双能CT虚拟去钙技术检测膝骨关节炎骨髓水肿样信号:与MRI对照研究
前瞻性纳入24例膝骨关节炎患者共28个膝关节,在MRI检查后24小时内行双能CT虚拟去钙(VNCa)成像,以MRI为参考标准将膝关节分为15个区域进行骨髓水肿样信号(ELMSI)分级。VNCa定性分析敏感度83.7%-89.8%、特异度99.5%,观察者间一致性κ=0.92,ROC曲线下面积0.961-0.992,表明VNCa对膝骨关节炎相关ELMSI具有良好诊断性能。
要点
- VNCa检测膝骨关节炎ELMSI敏感度83.7%-89.8%、特异度99.5%,观察者间一致性极好(κ=0.92)。
- 以Grade 3-4为阳性、Grade 1-2为阴性,CT值诊断AUC达0.961-0.992,cut-off值为-41HU和-47HU。
- 髌骨因体积小且受周围骨皮质影响,其敏感度、特异度、PPV和NPV低于膝关节其他骨。
核心结论
- VNCa图像对膝骨关节炎相关ELMSI的定性和定量分析均具有良好诊断性能,可作为MRI禁忌患者的替代检查方法。
研究设计与样本
- 前瞻性研究,纳入24例患者共28个膝关节(来自30例中排除6例),在MRI后24小时内行双能CT扫描。
- 使用Siemens Somatom Definition Flash双源CT,管电压80和140kVp,以Syngo MMWP VE40B软件后处理生成VNCa图像,相对对比度比设为1.56。
- MRI采用3.0T扫描仪,序列包括矢状位T1WI、轴位T2WI脂肪饱和、矢状位和冠状位T2WI脂肪饱和序列。
- 以MRI为参考标准,由两名肌骨放射科医生独立对15个膝关节区域进行ELMSI分级(Grade 1-4)。
关键影像表现/征象
- VNCa图像上ELMSI表现为高密度影,按严重程度分为Grade 4(严重,高密度影)、Grade 3(中度,相对高密度影)、Grade 2(轻度,稍高密度影)、Grade 1(无ELMSI,高密度但无可见异常)。
- ELMSI在内侧胫骨和股骨发生率最高,分别占4%和5%,其中股骨和胫骨内侧中央部分均为2%。
- 仅纳入软骨下骨内大于2mm的ELMSI以减少伪影导致的假阳性。
诊断标准与关键数值
- 定性分析:Reader 1敏感度83.7%、特异度99.5%、PPV 95.3%、NPV 97.9%;Reader 2敏感度89.8%、特异度99.5%、PPV 95.7%、NPV 98.7%。
- 定量分析:Reader 1和Reader 2的AUC分别为0.961(95%CI 0.93,0.99)和0.992(95%CI 0.98,1.00)。
- 以MRI Grade 3-4为阳性、Grade 1-2为阴性,Reader 1 cut-off值为-41HU(敏感度87.8%、特异度99.5%),Reader 2 cut-off值为-47HU(敏感度98.0%、特异度99.5%)。
- 不同ELMSI分级间CT值差异有统计学意义(p<0.001),分级越高CT值越高。
- 观察者间一致性κ=0.92。
临床应用与阅片要点
- 在VNCa图像上怀疑ELMSI时,可通过测量CT值提高诊断效能,cut-off值约为-41至-47HU。
- 髌骨区域评估ELMSI时需注意其敏感度和特异度较低,可能与小体积及周围骨皮质影响有关。
- VNCa算法无法直接显示紧邻骨皮质的轻度ELMSI,因骨皮质遮盖不完全和空间平均效应。
- DECT扫描速度快、辐射剂量不显著高于其他CT扫描,VNCa可作为MRI禁忌患者的替代方法。
局限性
- 样本量小,需要更大样本的进一步研究。
- VNCa算法无法显示紧邻骨皮质的轻度ELMSI,因骨皮质遮盖不完全和空间平均效应。
