神经内分泌肿瘤分期CT结构化报告:德尔菲共识提案
意大利医学与介入放射学会组建14名专家小组,采用改良德尔菲法两轮共识,构建神经内分泌肿瘤CT分期结构化报告模板,共54个条目,分为患者临床数据、临床评估、影像协议和报告四部分;第二轮各章节平均评分4.9(范围4.9-5),Cα为0.82。
要点
- 最终结构化报告共54个条目,仅报告部分为必填,其余章节可由用户酌情填写。
- 第二轮总体平均评分4.9(范围4.9-5),Cα为0.82,内部一致性良好。
- 报告部分涵盖原发灶是否可见、部位、数目、大小、邻近结构浸润及TNM分期。
核心结论
- 本研究基于多轮德尔菲共识制定了神经内分泌肿瘤原发分期CT结构化报告模板,由放射科、肿瘤内科和外科多学科协商产生。
- 作者认为结构化报告的广泛采用可能提高报告质量、清晰度和可重复性,改善患者医疗并促进研究发展。
研究设计与样本
- 研究类型为改良德尔菲共识,由意大利医学与介入放射学会组建14名专家放射科医师小组,经两轮德尔菲流程制定模板。
- 文献检索覆盖PubMed、Scopus和Google Scholar,纳入2000年12月至2021年6月发表的神经内分泌肿瘤、CT和结构化放射学报告相关论文。
- 采用五级Likert量表评估同意程度(1=强烈不同意至5=强烈同意),以Cronbach's alpha评估各章节内部一致性。
- 最终模板在RSNA网站以T-Rex模板格式生成,符合IHE和MRRT规范,可作为开源软件获取。
关键影像表现/征象
- 报告部分要求描述原发肿瘤在CT上可见或不可见,以及每个部位病灶的数目、部位、大小和邻近器官或结构浸润。
- 小肠病灶需评估促纤维增生反应,胰腺病灶需评估与胰管、血管及十二指肠或壶腹的关系以配合手术规划。
- 报告部分还包括肿瘤分期、淋巴结分期、转移分期及偶然发现的影像学表现。
诊断标准与关键数值
- 模板共54个条目:患者临床数据16项、临床评估13项、影像协议8项、报告17项。
- 仅报告部分字段为必填,其余章节字段可根据用户判断填写。
- 第一轮各章节平均评分4.7(范围4.2-5.0),Cα为0.57;第二轮平均评分4.9(范围4.9-5),Cα为0.82。
- 第一轮专家总平均分4.7(范围1-5),结构化报告总分和728(均值52.00,标准差2.83);第二轮总平均分4.9(范围4-5),总分和760(均值54.29,标准差1.64)。
- Cα判定标准:α≥0.9为优秀,α≥0.8为好,α≥0.7为可接受,α≥0.6为可疑,α≥0.5为差,α<0.5为不可接受。
临床应用与阅片要点
- 影像协议部分记录设备探测器排数、多探测器或双能量、重建算法和层厚,以及对比剂方案和肠道准备信息。
- 作者指出层厚及其他协议相关因素(如重建核和视野)应保持恒定,以便进行可靠的测量。
- 作者认为使用清单和系统搜索模式可能有助于防止诊断错误。
局限性
- 专家组成员来自同一国家,多国专家的参与可能实现更广泛的共享,有可能提高结构化报告的一致性。
- 本研究未评估结构化报告对神经内分泌肿瘤患者临床管理的影响。
全文中译13 节 · 点击展开
引言
神经内分泌肿瘤(NENs)在起源部位和转移行为方面具有异质性。约25%的NENs分泌激素,导致特定的临床体征和症状,而其余约75%为所谓的无分泌性NENs,通常在偶然情况下被诊断,且40%–50%已处于转移性肿瘤阶段(1–3)。功能性NENs通常显现相对较早,因此放射影像学检查可能难以检出病灶,因为这些病灶往往太小而无法被看到(4)。尽管NENs的检出和随访仍然构成诊断挑战,但放射影像学检查对于评估转移性病灶(尤其是肝脏转移灶)和肿瘤治疗反应至关重要,在指导治疗计划方面发挥关键作用(5)。
