文献速递泌尿生殖腹部MR

前列腺磁共振分形分析与PI-RADS评估预测癌症分级组的准确性:一项临床验证研究

Accuracy of fractal analysis and PI-RADS assessment of prostate magnetic resonance imaging for prediction of cancer grade groups: a clinical validation study.
PubMed 文献 · Eur Radiol · 2021-12-18

该研究回顾性分析64例患者72个前列腺癌灶的3T多参数MRI数据,以靶向MRI引导活检ISUP分级为参考标准,验证灌注分形维数(FD)预测肿瘤分级的准确性。FD可预测ISUP 1-4级但与参考标准高度一致(κ=0.88),将FD作为独立标准纳入PI-RADS后,对临床显著癌(ISUP>1)的特异度从20%升至88%、AUC从0.65升至0.92,敏感度保持95%。

要点

  • 灌注分形维数(FD)可无创预测前列腺癌ISUP 1-4级,与病理分级高度一致(κ=0.88)。
  • 将FD作为独立标准纳入PI-RADS后,临床显著癌检测特异度由20%升至88%,AUC由0.65升至0.92。
  • FD预测临床显著癌的AUC为0.96,显著优于ADC25的AUC 0.75。

核心结论

  • 分形分析可无创准确预测前列腺癌肿瘤分级,纳入PI-RADS评估后提供独立信息,可能有助于个体化调整活检优先级和方法。

研究设计与样本

  • 回顾性分析PROSTATEx2公开数据集中的64例患者72个前列腺癌灶,以靶向MRI引导活检的ISUP分级为参考标准。
  • 使用同一制造商的两台3T MRI扫描仪,协议包括T2加权、质子密度加权、动态对比增强(DCE)和扩散加权成像(DWI)及ADC图,DCE采用3D turbo flash梯度回波序列(平面分辨率约1.5 mm,层厚4 mm,时间分辨率3.5 s)并静脉注射钆对比剂。
  • FD分析由一名有6年泌尿生殖影像经验的读者完成,并在50个病灶中由一名独立资深读者(>15年经验)重复以评估读者间变异, junior读者重复25个病灶评估读者内变异。
  • PI-RADS v2.1评估由一名>20年泌尿生殖影像经验的读者完成,对ISUP分级、分形分析结果和ADC25测量值设盲。
  • 移行区亚组分析纳入PROSTATEx2数据集的16例患者及PROSTATEx数据集测试队列的14例合格患者,共30例患者30个移行区前列腺癌灶。

关键影像表现/征象

  • FD在ISUP 1-4级各配对比较中均有显著差异(p<0.005),但ISUP 4级(n=8)与5级(n=6)之间无显著差异。
  • FD与分级组呈线性相关(r2=0.840,p<0.001),读者间一致性κ=0.89(CI: 0.82-0.95),读者内一致性κ=0.96(CI: 0.91-1.0)。
  • ADC25仅能区分ISUP 1级与合并的2-5级(AUCADC=0.75,CI: 0.68-0.83),与其他分级组间无显著差异,与ISUP分级组的一致性κADC=0.36(CI: 0.12-0.59)。
  • 移行区与外周带前列腺癌之间无显著差异(p范围0.06-0.77)。

诊断标准与关键数值

  • PI-RADS单独评估(类别≥4)检测临床显著癌(ISUP>1):敏感度96%(CI: 91-99%),特异度20%(CI: 11-33%),AUC=0.65(CI: 0.57-0.73)。
  • PI-RADS联合FD评估检测临床显著癌:敏感度95%(CI: 90-98%),特异度88%(CI: 77-95%),AUC=0.92(CI: 0.87-0.96),与PI-RADS单独评估相比p<0.001。
  • FD预测ISUP分级组的多分类一致性κFD=0.88(CI: 0.79-0.98),ADC25预测ISUP 1级与2-5级的单分类一致性κADC=0.36(CI: 0.12-0.59)。
  • FD预测非显著癌与临床显著癌的AUC为0.96,ADC25的AUC为0.75,两者比较p<0.001。
  • FD预测ISUP 1-4级的敏感度、特异度及95%CI见原文表2,采用既往建立的FD截断值。

临床应用与阅片要点

  • 作者认为,分形分析可无创准确预测前列腺癌肿瘤分级,纳入PI-RADS评估后提供独立信息,可能有助于个体化调整活检优先级和方法。
  • 作者指出,既往建立的FD截断值在使用DCE-MRI序列时似乎可直接应用于临床情境。