- DECT后处理图像设置需要多参数且参数选择对ELMSI显示影响大,未来需比较多种参数选择。
- 以MRI为参考标准因缺乏病理参考标准,小ELMSI可能在VNCa图像上无法检出。
全文中译12 节 · 点击展开
背景
全球最常见的关节炎类型是骨关节炎(OA),它是老年人功能障碍和残疾的主要原因[1–3]。膝关节最常受累,根据约翰斯顿县OA项目,膝关节OA的估计终生风险约为45%[1, 4]。膝关节OA相关的膝关节疼痛很常见,并且是受影响者生活质量下降的常见原因。然而,OA中膝关节疼痛的潜在机制仍知之甚少[4–6]。
软骨丢失是OA的特征性病理特征,尽管普遍认为OA是一种全关节疾病,涉及骨软骨下骨复合体,包括滑膜、半月板和韧带在内的局部软组织也可发生病理改变[1, 6, 7]。近期研究表明,ELMSI与膝关节OA患者的疼痛之间存在强关联,当患者随时间随访时,新发或扩大的OA-ELMSI可与MRI上加速的软骨丢失相关。鉴于其与新发疼痛和/或疼痛强度的关联,多项研究显示OA-ELMSI患者更可能接受全膝关节置换术,这并不令人意外,可以发现,在膝关节骨关节炎患者中,ELMSI的存在对于指导疼痛原因的临床评估很重要,并可支持做出关于适当治疗选择的决定[8–11]。疼痛可能由软骨下骨重建下的破骨细胞引起,尤其是支配OA疼痛的神经轴突生长;并进一步提示早期软骨下骨改变参与其中[12–14]。
肌肉骨骼系统由两个不同的解剖区域组成:骨和软组织。分析这两个主要区域最有价值的两种方法是CT和MRI。CT比MRI更便宜、更快速。此外,DECT扫描的辐射剂量并不显著高于其他CT扫描。MRI上的软骨下ELMSI与疼痛高度相关[13–15]。临床上,尽管Dixon技术可以定量识别水和脂肪,一些学者认为流体敏感MRI序列是识别ELMSI的非侵入性技术[16–19]。然而,一些患者因各种原因无法接受MRI,使其不适合用于急性膝关节疼痛的评估[20, 21]。DECT使用两个在不同管电压下同时运行的X射线管,以部署两种不同的X射线能谱并显示不同的组织特征。VNCa技术利用骨矿物、黄骨髓和红骨髓在两种DECT X射线能谱上的吸收曲线,从而通过图像后处理实现钙的减除[22–24]。我们假设DECT VNCa在检测膝关节OA相关ELMSI方面与MRI相比可实现良好的一致性。我们研究的目的是确定VNCa后处理技术检测膝关节OA相关ELMSI的诊断准确性。
材料和方法
这项前瞻性研究(临床试验注册号ChiCTR1900024305)已获当地伦理委员会批准,并已从所有参与者获得书面知情同意。
研究参与者
2017年8月至2018年11月期间,30例患者(男11例,女19例)在MRI后24小时内接受了膝关节双能CT(DECT)检查。之后,排除6例患者(1例骨梗死、1例类风湿关节炎、2例骨肿瘤样病变、2例图像质量不达标),最终纳入28个膝关节的420个区域进行分析(图1)。诊断标准为:反复发作的膝关节疼痛持续一个月[25];X线、CT和MRI检查显示关节间隙不对称狭窄、软骨下骨硬化及/或囊性变、关节骨赘形成;滑液清晰黏稠(至少2次),白细胞计数小于2000/-mL;晨僵持续时间小于30分钟;关节活动时出现骨摩擦音;红细胞沉降率(ESR)或C反应蛋白(CRP)水平正常或轻度升高[25–29]。排除标准包括:患者年龄<40岁;诊断为中轴型脊柱关节炎、类风湿关节炎、反应性关节炎、银屑病关节炎或任何其他类型的慢性免疫性疾病;全身性糖皮质激素治疗;MRI禁忌证;以及近期拒绝参与或拒绝参加[30–34]。
DECT扫描参数(图像重建)及后处理数据
