文献速递神经MR

灌注磁共振成像鉴别胶质瘤分级与突变状态的系统综述与Meta分析

A systematic review and meta-analysis on the differentiation of glioma grade and mutational status by use of perfusion-based magnetic resonance imaging.
PubMed 文献 · Insights Imaging · 2022-06-07

该系统综述与Meta分析纳入12项研究共1384例胶质瘤患者,评估DSC与DCE灌注MRI无创预测IDH基因型及1p/19q完整性的准确性。Meta分析显示CBV、ktrans、Ve和Vp预测IDH基因型的AUC分别为0.85、0.81、0.84和0.76,DSC与DCE参数准确性无差异;1p/19q状态无法进行Meta分析。作者认为未来研究应聚焦于基于灌注MRI预测1p/19q完整性。

要点

  • IDH野生型胶质瘤的CBV、ktrans、Ve和Vp值普遍显著高于IDH突变型。
  • CBV预测IDH基因型的AUC为0.85(95%CI 0.75-0.93)。
  • DSC与DCE参数预测IDH基因型的准确性无差异,1p/19q状态无法Meta分析。

核心结论

  • 灌注MRI可有效无创预测IDH基因型,DSC与DCE参数准确性无差异。
  • 1p/19q共缺失状态无法用所获数据进行Meta分析,其作用仍部分不明。
  • 作者认为未来研究应旨在基于灌注MRI数据预测1p/19q完整性,并进一步研究其与患者分层治疗和总生存等其他临床相关结局的相关性。

研究设计与样本

  • 系统综述与Meta分析,遵循PRISMA声明,检索Medline、EMBASE、Web of Science和Cochrane Library,检索时间为2020年5月1日至2021年1月1日。
  • 定性综合纳入12项研究共1384例胶质瘤患者(男792例,女592例),定量Meta分析纳入5项研究共316例患者。
  • 纳入标准为使用DSC或DCE灌注MRI、胶质瘤患者、按WHO 2016分类系统进行分级和分类、以无创分类组织病理学特征和/或分子特征为目的,并以组织病理学/分子评估为金标准。
  • 使用QUADAS-2评估纳入研究的偏倚风险,所有纳入研究偏倚风险均评为低。
  • Meta分析采用随机效应模型对AUC及95%CI进行合并,使用Higgins检验评估异质性。

关键影像表现/征象

  • IDH突变型胶质瘤的rCBV值显著低于IDH野生型胶质瘤。
  • IDH突变型高级别胶质瘤的ktrans值显著低于IDH野生型高级别胶质瘤。
  • IDH突变型胶质瘤的Ve和Vp值显著低于IDH野生型胶质瘤,与WHO II-IV分级无关。
  • IDH突变、1p/19q非共缺失胶质瘤的nCBV值显著低于IDH突变、1p/19q共缺失胶质瘤和IDH野生型胶质瘤。
  • 少突胶质细胞肿瘤中ktrans、Kep和Ve值似乎高于星形细胞肿瘤。

诊断标准与关键数值

  • 以rCBVmax阈值<2.35区分IDH突变与IDH野生型胶质瘤,敏感度/特异度为100%/61%,AUC为0.82(95%CI 0.66-0.93)。
  • 以nCBV偏度区分IDH突变、1p/19q非共缺失胶质瘤与IDH野生型及IDH突变、1p/19q共缺失胶质瘤,敏感度/特异度为84%/59%,AUC为0.690(95%CI 0.573-0.807)。
  • 基于Ve和Kep值区分IDH突变状态,敏感度/特异度分别为84%/79%和76%/78%。
  • Meta分析显示CBV预测IDH基因型的AUC为0.832(标准误0.03,95%CI 0.75-0.91),ktrans、Ve和Vp的AUC分别为0.81(95%CI 0.73-0.90)、0.84(95%CI 0.77-0.92)和0.78(95%CI 0.68-0.87)。
  • 卷积长短期记忆模型在验证集预测IDH基因型的准确率、敏感度和特异度分别为92.8%、92.6%和93.1%(AUC 0.98,95%CI 0.969-0.991),测试集分别为91.7%、92.1%和91.5%(AUC 0.95,95%CI 0.898-0.982)。