在如此复杂的情境下,向转诊医师有效传达影像数据对患者诊疗至关重要。放射学报告在全面性和准确性方面是金标准,传统上以叙述性语言撰写的非结构化自由文本报告(FTR)形式创建。然而,内容、风格和呈现格式方面的不一致性可降低FTR的清晰度,阻碍关键信息向转诊医师的传达,可能导致错误诊断、适当治疗的延迟启动或不良患者结局(6–9)。
放射学结构化报告(SR)相较于FTR具有多项优势,包括报告风格和术语的更高标准化程度,遵循已确立的实践指南和建议,更高的一致性和可重复性(10–12),数据挖掘及与人工智能系统整合的可能性(13),更短的报告时间、更低的错误率,以及与转诊临床医师和其他放射科医师更好的沟通(8, 14, 15)。就后者而言,肿瘤科医师倾向于选择SR而非FTR,因为SR能够以更清晰、更标准化的方式共享信息(16–18)。此外,2018年欧洲神经内分泌肿瘤学会(ENETS)发起了一项倡议,为支气管、胰腺和胃肠NENs分期及随访的计算机断层扫描(CT)和磁共振成像(MRI)检查提供纲要式报告指导,其中影像学组成员表示强烈偏好尽可能通过下拉菜单的方式结合有限选项和标准化选项(19)。
尽管SR具有已确立的优势,但由于若干原因,SR尚未在放射学常规工作中普及,包括目前可用模板和市售SR软件解决方案的匮乏(6)。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模板仓库,所有SIRM成员均可免费访问[包括用于直肠癌原发分期和再分期的MRI(7),以及用于COVID-19肺炎管理的胸部CT(9)],从而促进了其在临床环境中的常规使用(20)。
我们的目的是设计并评估一个用于NENs原发分期CT检查的SR模板,目标是基于当前最佳实践指南改善报告的标准化,以及改善放射科医师与临床医师之间、以及放射科医师彼此之间的沟通。
材料与方法
专家组
经过专家放射科医师之间的广泛讨论,进行了一项多轮共识构建的德尔菲练习,以开发一个全面、有针对性的结构化报告(SR)模板,用于神经内分泌肿瘤(NENs)患者分期阶段的CT检查。
一名具有腹部影像学经验的意大利医学放射学会(SIRM)放射科医师在一名专攻NENs的外科医师和肿瘤内科医师的协作下创建了SR的初稿。
成立了一个由14名专家放射科医师组成的工作团队,成员来自SIRM胃肠道与腹部放射学分会及肿瘤诊断影像学分会。其目标是迭代修订初始草案,以就SR达成最终共识。
德尔菲领域和条目的选择
所有小组成员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6月发表的关于NENs、CT和结构化放射学报告的文章。专家小组所有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。
SR分为以下四个部分:(a)患者临床数据(包括16个条目),(b)临床评估(13个条目),(c)成像方案(8个条目)和(d)报告(17个条目)。模板中还包括一个专门针对关键图像的最终部分。
进行了两轮德尔菲调查。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。在第二轮德尔菲调查中,通过电子邮件共享的Google Form问卷测试了小组成员对每个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个人意见。
在第二轮德尔菲调查之后,最终版本的SR在专用的RSNA网站(www.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,并可作为开源软件访问,由Exprivia(Exprivia SpA,巴里,意大利)提供技术支持。这些规范既确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)],也确定了请求、检索和存储这些方案表的传输机制。放射学报告通过使用一系列集成在T-Rex编辑器预选部分中的“编码查询”进行结构化(21)。
统计分析
