文献速递神经MR

扩散成像可辅助鉴别胶质瘤进展与治疗相关异常:一项Meta分析

Diffusion imaging could aid to differentiate between glioma progression and treatment-related abnormalities: a meta-analysis.
PubMed 文献 · Insights Imaging · 2022-10-04

该Meta分析系统检索PubMed、EMBASE和Cochrane图书馆,纳入10项ADC研究(414例)和4项FA研究(154例),定量分析显示ADC和FA值在胶质瘤进展(TP)与治疗相关异常(TRA)组间存在显著差异(p=0.005),ADC鉴别TP与TRA的汇总敏感度85%、特异度81%,FA为75.2%和77.6%,但研究间异质性高,个体水平诊断标准尚待验证。

要点

  • ADC值在胶质瘤进展(TP)组低于治疗相关异常(TRA)组,平均差−0.24×10⁻³mm²/s(p=0.005)。
  • FA值在TP组高于TRA组,平均差0.05(p=0.002),鉴别效能略低于ADC。
  • ADC鉴别TP与TRA的汇总敏感度85%、特异度81%;FA为75.2%、77.6%。

核心结论

  • 在群体水平上,定量ADC和FA值可区分胶质瘤进展(TP)与治疗相关异常(TRA),ADC鉴别效能优于FA。
  • ADC在TP组降低,与肿瘤细胞增殖导致细胞外水扩散减少的理论一致;FA在TRA组降低,可能与坏死导致细胞外容积增加有关。
  • 由于缺乏个体水平的验证诊断标准及扫描协议异质性,扩散指标尚未能直接用于日常临床决策。

研究设计与样本

  • 系统综述与Meta分析,遵循PRISMA 2020指南,检索PubMed、EMBASE和Cochrane图书馆截至2021年1月的文献。
  • 最终纳入10项ADC研究(414例患者,男252例、女161例,平均年龄50.7±1.3岁)和4项FA研究(154例患者,男85例、女69例,平均年龄51.8±4.6岁)。
  • 纳入标准要求分别报告TRA和TP组的ADC/FA数据、WHO分级、人口学特征及MR扫描协议(尤其是b值)。
  • TP与TRA的最终诊断依据二次手术后的组织病理学或基于影像和临床随访的RANO标准。
  • 采用随机效应模型计算ADC和FA的均值差,并用QUADAS-2评估偏倚风险,Egger回归检验发表偏倚。

关键影像表现/征象

  • 常规MRI上,TRA可表现为一过性对比增强环形病灶增大及周围T2/FLAIR高信号区扩大,与真性肿瘤进展(TP)相似,单凭常规MRI不足以鉴别。
  • ADC值降低提示细胞密度增高、细胞外水扩散受限,见于肿瘤进展(TP);ADC值升高提示细胞完整性破坏、细胞外游离水增加,见于治疗相关异常(TRA)。
  • FA值升高提示水扩散方向受限、细胞密度增高及各向异性增加,见于TP;FA值降低见于TRA,可能与坏死导致细胞外容积增加有关。

诊断标准与关键数值

  • ADC鉴别TP与TRA:TP组平均ADC 1.13×10⁻³mm²/s(95%CI 0.912×10⁻³–1.32×10⁻³),TRA组1.38×10⁻³mm²/s(95%CI 1.33×10⁻³–1.45×10⁻³),平均差−0.24×10⁻³mm²/s(p=0.005)。
  • ADC鉴别TP与TRA的汇总敏感度85%(95%CI 78.5–89.8%),汇总特异度81%(95%CI 72.3–86.6%)。
  • FA鉴别TP与TRA:TP组平均FA 0.19(95%CI 0.189–0.194),TRA组0.14(95%CI 0.137–0.143),平均差0.05(p=0.002)。
  • FA鉴别TP与TRA的汇总敏感度75.2%(95%CI 53.3–89.1%),汇总特异度77.6%(95%CI 60.5–90.4%)。
  • 所有纳入研究的b值均为b=0和b=1000 s/mm²,仅Chu等(2013)额外研究了b=3000 s/mm²。

