文献速递胸部技术与安全PETCT

联合SUVmax与CT影像组学的PET/CT列线图用于非小细胞肺癌术前淋巴结分期

A PET/CT nomogram incorporating SUVmax and CT radiomics for preoperative nodal staging in non-small cell lung cancer.
PubMed 文献 · Eur Radiol · 2021-02-09

回顾性分析124例非小细胞肺癌患者的263枚淋巴结,基于淋巴结PET/CT图像提取影像组学特征并与SUVmax联合构建PET/CT列线图(Int-Score),在独立测试集中评估。Int-Score在训练集AUC为0.881、测试集AUC为0.872,决策曲线分析提示其临床有用。

要点

  • Int-Score在测试集AUC为0.872(95%CI 0.797–0.946),敏感度0.895、特异度0.625。
  • Rad-Score在训练集AUC为0.849(95%CI 0.796–0.903),测试集AUC为0.828(95%CI 0.782–0.919)。
  • SUVmax单独AUC为0.828(95%CI 0.739–0.917),短轴直径单独AUC为0.729(95%CI 0.619–0.839)。

关键影像表现/征象

  • 转移性淋巴结在PET图像上常表现为亮光点,在CT图像上表现为短轴直径增大的圆形病灶。
  • SUVmax与短轴直径在淋巴结阳性组与阴性组之间差异均有统计学意义(p<0.001)。
  • 基于淋巴结3D VOI提取1472个影像组学特征,经mRMR与LASSO筛选出14个特征构建Rad-Score。

诊断标准与关键数值

  • Int-Score计算公式:Int-Score=5.40×Rad-Score+3.64×SUVmax+(-3.31)。
  • Int-Score在测试集AUC为0.872(95%CI 0.797–0.946),敏感度0.895、特异度0.625。
  • Rad-Score在训练集AUC为0.849(95%CI 0.796–0.903),测试集AUC为0.828(95%CI 0.782–0.919)。
  • SUVmax在测试集AUC为0.828(95%CI 0.739–0.917),短轴直径AUC为0.729(95%CI 0.619–0.839)。
  • 本研究中心PET图像评估淋巴结的临床标准为SUVmax≥2.5判为PET阳性,SUVmax<2.5判为PET阴性;CT上短轴直径≥1 cm常作为诊断标准。

临床应用与阅片要点

  • 本研究中心的做法是PET图像上SUVmax≥2.5判为PET阳性、<2.5判为PET阴性。
  • 作者认为Int-Score是相对客观的诊断方法,可在临床医生制定治疗决策过程中起辅助作用。
  • 作者指出PET/CT列线图在临床使用中似乎比微创EBUS-TBNA分期更灵活、无创。
  • 决策曲线分析显示,当患者或医生的阈值概率>10%时,使用SUVmax、短轴直径、Rad-Score和Int-Score比全部治疗或全部不治疗策略增加更多获益,其中Int-Score净获益更高。

局限性

  • 作者指出样本量对影像组学分析而言相对较小,但采用样本量估算方法证明测试集超过所需最小样本量。
  • 作者指出未来需要外部验证数据集的多中心研究来改进和推广模型。
  • 作者指出淋巴结选择存在偏倚,可能选择了SUVmax较高的假阳性淋巴结,导致整体数据假阳性率偏高。
  • 作者指出研究未纳入CEA、CA125、CA153等临床信息,临床决策仍需要综合评估。
全文中译20 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. 2021 Feb 9;31(8):6030–8. doi: 10.1007/s00330-020-07624-9

引言

肺癌被认为是全球癌症死亡的主要原因。在非小细胞肺癌(NSCLC)患者中,淋巴结分期(N分期)通常与预后预测[1–4]和临床治疗计划[5, 6]密切相关。既往研究[7–10]发现,IIIA期肺癌诱导治疗后的N分期可能决定患者生存。对于N2阳性的晚期患者,术前从N2降期至N0可将5年生存率提高至35.8%,而淋巴结(LN)中持续存在肿瘤者(N1和N2)的5年生存率往往为9%[8]。因此,准确的术前临床N分期和再分期是临床个体化决策的关键,这可能使患者接受更有效的治疗并改善预后。

