Lodwick分类评估溶骨性骨肿瘤生长速率:决策树方法
本文基于Lodwick原始分类算法,提供了一套易于使用的决策树,用于在X线平片上对溶骨性骨肿瘤的生长速率进行分级(IA、IB、IC、II、III级)。文章解释了分级算法的细节和潜在陷阱,并提供了每个描述符的示例X线片作为图谱,旨在帮助放射科医生、住院医师和学生更准确、可重复地应用Lodwick分级系统。
要点
- 决策树按顺序评估四个描述符:骨破坏类型(含边缘)、皮质穿透、硬化边、膨胀壳,最终得出生长分级。
- 分级越高代表肿瘤生长越快,恶性可能性越大;IA级最可能良性,III级最可能恶性。
- 注意陷阱: Mostly geographic lesion仍可因部分渗透性生长而判为III级,或因蛾蚀样边缘>1cm判为II级。
关键影像表现/征象
- 骨破坏类型包括地图样(单发或融合的骨内孔洞)、蛾蚀样(多个随机分布、大小不一的孔洞)、渗透性(多个均匀小孔洞分布于整个病变)。
- 地图样病变需评估边缘:规则、分叶、多中心、锯齿状、边界不清。
- 皮质穿透分为无/部分穿透和完全穿透;完全穿透地图样病变直接归为IC级。
- 硬化边和膨胀壳(>1cm)用于进一步区分IB和IA级。
- 渗透性生长即使仅部分存在也可判为III级;蛾蚀样边缘>1cm的地图样病变判为II级。
诊断标准与关键数值
- 生长分级:IA、IB、IC、II、III级,级别越高生长越快。
- IA级条件:规则/分叶/多中心边缘、无/部分皮质穿透、硬化边、无或轻度膨胀壳(≤1cm)。
- IB级条件:地图样病变伴硬化边但不完整,或无膨胀壳但膨胀壳>1cm且无蛾蚀样边缘、无/部分皮质穿透。
- IC级条件:地图样病变伴完全皮质穿透,或薄蛾蚀样边缘,或蛾蚀样边缘但无完全穿透。
- II级条件:蛾蚀样边缘>1cm的地图样病变,或蛾蚀样图案;III级条件:渗透性图案或部分渗透性生长。
临床应用与阅片要点
- 阅片时按决策树顺序评估四个描述符,避免遗漏渗透性生长等关键特征。
- 报告中使用结构化语言描述各描述符,并给出Lodwick生长分级。
- 注意陷阱:地图样病变可能因局部渗透性生长而升级为III级,需仔细全面观察。
- IA级病变(如非骨化性纤维瘤)通常无需活检,但需结合临床和影像特征。
- Lodwick分级应结合患者年龄、病变部位、大小、基质钙化等参数综合判断恶性概率。
局限性
- 本文为综述,未提供新的原始数据或验证结果。
- 原始Lodwick分类系统复杂,决策树虽简化但仍需临床验证。
- 观察者间可重复性在中间级别(IB、IC、II)可能较低。
- 基于X线平片,MRI和PET-CT等跨模态成像未纳入分级算法。
全文中译14 节 · 点击展开
引言
骨肿瘤的X线平片评估已被广泛研究。骨与软组织之间固有的强对比度以及X线摄影的高空间分辨率,使得甚至可以评估骨结构的细微形态扭曲[1]。在使用X线摄影评估骨肿瘤的背景下,放射科医师的任务是双重的:分别提供关于(1)生长速率和(2)病变性质的信息。提供生长速率信息的首要任务至关重要[2, p. 59],因为快速生长速率提示骨肿瘤的恶性性质[3]。已知通过X线摄影估计的快速生长速率与患者生存率降低和预后较差相关[4]。除了在系列图像上纵向评估肿瘤的生长速率外,还可以从单一时间点的X线表现估计生长速率[4],因为局部骨组织的反应模式取决于肿瘤的生长速率。因此,X线摄影仍然是评估骨肿瘤不可或缺的检查方式。
由于骨肿瘤发病率低,个体普通放射科医师不能指望仅凭个人经验就能获得足够的专业能力来在常规X线摄影上估计生长速率并提供准确诊断[2, p. 3,5]。因此,已开发出分类系统以帮助放射科医师完成这些任务。Gwilym Lodwick于1980年开发的分类系统[4]已成为骨肿瘤生长分级的教科书标准[6]。在日常临床实践中,所应用的分类常被如此称呼(“Lodwick I–III级”)。然而,有观点认为原始Lodwick分类系统复杂,需要简化[3]。
