为中等(κFleiss = 0.57),而读者内一致性为显著或几乎完美(κCohen范围 = 0.72–0.81)[14]。相比之下,第二项研究调查了当前版本的PI-RADS,显示读者间一致性为一般(κFleiss = 0.24),读者内一致性为中等范围,Cohen's kappa为0.43–0.67[15]。
我们使用两种方法测量读者间和读者内一致性——计算观察一致率(读者间完全一致的比例)和计算广泛使用的kappa统计量(其考虑了偶然期望的一致性)。Kappa统计量适用于二分类(DWI)和分类或有序数据。Fleiss和Congers kappa与Cohen's kappa不同,可用于计算两名以上读者之间的一致性。对于确诊为无病的病例的DWI结果判读,kappa统计量非常低(κFleiss = 0.23),与观察一致率(Ao = 87.3%)不匹配。当大多数受检对象被归入同一类别时,可能出现这种矛盾现象[16, 17]。在我们的研究中,我们在DWI无病亚组中观察到了这一矛盾现象,三名读者合并报告了11例扩散受限(阳性)和199例无受限(阴性)。在接受DWI的所有患者中,这一比例要均衡得多,为59例阳性对202例阴性。
另一个需要解决的问题是图像质量不佳。在我们的研究中,原发灶有3个数据集、颈部有1个数据集的图像质量被认为不足。为了以标准化方式报告此类病例,现有分类可补充一个用于非诊断性图像质量的类别(例如,NI-RADS N/A)。
在阅读环节结束后与读者的讨论中,出现了两个问题。首先,在某些大小增加可测量但相关性不明确的病例中,颈部NI-RADS 2类的处理不清晰。图5展示了这样一个病例,其中对侧淋巴结(非典型引流淋巴结)的非常轻微增大是明显的。根据RECIST标准,只有短轴直径大于10 mm才被认为具有相关性[18]。这个问题在上述引用的一项研究CECT中NI-RADS可靠性的研究中已被注意到[13]。我们认为,关于此问题的声明将是对NI-RADS标准的有价值补充。第二个问题是,一位读者根据该类别将自动遵循的推荐临床管理,重新考虑了所分配的NI-RADS类别。虽然这可能表明该读者存在潜在偏倚,但这正是临床实践中可能发生的情况[19]。
NI-RADS标准的完整谱系只能与PET一起使用,这可能导致原发部位的读者间一致性更高。然而,鉴于我们在DWI评估中发现的较高读者间一致性,将其整合到NI-RADS中可能具有与额外考虑PET所见相同的效果。鉴于PET的高成本,这一点值得关注[20, 21]。2b类与3类之间的区分可能从额外DWI中获益最多。图3给出了说明这种情况的示例;在此病例中,DWI高度怀疑原发性癌症复发。我们研究中的读者一致认为,凭借其更高的软组织对比度,CEMRI可能特别容易在2a、2b和3类中出现解释差异。不一致的另一个可能原因是,在原发部位和颈部区分3类和4类都存在固有问题:虽然3类有明确定义的标准,但4类留有解释空间。我们研究中作为次要结局计算的复发率支持了先前研究[19, 22]已证明的NI-RADS类别的高判别力,但有一个值得注意的例外。对于被分配为颈部3类的患者,这两项研究报告的复发率分别为70.0%和80.0%,高于我们研究中的58.3%。可能的解释是有效性检查的样本量小以及对“异常特征”的过度解读。如果这些趋势得到证实,针对特定特征的研究可能会提供更多见解。
我们的研究存在若干局限性。共分析了在八台符合纳入标准的不同MRI扫描仪上获取的MRI数据集。尽管这真实反映了临床环境——放射科医师同样需要处理在不同机器上采集的图像——但仍存在潜在偏倚,因为不能想当然地认为不同读者对不同图像印象的判读具有一致性。冠状位T2加权FS序列在许多颈部MRI检查中是标准序列,因此被纳入我们的分析,尽管NI-RADS标准中并未专门提及该序列。就此而言,我们单中心研究采用的方法可能与其他研究者在图形研究中使用的方法不同。在我们的研究中,非鳞状细胞癌(non-SCC)实体的亚组异质性很大,原发癌部位的分布也是如此。因此进行亚组分析并不合理,但未来若有针对此类分析的充分把握度,可能提供重要结果。
总之,我们的研究结果表明,NI-RADS分类在用于CE-MRI判读时具有统计学可靠性。虽然颈部NI-RADS分类的读者间一致性可接受,但仍需改进对原发部位的评估,尤其是对NI-RADS 2a、2b和3类。这一局限性可通过补充DWI来克服,我们发现DWI具有较高的读者间一致性。
补充信息
ESM 1(DOCX 20 kb)
引用
- Elsholtz FHJ, Erxleben C, Bauknecht HC, et al. Reliability of NI-RADS criteria in the interpretation of contrast-enhanced magnetic resonance imaging considering the potential role of diffusion-weighted imaging. Eur Radiol. 2021. PMID: 33533989. doi:10.1007/s00330-021-07693-4
- 全文:PMC8270833(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8270833/
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。