临床应用与阅片要点

  • 灌注MRI参数CBV、ktrans、Ve和Vp可用于无创预测胶质瘤IDH基因型,其中CBV的AUC最高。
  • 不同研究采用不同的灌注参数值(平均rCBV与平均rCBVmax),部分限制了结果的普适性。
  • 目前尚无临床可用的阈值来预测IDH基因型。
  • 1p/19q共缺失状态对灌注参数的影响研究不足,尚不明确。

局限性

  • 通过坚持纳入符合WHO 2016胶质瘤分类的研究,一些有价值的论文需要被排除。
  • 不同研究使用不同的灌注参数值(平均rCBV与平均rCBVmax),部分限制了结果的普适性。
  • 该系统综述未在国际数据库注册。
  • 1p/19q共缺失状态的预测无法用所获数据进行Meta分析。
  • DSC-MRI研究的Meta分析显示中度异质性(I2=35%;p=0.215)。
全文中译11 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. 2022 Jun 7;13:102. doi: 10.1186/s13244-022-01230-7

要点

灌注磁共振成像显示了一种有前景的无创表征胶质瘤的方法。

在IDH野生型胶质瘤中观察到显著更高的灌注指标。

1p/19q突变对灌注指标的影响研究不足,且仍未阐明。

引言

根据2016年世界卫生组织(WHO)中枢神经系统肿瘤分类系统,高级别胶质瘤组可分为两个亚组。一个亚组包括间变性少突胶质细胞瘤IDH突变型和1p/19q联合缺失型,以及间变性少突胶质细胞瘤非特指型。第二个亚组包括IDH突变型胶质母细胞瘤、IDH野生型胶质母细胞瘤和胶质母细胞瘤非特指型[1]。了解胶质瘤的确切突变状态不仅对分类很重要,而且对预后[2]和治疗策略[3–5]也有显著影响。关于低级别胶质瘤,可区分两组胶质瘤。第一组由少突胶质细胞肿瘤组成,为异柠檬酸脱氢酶(IDH)突变型和1p/19q联合缺失型。第二组由星形细胞肿瘤组成。它包括(1)IDH突变型、1p/19q非联合缺失型弥漫性星形细胞瘤,(2)IDH野生型星形细胞瘤,以及(3)弥漫性星形细胞瘤非特指型[1]。

然而,最近发表的WHO 2021分类系统更加重视胶质瘤亚型的分子特征。弥漫性星形细胞和少突胶质细胞胶质瘤组可根据IDH突变进行细分。IDH野生型肿瘤无一例外地被归类为高级别胶质瘤。要被归类为胶质母细胞瘤(IDH野生型;4级),必须存在ATRX核丢失。此外,成人IDH野生型弥漫性星形细胞肿瘤若无胶质母细胞瘤的组织学特征,但具有三项遗传参数中的一项或多项(端粒酶逆转录酶基因[TERT]启动子突变、表皮生长因子受体[EGFR]基因扩增,或整条染色体7获得合并整条染色体10丢失[+ 7/ − 10]),现在也被归类为胶质母细胞瘤。在2021分类中,所有1p/19q染色体完整的IDH突变型弥漫性星形细胞肿瘤被视为单一类型,称为星形细胞瘤,IDH突变型,WHO分级范围为2至4级。这些肿瘤的分级考虑了分子发现,如CDKN2A/B纯合缺失,这与更差的预后相关。具有这些分子改变的IDH突变型星形细胞瘤将被归类为WHO 4级,即使没有微血管增生或坏死[6]。此外,伴有1p/19q染色体联合缺失的IDH突变型少突胶质细胞胶质瘤被视为少突胶质细胞瘤。虽然建立用于分类胶质瘤的复杂分子标志物是胶质瘤诊断的重要进展,但本综述所涵盖的所有文献均基于2016 WHO中枢神经系统肿瘤分类[6, 7]。

为此,近年来将人工智能应用于常规MRI序列(即增强前和增强后T1加权、T2加权和T2加权FLAIR图像)以预测突变状态已提供了有希望的结果(综述见[8])。此外,已识别出多种征象可帮助放射科医生在日常临床环境中预测胶质瘤的分子状态。例如,T2-FLAIR不匹配征已被发现是识别IDH突变型星形细胞瘤的可靠无创标志物[9]。

