基于MRI主动监测队列的前列腺癌生长速率变异研究
本研究纳入145例接受MRI主动监测的前列腺癌患者,采用指数、Gompertz及logistic混合效应模型拟合病灶体积轨迹。Gompertz模型外推更合理:病灶从单个细胞至MRI可检出平均需17年,至临床可检出再需12年。生长减速参数与年龄、基线体积、PSA、PSAD相关,Gleason 3+4较3+3增倍时间更短。
要点
- Gleason 3+4病灶体积倍增时间平均3.5年,Gleason 3+3为5.2年,阅片随访可参考。
- PRECISE 4或5病灶生长快于PRECISE≤3,体积倍增时间分别为9年与11年。
- 可见病灶体积增加50%中位需1.6年,提示多数年度MRI随访可能过密。
核心结论
- 前列腺癌生长总体缓慢,但个体间变异显著,对早期检出构成挑战。
- Gompertz模型外推显示病灶从单个细胞至MRI可检出平均17年、至临床可检出平均额外12年。
- 基线体积、患者年龄、PSA、PSAD及Gleason分级与生长减速参数呈正相关。
研究设计与样本
- 回顾性单中心队列研究,来自UCLH 2005—2020年MRI引导主动 surveillance项目,最终纳入145例。
- 纳入标准为可见病灶、≥3个时点planimetry测量、随访期总体积增幅≥10%。
- 比较指数、Gompertz和logistic三种混合效应模型;Gompertz及logistic模型中体积上限K固定为10 cm3。
- MRI可检出体积设0.01 cm3(直径约3 mm),临床可检出体积设0.5 cm3(直径约1 cm)。
关键影像表现/征象
- 53%患者至少有一段稳定期,定义为两次MRI间体积变化小于±10%,持续2.6个月至3.3年。
- 基线病灶体积与年百分比变化呈负相关(R=−0.3,p<0.01),较大病灶百分比增幅更小。
- Gleason 3+4病灶平均生长参数0.08,高于Gleason 3+3的0.07(p=0.009)。
- PRECISE 4或5患者平均生长参数0.07,高于PRECISE≤3的0.06(p=0.04)。
诊断标准与关键数值
- Gompertz生长参数平均值0.07/年,范围0.02—0.15/年。
- 病灶从单个细胞至MRI可检出中位17年,个体范围8—51年;至临床可检出中位29年,范围13—86年。
- 临床可检出的sojourn时间中位12年,范围5—35年;Gleason 3+3为12年,Gleason 3+4为10年。
- 年龄50岁时约20%病灶MRI可检出,60岁时约66%可检出;临床可检出比例在50岁为0、60岁为15%。
临床应用与阅片要点
- 随访MRI若未见明显体积变化,需考虑病灶可能处于稳定期而非无进展,应结合PRECISE分级综合判断。
- 评估体积倍增时间时,Gleason 3+4与PRECISE 4/5病灶进展更快,可适当缩短随访间隔。
- 直径约3 mm为MRI可检出下限,低于该阈值病灶可能需多年才能达到可见大小。
局限性
- 纳入者均为低至中危、MRI可见病灶,不适用于更高级别或MRI不可见病灶。
- 单中心回顾性设计,planimetry体积测量存在一定变异。
- 因每例测量时点有限,生长参数与临床变量未做多变量校正,不能排除混杂。
全文中译13 节 · 点击展开
引言
前列腺癌(PCa)是全球男性中第二常见的癌症,2022年新发病例超过140万例,死亡40万例[1]。欧洲前列腺癌筛查随机研究显示癌症死亡率降低了20%以上,但代价是许多患者被过度诊断和过度治疗[2, 3]。
主动监测(AS)通过推迟治疗直至有癌症进展证据来减少前列腺癌的过度治疗,适用于低至中危前列腺癌,即Gleason 3 + 3和3 + 4级癌症,这些癌症通常生长缓慢,同时不会失去可治愈的窗口期[4]。目前尚无标准化的主动监测方案,但患者通常每年就诊一次。由于患者之间进展速度存在差异,额外的就诊可能给患者和医疗系统带来不必要的负担[5]。