18F-氟脱氧葡萄糖正电子发射断层扫描/计算机断层扫描(18F-FDG PET/CT)被认为是评估纵隔和肺门LN状态最可靠的功能成像方法[11, 12]。这种无创方法可同时提供代谢和解剖信息。转移性LN通常伴有肿瘤细胞对18F-FDG的活跃代谢和淋巴结肿大、标准摄取值(SUV)升高[13]。它通常表现为PET图像上的明亮光点,并在CT图像上表现为体积增大的圆形病灶,主要以短轴直径(SAD)衡量[14]。18F-FDG PET已成为NSCLC中N和M分期的标准成像程序。然而,由于炎症性、肉芽肿性和感染性疾病等并发症,高灵敏度的PET可能检测到假阳性LN[15–18]。PET图像的空间和组织分辨率低、LN体积小,以及PET成像过程长时间中不可避免的心脏和呼吸运动伪影,导致小体积转移性LN的漏诊。此外,CT是临床最广泛使用的检查。SAD ≥ 1 cm常被用作诊断标准。然而,正常、炎症增生性和转移性LN在大小上部分重叠,且正常LN的大小和形状各异[19, 20],这导致微转移LN的漏诊和炎症增生性LN的误诊,从而增加假阴性率。因此,迫切需要开发一种更有效的方法来术前预测LN状态。

放射组学是一种基于高通量提取定量图像特征的医学图像(PET、CT和MRI)方法,用于预测潜在的肿瘤生物学和行为[21, 22]。在过去十年中,基于肿瘤诱导的微环境变化[27–29],已建立多种以原发肿瘤为感兴趣区(ROI)的预测模型[23–26],可用于将LN转移分类为N−或N+,从而提供癌症LN转移的定性诊断,包括肺癌、结直肠癌、乳腺癌及其他领域。然而,随着精准医学的推进,LN转移的定性诊断仍不能满足个体化治疗的要求;因此,定量N分期在临床实践中已变得至关重要。

据我们所知,迄今为止,基于淋巴结研究高纬度放射组学特征和最大标准摄取值(SUVmax)以预测NSCLC N分期的相关研究很少。因此,本研究的目的是建立并验证一个PET/CT列线图,该列线图整合了淋巴结的代谢信息(SUVmax)和结构信息(放射组学特征),用于术前定量评估淋巴结转移,从而进一步帮助临床医生做出个体化治疗决策并预测预后。

材料与方法

研究设计

本机构审查委员会已批准这项单中心研究。本研究的综合流程图见图1。

图1 本研究流程图。第一行中,蓝色实线边框图形代表在PET图像上测量的淋巴结SUVmax;蓝色虚线边框图代表以2.5为截断值建立的SUVmax单因素预测模型。第二行中,绿色实线边框图形代表在CT图像上测量的淋巴结短轴直径(SAD);绿色虚线边框图代表以10.00 mm为截断值建立的SAD单因素预测模型。第三行中,红色实线边框图形代表基于淋巴结分割的VOI;第二列底部的红色虚线边框图代表淋巴结的放射组学特征,包括一阶特征、形状特征和高阶特征,第三列中的红色虚线边框图代表使用多变量逻辑回归分析由淋巴结状态相关放射组学特征构建的放射组学模型(Rad-Score)。第三列底部的黑色虚线边框图代表通过多变量逻辑回归分析整合SUVmax和Rad-Score的PET/CT列线图(Int-Score)。最后一列中,这三幅图从上到下依次代表测试队列中的受试者工作特征(ROC)曲线、校准曲线和决策曲线分析(DCA)曲线 查看原图 ↗

患者

本研究回顾性纳入2017年1月至2019年5月期间的124例NSCLC患者(男:女 = 60:64;平均年龄,58.5 ± 0.73岁;范围,33–74岁)。纳入标准如下:(1)NCLSC经手术或活检病理学确诊;(2)进行了淋巴结清扫术或淋巴结活检,并获得了病理报告;(3)术前进行了18F-FDG PET/CT扫描(PET/CT扫描与手术或活检之间的间隔小于2周)。排除标准如下:(1)术前有其他恶性肿瘤病史(肺癌除外);(2)图像质量差。