考虑到各种胶质瘤亚型之间的病理生理差异以及胶质瘤血管系统的相关变化,基于灌注的成像可以提高胶质瘤亚型无创表征的诊断准确性。例如,少突胶质肿瘤以分支状血管化模式为特征,而星形细胞胶质瘤则显示出明显不同的血管化[10]。因此,基于灌注的MR成像(动态磁敏感对比(DSC)或动态对比增强(DCE)灌注MR成像)一直是用于无创识别分子特征的研究主题[11, 12]。

DSC灌注MR成像依赖于T2*加权序列上磁敏感诱导的信号丢失,该信号丢失由钆基对比剂团注通过毛细血管引起。最常用的DSC灌注参数是脑血容量(CBV)。CBV可通过使用信号强度-时间曲线的曲线下面积(AUC)来估算[13, 14]。然而,更近期的研究通过整合首过注射期间动态发生的横向弛豫率变化来计算CBV图,随后因大多数肿瘤中血脑屏障渗漏而进行渗漏校正(近期概述和建议见[15])。DCE灌注MR成像依赖于评估钆基对比剂团注从血管渗漏至组织中所诱导的T1缩短。药代动力学建模可用于推导各种数值,包括Ve和Vp。ktrans代表毛细血管通透性;Ve代表钆基对比剂在血管外细胞外间隙中的分数体积;Vp代表钆基对比剂在血浆间隙中的分数体积[13]。

尽管自WHO 2016胶质瘤分类系统发布以来已发表了各种不同方法和结果的研究,但仍缺乏关于基于灌注的MR成像预测胶质瘤分子特征准确性的全面概述。此外,对该主题文献的系统性概述有助于塑造未来研究和日常临床实践,以聚焦于最有前景的技术(DSC或DCE灌注MRI)。因此,本文的目的是提供关于使用DSC和DCE灌注成像用于区分胶质瘤分级和突变状态的相关文献概述。

材料与方法

检索策略与纳入/排除方法

本系统综述和荟萃分析按照系统综述和荟萃分析优先报告条目(PRISMA)声明[16]进行。检索文献的数据库包括:Medline(通过PubMed访问)、EMBASE、Web of Science和Cochrane Library。各数据库的完整检索策略见附加文件1。采用交叉引用将相关文献补充纳入数据库。检索于2020年5月1日至2021年1月1日期间进行。纳入标准为:(1)使用DSC或DCE灌注MRI;(2)纳入胶质瘤患者;(3)采用WHO 2016分类系统对胶质瘤进行分级和分类[1];(4)研究目的需包括对组织病理学特征和/或分子特征(WHO分级、IDH基因型和/或1p/19q共缺失状态)的无创分类。此外,论文需以定量指标报告结果(如灵敏度、特异度、平均准确度和/或受试者工作特征曲线下平均面积(AUC))。基于动物或非人类样本或儿童人群的论文被排除。信件、预印本、病例报告、会议论文集和叙述性综述也被排除。

所有论文由两名研究者分三步独立评估。首先,进行标题和摘要筛选。其次,采用全文分析评估论文是否符合纳入和/或排除标准。最后,从纳入论文中提取信息。研究者定期会面讨论其发现并解决分歧。由两名研究者(LvS和DH)独立使用标准化表格从纳入文章中获取所需信息。从每项研究中提取的数据为:(a)第一作者和发表年份,(b)纳入患者数量,(c)纳入参与者的平均年龄,(d)纳入参与者的性别,(e)使用DSC和/或DCE,(f)评估的组织病理学/分子结局,(g)基于灌注的MR成像指标,以及(h)伴随的统计学指标(如AUC值、标准差、95%置信区间(CI)和/或标准误)。每个结局的性能以准确度、AUC和/或灵敏度和特异度表示。提取的数据随后进行交叉核对,分歧通过共识解决。

