胰腺癌定量CT灌注成像的系统综述
该系统综述纳入21项研究共760例胰腺导管腺癌(PDAC)患者,评估CT灌注(CTP)在诊断、分级和治疗评估中的价值。所有对比研究均发现PDAC的血流量(BF)和血容量(BV)显著低于非肿瘤胰腺实质;少数研究提示CTP参数与病理分级及新辅助治疗反应相关。但动力学模型和采集方案异质性大,临床证据有限,标准化参数是临床推广的前提。
要点
- PDAC的BF和BV consistently低于非肿瘤胰腺实质,可辅助识别CECT上等密度的肿瘤。
- BV在低级别与高级别PDAC间差异显著,但研究间尚无统一分级标准。
- 治疗前BF或PS较高可能预测新辅助放化疗反应,但证据仅来自两项小样本研究。
核心结论
- 定量CTP在PDAC诊断中显示潜在获益,所有对比研究均发现肿瘤BF和BV显著低于非肿瘤胰腺实质。
- CTP可能作为病理分级和治疗反应评估的影像生物标志物,但临床证据仍有限。
- 动力学模型和采集参数异质性大,需标准化采集与重建参数以实现灌注参数的可互换性。
研究设计与样本
- 系统综述,遵循PRISMA-P 2015,检索PubMed、Embase和Web of Science 2000年1月至2020年12月文献。
- 初筛607篇摘要,全文评估29篇,最终纳入21项研究,共760例PDAC患者。
- 采用QUADAS-2评估偏倚风险,因数据异质性仅行描述性统计。
关键影像表现/征象
- 15项研究(519例)测量BF,PDAC平均BF范围为17–60 mL/100 g/min,非肿瘤胰腺实质为71–164 mL/100 g/min,所有研究均显示肿瘤BF显著降低。
- 11项研究(423例)测量BV,PDAC平均BV范围为2.8–59 mL/100 g,非肿瘤胰腺实质为15–200 mL/100 g,所有研究均显示肿瘤BV显著降低。
- 9项研究(349例)测量PS,PDAC平均PS范围为11–38 mL/100 g/min,非肿瘤胰腺实质为20–56 mL/100 g/min,仅两项研究差异有统计学意义。
- Yadav等报道42个CECT等密度病灶中6个在灌注彩图上可见;Aslan等和Delrue等显示PDAC的BF和BV显著低于急慢性胰腺炎(p<0.01)。
- 两项研究显示胰腺实质峰值强化显著高于PDAC(Lu:30.8 vs 57 HU,p<0.016;Tan:59 vs 101 HU,p<0.001);两项研究显示PDAC的MTT显著延长(Aslan:11.2 vs 3.7 s,p<0.001;Kovac:7.4 vs 4 s,p<0.001)。
诊断标准与关键数值
- Yadav等报道BF鉴别PDAC与胰腺炎的AUC为0.83,BV的AUC为0.80。
- Aslan等使用最佳截断值,BF和BV的敏感度和特异度均为100%。
- Kovac等报道BV预测肿瘤分级的AUC为0.977,BF的AUC为0.940;D'Onofrio等报道BV的AUC为0.798。
- 两项研究比较低级别(高/中分化)与高级别(低分化)PDAC,BV在低级别肿瘤中显著更高(p=0.001和p=0.004),BF仅在one项研究中差异显著(p=0.041)。
- 治疗反应预测:Hamdy等报道应答者治疗前BF更高(44 vs 28 mL/100 g/min,p=0.04);Park等报道应答者治疗前PS更高(50.8 vs 19.0 mL/100 mL/min,p=0.01)。
临床应用与阅片要点
- 阅片时可关注灌注彩图上的BF和BV低值区,辅助识别CECT上等密度或与胰腺炎难以鉴别的PDAC。
- 报告CTP参数时应注明所用动力学模型(最大斜率法、Patlak或去卷积)及采集协议,因参数不可直接互换。
