磁共振參數結合臨床數據構建胃癌伴淋巴結轉移的預測模型

劉洋 李小龍 李思 宋瑞 陳學謙 范嬌嬌

近些年我國胃癌的發病率和死亡率逐漸升高,早期根治性切除結合術前和術后放化療以及分子靶向治療是當下的主要臨床方案[1]。準確的術前分期、淋巴結轉移以及腹腔臟器受累是影響手術療效、術后復發和患者生存預后的主要因素[2]。經腹超聲、多期增強CT以及磁共振檢查是術前臨床TNM分期的主要依據,但缺乏統一公認的標準。影像學上淋巴結轉移陽性的征象與病理結果仍然存在一定誤差,過低或者過高評估淋巴結轉移均會影響手術方案的制定,也會增加患者的痛苦[3]。因此,提高術前淋巴結轉移的診斷準確率將極大優化治療方案。磁共振成像(Magnetic resonance imaging,MRI)在腹部疾病如胃癌、肝癌和結直腸癌的鑒別診斷、術前T和N分期、局部腫瘤浸潤深度以及早期復發的隨訪等方面均有廣泛的應用[4]。MRI對軟組織的分辨率較高,具有較快的時間和空間成像特點,以及多個有潛力的成像序列和后處理技術[5,6];與CT相比幾乎無射線暴露,安全性較高。常規MRI檢查確定胃癌的淋巴結轉移多以形態學標準為主,如腫瘤大小、邊緣和內部信號。近期研究發現[7,8],擴散加權成像(diffusion weighted imaging,DWI)測量表觀擴散系數(apparent diffusion coefficient,ADC)在胃癌的鑒別診斷、早期復發和轉移預測方面具有較高的準確性。因此,本研究基于磁共振參數和臨床數據構建胃癌患者淋巴結轉移的風險預測模型并進行驗證。

1 資料與方法

1.1 一般資料 回顧性總結2018年6月至2022年6月我院病理確診胃癌患者共160例為研究對象,男87例,女73例;年齡53～78歲,平均(60.2±6.3)歲。

1.2 納入與排除標準 (1)納入標準:①年齡>18歲;②符合胃癌的病理診斷標準,病理類型為腺癌;③至少存在一個可測量的腫瘤病灶;④磁共振掃描圖像清晰;⑤既往未進行任何手術、放化療;⑥臨床資料完整,患者簽署同意書。(2)排除標準:①明確的胃癌遠處轉移,如肝、肺;②合并其他部位原發惡性腫瘤,如肺癌;③嚴重肝腎功能障礙、重癥感染等。

1.3 方法 所有患者入院后術前檢測外周血癌胚抗原(Carcinoembryonic antigen,CEA)和CA199,CEA正常參考值<5.9 ng/ml,CA199正常參考值<40 kU/L。采用3.0T MRI獲得T1-橫軸位、T2-冠狀位和軸向位以及DWI序列,判斷腫瘤T和N分期,測量ADCmean。根據病理結果證實有無淋巴結轉移。比較淋巴結轉移陽性組與陰性組患者的臨床數據和磁共振參數,臨床數據包括性別、年齡、血清CEA和CA199、手術切緣、分化程度(中高或者低),磁共振參數包括ADCmean、淋巴結長度和厚度、T分期和N(陰性或陽性)、受侵腸壁周長和壁外血管侵犯。

1.4 MRI檢查 采用荷蘭ACHIEVA 3.0T TX MRI掃描系統和腹部Torso相控陣線圈,檢查前禁食水≥8 h。使用頻率衰減反轉恢復(Spectral attenuated inversion recovery,SPAIR)序列獲得冠狀狀位T2加權圖像,TR=3 550 ms,TE=62 ms,層厚6 mm,層間距0.8 mm,視野=375 mm×448 mm×158 mm,矩陣=288×298,采集次數=2,回波序列長度(ETL)=16。軸向T2加權圖像TR=890 ms,TE=70 ms,層厚6 mm,層間距1 mm,視野=375 mm×317 mm×167 mm,矩陣=312×205,采集次數=2,ETL=16。T1加權序列參數為TR=500 ms,TE=20 ms,層厚6 mm,層間距1 mm,視野=375 mm×315 mm×167 mm,矩陣=252×157,采集次數=2,ETL=16。DWI參數為TR=1 665 ms,TE=60 ms,層厚8 mm,層間距0.6 mm,視野=375 mm×302 mm×210 mm,采集次數=4,b=0 s/mm2和800 s/mm2,ADC圖使用Philips Intellispace Portal 6.0版自帶軟件計算ADC值,手動勾勒感興趣區域至少涵蓋腫瘤內3個不同的平面,避免壞死區域和腫瘤邊緣,測量3個ADC值并取ADCmean。根據指南推薦,評估淋巴結特征包括位置、長度、厚度、切除邊緣、壁外血管浸潤、浸潤深度(T期)、淋巴結轉移(N期),MRI根據以下4個因素判斷淋巴結轉移:淋巴結直徑>8 mm;形狀不規則;邊界不清;信號不均勻。每例患者的MRI圖像均由2名經驗豐富的影像學專家進行獨立判讀。

2 結果

2.1 2組臨床數據比較 52例病理證實淋巴結轉移,發生率為32.5%(52/160)。單因素比較發現,淋巴結轉移陽性組患者血清CEA和CA199明顯高于陰性組,切緣陽性和低分化增多(P<0.05)。見表1。

表1 2組臨床數據比較 例

2.2 2組磁共振參數比較 淋巴結轉移陽性組患者比陰性組ADCmean降低,T分期(T3～T4)、N(陽性)和壁外血管侵犯增多,差異有統計學意義(P<0.05)。見表2。

