多中心DWI MR成像中跨厂商变异的量化与降低:Cancer Core Europe影像工作组结果
在7个Cancer Core Europe中心使用3家厂商MR设备,标准化DWI及单次激发T2w序列并量化残余变异。体模ADC最大偏差经中心后处理降至2%;志愿者重复扫描ADC变异不超过11%,跨中心ADC变异为20%、单次激发T2w低于25%。放射组学分类ADC平均准确度0.87、AUC 0.98。
要点
- 标准化采集参数与中心化后处理后,体模ADC最大偏差可降至2%。
- 志愿者重复扫描ADC变异不超过11%,跨中心ADC变异为20%。
- 单次激发T2w重复扫描变异低于20%,跨中心变异低于25%。
核心结论
- 标准化MR采集与后处理参数后,多中心MR-DWI研究的ROI测量标准差可接受,尤其DWI/ADC测量有望支持多中心肿瘤临床试验。
- MRI可能成为肿瘤多中心试验中克服RECIST基于大小反应评估局限性的工具。
研究设计与样本
- 在7个Cancer Core Europe中心使用3家厂商MR设备进行体模与志愿者测量,序列为单次激发T2w和DW-EPI(b值100、500、900 s/mm2)。
- 志愿者数据集包括各中心不同的重复扫描(test-retest)及一名志愿者到全部中心扫描,共纳入14+7份DWI和单次激发T2w数据记录。
- ADC参考标准为体模已知ADC(20 °C时1600 μm2/s)及中心化后处理算法计算值,并与设备在线计算值比较。
关键影像表现/征象
- 肝脏ROI的ADC图因肝实质海绵状结构而不均匀,脾脏ADC图更均匀。
- 体模ADC在线计算值为1617±22×10−6 mm2/s(变异系数0.0136),中心化后处理为1624±16×10−6 mm2/s(变异系数0.0099)。
- 中心B因设备软件强制采集b=0 s/mm2导致在线ADC偏高,中心化计算统一使用b值100、500、900 s/mm2后最大偏差由36%降至11%,标准差由93 μm2/s降至35 μm2/s。
- 放射组学特征经tSNE降维后,不同解剖区域的ROI特征大多聚集在 distinct 区域。
诊断标准与关键数值
- DWI/ADC体模测量使用中心化后处理算法时最大偏差降至2%,与设备分散计算ADC值相比无显著差异(p=0.06)。
- 志愿者重复扫描ADC测量变异不超过11%,单次激发T2w在系统肝脏ROI内低于20%。
- 跨中心志愿者测量变异ADC为20%、单次激发T2w低于25%。
- 放射组学留一中心交叉验证分类平均准确度ADC为0.87、单次激发T2w为0.75,平均AUC ADC为0.98±0.02、单次激发T2w为0.96±0.04。
- 重复扫描实验中,以第一时点特征训练预测第二时点解剖实体,平均准确度ADC为0.87(0.012)、单次激发T2w为0.61(0.007)。
临床应用与阅片要点
- 多中心DWI/ADC定量研究宜统一采集参数(b值100、500、900 s/mm2)并采用中心化后处理算法计算ADC,可降低跨厂商变异。
- 设备在线ADC计算受厂商算法及强制b=0采集影响,中心B在线与中心化ADC差异较大,提示报告ADC时需关注后处理来源。
- 放射组学分类实验显示ADC特征较单次激发T2w特征更稳定,能可靠区分不同生理组织样本。
局限性
- 原文未报告局限性。
全文中译18 节 · 点击展开
引言
MRI因其优异的软组织对比分辨率,被广泛接受为非侵入性肿瘤表征的首选影像学方法。此外,多参数MRI中功能/生理成像的价值已得到充分确立,尤其是扩散加权成像(DWI)。DWI越来越多地应用于癌症患者的常规MRI检查中,用于诊断、分期以及治疗反应评估[1–3]。DWI提供了量化组织微结构中水分子运动的机会;然而,DWI采集参数(尤其是“b值”)缺乏标准化[4]导致机构间可比性不足,这在多中心临床试验中尤为重要。
