基于TACE前MRI影像组学列线图预测中晚期HCC肿瘤反应
该研究纳入99例中晚期肝细胞癌(HCC)患者(训练集69例,验证集30例),利用TACE前T2加权图像提取396个影像组学特征,经LASSO筛选6个特征构建Rad-score,并结合临床指标(AFP、Child-Pugh分级、BCLC分期)建立列线图预测TACE反应(mRECIST标准)。结果显示联合模型在训练集和验证集的AUC分别为0.861和0.884,决策曲线显示临床有用。
要点
- TACE前MRI T2WI影像组学特征联合临床指标可预测中晚期HCC的TACE反应。
- 联合列线图在验证集AUC达0.884,敏感度1.00、特异度0.75。
- 决策曲线提示阈值概率>7%时使用列线图预测无反应可增加净获益。
核心结论
- 基于影像组学评分和临床指标的列线图能较好预测中晚期HCC患者TACE治疗反应,并可用于临床预后辅助诊断。
研究设计与样本
- 单中心回顾性研究,纳入2016年3月至2019年12月99例中晚期HCC患者(训练集69例,验证集30例),均行TACE前2周内3.0T MRI(含T2WI、动态增强T1WI、DWI),以TACE后3个月mRECIST标准评估为参考。
关键影像表现/征象
- 从TACE前T2加权图像提取396个影像组学特征,经LASSO筛选出6个特征(variance、InverseDifferenceMoment_angle90_offset7、LongRunEmphasis_angle90_offset7、ShortRunEmphasis_AllDirection_offset4_SD、ShortRunEmphasis_angle135_offset1、HighIntensityLargeAreaEmphasis)。
- TACE反应组(TR)与非反应组(nTR)在AFP值、Child-Pugh分级、BCLC分期上差异有统计学意义(p分别为0.003、0.009、0.007)。
诊断标准与关键数值
- Rad-score模型在训练集AUC为0.812(95%CI 0.711–0.914),敏感度0.844、特异度0.676;验证集AUC为0.866(95%CI 0.739–0.993),敏感度0.786、特异度0.812。
- 联合临床指标(AFP、Child-Pugh分级、BCLC分期)的列线图在训练集AUC为0.861(95%CI 0.774–0.949),敏感度0.844、特异度0.811;验证集AUC为0.884(95%CI 0.764–1.000),敏感度1.00、特异度0.75。
- TACE反应按mRECIST标准分为完全缓解(CR)、部分缓解(PR)、疾病进展(PD)和疾病稳定(SD),TR组包括CR和PR,nTR组包括PD和SD。
临床应用与阅片要点
- 对于拟行TACE的中晚期HCC患者,可基于TACE前T2WI提取的影像组学特征计算Rad-score,并结合AFP、Child-Pugh分级和BCLC分期使用列线图评估治疗反应概率。
- 决策曲线分析显示当阈值概率>7%时,使用列线图预测nTR比全部治疗或全部不治疗策略增加净获益。
局限性
- 单中心回顾性研究,样本量较小(99例),验证集仅30例,结论需外部多中心验证。
全文中译16 节 · 点击展开
引言
肝细胞癌(HCC)是肝脏最常见的原发性恶性肿瘤,致死率高,且在全球范围内发病率持续上升[1, 2]。肝癌发生是一个多步骤的复杂生物学过程,其中基因组改变通过逐步改变肝细胞表型诱导细胞中间体的形成,进而演变为HCC[3]。肝切除术和肝移植被认为是仅有的两种具有潜在治愈效果的选择[4]。遗憾的是,大多数HCC患者在诊断时已处于中晚期,伴有广泛病变或基础肝功能不全,往往不适合治愈性治疗。根据巴塞罗那临床肝癌(BCLC)临床分期系统,以经导管动脉化疗栓塞(TACE)为代表的局部治疗已成为中晚期肝癌患者的重要治疗手段[5]。
