文献速递神经胸部MR

MRI特征与病理参数定义肺癌脑转移两种生长模式

MR imaging profile and histopathological characteristics of tumour vasculature, cell density and proliferation rate define two distinct growth patterns of human brain metastases from lung cancer.
PubMed 文献 · Neuroradiology · 2022-10-03

回顾性分析95例脑转移瘤术前MRI与组织病理, ROI测量信号强度并匹配Ki67、CD31等指标。常规MRI无法直接预测原发肿瘤,但Ki67高表达者瘤体更大、水肿更轻、DWI信号更高、ADC更低、微血管密度更低,可区分SCLC与NSCLC脑转移。

要点

  • Ki67高表达脑转移瘤体更大但瘤周水肿更轻,DWI信号更高、ADC更低。
  • 微血管密度在Ki67高表达脑转移中显著降低,SCLC多属高增殖组。
  • 常规MRI形态参数不能直接预测脑转移原发肿瘤,需结合DWI/ADC。
全文中译14 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:Neuroradiology. 2022 Oct 3;65(2):275–85. doi: 10.1007/s00234-022-03060-2

引言

脑转移瘤(BMs)是成人最常见的颅内肿瘤,其发病率呈上升趋势[1–3]。脑转移瘤通常与晚期肿瘤分期以及较高的患者发病率和死亡率相关。尽管采用了包括手术、立体定向放射外科或全脑照射在内的复杂多模式治疗方法,脑转移瘤患者的总生存期仍然较差,通常不超过6个月[4],且仅有小部分患者表现为长期生存[4]。对于表现为原发癌不明且存在单发颅内转移的患者,脑转移瘤的磁共振成像(MRI)诊断尤其具有挑战性。对于单发转移瘤,可能难以将其与恶性原发性脑肿瘤或脑脓肿相鉴别[5, 6]。一些研究描述了腺癌中T2加权成像信号呈低信号,并探讨了相关的组织病理学特征[7, 8]。既往的组织病理学和MR神经影像学研究探讨了脑水肿等单一参数的预后价值[9, 10]。

常规MRI上的信号强度或病灶模式或其他MRI参数(如水扩散)可能有助于表征病变脑组织。脑肿瘤中由弥散加权成像(DWI)计算得到的表观扩散系数(ADC)降低[11],见于细胞密度较高的区域,因为细胞数量增多使细胞外间隙变窄[12–14]。因此,DWI参数与原发性脑肿瘤的组织病理学特征相关,如肿瘤类型、肿瘤分级[15]和Ki67肿瘤细胞增殖指数[16]。然而,尚不清楚DWI和其他MRI模式是否具有区分脑转移瘤原发肿瘤类型的潜力。这种区分将简化诊断检查流程。例如,肺癌活检结果不明确时可能意味着需要行脑转移瘤手术,但这在小型细胞肺癌(SCLC)中并非首选,因为SCLC的脑转移瘤主要采用放射治疗。相反,非小细胞肺癌(NSCLC)的原发性肺癌和孤立性脑转移瘤则有必要行手术切除(综述见Goldberg等[17])。

在本研究中,我们旨在通过分析来自不同原发肿瘤的脑转移瘤的形态学MRI特征、ADC值以及DWI、T2加权和T1加权MR图像上的信号强度,阐明其鉴别因素。我们将这些MRI特征与组织病理学参数进行相关性分析,以验证肿瘤生物学特性并阐明其潜在机制。

材料与方法

患者队列和临床数据

我们回顾性分析了95例术前MRI,均为组织学证实的脑转移瘤(女性50例;男性45例;平均年龄59.6 ± 11.5岁),原发肿瘤包括恶性黑色素瘤(n = 10)、乳腺癌(n = 18)、NSCLC(n = 30)、SCLC(n = 8)、肾细胞癌(n = 7)、结肠癌(n = 7)、未另作规定的癌(NOS)(n = 10)或其他(n = 5,包括卵巢癌和食管癌等罕见类型)。所有患者均接受了脑转移瘤手术切除。评估了术前卡氏功能状态评分(KPS)[18]。KPS中位数为80%,范围为20%至100%。