在整个患者队列中确定了符合纳入标准的患者,如图2a所示。共有110例患者接受了手术切除;从14例患者获得了经锁骨上淋巴结活检途径的淋巴结病理结果。有93例(75.0%)患者为腺癌,其次为鳞状细胞癌(n = 29,23.4%),以及少数其他组织学亚型的肺癌(n = 2,1.6%)。有63例患者为N0期,27例患者为N1期,20例患者为N2期,14例患者为N3期。根据病理报告将这些患者分为淋巴结(+)组和淋巴结(−)组。

淋巴结(LN)入组流程图见图2b。接受手术的患者TNM病理分期相对较早(补充表S1)。纳入标准如下:(1)根据第八版N分期标准[30]定义的病理报告,定位并选择手术或锁骨上活检淋巴结站;(2)在淋巴结站中选择1–3个最大SUVmax的淋巴结;(3)每个淋巴结站所选淋巴结的数量和大小受实际病理结果的数量和大小限制。排除标准如下:排除LN(+)患者的阴性淋巴结站,以尽可能确保所选淋巴结为真正的病理阳性。

图2 患者(a)和淋巴结(b)选择流程图 查看原图 ↗

18F-FDG PET/CT采集与重建

本单中心研究使用Biograph 16 HR PET/CT扫描仪(Siemens Healthineers)。简言之,患者禁食超过6小时;成像前血糖水平需低于8 mmol/L。随后静脉注射18F-FDG(Sumitomo HM-12,pH 4–8,放射性纯度> 95%,放射性浓度> 370 MBq/ml),剂量为3.7 MBq/kg;1小时后开始图像采集。CT图像扫描(管电压120 kV,管电流50 mAs,转速0.5 s/r,FOV 812 mm × 812 mm,512 × 512矩阵,层厚4 mm)从头顶至近端腿部进行。低剂量CT用于衰减校正,CT图像采用标准B19f软组织重建核。随后,PET图像扫描(8个床位,每个床位2.5分钟,FOV 812 mm × 812 mm,144 × 144矩阵,层厚4 mm)从头顶至近端腿部采集,并进行死时间、散射和衰变校正。PET图像采用有序子集期望最大化(2次迭代,24个子集,高斯滤波)在3D模式下迭代重建。CT和PET图像重建层厚为2.0 mm,增量为1.0 mm。

CT放射组学特征、SAD和SUVmax的测量

使用影像后处理软件(Intellispace Discovery,Philips Healthcare)半自动分割VOI(补充附录A-1)。我们分割淋巴结并在淋巴结最大横截面积上测量SAD。18F-FDG摄取使用SUVmax评估。

放射组学特征使用IntelliSpace Discovery平台上的插件(pyradiomics 2.1)提取。基于3D VOI共获得1472个特征,包括形状特征、一阶直方图特征、高阶纹理特征和变换特征(补充附录B)。以图像生物标志物标准化倡议(IBSI)为参考,并在放射组学特征提取和选择过程中加以考虑[31]。

在我们科室,PET图像上评估淋巴结的临床标准是:SUVmax ≥ 2.5时归类为PET阳性,SUVmax < 2.5时归类为PET阴性[32]。

放射组学模型

面对大量超高维数据,采用最小冗余最大相关(mRMR)算法[33]和最小绝对收缩与选择算子(LASSO)方法[34]在训练队列中筛选最有用且最强的特征。mRMR算法的原理是识别与淋巴结(LN)状态高度相关但与其他特征相关性最小的特征,以减少模型的过拟合。LASSO方法适用于高维数据的回归分析,可用于筛选系数非零的有用特征。通过所选特征的线性组合并以其各自系数加权,为每个LN计算影像组学评分(Rad-Score)。在训练队列和测试队列中,通过区分度、校准度和临床实用性对构建的影像组学模型(Rad-Score)的性能进行评估。

PET/CT列线图

在训练队列中,采用多变量逻辑回归分析,将SUVmax和Rad-Score应用于构建针对LN状态的综合评估模型(PET/CT列线图)。同样,通过所选特征的线性组合并以其系数加权,为每个LN计算综合评分(Int-Score)。在训练队列和测试队列中,通过区分度、校准度和临床实用性对PET/CT列线图(Int-Score)的性能进行评估。

