双能CT与3T MRI对照量化骨骼肌脂肪含量
前瞻性研究纳入21例腹部增强双能CT(100 kV/Sn 150 kV)患者,同日行3T MRI化学位移弛豫测量。DECT材料分解所得脂肪分数(DECT-FF)与MRI脂肪分数(MR-FF)相关性r=0.91,组内相关0.83(95%CI 0.71–0.90)。DECT VNC HU与MR-FF相关性r=-0.90,DECT VNC HU可区分高低SMRA组,但与SMI分型无显著关系。
要点
- DECT-FF与MR-FF相关性r=0.91,ICC 0.83(95%CI 0.71–0.90),Bland-Altman平均差-0.15%(SD 3.32)。
- DECT VNC HU与MR-FF相关性r=-0.90,DECT-FF与DECT VNC HU相关性r=-0.98。
- 以29 HU为SMRA截断值,DECT VNC HU在低SMRA组5 HU(95%CI 2.5–10.9)vs 高SMRA组43 HU(95%CI 32.9–56.3),差异约8倍(p=0.05)。
关键影像表现/征象
- DECT-FF与MR-FF相关性r=0.91,组内相关0.83(95%CI 0.71–0.90),Bland-Altman平均差-0.15%(SD 3.32,95%CI 6.35至-6.66)。
- DECT VNC HU与MR-FF相关性r=-0.90,DECT-FF与DECT VNC HU相关性r=-0.98。
- DECT-FF与VNC HU观察者间信度(Cronbach's alpha)分别为0.99和0.98。
- 同一患者两侧肌内DECT-FF最大差8.35%、MR-FF最大差7.10%;平均差DECT-FF 2.51%、MR-FF 1.86%。
- 以29 HU为SMRA截断值,低SMRA组DECT VNC HU均值5 HU(95%CI 2.5–10.9)vs 高SMRA组43 HU(95%CI 32.9–56.3),约8倍差异(p=0.05)。
诊断标准与关键数值
- DECT-FF由材料分解获得,DECT VNC HU取后椎旁肌ROI(≥6 cm2)于L3水平三个连续层面测量。
- SMRA低肌肉质量截断值29 HU(源自非增强单能CT)应用于DECT VNC HU,低于截断值归为低SMRA组。
- SMI分型采用Prado等(男≤52.4 cm2/m2、女≤38.5 cm2/m2)、Martin等(男BMI<25且SMI<43 cm2/m2或BMI≥25且SMI<53 cm2/m2;女<41 cm2/m2)、van der Werf等(低于性别、年龄、BMI特异性第5百分位)三套标准。
临床应用与阅片要点
- DECT增强扫描后利用VNC图像测量后椎旁肌HU值,可无额外辐射评估肌肉脂肪含量。
- DECT-FF与MR-FF一致性良好,提示材料分解算法可用于骨骼肌脂肪定量。
- DECT VNC HU与SMI分型无显著关系,提示肌肉脂肪含量与肌肉数量指标可能反映不同维度。
局限性
- 原文未述局限性
全文中译10 节 · 点击展开
引言
肌少症与较低的预期寿命[1, 2]以及癌症患者较差预后相关[3]。它还与需要手术或创伤后患者并发症发生率增加相关[4],并导致住院时间延长[4, 5]。因此,检测肌少症对于规划和启动适当的营养与运动方案至关重要。
目前最广泛引用的定义[6]来自最近更新的欧洲老年人肌少症工作组欧洲共识,该定义指出,肌肉力量低的个体可能存在肌少症,并建议通过检测肌肉数量和质量的降低来确认诊断[7]。