因此,本文的目的是(1)提供原始Lodwick分级算法的易于使用的决策树,适合用于学生和住院医师的教学,并附可用于临床实践的插图;(2)为决策树中的每个描述符提供示例性常规X线平片,作为辅助分级和评估各个特征的指南和图谱;(3)通过影像示例指出细微之处和潜在陷阱,以提高正确应用。
决策树
在Lodwick分级算法中,选取了四个描述符用于放射学上溶骨性骨肿瘤的评估[4]。这些包括(1)骨破坏模式,包括类别地图样破坏下的子描述符“边缘”;(2)皮质穿透;(3)硬化边;(4)膨胀性骨壳。这些描述符及其子类别和定义/解释见表1(参考[4]中的表8)。这四个描述符是以下序贯分类的基础,最终得出生长分级IA、IB、IC、II和III级[2, 4]。类别越高,肿瘤被认为生长越快。与Lodwick及其同事在原始发表中提供的表格不同,图1展示了决策树,遵循最初设定的按特定顺序对这些四个描述符进行序贯评估的方式。该决策树包含了分级算法的全部原始信息[4],但设计用于临床实践应用。关于骨破坏模式(描述符1),地图样模式定义为“骨内单个或融合的孔洞”,虫蚀样模式定义为“多个明显随机分布的孔洞,[…]大小不均匀”,渗透性模式定义为“病变内任何部位存在的多个均匀小孔洞”[4]。对于地图样模式,需要对病变边缘进行额外评估。
我们对该分级算法表述的优点在于直观地排除了与观察到的描述符不相容的生长分级。在原始真值表和纯文本表格中,提供了所有描述符和所有生长分级的信息——尽管在评估序列的特定节点,某些生长分级被排除在进一步考虑之外[4]。
描述符图谱
图2提供了展示Lodwick分级算法所使用的所有描述符的示例性传统X线平片。此外,图像中还提供了各病变最终分配的Lodwick生长分级。
陷阱
参考原始文献,诊断算法中有几个方面需要特殊考虑,并可能代表陷阱(表2)。这些涉及地图样病变。参考各自陷阱的决策树应用示例展示于图3、4、5、6、7和8中。对于每个病例,展示了X线摄影、观察到的描述词以及导致最终生长分级分配的推理过程。一个主要为地图样的病变有可能被归类为生长分级III。要分配生长分级III,渗透性模式仅需存在于病变的一部分 [2 第61–3页](图3)。
一个地图样病变有可能被归类为生长分级II。如果观察到虫蚀样边缘> 1 cm(图4),则会发生这种情况。
如果地图样病变中存在骨皮质的完全穿透,则分配生长分级IC,无论实际的边缘描述词(规则/分叶状/多中心/参差不齐/边界不清)如何。薄的虫蚀样边缘也会导致分配生长分级IC(图5)。
如果地图样病变中存在扩大的壳> 1 cm,无虫蚀样边缘,无/部分骨皮质穿透,且有硬化边,则分配生长分级IB(图6)。在这些病例中,扩大的壳的范围是与生长分级IA病变的唯一区别(见陷阱6,图8)。
如果存在具有不完整硬化边的地图样病变,无虫蚀样边缘且无/部分骨皮质穿透,也分配生长分级IB(图7)。在此我们遵循Caracciolo及其同事的推理,即“病变分析的一个基本原则是边缘按其最具侵袭性的特征进行分类” [3]。
只有一种独特的描述词组合允许分配生长分级IA:规则/分叶状/多中心边缘,无/部分骨皮质穿透,硬化边,无或轻度扩大(≤ 1 cm)的壳(图8)。
结构化报告
为进一步提高溶骨性骨肿瘤报告的一致性,我们在补充材料(补充1)中提供预定义表述,可用于书面放射学报告。在本阶段,我们仅纳入Lodwick算法推导相应生长分级所需的信息。用于推导鉴别诊断的其他重要信息(如肿瘤在骨内的定位、基质钙化的存在或骨膜反应类型)仍应在放射学报告中描述,并可能成为未来研究的一部分。
