首页 > 论文范文 > 医药卫生论文 > 影像检验论文 > MRI论文 > 双参数MRI与临床特征预测前列腺癌包膜外侵犯的价值

双参数MRI与临床特征预测前列腺癌包膜外侵犯的价值

2024-07-27 16 上传者：管理员

摘要：目的探讨双参数MRI（bpMRI）联合临床特征预测前列腺癌包膜外侵犯（EPE）的价值。方法回顾性分析2022年1月—2023年12月本院收治的经手术治疗的前列腺癌患者110例的临床资料，术前均采用bpMRI进行检查，纳入MRI前列腺癌包膜外侵犯评估系统（MRI-EPE）、PI-RADS 3～5类评分、总前列腺特异性抗原（tPSA）、病灶最大径、前列腺体积、年龄因素进行分析，分别构建临床特征、bpMRI特征、临床+bpMRI特征的Logistic模型预测EPE。采用受试者工作特征曲线（ROC）和Delong检验验证各模型以及比较模型间的差异。结果 110例前列腺癌患者中，EPE阴性组59例、EPE阳性组51例。分析结果显示MRI-EPE（χ2=26.326,P<0.001）、PI-RADS 3～5类评分（2=16.683,P<0.001）、tPSA（t=-3.269,P=0.002）、病灶最大径（t=-2.704,P=0.008）与EPE情况具有相关性，基于上述参数进一步建立临床特征（tPSA）、bpMRI特征（病灶最大径+MRI-EPE+PI-RADS）、临床+bpMRI特征（tPSA+病灶最大径+MRI-EPE+PI-RADS）模型。临床+bpMRI特征模型的AUC为0.841（95%CI:0.767～0.915）,分别高于临床和bpMRI特征模型的0.672（95%CI:0.571～0.774）和0.782（95%CI:0.697～0.867）,Delong检验显示临床+bpMRI特征模型的AUC分别与临床、bpMRI特征模型具有统计学差异（Z=3.056、1.982,P=0.002、0.047）,临床、bpMRI特征模间不具有统计学差异（Z=1.449,P=0.147）。临床+bpMRI特征模型的准确性、特异性、敏感性、阳性预测值以及阴性预测值分别为0.800、0.780、0.824、0.764、0.836。结论基于临床+bpMRI特征所构建的模型对预测EPE具有很高的参考价值。

关键词：
前列腺癌
包膜外侵犯
双参数磁共振
根治性切除术
联合模型
加入收藏

前列腺癌作为男性高发恶性肿瘤，临床上主要采取根治性切除术予以治疗。根治性前列腺癌切除术术后需要重点关注阳性手术切缘( positive surgical margins, PSMs )的风险，PSMs风险增加是肿瘤生化复发的独立预测因子[1]。为了降低PSMs风险而过度扩大切除范围，可能会引发患者术后的尿失禁和勃起功能障碍，严重影响患者的生活质量。由于前列腺癌包膜外侵犯(Extraprostatic extension, EPE)与PSMs密切相关，因此术前能否精准预测EPE对手术切除范围的选择至关重要[2]。EPE是指前列腺肿瘤突破前列腺包膜向前列腺以外组织或器官侵犯，Mehralivand等提出应用磁共振(MRI)评估EPE(MRI-EPE),观察者间一致性较高，但单独应用MRI-EPE预测的效能欠佳[3-4]。本研究旨在构建双参数MRI(bi-parametric MRI,bpMRI)与临床特征的联合模型预测EPE风险，并验证其诊断效能，以辅助临床决策。

一、资料与方法

1.一般资料：

回顾性分析2022年1月—2023年12月于本院经病理证实为前列腺癌的男性患者的临床资料。纳入标准：(1)术前经超声引导下穿刺证实为前列腺癌；(2)均行根治性前列腺癌切除术；(3)穿刺术前1周内行MRI检查且根治性切除术与MRI检查间隔在1月内。排除标准：(1)PI-RADS评分≤2;(2)以往存在其他恶性肿瘤或内分泌、放化疗治疗史；(3)图像质量差，癌灶显示不清或无法观测；(4)总前列腺特异性抗原(total prostate specific antigen, tPSA)>100 ng/ml(值不准确)。入组110例前列腺癌患者，年龄48～81岁，平均(66.53±6.96)岁；tPSA 2.30～61.95 ng/ml,平均(16.37±11.39)ng/ml;前列腺体积15.00～148.00 ml,平均(53.48±24.63)ml;病灶最大径4.07～51.67 mm,平均(21.02±11.93)mm。入组患者均经蚌埠医科大学伦理委员会审核通过，豁免知情同意。

2.影像检查：

采用PHILIPS Achieva 3.0T MR扫描仪，使用腹部16通道相控阵线圈。成像范围包括：完整前列腺、精囊。扫描前适度充盈膀胱，无需特殊肠道准备，检查前患者禁欲3～5 d。成像序列包括：横断面、矢状面T2WI,弥散加权成像(diffusion weighted imaging, DWI)序列。扫描参数：横断面、矢状面T2WI(TSE序列，TR 4200 ms, TE 100 ms),层厚3.0 mm, FOV=350 mm×350 mm,重建矩阵300×300;DWI(SS-EPI序列，TR 3100 ms, TE 50 ms),层厚4.0 mm, FOV=350 mm×350 mm,重建矩阵256×256;表观弥散系数(apparent diffusion coefficient, ADC)图像由DWI序列自动重建，b值选取0、1000 s/mm2。

