淋巴瘤分期CT结构化报告:德尔菲共识提案
意大利放射学会组织15名专家通过改良德尔菲法制定淋巴瘤分期CT结构化报告模板,最终版含4部分62项条目,两轮共识评分均良好(第一轮均值4.4,Cα 0.89;第二轮均值4.9,Cα 0.87),旨在标准化报告语言和结构以改善沟通并支持数据提取。
要点
- 报告部分为必填项,其余三部分为可选,可后期补录或从电子病历自动导入。
- 报告需明确病灶部位(淋巴结、巨块、脾、结外)、大小(轴位最大径及垂直径)、CT表现及与邻近结构关系。
- 结构化报告可减少关键信息遗漏(如结外受累、巨块病变、参考病灶测量),优于自由文本报告。
核心结论
- 基于多轮德尔菲共识制定了淋巴瘤分期CT结构化报告模板,含4部分共62项条目,专家一致性良好。
研究设计与样本
- 意大利医学与介入放射学会(SIRM)组织15名专家,采用改良德尔菲法(两轮)制定,文献检索PubMed、Scopus和Google Scholar(2000年12月至2021年5月),使用5分Likert量表评估共识。
诊断标准与关键数值
- 第一轮所有部分评分≥3(良好),总体均值4.4(范围1-5),总分1524,Cα为0.89;第二轮所有部分评分≥4(优秀),总体均值4.9(范围3-5),总分1694,Cα为0.87。
- Cα≥0.9为优秀,≥0.8为良好,≥0.7为可接受,≥0.6为可疑,≥0.5为差,<0.5为不可接受。
临床应用与阅片要点
- 报告部分应涵盖病灶部位(淋巴结病、巨块病、脾或结外病)、淋巴结病变按分期(局限I-II期或进展III-IV期)明确部位、大小(轴位最大径及垂直径,mm)、CT表现(强化区和坏死/液化区)及与邻近结构关系。
- 还需记录不可测量病灶、选定靶病灶、总肿瘤负荷、并发症、与肿瘤无关的偶发发现及结论。
- 结构化报告可作为检查清单减少遗漏,但需注意模板较长可能影响工作流程,仅报告部分为必填。
局限性
- 模板可能过长而减慢放射科医生工作流程, weakest sections为患者临床数据和临床评估部分。
- 仅基于专家共识,未进行临床验证或与其他报告格式的前瞻性比较。
全文中译8 节 · 点击展开
1. 引言
淋巴瘤是非常常见的恶性肿瘤,影响儿童、青年和老年人,占所有恶性肿瘤的5-6%。霍奇金淋巴瘤(HL)和非霍奇金淋巴瘤(NHL)是儿童中第三常见的恶性肿瘤[1]。在2017年世界卫生组织(WHO)分类中, recognized超过80种成熟淋巴瘤实体,分为三大类:B细胞肿瘤、T细胞和NK细胞肿瘤以及霍奇金淋巴瘤(HL)。这些疾病实体根据主要临床表现列出(主要为播散性疾病,常累及骨髓并可能为白血病性;原发性结外淋巴瘤;以及主要为结内疾病,通常为播散性,需结合临床和组织病理学特征进行解读)[2,3,4]。更有效的淋巴瘤治疗方法的可用性以及日益灵敏和特异的疾病评估技术为更新的患者评估、分期和疗效标准提供了依据。这些标准应明确无歧义、普遍适用,并促进患者和研究结果之间的比较以及新疗法的评估[2,3,4]。淋巴瘤的诊断依赖于由经验丰富的淋巴瘤病理学家审阅的形态学、免疫组织化学和流式细胞术,并在适当情况下进行分子研究以准确分类淋巴瘤。细针穿刺抽吸不足以进行初步诊断。优选切开或切除活检以提供足够的组织用于这些检查。分期界定疾病位置和范围,提示预后信息,允许研究间的比较,并提供基线以比较疗效或疾病进展。最初的分期标准主要针对HL设计,后被Ann Arbor分类所取代[2,3,4]。Ann Arbor分类根据疾病相关症状的有无对患者进行细分。在对该分类积累了大量经验并认识到所取得的进展(特别是在成像技术方面)后,2011年6月在瑞士卢加诺举行的第11届恶性淋巴瘤国际会议(ICML)上举办了一次研讨会。目标是制定普遍接受、明确无歧义、改进的HL和NHL分期和疗效标准,适用于社区医生、研究者主导的试验、合作组和注册试验,从而改善淋巴瘤患者评估、增强研究间的比较并简化新疗法的评估[2,3,4]。