利用肿瘤生长速率,我们可以了解前列腺癌的生物学行为,并定制主动监测的时间间隔,以尽早发现有意义进展,同时将就诊次数降至最低。基于PSA变化的肿瘤生长速率此前已被用作前列腺癌治疗期间进展的生物标志物[6, 7]。我们也可以利用生长速率来确定最佳筛查计划。
既往研究通过两个时间点的肿瘤体积测量[8, 9]或PSA水平作为肿瘤大小的替代指标[10, 11]来量化前列腺癌的平均生长。然而,这些研究假设肿瘤随时间持续生长,且仅量化平均生长,忽略了生长可能随时间变化的情况。肿瘤生长在同一癌症类型的不同患者之间可能存在差异[12–14],且同一患者随时间也可能不同[15, 16]。肿瘤生长很可能随着肿瘤增大而减速[17–20],且可能以阶梯式方式而非持续性地生长[15]。
有许多基于时空和细胞动力学的模型可用于量化肿瘤生长,如Jørgensen等人2023年所述[21]。这些模型通常需要多模态影像学和组织学数据。在本研究中,我们拥有一个独特的数据集,包含未接受积极治疗患者的基于MRI的纵向体积数据;因此,我们使用混合效应纵向生长模型来估计生长速率的群体分布。
我们旨在通过建立生长群体分布模型来表征前列腺癌的自然病史,并识别与生长较快的疾病相关的因素。
材料与方法
主动监测数据集
我们遵循STROBE队列研究检查清单,以确保报告透明完整[22]。
我们的分析不需要机构审查委员会批准。该主动监测队列不需要批准,因为在数据收集机构,所有临床记录和MR图像均作为主动监测服务内部评估的一部分进行常规审查,符合英国NICE指南。
这是一项使用现有数据的回顾性队列研究。该队列包括2005年至2020年在伦敦大学学院医院(英国伦敦)参加我们以MR为主导的主动监测项目的553例患者[23]。根据英国国家健康与临床优化研究所指南(即Gleason ≤ 3 + 4且基线PSA ≤ 20 ng/mL)[24],患者均经活检确诊为低至中危前列腺癌,且在2005年12月至2020年1月期间接受了至少两次多参数MRI检查。临床数据可获取,包括主动监测之前和/或期间进行的活检结果。
肿瘤体积(cm³)根据MRI扫描进行估算[8]。一名专职的泌尿生殖放射科医生(FG)利用所有扫描图像为每位患者确定指数病灶以确保一致性,并通过在所有序列(T2加权成像、弥散加权成像和动态对比增强成像)上测量的平面几何尺寸来计算病灶体积。MRI及病灶测量方案此前已发表[8]。该放射科医生为每次随访扫描分配了前列腺癌序贯评估放射学变化估计(PRECISE)评分,用于量化随时间变化的放射学变化[25]。PRECISE评分为1或2表示放射学消退,PRECISE评分为3表示放射学稳定,PRECISE评分为4或5表示放射学进展。
在我们的研究中,我们纳入了具有可见病灶、在至少3个不同时间点有平面几何病灶测量值、且随访期间总体积增加≥10%的患者(N = 145),这使我们能够评估三种不同的生长模型。我们排除了总体积增加<10%的患者,因为在随访期间低于该阈值的变化很可能是MRI或测量变异,而非真正的生长[26]。图1显示了合格性与纳入流程图。
描述病灶生长
我们假设指数生长,计算了每年平均百分比变化:
我们还利用指数生长率α计算了肿瘤体积倍增时间(TVDT):
比较前列腺癌生长的非线性混合效应模型
为了估计前列腺癌生长率,我们必须考虑同一患者病灶测量值之间的相关性。混合效应模型通过对分组数据(如每位患者的重复测量值)进行建模来处理这一问题。每位患者代表模型中的一个层级,该模型估计总体平均值(固定效应)以及个体内部和个体之间的变异(随机效应),假设残差和随机效应呈正态分布。我们将时间零点定义为进入主动监测(AS)的时间。
癌症生长可能遵循不同的轨迹。指数模型假设生长随时间恒定,其表达式为:其中:
此处,是个体i在时间j的病灶体积。患者特异性截距结合了固定效应和个体随机效应。患者特异性生长参数包含固定效应和个体随机效应。是个体i在时间j的误差项。在指数模型中,癌症无限生长。