临床应用与阅片要点

  • 在胶质瘤术后随访中,可将ADC值作为鉴别TP与TRA的辅助定量指标,ADC降低更支持肿瘤进展。
  • FA值可作为补充指标,但鉴别效能略低于ADC,且DTI序列在部分MRI设备上可能不可用。
  • ADC和FA的解读需结合临床背景(年龄、萎缩、其他白质病变)、扫描仪类型和协议,避免脱离语境孤立判断。
  • 纵向单中心随访使用同一DWI协议和机构参考值时,ADC/FA的个体化应用可能更可靠。
  • 建议将扩散指标与灌注MRI、MRS或PET-MR等多模态成像结合,以提高鉴别诊断的准确性。

局限性

  • 本综述未在国际前瞻性系统综述注册数据库注册。
  • DWI/DTI缺乏个体水平的验证诊断标准,研究间敏感度和特异度差异部分源于此。
  • ADC/FA值受扫描仪类型、协议、兴趣区勾画方法等因素影响,个体间差异显著,当前仅报告b值而未报告扩散梯度时序。
  • 部分纳入研究包含WHO 2级低级别胶质瘤患者,可能对治疗反应不同并影响影像结果。
  • 多数论文未报告标准统计指标(均值、标准差、95%CI),且未遵循FAIR原则发布数据,导致可纳入Meta分析的文献有限。
全文中译10 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 Oct 4;13:158. doi: 10.1186/s13244-022-01295-4

要点

ADC和FA值可区分TP与TRA。

由于细胞外水扩散减少,TP中ADC降低

假设TRA中FA因坏死而降低

未按照FAIR原则报告导致论文被排除

背景

在大约40%的高级别胶质瘤患者(WHO 3+4级)中,化疗与放疗联合可引起对比剂摄取增加和残余肿瘤的表观增大,或出现模拟胶质瘤进展的新发病灶,后者也可作为低级别胶质瘤治疗中的放射性损伤出现[1–3]。这些现象被称为治疗相关异常(TRA),其病理生理机制尚未完全明确,但可能与治疗导致的内皮细胞损伤有关,进而引起组织炎症,并因VEGF上调而导致水肿加重。文献中将TRA描述为假性进展和放射性坏死。它是一种良性事件,无需额外治疗即可消退,并与更好的结局相关[2]。在常规磁共振成像(MRI)上,可观察到增强后环形强化病灶的短暂增大以及周围T2/FLAIR高信号区域的增大,类似于真性肿瘤进展(TP)[4]。尽管常规MRI可用于检测胶质瘤影像随访中的变化,但其本身不足以区分TRA与TP。因此,这已成为胶质瘤患者影像学随访中的主要挑战之一,因为只有组织活检或连续影像学检查才能提供确定性诊断[5]。由于常规MRI方案在区分TRA与TP方面的诊断准确性不足,人们提出了更复杂的成像方案。此类成像方案包括使用弥散加权成像(DWI)、灌注加权成像(PWI)和弥散张量成像(DTI)。DWI指标之一涉及组织的表观弥散系数(ADC)[6]。降解细胞完整性的过程(如坏死)会导致细胞外间隙自由水增加,从而使ADC值升高;而肿瘤导致的细胞密度增加会减少细胞外水,并与较低的ADC值相关[7]。在临床环境中,研究发现ADC值适用于评估胶质瘤对治疗的反应,并可在使用同一扫描仪和方案的情况下连续预测生存[8]。相反,当水的扩散方向受到更多限制时,DTI指标各向异性分数(FA)升高[9]。较高的FA值表明细胞密度增加和等向性降低,并已被证明能够评估胶质瘤浸润[10]。此外,已有多种报告涉及使用ADC和/或FA值区分TRA与TP[11, 12]。然而,这些研究报告了不同的敏感度/特异度、阳性预测值和阈值比,而在荟萃层面对于定量ADC或FA指标的清晰概览仍难以获得。本研究综述了DWI和DTI在辨别TRA与TP方面的证据,并评估在荟萃层面是否有足够证据支持在日常临床环境中使用ADC或FA值。最后,阐明了未来临床研究的挑战与机遇。