过去几十年来,血液系统肿瘤的影像学已取得长足发展。18F-氟脱氧葡萄糖正电子发射断层显像/计算机断层显像(18F-FDG-PET/CT)目前对于准确分期以及早期和晚期治疗反应评估至关重要。广泛采用的视觉Deauville 5分量表和Lugano分类建议最近已规范了PET扫描的解读,并使淋巴瘤患者的管理得以改善[5]。作为PET-CT扫描一部分的CT,可以采用全剂量增强扫描(ceCT)以获得高质量图像,也可以采用较低剂量平扫。ceCT可发现额外征象,并提高对腹部或盆腔病变的检出[6]。此外,由于对比剂对衰减校正的影响,肿瘤FDG摄取的测量可能出现小误差,导致纵隔和肝脏的FDG摄取被高估10%至15%[7]。多个科学学会(例如欧洲核医学协会、核医学学会和北美放射学会)建议患者在PET-CT之前另行接受ceCT[6]。对于FDG高亲和性淋巴瘤,首选PET-CT进行分期;而对于其他淋巴瘤,首选CT。此外,CT可识别更多肺门淋巴结,并能更好地区分单个大淋巴结块与多个独立淋巴结的聚集。应纳入对比增强CT,以更准确地测量淋巴结大小,并用于中心/纵隔血管受压/血栓形成的情况。对比增强CT也是放疗计划的首选。FDG亲和性不一的组织学类型应采用CT进行分期[5,6,7]。
向转诊医生准确报告影像数据对患者诊疗至关重要,因为其中包含的信息会影响决策过程和后续治疗。放射学报告是临床影像信息最重要的来源,因为它传达关于患者健康状况和放射科医生对医学发现解读的关键信息,向转诊医生传递信息,并为未来的临床和研究使用记录这些信息。尽管通过预定义模板对部分放射学报告进行结构化信息整理的努力已开始见效,但大部分放射学报告信息仍以自由文本格式录入。自由文本报告(FTR)是临床医生、研究人员和医疗信息系统快速提取和后续利用放射学信息的主要障碍[8,9,10,11]。此外,内容、风格和呈现方式方面的不一致可能妨碍信息传递并降低报告的清晰度,进而可能对转诊医生提取所需关键信息产生不利影响。最糟糕的情况下,由此产生的沟通错误可能导致诊断错误、适当治疗启动延迟或患者不良结局[8]。近年来,多个医学学会推荐使用结构化报告(SR)[8,9,10,11,12,13,14,15,16]。与传统叙述式报告相比,SR可提供多项优势,包括报告风格和词汇的更高标准化、报告更大的一致性和可重复性、与医院IT系统的全面整合(以及执行大规模数据挖掘的可能性)、更短的报告时间、潜在的误差减少,以及改善与其他放射科医生和转诊临床医生的沟通[8,9,10,11,12,13,14,15,16]。在这方面,已有研究表明肿瘤科医生更偏好SR而非传统叙述式报告,因为其能够以更清晰、更标准化的方式传达信息,且Shoeppe等报告称,与叙述式报告相比,对弥漫性大B细胞淋巴瘤患者原发分期CT检查使用SR可增加临床价值,具体表现为提高报告的完整性、促进信息提取和改善患者管理[16]。从FTR转向SR的主要目标聚焦于三个关键特征:质量、数据化/量化和可及性[8]。在关于放射学SR的立场文件中,欧洲放射学会(ESR)为理解SR及其实施作出了宝贵贡献,通过阐述(a)其要求和(b)实施策略,清楚描述了临床实践中对SR的需求[8]。它还指出,“使用统一的语言和结构来准确讨论放射学发现是发展结构化报告概念的基础”[8,16]。在SR中使用模板提供了核查清单,以判断是否所有相关项目均已涵盖。此外,得益于这种“结构”,SR允许将放射学数据与其他关键临床特征相关联,为个性化医疗铺平道路。关于可及性,众所周知放射学报告是研究的丰富数据来源。因此,得益于这一特征,可以提取自动化数据。
尽管结构化报告(SR)具有公认的优势,但其尚未在放射科日常工作中确立。然而,鉴于SR可能为放射学及其他医学专科带来的上述优势,主要科学学会已努力推动其在放射学实践中的广泛采用,包括北美放射学会(RSNA)使用标准模板以及RSNA/ESR联合报告倡议,旨在将RSNA模板翻译成多种欧洲语言。在此背景下,意大利医学与介入放射学会(SIRM)创建了一个意大利SR模板库,所有SIRM成员均可免费访问,目的是在临床环境中常规使用这些模板[12]。
随着过去十年癌症治疗的快速发展,越来越复杂和个体化的治疗方案不断涌现,准确的 staging 对于避免过度治疗和治疗不足至关重要。实施结构化决策树模板以指导放射科医生进行淋巴瘤分期,可能有望在信息完整性、可理解性和患者管理指导方面提高放射学报告的质量。在本文中,我们提出了一种基于CT检查的SR模型,该模型定义并总结了淋巴瘤患者的临床和放射学数据。