- CTP参数受模型假设影响较大,最大斜率法低估BF,Patlak法在低血流肿瘤中假设可能不成立,解读数值需谨慎。
局限性
- 纳入研究异质性大,动力学模型和采集协议不统一,仅行描述性统计。
- QUADAS-2评估显示index test报告不充分,部分研究报道的灌注参数与所述动力学模型不一致。
- 患者流程和CTP与参考标准的时间间隔在几乎所有研究中报告不佳。
- 分级和治疗反应评估证据仅来自少数小样本研究,需大样本临床研究验证。
全文中译19 节 · 点击展开
引言
胰腺导管腺癌(PDAC)是美国癌症相关死亡的第三大原因[1]。其发病率估计每年增加0.5%,而预后仍然较差,5年生存率为10%[1]。在过去40年中,成像技术的可用性和进步以及新的治疗选择并未改善5年生存率,主要原因是就诊较晚[2]。由于40%的患者表现为局部晚期疾病,40-45%表现为转移性疾病,大多数患者面临无法治愈的疾病[3]。
双期或三期对比增强CT(CECT),至少包括动脉期和门静脉期,是目前胰腺导管腺癌诊断、可切除性评估和治疗监测的标准[4]。然而,目前使用CECT时遇到若干问题。首先,肿瘤表征和勾画——对分期和术前规划至关重要——并非总是可行的。基于CECT的准确诊断较为困难,因为在15-20%的病例中肿瘤可能表现为与周围实质等密度[5, 6]。此外,急性和慢性胰腺炎的炎性肿块在CECT上可模仿胰腺导管腺癌,存在误诊风险[7]。其次,组织病理学分析是金标准,肿瘤分级是生存的重要参数[8]。然而,活检并不总能获得足够的材料用于病理分级分析。采用细针活检(FNB)时,在所有操作中有77%可获得准确的组织学结果,但存在并发症风险[9]。此外,由于胰腺导管腺癌是异质性肿瘤,活检可能导致采样误差[10]。一种无创、可靠的成像生物标志物将非常有助于准确评估整个肿瘤的组织学分级,从而有助于选择合适的患者进行治疗。第三,采用目前的成像技术,基于RECIST的治疗评估是不够的。新辅助化疗越来越多地应用于潜在可切除的胰腺导管腺癌[11]。然而,基于RECIST的再分期仍然困难,因为使用CECT评估肿瘤大小和血管包绕的变化被证明不足以可靠地评估新辅助治疗后的反应[12]。此外,RECIST与肿瘤反应的组织病理学分级之间的相关性较差[13]。因此,CECT反应标准可能低估治疗反应,表明需要更可靠的预测因子来增加切缘阴性切除(即R0)的数量。
CT灌注(CTP),即动态对比增强CT,是一种新型模态,可通过结合功能信息和空间细节来改善胰腺导管腺癌的诊断检查[14]。CTP是一种成像技术,注射对比剂后的动态采集能够量化组织血管化程度[15]。使用动力学模型,可以计算反映肿瘤内灌注和血管通透性差异的参数。因此,CTP具有作为肿瘤学中肿瘤血管生成生物标志物的潜力,能够预测肿瘤分级和评估治疗反应[16-19]。在过去几年中,CTP越来越多地被用作功能成像生物标志物,多篇文章报道了CTP在胰腺癌中的额外益处和进展。
本系统综述旨在评估关于CTP在胰腺癌诊断、分级和治疗评估中的文献。次要目标是概述用于胰腺CTP的扫描方案和灌注模型。
材料与方法
检索策略
本系统综述按照2015年系统综述和荟萃分析优先报告条目(Prisma-P 2015)[20]进行。本系统综述的方案已在PROSPERO数据库中注册[注册号:CRD42021213438] [21]。检索策略结合了“CTP”、“动态对比增强CT”、“胰腺癌”和“胰腺腺癌”的同义词;完整检索见补充材料。该系统检索在以下数据库中进行:PubMed、EMBASE和Web of Science;检索词根据每个数据库进行了调整。已发表文章的时间范围为2000年1月1日至2020年12月31日。
纳入标准
当CTP用于原发性PDAC的诊断或治疗评估时,研究被认为符合纳入标准。扫描方案必须描述清楚,并包括动态采集以计算灌注参数,如血流量(BF)、血容量(BV)和渗透性表面积乘积(PS)。