MR成像

MRI在临床常规中于不同机构进行(本院n=53;其他机构n=42),场强不同(1特斯拉n=4;1.5特斯拉n=57;3特斯拉n=34),制造商不同(Siemens Healthineers n=43,Philips Healthcare n=42,General Electric Healthcare n=10),层厚和层间距也不同。本院和外部MRI方案至少包括平扫和增强T1加权图像以及T2加权图像。此外,79例MRI可获得DWI序列,64例可获得ADC参数图。61例和86例分别获得T2*加权和液体衰减反转恢复序列。由于机构间标准化操作程序不同,扫描方案及对比剂应用存在差异。我们旨在开发一种在临床常规中面对高度异质性数据时可行的方法。

MRI分析

瘤周水肿评估

瘤周水肿定义为邻近肿瘤边缘的明确T2信号高信号区域。根据Spanberger等[9]和Tung等[19]既往研究,在轴位T2加权图像上于可评估水肿的最大范围处进行测量(图1)。

图1 水肿评分。根据Spanberger等[9]和Tung等[19]的水肿评分概览。a 左侧幕下脑转移瘤的T2加权MRI,伴极小的瘤周水肿(箭头线),符合Spanberger 1级(最大宽度1 cm)。b 右侧额叶转移瘤的T2加权MRI,伴中等瘤周水肿环(箭头线),符合Spanberger 2级(最大宽度>1 cm,但未跨越脑中线)。c 左侧额叶转移瘤的T2加权MRI,伴大范围瘤周水肿(箭头线),符合Spanberger 3级(最大宽度>1 cm且跨越脑中线)。d 左侧顶叶转移瘤的T2加权MRI。测量示例:(X)最大正交直径,(Y)最大水平直径,(Z)自转移瘤边缘测量的最大瘤周水肿扩展范围。根据Tung等[19]的瘤周水肿比计算如下:“瘤周水肿”/(“正交直径”+“水平直径”)/2 查看原图 ↗

感兴趣区(ROI)放置

对于定量测量,我们通过审阅T2加权和平扫T1加权图像及其在DWI和ADC参数图上的相应结构,在BM视觉上可 delineate 的最大等信号或低信号实性肿瘤部分手动绘制均匀ROI,获得归一化平均值。

此外,我们参照Hayashida等[20],按以下公式计算对比噪声比(T2CNR、T1CNR、DWICNR):(仅以T2CNR为例展示)。ROI放置和计算在图2中示意显示。

图2 感兴趣区定义与评分计算的工作流程。右侧顶枕叶脑转移瘤上感兴趣区(ROI)放置与计算的示例方案。a–b 通过五个ROI评估T2加权(a)和T1加权(b)序列中实性肿瘤的信号强度。c–d 可用的DWI(c)和ADC(d)参数图空间分辨率有限,仅允许不超过三个ROI进行评估。我们记录了这些ROI的平均值(T2mean、T1mean、DWImean、ADCmean)。a–d 在对照侧半球相应表现正常的白质中也绘制相同大小的均匀ROI作为参考值(T2WM、T1WM、DWIWM、ADCWM)。归一化值以与参考ROI的比值确定,得到(nT2mean、nT1mean、nDWImean、nADCmean)。此外,我们在颅外周围空气中绘制一个ROI,取其标准差作为噪声信号(T2noise、T1noise、DWInoise)。对于所有ROI测量,我们始终选择无明显出血征象的区域(例如T2*加权图像中的磁敏感伪影) 查看原图 ↗

脑转移瘤的大小与对比增强

为评估脑转移瘤大小,我们选择显示病灶最大范围的层面,并在轴位对比增强T1加权图像上测量最大单维直径(mm)。

组织病理学分析

组织标本、处理及患者数据

神经病理学检查由委员会认证的神经病理学家(KHP、MM、PNH)完成。我们研究了来自德国法兰克福歌德大学肿瘤疾病生物样本库大学中心(德国癌症联盟成员)的福尔马林固定石蜡包埋脑转移瘤组织。所有染色均在组织微阵列上进行。包括生物材料使用在内的研究方案已获当地伦理委员会批准(GS 4/09;SNO-04-2015)。