局限性

  • 原文未报告局限性。
全文中译18 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Eur Radiol. 2021 Dec 18;32(4):2372–83. doi: 10.1007/s00330-021-08358-y

引言

前列腺癌(PCa)的分级对其临床管理和进一步预后极为重要。标准诊断路径仍包括直肠指检和前列腺特异性抗原(PSA)水平检测。若存在可疑,则进行连续活检,并基于Gleason分级系统[1, 2]以及国际泌尿病理学会(ISUP)和WHO通过引入五个ISUP分级组[3–5]所做的修改进行组织学分级。重要的是,ISUP分级组1病变或Gleason评分4比例较低(< 10%)的2级病变患者可考虑主动监测[6]。

根据文献,一些生物标志物如前列腺健康指数(PHI)、前列腺癌基因3(PCA3)或四种激肽释放酶(4 K)在区分侵袭性与非侵袭性肿瘤以及ISUP分级组方面分别显示出附加价值[7]。然而,在3 T下 upfront 多参数磁共振成像(mpMRI)在检测前列腺癌方面具有良好的敏感性和阴性预测值[8–10],包括移行区[11],并根据前列腺影像报告和数据系统第2.1版(PI-RADS v2.1)实施[12]。从灌注MRI获得的示踪剂动力学参数[13]以及表观扩散系数(ADC)已显示出与肿瘤侵袭性有一定关系[14, 15]。然而,尚无方法能够以临床足够的准确性无创预测肿瘤分级。

PCa可分为肿瘤核心区和肿瘤边缘。PCa中的血管生成主要发生在边缘,与肿瘤核心中更稳定的血管系统相比,新形成的血管显示出更混乱和动态的组织结构[16]。因此,边缘中血管的组织结构及由此产生的灌注模式可能有助于推断肿瘤分化程度。血管树的分支模式是一种多尺度现象,已知具有分形结构。分形几何是生物结构和功能的基本原理,尺度不变性是其关键特征。灌注作为一种生理过程,具有分形组织特征,可通过将分形分析应用于放射学和核医学成像方法获取的图像进行评估[17, 18]。分形分析产生分形维数(FD)作为几何粗糙度或混乱程度的定量度量(图1)。

过去,前列腺癌的血管分布和灌注特征一直存在争议。有研究提出,根据所采用的计数方法不同,与非癌前列腺组织相比,癌灶的组织学血管减少且微血管密度降低 [19]。此外,动态对比增强(DCE)成像目前在临床管理中的优先级较低,趋势倾向于非对比双参数方案 [20]。然而,一个常见的影像学观察是,癌灶对对比剂往往具有中等至高度的亲和性,尤其是在早期动脉期,这表明其微血管阻力相对较低。这一观察——无论是视觉上还是通过灌注参数(如 Ktrans [13])定量评估——尚未足够一致,不足以使 DCE 成为 PI-RADS 的主要标准。然而,可以想象的是,血管生成和灌注作为癌症的标志,仍然蕴含重要的生物学信息,而常规分析方法只是未能提供足够的洞察。正如我们之前所观察到的 [21],灌注混沌——通过分形分析进行量化——揭示了潜在血管结构的信息,并可能与肿瘤去分化相关。因此,我们建议将分形分析作为灌注成像的替代方法,以获取 DCE 序列中隐含但尚未被充分评估的信息。

本研究旨在利用一个公开可用的数据集,以管内 MRI 引导活检作为参考,验证先前建立的定量 FD 阈值在常规 MRI 中临床应用的潜力。我们评估了将分形分析作为一项独立标准纳入 PI-RADS 评估的实施情况,以检验其在前列腺癌检测和表征的综合影像检查中的附加价值,并将其性能与 ADC 测量在外周带和移行带前列腺癌中的表现进行了比较。

