分形分析改善胰腺导管腺癌CT肿瘤大小测量:与大体病理及多参数MRI的比较
回顾性纳入46例经组织学证实的胰腺导管腺癌患者,比较常规多期CT、CT衍生分形维数图、多参数MRI及大体病理的肿瘤大小测量。分形分析可显示肿瘤边缘灌注混沌,使CT肿瘤直径和体积测量更接近大体病理和MRI参考标准,弥补常规CT的系统性低估。
要点
- 常规CT系统低估胰腺导管腺癌肿瘤大小,验证队列中直径低估10.6 mm、体积低估10.2 mL。
- 分形维数图测量与多参数MRI高度一致:直径差1.5 mm、体积差0.6 mL,无显著差异。
- 肿瘤边缘全局分形维数4.43高于核心4.37和远端胰腺4.28(p≤0.003),对应灌注混沌梯度。
核心结论
- 在胰腺导管腺癌中,分形分析可显示肿瘤边缘的灌注混沌,相较大体病理和多参数MRI改善CT肿瘤大小测量精度,从而补偿常规CT对肿瘤大小的低估。
研究设计与样本
- 单中心回顾性研究,共46例经手术或活检组织学证实的胰腺导管腺癌患者,均具备诊断时1周内完成的CT和MRI数据集;发现队列10例以大体病理最大直径为参考标准,验证队列36例以多参数MRI为直径和体积参考标准。
关键影像表现/征象
- 常规CT仅能显示通常呈低灌注的肿瘤核心,肿瘤边缘在CT图像上几乎无法肉眼显示,导致肿瘤体积和直径被低估。
- 分形维数图通过量化灌注模式的混沌程度显示肿瘤边缘,其高FD映射值对应MRI上可见的肿瘤边缘延伸区域。
- 全局分形维数在肿瘤边缘为4.43(四分位数4.38–4.49),高于肿瘤核心4.37(4.33–4.43)和远端胰腺组织4.28(4.19–4.35),差异显著(p≤0.003)。
诊断标准与关键数值
- 发现队列中CT较大体病理低估肿瘤直径,Δ直径3D为−5.7 mm(p=0.03);FD图Δ直径3D为0.6 mm、mpMRI为−0.9 mm,两者与大体病理无显著差异(mpMRI p=0.32;FD p=1.0)。
- 发现队列中FD图与mpMRI直径测量高度相关(R²=0.88),两者间无显著差异(p=0.63)。
- 验证队列中CT较mpMRI系统低估肿瘤大小:Δ直径3D为−10.6 mm(p<0.001)、Δ体积为−10.2 mL(p<0.001),且体积低估随肿瘤绝对大小增加(p=0.01)。
- 验证队列中FD图与mpMRI高度一致:Δ直径3D为+1.5 mm(p=0.63)、Δ体积为−0.6 mL(p=0.86),且无大小依赖性变异(体积p=0.77;直径p=0.84)。
- 20例亚组读者间一致性:直径中位差异mpMRI 3.9%、FD 0.1%、CT 4.8%;体积中位差异mpMRI 1.1%、FD 4.5%、CT 4.4%,Spearman ρ均≥0.92。
临床应用与阅片要点
- 常规多期CT上仅分割可见的低灌注肿瘤核心会系统性低估肿瘤大小,尤其在大肿瘤中体积低估更明显。
- 将FD图与CT图像融合后,可利用肿瘤与邻近胰腺组织的FD差异指导体积分割,获得更接近大体病理和mpMRI的直径与体积。
- FD图测量与mpMRI的直径和体积一致性良好且不随肿瘤大小变化,阅片时可作为常规CT低估的补偿参考。
局限性
- 原文未报告局限性。
全文中译11 节 · 点击展开
引言
计算机断层扫描(CT)在临床常规中对胰腺导管腺癌(PDA)的分期起着重要作用。现行第8版美国癌症联合委员会(AJCC)胰腺腺癌分期系统[1]与早期版本的不同之处在于引入了基于大小的T分期定义。这种基于大小的定义已被验证,并已得出预后意义[2–5]。然而,众所周知,与多参数磁共振成像(mpMRI)或切除标本的病理检查相比,CT测量的肿瘤大小(无论以直径还是体积衡量)常被低估[6–9]。这一现象与存活肿瘤边缘的存在有关,在某些病例中该边缘可表现为相对于周围胰腺组织的轻度高灌注晕环,但在许多其他病例中并未在CT图像上显示[10]。就可观察的灌注模式而言,该肿瘤边缘似乎不同于低灌注的肿瘤核心[11]。