研究选择
检索到的文章导入EndNote并去除重复项。检索所得的文章标题和摘要由两名评价者(T.P、E.G.)独立筛选。符合纳入标准的研究被选入全文筛选和审查。在随后的全文筛选阶段,任何分歧通过共识解决,若未达成共识,则咨询第三名评价者(J.H.)。
数据提取/综合
相关研究特征和扫描参数由一名评价者提取,并由第二名评价者核查。扫描参数包括探测器类型、采集次数、对比剂注射和动力学模型类型。研究比较使用BF、BV和PS等灌注值进行。为比较不同研究,灌注参数以mL/100 mL/min报告时,使用组织密度1.05 gr/mL [15]转换为mL/100 g/min。由于数据异质性,仅应用描述性统计。研究根据研究目标和动力学模型类型进行分类。图表使用GraphPad Prism 9创建。
质量评估
每项研究的偏倚风险和适用性使用诊断准确性研究质量评估(QUADAS-2)工具进行评估。偏倚风险和适用性关注定义为偏离QUADAS-2指南四个领域的风险:患者选择、索引试验、参考标准和流程与时机。关于索引试验的QUADAS信号问题经过调整,以对灌注扫描方案描述、动力学模型软件和ROI测量进行分类。评估共识由选择纳入研究的同两名评价者达成。
结果
研究选择
根据所述检索策略,共识别出881篇文章,去除重复后减少至607篇。对607篇文章进行标题和摘要筛选,得到29篇符合全文筛选条件的文章。8篇全文文章因不符合最终纳入标准而被排除。最终,21篇文章被纳入定性分析,共包括760例PDAC患者。所有纳入研究的扫描参数和动力学模型见表1,研究特征见表2。
描述选择过程的Prisma-2015流程图见图1。
诊断
在21项研究中的15项中,BF在PDAC和非肿瘤性胰腺实质中均进行了测量,共包括519例患者。在所有这些研究中,肿瘤组织的平均血流量显著低于肿瘤外胰腺实质或对照组健康胰腺组织[22–37]。PDAC的平均BF范围为17至60 mL/100 g/min,胰腺实质为71–164 mL/100 g/min。所有平均BF值见图2。
在11项研究中,对共423例患者的PDAC和非肿瘤性胰腺实质测量了BV。[22–24, 26, 30, 32, 33, 35–38]。在所有这些研究中,PDAC的平均BV较肿瘤外胰腺实质在统计学上显著降低。PDAC的平均BV范围为2.8至59 mL/100 g,胰腺实质为15–200 mL/100 g。所有平均BV值见图3。
在9项研究中,对共349例患者的PDAC和非肿瘤性胰腺实质均测量了渗透表面积乘积(PS)。在所有这些研究中,胰腺肿瘤组织的平均渗透性较低[22, 23, 25, 26, 30, 32, 33, 35, 36]。在两项研究中,该差异具有统计学意义[22, 33]。PDAC的平均PS范围为11至38 mL/100 g/min,非肿瘤性胰腺实质为20至56 mL/100 g/min。所有平均PS值见图4。
Aslan等和Delrue等显示慢性胰腺炎和PDAC的灌注(BF和BV)均降低。然而,与急性和慢性胰腺炎相比,PDAC的BF和BV显著更低(p < 0.01),即使是等密度PDAC亦然[22, 37]。Yadav报告,CECT上等密度的6/42个病灶在灌注彩色图上可见。对于区分PDAC与胰腺炎,Yadav等报告BF的AUC为0.83,BV为0.80[33]。Aslan报告使用最佳截断值时BF和BV的敏感性和特异性均为100%[22]。
一些研究还评估了半定量参数,如峰值强化和平均通过时间(MTT)。两项研究显示胰腺实质的峰值强化显著高于PDAC(Lu:30.8 vs 57 HU p < 0.016,Tan:59 vs 101 HU p < 0.001)[31, 34]。在另外两项研究中,PDAC的MTT显著高于健康胰腺实质[Aslan:11.2 vs. 3.7 s,(p < 0.001),Kovac:7.4 vs. 4 s(p < 0.001)][22, 24]。