尽管多参数MRI具有诸多优势,CT和基于大小的疗效评估(实体瘤疗效评价标准/RECIST/RECIST 1.1)[5]尽管存在固有局限性[6, 7],仍是肿瘤学试验中被认可的结果评价指标。MRI不仅能够描绘大小的变化,还能显示生理过程,如肿瘤细胞密度和微环境的早期变化,这些可以补充大小标准。
包含此类微结构信息的疗效评估将特别有帮助,因为许多新的肿瘤治疗方法,例如酪氨酸激酶抑制剂[8]和免疫检查点抑制剂,可能不会仅通过体积缩小来显示其疗效。
因此,理想的基于图像的治疗反应评估方法应具有准确评估和分层应答与无应答患者的潜力。DWI在转移灶检测方面表现出色,包括在标准成像被认为具有挑战性的器官中,如恶性骨髓[9]或腹膜浸润[10]。肿瘤细胞密度的变化早于肿瘤大小的变化[11, 12];因此,DWI可能通过为癌症患者提供新的疗效标准来改善患者照护,采用非侵入性、无辐射的方法,通过允许更早的疗效读出加速药物开发。
Cancer Core Europe联盟(CCE)的建立旨在协调欧洲大型癌症研究中心之间的癌症研究,以开展前沿的临床肿瘤学研究。它由七个中心组成。CCE的理念是形成一个多站点虚拟癌症研究所,以加速新疗法的开发。在此背景下,使用标准化成像对于产生协调一致的数据至关重要。
放射组学是一门新兴的医学图像后处理方法类别,使用数据表征算法从放射学医学图像中提取多种特征[13]。这些成像特征被认为可用于预测预后和治疗反应,例如在个性化治疗中。同质性成像数据被认为是成功应用放射组学的先决条件[14];因此,我们认为对数据进行放射组学评估可作为图像质量的标志。反过来,即使使用异质性成像数据,稳定且具有 discriminative 能力的放射组学特征可能是未来放射组学研究的关键。
与以往标准化采集参数的努力(如德国癌症联盟(DKTK)中的做法)不同,在CCE环境中使用的MR硬件由不同厂商生产[15, 16]。
本研究的目的是评估和量化CCE中心当前MRI参数(包括结构和生理成像)的可变性,并量化CCE范围内统一的通用MRI方案的残余可变性,旨在获得(独立于厂商的)均匀MR成像结果。
材料与方法
数据在参与CCE的7个放射科采集(英国癌症研究中心剑桥中心、德国癌症研究中心和海德堡国家肿瘤疾病中心、Gustave Roussy研究所、国家肿瘤研究所、卡罗林斯卡医学院、荷兰癌症研究所和Vall d'Hebron肿瘤研究所)。在所有站点,均在计划用于CCE研究的扫描仪上进行了体模和志愿者MRI测量(表1)。对于所有扫描仪,实施了一个核心方案,包括单次激发T2加权序列(单次激发T2w)(厂商特定名称:HASTE(半傅里叶采集单次激发涡轮自旋回波成像)/SS-FSE(单次激发快速自旋回波)/SS-TSE(单次激发涡轮自旋回波))和包含b值100、500和900 s/mm2的DW-EPI序列,参数尽可能保持一致(详见附录)。
采集了两个志愿者数据集:“重测信度”:一名志愿者被置于扫描仪中并接受核心CCE方案。初始成像后,断开并重新连接线圈,将志愿者重新定位(间隔< 15分钟)于扫描仪中,并重复整个流程。这些志愿者在各中心之间不同。
“所有扫描仪中的志愿者”:一名参与重测设计的志愿者前往其他6个参与中心,并在那里接受核心CCE方案。
每次测量包括上腹部平扫。前往所有中心的志愿者与中心F的重测志愿者为同一人,以便为相对比较提供参考。
因此,共纳入14 + 7条数据记录(DWI和单次激发T2w),以研究多中心环境中MR测量的可变性。
硬件
体模和志愿者测量在7个CCE站点(“A”–“G”)进行。MRI厂商如下:A:GE Optima MR450w,B:GE Discovery MR450,C:Philips Achieva dStream,D:Siemens Avanto,E:Siemens Avanto Fit,F:Siemens Aera,G:Philips Ingenia。除站点C使用3-T机器外,场强均为1.5 T。使用了脊柱和体部阵列成像线圈。
MRI采集参数
