文献速递乳腺MR

影响弥散加权成像识别乳腺癌新辅助全身治疗后病理完全缓解价值的因素:一项系统综述

Factors affecting the value of diffusion-weighted imaging for identifying breast cancer patients with pathological complete response on neoadjuvant systemic therapy: a systematic review.
PubMed 文献 · Insights Imaging · 2021-12-18

该系统综述检索截至2020年4月的PubMed,纳入20项研究共约1455例患者/病灶,分析DWI识别乳腺癌新辅助全身治疗后病理完全缓解(pCR)的研究异质性。研究发现研究人群、治疗方案、DWI采集技术、后处理模型、随访时机及pCR定义等方面存在高度异质性,各研究AUC范围为0.50至0.92,pCR与非pCR组的ADC值范围重叠,认为基于单一绝对ADC阈值预测pCR不可取,需多学科共识与合理研究设计。

要点

  • 各研究AUC范围为0.50至0.92,pCR与非pCR组平均/中位ADC值范围重叠,单一ADC阈值不适用于所有乳腺癌类型。
  • 技术异质性见于b值组合、ROI勾画方法及DWI分析模型(单指数/IVIM/拉伸指数)。
  • 临床异质性见于扫描时机、肿瘤分子亚型区分及NST方案差异。

核心结论

  • 技术、临床和流行病学异质性可能是DWI准确预测pCR能力存在差异的原因。
  • 基于单一绝对ADC阈值对所有乳腺癌类型进行pCR预测和评估不可取。
  • 需多学科共识和考虑生物学与治疗差异的合理临床研究设计,以获得标准化、可靠、可重复的DWI测量用于pCR/非pCR识别。

研究设计与样本

  • 系统综述,检索PubMed截至2020年4月,纳入20项分析DWI识别乳腺癌NST后pCR的研究,共约1455例患者/病灶(每项研究范围7–242例)。
  • 纳入标准要求研究比较DWI结果与组织病理学;排除非英文、非人乳腺癌、未预测/评估pCR、未与组织病理学比较、新辅助放疗、评论、Meta分析及病例报告。
  • 采用QUADAS-2评估纳入研究质量,多数研究存在偏倚风险和适用性担忧。

关键影像表现/征象

  • 基线DWI:16项研究探索预测pCR的ADC阈值,pCR组总体平均/中位ADC值范围0.41×10−3–1.16×10−3 mm2/s,非pCR组0.64×10−3–1.23×10−3 mm2/s,报告阈值高度可变。
  • NST期间DWI:9项研究报告绝对ADC值,扫描时机在1–5个NST周期后不等,ADC值异质,NST期间ADC升高似乎反映肿瘤反应,但无明确阈值区分部分缓解/无缓解与完全缓解。
  • NST后DWI:4项研究评估NST后绝对ADC值,一项研究报告ADC阈值1.19×10−3 mm2/s区分pCR/非pCR的AUC为0.80,另一项研究使用更高阈值且随分子亚型不同(范围1.33×10−3 mm2/s(luminal B)至1.43×10−3 mm2/s(三阴性))。
  • ADC变化:一项研究提出NST后ADC较低线增加40.7%作为识别pCR的阈值,敏感度100%、特异度91%、AUC 0.96;另一项研究报告ADC比值(平均NST后ADC/平均NST前ADC)区分pCR/非pCR有显著性(p=0.009,AUC=0.73)。
  • IVIM:一项研究报告NST期间2周期后平均真实扩散系数D在pCR组1.36×10−3 mm2/s vs 非pCR组0.98×10−3 mm2/s(p=0.001),区分pCR/非pCR的截止值0.971×10−3 mm2/s,敏感度100%、特异度63%、AUC=0.851;灌注分数变化以11.3%为截止值AUC=0.906。

诊断标准与关键数值

  • 基线ADC预测pCR:pCR组平均/中位ADC值0.41×10−3–1.16×10−3 mm2/s,非pCR组0.64×10−3–1.23×10−3 mm2/s,各研究阈值高度可变。
  • NST后ADC阈值1.19×10−3 mm2/s区分pCR/非pCR的AUC为0.80;另一研究阈值范围1.33×10−3 mm2/s(luminal B)至1.43×10−3 mm2/s(三阴性)。
  • NST后ADC较低线增加40.7%识别pCR:敏感度100%、特异度91%、AUC 0.96。
  • IVIM真实扩散系数D截止值0.971×10−3 mm2/s区分pCR/非pCR:敏感度100%、特异度63%、AUC=0.851;灌注分数变化截止值11.3%时AUC=0.906。
  • 拉伸指数模型:α截止值0.838(AUC=0.644),DDC截止值1.141×10−3 mm2/s(AUC=0.756)。