定性 meta 综合与定量 meta 分析

符合纳入标准的文献按照Eriksen等人[17]提出的PICO策略进行定性综合。此外,采用QUADAS-2评估原始诊断准确性研究的质量。使用随机效应模型对AUC及95%置信区间(95%-CI)进行荟萃分析。从纳入研究中提取灌注指标及上述统计数据。若其中某一变量缺失,研究者尽可能重新计算该值[18]。此外,通过电子邮件联系通讯作者以提供缺失的详细信息,最多发送两次提醒。当无法获取全部必要数据时,研究无法进行荟萃分析。针对不同目标疾病亚组进行荟萃分析。使用OpenMetaAnalyst(MetaAnalyst,塔夫茨医学中心)[19]和/或SPSS(版本25;IBM Corp.,Armonk,NY)进行荟萃分析,结果以森林图展示。采用Higgins检验检测纳入研究间的异质性。组间低异质性以I2 < 40%表示,而显著异质性以I2 > 75%表示[18]。

结果

系统检索后共鉴定552项研究。去除重复后,对379篇文献进行标题和摘要的系统筛选,最终纳入34篇文献进行全文分析。345篇文献被排除的原因见图1。全文分析后,研究者开会讨论存在分歧的文献以解决争议并达成共识。34篇文献中,12篇可纳入定性荟萃综合。因此排除22篇文献(详情见图1)。讨论后两名研究者的判断之间未遗留差异,最终纳入12篇文献进行定性荟萃综合[20–31](图1)。5篇文献提供了足够数据可纳入定量荟萃分析[22, 24, 26, 27, 29](表1)。

使用QUADAS2(诊断准确性研究质量评估工具),即QUADAS工作组QUADAS工具的最新版本,所有纳入研究的偏倚风险均被认为是低的(表2)。

图1 PRISMA流程图 查看原图 ↗
表1 纳入研究概览 查看原表 ↗
表2 不同DCE/DSC参数的合并效应量 查看原表 ↗

定性荟萃综合

纳入的12项研究[20–31]共纳入1384例胶质瘤患者(792例男性;592例女性)。胶质瘤可细分为WHO II级(n = 326);WHO III级(n = 410)和WHO IV级(n = 599)。关于IDH基因型,701例胶质瘤为IDH突变型,603例肿瘤表达IDH野生型基因型。132例肿瘤中观察到1p/19q共缺失(WHO 2021少突胶质细胞瘤WHO 2级或3级);429例肿瘤中观察到1p/19q染色体臂非共缺失。所有纳入文献均以遵循WHO 2016胶质瘤分类的受训神经病理学家所做的组织病理学/分子评估作为金标准。

8篇文献使用DSC灌注MRI[20, 21, 24–28, 30];3篇文献同时使用DCE和DSC灌注MRI[22, 23, 29];1篇文献仅使用DCE灌注MRI[26]。2篇文献使用人工智能方法评估不同胶质瘤亚型之间的不同灌注指标[20, 25],而其他文献使用较为传统的统计学方法。

根据DSC灌注MRI评估,IDH突变型胶质瘤的rCBV值显著低于IDH野生型胶质瘤[21, 26–28, 30]。当使用回顾性确定的rCBVmax阈值< 2.35时,作者描述了在区分IDH突变型(WHO 2021星形细胞瘤2、3或4级或WHO 2021少突胶质细胞瘤2或3级)和IDH野生型胶质瘤时,敏感度/特异度为100%/61%,AUC为0.82(95%CI:0.66–0.93)[27]。通过使用归一化CBV(nCBV)值的偏度(使用对侧表现正常半卵圆中心的CBV值进行归一化),IDH突变型、1p/19q非共缺失胶质瘤(WHO 2021星形细胞瘤2、3或4级)可与IDH野生型胶质瘤和IDH突变型、1p/19q共缺失胶质瘤(WHO 2021少突胶质细胞瘤)相区分,敏感度/特异度为84%/59%(AUC值0.690,95%CI 0.573–0.807)。IDH突变型、1p/19q非共缺失胶质瘤(WHO 2021星形细胞瘤2、3或4级)的nCBV值显著低于IDH突变型、1p/19q共缺失胶质瘤(WHO 2021少突胶质细胞瘤2或3级)和IDH野生型胶质瘤[24]。