材料与方法

检索策略及纳入标准/排除标准

本研究实施过程中遵循了更新的系统综述和荟萃分析优先报告条目(PRISMA 2020)指南[13]。系统检索了PubMed、EMBASE和The Cochrane Library,以获取2021年1月之前发表的相关文献。采用交叉引用法将相关文献补充至数据库。检索于2020年5月1日至2021年1月1日期间进行。

为了符合本综述的纳入标准,研究需要描述使用ADC或FA值来区分治疗后胶质瘤患者的TRA与TP。纳入标准为:(1)研究需要提供关于ADC/FA值的统计数据,或可通过联系通讯作者获取这些数据;(2)ADC/FA数据需要分别呈现TRA组和TP组的数据;(3)纳入胶质瘤的分级需要按照世界卫生组织(WHO)分级系统呈现;(4)纳入患者的人口学特征需要按组分别呈现(如性别、平均年龄);(5)需要报告MR成像方案的信息,特别是所使用的b值,因为b值等会影响弥散指标[14]。如果论文为信件、预印本、病例报告、会议论文集、叙述性综述,或基于动物或儿科人群,则予以排除。

检索到的论文由两名研究人员独立进行三轮评估(一名具有2年研究经验的医学博士-博士研究生,以及一名放射学/核医学四年级住院医师,拥有神经影像学博士学位并在脑实验成像方面具有超过7年的专业知识)。第一轮包括对标题和摘要进行筛选;第二轮包括全文分析,以评估论文是否符合任何纳入标准和/或排除标准。第三轮从纳入的论文中提取信息。

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TRA组和TP组的患者数量;(c)纳入参与者的平均年龄(每组);(d)纳入参与者的性别(每组);(e)胶质瘤的WHO分级;(f)ADC/FA指标(如均值、标准差、中位数、四分位数、范围);(g)灵敏度/特异度 rates;(h)MR成像方案(如b值)。研究人员定期会面讨论其发现、交叉核对数据并解决分歧。

荟萃分析

使用 Review Manager(RevMan)(IOS 版本 5.3。哥本哈根:北欧 Cochrane 中心,Cochrane 协作网,2014)和 OpenMetaAnalyst(IOS 版本 12.11.14。MetaAnalyst,塔夫茨医疗中心)对所得定量数据进行荟萃分析。采用随机效应模型计算各研究中 ADC 和 FA 值的均数差。此外,为评估 ADC 值区分 TRA 与 TP 的灵敏度和特异度,采用单试验方法进行了诊断试验准确性评价。此外,评估了纳入研究的合并灵敏度/特异度比值。采用 I2 统计量评估异质性;I2 范围为 0%(即无异性)至 100%(即最高异质性)。为计算 I2 以评估其对分析的影响,首先计算了卡方值和自由度。此外,计算了真实效应量分布的标准差估计值(Tau2),以为随机效应模型中的研究分配权重。还计算了使用 Z 检验的总体效应检验,以检查效应的合并估计是否具有统计学显著性。为评估主要诊断准确性研究的偏倚风险和适用性,使用了 QUADAS-2 清单。为确定发表偏倚,使用了 Egger 回归检验。

结果

通过系统检索共识别出 820 项唯一研究;通过交叉引用检索到 4 篇论文。这些论文(n = 824)按标题和摘要进行了系统筛选。基于标题和摘要,662 篇论文被认为不相关,因此被排除。其余 162 篇论文被纳入全文分析。在 52 篇论文中,研究的主要目标是评估胶质瘤对周围脑实质的浸润,而在 43 篇论文中,主要结局是对贝伐珠单抗的应答预测。26 项研究关注弥散指标在生存分析中的应用。在 13 篇论文中,作者关注纤维束成像的使用。7 篇论文提供的数据不足,无法纳入。5 篇综述被排除;1 篇论文涉及脑转移瘤研究,1 篇论文关注应用人工智能区分 TP 与 TRA。10 篇使用 ADC 测量的论文被纳入荟萃分析 [11, 12, 15–22]。4 篇使用 FA 测量的论文被纳入分析 [12, 16, 23, 24]。用于区分肿瘤级别的 WHO 分类因论文发表时间不同而有所差异。WHO 2007 标准和 WHO 2016 标准均有报道。TRA 与 TP 之间明确诊断的区分通过二次探查手术后的组织病理学结果 [12] 或通过基于影像学和临床随时间随访的神经肿瘤学反应评估(RANO)标准(即放疗野外新出现的强化病灶或临床确认疾病进展 [25])来完成。PRISMA 流程图请见图 1。根据 QUADAS-2 工具的评估,所有纳入研究的偏倚风险均被认为较低(图 2a、b)。