2.3 淋巴結轉移的預測模型及驗證 構建預測模型Y=0.562+0.123×(CA199)-0.285×(ADCmean)+0.896×(T分期)+1.256×N+0.758×(分化級別)。ROC顯示,預測模型診斷淋巴結轉移的AUC值為0.895(95%CI=0.821～0.934,P<0.001)。見圖1。

圖1 模型預測淋巴結轉移的ROC曲線

2.4 淋巴結轉移的危險因素回歸分析 將上述比較差異具有統計學意義的臨床數據和磁共振參數作為自變量,淋巴結轉移陽性作為因變量,納入多因素Logistic回歸模型。結果顯示,CA199和ADCmean、T分期、N(陽性)和分化級別是淋巴結轉移的獨立預測因素(P<0.05)。見表3、4。

表3 自變量賦值

表4 淋巴結轉移的危險因素Logistic回歸

3 討論

CT評估胃癌淋巴結轉移主要基于淋巴結大小和形態學標準,當淋巴結直徑>4.5 mm通常被認為是惡性[9],但這一標準不夠準確,也沒有被廣泛接受。此外,通過對比增強CT造影圖像能夠獲得淋巴結密度、面積等定量指標也有助于提高胃癌轉移性淋巴結的診斷,報道顯示診斷準確率從59%提高到71%[10]。淋巴結轉移與否與術前放化療的方案制定以及預測臨床療效密切相關[11]。CT和常規MRI檢查判斷淋巴結轉移主要以淋巴結直徑為依據,但是由于缺乏大量數據,單純依賴淋巴結的形態學標準評估胃癌的淋巴結轉移具有較大的不確定性,對放射科醫生的主觀度有較大的依賴性[12]。盡管多項研究指出,轉移性淋巴結的比例隨著淋巴結直徑的增加而升高,但是淋巴結的直徑大小沒有廣泛接受的標準,良性和惡性淋巴結之間存在大量重疊[13]。Al-Sukhni等[14]通過對21項臨床研究進行Meta分析發現,當淋巴結直徑>8 mm時診斷轉移性淋巴結的準確性(AUC)僅為0.71;顯然整體預測準確性并不令人滿意。除了淋巴結大小外,淋巴結的邊界是否規則以及內部信號強度是否均勻被認為是預測轉移性淋巴結的另外2個重要因素。然而,形狀和邊緣只有當淋巴結直徑>5 mm時,才能有效評估信號強度[15]。不幸的是,常規MRI檢查直徑<3 mm的淋巴結非常困難。因此,本研究通過匯總MRI常規序列(T1和T2)和DWI序列獲得ADCmean以及多項臨床數據來篩選影響轉移性淋巴結診斷的主要因素。

本研究發現,胃癌淋巴結轉移陽性率為32.5%。CEA和CA199是目前證實與胃腸道惡性腫瘤診斷關聯性最高的兩個生化指標,有較高的敏感性[16]。多個實體惡性瘤如肝癌、肺癌、結直腸癌的ADCmean降低與腫瘤的惡性程度升高,以及早期浸潤深度、淋巴結轉移和血管侵犯具有直接關系[17,18],ADC值也被認為淋巴結轉移的一個強有力預測指標。通過磁共振圖像判斷腫瘤T分期以及淋巴結轉移具有較高的敏感性,磁共振的多個序列和多個層面對比能夠提高腫瘤局部浸潤深度以及鄰近淋巴結轉移的識別,對淋巴結直徑、形態、內部信號特征以及周圍炎性反應具有較好的判斷能力[19]。Meta分析表明,MRI鑒別轉移性淋巴結的敏感性和特異性分別為0.690～0.840和0.590～0.810[20]。

本研究采用多因素Logistic回歸分析顯示,CA199和ADCmean、T分期、N(陽性)和分化級別是淋巴結轉移的獨立預測因素(P<0.05)。構建預測模型診斷淋巴結轉移的AUC為0.895(P<0.05)。有利于指導臨床醫生早期識別淋巴結轉移,提高診斷準確率,并以此制定更精確的淋巴結清掃術。當模型預測患者有轉移性淋巴結而外科醫生術中沒有發現周圍轉移性淋巴結,表明遠處淋巴結(如腸系膜下動脈、直腸上動脈、髂內動脈和髂外動脈區)可能有轉移,外科醫生可能需要進行遠處淋巴結清掃術[21]。MRI圖像可以根據淋巴結的大小、形狀和信號特征進行重新評估,選擇最有可能轉移的淋巴結區域,指導外科醫生更加針對性聚焦該區域,提高手術的精確性[22]。

本研究也有一定局限性:(1)單中心、回顧性臨床病例總結,樣本量較小,下一步通過開展更大規模的多中心、臨床前瞻性隊列研究進行驗證。(2)MRI圖像上淋巴結無法與病理進行一一匹配,無法準確測量每個淋巴結的ADC值,僅能測量腫瘤原發灶的ADC值。(3)本研究使用的圖像是非對比增強MRI圖像,增強MRI能夠進一步提高胃癌淋巴結轉移的診斷性能。此外,動態對比增強MRI定量參數在鑒別轉移性淋巴結方面也有突出的應用前景。

綜上所述,術前胃癌磁共振檢查有助于判斷淋巴結轉移,血清CA199升高、ADCmean降低、T分期升高、N陽性和低分化是淋巴結轉移的獨立預測因素,預測模型有較高的診斷潛力,便于臨床推廣應用。