图1 分形维数(FD)的意义。FD可被解释为复杂性或混沌程度的度量。考虑一张纸,忽略其厚度时它是一个二维物体(a)。当纸张被揉皱时,它占据一定体积,其几何复杂性或混沌程度随揉皱程度增加而增加(b–d),代表一个FD介于2和3之间的物体,直至其变为三维物体(e)。因此,纸张的维数或其FD超过其拓扑维数2(a),并以嵌入维数3(e)为上限,实际值介于两者之间。在此例中,FD衡量揉皱的程度,代表一种混沌的结构改变。具有相似FD的两个物体不一定彼此相似。相反,FD可被视为物体几何复杂性的描述符。在医学成像中,数据可在拓扑上以二维灰度图像表示,如F和G所示,描绘动态对比增强(DCE)-MRI序列中前列腺癌病灶的一个时间点(箭头,F:ISUP分级分组=2,G:分组=4)以及相应的表观扩散系数(第25百分位数,ADC25)图以进行关联。这些图像可被解释为纹理或地形图,其强度代表纹理的高度,如彩色3D图所示。因此,此类图像可被赋予拓扑维数2和嵌入维数3,类似于揉皱的纸张。具有高空间相关性的强度分布,即少量混沌或明确的过渡,倾向于整数FD值(接近2.0或3.0),而随机分布的强度变化倾向于FD为2.5。F中肿瘤边缘(FD=2.262,ISUP分级分组=2)比G中(FD=2.421,ISUP分级分组=4)混沌程度更低,这反映在各自的FD中,也可在3D中视觉评估。由于FD将异质性与信号强度的空间邻接性和相关性整合在一起,分形分析构成了一种量化医学成像中生物混沌程度的有意义指标 查看原图 ↗

材料与方法

患者与影像数据集

我们与Radboud大学的研究人员合作,回顾性分析了来自PROSTATEx2挑战赛[21–23]公开可用影像数据集的测试队列,该数据集包括临床MRI检查和非公开揭示的组织学分级结果。原始PROSTATEx2挑战赛数据收集自一系列连续常规患者,这些患者因临床怀疑前列腺癌且PSA水平升高(> 4 ng/ml)或直肠指检异常而接受mpMRI检查。对既往活检未施加限制。在我们的回顾性研究中,我们纳入了PROSTATEx2数据集中所有至少一个报告病灶具有恶性组织学的患者,并排除了任何组织学未证实恶性的患者。为了能够对移行区PCa进行单独分析,确定了一个符合条件的亚组,该亚组还额外包括来自训练队列的患者。该数据集根据Creative Commons Attribution 3.0 Unported License公开出版。ISUP分级分组由MRI引导下经直肠活检确定,并作为参考标准。PCa病灶的位置以图像坐标形式提供,以确保病灶识别的一致性。成像方案的详细信息见原始数据集出版物[21],并在表1中总结。简言之,使用了来自同一制造商的两台不同的3-T MRI扫描仪,成像方案包括T2加权、质子密度加权、动态对比增强(DCE)和扩散加权成像(DWI)及ADC图。DCE图像采用3D turbo flash梯度回波序列采集(平面内分辨率约1.5 mm,层厚4 mm,时间分辨率3.5 s),并静脉注射钆基对比剂。直接在MRI引导下进行经直肠活检,根据mpMRI检测到的病灶数量取所需数量的穿刺针芯。通常,每个可疑病灶取样两针芯,该操作通常需要约45–60分钟。组织学分析由经验丰富(> 20年)的泌尿病理学家进行。本研究中使用的数据来自癌症影像档案(TCIA),由国际光学与光子学学会(SPIE)、美国国家癌症研究所/美国国立卫生研究院(NCI/NIH)、美国医学物理学家协会(AAPM)和Radboud大学赞助[24]。

表1 磁共振成像方案 查看原表 ↗

分形分析

分形维数(FD)作为分形分析的定量结果,构成了对生物混沌的有意义度量。图1中提供了一个示例性说明,Michallek和Dewey [17]对灌注成像的分形分析进行了全面综述。由于解剖血管结构和功能均具有分形特征,灌注模式的表现型取决于潜在的血管树,且其架构具有尺度不变性。因此,灌注模式FD的变化直接转化为血管树的变化。为量化灌注模式的混沌程度,将分形分析应用于DCE-MRI序列。局部FD基于分形毯维数[26]计算[25],该方法评估特征在多个尺度上的传播。这可以通过一个贴合纹理的毯子来实现。毯子从纹理上迭代升高,从而丢失细节。FD可通过量化细节损失作为迭代升高的毯子与原始纹理之间距离的函数来获得。对观察特征与尺度进行双对数线性回归,由斜率确定FD。图1以皱纸片和前列腺MRI纹理为例,直观介绍了分形分析及其意义。从整个DCE时间序列中,我们提取了肿瘤边缘的最大FD,并对其进行统计分析。通常,最大FD在对比剂增强的早期阶段达到,据假设这反映了高灌注肿瘤组织与邻近组织之间血管架构的差异。本研究验证了[21]中建立的各ISUP分级组的FD截断值。分析由一名读者(具有6年泌尿生殖系成像和前列腺MRI经验)完成,并由一名具有>15年泌尿生殖系成像和前列腺MRI经验的独立资深读者在50个病灶的亚队列中重复进行,以评估读者间变异性。此外,初级读者重复分析了25个病灶,以评估读者内变异性。