讨论
总结
Lodwick分级系统是评估溶骨性骨肿瘤生长速度、进而估计恶性概率和预后最常用的算法。在本研究中,提供了遵循原始Lodwick分级算法所定义诊断路径的易于理解的决策树。提供了所有所用描述符的相应示例X线片,可用作图谱。此外,还强调了分级算法中鲜为人知且可能导致病变误分类的细微细节。因此,这些图和表对医学生、住院医师和临床实践中的放射科医师可能有用,有望减少误分类并提高观察者间一致性。
Lodwick工作的历史
Gwilym Lodwick 显著改进了X线摄影对骨肿瘤的评估。他引入了一种算法,使骨与肌肉放射科医生在日常实践中能够准确分级骨肿瘤的生长速率。该分级算法在 Gwilym Lodwick 的职业生涯中由他本人不断改进。在1964年的第一篇论文中,最初提出的分级系统以文本表格形式呈现,并纳入了骨皮质支撑(buttress)、Codman三角和肿瘤骨等参数[7]。1971年,在最详尽的一次迭代中,非溶骨性病变也被分级——依据是否存在反应性骨现象、肿瘤基质钙化和肿瘤大小[2, p. 63]。此外,还纳入了斑驳状(定义为增厚的骨小梁)和磨玻璃样密度等参数[2, p. 60]。放射学教科书和本文稿引用的是他1980年的最新分类系统,该系统侧重于较少的描述指标以及具有明显骨破坏的肿瘤[4]。
算法格式
1980年原始的 Lodwick 分级算法以真值表形式呈现[4]。在真值表中,除描述指标列表外,还提供了该描述指标的存在是否与生长分级IA、IB、IC、II和III相容的信息(分别为真或假;布尔值)。此外,该信息还以纯文本表格形式提供[4],该表格在放射学教科书中被重现,例如[6, 8, 9]。相比之下,本文呈现的决策树中去除了无关信息。当真值表中某一生长分级被赋值为“假”时,该分级在诊断过程中即被排除,不再进一步考虑。由于真值表的设计,被排除的生长分级的信息仍会在表格更下方提及[4]。本文中的决策树设计使得无需追踪那些已被排除、无需进一步考虑的生长分级。尽管 Lodwick 认为原始格式适用于临床常规,但真值表和纯文本表格格式对临床应用并不具有吸引力。本文中决策树的简化及视觉上更具吸引力的格式以及示例图像,可能提高 Lodwick 分级系统的临床适用性并减少误分类。
后续工作
自原始发表以来,已提出了两种调整版的 Lodwick 分级算法。1981年,Madewell 在纵向观察中引入了边缘变化的描述指标[10]。Madewell 还引入了组合模式,即在同一时间点存在不同生长分级的特征[10]。2016年,Caracciolo 及其同事发表了“改良 Lodwick-Madewell 分级系统”,进一步完善了边缘变化这一参数[3]。他们建议引入一个新的IIIA类,分别用于系列X线片上边缘发生变化的病变,或在无既往X线片时提示恶性的非典型组合[3]。该IIIA类意味着恶性概率高。此外,IC级变为II级,以反映这些病变的中等恶性风险。该系统的IIIB级包含 Lodwick II级和III级。放射学隐匿性病变被归为IIIC类[11]。尚无证据表明任一改良系统优于1980年原始的 Lodwick 分级系统。
诊断的可重复性与准确性