本研究所有参与者均接受了DECT扫描(Somatom Definition Flash,Siemens Healthineers)。该扫描仪具有两个不同千伏电压的X射线管:低电压(A管)和高电压(B管)。管电压分别设置为80和140 kVp。所有扫描均采用头尾方向,患者取仰卧位。采集参数为(准直,40×0.6 mm;螺距,0.7;旋转时间,1.0 s)。我们假定管电流-时间乘积之比为2:1(A管,360 mAs;B管,180 mAs)。根据我们的扫描参数计算得出,各参数的平均容积CT剂量指数为12.9 ± 2.5 mGy(范围,11.3–16.3 mGy),平均剂量长度乘积为287.8 ± 178.2 mGy·cm(范围,115.6–537.8 mGy·cm)。在CT扫描的默认情况下,DECT扫描可获得三组不同的图像:80 kVp、Sn140 kVp和加权平均图像。我们以0.3:0.7的比例模拟加权平均,以获得对比度相当于120 kVp的标准CT图像。对于后处理数据,我们的算法以0.6 mm层厚(0.5 mm增量)重建80和Sn140 kVp数据集的轴位切片。
我们使用商业软件(Syngo MMWPVE40B Siemens)处理CT图像后处理数据。根据我们既往经验,我们将80和Sn140 kVp下的相对对比度比设置为1.56。平滑滤波范围强度设置为4,并使用彩色编码图进行进一步分析。
MRI序列参数
MRI采用3.0-T扫描仪(Achieva,Philips Healthcare,Best)和膝关节线圈进行。研究者用于检查膝关节骨关节炎患者的MRI参数为:矢状位T1加权自旋回波MR序列(重复时间毫秒/回波时间毫秒,633/20;回波链长度(ETL),6;视野(FOV),160 mm × 160 mm × 80 mm;采集矩阵,384 × 312;层厚,2.5 mm;层间距,0 mm),轴位T2加权脂肪饱和快速自旋回波MR序列(5069/63;ETL,15;FOV,160 mm × 160 mm × 80 mm;采集矩阵,292 × 216;层厚,2.5 mm;层间距,0 mm),矢状位和冠状位T2加权脂肪饱和快速自旋回波MR序列(4835/65;ETL,15;FOV,150 mm × 150 mm × 84 mm/160 mm × 160 mm × 84 mm;采集矩阵,272 × 195/308 × 240;层厚,3 mm;层间距,0 mm)。
定性分析
我们根据解剖特征将每个膝关节分为15个区域(图2)。髌骨分为外侧面和内侧面包。髌嵴被视为内侧面包的一部分。股骨关节面分为内侧髁和外侧髁,滑车沟是内侧髁的一部分。内侧髁和外侧髁均分为三个区域:(1)前部,从上骨软骨交界处前缘至半月板前角;(2)中部,从半月板前角前缘延伸至半月板后角后关节囊附着处;(3)后部,从半月板后角后关节囊副附着处延伸至骨与软骨的后上和后交界处。内侧胫骨平台和外侧胫骨平台分为三个相等的亚区:前部、中部和后部,胫骨棘被视为一个单独区域[35, 36]。
数据由两名放射科医师(阅片者1和阅片者2)独立分析,他们分别具有15年和6年的肌肉骨骼放射学经验。两人均不知晓患者的其他影像数据和临床信息。每位阅片者分析重建和后处理的双能CT(DECT)图像。评分基于膝关节各区域ELMSI的严重程度,如下所示:4级,重度ELMSI(显示高密度影);3级,中度ELMSI(显示较高密度影);2级,轻度ELMSI(显示稍高密度影);1级,无ELMSI(显示高密度但无可见异常)。以MRI作为参考标准评估ELMSI的严重程度(图3)。阅片者优化窗口设置和大小调整以进行诊断。我们仅纳入软骨下骨中大于2 mm的ELMSI,以减少伪影导致的假阳性结果数量。
以MRI作为参考标准评估ELMSI的严重程度。第三名放射科医师(阅片者3)具有18年的肌肉骨骼成像经验,且不知晓DECT结果,其对MRI进行ELMSI评估。阅片者3根据需要更改MRI的窗口设置和大小调整。
CT值的定量分析