图像处理

分析流程包括预处理、局部FD图计算、感兴趣区(ROI)定义以及分形分析结果评估。在预处理过程中,根据对比剂给药前后闭孔内肌的信号强度对强度进行线性校准。图像噪声根据闭孔内肌对比剂前信号强度的标准差进行估计,并应用双边滤波器[27]。选择相对于肿瘤中心的旁正中层面位置,以尽可能大地显示肿瘤边缘的高血管化部分。从该层面位置,使用3×3像素核从DCE图像序列中计算每个时间点的局部FD二维图。为评估分形分析结果,分割一个包含肿瘤边缘的感兴趣区(ROI),肿瘤边缘定义为肿瘤高灌注部分与邻近含前列腺组织的肿瘤之间的界面区域。分割以标准化、半自动的方式进行,将与高灌注肿瘤部分边界相拟合的固定宽度为3 mm的蛇形区域如图2所示。相应的ROI在DCE图像中定义,并传播至每个时间点的局部FD图。计算ROI的平均FD并随时间绘制,在出现运动伪影时对ROI进行调整。时间序列中最高的平均FD给出灌注模式的最大几何复杂度,这构成FD的病理生理学相关性,并进行统计分析。

图2 图像处理流程。癌症病灶已在所有多参数序列上进行视觉关联,包括动态对比增强(DCE)序列、ADC图、T2加权(T2w)序列和弥散加权图像(DWI和T2w未显示)(a)。对DCE图像应用去噪和强度标准化方案,包括测量闭孔内肌的强度(深红色ROI和示意图),提取未增强期和对比增强期的均值和标准差(b)。随后进行分形分析,以标准化、半自动的方式分割DCE图像上的肿瘤边缘,以涵盖邻近周围前列腺组织的高灌注肿瘤外周。任何与前列腺包膜接触的肿瘤外周部分因缺乏邻近前列腺组织而未纳入分割。对于ADC测量,分割ADC值最低的热点(c)。对于DCE图像,分形分析生成分形维数(FD)图(d)。最后,提取FD和ADC25(第25百分位数),并进行统计分析(e)。在本例中,显示一个ISUP分级组4肿瘤,FD = 2.403正确预测了该肿瘤。ADC25为703 × 10−6 mm2/s 查看原图 ↗

ADC测量

除分形分析外,还测量了每个前列腺癌(PCa)病灶的表观扩散系数(ADC)。使用手绘工具放置感兴趣区(ROI),包含ADC最低的肿瘤病灶核心,并避开PCa边界的部分容积效应。除分割外,未对ADC图像进行任何预处理。我们通过勾画扩散受限最明显的肿瘤区域(即ADC值最低的热点)来进行ADC测量,并提取第25百分位数(ADC25,以10⁻⁶ mm²/s表示)。示例勾画见图2(底行)。我们选择此方法是因为越来越多的证据表明,在这些热点中测量ADC的较低百分位数可改善与肿瘤分级的相关性[21, 28–30]。该过程如图2所示。

PI-RADS v2.1评估

由一位经验丰富的阅片者(在泌尿生殖系统成像和前列腺MRI方面具有>20年经验)对每个PCa病灶进行PI-RADS v2.1评估[12],该阅片者对ISUP分级、分形分析结果和定量ADC25测量值设盲。

统计分析

使用描述性统计和线性模型评估FD或ADC25与ISUP分级组的相关性。采用Kruskal–Wallis检验和使用Mann–Whitney U检验的成对组间比较来评估组间差异。诊断准确性以灵敏度和特异度进行分析。此外,FD或ADC25与ISUP分级组的一致性使用二次加权kappa统计量评估,如[23]所述。对ADC25进行受试者工作特征(ROC)分析,计算曲线下面积(AUC),并通过最大化Youden's J确定截断值。移行区PCa的亚组分析以类似方式进行,包括使用Kruskal–Wallis检验与非移行区PCa进行组间比较。阅片者间和阅片者内变异性以一致性评估,使用Cohen's κ和Bland–Altman分析。p ≤ 0.05被视为具有统计学意义,并报告经Bonferroni校正(适当时)调整后的p值。遵循STARD指南。统计分析使用R软件进行(v3.4.1;2017年6月30日,R Foundation for Statistical Computing)。