临床前和临床研究表明,随着资源耗竭,癌症生长会减慢[17–20]。Gompertz模型通过假设当肿瘤接近某一极限大小K时生长呈指数减慢来捕捉这一现象。此处,是减速参数——数值越高表示肿瘤接近K时减慢越快。Gompertz混合效应模型的表达式为:
逻辑模型假设当肿瘤接近K时生长呈线性减慢,其表达式为:
对于Gompertz和逻辑模型,患者特异性减速参数包含固定效应和个体随机效应:
我们使用这三种混合效应模型对前列腺癌病灶生长进行建模,假设病灶持续生长。我们对体积取对数进行建模,使结局呈正态分布,并据此对相应方程进行变换(见补充材料2)。我们还纳入了截距和时间的随机效应,因为纳入后模型拟合更优(似然比检验:p < 0.01)。混合效应模型假设随机效应和残差呈正态分布。虽然结局本身可能并非严格正态,但这些潜在分布的严重偏离可能违反模型假设并影响估计。
Gompertz模型和logistic模型中的体积上限K在参数估计前固定为10 cm³(数据集中最大体积的三倍)。我们进行了敏感性分析,结果显示模型性能和估计参数对K的选择具有稳健性,表明我们的结果在不同取值下仍然成立(见补充材料3)。
我们比较了三种不同的模型,以评估它们对主动监测数据集的拟合情况以及在数据范围之外的外推能力。我们使用赤池信息准则(AIC)、贝叶斯信息准则(BIC)、平均绝对误差(MAE)以及观察体积与预测体积之间的百分比误差(% error)来比较模型对主动监测数据集的拟合情况。我们在完整数据集上测试了性能,并通过划分训练集和测试集进行了验证(见补充材料4)。
我们通过求解模型方程中的t(方程10–12),估计了从病灶体积等于单个细胞(1e-9 cm³)到MRI可检测大小(0.01 cm³)所需的时间,其中V = 0.01 cm³,V0 = 1e-9 cm³。我们假设在整个期间生长是连续且确定性的;然而,需要认识到在肿瘤发展中,生长可能并非严格确定性,可能经历休眠期后出现快速生长期。
指数:
Gompertz:
Logistic:
比较生长率与患者及肿瘤特征
我们选择Gompertz模型进行进一步评估,因为它呈现了生物学上更合理的肿瘤生长模型;从疾病起始以来时间的估计以及这些估计对参数K变化的稳健性证明了这一点。
使用分层分析,我们将Gompertz模型的患者特异性参数与诊断时的临床特征进行比较:患者年龄;病灶体积;Gleason评分;前列腺体积;PRECISE评分 [8, 25];PSA(ng/mL);以及PSA密度(PSAD = PSA/前列腺体积)。对于Gleason和PRECISE评分,我们计算每组的平均值(例如,Gleason 3 + 3和3 + 4)。由于每位患者的测量次数有限,无法将这些变量直接纳入多变量生长模型。因此,这些分层分析本质上是探索性的,未对临床变量之间潜在的混杂进行调整(例如,PSA和PSAD可能与病灶体积和年龄相关)。
对于连续变量(年龄、病灶体积、前列腺体积、PSA 和 PSA 密度),使用 Pearson 相关系数评估其与估计减速参数的相关性。对于分类变量,Gleason 评分因各组呈非正态分布,采用 Wilcoxon 秩和检验进行组间比较;PRECISE 评分基于近似正态性和方差不齐,采用 Welch t 检验。为便于分析,将 PRECISE 评分分为两组:≤ 3 和 > 3。
估算前列腺癌病灶的自然演变轨迹
使用 Gompertz 模型和公式(11),我们估算了病灶达到各里程碑体积的时间(基于球形病灶的直径):起始(体积 = 单个细胞);MRI 可检出(0.01 cm³;直径 ≈ 3 mm);数据集中 AS 开始时的平均大小(0.19 cm³;直径 ≈ 7 mm);临床可检出(0.5 cm³;直径 ≈ 1 cm);以及数据集中 AS 期间的最大体积(1.36 cm³;直径 ≈ 1.4 cm)。我们估算了滞留时间——即从 MRI 可检出到临床可检出的时间间隔。