每位小组成员的回答被导出为Microsoft Excel®格式,以便于数据收集和统计分析。
分析了所有小组成员对每个部分的评分,采用描述性统计测量平均分、标准差和评分总和。平均分3分被视为良好,而4分被视为优秀。
为衡量评审员对报告各部分评分的内部一致性,采用Cronbach's alpha(Cα)相关系数进行基于平均项目间相关性的质量分析(22, 23)。Cα检验提供了一种衡量测试或量表内部一致性的方法;它以0到1之间的数值表示。内部一致性描述了测试中所有项目测量同一概念的程度。每轮结束后测定Cα。
Cα系数越接近1.0,量表中各分类的内部一致性越准确。alpha系数(α)≥0.9被认为极好,α≥0.8良好,α≥0.7可接受,α≥0.6可疑,α≥0.5差,α<0.5不可接受。然而,在迭代过程中,α=0.8被视为内部信度的可接受参数。
数据分析使用Matlab统计工具箱(The MathWorks, Inc., Natick, MA, USA)进行。
结果
结构化报告
最终的结构化报告(SR)(附录1)模板包含:“患者临床数据”部分n=16个条目,“临床评估”部分n=13个条目,“成像方案”部分n=8个条目,“报告”部分n=17个条目。总体而言,最终版SR共纳入54个条目。
“患者临床数据”部分包括患者临床数据、既往或家族恶性肿瘤史、危险因素、年轻时的内分泌和/或神经内分泌肿瘤、遗传性综合征及其他基因突变。在该部分中,我们纳入了“过敏”条目,包括对药物或无药物及对比剂的过敏。
“临床评估”部分收集了既往检查结果、基因组检测组合、活检标本的组织病理学检查结果、嗜铬粒蛋白A(CgA)水平、神经元特异性烯醇化酶(NSE)水平、5-羟吲哚乙酸(5-HIAA)24小时尿液水平、血清胃泌素水平、血清胰岛素水平、血清胰高血糖素水平、血清VIP水平、血常规、血清肌酐、肝功能及临床症状。
“成像方案”部分包括所用设备的数据、探测器数量以及是否为多探测器或双能量,包括重建算法和层厚的数据。此外,我们收集了对比剂检查方案的数据,包括对比剂检查分期的数据,以及有关对比剂的数据,如活性成分、商品名、剂量、流速、浓度和正在发生的不良事件。此外,在该部分中我们还纳入了关于肠道准备和用于胃肠道评估的对比剂技术的数据。
“报告”部分包括病灶部位(原发肿瘤在CT影像上可见或不可见)及每个部位的特征,如数量、位置、大小以及对邻近器官和/或结构的侵犯(例如肺、胃、胰腺、十二指肠、小肠、阑尾和结直肠病灶)。对于小肠病灶,我们评估促结缔组织增生反应,而对于胰腺病灶,则根据手术规划评估其与胰管、血管及十二指肠或壶腹的关系。此外,该部分还包括肿瘤分期、淋巴结分期和转移分期,以及偶然发现的影像学表现。为使结构化报告(SR)在不同工作场景中的使用具有最大灵活性,仅“报告”部分的字段为必填项,而其他SR部分的字段均由用户自行决定是否填写。
共识一致性
表1、表2分别显示了第一轮和第二轮中14位专家小组成员对SR的单项评分及评分总和。
在第一轮和第二轮中,所有部分均获得高于“良好”的评级,第一轮平均值为4.7(范围4.2-5.0),第二轮平均值为4.9(范围4.9-5)。
在第一轮中,Cα相关系数为0.57,专家总体平均评分和SR评分总和分别为4.7(范围1-5)和728(平均值52.00,标准差2.83)。
在第二轮中,Cα相关系数为0.82,专家总体平均评分和SR评分总和分别为4.9(范围4-5)和760(平均值54.29,标准差1.64)。
讨论
据我们所知,这是首次由国家级放射学会的专家小组推动创建针对神经内分泌肿瘤(NENs)CT分期的综合性结构化报告(SR)模板,该模板系统涵盖放射学操作的所有步骤(从患者个人数据登记到CT检查的完整细节以及相关CT表现的标准化报告),同时可将影像学与临床数据相结合,并从将SR模板整合到放射学工作流程的角度进行设计。
