多中心CT灌注研究中动脉输入函数的变异及其对卒中核心/半暗带体积的影响
基于DUST多中心研究的1394例CTP数据集,评估14个中心间动脉输入函数(AIF)的变异及其对灌注分析的影响;AIF幅度、AUC、BAT、TTP均存在显著中心间差异,导致数字体模中梗死核心和半暗带体积估计显著不同,可能影响卒中治疗决策。
要点
- 多中心CTP研究中对比剂注射方案不一致导致AIF参数显著变异。
- AIF幅度和AUC的中心间差异大于中心内差异,是体积估计变异的主要来源。
- 不同中心AIF输入数字体模后,梗死核心和半暗带体积估计显著不同。
核心结论
- 多中心CTP研究中对比剂注射方案差异导致AIF幅度和时序显著不同,进而使梗死核心和半暗带体积估计产生显著差异,可能影响卒中诊断和治疗选择。
研究设计与样本
- 研究为基于DUST多中心急性卒中研究的回顾性分析,纳入14个中心共1422例CTP数据集,最终分析1394例,扫描参数为80 kVp、150 mAs、层厚5 mm。
- 推荐注射方案为40 mL对比剂以6 mL/s注射,随后40 mL生理盐水以6 mL/s冲管,但实际方案未严格遵循且无法全部回溯。
- 采用自动分割动脉树并平均衰减曲线获得AIF,以VOF的AUC重标定校正部分容积效应,未进行手动校正。
- 使用真实人形体模模拟四种代表性中心的平均AIF,分别用商业软件IntelliSpace Portal 10.1和基于bSVD的院内软件分析核心和半暗带体积。
诊断标准与关键数值
- ISP软件默认阈值定义梗死核心为rMTT > 150%且CBV < 2.0 mL/100g,半暗带为rMTT > 150%且CBV > 2.0 mL/100g。
- 院内bSVD软件定义梗死核心为rCBF < 20%,半暗带为rCBF 20–45%,阈值通过最大化与已知区域Dice相似系数确定。
- AIF参数近似四分位距为幅度200–750 HU、AUC 2500–10,000 HU·s、BAT 0–17 s、TTP 10–26 s。
- 中心间AIF幅度、AUC、BAT、TTP均差异显著(均p < 0.001),幅度可解释方差64.6%、AUC 63.3%、BAT 37.1%、TTP 22.4%。
- 数字体模中介核心体积中心间范围为0.1–7.0 mL,半暗带体积0.8–34.5 mL,mismatch为0–8%。
临床应用与阅片要点
- 阅片和报告时应意识到多中心CTP数据中AIF变异可导致核心和半暗带体积估计差异,尤其影响基于体积阈值的治疗决策。
- 对比剂注射方案(浓度、速率、体积)应尽可能标准化,并在报告中注明方案信息以便结果解读。
- 不同灌注软件使用不同阈值和算法,比较不同中心或不同软件结果时需谨慎。
- 对于发病6 h以上或醒后卒中患者,CTP体积和mismatch是治疗选择依据,AIF变异带来的体积差异具有临床相关性。
局限性
- 平均AIF被用作注射方案替代指标,但AIF同时受患者生理因素影响,且假设各中心患者平均生理状况可比。
- 无法回溯所有中心在入组时的注射方案,仅四个代表性中心提供了方案信息,且实际方案未严格遵循推荐。
- 临床影响评估使用数字体模而非患者CTP数据,以保持前处理后处理恒定并分离AIF影响。
- 研究聚焦AIF的幅度和AUC,未深入分析BAT和TTP协调化的潜在获益。
全文中译15 节 · 点击展开
引言
计算机断层扫描灌注(CTP)方案是大量多中心卒中研究的核心。这些研究通常关注血管内或动脉内治疗对卒中结局的影响,并将CTP用作选择模态[1–3]。这些研究的一个前提是,来自各参与中心的CTP数据在诊断质量和定量结果(例如梗死核心体积)方面是均一的,并且可以合并形成同质数据库。
然而,CTP方案涉及若干技术采集和处理步骤,可能违反这一均一性假设[4, 5]。这种异质性可能导致(定量)结果显著不同,因此需要协调采集和处理步骤。
研究已表明,注射方案的变异会影响CTP结果。已使用基于生理学的药代动力学模型研究了对比剂因素和患者因素对时间衰减曲线的影响[6]。同样在一项患者研究中,发现其中一些对比剂和患者因素会影响时间衰减曲线[7]。此外,已表明较高的碘对比剂浓度可改善患者灌注数据的质量[8]。尽管注射方案的若干方面已有讨论,但参与协调多中心研究的各中心之间的临床变异以及这种变异对灌注分析可能产生的影响尚未被研究。
本文探讨参与多中心CTP研究的各中心以动脉输入函数(AIF)为特征的对比剂注射方案变异,以检验CTP结果会出现显著差异这一假设。