临床应用与阅片要点

  • 作者认为基于单一绝对ADC阈值对所有乳腺癌类型进行pCR预测和评估不可取。
  • 作者认为需多学科共识和考虑生物学与治疗差异的合理临床研究设计,以获得标准化、可靠、可重复的DWI测量。
  • 作者认为质量控制和标准化对临床与技术验证至关重要。
  • EUSOBI国际DWI工作组已发表针对病灶分类的共识与使命声明,但未提供DWI用于治疗监测识别pCR的见解。
  • RSNA定量成像生物标志物联盟(QIBA)2018年发布部分器官定量DWI生物标志物实施标准,修订标准正在制定中并纳入乳腺成像技术方面。

局限性

  • 研究在临床、技术和流行病学方面高度异质,使结果难以合并进行Meta分析,既往Meta分析应谨慎解读。
  • 部分研究患者选择可能引入偏倚,如未描述为连续纳入、大时间间隔内小研究人群、以肿瘤直径作为排除标准。
  • 多项研究纳入的患者在研究期间扫描次数不同。
  • 报告系列通常样本量小,按亚型和NST方案细分后研究人群非常小。
  • 由于研究数量少和异质性,无法从纳入研究得出结论判断IVIM是否真正有益。
全文中译13 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:Insights Imaging. 2021 Dec 18;12:187. doi: 10.1186/s13244-021-01123-1

要点

研究间的较大异质性/变异性阻碍了弥散加权成像(DWI)指标的成功临床实施。

在b值组合、感兴趣区(ROI)和模型等方面遇到了技术变异性。

观察到临床异质性(例如,治疗期间的扫描时机、肿瘤类型区分和NST方案)

需要多学科共识/合作来进行恰当的临床研究设计。

质量控制和标准化对于临床和技术验证至关重要。

引言

乳腺癌女性越来越多地接受新辅助全身治疗(NST)[1]。当后续手术病理未检测到残留癌(病理完全缓解,pCR)时,即达到最佳缓解。在不同亚型之间,pCR率差异很大,从0.3%(Luminal A型)到60%(HER2型)[2]。

为确定乳腺肿瘤pCR,目前需要进行诊断性肿块切除术,尽管出于治疗原因这可能不再必要。仅通过影像学确定pCR将是一项重大进步,因为它可以避免不必要的手术操作。然而,这要求准确检测非pCR。只有在此基础上,才能将省略手术的观察等待策略作为实用且可靠的替代方案予以接受。这种方法已被提议用于接受新辅助放化疗的结直肠癌[3]。在乳腺癌方面,18F-FDG PET-CT和/或动态对比增强(DCE)磁共振成像(MRI)已被广泛研究用于预测和评估NST缓解[4, 5]。尽管作出了所有这些努力,NST缓解评估仍需改进。MRI上正确识别pCR的百分比似乎过低,无法安全地省略诊断性肿块切除术[6]。此外,DCE-MRI的准确性似乎取决于癌症亚型[6, 7]。另外,反复暴露于钆基对比剂后观察到钆在脑深部核团沉积的潜在风险已引起一些担忧[8]。因此,其他MRI技术如弥散加权成像(DWI)正在被研究[9]。

DCE提供灌注信息,而DWI基于组织水的扩散提供细胞密度和组织微结构信息。高细胞密度的肿瘤具有相对较低的表观扩散系数(ADC),理论上当化疗使密度降低时ADC会升高。然而,并非所有肿瘤中都观察到这一现象,因为ADC取决于多种因素[10]。

使用弥散加权成像(DWI)可能有助于新辅助系统治疗(NST)的疗效评估,因为微观结构变化可能比肿瘤体积缩小更早被检测到[11]。既往综述报告了DWI-MRI在预测或识别病理完全缓解(pCR)方面的汇总性能值。Chu等报告灵敏度=0.88,特异度=0.79[12];类似地,Gao等报告灵敏度=0.89,特异度=0.72[13]。然而,各单项研究中报告的ADC截断值似乎存在差异,使得无法使用单一截断值来达到这样的性能。因此,这些汇总性能指标是否有效尚不确定。此外,各研究在患者选择、肿瘤亚型和NST类型等纳入因素方面存在差异。而且,用于DWI-MRI定量分析的方法学并不统一。为部分解决这一问题,Baltzer等发表了关于乳腺DWI用于病灶分类的EUSOBI共识文件。然而,该共识文件并未对使用DWI进行治疗监测以识别pCR患者所适用的问题提供见解[14]。为揭示这些问题的严重程度,本综述旨在识别技术、临床和生物学异质性及其在识别NST后pCR的DWI研究中的影响。最终目的是支持在乳腺癌患者NST监测中更稳健地实施定量DWI。