我们的SR模板基于多轮共识构建的德尔菲法,经过胃肠及肿瘤影像学专家放射科医师之间的深入讨论而形成。此前,专家小组成员曾评估并推动了一项用于直肠癌基于MRI的原发分期和再分期的SR(7)。虽然此类MRI模板同样基于多轮共识构建的德尔菲法,但在该早期研究中,原始草案来源于一位专职放射科医师,未寻求任何多学科共识。另一方面,在本研究中,SR草案基于放射科医师、肿瘤内科医师和外科医师的多学科共识,目标是获得一种面向转诊医师的最优、全方位的沟通工具。
经批准的SR模板分为四个部分(即患者临床数据、临床评估、成像方案和报告),最后一部分专门用于关键图像。尽管我们的模板可能看起来有些冗长和复杂(可能会减慢放射学工作流程),但必须强调的是,只有报告部分是强制性的,而其他部分是可选性的。此外,考虑到放射科医生可能无法获得所有数据,这些开放字段也可以在随后填写。此外,将该模板与患者电子健康记录连接的可能性允许自动导入可用数据。
所有部分在两轮Delphi调查中均获得了高于良好级别的评分,第一轮和第二轮的均值分别为4.7和4.9。在第一轮中,Cα相关系数相对较差(0.57),而在第二轮中,该系数大幅改善(0.82)。此外,第二轮专家的总体平均评分高于第一轮,较低的标准差值与专家对该SR的更高一致性相关。一致性水平最低的部分是“患者临床数据”和“临床评估”,反映出这些部分过长、可能减慢日常实践的观点。然而,在召开电话会议后,所有小组成员在明确了这些部分的可选性质后均表示同意,同时也证明了收集患者临床数据和病史对于大数据创建以及将放射学数据与临床数据连接的重要性。
“患者临床数据”部分包括患者数据、既往或家族恶性肿瘤史、危险因素、年轻时的内分泌和/或神经内分泌肿瘤、遗传性综合征以及其他基因突变。“临床评估”部分收集了既往检查结果、基因组检测组合、活检标本的组织病理学检查结果、嗜铬粒蛋白A(CgA)水平、神经元特异性烯醇化酶(NSE)水平、5-羟基吲哚乙酸(5-HIAA)24小时尿水平、血清胃泌素水平、血清胰岛素水平、血清胰高血糖素水平、血清VIP水平、血细胞计数、血清肌酐、肝功能和临床症状。这些数据可作为创建潜在大数据库的基础,不仅能够进行流行病学统计分析,还能通过结合放射学特征和临床数据来构建放射组学模型(24–29)。为此,基因组数据也可用于构建放射基因组学模型,这可能有助于个性化风险分层的高级层次以及早期癌症诊断、癌症治疗选择、预后预测和治疗反应及治疗耐药评估的高级精准医学(30–34)。
“成像方案”和“报告”部分的评定结果为“高度一致”。“成像方案”部分包括所用CT设备及相关技术参数的数据(如探测器排数、多探测器单能或双能、重建算法和层厚)。此外,该部分还包括关于CT采集方案(包括增强后各期)和对比剂给药的数据(如活性成分、商品名、体积、流速、浓度及正在进行的不良事件),以及关于肠道准备和用于胃肠道评估的对比技术的资料。共享检查技术(不仅在本科室内部,而且与其他中心的放射科共享)有助于研究方案的标准化和优化。事实上,在随访阶段,采集参数和分割算法的差异是可能导致体积评估变异的重要特征。因此,层厚和其他方案相关因素(如重建核和视野)应保持恒定,以便进行可靠的测量。在方案优化阶段,不同中心之间加强沟通可通过优化辐射剂量和对比剂给药、提高患者安全性和整体改善诊断质量,从而实现整体质量提升(35, 36)。此外,这种加强的沟通有助于比较不同研究获得的结果,从而减少因不同成像方案导致的变异性(37, 38)。