在对ELMSI进行定性识别和分级后,由读者1和读者2对各区域进行定量分析。读者以MRI作为ELMSI存在的参考标准,独立测量CT值。在MRI的ELMSI区域中,我们在VNCa图像上找到相应区域,并使用圆形ROI获取CT值。对于每名研究参与者,在VNCa图像的ELMSI区域放置两个圆形ROI,以获得DECT VNCa平均CT值。另在骨髓上随机放置两个至少50 mm2的ROI以获取CT值(图4)。
统计分析
我们使用Cohen's Kappa统计量分析DECT VNCa图像视觉评估的读者间一致性。我们使用McNemar检验分析两名读者对不同级别ELMSI的视觉评估差异。使用DECT VNCa图像的视觉分析数据,我们计算了敏感度、特异度、阳性预测值(PPV,定义为MRI存在ELMSI而DECT不存在ELMSI)和阴性预测值(NPV,定义为DECT存在ELMSI而MRI不存在ELMSI)。
我们使用受试者工作特征(ROC)曲线及其相关统计量分析双能VNCa图像的CT值。然后,基于ROC分析,我们将CT值与MRI所见的ELMSI级别进行比较,以确定ELMSI最准确的CT值截断值。连续变量以均值 ± 标准差报告,并采用t检验进行分析。
使用SPSS统计软件进行分析。p < 0.05被认为具有统计学意义。
结果
本研究共纳入24名参与者。共对28个膝关节的420个区域进行分析。研究参与者统计资料见表1。
DECT在MRI后24小时内进行。在可供分析的510个区域中,420个区域(82.4%)被归类为符合标准。
VNCa图像上识别的ELMSI的定性分析
在我们的实验中,我们发现ELMSI在胫骨内侧和股骨的发生率最高,分别占4%和5%,其中股骨和胫骨的内侧中央部分均为2%。ELMSI定性分析的读者间一致性非常好(κ = 0.92)。读者1发现49个ELMSI区域在MRI上为真阳性,而8个区域在DECT VNCa图像上被归类为无ELMSI。读者2发现了5个假阴性和2个假阳性ELMSI结果。我们通过DECT VNCa图像识别ELMSI的存在,最终获得总灵敏度、特异度、PPV和NPV(表2)。在本研究中,发现髌骨的灵敏度、特异度、PPV和NPV低于膝关节其他骨骼。这可能与髌骨体积较小有关,因此该区域的ELMSI评估受到周围骨皮质的影响。
定量分析
表3显示了DECT VNCa图像上不同级别ELMSI的平均CT值。根据两位读者的发现,我们发现ELMSI级别越高,CT值越高,并且不同级别ELMSI的参与者在DECT VNCa图像上也有显著差异(两位读者的p < 0.001)(表3)。根据MRI结果,将1–2级ELMSI定义为阴性,3–4级ELMSI定义为阳性,并测量平均CT值(表4和图5)。
我们还通过ROC曲线分析对DECT VNCa图像上不同级别的ELMSI进行了分析。读者1和读者2的曲线下面积分别为0.961(95% CI 0.93, 0.99)和0.992(95% CI 0.98, 1.00)。结果见表5和图6。读者1和读者2在ROC上的截断值分别为-41HU和-47HU,灵敏度和特异度分别为87.8%和99.5%以及98.0%和99.5%(表5)。
讨论
本研究结果表明,DECT VNCa成像在检测膝关节OA中的ELMSI方面与MRI具有令人鼓舞的高度一致性。ELMSI可通过基于ROI的CT值测量进行定性和定量分析。我们还发现骨髓的CT值与ELMSI级别密切相关。四个级别ELMSI之间的骨髓CT值差异具有统计学意义。
我们的定性分析结果表明,VNCa 图像在检测 OA 中 ELMSI 变化方面具有优异的表现。简言之,在后处理过程中从 DECT 中减去钙以获得 VNCa 图像,从而能够识别增加的非特异性 CT 值。目前的 ELMSI 研究大多涉及创伤相关 ELMSI,关于 OA 等慢性疾病中关节炎相关 ELMSI 的信息较少。这可能是因为 MRI 不是评估创伤相关急性疼痛的首选方法。