分级
三篇文章评价了CT灌注成像(CTP)用于预测PDAC组织病理学分级的作用,并与通过肿瘤活检或切除标本获得的组织病理学诊断进行比较[24, 39, 40]。这三项研究共纳入124例患者[24, 39, 40]。
在两篇文章中,肿瘤被分为两组:低级别(高分化或中分化)和高级别(低分化)[24, 40]。两项研究均发现低级别肿瘤的BV高于高级别肿瘤(p = 0.001和p = 0.004),而仅有一篇文章报告了BF的显著差异(p = 0.041)。此外,高级别肿瘤与低级别肿瘤的峰值强化强度相对于基线HU分别为16 HU vs. 26 HU,差异有统计学意义。达峰时间(TTP)在肿瘤分级之间未显示显著差异。此外,进行了ROC曲线分析以评估肿瘤分级的预测;Kovac等计算BF的AUC为0.940,BV的AUC为0.977,而D'Onofrio等计算BV的AUC为0.798 [24, 40]。不同分级的灌注参数见表3。
在第三项研究中,肿瘤被分为三组:高分化、中分化和低分化。使用去卷积法和Patlak联合最大斜率法计算BF、BV和PS,未发现三组病理分级之间存在显著差异[39]。
治疗反应预测
两项研究探讨了CTP作为新辅助放化疗治疗反应预测因素的作用,共纳入38例患者[35, 41]。在这两项研究中,治疗包括45–50.4 Gy放疗,分25–28次,联合以吉西他滨为基础的化疗。Hamdy等根据放化疗后切除标本的组织学对反应进行分类,而Park等使用治疗后3个月常规CECT上的RECIST标准评估治疗反应;两项研究均在治疗前进行CTP。Hamdy等报道,反应者的治疗前BF高于非反应者(44 vs. 28 mL/100 g/min,p = 0.04),而PS值相似[35]。Park等的治疗前灌注测量显示,反应者的通透性显著高于非反应者(50.8 vs. 19.0 mL/100 mL/min,p = 0.01)[41]。在这两项研究中,反应者的治疗前BV高于非反应者,尽管差异不显著。
Hamdy等在放化疗后进行了随访CTP,距基线CTP 7周。与基线CTP相比,放化疗后反应者的BF(p = 0.04)和BV(p = 0.01)均显著增加。在非反应者中,报道BF(p = 0.06)和BV(p = 0.06)非显著增加[35]。表4概述了反应者和非反应者的灌注参数。
另一项研究不是评估治疗反应,而是基于CTP进行生存预测。评估了紧邻肿瘤组织的瘤周组织中的灌注值,结果发现较高的瘤周血流量与较短的生存期相关(p = 0.004)[42]。
扫描方案
在五项研究中,主要目标是评估用于胰腺癌的CTP扫描技术。2013年引入了一种新的交错CTP协议扫描方法,其中灌注采集与诊断性多期增强CECT交错进行[43]。该方法仅需一次对比剂团注,而不是灌注扫描和诊断扫描分别两次团注,从而实现“一站式”方法[25, 43, 44]。两项研究表明,使用单次对比剂团注同时采集灌注和高品质诊断图像是可行的,且与常规CECT相比质量无差异[25, 44]。
三项研究侧重于使用动态双能CT采集来计算灌注参数。Li等结合了两种技术,在CTP扫描后进行双能CT,利用时间-衰减曲线改善双能CT的时机[26]。Skornitzke等基于DECT碘增强图像计算BF。然而,这些CTP图相较于常规采集确实显示出显著改善[29]。Bao等显示碘浓度与BF和BV均具有良好的相关性,表明双能CT有潜力以较低辐射剂量反映血流动力学变化[30]。然而,使用CTP参数区分PDAC与非肿瘤胰腺实质的敏感性更高,BF和BV的AUC分别为0.971和0.958,而基于双能的碘图的AUC为0.842。