结果

患者队列

患者队列包括PROSTATEx2挑战赛[23]的64例患者,共72个PCa病灶。纳入患者的中位年龄为66岁(范围:48–77岁),中位PSA水平为14 ng/ml(四分位距:12.5 ng/ml),中位病灶大小为18 mm(范围:8–36 mm)。ISUP分级组分布如下:ISUP 1 n = 23,ISUP 2 n = 26,ISUP 3 n = 9,ISUP 4 n = 8,ISUP 5 n = 6。所有病灶均成功进行了分形分析,每个病灶的处理时间约为10分钟(包括去噪、强度标准化、半自动病灶分割、生成FD图的分形分析以及分形分析结果评估)。示例见图3。

图3 分形分析示例病例。显示多参数序列(T2加权,T2w;动态对比增强,DCE;表观扩散系数,ADC)及肿瘤的分形维数(FD)图。ADC25(第25百分位数)或FD的定量值给出在相应行下方。DCE减影描绘了早期首过期间的某一期相,并已通过基线信号强度进行标准化。 查看原图 ↗

分形分析

本研究采用了[21]中先前建立的分形维数(FD)阈值,汇总于表2。ISUP分级组的FD和ADC25箱线图见图4(a和b)。除最高ISUP分级组(第4组[n=8]对比第5组[n=6])外,所有两两分级组比较中FD均存在显著差异(p<0.005)。先前建立的FD截断值表现出非常好的性能(灵敏度、特异度和置信区间见表2),且FD与分级组呈线性相关(r2=0.840,p<0.001)。阅片者间和阅片者内变异性分析显示高度一致性(阅片者间κ=0.89,CI:0.82–0.95;阅片者内κ=0.96,CI:0.91–1.0),无明显偏倚(阅片者间:0.02,阅片者内:0.001),一致性界限可接受(阅片者间:−0.03至0.06,阅片者内:−0.01至0.02)。

表2 使用先前建立的分形维数(FD)截断值评估分形分析和表观扩散系数(第25百分位数,ADC25)测量的诊断性能。给出了预测合并ISUP分级组的相对和绝对灵敏度及特异度,附95%置信区间(CI,括号内)。灵敏度定义为在高分级组池中正确预测病变的比例。ADC25截断值以10−6 mm2/s为单位给出,已在本研究中建立 查看原表 ↗
图4 临床验证结果。(a)分形维数(FD)和(b)表观扩散系数(第25百分位数,ADC25)与ISUP分级组的关系。ADC25值以10−6 mm2/s表示。(c)发现队列中受试者工作特征曲线(ROC)及曲线下面积(AUC)。展示了不同的ROC曲线:单独PI-RADS及联合FD用于区分临床显著和非显著癌灶;FD用于区分二分合并ISUP分级组中的病变;ADC25用于区分临床显著和非显著病变。*p<0.005;**p<0.001;n.s.,无显著差异;n,每组样本量;第25百分位数;ISUP分级组1——Gleason评分≤6;组2——Gleason评分3+4=7;组3——Gleason评分4+3=7;组4——Gleason评分4+4=8;3+5=8;5+3=8;组5——Gleason评分9–10 查看原图 ↗

PI-RADS v2.1评估

单独使用PI-RADS时,评估类别≥4单独用于检测临床显著前列腺癌具有高灵敏度(96%,CI:91–99%)但特异度不高(20%,CI:11–33%)。将FD作为独立标准纳入PI-RADS评估后,灵敏度得以维持(95%,CI:90–98%),同时特异度(88%,CI:77–95%)和AUC显著改善(PI-RADS联合FD的AUC=0.92,CI:0.87–0.96,对比单独PI-RADS的AUC=0.65,CI:0.57–0.73,p<0.001;图4(c))。

与ADC测量的比较

ADC25仅在校区分ISUP分级组1与合并组2–5时显示出中等线性相关(r2=0.253,p<0.001)和中等性能(AUCADC=0.75,CI:0.68–0.83),但在其他分级组之间无显著差异。