虽然肌肉力量可以在临床上测量,例如通过握力测试,但肌肉数量可以通过生物电阻抗分析(BIA)、双能吸收测定法(DXA)、计算机断层扫描(CT)或磁共振成像(MRI)来评估[7]。然而,BIA值受患者水合状态的影响,而DXA由于其二维性质,依赖于关于肌肉和脂肪腔室分布的某些假设[8]。相反,CT和MRI能够准确确定身体成分[9, 10]。CT对于已经可能因临床指征需要接受CT检查的患者尤其有利,这在慢性和/或重症患者中经常如此[6]。虽然CT和MRI在初级保健中较少常规使用,但它们被认为是确定肌肉数量的金标准[7, 11]。
然而,迄今为止,对于如何或采用何种技术评估肌肉质量——作为单位大小肌肉力量的衡量指标[12]——尚未达成共识[7]。已表明肌细胞内和肌细胞外脂肪的增加提示肌肉质量下降[12]。因此,已有研究探讨CT图像的放射学描述或骨骼肌平均辐射衰减(SMRA)评估骨骼肌脂肪积累的能力[13]。前者代表一种主观方法,而SMRA的测定是半定量的,值范围在- 190至+150 Hounsfield单位(HU)之间,峰值在50 HU[14]。此外,SMRA受碘对比剂使用的影响[13]。在关于SMRA值临床影响的非放射学论文中,关于此类对比剂使用和期相采集的信息往往缺失[13],这使研究之间的可比性变得复杂。
相反,双能CT(DECT)扫描仪在临床常规中已变得越来越常见,为测量脂肪提供了新的、定量的、不依赖对比剂的方法。双能的特征在于生成两种不同的能谱,可如双源DECT中那样从两个独立的管探测器系统获得[15]。使用DECT,可以通过能量依赖的材料特异性衰减系数确定体素内某种材料或组织(例如脂肪)的比例[16]。此外,可以从使用对比剂进行的DECT扫描中创建虚拟平扫(VNC)图像[15]。通过DECT材料分解或利用VNC图像上的辐射衰减值对脂肪进行定量已在肝脏、骨髓和肾上腺中得到成功证明[17]。
本初步研究的主要目的是通过双能CT(DECT)物质分解和DECT虚拟平扫(VNC)CT值定量骨骼肌内脂肪作为肌肉质量的衡量指标,并与磁共振化学位移弛豫测量(MRCSR)进行比较。此外,还探讨了DECT值与基于非增强单能CT扫描骨骼肌放射衰减(SMRA)截断值的肌少症分类以及单能CT衍生的肌肉数量参数之间的关联。据我们所知,这是首次将DECT脂肪定量应用于骨骼肌的研究。
材料与方法
研究人群
本前瞻性研究按照预先设定的纳入标准连续招募了22名白种人患者,纳入标准为接受对比增强标准化腹部双源DECT扫描(SOMATOM Force®,Siemens)。排除标准包括MRI检查禁忌证,如幽闭恐惧症、在3T下至少不具备MRI兼容性的异物(如心脏起搏器),以及无法提供知情同意的患者。研究注意均衡纳入不同性别、不同年龄和不同体重指数(BMI)的患者。所有参与者均获得知情书面同意。所有患者在中位时间间隔2天后接受了后续腹部3-T MRI扫描(Ingenia®,Philips Healthcare),未使用对比剂。一名患者因腹痛提前终止了MR检查。因此最终患者集体由21名白种人患者组成(表1)。研究方案和程序遵循《赫尔辛基宣言》并符合当地伦理指南;当地伦理委员会批准了本研究。
DECT扫描和后处理
标准腹部方案的DECT参数为100 kV/Sn 150 kV,螺距0.5,准直0.6 mm,层厚1 mm(重建5 mm)。像素大小为0.6 × 1 mm。图像采集在注射80 ml碘美普尔对比剂(Imeron 350 M,Bracco IMAGING)后80秒开始。第一步,使用商用SyngoVia软件(Liver VNC,Siemens)创建VNC图像。该算法基于三物质分解,假设每个体素由肝组织、脂肪和碘组成。随后,将Liver Fat Map(Siemens)应用程序应用于整个数据集(包括骨骼肌),该应用程序以彩色编码图显示计算出的脂肪浓度(图1a–c)。