影像数据的采集
影像数据采集自参与荷兰急性卒中(DUST)研究的14个卒中中心(标记为中心A-M)[9]。临床诊断为急性缺血性卒中的患者被纳入,条件为年龄大于18岁、急性神经功能缺损少于9小时,且美国国立卫生研究院卒中量表至少为2分,或者如果存在静脉重组组织型纤溶酶原激活剂指征,则等于1分。
DUST研究方案设计描述了在40至320排CT扫描仪(GE Healthcare、Philips、Siemens、Toshiba)上以80 kVp和150 mAs采集,间隔2秒,持续50秒,并重建为5 mm层厚。建议的注射方案为40 mL对比剂团注,以6 mL/s的速率注射,随后以6 mL/s的速率注射40 mL生理盐水冲管。
采集方案的确定
尽管为参与DUST研究的中心制定了通用CTP采集方案,但各中心之间的采集方案仍存在差异。由于这些方案在DUST研究时未被登记,且我们无法回顾性获取它们,因此采集方案是根据影像数据重建的。
虽然扫描方案可以从CTP扫描的DICOM元数据中重现,但关于注射方案的信息并未存储在DICOM数据集中。为了仍然能够研究注射方案,我们观察了AIF的变异,其反映了注射方案的所有重要方面。
患者AIF的确定
所有CTP数据均以统一方式集中处理。分析前,使用配准软件包Elastix [10]通过对颅骨进行三维配准对扫描进行运动校正。对于每次扫描,使用内部软件从配准图像中确定AIF,方法是对自动分割的动脉树部分(至少一百个体素)中的所有衰减曲线取平均值。然后对AIF进行重新缩放,使AIF的曲线下面积(AUC)等于自动分割的静脉输出函数(VOF)的AUC,以校正部分容积效应。与临床实践相反,自动确定的AIF从未经过手动校正。
患者AIF的处理
对于每个AIF,振幅、AUC、团注到达时间(BAT)和达峰时间(TTP)均通过对AIF拟合的伽马分布自动确定(图2)。为每个参数绘制箱线图以显示中心内和中心间的变异。
为检验中心间的显著差异,对AIF的每个参数进行单因素方差分析(ANOVA)。此外,还比较了各中心间平均振幅、AUC、BAT和TTP及其95%置信区间,其中置信区间不重叠意味着统计学显著差异。还对各扫描仪制造商组间的显著差异对AIF的每个参数进行了单因素方差分析。在这些统计计算中,排除了任一参数存在离群值的AIF,其中离群值定义为低于第一四分位数或高于第三四分位数的四分位距1.5倍以上的数据点。
为进一步表明AIF的变异,对AIF的每个参数确定了方差解释比例,即组间平方和除以总平方和。这些比例表明有多少变异归因于入院中心,并进行比较以确定哪些参数将从协调化中获益最多。选择了四个中心作为入院中心所致AIF变异的代表。尽管我们无法回顾性获取所有注射方案,但这四个中心能够向我们提供DUST研究时的注射方案。
模拟研究设计
为评估中心间 AIF 变异对临床的影响,进行了一项模拟研究,证明其对估计梗死核心和缺血半暗带体积的影响。每个所选中心的平均 AIF 曲线作为更新版拟人数字体模的输入 [11]。这些中心特异性平均 AIF 是通过在对这些曲线求平均之前对齐每位患者个体曲线的峰值来构建的。如有必要,通过重复对齐后 AIF 的端点来进行填充。
我们为体模模拟了标准扫描方案,包括在 80 kVp 和 150 mAs 下采集 25 次,总持续时间为 48 s,采集间间隔 2 s,层厚 5 mm。在第一组体模中,右半球包含一个带半暗带的小梗死核心(8 mL 核心和 48 mL 半暗带);在第二组中,右半球包含一个带半暗带的大梗死核心(26 mL 核心和 243 mL 半暗带)。在两组中,针对四个 AIF 中的每一个都生成了十个相同体模,但具有不同的随机生成噪声实现,因此我们可以考虑噪声对参数的影响 [11]。
数字体模的 CTP 分析
由于 AIF 可能因灌注软件不同而对梗死定量产生不同影响,图像分别使用 IntelliSpace Portal(ISP;Brain Perfusion,IntelliSpace Portal 10.1,Philips Healthcare)中的商业方法(“Arrival Time Sensitive”)和基于 bSVD 方法的内部开发软件进行分析,后者目前被认为是针对 CTP 数据进行去卷积的临床最先进方法 [4]。