分形分析与ISUP分级组的一致性高于ADC25:在多分类预测(各组1–5)中FD的二次加权kappa值κFD=0.88(CI:0.79–0.98),而在组1对比组2–5的单分类预测中ADC25的κADC=0.36(CI:0.12–0.59)(ADC25唯一有显著差异的比较)。

移行区亚组分析

对于移行区前列腺癌(PCa)的亚组分析,来自PROSTATEx2数据集的16例患者由PROSTATEx数据集测试队列中14例符合条件的患者补充,最终得到30例患者、共30个移行区PCa病灶。该组分析结果总结于图5。重要的是,移行区与外周区PCa之间未发现显著差异(p值范围为0.06至0.77)。

图5 按前列腺癌(PCa)位置进行的亚组分析结果,包括分形分析(a)和表观扩散系数测量(第25百分位数,ADC25)(b)。组内分析未显示FD(a)按病灶位置存在显著差异,ADC25测量(b)中ISUP分级组4存在微小差异,这可能被解释为移行区4级PCa组n=2的离群值。FD——分形维数,ADC25——表观扩散系数的第25百分位数,单位为10⁻⁶ mm²/s,TZ——移行区 查看原图 ↗

讨论

灌注MRI的分形分析在无创区分低级别、中级别和高级别前列腺癌(对应ISUP分级组1–4)方面显示出临床上合理的性能,并显著提高了PI-RADS评估检测临床显著癌的特异性。先前建立的针对不同ISUP分级组的FD阈值在使用DCE-MRI序列时似乎可直接应用于临床情境。分形分析不受PCa病灶所在前列腺解剖区域的影響,表现稳健,并在移行区PCa的亚组分析中具有相当的诊断性能。此外,我们的结果表明,分形分析在肿瘤分级预测方面可能比ADC25测量更准确。

前列腺癌的血管性和灌注特征过去一直存在争议,目前DCE成像在临床管理中的作用优先级较低。然而,一个常见的影像学观察是癌病灶对对比剂往往具有中等至高度亲和力,尤其是在早期动脉期,这表明微血管阻力相对较低。这一观察——无论是视觉上还是通过灌注参数(如Ktrans)定量评估——尚未足够一致,不足以将DCE作为PI-RADS的主要标准。然而,可以想象,血管生成和灌注作为癌症的标志,仍蕴含重要的生物学信息,而传统分析方法未能提供足够的洞察。这是我们研究的主要动机。正如我们之前所观察到的[21],灌注混沌——通过分形分析量化——揭示了 underlying 血管结构的信息,并可能与肿瘤去分化相关。因此,我们建议将分形分析作为灌注成像的替代方法,以获取DCE序列中隐含但尚未被传统方法充分评估的信息。鉴于现有的临床前列腺成像方案,我们的发现表明DCE-MRI序列对于灌注模式的全面病理生理分析具有附加价值。

在以下几种临床情况下,DCE序列的分形分析可能改善前列腺癌患者的临床管理:在临床显著癌可能性不明确且PI-RADS 3病变的患者亚群中,分形分析可能以无创方式帮助决定活检优先级和方法以及分配至主动监测。此外,分形分析可能构成主动监测下患者的进展参数。在具有PI-RADS 4和5病变的高危患者中,分形分析可能有助于鉴别高级别癌症,从而简化临床管理。另一个潜在应用可能是接受放疗或前列腺栓塞治疗患者的治疗监测。

前列腺癌中的血管生成

血管生成在前列腺癌(PCa)的发展中起重要作用[31]。特别是在肿瘤边缘,新生血管的发育高度动态,导致结构混乱,而在肿瘤中心观察到更为有序的血管模式[16, 32]。这一现象与周细胞密度有关,发现肿瘤边缘的周细胞密度较低,导致不成熟和混乱的表型,这在Gleason评分较高的肿瘤中更为明显[33]。血管生成和灌注与肿瘤发展的相关性及其与肿瘤分级的相关性已在多项对比动力学参数[13, 34–36]和微血管结构[32, 37–39]研究中得到证实。此外,血管形态已被确定为临床结局的独立预测因子,因为其与肿瘤进展和转移潜能相关[36]。在本研究中,我们使用分形分析研究了肿瘤边缘的灌注模式,分形分析可以量化灌注模式的混乱程度并将其与潜在的血管结构相关联。由此,分形分析捕获并整合了血管形态的结构改变[40–42]、肿瘤特异性特征如血管生成拟态[43]、组织组成和肿瘤稀疏性[44, 45]以及肿瘤与正常前列腺组织之间血管化的差异[46]。