图 1 PRISMA 2020 流程图 查看原图 ↗
图 2 a 所有 ADC 研究中经 QUADAS2 评估的偏倚风险和适用性关注点的条形图。b 所有 FA 研究中经 QUADAS2 评估的偏倚风险和适用性关注点的条形图 查看原图 ↗

关于表观扩散系数应用的Meta分析

本Meta分析共纳入413例患者(男性252例;女性161例),估计平均年龄为50.7 ± 1.3岁。除Zakhari等的研究[21]外,所有研究均提供了胶质瘤WHO分级信息。7例患者为WHO 2级胶质瘤,101例为WHO 3级胶质瘤,288例为WHO 4级胶质瘤。在所有研究中,扩散张量成像相关参数b值均涉及b = 0 s/mm2和b = 1000 s/mm2。仅Chu等(2013)的研究额外探讨了b = 3000 s/mm2的b值[22](表1)。ADC值基于强化病灶的兴趣区(ROI)以不同方式测定。部分论文中ROI为手动绘制,部分为手动放置的圆形ROI,而Kazda等未报告兴趣区是如何选择的。在Meta分析层面上,TP组患者的平均ADC值为1.13 × 10−3mm2/s,95%置信区间(95% CI)为0.912 × 10–3–1.32 × 10−3mm2/s(I2 = 99%;p < 0.001)。另一方面,在TRA组中,平均ADC值为1.38 × 10−3mm2/s,95% CI为1.33 × 10–3–1.452 × 10−3mm2/s(I2 = 87%;p < 0.001)。Meta分析显示,TP与TRA的平均ADC指标之间平均差异为− 0.24 × 10−3mm2/s。这表明TP与TRA的ADC值之间存在显著平均差异(p = 0.005)。然而,观察到纳入研究间存在高度显著异质性,I2为87%(p < 0.0001)(图3)。图4提供了纳入研究灵敏度/特异度比值的概览;仅Zeng等(2007)的论文提供的数据不足以纳入这部分Meta分析[15]。合并灵敏度为85%(95% CI 78.5–89.8%);合并特异度为81%(95% CI 72.3–86.6%)。Egger回归检验显示无显著发表偏倚(p = 0.700)。

表1 纳入ADC研究及纳入患者人口学特征概览 查看原表 ↗
图3 纳入研究中ADC指标的森林图 查看原图 ↗
图4 纳入研究灵敏度和1-特异度比值的汇总受试者工作特征曲线图 查看原图 ↗

关于各向异性分数应用的Meta分析

本分析共纳入4项研究,合计154例患者(男性85例;女性69例;估计平均年龄为51.8 ± 4.6岁)。Razek等[24]未报告个体患者的平均年龄或WHO分级,仅说明纳入了WHO 3级和WHO 4级胶质瘤。报告了个体参与者特征的研究显示,7例患者为WHO 2级胶质瘤,20例为WHO 3级,85例患者为WHO 4级胶质瘤。总体上,这些研究共发现90例TP和64例TRA。在所有研究中,使用的b值为b = 0 s/mm2和b = 1000 s/mm2。关于基线人群的更多信息见表2。所有FA值均基于对比增强病灶内及周围的ROI,其中三项研究为手动勾画,Wang等使用了半自动分割。TP的平均FA值为0.19(95% CI 0.189–0.194),而TRA的平均FA值为0.14(95% CI 0.137–0.143)。TP组与TRA组之间FA值的平均差异为0.05,且差异有统计学意义(p = 0.002)(图5)。合并灵敏度和合并特异度分别为75.2%(95% CI 53.3–89.1%)和77.6%(95% CI 60.5–90.4%)(图6)。Egger回归检验再次显示无显著发表偏倚(p = 0.200)。