我们选择 0.01 cm³(直径 ≈ 3 mm)作为 MRI 可检出大小——这是整个 AS 队列(N = 553)中记录的最小体积。我们使用 0.5 cm³ 作为临床可检出大小,近似于直径 = 1 cm 的病灶。该大小在直肠指检(DRE)中能否检出取决于患者解剖结构和肿瘤位置 [27],并且被报道为判断临床有意义癌的阈值体积 [28]。
我们估算了病灶从 AS 开始时的起始体积增加 50% 所需的时间;这一标准由 PRECISE 评分系统第 2 版专家组成员一致认可,用于定义影像学进展 [29]。为估算前列腺病灶何时可能变为可检出,我们使用拟合的生长模型和患者特异性生长率,回顾性预测每位患者在 50 岁和 60 岁时的病灶体积。据此,我们基于 0.01 cm³ 和 0.5 cm³ 的体积阈值,分别估算在这些年龄时 MRI 可检出和临床可检出病灶的患者比例。
所有分析均在 R v4.4.2 [30] 中进行,运行于 R Studio [31],使用的软件包包括:readxl v1.4.3 [32];dplyr v1.1.4 [33];ggplot2 [34];gridExtra v2.3 [35];lmtest [36];lme4 v3.1 [37];以及 nlme v3.1 [38]。
结果
主动监测数据集的描述
表 1 显示了 145 例符合条件的患者特征。图 2 显示了病灶体积随时间的变化轨迹。更多队列详细信息见补充材料 1 和 Stavrinides 等 [23]。
病灶生长的描述
在随访期间,病灶体积中位数增加了0.3 cm³(增加122%),并以每年23%的速度增长,个体患者的增长率在2.6%至175%之间(假设随访期间增长速率恒定)。人群平均肿瘤体积倍增时间(TVDT)为3.1年。首次MRI时的病灶大小与每年百分比变化呈负相关(R = −0.3,p < 0.01)。主动监测(AS)开始时较大的病灶其每年百分比变化小于较小的病灶;但这可能不反映绝对大小的变化。53%的患者至少存在一段无活动期(定义为两次MRI扫描之间病灶体积变化小于±10%),持续时间为2.6个月至3.3年(中位数 = 1.1;IQR = 0.97–1.3)。一个病灶可能在两次连续扫描之间无活动,但在之后的扫描中显示显著进展;由于两次扫描之间进展的确切时间未知,所测得的无活动间期仅代表被确信观察为稳定的时间段。
前列腺癌(PCa)生长的非线性混合效应模型比较
指数模型具有较低的AIC和BIC;但MAE和百分比误差的差异可忽略不计(表2)。Gompertz模型对病灶从单细胞体积生长至MRI可检测大小的估计更为合理(中位数 = 17.4年,IQR = 14.1–20.7),相比之下,指数模型和logistic模型分别为(中位数 = 76.4年,IQR = 51.7–101.1)和(中位数 = 65.5年,IQR = 41.4–89.6)。补充材料4详述了模型校准、评估和验证。
我们选择Gompertz模型进行进一步分析,因为各模型在AS数据上的表现相似,而Gompertz模型在数据范围外进行外推时具有最合理的估计值。
增长率与患者及肿瘤特征之间的关系
Gompertz模型具有正态分布的群体增长率,均值 = 0.07/年(SD = 0.03),其中患者特异性估计生长参数(公式9)范围为0.02至0.15/年。较小的生长参数值表明生长减速较慢,意味着肿瘤可能较长时间内快速生长。较大的值提示肿瘤更具侵袭性,生长迅速但更早达到体积上限而趋于平台。
患者确诊年龄与估计增长率呈正相关(R = 0.23,p < 0.01)。首次MRI时的病灶体积、就诊PSA和PSAD与增长率呈正相关(R = 0.53、0.19和0.19;p < 0.01、= 0.02和= 0.02)。前列腺体积与估计增长率之间无相关性。补充材料5显示了患者及肿瘤特征与增长率之间的相关性。