免疫组织化学与免疫荧光

使用切片机(Leica Microsystems, Nussloch GmbH, Nussloch, Germany)将组织微阵列切成3 µm厚的切片,置于显微镜载玻片(SuperFrost, Thermo Scientific, Dreieich, Germany)上,加热至40 °C持续20 min(HI 1220, Leica Biosystems Nussloch GmbH, Nussloch, Germany),并在37 °C培养箱(Heraeus, function line, B12, Thermo Electron Corporation, Waltham, Massachusetts, USA)中过夜保存。免疫组织化学使用自动化载玻片染色系统Discovery XT(Roche/Ventana, Tucson, Arizona, USA)的标准化方案执行,包括针对以下抗原的抗体:Ki67(Dako)和CD31(Dako)。载玻片用苏木精复染并封片。对于细胞密度分析,我们在脱蜡后进行核4‘,6-二脒基-2-苯基吲哚(DAPI)染色。

数据分析

通过Ki67染色评估细胞增殖,并使用Olympus BX-50显微镜(德国汉堡)进行分析。Ki67增殖率的原始数据已经发表[21],现纳入进一步分析与神经放射学参数进行比较。血管密度通过计数与分析肿瘤区域相关的分化簇(CD)31阳性血管结构(每mm2)进行分析,使用带有Stereo Investigator(MicroBrightField公司Version 4.34软件)的光学显微镜。血管面积通过测量CD31阳性血管腔进行分析。数据分析使用ImageJ 1.48v(美国马里兰州贝塞斯达国家精神卫生研究所)进行。对于细胞密度测量,使用Nikon 80i显微镜(日本尼康,德国杜塞尔多夫)在200倍放大下、358 nm激发下拍摄DAPI染色组织微阵列中含肿瘤区域的代表性图像,并读取代表核染色的461 nm发射波长光谱中的蓝色荧光。作为细胞密度替代指标的强度使用Image J固有的强度测量功能进行测量。

统计分析

Ki67low与Ki67high肿瘤之间的比较使用Wilcoxon秩和检验和Pearson卡方检验(用于有序分类或非正态分布值),或在正态分布情况下(经Shapiro–Wilk检验)使用方差分析。对于多变量分析,使用R软件和party包[22]构建递归分区条件推断树。所有其他分析使用JMP软件解决方案(美国卡里SAS公司)进行。图形插图使用Affinity Designer(Serif (Europe) Ltd.)制作。

结果

原发癌类型的预测

组织学和临床参数(特别是CD31+血管、Ki67%和性别)具有区分脑转移瘤(BM)来源的潜力(图3)。我们未发现证据支持我们的假设,即临床可行的MR形态学参数可能有助于对BM原发肿瘤类型进行分层。多变量分析显示,CD31阳性血管以> 101.5/mm2为截断值可将肾细胞癌与其他类型区分开来(p ≤ 0.001)。接下来,CD31阳性血管≤ 101.5/mm2的BM在增殖率上显示出进一步细分。Ki67 > 58.8%的BM被诊断为SCLC、“其他”、结直肠癌或NSCLC(p = 0.003)。NSCLC的BM主要呈现Ki67 ≤ 58.8%。无论如何,SCLC和“其他”主要出现在Ki67 > 58.8%组中。恶性黑色素瘤仅见于Ki67 ≤ 58.8%且性别分布均匀。正如预期,性别分化导致乳腺癌仅出现在女性中(p = 0.003)。结直肠癌也见于男性队列中,Ki67 ≤ 58.8%。如上所述,NSCLC主要见于Ki67 ≤ 58.8%患者中,但在男性中占优势。