在 ISP 中,体模使用专有方法自动处理(滤波和自动 AIF/VOF 选择)。应用出厂默认阈值估计梗死核心和半暗带体积,其中梗死核心定义为相对平均通过时间(rMTT)> 150% 且脑血容量(CBV)< 2.0 mL/100g 的组织,半暗带定义为 rMTT > 150% 且 CBV > 2.0 mL/100g 的组织。对于每组十次噪声实现,估计的核心和半暗带体积显示在箱线图中。
内部去卷积软件在滤波前使用前述方法从 CTP 图像中自动确定每个体模的 AIF。此后,应用具有 3 mm 各向同性空间核和 20 HU 强度核的双边滤波器对体模噪声实现进行滤波。按照 bSVD 去卷积方法进行灌注分析 [12]。梗死核心定义为相对脑血流量(rCBF)< 20% 的组织,半暗带定义为 rCBF 在 20 至 45% 之间的组织。这些阈值是通过最大化数字体模核心和半暗带的预测区域与已知区域之间的 Dice 相似系数得出的。对于每组噪声实现,每个中心的预测核心和半暗带体积显示在箱线图中。
体积的统计分析
采用方差分析(ANOVA)对两种处理方法下各中心的平均估计核心体积和半暗带体积进行比较。平均错配比定义为半暗带体积除以半暗带体积与核心体积之和,采用相同方法进行比较。若差异具有统计学意义,则采用Tukey诚实显著性差异检验对体积和错配比进行事后检验。显著性水平定义为双尾p < 0.05。
结果
所有DUST参与者(n = 1422)均知情同意使用其临床和影像数据。其中11次采集的扫描因数据配准问题被排除。根据剩余扫描的DICOM元数据重建的扫描方案见补充材料。排除偏离各自中心通用方案的扫描后,又排除了17次扫描,最终共分析1394次扫描。在分析扫描方案时,我们发现F中心在研究期间的某个时间点更换了扫描方案,导致出现两种不同的扫描方案。因此,我们将该中心拆分为F1中心和F2中心,分别对应采集间隔为1秒和2秒的扫描。
患者动脉输入函数(AIF)分析
振幅、曲线下面积(AUC)、达峰时间(BAT)和峰值时间(TTP)的箱线图见图3。这些图显示中心内存在变异,可由患者个体差异解释[6, 7],中心间也存在变异。总体而言,振幅的四分位距约为200–750 HU,AUC约为2500–10,000 HU·s,BAT约为0–17 s,TTP约为10–26 s。
振幅、AUC、BAT和TTP在各中心间均存在显著差异(均p < 0.001)。哪些中心间存在显著差异的提示见补充材料。按扫描仪制造商分为三组(即Canon、Philips和Siemens)时,振幅(p = 0.36)、AUC(p = 0.20)、BAT(p = 0.17)或TTP(p = 0.25)均未发现显著差异。各中心按扫描仪制造商分组的详细说明见补充材料。
振幅的解释方差比例为64.6%,AUC为63.3%,BAT为37.1%,TTP为22.4%。基于振幅和AUC,选择F2中心(图中浅蓝色)、G中心(图中深蓝色)、H中心(图中浅红色)和J中心(图中深红色)用于模拟研究,因为它们代表了AIF的较大范围。其平均AIF曲线见图4。深色曲线振幅高,浅色曲线振幅低。蓝色曲线宽度相近,红色曲线AUC相近。这些中心的注射方案见表1。
数字体模的CTP分析
作为拟人数字体模的一个示例,图5展示了包含小梗死的十种噪声实现之一在ISP上的参数图。图6展示了各选定中心对小梗死和大梗死估算的核心及半暗带体积的箱线图。表2中列出了其中位数和四分位距,以及不匹配。各中心间核心体积中位数差异为0.1至7.0 mL,半暗带体积中位数差异为0.8至34.5 mL,不匹配中位数差异为0至8%。
体积的统计分析
使用ISP进行分析,小梗死(p = 0.01)在中心F2与中心G之间的平均梗死核心体积存在显著差异。大梗死(p < 0.001)在中心F2与其他三个中心之间的平均梗死核心体积也存在显著差异。小梗死的平均半暗带体积在各中心间无显著差异(p = 0.06)。对于大梗死,中心H与中心J之间的平均半暗带体积存在显著差异(p = 0.03)。小梗死的平均不匹配在中心F2与中心G和J之间以及中心H与中心G和J之间存在显著差异(p < 0.001)。大梗死的平均不匹配在除中心G与J之外的每对中心之间均存在显著差异(p < 0.001)。
使用内部处理方法进行分析,小梗死的平均核心体积在各中心间无显著差异(p = 0.22)。大梗死(p < 0.001)在除中心G与J之外的每对中心之间均存在显著差异。小梗死的平均半暗带体积在中心H与其他三个中心之间以及中心F2与中心J之间存在显著差异(p < 0.001)。大梗死的平均半暗带体积在每对中心之间也存在显著差异(p < 0.001)。小梗死的平均不匹配在各中心间无显著差异(p = 0.80)。对于大梗死,平均不匹配在中心F2与其他三个中心之间以及中心G与中心H之间存在显著差异(p < 0.001)。