DWI和单次激发T2w序列在各中心之间标准化。重点放在DWI参数的定量评估上,更确切地说是评估所测表观扩散系数(ADC)的可比性。
DWI参数如下:视野(FoV):340 mm × 293 mm;矩阵:130 × 112(平面内分辨率2.6 mm各向同性);层厚:5 mm;TR在7022至8500 ms之间;TE最小在60至90 ms之间;并行成像加速因子2;b值100、500和900 s/mm2,不同b值分别采用1、6和23次信号平均;扩散方案:Siemens Healthcare采用三维对角线,GE Healthcare采用3-in-1,Philips Healthcare采用梯度overplus;接收带宽约2000 Hz/px。
单次激发T2加权成像(HASTE/SSFSE/SS-TSE):视野(FoV):400 mm × 336 mm;矩阵:320 × 256(平面内分辨率0.6 mm各向同性);层厚:5 mm;无间隔;TR 1000;TE 70;并行成像加速因子:2。
体模
使用直径为20 cm的球形体模,内充聚乙烯吡咯烷酮(PVP)水溶液并集成温度计(HQ Imaging GmbH)。通过PVP浓度调节所需ADC值(此处:20 °C时为1600 μm2/s)。ADC的温度依赖性通过校准曲线予以考虑[17]。温度效应的校正分三步进行:(1)测量体模内温度,(2)执行MRI扫描并计算ADC,(3)通过使用校准曲线计算共同标准温度(此处为20 °C)下的ADC值。通过这种方式,无需等待体模达到热平衡,而热平衡可能需要数小时。该流程在临床环境中被认为比使用冰水浴更为实用。
体模的平均ADC值、其标准差以及温度效应的校正均在自动放置的固定大小ROI中完成(见图1a)。
志愿者图像分析
进行了两种类型的志愿者测量(见上文):第一种设置“重测信度”用于评估扫描仪内变异性;第二种设置“所有机器上的志愿者”用于检验中心间的可比性。
对于体内评估,使用手动放置的圆形ROI以反映临床研究中的实际情况。
对于ADC和单次激发T2加权值,由一名委员会认证的放射科医师在11个解剖位置(左肾和右肾;肝段4、7和8;脾内2个位置,左、右腰方肌,第1和第2腰椎椎体)绘制掩膜,如图1b–d所示。2D圆形掩膜固定大小为250 mm2,使用MITK放置(图1)[18]。
后处理
ADC图通常由扫描仪直接计算(在线)。然而,不同厂商使用不同的算法。这可能降低不同成像中心之间的可比性。因此,我们将扫描仪直接提供的ADC值与所有中心使用相同算法集中计算的ADC图进行了比较。该算法使用标准单指数扩散模型,省略b 0。信号随b值的对数衰减通过最小二乘法拟合为线性函数。拟合线性曲线的斜率即为ADC [19]。
影像组学
为了区分不同器官,数据被重采样至1 × 1 × 1 mm3。为了补偿厂商特异性因素,如接收线圈灵敏度、患者负载和单次激发T2加权成像的接收增益,我们 additionally 使用3D Slicer [20]以默认参数(10个匹配点和128个直方图水平)进行直方图匹配;对于每个数据集(hat(单次激发T2加权)= 所有机器上的志愿者,trt_hat1 = 重测信度1,trt_hat2 = 重测信度2),以站点1(即DKFZ/中心F)作为参考。
图像分析使用自定义的Python脚本进行。我们使用PyRadiomics[21] 2.2.0版本为每个感兴趣区(ROI)提取1409个特征(见补充材料)。为了自动确定一个小的特征子集(N=15),我们采用了两阶段特征选择过程。首先,我们计算了各中心之间每个解剖位置的平均绝对Pearson相关系数,以识别稳定的特征。低于任意阈值0.75的特征被剔除。其次,对于剩余的特征(ADC为100个/单次激发T2w为44个),我们使用scikit-learn 0.21.3版本[22]中实现的方差分析F值评分法计算了判别解剖标签的最佳预测因子。所识别特征的列表见补充表1和表2。