图3 用于对脑转移瘤原发肿瘤类型进行分层的决策树。使用递归分区条件推断树进行多变量分析,以组织病理学和MRI变量作为脑转移瘤原发肿瘤类型的预测因子 查看原图 ↗

增殖率定义了BM的两个不同亚群

在未能基于标准诊疗影像获得的MR成像特征预测BM原发肿瘤后,我们进一步分析了与BM增殖差异相关的模式。

因此,我们的下一步是将BM队列二分类(中位数分割)为Ki67high和Ki67low亚组。Ki67 > 27.9%和≤ 27.9%的BM分别归入Ki67high和Ki67low组。我们观察到,高增殖性BM(Ki67high)比低增殖性BM(Ki67low)表现出显著更大的肿瘤体积(p = 0.0244,图4,表1)和更小的瘤周水肿(图4,表1)。然而,大多数基于ROI的MR形态学参数在Ki67high和Ki67low BM之间无显著差异(nT2mean、T2CNR、nT1mean、T1CNR、nDWImean,表1)。事实上,仅DWICNR在Ki67high BM组中显著更高,这应代表比Ki67low BM更强的瘤内弥散受限(p = 0.0321,图4,表1)。相应地,Ki67high BM显示更低的nADCmean值(p = 0.0035,图4,表1)。

通过组织病理学评估,我们发现Ki67high BM队列中微血管密度(CD31阳性血管/mm2)和血管面积(血管面积/肿瘤面积)均降低(p = 0.0002;p = 0.0343,图4,表1)。通过DAPI核染色评估的细胞密度显示Ki67high BM中细胞密度有增高的强烈趋势(p = 0.0548,图4,表1)。

图4 影像学和组织病理学特征因脑转移瘤增殖率不同而异。按增殖能力分层的脑转移瘤(Ki67high和Ki67low亚组)中的磁共振成像和组织病理学特征 查看原图 ↗
表1 二分类Ki67high和Ki67low脑转移瘤队列的临床数据、磁共振成像和组织学参数比较 查看原表 ↗

SCLC和NSCLC的BM作为Ki67high和Ki67low BM的示例

由于NSCLC和SCLC的BM主要在其增殖能力上存在差异,且这两种肺癌类型的区分具有重要临床意义,我们进一步分析了其MRI和组织学参数。SCLC的BM(n = 8)表现为Ki67high BM特征,而NSCLC BM(n = 30)显示Ki67low组的模式(p = 0.0119,图5a)。SCLC的BM比NSCLC的BM更大(p = 0.0008,图5a),且瘤周水肿宽度更小(p = 0.0148,图5a)。此外,SCLC的BM通过更高的DWICNR信号(p = 0.0329,图5a)和更低的nADCmean值(p = 0.0017,图5a)显示出更强的弥散受限征象。在组织学水平上,与NSCLC的BM相比,SCLC的BM中细胞密度(通过DAPI染色评估)增高(p = 0.0057,图5a)。

图5 NSCLC与SCLC脑转移瘤的影像学和组织病理学特征不同。a 非小细胞肺癌(NSCLC)和小细胞肺癌(SCLC)脑转移瘤中磁共振成像特征和组织病理学参数的比较。根据我们的发现,与NSCLC的脑转移瘤(b)相比,SCLC(d)通常显示出更强的弥散受限征象,ADC图上值降低,肿瘤体积更大以及瘤周水肿带更小。然而,也存在不反映这些典型形态学发现的脑转移瘤,以一例NSCLC脑转移瘤(c)为例 查看原图 ↗