在第三腰椎(LV3)高度的轴位层面上定义感兴趣区(ROI)(图1,白色星号标记),因为这也是单能CT测定肌肉量的标准层面[3, 13],并沿左右后椎旁肌(竖脊肌)的内侧边界勾画(图2a、b)。分析连续三个层面以补偿肌肉内潜在的波动。每个ROI至少为6 cm²。记录每个ROI的双能CT脂肪分数(DECT-FF)及DECT虚拟平扫HU值,并在脊柱两侧分别取平均值。所有ROI由两名放射科医师(分别接受4年和2年培训)独立定义,以确定观察者间信度。
为同时评估肌肉量,将LV3层面的图像导出为DICOM文件,并使用开源软件Image J(美国国立卫生研究院光学与计算仪器实验室)进一步处理。勾画腹部肌肉的外周径和内周径,以及LV3的外周径(图2c、d)。应用-29至+150 HU的阈值以界定肌间脂肪组织[14, 18]后,按照Gomez-Perez等人[18]的方法计算骨骼肌面积(SMA),该层面已被证明与全身体骨骼肌质量高度相关[19]。
MR成像及后处理
MRI序列包括冠状位(TR 875 ms)和矢状位T2加权序列(TR 528 ms,TE 80 ms,FA 90°)以提供解剖信息。采用20回波的横断面3D梯度回波序列(第1个TE 1.2 ms,ΔTE 1.1 ms,TR 24 ms,FA 3°)进行MRCSR。梯度回波序列的体素大小为1.5 × 1.5 × 4 mm。
ROI(≥ 6 cm²)参照DECT图像在幅度图上勾画(图1e)。采用基于Hamilton等人[21]肝脏脂质光谱模型的内部拟合算法[20],从前7个回波的幅度图中测定MR脂肪分数(MR-FF)[22]。该拟合算法通过提供源自1.3 ppm(3T时434 Hz;肌细胞内脂质)和1.5 ppm(409 Hz;肌细胞外脂质)主要脂质峰的脂肪分数,适配于肌肉组织。
肌少症分类
根据SMA值,使用SMA[cm²]/身高[m]²计算骨骼肌指数(SMI)[23]。SMI作为肌肉数量的参数,根据三种不同的基于截断值的系统将患者分类为肌少症或非肌少症:(1)Prado等,根据性别对SMI进行分类[24];(2)Martin等,对于男性患者还考虑BMI[25];(3)van der Werf等,根据性别、BMI和年龄对SMI进行分类[26](表2)。
根据DECT VNC图像上的HU值作为SMRA的替代指标,患者还被分为肌肉质量低和肌肉质量高两组。由于在非增强单能CT中,SMRA通常以衰减值≤29 HU判定为低[13],因此将其用作截断值(表2)。计算并比较了低于和高于该截断值的患者组的平均DECT VNC HU值。
统计学
采用描述性统计对患者特征进行总结。由于测量值呈偏态分布,使用Spearman相关分析确定MR-FF与DECT-FF(图3a)、MR-FF与DECT VNC HU、DECT-FF与DECT VNC HU之间的相关性,以及这些MR和DECT衍生值与患者年龄(图3b)或患者BMI(表3)之间的相关性。
DECT-FF与MR-FF之间的一致性采用组内相关系数检验,平均差异通过Bland-Altman分析计算(图4)。对于DECT-FF和DECT VNC HU的观察者间信度,计算了Cohen's kappa值。
采用混合线性模型检验经对数转换的DECT-FF和DECT VNC HU与三种基于SMI的肌少症分类之间的关系,以及经对数转换的DECT VNC HU与基于SMRA的分类之间的关系。DECT-FF和DECT VNC HU因呈偏态分布而进行对数转换。转换后数据近似正态分布,从而允许应用线性模型。考虑到每个个体有两次DECT-FF和DECT VNC HU测量值(每侧一次=每个个体2次),采用了混合模型方法。此外,通过为患者每一侧添加额外的随机项来解释方差。由于所有分析均为探索性性质,p值被视为描述性。
结果
研究人群