2. 材料与方法
2.1. 专家组
通过多轮共识构建的德尔菲法演练,在专家放射科医生之间的批判性讨论基础上,开发了一个全面且聚焦的SR模板,用于淋巴瘤患者的CT分期。
一位在淋巴增殖性肿瘤方面具有经验的SIRM放射科医生创建了SR的初稿。随后成立了一个由15名专家组成的工作团队,包括来自SIRM意大利肿瘤放射学诊断成像学院和SIRM基金会的成员。他们的目标是迭代修订初始草案,努力就SR达成最终共识。
2.2. 德尔菲领域和条目的选择
所有专家审查了主要科学数据库(包括PubMed、Scopus和Google Scholar)上的文献数据,以评估2000年12月至2021年5月发表的关于淋巴瘤患者CT分期和放射学SR的论文。所有小组成员审查了所选研究的全文,每位成员通过电子邮件和/或电话会议制定并分享了德尔菲条目清单。
进行了两轮德尔菲法。在第一轮中,每位小组成员通过在线会议或电子邮件交流独立地为完善SR草案做出贡献。在第二轮德尔菲法中,通过电子邮件共享的Google Form问卷测试了每位小组成员对每个SR模型的同意程度。每位专家使用五点李克特量表(1=非常不同意,2=稍微不同意,3=稍微同意;4=一般同意,5=非常同意)对每个特定模板部分表达了个人的意见。
在第二轮德尔菲法后,结构化报告(SR)的最终版本在专用的RSNA网站(radreport.org)上使用T-Rex模板格式生成,符合IHE(整合医疗企业)和MRRT(放射学报告模板管理)规范,可作为开源软件访问,并获得Exprivia™(Exprivia SpA,巴里,意大利)的技术支持。这决定了放射学报告模板的格式[使用超文本标记语言第5版(HTML5)]以及请求、检索和存储这些方案(模板)的传输机制。放射学报告通过使用一系列“编码查询”进行结构化,这些查询集成在T-Rex编辑器的预选部分中[17]。
2.3. 统计分析
对SR的每个部分通过计算均值和标准差进行分析。此外,计算每个部分的评分总和。均值≥3被认为良好,而均值≥4被认为优秀。
评审专家对SR每个部分评价的一致性使用Cronbach's alpha(Cα)相关系数计算[18,19]。Cα系数≥0.9被认为优秀,Cα≥0.8良好,Cα≥0.7可接受,Cα≥0.6存疑,Cα≥0.5差,Cα<0.5不可接受。
数据分析使用Matlab的统计工具箱(The MathWorks, Inc.,Natick,MA,美国)进行。
3. 结果
3.1. 结构化报告
SR的最终版本(补充材料)分为四个部分:(a)患者临床数据,(b)临床评估,(c)成像方案,(d)报告,分别在“患者临床数据”部分包含n=13个条目,“临床评估”部分包含n=8个条目,“成像方案”部分包含n=9个条目,“报告”部分包含n=32个条目。总体而言,SR最终版本共纳入62个条目。作为报告的一部分,添加了一个专门的关键图像部分。
“患者临床数据”部分包括患者临床数据、个人或家族癌症史、生活方式和饮食习惯。在该部分中,我们纳入了药物和对比剂“过敏”条目。
“临床评估”部分收集了既往影像学检查或活检结果、临床表现、CEA水平、血细胞计数、血清肌酐、肝功能和病毒学检测的数据。
“成像方案”部分包括所用CT设备、探测器排数以及是否为单能和/或双能、重建算法和层厚的数据。此外,我们收集了对比剂方案的数据,包括增强后采集、对比剂活性成分、商品名、剂量、流速、浓度和正在发生的不良事件的数据。此外,我们纳入了肠道准备和辐射暴露等级的数据。
“报告”部分包括以下数据:病变部位(例如,淋巴结病变、巨块型病变、脾脏或结外病变)。对于淋巴结病变,我们根据分期明确了部位:局限期病变(I-II期)或晚期病变(III-IV期)。
大小,即轴位平面上的最大径(mm)和垂直于最大径的轴向尺寸(mm)。
CT表现(对比增强区域和坏死/液化区域)。
与邻近结构的关系。
在本节中,我们还纳入了关于不可测量病灶、选定靶病灶、总病灶负荷、并发症、与肿瘤无关的偶发发现以及结论的数据。
3.2. 共识一致性
表1显示了第一轮德尔福(Delphi)round中15位专家对结构化报告(SR)的单项评分和评分总和,而表2报告了与第二轮德尔福round相关的相同评分。