分类使用随机森林分类器进行,包含1000棵树,最大深度为10,其余参数采用scikit-learn的默认设置。我们进行了两项不同的实验:(a) 使用每个“所有扫描仪中的志愿者”数据集,基于所选放射组学特征子集,我们进行了10次留一中心交叉验证用于器官预测;(b) 对于重测实验(ADC和单次激发T2w),我们使用初始采集(时间点1)的所有中心数据训练分类器,然后预测第二次采集的器官;报告五次运行的平均结果和标准差。
为了可视化,我们使用默认参数的tSNE对N=15个特征进行了降维。此外,我们使用scikit-learn 0.23.2版本[22]计算了10次重复运行、5个器官和7个研究中心之间的平均ROC曲线。
所有解剖ROI直方图两两之间的第一Wasserstein距离使用SciPy 1.3.1版本采用默认参数计算[23]。数值被归一化到[0,1]范围内。值为零表示分布相同,而较高的值反映直方图的不相似性。
统计学
统计分析使用Excel(Office 2016,Microsoft)和R统计计算软件(版本3.0.3;http://www.r-project.org/)进行。重测场景下的ADC变异根据Bland-Altman方法学[24, 25]进行评估。计算并描绘每台机器上两次后续测量的差值均值、相对差值和标准差于Bland-Altman图中。变异系数(CoV)估计为CoV = 标准差 / 均值(%)。使用Wilcoxon符号秩检验评估在MRI设备和中心计算的ADC值的变化。显著性水平根据所进行的比较次数进行调整(Bonferroni校正,p < 0.007)。
结果
体模:标准化ADC采集
所有中心ADC体模测量结果如图2所示。体模测量反映了理想条件下的ADC测量:高SNR、无部分容积效应、无灌注。通过扫描仪在线计算确定的ADC值为1617 ± 22 × 10−6 mm2/s(变异系数:0.0136),在此条件下,各中心间ADC的最大偏差(即最高测量ADC − 最低测量ADC)为4%。当使用共同的集中后处理算法进行ADC计算时,可比性进一步提高。在这种情况下,ADC值为1624 ± 16 × 10−6 mm2/s(变异系数:0.0099),最大偏差降至2%。然而,集中计算的ADC值与扫描仪控制台计算的ADC值在均值或标准差方面无显著差异(p = 0.06)。
重测ADC
图3a中的Bland-Altman图显示了在肝脏3个ROI中测量的计算ADC的重测测量结果。所有测量值的均值由蓝色虚线表示。红色虚线标记同一志愿者在所有中心测量的一个标准差。第一次和第二次测量之间测量的ADC偏差低于11%。
肝脏ROI内ADC相对较大的变化(均值:965 ± 221 × 10−6 mm2/s)反映了肝脏结构。肝脏的海绵状结构导致ADC图不均匀(见图1)。脾脏的特征是ADC图均匀得多。其他结果见附录。此处若干结果显示ROI内ADC值的标准差较小。
值得注意的是,中心“B”在扫描仪上计算的“在线”ADC值与集中计算的ADC值之间存在较大偏差。这是由于在数据采集时,MR设备的软件版本强制要求采集b 0 s/mm2。相比之下,其他中心的ADC测量以b 100 s/mm2作为最低b值。使用b = 0 s/mm2会因灌注效应导致ADC升高。在ADC值的集中计算中,这些限制不存在,中心“B”的ADC基于与其他中心相同的b值(100、500、900 s/mm2)计算。这显著降低了各中心间ADC的最大偏差和标准差(最大偏差 扫描仪ADC/集中计算:36/11%;标准差 扫描仪ADC/集中计算:93/35 μm2/s),因此同时应用于体模和志愿者测量。
重测单次激发T2w
对单次激发T2w测量中检测到的灰度级进行了相同的重测评估,结果如图3b所示。
肝脏感兴趣区内单次激发T2w测量的灰度级变化(平均值:480 ± 123)再次反映了肝脏结构的不均匀性。
所有机器中的志愿者:ADC