作为全球范围内用于有效治疗不可手术HCC的方法,TACE还搭建了与其他治疗(如肝切除术[6]和靶向治疗[7])连接的桥梁。然而,由于肿瘤细胞的生物学行为高度异质[8],TACE的治疗结局在患者之间差异很大。近期研究表明,TACE反应的异质性还导致局部肿瘤复发率高,治疗后2年、3年和5年分别可达46%、58%和63%[9–11]。既往研究已证实,Cezanne和细胞因子信号传导3甲基化与TACE反应的异质性高度相关[8, 12]。尽管已做出许多努力,但与预测TACE治疗反应和HCC患者预后相关的可靠方法仍然有限。为革新HCC的治疗,需要一种准确且高效的方法来预测TACE反应,这也是现代个性化医学的关键目标[13]。在临床上,磁共振成像(MRI)在HCC的初始分期、治疗策略制定和治疗反应评估中发挥着重要作用[14]。目前基于MRI的诊断依赖于放射科医师的经验,他们根据图像进行主观和定性判读。然而,他们难以对肿瘤异质性进行定量评估[15]。目前,利用影像组学进行诊断的兴趣日益增长,其可通过从医学图像中提取定量特征来表征不同疾病的表型。既往研究已证明,基于影像组学的特征与多种癌症类型的临床预后和潜在基因组模式密不可分[16–18]。因此,利用影像组学预测TACE反应可能是可行的,其能够很好地建立HCC与医学图像之间的联系[19]。据我们所知,基于MRI的影像组学在预测TACE反应方面仍不充分。
因此,本研究旨在开发并验证一种基于MRI的影像组学列线图,该列线图可对HCC的TACE反应提供个体化治疗前评估,并评估其临床应用的可行性。
材料与方法
患者选择
本研究经浙江大学丽水医院机构审查委员会和人体伦理委员会批准,并豁免知情同意要求。2016年3月至2019年12月,共纳入403例在本机构接受TACE治疗且经病理确诊为中晚期(BCLC B期)或晚期(BCLC C期)HCC的患者。符合条件患者的其他纳入标准包括:在TACE前2周内进行MRI检查,TACE后随访超过3个月,以及未接受其他治疗。共有304例患者因以下因素被排除:(1)接受其他治疗联合治疗的患者,如肿瘤切除、放疗或全身化疗(n = 264);(2)缺乏MR成像数据或图像质量差的患者(n = 7);(3)TACE后随访时间少于3个月的患者(n = 27);(4)患有其他恶性肿瘤的患者(n = 6)。最终,99例患者被选入本研究的进一步研究。病例识别流程的流程图见图1。
MR成像方案
所有MRI扫描均在Philips ENGENIA 3.0-T MR扫描仪(Philips Medical Systems)上进行。所有患者在TACE前后均接受动态对比MRI检查,相应的标准临床方案包括:(1)频谱预饱和反转恢复T2加权序列(重复时间/回波时间(TE),3000/200 ms;层厚,7 mm;层间距,1 mm;矩阵大小,200 × 195);(2)屏气平扫和增强(按每千克体重注射0.1 mmol钆喷酸葡胺(广州康臣药业有限公司)后)mDIXON-T1WI(水)序列(重复时间/TE1/TE2,3.6/1.31/2.2 ms;视野,400–314 mm;层厚,5 mm;层间距,−2.5 mm;矩阵大小,224 × 166)进行扫描,并扫描4个动态期,分别为肝动脉期(15 s)、门静脉期(50 s)、实质期(90 s)和延迟期(180 s);以及(3)屏气扩散加权回波平面序列(视野,400–343 mm;矩阵大小,116 × 97;重复时间/TE,2500/64 ms;层厚,7 mm;层间距,1 mm;b值 = 0和800 s/mm2)。
TACE治疗
所有入组患者均成功接受TACE治疗,包括传统TACE(cTACE)和药物洗脱微球TACE(DEB-TACE)。由医生根据患者的肝功能、肿瘤的大小和数量、是弥漫性还是离散性以及其在肝脏中的位置来选择cTACE或DEB-TACE。医生推荐的TACE方法经患者批准。所有治疗操作均按照现行实践指南[20]进行,并由具有10年以上临床经验的介入放射科医生实施,以确保治疗过程的标准化,当栓塞后血管造影未见肿瘤内对比剂染色时,即判定栓塞成功。
对于cTACE,使用碘油(Guerbet)、明胶海绵颗粒和聚乙烯醇作为栓塞剂。在数字减影血管造影(DSA;AlluraClarity FD 20,Philips)监测下,应用2.7-Fr微导管(Progreat;Terumo)将栓塞剂注入肝动脉血管系统。所有患者在cTACE术后均入院接受术后支持治疗,并进行了常规管理,包括水化、止吐、疼痛控制以及监测肝功能变化。
对于DEB-TACE,使用直径为100–300 μm的CalliSpheres®微球(CB;江苏恒瑞医药股份有限公司)作为载体,负载60–80 mg表柔比星、吡柔比星或多柔比星。TACE的治疗过程与cTACE相似,以完全闭塞肿瘤供血动脉为治疗终点。
基于改良实体瘤疗效评价标准(mRECIST)评估TACE疗效