分形分析是一种定量描述灌注模式的技术,已应用于放射学灌注成像[12–14]。分形分析的定量结果——分形维数(FD)——代表灌注模式的混沌程度,并可与 underlying 血管树的结构相关。PDA中的肿瘤新生血管模式包括形成受损且灌注不良、排列紊乱的血管,同时伴有血管生成拟态,这决定了PDA中的灌注模式[15–17]。既往研究观察到PDA边缘的灌注率高于肿瘤核心,并将这一发现与边缘较高的微血管密度相关联[18, 19]。组织病理学解释提示,活化的胰腺星状细胞可能在上调肿瘤边缘相对血管密度中发挥作用[20]。利用灌注病理生理学,分形分析可能揭示肿瘤边缘不同的灌注模式,从而能够在CT上更真实地测量肿瘤大小。这可在三种情况下改善PDA患者的临床管理:(1)化疗患者的随访,特别是接受新辅助治疗患者的疗效评估;(2)提高 upfront 手术中血管侵犯评估的准确性;(3)提高放射治疗计划的精确性[6, 21]。
在本研究中,我们假设分形分析通过量化局部灌注模式的混沌程度,能够可视化存活的、增殖活跃的肿瘤边缘。我们通过将基于CT的分形分析结果与大体病理和mpMRI进行比较,研究分形分析是否能够更可靠地测量PDA患者的肿瘤体积和直径[9]。
患者与方法
患者
在获得机构审查委员会批准(IRB编号00012157)并豁免书面知情同意后,进行了一项回顾性研究。分析了临床常规数据,纳入经手术或活检组织学证实为PDA的患者,前提是诊断时1周内获取的CT和MRI数据集可用。
成像方案
CT成像在单中心、单扫描仪(64排,Optima CT660,GE Healthcare)环境下进行。扫描参数如下:螺旋扫描模式,管电压120 kV,管电流140 mAs,机架旋转时间0.8秒,螺距因子1.375,准直器宽度64 × 0.675 mm。图像在512 × 512像素图像矩阵上重建,分辨率约为0.7 mm × 0.7 mm × 1.25 mm,层间距1.25 mm,使用软组织卷积核。CT在平扫期和静脉注射非离子碘对比剂(碘浓度300 mg/mL,碘普罗胺,剂量1.5 mL/kg,注射速率3.5至4 mL/s,随后以3 mL/s注射40 mL生理盐水冲管)后进行。胰腺实质期成像的扫描延迟通过使用团注追踪技术和自动扫描触发软件(SmartPrep;GE Healthcare)确定。胰腺实质期和肝静脉期的采集分别在腹主动脉腹腔干上方水平达到触发阈值(100 HU)后17秒和50秒自动开始[22]。
所有MRI检查均在单台扫描仪(3 T,Discovery MR 750,GE Healthcare)上使用体部相控阵线圈进行。患者禁食过夜后接受成像。获取以下脉冲序列:二维T2加权脂肪饱和(FS)快速恢复快速自旋回波(FRFSE);增强前三维T1加权梯度回波(GRE);注射钆对比剂后动脉期(25秒)、门脉期(70秒)和延迟期(3分钟和5分钟)的三维T1加权FS动态GRE序列;以及扩散加权成像(DWI)序列(三个方向,b0结合以下不同梯度值50、200、400、600和800 s/mm²)。对比剂为钆特酸(Dotarem,Guerbet),剂量0.2 mL/kg,或钆布醇(Gadovist,Bayer Schering Pharma),剂量0.1 mL/kg,注射流速2 mL/s,随后生理盐水冲管(40 mL,2 mL/s)。表观扩散系数(ADC)图使用后处理工作站(Advantage Windows)以单指数衰减模型生成。
软件、预处理、分割和分形分析
第一作者使用 Python 3.6 开发了分形分析软件,该软件实现了包括图像配准和图像标准化在内的预处理流程,以及分形分析和分割。CT 成像数据处理如下。首先,使用 SimpleElastix 框架 4.9 版(https://simpleelastix.github.io/,Kasper Marstal)进行图像配准,采用 3D 仿射和 3D b 样条变换的标准组合。其次,对图像的体素大小、图像噪声和信号强度进行标准化。所有图像均重采样至 0.7 mm 的各向同性体素间距作为共同标准。为标准化图像噪声,采用了一种噪声水平自适应去噪方案,包括半径设为 2 像素的 3D 中值滤波器和 3D 双边滤波器 [23],其距离参数设为 1 像素,范围参数根据置于脊柱竖脊肌内的感兴趣区(ROI)所确定的图像噪声来定义。