表2 纳入的FA研究概述及纳入患者的人口学特征 查看原表 ↗
图5 纳入研究中FA指标的森林图 查看原图 ↗
图6 纳入研究灵敏度和1-特异度比的汇总受试者工作特征图 查看原图 ↗

讨论

尽管在胶质瘤患者的随访和管理中至关重要,但迄今为止,准确区分TP与TRA仍被证明是困难的。由于TRA与TP的结局截然不同,早期准确区分二者有助于避免对TRA患者进行再次干预,同时也为TP患者组的治疗提供依据。本荟萃分析显示,在组水平上,ADC值以及程度较小的FA值可用于区分治疗后胶质瘤患者中的TP与TRA(p = 0.005),ADC值和FA值的合并灵敏度与特异度分别为85%和81%,以及75%和78%。TP组和TRA组患者估计的平均ADC值和FA值与以下理论一致:TP是肿瘤细胞增殖增加的结果,导致细胞外水扩散减少,从而产生较低的ADC值[26, 27]。据推测,治疗损伤(TRA)导致的坏死所致细胞密度降低会引起FA值降低并伴细胞外容积增多,而在TP中,当肿瘤沿现有白质纤维束生长时,细胞密度增加会使FA值升高[28]。然而,驱动TRA的机制仍部分未明。一般认为,放射治疗后由于(微)血管损伤,发生毛细血管渗漏,导致细胞毒性和血管源性水肿的产生[29]。此外,少突胶质细胞损伤在TRA的发生中也起重要作用[30]。因此,一般认为TRA表现为组织ADC值相对升高[19],并伴有FA相对降低[9]。这些假说得到了当前研究结果的支持。

与大量关于弥散加权成像(DWI)在胶质瘤随访中应用的文献相比,可用于荟萃分析的表观弥散系数(ADC)数据有限。这是由于不同论文采用了不同的统计指标和不同的结局指标。研究ADC值的不同测量指标,如第5百分位数或相对ADC值,可为ADC图的开发提供新的信息[10, 27, 31]。然而,由于可用于荟萃分析的可比数据有限,使用不同的测量指标可能会减缓进一步的发展和未来研究。这将是不利的,因为ADC图在识别胶质瘤生长的浸润模式[32]、预测O6-甲基鸟嘌呤-DNA甲基转移酶(MGMT)甲基化状态[33]以及预测治疗结局和生存期[33–35]方面也已显示出有希望的结果。此外,在接受激光间质热疗的胶质母细胞瘤患者中,术后即刻MRI扫描(< 24 h)瘤周区域的ADC值显示与后期肿瘤复发区域相关[36]。

FA值是一个介于0和1.0之间的标量值,因此在参与者之间是更为一致的指标。除了区分TP与TRA外,FA值还被报道能够检测少突胶质肿瘤中的异柠檬酸脱氢酶(IDH)状态,以无创方式评估预后和治疗选择,准确率约为80%[37]。FA值的另一个可能用途是通过分析瘤周水肿或使用距离信息引导的轨迹加权成像来评估肿瘤细胞浸润并预测胶质瘤复发部位[38, 39]。这在检测侵袭和辅助确定临床放疗靶区体积方面显示出前景。

此外,已有研究在影像诊断流程中加入其他指标(多模态MRI),以使复发与治疗所致改变的鉴别更加可靠。灌注磁共振成像(动态对比增强、动态磁敏感对比和动脉自旋标记)和磁共振波谱已被报道能够准确区分肿瘤组织与放疗所致TRA[2, 20, 40]。PET-MR可用于监测胶质瘤的治疗反应和检测复发[2]。需要注意的是,所有诊断方法都有其自身的优势和局限性。了解这些先进成像技术的特性有助于综合更循证的組織评估,并有助于对当前问题作出准确诊断。

在个体患者中实施ADC和FA分析的局限性与挑战

本综述的一个局限性在于,该综述未在国际前瞻性注册系统综述数据库中注册。

如本荟萃分析所示,ADC和FA值可在研究环境中于组水平上用于区分TP和TRA。DWI/DTI的一个突出且特征性的局限性是缺乏在个体水平上经过验证的诊断标准。这在一定程度上解释了不同研究人群之间敏感度和特异度值的差异,需要进一步研究以能够明确和验证个体诊断标准,并扩大DWI/DTI指标的使用范围。