我们通过术后3–4个月内的MRI评估了接受TACE治疗患者的基于改良实体瘤疗效评价标准(mRECIST)的肿瘤疗效。简言之,mRECIST[21]的相应疗效包括:(1)完全缓解(CR):肿瘤完全消失;(2)部分缓解(PR):存活靶病灶(动脉期强化)直径总和至少减少30%;(3)疾病进展(PD):存活(强化)靶病灶直径总和至少增加20%;(4)疾病稳定(SD):既非PR也非PD。在本研究中,患者被分为两组:TACE有效(TR)组(CR和PR患者)和TACE无效(nTR)组(PD和SD患者)。nTR和TR患者的代表性MR图像见图2。
本研究中患者的TACE疗效由两名经验丰富的放射科医生根据随访MR图像确定。在99例入组患者中,46例被分配到nTR组,53例被分配到TR组。然后,通过设置种子点将患者随机分为训练队列(69例;nTR = 32,TR = 37)和验证队列(30例;nTR = 14,TR = 16)。
纹理特征提取
将所有术前T2加权图像导入ITK-SNAP(www.itk-snap.org)以勾画肿瘤区域的感兴趣体积(VOI),该过程由两名具有15年以上临床诊断经验的放射科医师独立完成,以确保观察者内和观察者间分割的可重复性。
然后,通过人工智能套件软件(A.K.软件;GE Healthcare)计算VOI的定量特征,共提取396个影像组学特征用于进一步分析,这些特征分为五类,包括直方图、形状因子、灰度级大小区域矩阵(GLSZM)、灰度级共现矩阵(GLCM)和游程长度矩阵(RLM)。
影像组学特征的选择与影像组学标签的构建
对所有提取的影像组学特征进行进一步降维处理,在特征降维之前首先使用Z-score方法对特征进行标准化,以消除各特征数据的单位限制。然后,将异常值替换为所有病例中该参数的中位数,并使用训练队列构建影像组学模型,进一步通过验证队列进行验证。采用最小绝对收缩和选择算子(LASSO)逻辑回归算法进行特征选择,最终筛选出高度相关的特征。然后,通过使用所选特征簇的线性组合计算每位患者的影像组学评分(Rad-score),所选特征按其对应的LASSO系数加权。影像组学标签的预测准确性通过训练队列和验证队列中的受试者工作特征曲线下面积(AUC)进行量化。
此外,为提高当前基于Rad-score模型的预测性能,我们进一步将与传统经导管动脉化疗栓塞(TACE)反应高度相关的临床指标引入预测模型。应用单因素分析和多因素分析对每个潜在临床指标筛选高度相关的指标,然后结合Rad-score构建影像组学列线图作为TACE反应的预测模型。绘制受试者工作特征(ROC)曲线以评估模型的预测能力。此外,为评估列线图的校准度和临床实用性,开发了校准曲线和决策曲线。最后,在验证队列中使用训练队列构建的公式对模型进行验证,计算AUC并绘制校准曲线。
观察者内和观察者间一致性
特征提取的观察者内一致性和观察者间一致性通过相关系数(ICC)进行评估。为计算观察者内ICC,随机选取40幅T2W MR图像,由阅片者A在1个月内进行两次分割。为计算观察者间ICC,所选图像由两名放射科医师独立分割(阅片者A和阅片者B)。进行分割以进一步获得独立的特征提取,从而计算观察者内和观察者间ICC。当ICC大于0.75时,认为一致性良好,其余分割由阅片者A完成。
统计分析
所有定量特征均采用R软件(版本3.6.1)进行分析。训练队列与验证队列之间临床指标的差异采用Kolmogorov-Smirnov检验和Student t检验进行评估。LASSO logistic回归模型使用“glmnet”包进行。使用“pROC”包绘制ROC曲线。列线图和校准曲线使用“rms”包绘制。影像组学特征之间的相关性分析使用“pheatmap”包进行。我们模型的临床实用性通过决策曲线进行评估,决策曲线使用“rmda”包绘制[22]。报告的统计学显著性水平均为双侧,统计学显著性设定为0.05。
结果
患者的临床特征及与TR相关因素的logistic回归分析
本研究按照纳入和排除标准,共纳入99例接受TACE治疗且反应水平不同的患者。nTR和TR患者的基线特征列于表1。其中,50例患者接受cTACE治疗,49例患者接受DEB-TACE治疗,53例患者有反应,但46例患者无反应。nTR组包括40例男性(87.0%)和6例女性(13.0%),中位年龄为54.5岁;TR组包括44例男性(83.0%)和9例女性(17.0%),中位年龄为65岁。初诊时,nTR组和TR组的中位肿瘤直径分别为5.3 cm(范围3.60至9.15 cm)和5.1 cm(范围2.825至8.175 cm)。nTR组与TR组在性别、乙型肝炎表面抗原(HBsAg)、总胆红素、癌胚抗原(CEA)、肿瘤直径或治疗方法方面未见显著差异(p > 0.05)。同时,两组在Child-Pugh分级(p = 0.009)、BCLC分期(p = 0.007)和甲胎蛋白(AFP)水平(p = 0.003)方面存在较大差异。