当使用DCE灌注成像时,IDH突变型高级别胶质瘤(HGG)(WHO 2021星形细胞瘤3或4级或WHO 2021少突胶质细胞瘤3级)的ktrans值显著低于IDH野生型HGG(WHO 2021星形细胞瘤4级)[22]。然而,在少突胶质细胞肿瘤(WHO 2021少突胶质细胞瘤,IDH突变型,1p/19q共缺失;2或3级)中,Lee等人发现ktrans、Kep和Ve与星形细胞肿瘤相比呈现较高值的趋势[23]。无论WHO II-IV分级如何,IDH突变型胶质瘤(WHO 2021星形细胞瘤和WHO 2021少突胶质细胞瘤)的Ve和Vp值显著低于IDH野生型胶质瘤[22, 29]。基于Ve和Kep值,在区分IDH突变状态方面观察到敏感度/特异度分别为84%/79%和76%/78%[29]。Hilario等人的研究还提示ktrans、Vp和Ve可用于无创地区分低级别胶质瘤(LGG)和高级别胶质瘤(HGG)[22]。

使用人工智能的研究在预测IDH突变状态方面显示了有前景的结果。Choi等人表明,在使用DSC灌注MRI预测IDH基因型时,带有注意力机制的卷积长短期记忆模型在验证集中的准确率、敏感度和特异度分别为92.8%、92.6%和93.1%(AUC:0.98;95%CI 0.969–0.991)。在测试集中,观察到的准确率、敏感度和特异度分别为91.7%、92.1%和91.5%。IDH基因型预测的AUC值为0.95,95%CI范围在0.898至0.982之间。随后对DSC成像信号强度曲线的分析阐明,用于预测IDH基因型的曲线高度关注对比剂前基线末端、信号下降的上/下斜率以及/或团注后平台期的组合[20]。另一项研究表明,当使用随机森林算法时,形状、分布和rCBV提取特征在突变状态之间阐明了显著差异。WHO II-III级的区分主要由形状特征驱动,而纹理和强度特征对于III级和IV级的区分更为相关。基于该随机森林算法,胶质瘤按突变状态正确分层率为71%,按分级正确分层率为53%[25]。

荟萃分析

数据荟萃分析(n = 237 例患者)显示,CBV 值正确预测 IDH 基因型的准确度 AUC 为 0.832,标准误为 0.03(95%-CI 0.75–0.91)。使用 DCE 参数(n = 122)时,ktrans、Ve 和 Vp 的 AUC 分别为 0.81、0.84 和 0.78。ktrans、Ve 和 Vp 的标准误(及 95%-CI)分别为 0.02(95%-CI 0.73–0.90)、0.03(95%-CI 0.77–0.92)和 0.03(95%-CI 0.68–0.87)(表 2)。不同灌注指标的相应森林图见图 2。I2 分析显示,纳入的 DCE-MRI 研究具有同质性(I2 < 1%)。在 ktrans、Ve 和 Vp 的单独分析中,研究发现异质性不显著(分别为 p = 0.834;p = 0.548;p = 0.519)。DSC-MRI 研究的荟萃分析显示具有中等异质性(I2 = 35%;p = 0.215)。灌注 MRI 指标在预测 1p/19q 共缺失状态中的作用无法使用所获得的数据进行荟萃分析。

图 2 不同灌注指标预测 IDH 突变状态的受试者工作特征曲线(ROC)曲线下面积(AUC)的森林图。IDH,异柠檬酸脱氢酶;ktrans,容积转运常数;rCBV,相对脑血容量;Ve,血管外细胞外间隙容积分数;Vp,血浆容积分数;95%-CI,95%置信区间 查看原图 ↗

讨论

本系统评价和荟萃分析显示,按照 WHO 2016/2021 胶质瘤分类,灌注 MRI 可用于无创性有效预测 IDH 基因型。研究发现,不同的 DSC 或 DCE 灌注参数在无创性预测 IDH 基因型方面具有相同的性能。无法使用所获得的数据对 1p/19q 共缺失状态的预测进行荟萃分析。