统计分析

所有统计分析均使用R Studio软件(版本1.2.1335)进行。mRMR算法使用“mRMRe”包执行。LASSO回归使用“glmnet”包执行。p值<0.05(双侧)被认为具有统计学意义。根据数据的分布类型,采用独立t检验或Mann-Whitney U检验评估训练队列和测试队列中恶性组与良性组之间LN状态相关特征的差异。采用卡方检验比较分类变量之间差异的显著性。通过区分度、校准度和临床实用性对模型的性能进行评估。

区分度

绘制受试者工作特征(ROC)曲线,以评估SUVmax、SAD、Rad-Score和Int-Score在训练队列和测试队列中区分恶性和良性LN的诊断性能。从训练队列计算得出的生物标志物最佳截断值应用于测试队列。绘制柱状图以直观展示区分性能。采用DeLong检验比较训练队列与测试队列之间的ROC曲线下面积(AUC)。

校准度

在训练队列和测试队列中均绘制校准曲线,以探究模型观察到的结局频率与预测概率之间的一致性。采用Hosmer-Lemeshow检验确定模型的拟合优度,p值大于0.05被认为校准良好。

临床实用性

采用决策曲线分析(DCA),通过量化测试队列中不同阈值概率下的净获益,评估所构建模型的临床实用性。

结果

临床特征

本研究共识别出124例患者的263枚淋巴结(LN),并进一步将其分配至训练队列或测试队列。在263枚LN中,70%(N = 185)通过分层抽样分配至训练队列;其中89枚为恶性,96枚为良性。其余30%(N = 78)被选入测试队列;其中38枚为恶性,40枚为良性。LN(+)组与LN(−)组之间的临床特征差异无统计学意义。此外,两个队列之间的临床特征也无显著差异,见表1。

表1 训练队列与测试队列的特征汇总 查看原表 ↗

SUVmax与SAD

LN(+)组与LN(−)组之间的SUVmax(p < 0.001)和SAD(p < 0.001)差异有统计学意义。两个队列之间无显著差异(表1)。

Int-Score

采用多因素logistic回归分析整合Rad-Score(补充附录C)、SUVmax和SAD。LN(+)组与LN(−)组之间Rad-Score、SUVmax和SAD差异有显著统计学意义(p ˂ 0.001;表1)。考虑到SAD的冗余性,仅使用SUVmax和Rad-Score(命名为Int-Score)。Int-Score的计算公式为:Int-Score = 5.40 × Rad-Score + 3.64 × SUVmax + (−3.31)。为确保模型易于使用,我们将其以列线图形式呈现(图S4,附录A-2)。LN(+)组的Int-Score显著更高(表1)。

模型性能

区分度

绘制SUVmax、SAD、Rad-Score和Int-Score的ROC曲线以评估诊断性能,见图S5(附录A-2)。诊断效能见表2。SUVmax的AUC为0.828,95%置信区间(CI)为0.739–0.917。SAD的AUC为0.729,95% CI为0.619–0.839。Int-Score的AUC(95%CI)、灵敏度和特异度分别为0.872(0.797–0.946)、0.895和0.625。采用条形图直观展示Int-Score的区分性能,见图S6(附录A-2)。Int-Score的ROC曲线无显著差异(DeLong检验,p = 0.836)。

表2 模型性能 查看原表 ↗

校准度

校准曲线见图S8(附录A-2)。Hosmer-Lemeshow检验显示训练队列中无显著差异(p > 0.05),表明拟合良好。

临床应用

DCA见图3。DCA显示,若患者或医生的阈值概率˃ 10%,使用SUVmax、SAD、Rad-Score和Int-Score比全治疗方案或全不治疗方案增加更多获益。与其他方法相比,Int-Score具有更高的净获益。且在0.1至1.0范围内重叠较少,Int-Score的曲线始终位于右上方。

图3 训练队列(左)和测试队列(右)中SUVmax、SAD、Rad-Score和Int-Score的DCA。y轴表示净获益。y轴表示阈值概率。红色实线代表Int-Score。蓝色虚线代表Rad-score。黄色虚线代表SUVmax。绿色虚线代表短轴直径(SAD)。灰色曲线代表所有淋巴结均转移的假设。黑色线代表无淋巴结转移的假设。净获益[40]的计算方法为:从真阳性比例中减去假阳性淋巴结占所有淋巴结的比例,并按放弃治疗相对于不必要治疗负面后果的相对危害进行加权。 查看原图 ↗