多因素logistic回归分析显示,Child-Pugh分级、BCLC分期和AFP水平可作为TR的预测因素,如表1所示。Child-Pugh分级、BCLC分期和AFP水平的OR分别为2.846(95% CI:1.054–7.680;p = 0.039)、2.904(95% CI:1.136–7.426;p = 0.036)和1.001(95% CI:1.000–1.002;p = 0.006)。所有因素在单因素分析和多因素分析中均保持显著。
影像组学特征提取的观察者内和观察者间可重复性
两位阅片者对每个所选特征的测量值之间无统计学显著差异,p值范围为0.712至0.861。基于阅片者A获得的两次测量值计算的观察者内ICC范围为0.821至0.946。两位阅片者之间的观察者间一致性范围为0.767至0.910。结果表明观察者内和观察者间特征提取可重复性良好。最终,所有结果均基于阅片者A的测量。
基于Rad-score和临床预测因素的影像组学模型
本研究影像组学的工作流程如图3和图S1所示。最终,通过LASSO逻辑回归筛选出与TR相关性最强的六个特征:方差、InverseDifferenceMoment_angle90_offset7、LongRunEmphasis_angle90_offset7、ShortRunEmphasis_AllDirection_offset4_SD、ShortRunEmphasis_angle135_offset1和HighIntensityLargeAreaEmphasis(表2和图S1C)。所选特征的ROC曲线见图4a和b,相应的AUC、敏感度和特异度见表2。
然后,将所选的六个特征全部组合,为每个病例生成Rad-score,以构建TR的预测模型。该模型在训练队列和验证队列中均表现出优异的预测性能(图4c、d)。在训练队列中,预测模型的AUC为0.812(95% CI:0.711至0.914),特异度和敏感度分别为0.676和0.844。在验证队列中,AUC、特异度和敏感度分别为0.866(95% CI:0.739至0.993)、0.812和0.786。
为提高上述基于Rad-score的模型的预测效能,我们进一步将筛选出的临床指标(Child-Pugh分级、BCLC分期和AFP水平)整合入预测模型,形成一个新模型,该模型的性能显著提高(图5和表3)。训练队列的AUC为0.861(95% CI:0.774至0.949),特异度和敏感度分别高达0.811和0.844。验证队列的AUC为0.884(95% CI:0.764至1.000),特异度和敏感度分别为0.75和1.00。
预测列线图的构建
基于上述新型预测模型构建了影像组学列线图,该模型有效整合了Rad-score和筛选出的临床预测因子(图6a)。校准图还表明,在训练队列和验证队列中,列线图预测值与实际观察值之间均具有良好的一致性(图6b、c)。
预测列线图的临床实用性
影像组学列线图的决策曲线分析见图S2。决策曲线显示,若患者的阈值概率> 7%,使用影像组学列线图预测nTR比不治疗策略或治疗所有患者策略带来更多获益。在该范围内,基于上述影像组学列线图,净获益相当,存在若干重叠。
讨论
TACE是一种广泛应用的局部姑息性介入治疗,由于阻塞肿瘤供血动脉,可导致广泛坏死并抑制肿瘤进展,因此在HCC患者的治疗中发挥关键作用[23]。然而,HCC患者对TACE的临床应答往往呈现较大的个体差异[8, 24]。因此,在TACE前准确评估肿瘤应答尤为重要,这对于HCC的进一步治疗也至关重要。本研究开发并验证了一种新型的预测性影像组学特征及基于临床预测因子的影像组学列线图,用于预测HCC患者接受TACE治疗的应答性。该模型可根据TACE前Rad-score和临床特征成功将患者分为nTR和TR患者。
在本研究中,应用放射组学技术提取HCC患者T2WI的纹理特征,并应用396个候选放射组学特征进行进一步研究。在这396个放射组学特征中,有42个基于直方图的特征、9个基于形状因子的特征、11个基于GLSZM的特征、180个基于RLM的特征和154个基于GLCM的特征。基于直方图的特征使用给定ROI的强度(HU)分布计算,反映肿瘤的强度信息[25]。基于形状因子的参数可以描述肿瘤区域的三维大小和形状。基于GLSZM的特征计算具有特定灰度级的像素与具有灰度值的另一像素共同出现的次数。它表示特定像素具有某些灰度值的联合概率[26]。基于RLM的特征被定义为在给定方向上具有不同灰度级和游程长度的像素的游程数,如GLCM所定义的那些[27]。