在第一轮中,所有部分均获得高于良好评级(≥3)。专家的总体平均评分和结构化报告的评分总和分别为4.4(范围1–5)和1524(平均值为101.6,标准差为11.8)。第一轮的Cα相关系数为0.89,因此被认为是良好的。
在第二轮中,所有部分均获得高于优秀评级(≥4)。专家的总体平均评分和结构化报告的评分总和分别为4.9(范围3–5)和1694(平均值为112.9,标准差为4.0)。本轮Cα相关系数为0.87,因此被认为是良好的。本轮评估中最高的总体平均值、最高的专家评分总和以及最小的标准差值反映了与第一轮相比,第二轮专家间内部一致性和共识度的提高。
4. 讨论
据我们所知,这是一组专家首次基于多轮共识构建的德尔福(Delphi)练习,推动创建用于淋巴增殖性肿瘤分期的基于CT的结构化报告(SR)。
最终SR版本分为四个部分:(a) 患者临床数据,(b) 临床评估,(c) 影像学方案和 (d) 报告,最终版SR共包括n = 62个条目。即使该模型可能看起来过于冗长和复杂(可能减慢放射科医生的工作流程),但有必要强调,其中唯一必需的部分是“报告部分”,而所有其他部分均为可选。此外,考虑到并非所有记录都可能获取,这些是开放字段,也可在稍后填写。患者数据也可从患者的电子档案中自动导入。
在第一轮德尔福(Delphi)round中,所有部分均获得高于良好评级(≥3)。第一轮的Cα相关系数为0.89,因此被认为是良好的。
最薄弱的部分是“患者临床数据”和“临床评估”。这些结果与以下观点相关:这些部分过于冗长,减慢了日常工作流程。然而,在经过电话会议和邮件交流,并且一旦明确了这些部分的可选性后,所有专家均表示同意。
在第二轮德尔福(Delphi)round中,所有部分均获得高于优秀评级(≥4)。本轮Cα相关系数为0.87,因此被认为是良好的。本轮评估中最高的总体平均值、最高的专家评分总和以及最小的标准差值反映了与第一轮相比,第二轮专家间内部一致性和共识度的提高。
“患者临床数据”部分包括患者临床数据、肿瘤个人史或家族史、生活方式和饮食习惯。在该部分中,我们纳入了药物和对比剂“过敏”项。“临床评估”部分收集了既往影像学检查或活检结果、临床表现、CEA水平、血细胞计数、血清肌酐、肝功能和病毒学检测的数据。借助该框架,此模板可将影像学发现与临床数据关联,从而实现自动化数据提取,这可能有助于验证影像生物标志物的相关性,以推动个性化医疗。近年来,人工智能(AI)凭借其整合并快速分析影像学研究产生的大量数据的能力,已开始改变放射学实践。在整个领域,利用AI的应用通过将许多原本繁琐、耗时且人工执行的任务自动化,用于提高诊断准确性、影像一致性、工作流程效率和患者护理[20,21,22,23,24]。影像组学是放射学的一个新兴领域,并且可以与AI结合。影像组学特征提供关于肿瘤表型以及癌症微环境的数据。影像组学衍生的参数与其他临床相关数据相关联并与结局数据相关时,可产生准确、稳健的循证临床决策支持系统(CDSS)[25,26,27,28,29,30,31,32]。在当前SR模板中将影像学与临床数据关联的可能性可为大型数据库奠定基础,不仅可进行流行病学统计分析,还可构建影像组学模型[29]。在此背景下,基因组数据的附加价值可用于开发放射基因组学模型,考虑到最高水平的个性化风险分层和精准医学的先进进程,这将是有益的[33,34,35]。
“成像方案”部分包括所用CT设备(例如单能和/或双能)、层厚、重建算法、对比剂类型(例如活性成分、商品名、剂量、流速、浓度)、对比研究方案以及正在进行的不良事件的数据。此外,我们纳入了肠道准备和辐射暴露类别的数据。技术数据以及所用研究方案的共享,可在暴露剂量和对比剂剂量方面优化研究技术[36,37,38]。此外,使用相同方案不仅可比较不同临床研究中获得的数据,还可提高诊断准确性[39,40]。