诊断时Gleason 3 + 4病灶的平均生长参数(均数 = 0.08)高于Gleason 3 + 3病灶(均数 = 0.07),差异具有统计学意义(Wilcoxon秩和检验,p = 0.009)。假定为指数生长时,诊断时Gleason 3 + 3病灶的平均肿瘤体积倍增时间(TVDT)为5.2年,而Gleason 3 + 4病灶为3.5年。PRECISE评分为4或5的患者生长速率更快(均数 = 0.07),高于PRECISE评分≤ 3的患者(均数 = 0.06),相应的倍增时间分别为9年和11年。该差异具有统计学意义(Welch t检验,p = 0.04)。图3显示了Gleason 3 + 3与3 + 4病灶以及不同PRECISE评分的估计生长轨迹。
PCa病灶的估计自然轨迹
图4显示了PCa病灶从起始到临床可检出大小的平均轨迹。
我们估计PCa病灶从单个细胞(1e-9 cm³)生长到MRI可检出体积(体积 = 0.01 cm³;直径 ≈ 3 mm)的中位时间为17年,个体患者范围为8至51年。Gleason 3 + 3病灶需要17年达到MRI可检出,而Gleason 3 + 4病灶需要15年。我们估计到50岁时,20%的PCa病灶可被MRI检出,到60岁时增加到66%。
我们估计从单个细胞生长到临床可检出体积(如直肠指检可触及,体积 = 0.5 cm³;直径 ≈ 1 cm)的中位时间为29年,个体患者范围为13至86年。Gleason 3 + 3病灶需要29年达到临床可检出体积,而Gleason 3 + 4病灶需要25年。在50岁时,数据集中的病灶均无法临床检出,到60岁时仅15%可临床检出。
估计的停留时间范围为5年至35年(中位数 = 12年)。Gleason 3 + 3病灶的停留时间为12年,Gleason 3 + 4病灶为10年。
我们估计病灶体积增加50%的中位时间为1.6年(范围为8个月至3.7年),PRECISE第2版将其视为显著变化[29]。
讨论
本研究描述了前列腺癌的生长速率及影响病灶生长的因素。Gompertz生长参数在患者之间差异很大,范围为每年0.02至0.15。较小的值表示肿瘤生长减速较慢,并稳步达到最大体积;而较大的值表示初始生长较快,随着病灶接近体积上限,生长迅速减缓。尽管我们的队列由低至中危疾病组成,但生长仍存在显著差异,这体现了在其他癌症类型中观察到的实质性差异[12–14]。使用指数模型计算的人群平均年百分比变化为25%;然而,其范围为7%至62%,表明样本中的平均生长速率可能无法反映人群中生长速率的真实范围。
我们确定了与病灶生长速率相关的若干因素。年龄较大、主动监测(AS)入组时病灶体积较大、诊断时为Gleason 3+4、较高的PSA、较高的PSAD以及诊断时PRECISE评分为4或5分均与较大的生长参数相关。由于每位患者的MRI时间点数量有限,这些变量无法纳入多变量生长模型,因此变量之间(如PSA与病灶体积)的任何潜在混杂无法排除。关于PSA、PSAD与生长速率之间关系的进一步研究可以确定哪些患者在诊断时存在快速生长、侵袭性前列腺癌的风险,并为治疗方案提供参考[39–43]。
虽然Gompertz模型假设随时间连续平滑生长,但本队列的观察提示病灶生长可能以阶梯式模式发生。我们观察到病灶稳定期持续2个月至4年不等,部分病灶在持续主动监测期间随后出现体积增加。这引发了关于什么原因导致稳定期和生长期,以及这如何影响癌症监测和治疗的问题。在本研究中,我们使用简化的连续生长模型来估计随时间的平滑平均生长。虽然这对于总结长期生长动态是有用的,但我们承认它可能无法完全反映肿瘤生长潜在的非连续性特征。检测随时间保持稳定的病灶可能存在过度诊断和过度治疗的风险,特别是对于那些在患者自然寿命内始终保持惰性、从未进展为临床显著疾病的病灶。