分形分析的病理生理学意义

分形维数(FD)在ISUP分级1至4级组中呈连续分布,这可能反映了随着肿瘤分级升高而持续增加的血管去分化,而非区分各个分级组的离散边界。Gleason分级系统传统上用于临床决策,是患者预后的一个合理评估工具。然而,随着更精细的成像技术的出现以及多参数MRI诊断性能的临床证据[8, 9]连同近期发布的PI-RADS第2.1版[12],一种从病理生理学角度全面预测肿瘤分级的方法变得值得期待。尽管成像方案日趋缩短[47],目前尚无可靠方法在临床上实现对前列腺癌(PCa)侵袭性的无创预测。测量ADC,尤其是较低百分位数,已被建议作为区分低级别PCa(即ISUP分级1级组)与中高级别PCa(即分级2–5级组)的方法,本研究中ADC25测量的诊断性能证实了先前的结果[14, 15, 21, 28–30, 48]。我们的结果表明,ADC25劣于灌注的分形分析,后者除了能更好地区分惰性癌与显著性癌外,还能基于看似特征性的灌注模式,根据组织学分级对各个PCa病灶进行准确分层。鉴于WHO近期建议病理学家报告Gleason 4级所占比例并考虑报告Gleason 5级比例[5],这一发现更具现实意义。一方面,对中级别病变的精确表征具有重要的预后意义[49–51]。另一方面,ISUP分级2级组且Gleason 4级比例低的患者可能适合主动监测[6]。

对比剂的使用

我们的预处理方案,特别是各自的去噪和强度标准化协议,使我们能够动态地考虑个体在噪声和对比度方面的差异。因此,对比剂剂量预计不会引入重大偏倚。当实施He等人[52]的低对比剂剂量方案时,这一方面具有重要意义。此外,可能可以将DCE-MRI方案缩短为仅采集首过相位,通常在该相位可发现FD峰值。缩短DCE方案并使用低剂量对比剂可能是完全跳过DCE序列的一种替代方法,后者是前列腺MRI近期的趋势,也反映在近期PI-RADS第2.1版[12]中。

局限性

我们的研究存在局限性。我们研究中使用的可用的回顾性数据集未包含诸如分期、临床处理或随访结果等临床患者数据。因此,我们的结果无法就分形分析预测临床结局的潜力得出任何结论。灌注分形分析的范围是表征而非检测可疑病灶,后者已由PI-RADS验证。由于我们回顾性分析了一个公开可用的数据集,我们将分析限定于已报告的恶性病灶,而没有可用的随访信息。然而,正如我们研究所探讨的,分形分析依赖于通过PI-RADS识别病灶。因此,我们的参考标准参照的是病灶水平,对此,在磁体腔内MRI引导活检已显示出高准确性,包括困难和小的癌症病灶(例如,[53])。我们预计随访信息的存在不会实质性混淆分形分析的性能。虽然本研究中最小病灶大小为8 mm,但大多数病灶直径超过1 cm;因此,在专门数据集中对亚厘米病灶进行分析可能具有启示意义。此外,没有关于组织学PCa亚型的信息,鉴于导管内癌作为PCa的新实体以及腺泡型PCa的新变异型被引入WHO肿瘤分类[5],这一信息可能变得相关。组织学特征和肿瘤实体可能影响预后或诊断准确性。因此,根据组织学肿瘤特征进行专门的灌注分形分析可能具有启示意义。

结论

总之,前列腺灌注的分形分析提高了mpMRI检测临床显著癌症的诊断准确性,并补充PI-RADS评估,朝着PCa检测和表征的整合影像学检查方向发展。FD促进了基于有效病理生理模型的定量影像学概念。

引用

  1. Michallek F, Huisman H, Hamm B, et al. Accuracy of fractal analysis and PI-RADS assessment of prostate magnetic resonance imaging for prediction of cancer grade groups: a clinical validation study. Eur Radiol. 2021. PMID: 34921618. doi:10.1007/s00330-021-08358-y
  2. 全文:PMC8921078(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8921078/

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。