我们此前曾报道,DECT VNCa 在检测腕关节挫伤方面具有良好的诊断性能,并且是 MRI 禁忌证患者的一种潜在替代扫描方法 [37]。目前,大多数研究者使用 VNCa 图像检测创伤相关 ELMSI,并且 DECT VNCa 图像的定性和定量分析对这些病变具有较高的诊断性能 [38–40]。一些研究者报道,VNCa 在检测多发性骨髓瘤相关 ELMSI 的浸润模式方面具有良好的诊断性能。值得注意的是,VNCa 技术已被应用于骶髂关节 ELMSI 的检测,并获得了良好的相关性 [41]。我们的数据表明,DECT VNCa 图像的定量分析对于膝 OA 患者 ELMSI 的诊断是有效的。ELMSI 阳性区域与 ELMSI 阴性区域之间的 CT 值差异对于确定 DECT VNCa 成像的定量和定性诊断结果很重要 [39, 41]。
在我们的研究中,这一显著差异使我们能够在 VNCa 图像上检测 ELMSI。我们测量了由 DECT 重建的 VNCa 图像上的骨髓衰减,发现 MRI 上 ELMSI 阳性区域的衰减显著高于 ELMSI 阴性区域。然而,在少数病例中,MRI 阳性 ELMSI 在 VNCa 图像的定性分析中未被检测到。当我们怀疑 DECT VNCa 图像中存在 ELMSI 时,可通过测量 CT 值提高诊断效率 [42, 43]。我们还使用 ROC 曲线截断值来分析疑似 ELMSI。该截断值大大提高了 ELMSI 检测的敏感性和特异性。Rel.CM 的值在后处理 VNCa 图像中起重要作用,并影响 ELMSI 的定性和定量评估。我们使用多平面重建图像测量骨髓的 CT 值。除骨髓外,膝 OA 还累及韧带、半月板和其他结构。各种 DECT 后处理技术可用于更好地显示韧带、半月板、滑囊和其他结构,这大大提高了其对该疾病的诊断性能 [44]。我们的数据表明,VNCa 技术可能是 MRI 禁忌证患者检测 ELMSI 的一种替代方法。DECT 扫描速度快,并与图像后处理的便利性相关。因此,VNCa 后处理对于我们诊断 OA 相关 ELMSI 具有重要意义。
我们的研究存在若干局限性。第一,参与者数量较少;需要更大样本量的进一步研究。VNCa算法无法直接显示紧邻皮质骨的轻度ELMSI;这是由于皮质掩蔽不完整和空间平均所致。第三,由于DECT后处理图像设置需要多个参数,且参数的选择对ELMSI图像显示影响很大,我们使用MRI作为参考标准来检测ELMSI,因此小的ELMSI可能在VNCa图像上无法被检测到。未来研究应包括对多个所选参数的比较。第四,由于可用的病理参考标准有限,MRI被用作参考标准。
总之,DECT VNCa图像对于膝OA相关ELMSI的定性和定量分析具有良好的诊断性能。DECT VNCa图像可能在诊断与OA-ELMSI相关的急性疼痛方面发挥重要作用。
引用
- Zhao, Li, Xie, et al. Dual-energy CT virtual non-calcium: an accurate method for detection of knee osteoarthritis-related edema-like marrow signal intensity. Insights Imaging. 2023. PMID: 37121955. doi:10.1186/s13244-023-01407-8
- 全文:PMC10149542(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10149542/
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。