材料与方法

检索、纳入/排除标准及质量评估

使用医学主题词(MeSH)和自由文本词对乳腺癌、NST、动态对比增强(DCE)、DWI和pCR进行PubMed检索,截止至2020年4月。由两名研究者阅读并筛选检出的摘要。摘要排除标准为:(1)非英文发表;(2)非人类乳腺癌;(3)未对乳腺肿瘤pCR进行预测/评估的研究;(4)未将结局与组织病理学进行比较的研究;(5)使用放疗作为新辅助治疗的研究;(6)评论;(7)荟萃分析;(8)病例报告。

筛选后,检查纳入研究的参考文献以获取额外研究(筛选流程:图1)。最后,使用QUADAS-2对纳入研究的质量进行评估[15]。

图1 筛选流程综述流程图 查看原图 ↗

数据提取与分析

数据提取基于一般参数(如第一作者、发表年份)、临床特征(如肿瘤类型、新辅助治疗方案)、扫描时间点(即NST前、NST中(周期数)和/或NST后)、MRI/DWI方案参数(如B0场强(T)、b值(s/mm2))以及DWI数据衍生指标的详细信息(如ADC(mm2/s))。收集每项研究报告的性能指标。对于pCR预测/检测,还提取了pCR定义,因为各研究可能允许不同程度的残留(肿瘤)组织作为pCR。

若性能指标缺失,则尝试通过提取全文/补充材料中通常用于2×2列联表的数据进行重建。在本综述中,pCR和非pCR分别定义为阳性和阴性事件。

数据提取后,基于可比的研究方法学/定义对结果进行分组。通过将研究人群(相关)和MR(相关)参数与区分pCR/非pCR的结局进行比较来分析数据。

当有足够数据时,针对不同的pCR定义(关于是否纳入残留导管原位癌(DCIS))进行了亚组分析。

由于预期存在异质性,我们最初并未打算进行正式的数据合并和/或荟萃分析。对结果的事后分析也不允许这样做。

结果

检索策略与研究选择

检索(附加文件1:PubMed中的检索词组合)共获得42篇独特文献。经筛选后,纳入20篇文献(图1)。QUADAS-2 [15] 评估识别出大多数研究中存在的偏倚来源和适用性担忧(表1)。在一些研究中,患者选择可能因使用非代表性研究人群而引入偏倚(例如,未将组别描述为连续纳入、在大时间间隔内的小型研究人群、以肿瘤直径作为排除标准)。此外,若干研究纳入的患者在研究期间接受扫描次数不同。

表1 纳入研究的偏倚风险与适用性担忧 查看原表 ↗

研究总体特征

研究特征的总体概览见表2和表3。总共纳入约1455例患者/病灶(每项研究范围:7–242)(表2)。大多数研究为回顾性单中心研究。新辅助全身治疗(NST)方案在研究间和研究内差异很大。pCR率各不相同(12.9–39.3%),反映了各研究中组织学和分子亚型的变异性及广泛分布。此外,各研究间pCR定义不同。考虑到这一点,我们注意到,一般而言,pCR定义越不严格(尤其是对DCIS),观察到的pCR率越高,如表4所示。

表2 一般研究参数 查看原表 ↗
表3 技术扫描参数 查看原表 ↗
表4 按pCR定义分类的研究 查看原表 ↗

预测和评估NST反应的MRI特征与DWI指标

关于MRI扫描仪、线圈和DWI序列采集参数,观察到较大的异质性(表3)。例如,在10项研究中,DWI在1.5 T下进行,8项研究使用3.0 T扫描仪,2项研究使用了兼具两种场强的MRI扫描仪。尽管大多数研究使用单次激发平面回波成像(SS-EPI),但在研究间和研究内,关于回波时间(TE)、低b值(< 150 s/mm2)的使用、表观扩散系数(ADC)值的计算方法以及感兴趣区(ROI)定义方面观察到很大差异(表5)。详细信息/研究特征(表2、表3)在“讨论”部分进行评述。