对于强度标准化,使用各时间点的门静脉信号强度对信号进行标准化,方法如下。我们测量了未增强的门静脉信号(I0),并将增强期各体素的信号(Ivoxel)与相应的门静脉信号强度(Ipv)相关联,以获得如下归一化信号:I = (Ivoxel − I0) / (Ipv − I0) × 100。此举旨在通过生理参考对图像强度进行标准化,从而考虑循环的潜在差异并减轻图像采集时机潜在变异的问题。预处理后,进行四维局部 A 分形分析以生成局部 FD 图。使用了先前发表的方法 [24] 并将其扩展至 4D,以整合未增强期、胰腺实质期和门静脉期的灌注信息。该方法将两个“毯”拟合至图像纹理,一个上毯和一个下毯。毯从原始纹理迭代地升高或分别降低,以评估分形特性作为细节丢失的函数。分形分析产生 FD 作为几何复杂性或混沌的定量参数,在四维应用中取 4 至 5 之间的分数值。对于局部分形分析,我们评估了每个体素的紧邻区域,即其直接相邻体素。计算局部 FD 图用于可视化和分割。除局部分形分析外,我们通过评估较大的、解剖上连贯的区域(即肿瘤核心、肿瘤边缘和远端胰腺)进行了 4D 全局分形分析。与其局部变体不同,全局分形分析不产生局部 FD 图,而是为整个 ROI 产生单个 FD 标量值。全局 FD 被解释为灌注模式全局混沌的可解释度量。全局分形分析的数学细节已在先前描述 [25]。
直径和体积测量
为描述患者队列特征,肿瘤直径按修订版RECIST建议[26]在CT上常规测量,这反映了临床实践中的术前大小测量。为进一步分析,由第一作者(腹部CT经验:6年)使用自由手绘工具对肿瘤进行容积分割,并由资深作者(腹部CT经验:>20年)在CT、FD图及MRI上进行共识判读。在CT上,使用视觉显影最佳的期相分割可见肿瘤部分(通常为低灌注肿瘤核心),并综合两期增强扫描的信息。我们对FD图与CT图像进行图像融合,以确保在使用局部FD图进行大小测量时解剖定位准确。分割基于肿瘤与邻近胰腺组织之间的FD差异进行。在MRI中,我们使用最高b值(即本研究中800 s/mm²)的DWI和T2加权图像进行肿瘤容积分割,并使用T1加权脂肪饱和增强图像进行视觉显影评估[9]。DWI的体素间距在平面内为1至1.6 mm,z方向为5 mm,精度至少为1.6 mm × 1.6 mm × 5 mm = 12.8 mm³ = 0.128 mL。根据肿瘤分割计算体积和最大直径[27]。接受统计分析的最大直径以Feret直径表示,其代表独立于空间对齐或轴向方向的肿瘤最大范围。因此,它是一种稳健且客观的直径量化方法,相比依据RECIST建议的常规直径测量[27–30],受观察者间变异的影响更小。大体病理检查中的最大肿瘤直径在可获得时作为参考标准,并在初始发现队列中进行分析。发现队列中的结果在其余患者中作为独立队列进行验证,并进行跨模态大小估计比较。
统计分析
在以大体病理为参考的发现队列中,对直径测量进行了CT、mpMRI和分形分析与病理金标准之间的线性相关性检验。各方法与参考标准之间的大小估计差异采用配对样本的Wilcoxon秩和检验及Bonferroni多重检验校正进行评估。在以mpMRI为参考的验证队列中,对CT和分形分析的肿瘤体积及直径测量与mpMRI参考值进行线性相关性评估。此外,采用t检验评估每种方法的测量差异。计算Bland-Altman统计量以评估每种方法的系统性大小测量差异,并采用f检验评估差异的方差。在20例亚组中,我们评估了读者间一致性(两位读者,分别具有6年和>15年腹部影像经验),以相对大小测量差异(%)和Spearman's ρ表示。为检验分形分析是否能够识别肿瘤边缘,按解剖区域(即肿瘤核心、肿瘤边缘和邻近非肿瘤胰腺)分析局部混沌度,采用描述性统计以及Kruskal-Wallis检验和Bonferroni校正的Mann-Whitney U检验进行组间两两比较,以检验这些解剖部位之间的灌注混沌差异。p ≤ 0.05(在适当情况下经Bonferroni校正后)被认为具有统计学意义。统计分析使用R软件(v3.4.1;R Foundation for Statistical Computing)完成。