该集合中男性(n = 11,52%)和女性(n = 10,48%)患者比例相等(表1)。年龄范围为27至83岁,中位数为58岁。BMI中位数为24.6,范围为17.1至34.4 kg/m2。主要原发疾病为不同来源的癌症(n = 11,52%)。最常见的CT适应证为寻找感染灶或脓肿(n = 8%)(表1)。
骨骼肌脂肪分数的平均值在DECT-FF中为10.22%(中位数10.70%),在MR-FF中为10.37%(中位数8.90%)。DECT VNC HU值的平均值和中位数均为41 HU。在一名患者中,未检测到肌肉脂肪;这也对应于两侧椎旁后肌测得的最高DECT VNC HU值,分别为60和62 HU。一名患者显示出异常高的脂肪分数,DECT为37.99%,MRI为31.60%(图3)。同一患者椎旁后肌两侧之间脂肪分数的最大差异在DECT-FF中为8.35%,在MR-FF中为7.10%。同一患者两侧肌肉之间的平均差异在DECT-FF中为2.51%,在MR-FF中为1.86%。
相关性与一致性
MR-FF与DECT-FF(r = 0.91)(图3a)、MR-FF与DECT VNC HU(r = − 0.90)以及DECT-FF与DECT VNC HU(r = − 0.98)之间的Spearman相关性极好。
患者年龄与各成像参数之间的相关性为中度:MR-FF(r = 0.59)(图3b)、DECT-FF(r = 0.62)(图3b)和DECT VNC HU(r = − 0.63)(表3)。观察到BMI与MR-FF(− 0.08)、DECT-FF(r = 0.22)和DECT VNC HU(0.12)的相关性较差,而SMA与MR-FF(r = − 0.31)、SMA与DECT-FF(r = − 0.35)或SMA与DECT VNC HU(r = 0.35)之间几乎没有相关性(表3)。
对数转换后的DECT-FF与MR-FF之间的组内相关性良好(r = 0.83,CI 95% 0.71–0.90)。Bland-Altman分析得出平均差异为− 0.15%(SD 3.32,CI 95% 6.35至− 6.66)(图4)。观察者间信度(Cronbach's alpha)在DECT-FF中为0.99,在DECT VNC HU中为0.98。
DECT值与肌少症指数
根据Prado等人的标准,21名患者中有17名会被归类为肌少症;根据Martin等人的标准为18名;根据van der Werf等人的标准为8名(表2)。
然而,混合线性模型显示DECT衍生值(DECT-FF、DECT VNC HU)与上述肌少症分类之间无明显关系(表4)。事实上,在所有会被van der Werf等人归类为肌少症的患者中,DECT-FF的计算平均值为2.5%,而在会被归类为非肌少症的患者中为8.2%(p = 0.013)。相应地,被van der Werf等人归类为肌少症的患者DECT VNC HU值更高,为46 HU,而非肌少症患者为29 HU(p = 0.136)。虽然在被Prado等人和Martin等人归类为肌少症的患者中,正如预期,肌少症患者的平均MR-FF和平均DECT-FF consistently较高,DECT VNC HU较低,但这些差异仅在MR-FF上具有显著性(表4)。
将来自非增强单能CT的低放射密度骨骼肌SMRA截断值应用于测得的DECT VNC HU值后,来自3名患者的5个测量值会被归类为肌少症(表2)。低于和高于SMRA截断值的组中,平均DECT VNC HU分别为5 HU(95% CI 2.5–10.9)和43 HU(95% CI 32.9–56.3),两组间平均肌肉HU相差约八倍(p = 0.05)。
讨论