讨论

在本研究中,建立了一个基于CT的影像组学模型(Rad-Score),旨在无创预测淋巴结状态,并将其与SUVmax(功能信息)和SAD(可测量解剖信息)进行比较和联合,随后构建并验证了PET/CT列线图。该PET/CT列线图在此称为Int-Score,可对NSCLC患者的淋巴结状态提供更准确的术前评估,进而可能指导N分期和进一步的临床决策。

PET/CT是一种广泛用于评估NSCLC患者TNM分期的无创影像工具。使用传统诊断流程时,我们通过测量SAD和衰减、观察CT图像上的形态和边缘以及测量PET图像上的SUV来综合判断淋巴结状态。然而,人工判断密度变化和评估病变形态边缘时,不可避免地会出现许多主观结果,并可能遗漏大量无法视觉感知的信息。在本研究中,我们使用影像组学定量提取了淋巴结难以被视觉感知的信息,并准确描述了淋巴结的衰减变化和形状差异[21, 22, 35],从而在一定程度上避免了主观判断的片面性和视觉差异。通过使用纳入功能信息(SUVmax)和结构信息(影像组学特征)的列线图(Int-Score),我们为淋巴结状态的术前评估提供了一种量表。此前,Billé A等[16]提出的淋巴结与原发肿瘤SUVmax比值乘以肿瘤最大直径、淋巴结与原发肿瘤SUVmax比值以及SUVmax的AUC分别为0.709、0.590和0.673。在本研究中,Int-Score显示出中等程度的效率提升,训练队列AUC为0.881(95% CI,0.834–0.928),测试队列AUC为0.872(95% CI,0.797–0.946)。此外,与其他研究[35]相比,后者检查了18F-FDG PET/CT图像的纹理特征和多分辨率直方图,Int-Score具有更好的诊断效能。此外,提取了更详细的影像组学特征,以避免信息不完整导致的结果偏差。此前,Bayanati H等[36]结合三个纹理特征和三个基于形状的特征预测淋巴结转移,准确率为0.71,AUC为0.87。相比之下,我们通过独立验证组检验了模型的泛化性和诊断效能,纳入了代谢信息,并使用3D VOI准确评估病灶的全局形态。

本研究对20例N2期NSCLC患者进行了评估,这些患者在临床上被评估为N1甚至N0并接受了手术切除。PET/CT列线图对N2期疾病的敏感性为85%(17/20)。支气管内超声引导下经支气管针吸活检(EBUS-TBNA)是N2期疾病的一种侵入性诊断工具,也有助于改善这些患者的术前分期[37],但穿刺路径常受解剖位置限制。因此,对于N2期不确定的患者,PET/CT列线图在临床使用中似乎比微创EBUS-TBNA分期更灵活、更无创。

本研究也存在一些局限性。首先,用于影像组学分析的样本量相对较小;然而,我们使用了样本量估算方法[38]来证明测试队列超过了所需的最小样本量。未来需要开展具有外部验证数据集的多中心研究来改进和推广我们的模型。其次,淋巴结的选择存在一定偏倚,我们可能选择了SUVmax较高的假阳性淋巴结,导致整体数据中假阳性率较高。尽管如此,训练队列和测试队列之间SUVmax和SAD值的分布未发现显著差异。第三,我们的研究未纳入临床信息,如CEA、CA125和CA153水平。Yang X等[39]发现这些临床参数并非淋巴结转移的独立预测因素;然而,临床决策仍需要综合评估。

结论

本研究分析了从淋巴结CT影像中提取的影像组学特征,并开发并验证了一种PET/CT列线图,该列线图整合了Rad-score和SUVmax,用于NSCLC术前N分期的评估。PET/CT列线图是一种无创预测工具,与单独使用SUVmax和SAD相比,可提高N分期的诊断准确性、特异性和敏感性,可用于更好地辅助临床医生制定个体化治疗决策。

补充信息

(DOCX 107408 kb)

引用

  1. Xie Y, Zhao H, Guo Y, et al. A PET/CT nomogram incorporating SUVmax and CT radiomics for preoperative nodal staging in non-small cell lung cancer. Eur Radiol. 2021. PMID: 33560457. doi:10.1007/s00330-020-07624-9
  2. 全文:PMC8270849(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8270849/

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。