讨论
本研究在一项大型多中心卒中研究中探讨了各中心之间对比剂注射方案的差异,该差异以其平均动脉输入函数(AIF)为特征。各中心之间在AIF的幅度和时间特征上存在显著差异。这种差异很重要,因为它影响多中心研究中CT灌注(CTP)分析的变异性。与解释方差比例相对应的注射方案统一化可使幅度变异降低64.6%,AUC变异降低63.3%,BAT变异降低37.1%,TTP变异降低22.4%。由于平均AIF之间幅度和AUC的差异,发现梗死定量存在显著差异。
在临床实践中,基于影像的治疗决策由平扫CT、闭塞部位(由CT血管造影提供)和CTP共同决定。CTP对比剂团注的变异与当前临床实践相关,因为治疗决策可能基于梗死核心体积和错配情况,适用于症状发作后超过6小时就诊的患者[2, 3]或醒后卒中患者[13, 14]。尽管我们的研究考虑了CTP对比剂团注的变异,但CT血管造影同样需要对比剂团注,而其在各中心之间也可能存在差异。
注射方案(如对比剂浓度、注射速率和注射体积)以及某些患者特征(如患者体重和心输出量)对AIF的影响已通过模拟研究[6]。对于其中部分参数,对AIF的影响也已在患者群体中进行了研究[7],此外,还考察了对比剂浓度对灌注参数的影响[8]。我们的研究报告了一项统一化多中心研究中各中心之间AIF的差异,并展示了这种差异可能产生的临床影响。
这种临床影响部分取决于灌注软件。两种方法之间体积预测的差异可能归因于不同的滤波方法、算法以及梗死核心和半暗带的定义。在多中心研究中统一这些图像处理步骤以减少CTP结果的变异性,是一项重大而重要的挑战。我们的研究表明,鉴于每种处理方法内部体积预测的差异,注射方案的统一化同样重要。
本研究存在若干局限性。一个主要局限性是必须以平均AIF作为注射方案的替代指标,同时AIF又受患者生理状态的影响。我们假设每位患者的AIF由患者生理状态和对比剂注射共同决定,而后者在每个中心内预期是恒定的。此外,我们假设各中心收治患者的平均生理状态在各中心之间具有可比性。因此,平均AIF之间的差异被假定为对比剂注射差异的结果。这证明了将平均AIF作为注射方案替代指标的合理性,尽管平均AIF与注射方案参数之间的确切联系仍不清楚。
其次,我们无法获取所有中心在患者入组时的注射方案。在假设各中心收治患者的平均生理状态在中心间具有可比性的前提下,平均AIF被用作注射方案的替代指标,以检查对建议注射方案的依从性。对于选定的代表性中心,其注射方案是可获得的。这些方案表明,DUST研究的注射方案(未对对比剂浓度加以限制)在团注体积和注射速率方面并未被严格遵循。
第三,用于研究AIF临床影响的灌注图并非由患者CTP数据生成,而是由数字体模生成。这样做是为了保持前后处理恒定,从而能够分离出AIF的影响。由于各中心在不同扫描仪上使用不同方案和软件进行扫描,患者灌注数据差异的原因更难以确定。
第四,关于不同AIF的临床相关性,我们的关注点集中在AIF的幅度和AUC上。BAT和TTP的协调统一也可能被证明是有益的,因为它可能使调制的扫描方案更容易实施[15],并最小化组织曲线截断的风险[16]。
结论
在本研究中,我们已经表明,各中心之间CTP对比剂注射方案的差异会导致AIF的幅度和时间出现显著差异。各中心之间AIF幅度的差异大于中心内的差异。这种差异会导致核心和缺血半暗带体积估算的显著差异,这一点在当前的多中心研究中应予承认,并且与当前临床实践相关。
引用
- Peerlings D, Bennink E, Dankbaar JW, et al. Variation in arterial input function in a large multicenter computed tomography perfusion study. Eur Radiol. 2021. PMID: 34050385. doi:10.1007/s00330-021-08067-6
- 全文:PMC8523411(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8523411/
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。