“报告”部分包括原发肿瘤在CT成像上是否可见的数据,以及每个部位(如肺部、胃、胰腺、十二指肠、小肠、阑尾和结直肠病变)的病变部位、数量、大小和邻近器官和/或结构浸润等特征。对小肠病变评估促纤维增生反应,而根据前瞻性手术规划,对胰腺病变则考虑与胰管、血管和十二指肠或壶腹部的关系。此外,在该部分中我们还纳入了肿瘤分期、淋巴结分期和转移分期,以及偶然发现的影像学表现的存在情况。使用结构化报告(SR)模板指导放射学工作流程的可能性允许描述所有可能因自由文本报告(FTR)而被遗漏的主要放射学特征,例如仅仅由于分心所致。例如,在胰腺神经内分泌肿瘤(NENs)中,正确评估肿瘤分期以及评估与胰管、血管、十二指肠的关系或邻近结构的浸润,可以实现患者的正确分层,并且与肿瘤剜除术相比,可以避免不必要的大手术(39–42)。使用检查清单和系统性搜索模式可能有助于防止此类诊断错误。放射科医生和转诊临床医生都热衷于降低诊断错误率,对于放射科医生而言,诊断错误占报告的比例高达4%(43–47)。对3,000例磁共振成像(MRI)检查的回顾性分析有助于确定28.5%的患者中存在临床相关的椎外发现,而这些发现在初始的非结构化报告中并未出现(48)。同样,使用检查清单式的SR模板已被证明可以提高颈椎CT上骨折无关发现的诊断率(49)。SR还被证明可以增强对胰腺癌和直肠癌肿瘤分期和手术规划的临床影响(50–52)。Brook等人比较了结构化报告与非结构化报告对胰腺癌CT分期和可切除性评估的结果,他们得出结论,与FTR相比,外科医生使用SR对肿瘤可切除性更有信心(50)。Sahni等人表明,与FTR相比,使用基于MRI的SR改善了直肠癌分期(52)。
根据Weiss等人[描述了SR的三个级别(53)],我们的SR基于标准化术语和结构,这些是遵循诊断-治疗建议和纳入临床试验所需的特征。这也减少了可能因非传统语言而产生的任何歧义,并使放射科医生和临床医生之间能够更好地沟通。此外,该SR模板的优势在于已经过多学科小组的验证,可能有助于放射科医生为转诊临床医生提供正确患者管理所需的所有数据。然而,本研究存在若干局限性。首先,小组成员来自同一国家,来自多个国家的专家的贡献本可以允许更广泛的共享,可能提高SR的一致性。其次,我们的研究并非旨在评估SR对NEN患者临床管理的影响。
结论
我们基于多轮共识构建的德尔菲法,在胃肠与肿瘤影像学专家的深入讨论之后,制定了一份用于神经内分泌肿瘤(NENs)原发灶CT分期的结构化报告(SR)模板,该模板源自放射科医师、肿瘤内科医师和一位专攻NENs的外科医师的多学科一致意见。SR的广泛采用可提高跨医院科室和地点的报告质量、清晰度和可重复性,改善患者医疗保健并促进研究发展。
数据可用性声明
本研究呈现的原始贡献已包含在文章/补充材料中。进一步咨询可联系通讯作者。
伦理声明
涉及人类参与者的研究已由意大利佛罗伦萨Careggi大学医院(Azienda Ospedaliero - Universitaria Careggi)审查并批准,方案编号为:13261–OSS。患者/参与者提供了参与本研究的书面知情同意书。
作者贡献
所有列出的作者均对本工作做出了实质性、直接和智力性贡献,并批准其发表。
利益冲突
作者声明,本研究在不存在任何可被解释为潜在利益冲突的商业或财务关系的情况下进行。
出版者说明
本文中表达的所有主张仅代表作者本人,不一定代表其所属组织,也不一定代表出版者、编辑和审稿人的观点。本文中可能评估的任何产品或其制造商可能提出的任何主张,均不受出版者保证或背书。
引用
- Granata V, Coppola F, Grassi R, et al. Structured Reporting of Computed Tomography in the Staging of Neuroendocrine Neoplasms: A Delphi Consensus Proposal. Front Endocrinol (Lausanne). 2021. PMID: 34917023. doi:10.3389/fendo.2021.748944
- 全文:PMC8670531(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8670531/
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。