在这项前瞻性研究中,DECT脂肪定量被应用于骨骼肌,并通过MRCSR进行验证。主要发现为:(a)最初为测定肝脏脂肪而设计的DECT物质分解算法,对骨骼肌脂肪分数可提供有效结果;(b)在增强DECT扫描中,借助DECT VNC HU值,使用来自非增强单能CT的SMRA截断值,可将患者分为低SMRA和高SMRA组;(c)DECT骨骼肌脂肪分数与基于SMI的肌少症分类系统之间未发现有效关系。
目前可获得的关于双层探测器能谱CT(DECT)脂肪定量的文献主要集中于肝脏、骨髓或其鉴别良恶性病变(如肾上腺[17])的实用性。因此,我们的结果可比性有限。然而,与兔肝(r = 0.65 [27])或小鼠肝脏(r2 ≤ 0.67 [28])中DECT-脂肪分数(FF)与磁共振脂肪分数(MR-FF)之间的相关性水平相比,本研究中骨骼肌的相关性更高。本研究中DECT-FF与MR-FF之间的平均差异较低,但标准差大于兔肝所描述的(1.56% ± 1.96% [27])。骨骼肌中DECT-FF与MR-FF的相关性与其他双源DECT研究中患者和尸体骨髓所描述的相似(r = 0.77 [29],r = 0.88 [30])。尽管研究存在异质性且目标器官不同,我们因此得出结论:DECT物质分解适用于脂肪定量,不仅适用于肝脏和骨髓,也适用于骨骼肌。
同样,本研究中骨骼肌的DECT虚拟平扫(VNC)HU值与MR-FF之间的相关性水平较高,小鼠肝脏中65 keV下非增强DECT HU值与MR-FF之间的相关性也较高(r2 = 0.86 [28])。这也证明了DECT的一个主要优势:可以从增强检查中生成VNC图像[15]并对其进行HU分析。肌肉中VNC与真实非增强HU值要么无显著差异,要么绝对值差异小于2 HU,这一事实此前已被证实[31–33]。因此, hypothetically,来自非增强单能CT扫描的骨骼肌放射衰减(SMRA)肌少症截断值应适用于增强DECT扫描的VNC图像。虽然在本研究中,低于和高于非增强单能CT的SMRA截断值的患者组之间DECT VNC HU均值差异很大,但绝对数值不足以有效证实这一假设。然而,通过DECT VNC HU值和已建立的来自非增强单能CT的SMRA截断值将患者分类为肌少症的可能性具有高度临床相关性,因为重度和/或慢性病患者的大多数适应证检查需要使用对比剂。额外的平扫扫描——过去在腹部CT成像中常用——不再被推荐[34],因为对于大多数适应证,它不提供进一步的诊断信息,但显著增加辐射剂量[35, 36]。因此,一种独立于对比剂使用和期相评估SMRA的方法,或如DECT物质分解等其他用于肌肉脂肪定量的非对比剂依赖方法,是非常理想的。
有趣的是,根据van der Werf等基于骨骼肌指数(SMI)的分类系统,非肌少症患者的肌肉脂肪均值高于肌少症患者,而根据Prado和Martin等的标准,肌少症与非肌少症患者之间的DECT值差异并不显著。这些观察结果可能有几种解释:首先,基于SMI的分类系统可能并不总是适合准确评估肌少症,从而预测肌少症患者的不良结局。一篇关于不同SMI截断值对胃肠道癌症预测价值的综述文章[37]支持了这一观点。该文中发现了SMI分类与不良围手术期结局之间的总体关联,但也描述了Martin等的截断值对主要并发症缺乏预测价值[37]。此外,虽然Martin等评估的肌少症似乎影响总体死亡率,但Prado等的研究未能证实这一点[37]。不同癌症实体的研究结果也存在差异;例如,肌肉量被证明是胰腺癌生存的预测参数[38],但对食管癌则不然[39]。关于van der Werf等分类系统的文献(该系统于2018年首次发表[26])较为稀少,目前尚无关于其准确评估肌少症能力的大型综述。