“所有扫描仪中的志愿者”比较的参考值为旅行志愿者在中心“F”的测量结果,变化量则为在其他6个参与中心按照核心CCE方案在各中心测量所得的结果。因此,中心“F”的结果始终为原点“0”。ADC和T2w信号强度的Bland-Altman图如图4a和b所示。
使用影像组学特征进行组织表征
实验1——所有站点的同一志愿者
如上所述,筛选出15个影像组学特征的子集。我们对这些特征进行了降维处理,以定性展示表征不同解剖区域的特征的内在结构。如图5所示,从器官感兴趣区提取的大多数特征聚集在不同的区域。
影像组学特征子集还被用于训练分类器。目标是在使用其余站点训练的基础上,预测某一站点成像数据中的解剖实体。ADC序列的平均准确率为0.87,单次激发T2w序列的平均准确率为0.75。ADC和单次激发T2w序列的结果总结于表2中。
针对基于影像组学特征子集训练的分类器,生成了受试者工作特征(ROC)曲线和曲线下面积(AUC)指标(附录中的补充图)。此外,计算了ADC和单次激发T2w序列在所有站点上的平均ROC曲线和AUC值。获得的ADC平均AUC为0.98(± 0.02),单次激发T2w的平均AUC为0.96(± 0.04)。
实验2——重测
在第二项实验中,我们评估了使用第一时间点的特征训练模型来预测重测(第二)时间点解剖实体的可重复性。本次随机森林分类器在ADC序列上的平均准确率为0.87(0.012),在单次激发T2w序列上的平均准确率为0.61(0.007)。
对于重测数据,我们还计算了不同解剖区域ROI之间的Wasserstein距离。该距离衡量的是将一个直方图转换为另一个直方图所需的工作量。在我们的实验中,我们使用该指标来可视化与不同解剖ROI相对应的结构(图6)。与单次激发T2w直方图的距离相比,重测ADC直方图的距离能够更好地视觉 delineate 不同解剖区域。
讨论
我们的数据显示,在采集参数 harmonization 和后处理均质化之后,标准化协议在基于ROI的评估中产生了可接受的标准化差,尤其是对于DWI/ADC测量,为大规模患者队列的多中心临床试验铺平了道路。
MR检查中的技术和生物学变异,包括重复匀场、患者摆放、序列测量和ROI选择,以及志愿者/患者轻微的温度或水合状态差异,均反映在扫描-重扫描数据中。在此,ADC的总测量变异不超过11%,而对于我们的结构成像替代指标——单次激发T2w——则低于20%(图3和图4)。如果我们将在同一志愿者于各站点间旅行时进行的连续ROI测量所获得的MR成像差异进行比较,ADC未超过20%,单次激发T2w未超过25%。
对于体模测量,ADC的差异可降低至低至2%(变异系数:0.0136)。在此,通过省略b值0并应用标准化的中心后处理,变异可显著降低。显然,在人体中,灌注效应可导致所用b值与所得ADC之间存在强依赖性[26, 27]。部分残余偏差可能由厂商特定的重建算法引入。
肿瘤学多中心试验大多使用客观肿瘤缓解率(ORR)或 无进展生存期(PFS)来评估抗肿瘤反应,这些指标纳入了肿瘤负荷的变化。虽然根据RECIST的尺寸测量在MRI和CT之间没有差异(肺除外),但MRI在肿瘤学研究中提供的额外生理学和软组织信息在很大程度上被忽视。部分原因是定量读出预期具有高复杂性和变异性。
在解决基于RECIST的缓解评估的局限性时,量化真实世界临床研究中观察到的差异非常重要。对于观察者间变异性,新病灶的检测在本地阅片者和中心盲法阅片者之间可能差异超过50%,而肿瘤负荷测量在阅片之间的差异约为18% [28]。一项关于基于RECIST的肿瘤负荷测量的meta分析[29]得出了类似结论,显示单病灶测量的相对观察者间差异为20%及以上。
因此,在多中心MR测量中单独进行解剖学评估时观察到的相对观察者间差异>20%似乎是符合预期的[29]。对于习惯于查看不同厂商医学图像的读者来说,在单个志愿者中看到的方差确实超过在重测设置中看到的方差,这并不意外;然而,能够量化这些方差以及检测到的方差量有限是有前景的。