动力学模型
在综述的文章中,灌注参数的计算使用三种主要动力学模型进行:最大斜率(单室)、Patlak(双室)和去卷积。
最大斜率模型假设为单室,利用时间-衰减曲线的最大斜率来估算血流量(BF)。此外,还可以从该时间-衰减曲线推导出半定量参数,如相对于基线的峰值强化和达峰时间[45]。单室模型假设不存在静脉流出,因此无法估算血容量(BV)和渗透性表面面积乘积(PS)等灌注参数[46]。
标准Patlak图是双室模型的线性图形表示,该模型假设注射的对比剂分布在两个充分混合的室中。该模型基于对比剂从血管内向血管外室的不可逆转运,允许根据Patlak图的线性部分估算血容量和渗透性[47–49]。
在去卷积方法中,组织的时间-衰减曲线被假设为动脉输入函数与脉冲残留函数之间的卷积。后一曲线是对残留在组织中的对比剂分数的理论表示,可通过去卷积计算。基于该脉冲残留函数,可估算BF、BV和平均通过时间(MTT)[50–52]。
本综述纳入的胰腺导管腺癌(PDAC)和 non-tumorous 胰腺组织的平均灌注参数显示出较大差异,如图2、3和4所示。在研究模型之间的差异时,用最大斜率模型计算的平均BF值显著低于使用去卷积方法[20.4 ± 9.7 mL/min/100 g 和 36.9 ± 15.6 mL/min/100 g(p < 0.004)][39]。用去卷积方法计算的BV值显著高于Patlak模型[7.3 ± 4.7 mL/100 g vs. 5.6 ± 5.5 mL/100 g(p < 0.001)],而与PS的值相反[去卷积为12.4 ± 8.2 mL/100 g/min vs Patlak为18.9 ± 9.8 mL/100 g/min,(p < 0.001)]。然而,比较两种模型的灌注参数,使用ICC和Pearson线性相关系数发现去卷积与最大斜率+Patlak参数之间具有良好的相关性[39]。
偏倚风险
图5显示了使用QUADAS-2工具的偏倚风险和对适用性的担忧结果。总体研究显示偏倚风险较低;然而,指标试验并非总是被准确报告,特别是关于动力学模型的使用。一些研究显示出不一致性,因为所报告的灌注参数无法从所呈现的动力学模型中计算得出,这些研究在指标试验的偏倚风险中被标记为高风险。
几乎所有研究中,CTP与参考标准之间的患者流程和时间安排报告不佳。每项研究的QUADAS-2结果见图4。
讨论
主要研究发现
这项系统评价的结果表明,CTP使用动力学模型计算的灌注参数能够准确区分PDAC与非肿瘤性胰腺实质。目前已有明确共识:PDAC与非肿瘤性胰腺实质可以区分,PDAC的BF和BV显著低于非肿瘤性胰腺实质。仅有少数研究显示PDAC与非肿瘤性胰腺实质之间的PS存在显著差异,但PDAC的平均PS始终较低。尽管尚未进行前瞻性研究,但灌注参数似乎能够改善对双期CECT上视觉等密度的PDAC的检出。
在分级方面,CTP可作为额外的影像生物标志物,而分级是PDAC生存的重要预后变量。在两项研究中,发现高级别肿瘤与低级别肿瘤之间BV存在显著差异,其中一项研究中BF也显示显著差异[24, 40]。在第三项研究中,使用BF、BV和渗透性未能在三个病理级别之间发现显著差异[39]。关于CTP作为病理分级生物标志物的应用尚无明确共识。尽管如此,三项研究中有两项显示级别之间存在显著差异。需要大型临床研究将灌注参数与切除标本的组织学分级进行关联。
有两项研究探讨了使用CTP进行治疗评估。治疗前BF和渗透性被证明是放化疗组织病理学反应的良好指标[35, 41]。此外,CTP还被用于评估放化疗后的效果。反应者和非反应者均显示血流量和血容量增加,但仅反应者的增加具有显著性。PDAC的微环境可为这些发现提供解释,因为PDAC具有基质丰富的肿瘤环境,瘤内压高[52]。这可能导致灌注受损,最终阻碍氧气和化疗药物向肿瘤细胞的输送[53]。在血管限制较少的肿瘤中(表现为较高的基线灌注),化疗药物更容易渗透组织。放化疗反应的预测和评估均显示出有前景的结果,反映了微环境差异。需要临床研究评估CTP在治疗基线和随访中的应用,以评价CTP作为治疗评估生物标志物的价值。