此外,各研究中DWI指标各不相同(例如,绝对值、相对值(:(百分比)变化、比值)或直方图相关值)。图2和图3分别展示了pCR和非pCR的ADC值及ADC随时间变化的百分比。在图2中,使用主磁场强度B0为1.5 T或3 T的扫描仪的研究也在视觉上进行了区分(图2)。

表5 主要感兴趣区规格 查看原表 ↗
图2 不同研究中新辅助全身治疗(NST)前、中、后pCR组(左图)和非pCR组(右图)的平均/中位ADC值(× 10−3 mm2/s)。不同时间点由实线(:1.5 T采集的研究)、虚线(:3.0 T采集的研究)连接。Hahn等和Partridge等同时使用了1.5 T和3.0 T扫描仪,以未连接的点表示。图例显示了图中纳入的不同研究。注意:新辅助治疗一个周期的持续时间(周数)在研究内和研究间以及总周期数方面可能不同。因此,实线和虚线箭头线不应用于两个测量时间点之间ADC值的插值。对于Woodhams等[64],仅使用全文中的pCR定义,ADC四舍五入至一位小数。对于Kim等[53],Miller和Payne 4级作为良好反应者纳入 查看原图 ↗
图3 报告一般研究人群在不同时间点pCR和非pCR相对于基线的ADC百分比差异的研究。注意:新辅助治疗一个周期的持续时间(周数)在研究内和研究间以及总周期数方面可能不同 查看原图 ↗

基线DWI–MRI

十六篇出版物研究了基线DWI–MRI预测pCR的作用。大多数研究试图确定ADC阈值。所报告的总体(平均或中位)ADC值在研究间存在差异,获得pCR的患者为(0.41 × 10−3–1.16 × 10−3 mm2/s),未获得pCR的患者为(0.64 × 10−3–1.23 × 10−3 mm2/s)。所报告的阈值差异很大。图4显示了基于分子亚型区分pCR/non-pCR的三项研究结果[16–18]。总体而言,pCR和非pCR病例的ADC值区间在研究间存在重叠(图5)。在研究内观察到的一个趋势是,当pCR定义中明确不允许残留DCIS时,一些ADC相对较低的肿瘤往往更有可能在NST后显示pCR(图5,类别:“Invasive-, DCIS-”)。

一些研究报告了非单指数/非高斯模型(例如,体素内不相干运动(IVIM))。报告的平均真实扩散系数(D)为0.92 × 10−3 mm2/s(pCR)对0.83 × 10−3 mm2/s(non-pCR)(p = 0.323)[19]。另一种非高斯方法,即拉伸指数模型(SEM),在多指数衰减中量化体素内异质性(即体素内异质性指数(α))和分布扩散系数(DDC),得出的截断值为α = 0.838(AUC = 0.644)和DDC = 1.141 × 10−3 mm2/s(AUC = 0.756)[20]。此外,一项研究确定偏度(p < 0.05)和熵(p = 0.05)(均为基于直方图的特征)可作为pCR的预测因子[21]。更多细节见表6。

图4 两项纳入研究中各分子亚型在基线的ADC值(× 10−3 mm2/s),a中为两个亚型(HR-),b中为两个亚型(HR+)。Bufi等[17]区分了三阴性、HER2富集型、管腔型、混合型(:管腔型和HER2+,HR+/HER2+)肿瘤。Liu等[16]区分了管腔A型(ER+和/或PR+,包括Ki67 < 14%或HER2−)、管腔B型(ER+和/或PR+,包括Ki67 ≥ 14%或HER2+)、HER2富集型和三阴性肿瘤。在此图中,Liu等[16]的管腔A型被标注为HR+/HER2−,管腔B型被标注为HR+/HER2−。Bufi等[17]的管腔组被标注为HR+/HER2−。Pereira等[18]报告了三个亚型 查看原图 ↗
图5 基线时pCR和非pCR的平均/中位ADC(× 10−3 mm2/s)(如已知,还包括标准差),使用不同的pCR亚分类。对于Woodhams等人[64],平均值和标准差从数据补充材料中提取,两种pCR定义(含和不含导管原位癌(DCIS))均四舍五入保留两位小数 查看原图 ↗
表6 新辅助全身治疗(NST)前的弥散加权成像(DWI)参数 查看原表 ↗