“报告”部分包含关于病灶部位的数据(例如,淋巴结病变、巨块型病变、脾脏或结外病变)。对于淋巴结病变,我们根据以下内容明确部位:(a)分期[局限期疾病(I-II期)或晚期疾病(III-IV期)],(b)病灶大小[轴位平面上的最大径(mm)及垂直于最大径的轴径(mm)],(c)病灶的CT表现(对比剂强化区域和坏死/液化区域),以及(d)与邻近结构的关系。此外,在该部分中我们还纳入了关于不可测量病灶、选定靶病灶、总病灶负荷、并发症、与肿瘤无关的偶然发现以及结论的数据。使用模板指导放射科医师实践的机会使得能够描述所有放射学发现(这对于疾病的正确分期不可或缺),而使用自由文本报告(FTR)时纯粹的疏忽可能导致这些发现被遗漏。Schoeppe等人表明,结构化报告(SR)的优势包括更快提取相关发现、更好的可比性、诊断和治疗计划的改进、所需放射科医师会诊更少以及清晰度提高[16]。两项综述者认为SR的劣势包括:对发现的误读可能导致分期上调或下调及治疗不当、放射科医师与临床医师之间沟通减少,以及放射科医师在发现评估和分期方面需要更高的专业水平[16]。作为优势,一位综述者指出,使用解剖布局时,毗邻关系(连续性浸润)有时通过FTR更容易理解,且重要发现可以被强调。两位综述者指出的FTR劣势包括观察者间变异性高、发现不可比、无质量特征、布局明显更混乱以及重要信息丢失[16]。根据Schoeppe等人,SR中关于受累器官的数据显著更多且通常更明确,优于FTR。与FTR相比,SR中允许进行Ann-Arbor疾病分期分类的发现显著更常见。SR中还显著更常包含监测疾病进展所需的参考病灶。SR与FTR在缺失关键特征方面的差异在结外受累和巨块型病变方面具有显著性。受累淋巴结区域位置的报告在2%的SR和5%的FTR中不完整。受累淋巴结区域数量在27%的SR和30%的FTR中缺失。淋巴结作为参考病灶的测量在SR中缺失的频率低于FTR(28% vs. 42%)。6%的SR未对脾脏受累做出评论,而FTR为14%。结外受累的报告在FTR中显著更常缺失,为38% vs. SR中的9%(p < 0.001)。此外,多位作者分析了SR在减少放射学错误方面的影响,证明检查清单不仅能够识别更多数据,还能采用最合适的治疗方式[41,42,43,44,45]。一项对3000例MRI研究的回顾性分析显示,在28.5%的患者中,使用SR识别出了原始FTR中未包含的椎外发现[41]。事实上,SR已被证明可提高偶然发现的诊断率[42],并改善对胰腺癌和直肠癌手术计划的临床影响[43,44,45]。
本系统综述(SR)基于标准化术语和结构,这些特征是为了遵循诊断-治疗建议和临床试验入组要求、减少非规范语言可能引起的歧义,并促进放射科医师与临床医师之间更好的沟通所必需的,按照Weiss等人[46]的定义构成了第三级系统综述。
尽管取得了有希望的结果,本研究仍存在若干局限性。首先,专家组成员仅由放射科医师组成,因此缺乏多学科方法,而对系统综述进行多学科验证将更为合适。其次,专家组成员来自同一国家,而来自多个国家的专家的贡献应能实现更广泛的共享并提高模板的一致性。第三,在本文中我们未评估系统综述对淋巴增殖性肿瘤患者管理的影响。
5. 结论
向转诊医师准确报告影像数据对患者诊疗至关重要,因为放射学报告中所含的信息影响决策过程和后续治疗。放射学报告是临床影像信息最重要的来源。它传达关于患者健康的关键信息以及放射科医师对医学发现的解读。它还向转诊医师传达信息,并将这些信息记录以供未来临床和研究使用。本系统综述基于多轮共识构建的德尔菲练习生成,采用标准化术语和结构,以遵循诊断/治疗建议并促进临床试验入组,减少非规范语言可能引起的歧义,并促进放射科医师与临床医师之间更好的沟通。
引用
- Granata V, Pradella S, Cozzi D, et al. Computed Tomography Structured Reporting in the Staging of Lymphoma: A Delphi Consensus Proposal. J Clin Med. 2021. PMID: 34501455. doi:10.3390/jcm10174007
- 全文:PMC8432477(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8432477/
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。