动力学模型/扫描参数
灌注参数强烈依赖于所应用的动力学模型(高达30%),且不能直接互换,如在多种其他癌症中所示[51]。在纳入的研究中,21项中有7项使用去卷积算法,8项使用最大斜率算法,6项研究报告了Patlak分析。四项研究报告了隔室模型的组合:最大斜率分析和Patlak分析。所报告的灌注参数在不同动力学模型之间显示出广泛的变异性,且灌注参数并不总是与所报告的模型相对应。在六篇文章中,描述了BF值,尽管所报告的模型为Patlak模型。一种解释可能是某些软件结合了Patlak模型和最大斜率模型,使用后者来确定BF。此外,三项研究报告了BV,两项报告了PS,尽管仅提及了最大斜率模型。
本综述描述了三种常用的动力学模型;这些模型存在多种变体,但文献中并未明确报告其使用情况。动力学模型的假设对计算得到的定量参数产生不同的影响。最大斜率法假设单一腔室,因此假设无静脉血流流出组织。该模型的优点是采集时间短且数学计算简单。后者同时也是缺点,因为所做假设与真实生理状态之间的相关性难以确定。在所有健康组织中,均存在静脉血流流出;因此,真实血流量(BF)高于该模型计算所得值。
标准Patlak模型量化两个腔室之间的交换:血管内腔室和血管外腔室。该线性模型假设对比剂从血管外腔室回流至血管内腔室的通量可忽略不计[49]。该假设仅适用于对比剂在组织中首过期间,且取决于血流量与渗透性表面积的相对大小。然而,由于胰腺导管腺癌(PDAC)为乏血供肿瘤,血流量的大小可能不足以满足该假设[49, 54]。为考虑回流,已开发了改良Patlak模型,尽管该非线性模型更难实施[55, 56]。
去卷积法利用动脉和时间-衰减曲线计算组织的脉冲残留函数。其优点是可利用单一模型直接计算BF、血容量(BV)和平均通过时间(MTT)。该模型假设对比剂不可从血管向外弥散,但这并非准确的理论,因为存在向间质间隙的渗漏[50]。
所有三种模型均采用不同的假设,这些假设并不总能准确反映胰腺(肿瘤)组织的生理状态。精确模拟对比剂在组织中的动力学是不可能的,尽管针对特定适应证的优化已产生了众多示踪剂动力学模型[57, 58]。首选模型取决于所需参数、目标区域以及采集方案。由于分辨率和噪声可影响定量分析,对噪声的敏感性可能解释了对数学上更为复杂的参数渗透性表面积(PS)缺乏共识的原因。
所选择的采集和分析方法对估计的灌注参数有很大影响。纳入的研究使用的对比剂剂量在40–80 mL范围内,但使用交错协议的研究除外,这些研究使用了基于体重的对比剂剂量。对比剂体积(50 vs 100 mL)不会显著改变结直肠癌的定量灌注参数[59]。Kaufmann等评估的CTP可重复性显示扫描间变异性在30%范围内[60]。扫描期间的呼吸运动是扫描间变异性的原因之一,运动校正方法可显著改善CTP的可重复性[61]。所测量感兴趣区(ROI)的定位和大小确实影响所测量的灌注值。与较小的ROI相比,包含整个肿瘤直径的ROI可获得更稳定的灌注测量值。由于已知PDAC具有异质性,单层ROI可能引入测量偏倚。两项研究报告灌注值向肿瘤边缘增加也强调了这一点[25, 36]。3D感兴趣体积将是更可靠的测量方法,并有助于更好地理解整个肿瘤。
局限性
对于本系统综述,需要说明一些局限性。首先,在PDAC中进行CTP的临床研究数量仍然较少,研究人群太小。该技术的诊断准确性未与CECT在诊断方面进行比较。其次,使用不同动力学模型、分析软件、ROI定义和扫描参数的研究难以定量比较灌注参数。由于数据的多样性影响计算参数,未进行荟萃分析。第三,所应用动力学模型的报告不佳可能妨碍对某些纳入研究的解释。大多数研究的偏倚风险为高或不明确,使总结的证据有限。