NST期间的DWI–磁共振成像(MRI)

九项研究报告了NST期间用于预测pCR的绝对ADC值。各研究之间的扫描时机差异很大(在1–5个NST周期后)。报告的ADC值具有异质性。总体而言,NST期间ADC值升高似乎反映肿瘤的治疗反应。然而,没有明确的阈值来区分部分缓解者和无缓解者与完全缓解者。NST期间评估治疗的最佳扫描时机似乎取决于分子亚型和NST方案。

在一项研究中[22],比较了三种NST(起始)方案对不同分子亚型pCR的预测。观察每种亚型在所有NST变体中的最高AUC,对于Luminal A和B型,在以紫杉类或蒽环类起始治疗后,建议在治疗3周后作为pCR预测的最佳扫描时机。当使用ADC变化时,报告Luminal B型(以紫杉类起始)的AUC = 0.865,Luminal A型(以蒽环类起始)的AUC = 0.845。对于基底样型和HER2富集型肿瘤,以蒽环类和紫杉类起始治疗时,使用ADC变化的最佳扫描时机建议为3周后,AUC分别为0.879和0.783。对于其他NST方案和分子亚型组合,报告的最佳扫描时机为6周。因此,最佳时机可能因特定NST类型和癌症亚型而异;详见[22]。

一个困难在于所报告的系列研究总体规模较小。将其细分为不同亚型和NST方案会导致研究人群非常小。Partridge等人[23]报告称,除HR+/HER2−外,所有亚型的统计效能均不足。对于该亚型,紫杉类(紫杉醇)治疗3周后DWI(ADC(%))的预测价值达到AUC为0.61,而Yuan等人[22]报告Luminal A型癌症中(绝对)ADC的AUC = 0.678,但在此比较中未考虑Ki-67。此外,一项研究在Luminal型癌症中研究了三种感兴趣区(ROI)类型,并根据特定缩小模式定义了最佳ROI,在两个周期后ADC%的AUC = 0.877[24]。此外,还分析了与基线和某一时间点(周期数)相关的ADC比值。在此,随着评估时间点向NST后推进,观察到AUC升高[25]。

在研究体素内不相干运动(IVIM)时,Che等人[19]发现在两个周期后,所有亚型的平均真实扩散系数(D)为1.36 × 10−3 mm2/s(pCR)对比0.98 × 10−3 mm2/s(非pCR)(p = 0.001)。为区分pCR/非pCR,他们报告的截断值为0.971 × 10−3 mm2/s,在63%特异度下产生100%灵敏度(AUC = 0.851)。另一个IVIM参数,灌注分数变化(使用11.3%的截断值时显示AUC为0.906[19]。更多详情见表7和表8。

表7 NST期间的DWI参数 查看原表 ↗
表8 基线与NST期间ADC的变化;(i) 百分比变化,(ii) 绝对变化,(iii) 基线ADC比值 查看原表 ↗

NST后的DWI–MRI

四篇论文评估了新辅助系统治疗(NST)后的绝对ADC值(表9)。在一项研究中[26],区分pCR/非pCR的ADC阈值为1.19 × 10−3 mm2/s,AUC为0.80。另一项研究[16]使用了更高的阈值,且不同分子亚型的阈值也有所不同(范围:1.33 × 10−3 mm2/s(Luminal B型)至1.43 × 10−3 mm2/s(三阴性))。

一项研究利用基线与NST后ADC的变化,提出以ADC增高40.7%作为识别pCR患者的阈值,灵敏度为100%,特异度为91%,AUC为0.96 [26]。

另一种指标,即ADC比值(= NST后平均ADC/NST前平均ADC),在Santamaria等[27]的研究中用于区分pCR/非pCR具有统计学意义(p = 0.009)(AUC = 0.73)(表10)。

关于ADC变化的更多详细信息见图3(三项研究在不同时间点)和表10。

最后,对于有明显残留病变和无明显残留病变的病例,各研究之间的ROI方法学也存在差异(ROI规格:表5)。

表9 NST后的DWI参数 查看原表 ↗
表10 NST后ADC的百分比变化 查看原表 ↗

讨论

本综述描述了20项研究,这些研究报道了NST前/期间/后DWI-MRI用于识别乳腺pCR的情况。一个主要发现是,这些研究在临床、技术和流行病学方面异质性很大。这些差异使得汇总结果进行荟萃分析变得困难。因此,既往的荟萃分析[12, 13]应谨慎解读。目前,尚无法确定DWI在识别NST后pCR中的作用。所观察到的癌症类型、所采用的治疗方案以及所用定量方法的异质性,阻碍了DWI方案在其他医院直接用于NST监测的实施。