结果
患者特征及图像处理结果
共回顾性纳入46例患者。所有纳入肿瘤的中位直径为40 mm(范围:18–82 mm)。肿瘤特征及影像学表现总结于表1。图像处理和分形分析在所有患者中均成功完成,每例患者约需20分钟,包括配准(5分钟)、图像处理包括局部和全局分形维数计算(1分钟),以及手动多模态分割及体积和直径测量(CT:5分钟,FD图:3分钟,mpMRI:5–10分钟)。
发现队列:与大体病理的比较
我们最初的发现队列由10例患者组成,其中大体病理上的直径测量可作为参考标准。mpMRI和FD大小估计均与大体病理测量具有良好的相关性(mpMRI:R2 = 0.96;FD:R2 = 0.92),且未显示显著的直径差异(mpMRI:Δ直径 = 0.9 mm,p = 0.32;FD:Δ直径 = −0.6 mm,p = 1.0)。此外,FD图上的测量与mpMRI相关性极好(R2 = 0.88),两种方法之间无显著差异(p = 0.63)。相比之下,CT测量相较于大体病理系统性地低估了肿瘤直径(Δ直径 = 5.7 mm,p = 0.03)。图1展示了与大体病理相关性的代表性示例,并附有箱线图以总结各模态与病理参考之间测量的直径差异。发现队列的详细统计结果总结于表2。
验证队列:肿瘤体积和直径测量
由于我们的验证队列(n = 36)中没有病理参考,我们使用多参数MRI(mpMRI)作为替代,因为其在初始发现队列中已证明与大体病理测量具有极好的相关性。FD图上的肿瘤体积与mpMRI体积测定相关性良好(Δ体积 = −0.6 mL,p = 0.86),且未显示大小依赖性变化(p = 0.77)。相反,与mpMRI相比,CT上肿瘤体积一致被低估(Δ体积 = 10.2 mL,p < 0.001),且低估程度随绝对肿瘤大小增加而增加(p = 0.01)。
对于直径测量,FD得出的肿瘤最大直径与MRI参考一致良好(Δ直径 = 1.5 mm,p = 0.63),而CT上肿瘤最大直径一致被低估(Δ直径 = 10.6 mm,p < 0.001)。 none of the diameter measurement methods showed an evident dependence on the actual tumour diameter (FD: p = 0.84, CT: p = 0.95). In a subgroup of 20 PDA lesions, inter-reader agreement was excellent both for diameter measurement (mpMRI—median diameter discrepancy: 3.9%, interquartile range [IQR]: 10.8%, Spearman’s ρ = 0.99; FD—median diameter discrepancy: 0.1%, IQR: 10.8%, ρ = 0.96; CT—median diameter discrepancy: 4.8%, IQR: 12.4%, ρ = 0.92) and for volume measurement (mpMRI—median volume discrepancy: 1.1%, IQR: 9.1%, ρ = 0.99; FD—median volume discrepancy: 4.5%, IQR: 6.5%, ρ = 0.99; CT—median volume discrepancy: 4.4%, IQR: 27.3%, ρ = 0.98). Detailed statistics on correlation and bias of the methods, including Bland-Altman plots, can be found in Figure 2 and Table 3. Two representative cases are presented in Figures 3 and 4.