未来展望
CTP为PDAC的定量功能信息提供高时空分辨率数据,这可能有助于诊断、分级和治疗预测。目前CTP用于PDAC仍然有限,主要由于技术和知识方面的顾虑。由于探测器效率和重建算法的改进,CTP的辐射剂量已降低。CTP提供的额外信息有助于指导治疗决策,因此似乎超过了辐射风险。
有几项进展有助于将CTP引入临床实践。先进的交错技术使得在常规多期对比增强胰腺CT期间使用单次对比剂注射进行CTP成为可能[25, 44]。在这种“一站式”流程中,无需额外时间和费用即可获取灌注信息,并可应用于肿瘤影像学,增加功能信息。此外,由于新型多探测器CT扫描仪,可以扫描更大的组织体积,这有助于评估整个肿瘤及其周围环境的灌注。
限制广泛采用的一个障碍似乎是缺乏参考值、扫描标准和验证。难以在不同扫描仪、动力学模型、软件和扫描参数之间比较灌注值,限制了CTP作为定量影像生物标志物用于临床决策。为增加CTP的使用,需要采取EIBALL标准[62]中所述的一些步骤。首先,需要建立CTP扫描方案和报告的标准化,从而实现研究之间更好的比较。此外,灌注参数需要通过与病理评估(如微血管密度、通透性或侵袭性标志物)进行验证。后者有助于更好地理解定量值,从而辅助治疗反应预测,进而实现精准治疗。
后处理的改进也可能导致对灌注参数更可靠的评估。隔室分析和去卷积分析是最广泛使用的动力学模型;然而,关于其在腹部肿瘤学中的适用性尚无共识。在本综述中,我们显示研究之间的结果不能直接比较。动力学模型和CTP软件通常未针对肿瘤学进行定制和验证。由于生理差异,其他灌注模型和参数可能更有助于评估肿瘤特征或治疗反应。
使用人工智能(AI)的新分析方法可以帮助从时间-强度曲线中提取诊断性CTP信息。AI可以促进CTP的不依赖动力学模型的解读,减少观察者间偏倚和参数变异性。放射组学可以有效地将所有CTP参数与空间信息相结合,以指导PDAC患者的治疗[63]。这些数据驱动的生物标志物及其改善肿瘤表征和治疗评估的潜力正日益受到研究[63–65]。CTP与放射组学特征的结合已显示出可改善喉癌的反应预测[66]。此外,AI方法和先进滤波器可以减少CTP图像中的噪声,改善图像质量和定量分析。例如,动态相似性滤波器不仅已用于心脏CTP,也正在开发用于腹部CTP[67]。这些发展可以通过优化CTP图像分析(无论采集和重建参数如何)来促进临床采用并最大化影响。
结论
定量CTP在PDAC诊断中显示出潜在获益,可作为病理分级和治疗评估的工具;然而,临床证据仍然有限。为改善临床使用,需要标准化的采集和重建参数以实现灌注参数的可互换性。使用交错CTP-CECT方案随后进行后处理和AI支持的分析,可以推进CTP作为PDAC预测性生物标志物的使用。
补充信息
以下是电子补充材料的链接。补充文件1(DOCX 19 KB)
引用
- Perik TH, van Genugten EAJ, Aarntzen EHJG, et al. Quantitative CT perfusion imaging in patients with pancreatic cancer: a systematic review. Abdom Radiol (NY). 2021. PMID: 34223961. doi:10.1007/s00261-021-03190-w
- 全文:PMC9388409(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9388409/
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。