其中一些局限性在DWI用于病变分类的价值方面也已被认识到。欧洲乳腺影像学会(EUSOBI)国际DWI工作组最近发表了一份共识和使命声明,仅针对病变分类来缓解这一问题[14]。基于当前系统综述的发现,进一步标准化以将DWI用于治疗监测似乎是必要的。

RSNA的定量影像生物标志物联盟(QIBA)于2018年针对某些器官发布了与定量DWI生物标志物实施相关的标准(如可重复性、再现性,以及测量误差与真实变化的区分)[28]。在目前正在制定的修订版标准中,也包括了乳腺影像的技术方面[29]。这些方面可能缓解目前使多中心实施具有挑战性的一些采集和评估参数的差异。从技术角度来看,甚至比本综述中所讨论的更多参数可能影响测量结果[30–33]。不同的硬件组件和MRI方案也可能对用于pCR预测/评估所获得的DWI指标的精密度和准确度产生影响,甚至对DWI总体产生影响[34–36]。此外,解释因素(如阅片系统、阅片者经验)可能影响结果。Newitt等[37]的测试-再测试研究已解决了一些质量问题。值得注意的是,现有指南完全未涉及癌症的生物学变异和治疗方案的差异。

下文我们将讨论各研究之间在治疗监测方面一些最引人注目的差异,这些差异需要尽快加以解决。我们承认这份清单肯定并不完整。

正如观察到的,ADC值在pCR/非pCR组之间以及研究之间存在重叠。这可能部分归因于用于计算ADC值的不同b值组合[38]。例如,纳入对灌注敏感的低b值可能高估ADC,而使用(对扩散和噪声敏感的)高b值可能低估ADC(图6,附加文件1:图A和B,展示了不同的斜率)。此外,b值可以以不同方式构建(即取决于DWI梯度特性)。理论上,尽管b值相同,扩散时间以及由此得到的DWI图像在不同扫描之间可能不同。这使得不同扫描仪之间的b值比较变得困难。报告梯度强度及其时间特性的差异(这些差异可能影响测量结果),有助于理解多中心多扫描仪研究。这一点很重要,因为DWI通过应用特定b值,可能对细胞内和/或细胞外水运动效应(分别为限制和阻碍)和/或灌注/伪扩散效应敏感。此外,ADC计算方法(例如扫描仪或特定公式)[39]可能并不相同。

研究间的巨大差异在基线平均ADC的差异中得到了充分体现:在Santamaria等和Tozaki等的研究中,非pCR组(1.072 × 10−3 mm2/s 对 0.64 × 10−3 mm2/s)和pCR组(1.025 × 10−3 mm2/s 对 0.41 × 10−3 mm2/s)之间存在差异,b值组合为:Santamaria等使用b = 0 s/mm2和b = 700 s/mm2或b = 50 s/mm2和b = 700 s/mm2;Tozaki等使用b = 500 s/mm2和b = 1500 s/mm2 [27, 40]。因此,不同研究中报道的pCR和非pCR的ADC截断值可能对技术异质性敏感。这使得使用DWI体模[41–43]和患者重测程序[37]进行质量控制(QC)和质量保证(QA)变得至关重要。

有人可能会认为,在纵向研究中,使用(对血流敏感的)低b值可能对ADC测量高度血管化肿瘤治疗反应的有效性产生不利影响。NST减少了ROI内的血管化,因此导致灌注分数(f)降低,这可能引起(部分)衰减曲线斜率减小。同时扩散系数增加并补偿了这一减小,导致不同时间点之间ADC差异较小(甚至无差异)。理论上,通过使用> 2个b值并计算IVIM参数来分离灌注/伪扩散和扩散效应可以解决这一问题。然而,由于纳入本综述的研究数量少且存在异质性,无法从中得出结论这是否真正有益。选择最佳扫描时机和参数的复杂性可在Li等[44]的研究中观察到,他们提出NST期间ADC相对较高的肿瘤更可能显示pCR,而Tozaki等[40]则提出相反的结论(表7)。然而,这无法通过NST期间DWI采集时机来清楚解释。