灌注MRI在无创胶质瘤分类中的作用可能很重要,这可以通过不同的胶质瘤血管系统特征来解释,这些特征为胶质瘤细胞提供了特化的微环境[32]。在高级别胶质瘤(HGG)中,血管异常并显示出与正常脑组织血管基因型不同的独特基因表达特征[33–35]。这些基因型差异导致某些血管生成因子的高表达,包括血管内皮生长因子、转化生长因子β2和多效蛋白[35–38]。另一方面,在低级别胶质瘤(LGG)中,关于血管生成的潜在分子改变研究较少。2018年,Zhang等证明WHO II级胶质瘤表达中间阶段的血管异常,其严重程度低于胶质母细胞瘤血管,但不同于正常血管。通过人肿瘤组织微阵列染色,证实了WHO II级胶质瘤中层粘连蛋白亚基α4和血管生成素2的表达增强。更具体地说,IDH野生型(IDHwt)胶质瘤显示出特定的血管生成基因表达特征(即血管生成素2和serpin家族H上调),导致内皮细胞迁移和基质重塑增强。在同一研究中,转录因子分析表明IDHwt胶质瘤中转化生长因子β和缺氧信号增强[39]。基于这些研究,我们可以得出结论:具有不同IDH基因型的胶质瘤具有不同的分子血管化。此外,LGG中的血管显示出基因表达改变,这些改变与先前在HGG血管中识别的变化部分重叠[39]。由于IDHwt胶质瘤血管具有与血管重塑相关的独特血管基因表达模式,这些微结构变化可用于解释为什么IDHwt胶质瘤相比IDH突变型(IDHmut)胶质瘤显示出显著更高的灌注指标。这些关于基因型和表型的见解证明了使用灌注MRI预测IDH基因型的合理性。然而,1p/19q共缺失状态对血管生成和血管生长的作用仍部分不清楚。先前的研究表明,与等位基因完整的胶质瘤相比,1p/19q共缺失与更高的CBV值相关[40]。另一篇论文报道了使用DSC灌注MRI在少突胶质细胞瘤中发现的特定基因型差异,1p/19q共缺失的LGG中rCBVmax值显著更高[41]。据信,1p/19q共缺失的LGG显示出代谢和血管生成增加,并具有广泛的内部血管网络。Kapoor等人的研究支持了这一点,该研究在1p/19q共缺失的LGG(WHO 2021少突胶质细胞瘤WHO 2级)中观察到显著更高的rCBVmax。此外,与等位基因完整的胶质瘤相比,观察到血管内皮生长因子、CD31和CD105表达增加[42]。

MRI灌注成像预测IDH基因型的临床可用性仍部分不明确,因为这些差异是基于汇总结果得出的。尽管有几篇论文提供了具体的阈值[27, 28],但尚无临床可用的阈值。本综述未纳入动脉自旋标记(ASL)作为灌注MR成像方法的研究,因为在探索性文献检索中仅发现少量关于ASL的文献。Wang等人(2019年)最近的一篇论文报告称,IDH1基因型与ASL衍生的胶质瘤灌注参数之间仅存在轻度相关性。在II级和III级胶质瘤中,1p/19q共缺失与灌注之间无显著关联[43]。

优势与局限性

通过遵循2016年WHO胶质瘤分类作为纳入标准,一些有价值的论文需要被排除,但这也使得用于荟萃分析的数据集相对同质。本综述的优势之一在于所荟萃分析的成像方案相对同质。例如,所有DSC成像方案均在给予钆对比剂预注射后成像。此外,对于纳入的研究DCE成像诊断准确性的研究,采用的是平均灌注值(即Ve、Vp和ktrans)。然而,不同研究使用了不同的灌注参数值(平均rCBV与平均rCBV最大值),这在一定程度上限制了结果的普适性[15]。所荟萃分析的患者和组织病理学结局(即IDH基因型和1p/19q共缺失状态)的同质性强化了本文所描述的发现。本文所应用方法的另一个局限性在于,本系统综述未在国际数据库中进行注册。

结论

本综述和荟萃分析显示,DSC参数在无创预测胶质瘤患者IDH基因型方面的准确性与DCE参数的准确性无差异。利用这些数据无法确定灌注MRI在预测1p/19q共缺失状态方面的应用价值。

补充信息

附加文件1:检索策略。

引用

  1. van Santwijk L, Kouwenberg V, Meijer F, et al. A systematic review and meta-analysis on the differentiation of glioma grade and mutational status by use of perfusion-based magnetic resonance imaging. Insights Imaging. 2022. PMID: 35670981. doi:10.1186/s13244-022-01230-7
  2. 全文:PMC9174367(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9174367/

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。