其次,SMI未考虑肌细胞内外脂肪含量。在应用-29和+150 HU的阈值将脂肪与肌肉组织区分后,测得的骨骼肌面积(SMA)可能较低,而肌筋膜内的细胞外和细胞内脂肪含量却较高[40]。然而,如果没有脂肪组织的堆积,例如由于恶病质患者的分解代谢[41],SMA也会相对较低。因此,SMI未能反映不同的代谢状态。
无论如何,仅基于SMA的肌肉量分类系统似乎可能不够充分,且不一定与作为肌肉质量参数的肌肉脂肪分数一致。评估肌肉质量的新参数预计将日益重要[7],这凸显了DECT骨骼肌脂肪定量的潜力。此外,同一患者在不同截断系统之间的分类结果存在差异(表2),这进一步表明所有肌肉量或质量参数可能只是连续谱的一部分,肌少症和非肌少症患者分别位于两端——尽管这是常用方法——但无法通过严格的截断值加以区分。
本初步研究的主要局限性在于患者数量少以及患者群体的异质性。由于研究目的是探究DECT与MRI在骨骼肌脂肪定量方面的一致性,且不依赖于个体肌肉状态,因此纳入了不同年龄和BMI的患者,纳入或排除标准也未局限于特定原发疾病或治疗,例如癌症类型和分期、糖尿病等代谢性疾病、创伤后或术后状态、化疗或类固醇治疗,这些均可能影响肌肉状态。然而,由异质性患者群体和广泛BMI值范围导致的骨骼肌脂肪百分比高变异,应被视为肌肉脂肪分数与基于SMI的肌少症分类之间观察到的缺乏一致性的另一可能原因,因为后者未考虑肌细胞内和肌细胞外脂肪。此外,由于DECT与SMI分类结果之间缺乏一致性,以及低于SMRA截断值组的观察数量较少,无法就DECT肌肉参数确定肌少症及其临床结局的适用性得出结论。
与大多数关于SMRA的单能CT研究[13]不同,SMRA、MR-FF和DECT-FF的ROI确定未通过放射密度范围界定肌肉组织,因为脂肪图工具也未包含此类预选。选择MRCSR作为比较模态而非替代参考标准MR波谱(MRS);它快速、稳健,并允许在大型ROI上测量脂肪含量,这在肌肉脂肪浸润不均匀的个体中具有优势[42]。MRS与MRCSR已被证明具有良好的相关性[43]。
前瞻性地,应开展更大规模、更同质性患者群体的研究,以验证非增强单能SMRA截断值通过DECT VNC值识别肌少症患者的适用性,并确定用于诊断肌少症的性别和年龄特异性DECT肌肉脂肪分数阈值。在此背景下,肌肉脂肪百分比与不同患者队列临床结局的预期关联,例如依赖于(组织学)癌症类型和治疗,也需要进一步验证。应注意区分恶病质和肌少症这两种常被混淆但截然不同的实体[44]。因此,建议不仅评估肌肉数量和质量,还应评估体脂肪量(如前所述[18])。
总之,本初步研究表明,通过DECT物质分解对骨骼肌内脂肪堆积作为肌肉质量参数进行定量是可行且可靠的。此外,DECT VNC HU值允许在不使用造影剂的情况下评估SMRA,这在未进行平扫时具有优势。
因此,DECT为在常规临床CT扫描中定量和客观地测量肌肉质量提供了一种新方法。这对于改善肌少症的放射学确认具有很大潜力,肌少症是慢性或重症患者中常见的合并症,与不良临床结局密切相关。
引用
- Molwitz I, Leiderer M, McDonough R, et al. Skeletal muscle fat quantification by dual-energy computed tomography in comparison with 3T MR imaging. Eur Radiol. 2021. PMID: 33770247. doi:10.1007/s00330-021-07820-1
- 全文:PMC8452571(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8452571/
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。