扩散指标的另一个普遍局限性是,脱离背景对数值的解读高度模糊,且ADC/FA值受其他因素影响,如临床数据(例如年龄、萎缩、其他白质缺陷)、测量目的(即检测IDH状态或将TRA与TP区分)以及扫描仪类型和协议,这些均可导致ADC/FA值的显著个体内差异。ADC值的显著差异可在个体水平上因所使用的扫描仪和扫描协议而出现,从而不仅反映TP与TRA之间的差异,也反映由扫描仪类型造成的组水平差异。这是当前仅报告b值而非报告脉冲磁场梯度编码运动的持续时间和间隔时间的扩散加权报告标准所固有的[41]。为应对这一不足,我们建议根据FAIR原则标准化采集或报告这些额外的时间参数。使用相同DWI协议进行纵向单中心研究以随访例如治疗反应时,只要使用其机构的参考值,就不会遇到此问题。除了仅报告b值而非DWI梯度时序外,当前研究中使用的低b值(b0)未考虑尚未衰减的血流或灌注信号。已证明约100 s/mm2以上的b值可衰减这些信号,仅剩扩散水的信号[41]。未来研究可考虑使用100 s/mm2作为较低b值计算DWI指标,以避免灌注和血流效应,从而评估诊断结果和可靠性方面可能存在的差异。

还应考虑到,尽管一般建议胶质瘤的放射学随访应由经验丰富的放射科医生使用包含最新序列的多参数MRI协议进行。在胶质瘤随访中使用FA参数意味着所有MRI扫描仪均可使用此模态。然而,情况并非总是如此,因为DTI序列的价值仍在研究中。另一方面,扩散加权成像作为标准序列可用,因此在胶质瘤随访中广泛可用。因此,建议未来研究重点集中于成像协议和扩散指标的协调统一,以创建更具互换性的ADC值。这将允许基于扩散指标进行更可靠的诊断。

不同的组织映射方式(ROI/手动分割)是另一个阻碍过程标准化的变量。需要进行高级分析以确定组织映射的最佳行动方案。此外,TP与坏死性改变的共存[42, 43]影响扩散值,这进一步复杂化了日常临床环境中的使用和标准化应用。同样重要的是要注意,Xu等和Park等纳入了WHO 2级胶质瘤患者,其被定义为低级别胶质瘤,可能对治疗反应不同并可能影响成像结果,因为本文聚焦于高级别胶质瘤。

此外,该主题下大多数论文的质量不足,因为多数作者未报告标准化指标(如均值、标准差、95% CI),而是报告了在相对较小数据集中产生显著结果的数值。未来研究应侧重于按照FAIR原则(即可查找、可访问、可互操作、可重复使用)发表研究数据。FAIR原则强调了计算系统在无需或极少人工干预的情况下查找、访问、互操作和重用数据的能力的重要性,因为需要处理的数据在数量和复杂性上不断增加,且其产生速度显著快于以往[44]。

最后,本荟萃分析所报告结果的临床实施将受到ADC/FA图个体间变异性的阻碍。因此,需要一个经外部验证的、具有个体水平诊断标准的预测模型,而该模型无法从组分析中推导得出。这可以通过在前瞻性队列中使用统一的标准化方法来实现,例如通过使用标准化扫描方案和标准化组织映射方法,从标准化图谱中的相同区域获取ADC值。

结论

本荟萃分析显示,ADC和FA指标可在患者组中准确区分TP和TRA。为进一步实现临床转化,需要统一 imaging 方案和阅片流程。此外,该领域进一步发展需要经过充分验证、可用于个体患者的诊断标准,这些标准应基于临床研究,最好是在大型前瞻性队列中开展并按照FAIR原则发表研究数据。

引用

  1. van den Elshout, Scheenen, Driessen, et al. Diffusion imaging could aid to differentiate between glioma progression and treatment-related abnormalities: a meta-analysis. Insights Imaging. 2022. PMID: 36194373. doi:10.1186/s13244-022-01295-4
  2. 全文:PMC9532499(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9532499/

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。