在临床环境中,MR测量时段可用性较低以及扫描时间至少延长3倍,必须与CT更快的扫描时间进行权衡讨论。在此,MRI的临床获益必须明确展示,特别是对于在多个再分期间隔期间保持稳定的老年患者。然而,对于初始治疗阶段和临床研究中的情况,由功能性MR数据支持的早期反应预测似乎具有很大价值。
在我们的研究中,单次激发T2w被用作结构图像的示例。图像质量的客观参数在很大程度上缺失,SNR估计可能具有误导性。然而,灰度变化并未显著超过在DWI/ADC中观察到的变化。
关于在人体MRI中观察到的信号变化,必须考虑到测量差异部分是由于MRI的优势所致:与CT相比,MRI具有高软组织对比度。在最近一项使用手动分割ROI的多中心全身MRI(3特斯拉,单一厂商)设置中研究健康志愿者的发表文献中,重复性和再现性被量化[16]。在这里,重复性和再现性的95%置信区间表明腹部发现的ADC信号变化超过16-45%(肝脏35%)具有临床意义。发现的略高方差可能部分是由于使用了全身协议以及平均使用的更高场强,导致伪影增加,特别是在肺/肝和肺/脾界面处。虽然在最近一篇发表文献中比较1.5-T和3-T机器对骨髓ADC测量时存在系统性误差[30],但在我们的数据中未观察到此类效应,不过参与中心仅使用了单一3-T系统。
在影像组学中,特征提取被认为对不均匀的图像质量敏感[31, 32]。在最近一篇探索宫颈癌T2加权MRI影像组学特征稳定性的发表文献中,主要发现形状特征具有稳定性[33]。在我们的实验中,由于缺乏形状特征,分类(两个实验)和视觉分离(图6)对ADC的效果优于单次激发T2w成像。这是合理的,因为ADC被认为“更具”定量性。经典的影像组学特征,例如均值,被识别出来。这也是合理的,类似于人类在测量和比较ROI时会做出的区分方式。
当然,在我们的研究中,影像组学特征的引入是一种可行性应用。我们旨在证明,当使用我们的统一采集技术并在各中心使用同一名志愿者时,影像数据可用于开发定量影像生物标志物。这是一个非真实场景,我们并不声称获得了有效、可推广的影像组学模型。为此,需要更多样本(患者)。尽管如此,在两个分类实验中,我们能够识别出稳定的特征,从而可靠地区分五种不同的生理组织样本——尽管使用了非常有限的训练数据。此外,通过重测场景,我们证明了各中心测量信号的相似性。这为从病理组织改变中确定影像组学特征奠定了基础,并将有助于未来多中心肿瘤学研究评估。
结论
结构性肿瘤终点受到扫描变异性和图像个体阅片的显著影响。因此,必须尽量减少多中心设计中增加的额外变异,以促进治疗效果的检测。在此背景下,MRI可能是有益的,因为它在单纯解剖评估之外增加了生理终点。统一采集是强制性的,因为MRI仅是一种定性信号,而在真实世界的患者场景中数据质量预计会更差。然而,本研究的结果对于多中心使用MRI检测与肿瘤学标准读数相当的信号方差似乎是令人鼓舞的。从这些信号中衍生的影像组学特征是支持病灶特征描述及其治疗反应的额外工具。
CCE合作的进一步工作将包括增强图像和动态对比增强MRI(DCE MRI)时间序列,以评估肿瘤影像学的全部范围。
补充信息
ESM 1(DOCX 958 kb)
引用
- Sedlaczek OL, Kleesiek J, Gallagher FA, et al. Quantification and reduction of cross-vendor variation in multicenter DWI MR imaging: results of the Cancer Core Europe imaging task force. Eur Radiol. 2022. PMID: 35678860. doi:10.1007/s00330-022-08880-7
- 全文:PMC9705481(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9705481/
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。