关于可重复性,研究证明,与中间级别的分级相比,阅片者在生长分级IA级(最可能为良性)和III级(最可能为恶性)的判定上更常达成一致[12]。据报道,生长速率与恶性程度的相关性具有相当的准确性:当使用Caracciolo及其同事[3]调整版Lodwick分级算法进行评估时,94%的I级病变为良性,81%的III级病变为恶性。此外,大多数转诊临床医生期望放射科医生提供按概率排序的鉴别诊断。基于放射影像学特征和人口学数据预测正确组织病理学肿瘤类型的总体准确性在44%至78%之间[5, 13, 14]。所引用的研究采用朴素贝叶斯分类器按概率对鉴别诊断进行排序。朴素贝叶斯分类器在给定若干预测变量值的情况下推导验后概率,所有这些变量均被视为条件独立。关于朴素贝叶斯分类器的详细方法学讨论,请参阅Hand和Yu[15]。该方法最初由Gwilym Lodwick[13]引入用于骨肿瘤的诊断。重要的是,有明确证据表明,除Lodwick生长分级外,参数验前概率、患者年龄、肿瘤部位、肿瘤大小和肿瘤基质钙化也能提高预测价值[16–18]。
人工智能
近年来,人工智能(AI)应用在医学影像领域的出现也影响了肌肉骨骼肿瘤影像学[19]。AI决策支持系统有望减少报告中的观察者间变异。此外,它们似乎很适合评估骨肿瘤等罕见疾病,因为关于骨肿瘤诊断的广泛知识在普通放射科医生中并不能理所当然地具备。现代AI应用在骨肿瘤诊断领域的初步结果令人鼓舞[20, 21]。He及其同事报道了一种深度学习算法,能够自动分类骨肿瘤(良性 vs. 恶性),其表现与经验丰富的阅片者相当[21]。需要强调的是,Lodwick及其同事[13]、Kahn及其同事[14]以及Do及其同事[5]所使用的朴素贝叶斯分类器是简单的概率机器学习(AI的一个分支[22])算法,处理预定义的、人工提取的特征。在不久的将来,现代AI算法可能被用作自动化第二意见阅片。经验丰富的肌肉骨骼放射科医生与AI算法出现分歧且患者管理依赖于该分歧的病例需要充分讨论。迄今为止,经验丰富的肌肉骨骼放射科医生的阅片仍被认为是骨肿瘤X线判读的标准诊疗。
X线摄影与横断面成像
进行溶骨性骨肿瘤生长速率的评估是为了指导患者管理[3]——即决定肿瘤是否可被视为良性、是否需要随访,或是否需要活检。尽管X线摄影仍被认为是骨肿瘤的核心诊断手段[17, 23],但横断面成像方式和附加功能成像技术在近几十年来对诊断评估和患者管理产生了巨大影响。MRI在骨肿瘤局部分期方面优于X线摄影[23]。FDG PET-CT成功监测高度恶性骨肿瘤(如骨肉瘤和尤文肉瘤)的治疗反应,并可进一步用作全身分期检查[24]。然而,良性和恶性骨肿瘤的定量FDG摄取存在相当大的重叠。因此,对于肿瘤类型的预测,FDG PET并不能替代形态学成像,而应被视为一种辅助手段[24]。
结论
在本综述中,对用于在传统X线摄影上对溶骨性骨肿瘤生长速率进行分级的原始Lodwick算法进行了总结,并通过易于使用的决策树进行了可视化呈现。强调了该分级系统中在日常实践中容易被遗漏的细微细节,以避免误读。将图1(决策树)和图2(示例图像/图谱)引入临床实践可减少误用并提高生长速率分级的可重复性。我们希望该决策树对于学生、放射科住院医师和经验丰富的肌肉骨骼放射科医师而言,都是简便且正确应用Lodwick分级算法的一种有价值的工具。
补充信息
以下是电子补充材料的链接。补充文件1(DOCX 16 KB)
引用
- Benndorf M, Bamberg F, Jungmann PM, et al. The Lodwick classification for grading growth rate of lytic bone tumors: a decision tree approach. Skeletal Radiol. 2021. PMID: 34302499. doi:10.1007/s00256-021-03868-8
- 全文:PMC8854272(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8854272/
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。