肿瘤边缘的灌注混乱
为检验肿瘤边缘高灌注混乱的病理生理学假说,我们对肿瘤边缘、肿瘤核心及邻近胰腺组织进行了额外的整体分形分析(图5)。与上述局部FD图不同,整体FD产生一个标量值,定量总结ROI内的整体混乱程度。肿瘤边缘的整体FD(整体FD边缘 = 4.43,[四分位数:4.38–4.49])显著(p ≤ 0.003)高于肿瘤核心(整体FD核心 = 4.37 [四分位数:4.33–4.43]),且两者均高于远端胰腺组织的FD(整体FD胰腺 = 4.28 [四分位数:4.19–4.35]);即,肿瘤边缘灌注高度混乱,肿瘤核心混乱程度较低,远端胰腺组织混乱程度最低(图5)。有趣的是,CT几乎无法在视觉上显示肿瘤边缘,这从测量的肿瘤体积和直径中可以明显看出。
讨论
在PDA患者中,我们发现证据表明CT一致低估肿瘤大小,而mpMRI与大体病理测量相比允许获得真实的肿瘤大小测量。对常规对比增强CT成像数据(包括平扫期、实质期和静脉增强期)进行分形分析,与大体病理和mpMRI测量相比,提高了CT上肿瘤大小估计的准确性。我们的研究表明,与远端胰腺组织相比,肿瘤中灌注更混乱,并具有肿瘤边缘至核心的梯度,可用于更真实的大小估计。有活力的肿瘤边缘在平扫CT图像上显示不完整,因此不贡献于常规肿瘤大小估计。相反,分形分析基于灌注模式的混乱程度改善了肿瘤边缘的显示,从而允许其可靠识别。
我们的结果记录了CT对肿瘤直径的系统性低估,以及mpMRI测量与大体病理检查相比的良好一致性。通常,肿瘤直径在三个相互垂直的标准平面之一中进行测量。然而,在我们的研究中,我们三维测量了最大直径,该直径是通过计算费雷特直径(Feret's diameter)从肿瘤体积分割中得出的。这种方法确保了对最大直径更真实的呈现,因为它独立于最长轴在空间中的实际方向。CT测量PDA大小容易低估,不仅因为肿瘤边缘显示不佳,还因为肿瘤方向可能倾斜。因此,肿瘤在三个相互垂直的标准平面中未能被恰当呈现,并可能在不适切的平面中被测量。
由于灌注和血管化是癌症的标志,肿瘤血供在肿瘤发展和进展中起着关键作用,包括其穿透基底膜和超出器官边界延伸的能力以及其转移潜能。我们认为,灌注的混沌性——由FD量化——反映了肿瘤病理生理学的血管方面,并可能为其生物学状态提供见解。具体而言,PDA中的肿瘤新生血管模式此前已在组织病理学上被表征,并且已观察到肿瘤边缘相对于核心具有更高的血管密度[15–17]。这一现象被归因于肿瘤边缘中胰腺星状细胞的活化,这些细胞是促纤维化基质细胞,在上调边缘血管生成中发挥作用[20]。这些组织病理学发现解释了此前放射学研究[18, 19]中观察到的PDA边缘灌注率高于其核心的现象。我们的结果还表明灌注混沌性增加,这可被用于肿瘤范围的显示,从而改善CT上的大小测量。此外,我们观察到肿瘤体积测量中的大小差异随绝对肿瘤体积增大而增加,这往往与常规CT中不明显的较大边缘的存在相关。
进一步研究可能探讨FD作为一种定量影像生物标志物是否适合指导治疗计划和患者结局方面的临床管理。与其他肿瘤应用(如结直肠癌、支气管腺癌、胶质瘤)[12]类似,分形分析可能具有预后意义,因为它提供了关于有活力肿瘤边缘的信息。因此,应研究分形分析是否也能预测其他重要临床特征,如转移潜能或对新辅助化疗应答的可能性。将有活力肿瘤与致密纤维化(可发生于PDA周边[31])相区分构成了另一个有趣方面,可能通过进一步研究加以探讨。致密纤维化的灌注模式可能与有活力肿瘤边缘不同,前者可能与低灌注和延迟强化相关。