在我们的研究中,通过使用LASSO方法收缩回归系数,潜在的396个候选放射组学特征最终被缩减为六个潜在预测因子,以进一步整合形成Rad-score,其包含有效的生物学信息并可反映肿瘤的异质性[18]。先前的一些研究已经证明,Rad-score由于与肿瘤生物学特征高度相关,可以有效预测患者的预后[28, 29]。对于TACE反应,最近的一项研究表明,基于计算机断层扫描的放射组学特征与HCC患者TACE后早期复发密切相关[30]。这些初步研究进一步证实,基于纹理特征的放射组学方法用于预测TACE反应性是可行的。
BCLC分期系统和Child-Pugh分级已被多个指南认可和推荐用于HCC患者的预后和治疗分层[31, 32],并且大量研究也证明BCLC分期和Child-Pugh分级可作为HCC预后的重要指标[33–35]。此外,一些研究关注实验室指标(如AFP、CEA或HBsAg)与HCC预后之间的关系[36–38]。在我们的研究中,还使用单因素和多因素分析来选择临床预测因子。获得的结果显示,BCLC分期、Child-Pugh分级和AFP水平与TR高度相关,可作为独立预测因子。然后,将上述三个临床预测因子与放射组学特征相结合,构建了一种新的TR预测列线图,该列线图可以基于Rad-score有效提高模型的预测性能。
构建的新型TR预测列线图通过决策曲线进一步评估以明确其临床实用性,决策曲线可基于阈值概率提供临床结局的洞察,由此可推导出净获益(净获益定义为真阳性比例与假阳性比例的差值,由假阳性和假阴性结果的相对危害加权)[39, 40]。结果表明,如果患者的阈值概率>7%,使用本研究的影像组学列线图预测接受TACE治疗患者的肿瘤反应不良,比全部治疗策略或全部不治疗策略增加更多获益。本新型列线图为临床HCC患者治疗方案的决策和管理提供了重要的定量指标和参考。
GIDEON研究显示,cTACE和DEB-TACE分别占TACE手术的74%和16% [41]。在临床中,医生根据患者的肝功能、肿瘤的数量和大小、是否为离散型或弥漫型以及肿瘤在肝脏中的位置,选择cTACE或DEB-TACE治疗HCC患者。为了获得普遍适用的TACE预后模型,接受cTACE或DEB-TACE的患者均纳入本研究。结果表明,TACE技术不是肿瘤反应的独立预测因素。该结果与近期一项研究一致,该研究显示cTACE与DEB-TACE在疗效(肿瘤反应和总生存期)方面无统计学差异[42]。多柔比星、表柔比星和吡柔比星是TACE治疗中最常用的抗癌药物。一项随机对照试验显示,多柔比星、顺铂和表柔比星之间的生存期无显著差异[43]。抗癌药物的选择和给药剂量由介入放射科医师根据患者情况推荐[44]。
然而,我们的研究存在若干局限性。第一,由于本研究为单中心回顾性研究,选择偏倚不可避免。第二,样本量相对较小,需要外部验证和更大的数据集来验证和完善我们的结果。未来应开展大样本、多中心队列和多模态研究,以验证该影像组学特征的预后意义。
总之,影像组学提供了一种从临床影像中提取潜在重要数据的新方法,可识别不同的聚类。构建的新型TR预测列线图是一种新颖、无创、高效且可行的方法,用于预测HCC患者的临床TACE反应性。基于Rad-score和临床预测因素的定量列线图预测模型可作为精准医学的替代方法,并为临床管理决策提供高度信息化的数据。此外,本研究为HCC患者更精准和个性化的管理提供了新策略,也可推广至其他类型的治疗。
补充信息
ESM 1(DOCX 246 kb)
引用
- Kong C, Zhao Z, Chen W, et al. Prediction of tumor response via a pretreatment MRI radiomics-based nomogram in HCC treated with TACE. Eur Radiol. 2021. PMID: 33860832. doi:10.1007/s00330-021-07910-0
- 全文:PMC8452577(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8452577/
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。