讨论

在我们的研究中,我们旨在解读BM的MR形态学模式,术前区分BM的原发肿瘤,并通过匹配的组织学分析获得生物学验证。

虽然脑转移瘤(BMs)的MR形态学无法预测其来源,但我们发现了高增殖性(Ki67高)和低增殖性(Ki67低)BMs的不同MRI特征,这可能有助于区分来源于非小细胞肺癌(NSCLC)(Ki67低)和小细胞肺癌(SCLC)(Ki67高)的BM,鉴于不同的治疗策略,这是一个具有特殊临床意义的问题。因此,所识别的MR特征可作为无创诊断工具,用于指导无法手术的肺癌患者及原发肿瘤活检结果不明确患者的诊断和治疗决策。作为Ki67高组代表的SCLC BMs以周围水肿较小为特征,尽管肿瘤体积较大,而来自NSCLC的BMs则反映了Ki67低组的特征。这些结果乍看似乎有悖直觉,因为瘤周水肿增加长期以来被认为是转移性病变患者发病和死亡的重要原因[9]。然而,还有其他快速侵袭性生长的脑肿瘤伴少量瘤周水肿的例子,例如,以前称为原始神经外胚层肿瘤的一组肿瘤、非典型畸胎样/横纹肌样肿瘤和原发性中枢神经系统淋巴瘤。这些高度增殖性肿瘤的特征是相对于其较大的肿瘤体积,瘤周水肿相对较小[23–29]。可以推测,血管重塑过程或血管生成时间较短可能是生长较快的BM瘤周水肿范围有限的原因。已有评估表明,随着转移细胞侵入脑组织,血管营养因子如血管内皮生长因子[30]可能被释放,诱导形成新的但更渗漏的血管[31]。然而,正如最近在黑色素瘤中所示,BMs通过套用现有血管进行血管重塑[32, 33]。与我们的结果相似,Spanberger等[9]也发现瘤周水肿较小的BM中平均血管密度较低、血管生成潜能较低,同时患者生存期缩短。Ki67高BM组还显示弥散受限,ADC值相应较低。弥散受限,即水质子在细胞外间隙的弥散受限,通过ADC值量化[11]。此外,我们发现弥散受限增加与Ki67高BM中细胞密度增加的趋势相关。此前已有研究表明,肿瘤细胞密度较高(定义为给定肿瘤组织区域内的细胞数量)使细胞外间隙变窄并限制水弥散[12, 13]。Ki67高BM中可渗透血管系统较少也可能减少肿瘤内的细胞外水分。

与我们的发现一致,Berghoff等[10]发现弥散受限与高增殖指数(Ki67%)之间存在相关性。此外,他们观察到在表现为更高弥散受限征象的BM中,网状纤维含量更高。我们未发现Ki67high与Ki67low肿瘤之间在网状纤维方面存在差异(数据未展示)。我们的研究存在需要讨论的局限性。由于本研究具有回顾性性质,我们面对的MRI方案、场强、对比剂方案/时机各不相同,且队列规模较小。因此,普适性可能有限。样本量在NSCLC(n = 30)与SCLC(n = 8)患者之间存在差异,这可能影响了结果。有必要开展更大规模的前瞻性研究,以揭示转移性生长/增殖与脑微环境(包括神经血管网络)相关结构改变之间的关系。所有ROI均与内部参考相关联,并在可能时评估CNR,以便以最标准化和客观的方式实现可比性。我们未进行计算机化肿瘤体积分割来计算BM大小[34],也未计算高维放射组学,因为我们面对的是高度异质性的真实世界数据,且旨在开发一种临床可行的逐步方法。我们选择这一方法是因为我们旨在使用可在日常临床实践中评估的可解释MR成像特征。最后,我们聚焦于MRI测量;因此,脑转移瘤空间分布的分析超出了本稿的范围[35, 36]。

总之,我们未能 stratify 一种可预测BM来源的特定MRI模式。然而,我们检测到关于低增殖(Ki67low)和高增殖(Ki67high)BM的 distinct MRI特征和组织病理学特征。这些特征可能具有在日常常规工作流程中无创区分NSCLC和SCLC BM的潜力。

引用

  1. Kiyose, Herrmann, Roesler, et al. MR imaging profile and histopathological characteristics of tumour vasculature, cell density and proliferation rate define two distinct growth patterns of human brain metastases from lung cancer. Neuroradiology. 2022. PMID: 36184635. doi:10.1007/s00234-022-03060-2
  2. 全文:PMC9859874(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9859874/

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。