本研究存在局限性。我们开展的是单中心研究,因此我们的结果可能无法完全代表其他医院的临床实践。然而,我们将分形分析应用于常用的CT成像方案,包括平扫期、胰腺实质期和门静脉期;但一些中心更倾向于使用不含平扫的CT方案。我们未研究双能CT(DECT),DECT有可能改善低单色能量图像和碘密度图像中的对比噪声比和肿瘤 conspicuity,并允许重建虚拟平扫图像[32]。然而,DECT目前仍未被指南推荐用于PDA分期,且尚未广泛普及。一些研究报道,与切除标本上测量的肿瘤大小相比,MRI存在大小低估[33, 34]。那些研究使用了 conspicuity 最佳的MRI序列(即T1加权增强后序列),这些序列在大小测定方面与增强CT扫描具有相同的生理学缺陷。相反,我们使用T2加权和DWI序列,采用[9]中描述的方法进行大小测量。我们的回顾性研究设计不允许将组织学与微血管架构的分形特性进行关联。然而,微循环的分形分析需要三维微血管分割和组织学切片的体积层间配准,这非常具有挑战性,且据我们所知,尚未在PDA中建立。尽管患者数量较少(n = 46),我们的研究队列仍能代表PDA中各种大小和常见临床情况。然而,我们的研究并未代表所有临床情况,包括新辅助化疗后的状况或非常小的肿瘤(直径< 1 cm)。此外,我们的研究未纳入极度肥胖患者,这些患者可能需要更广泛的去噪方案。严格的去噪可能影响图像纹理,从而降低灌注混沌分析的质量。由于我们的研究中仅需要采用噪声水平自适应的温和去噪方案,我们得以保留生物学诱导的纹理。这在极度肥胖患者中可能无法实现。我们按照RECIST建议进行常规直径测量以表征肿瘤。然而,所有进一步分析均使用从三维肿瘤体积测定获得的Feret直径进行。Feret直径较少受观察者间变异性的影响,并且能更真实地估计肿瘤直径,因为它独立于肿瘤及其长轴的空间方向[27]。
总之,我们的研究确立了分形维度作为一种成像生物标志物,通过可视化灌注混沌来改善CT成像中PDA的大小测量。我们的研究表明,PDA病灶大小在直径和体积方面均存在一致性低估,而从CT计算得到的FD图与mpMRI和大体病理学相关性良好。灌注混沌可能是一个相关的病理生理学方面,有可能解释CT成像中肿瘤显示不完整的原因。
引用
- Michallek F, Haouari MA, Dana O, et al. Fractal analysis improves tumour size measurement on computed tomography in pancreatic ductal adenocarcinoma: comparison with gross pathology and multi-parametric MRI. Eur Radiol. 2022. PMID: 35201407. doi:10.1007/s00330-022-08631-8
- 全文:PMC9279218(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9279218/
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。