除DWI模型[45]和b值外,感兴趣区(ROI)选择对于每个病灶的代表性定量分析也至关重要。如Bickel等[46]所报道,使用不同的ROI定义(2D/3D)通常会影响定量结果。这些作者建议选择最具侵袭性部分的区域,即2D-ROI的最小ADC值。[46]其他方法也有研究,如全肿瘤与小子区域ROI的比较[47]。然而,这些文献均与病灶分类相关。在纵向研究背景下哪种ROI最为合适则更加不明确。在ROI内,部分容积效应(PVE)可能影响(平均)ADC。在治疗过程中,肿瘤异质性(以及因此的PVE)可能增加,最佳ROI选择可能受到乳腺癌各种观察到的缩小模式的影响[24, 48]。因此,这些方面使得在治疗期间和治疗后选择可靠ROI的标准化变得更加困难。基于系统综述,未确定最佳的ROI技术[49]。与Wielema等近期关于使用DWI进行病灶分类的最佳ROI技术的研究一致,在治疗监测背景下针对这一特定主题仍需更广泛的研究。

为确定最可靠的ROI,在(残留)病灶区域较小的情况下,需要足够的空间分辨率和病灶与乳腺实质之间的对比噪声比(CNR)。在DWI中,这可能具有挑战性,因为通常使用大视野(FOV)的SS-EPI来覆盖双侧乳腺,从而因信噪比(SNR)和扫描时间限制而牺牲空间分辨率。因此,通常使用DCE图像作为肿瘤定位的引导,协助在高b值图像上识别病灶。应注意的是,在较高b值下,SNR降低,从而可能达到噪声水平(莱斯噪声底)。为在这些情况下提高SNR,可增加激励次数(NEX),这将直接增加总扫描时间。平衡两者(噪声比和扫描效率)可能具有挑战性,并取决于高b值图像的幅度。提高最高b值可能导致更长的TE,造成更低的SNR,需要更多NEX,最终导致更长的采集时间。此外,由于图像分辨率与SNR之间存在反比关系,需要提出建议来讨论在接近手术的时间点对接近完全缓解病例的最佳DWI使用,或在基线检测到小体积病灶(< 1 cm)时(例如,通过使用不同或额外的高分辨率方案)。针对此类情况,需要更多研究来解决分辨率问题的新DWI序列的开发[50]以及后处理(噪声滤波,使用先进DWI模型/表示及其考量[51])的实施。然而,应注意这将使DWI用于治疗监测的标准化变得更加复杂。

分析DWI的价值需要将测量结果与NST后特定病理终点(pCR/非pCR)相耦合。组织病理学分析的差异(以及诊断性活检中定义分子亚型的观察者间差异[52])和pCR定义的不同会影响这种分类,这进一步阻碍了数据汇总。一些作者将残留DCIS归入pCR组;另一些则将其归类为非pCR。此外,Liu等[16]将Miller & Payne 4级(肿瘤细胞减少>90%)纳入pCR组,Kim等[53]将其标记为良好反应者,而其他研究仅纳入5级(无存活肿瘤细胞)。将DCIS(单独或与4级残留病灶合并)纳入pCR组,在逻辑上会导致与pCR组仅由无残留DCIS病例组成时不同的ADC测量值。值得注意的是,虽然DCIS由于空间分辨率的限制并非总能在DWI上可见,但由于微结构改变,它仍可能影响ADC值。考虑到最终目标是识别NST后乳腺pCR从而免除乳腺手术,使用ypT0的pCR定义(即不允许残留DCIS)似乎最为合适。然而,乳腺国际组织-北美乳腺癌组织(BIG-NABCG)关于NST后标本病理评估的建议仍提供了将该定义中包含或排除DCIS的选项[54, 55]。为了使研究更具可比性从而实现更高程度的标准化,需要就最合适的pCR定义和DWI上影像学完全缓解的定义达成专家共识。

ADC值在不同形态学[56]和分子亚型[57]的肿瘤之间也可能存在很大差异。值得注意的是,在大多数研究中,ADC值未按肿瘤类型进行区分。同样,由于NST方案的不同,治疗后也可能出现差异。仅四项研究报告了不同癌症亚型的ADC值(绝对值/变化值),显示在区分pCR/非pCR病例方面存在差异。换言之,所有亚型可能都有特定的截断值,而这些截断值还会因NST类型的不同而进一步不同。与DCE-MRI[7]和PET-CT[58]类似,DWI在不同亚型的反应预测中也可能具有不同的诊断性能。Partridge等[23]和Yuan等[22]强调,DWI在NST期间的最佳时机也因分子亚型和NST类型而异。要确定最佳时机,需要关于肿瘤及其对NST的初始和长期反应(如细胞肿胀、凋亡和炎症)的大量知识。因此,未来的DWI研究应在大规模研究人群中针对特定肿瘤研究相同的治疗方案。