我们估计患者平均在起始事件后25年被诊断为前列腺癌,个体患者之间存在较大范围。病灶平均需要17年才能达到MRI可检测的大小;MRI上不可检测的小的Gleason 6病灶可能多年保持不可检测。这些结果反映了基于细胞研究的估计,提示前列腺癌可能在男性20多岁和30多岁时开始,需要50年以上才能进展为转移性疾病[44]。对于可见病灶,我们预计病灶体积在AS开始后1.6年出现50%的增加;每年一次的MRI随访可能过于频繁,无法检测到有意义的变化[9]。关于与快速生长疾病相关的危险因素(如多基因风险评分)的进一步研究,若样本量更大,可推动个体化AS方案的制定,减少有创检查,并在可能发生进展时更及时地接受治疗。
此外,从MRI可检测到临床可检测大小,平均停留时间为12年。Pashayan等 [45] 估计50–69岁前列腺癌(PCa)男性的平均停留时间为11.3至12.6年,与我们的估计一致。我们还估计,在50岁时,80%的PCa病灶无法通过MRI检测到,但在60岁时,超过60%可以检测到。然而,在60岁时,我们估计85%的病灶无法通过直肠指检(DRE)检测到。这对未来的筛查研究非常重要,因为50岁可能太早,无法在MRI上检测到大多数病灶,而这些病灶可能需要多年才能生长到具有临床意义的大小。
本研究为PCa的生长提供了新的视角。利用独特的纵向主动监测(AS)数据集,我们对未经治疗且有连续病灶体积测量(最长9年)的患者进行了生长建模。然而,这些是低至中危患者,其病灶在MRI上可见,不能代表整个PCa人群。MRI可见性本身就是进展的危险因素。我们的发现可能不适用于更高级别病灶或那些可通过活检检测到但无法通过MRI检测到的病灶。
我们预期病灶体积存在一定程度的测量变异性,即使由一位经验丰富的放射科医师测量也是如此。虽然平面测量法最为准确,但单径测量法的可重复性最高 [40]。这种不可避免的变异性可能影响生长模型的准确性和稳健性。
MRI检查时机因患者而异,并且可能取决于被认为是导致更高进展风险的因素。虽然我们的混合效应模型考虑了每位患者扫描次数不等的情况,但如果高危患者扫描更频繁,或相反地因治疗而更早退出主动监测,仍存在潜在偏倚。这可能导致数据集中生长较慢的病灶被过度代表,并可能使生长率估计偏向更惰性的疾病。PCa通常生长缓慢 [12];因此,需要较长的随访期来观察PCa生长的不同阶段。我们是基于相对于整个肿瘤轨迹而言较短的时间来估计生长的,这限制了对观察数据之外进行外推的可靠性。尽管我们将模型回溯至假定的起始点(如单个细胞),但该估计并不精确,仅旨在说明PCa达到可检测大小可能需要相当长的时间。
PCa通常是多灶性癌症;然而,本分析中每位患者仅随访一个病灶;同一患者不同病灶之间的生长可能不同。我们无法估计前列腺内肿瘤的总体积,这可能影响生长,并且肯定与PSA水平相关。这是我们在此分析中无法探讨的研究领域。
我们的研究结果突显了即使在中低风险队列中,病灶生长速率也存在显著差异,这为该疾病的进展提供了新的见解。我们的估算表明,前列腺癌(PCa)病灶通常生长缓慢,可能需要数年时间才能达到可检测的大小;最初在MRI上无法检测到的小的Gleason 6分病灶可能需要数年才能达到MRI可检测的体积。我们估计大多数PCa病灶在50岁时尚无法通过MRI检测到,这意味着筛查策略可以针对更高年龄组。患者之间的异质性、缓慢的生长速率以及无生长时期对早期检测构成了挑战,并可能导致过度诊断。
补充信息
补充信息
引用
- Smith, Stavrinides, Giganti, et al. Variation in prostate cancer growth rates in an MRI-based active surveillance cohort. Eur Radiol. 2026. PMID: 41543565. doi:10.1007/s00330-025-12248-y
- 全文:PMC13212372(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13212372/
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。