基于本综述,使用测量NST期间ADC值变化的参数来识别pCR似乎比在一个或多个时间点测量(绝对)ADC更为准确。这很可能是因为相对变化(部分地)补偿了采集参数的变异性和乳腺癌的生物学特性。一般来说,治疗反应表现为病灶ADC值的升高,尽管并非所有研究都显示了这一点[59]。

此外,统计学局限性阻碍了研究间的潜在比较和合并。例如,在QUADAS-2[15]评估中,在研究人群方面观察到了偏倚风险。此外,为比较预测性统计参数(PPV/NPV),肿瘤亚型的患病率需要一致。只有ROC-AUC可能为所有病例提供一定的统计价值,因为据报道它不依赖于患病率[60]。然而,如本研究所报道的,这并不能弥补潜在的异质性。

总之,本综述揭示了目前关于使用乳腺DWI预测NST反应的研究中存在的许多异质性来源。这种异质性不仅限于采集参数,还由患者人群、生物学肿瘤特征、所应用治疗的差异以及所用结局参数的差异所导致。我们承认,除了我们特别讨论的因素外,这些领域中更多的特征也可能影响DWI测量。考虑到有限的病例数和研究数量,以及所遇到的所有异质性,基于本综述来确定最佳DWI参数为时过早。总体而言,使用ADC作为DWI指标进行反应预测和评估的证据水平为中等。然而,具体细节,如肿瘤生物学的影响以及DWI用于反应预测的技术方面,其证据水平仅为低[61]。旨在克服转化差距[62]的适当验证以及研究设计的标准化(患者纳入→分析),需要大量的共识努力,这对于加速优化以及在乳腺癌患者中潜在实施定量DWI用于NST监测至关重要。

最后,除了标准化和验证问题外,关于MRI在NST背景下成本效益的数据也有限[63]。为全面了解DWI在此NST背景下的附加价值,还需要对成本效益进行分析。

通过解决这些问题,本综述旨在提高对不同变异性来源的认识,并补充EUSOBI[14]、QIBA[29]、Padhani等[10]和O‘Connor等[62]的工作,以启动未来关于在治疗监测背景下使用乳腺DWI的共识。

图6 示意图概述,附纯扩散信号衰减(蓝色曲线)与(微)灌注、扩散及包含Rician噪声底贡献的信号衰减(红色曲线)的半对数图(以及S0,即b=0时无灌注成分的信号)。在红色曲线中,第一个小箭头代表I段内的单指数斜率(ADC1),第二个小箭头包括II段内的单指数斜率(ADC2)。大箭头代表使用两个b值(一个在I段,一个在II段)的单指数方法/斜率(ADC3)。根据b值定义了扩散敏感梯度强度的三个段;I:扩散和流动敏感的b值(扩散梯度);II:扩散敏感、流动不敏感的b值;III:流动不敏感和噪声敏感的b值。不依赖b值的Rician噪声水平被称为噪声底。注:ADC1 + ADC2 = ADC3。坐标轴刻度、斜率以及由此得到的数值函数仅用作总体情况的示意性表示,因此可能与临床实践不同。 查看原图 ↗

结论

在将DWI测量与pCR/非pCR相关联的研究中,所有方面均观察到临床、技术和流行病学异质性。

观察到的方法学异质性和较小的患者数量使得目前难以评估DWI-MRI在多大程度上可以预测pCR。初步结论是,在不考虑多个变量的情况下,绝对ADC(尚)不足以稳健地区分pCR/非pCR。因此,需要多学科合作/共识,以获得可靠且可重复的纵向DWI测量,从而在特定且明确定义的患者亚组中识别非pCR/pCR病例。

补充信息

附加文件1. PubMed中的检索词组合。

引用

  1. van der Hoogt KJJ, Schipper RJ, Winter-Warnars GA, et al. Factors affecting the value of diffusion-weighted imaging for identifying breast cancer patients with pathological complete response on neoadjuvant systemic therapy: a systematic review. Insights Imaging. 2021. PMID: 34921645. doi:10.1186/s13244-021-01123-1
  2. 全文:PMC8684570(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8684570/

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。