3.MRI图像分析：

最新的PI-RADS V2.1是基于多参数磁共振(multi-parametric MRI,mpMRI)制定的前列腺病变的标准化评分系统。本研究采用去除了动态增强(dynamic contrast enhancement, DCE)序列的bpMRI进行PI-RADS评分评估，bpMRI是基于T2WI和DWI/ADC图像进行的PI-RADS评分，DWI是前列腺外周带主要评价序列，DWI评价为3分的外周带病变不会因DCE序列影响而增加，其余前列腺解剖带评分标准依旧保持不变[5]。MRI-EPE是在MRI图像上对病灶进行EPE风险评估的等级系统，依据病灶与前列腺包膜的曲线接触长度(curvilinear contact length, CCL)、病灶边缘形态以及有无直接延伸或侵犯周围组织、器官，分为以下4级[3]:0级，无MRI可疑EPE;1级，CCL≥1.5 cm或囊袋状不规则凸出；2级，CCL≥1.5 cm和囊袋状不规则凸出；3级，病灶延伸至周围脂肪间隙或侵犯邻近器官，如图1。在T2WI的矢状面、横断面计算前列腺体积与病灶最大径，前列腺体积=最大横径×最大前后径×最大纵径×π/6,病灶最大径在病灶最大横断面进行测量。MRI图像分别由两名放射科主治医生在临床信息未知的情况下按照PI-RADS V2.1标准和MRI-EPE分级系统进行评分、分级，当出现分歧时由另一名副高级职称医生进行重新评估，前列腺体积和病灶最大径则取平均值。

4.病理结果分析：

对前列腺癌根治术后标本进行固定，以3 mm为间隔自前列腺尖部垂直尿道进行逐层切片、染色，由一名具有10年以上工作经验的副高级别的泌尿生殖病理学专家进行诊断、评估。依据病理结果进行分组，EPE阳性组定义为前列腺包膜破损，肿瘤突破前列腺包膜并侵犯前列腺周围组织，如脂肪、精囊等。EPE阴性组定义为前列腺包膜完整，周围组织未见癌细胞。当存在多个前列腺癌病灶时，则选取PI-RADS评分最高的病灶作为目标病灶。

5.统计学处理：

应用R语言(Version 4.3.2)进行统计分析以及建模。计量资料以

表示，采用t检验，计数资料以[n(%)]表示，使用χ2检验。通过受试者工作特征曲线(receiver operating characteristic curve, ROC)及曲线下面积(area under curve, AUC)验证模型的诊断效能，使用Delong检验比较不同模型之间AUC的差异，Hosmer-Lemeshow检验来评价模型的拟合优度。P<0.05认为差异具有统计学意义。

图1MRI-EPE T2WI横断面分级示意图

二、结果

1.一般结果：

本研究入组110例男性前列腺癌患者，EPE阴性组59例、EPE阳性组51例。EPE阴性组与EPE阳性组病灶最大径、tPSA、MRI-EPE、PI-RADS 3～5类评分相关(P<0.05),而年龄、前列腺体积不具有统计学意义(P>0.05)。见表1。

2.模型建立与分析：

根据上述统计分析结果纳入病灶最大径、tPSA、MRI-EPE、PI-RADS 3～5类评分建立Logistic回归模型。分别建立了临床特征(tPSA)、bpMRI特征(病灶最大径+MRI-EPE+PI-RADS评分)以及临床+bpMRI特征(tPSA+病灶最大径+MRI-EPE+PI-RADS评分)联合的Logistic回归模型，采用不同预测模型对EPE进行预测。临床特征、bpMRI特征、临床+bpMRI特征模型的Hosmer-Lemeshow检验差异无统计学意义(χ2=19.729～24.457,P=0.141～0.348)。见表2。

3.不同预测模型的诊断效能：

临床、bpMRI和临床+bpMRI特征模型预测EPE的AUC分别为0.672(95%CI:0.571～0.774)、0.782(95%CI:0.697～0.867)、0.841(95%CI:0.767～0.915),临床+bpMRI特征模型预测EPE的准确性、特异性、敏感性、阳性预测值以及阴性预测值分别为0.800、0.780、0.824、0.764、0.836,见表3、如图2。对临床、bpMRI和临床+bpMRI特征模型进行两两比较，Delong检验显示临床+bpMRI特征模型分别与临床、bpMRI特征模型对比差异均具有统计学意义(Z=3.056、1.982,P=0.002、0.047),而临床与bpMRI特征模型间差异不具有统计学意义(Z=1.449,P=0.147)。见表4。

表1前列腺癌患者基本特征分析

表2不同模型Logistic回归分析

表3不同模型诊断效能分析

图2不同预测模型的ROC曲线分析

三、讨论

由于T2期以内的前列腺癌局限于前列腺包膜内，超过T2期的前列腺癌需进行周围神经血管束的一并切除，因此术前评估前列腺癌是否存在EPE,能判断患者是否需要术区扩大。既往研究中发现，31%的局限性前列腺癌患者病理标本存在EPE,这意味着部分患者在手术前存在分期不足的情况[6]。本研究联合临床及bpMRI的特征对EPE进行评价，纳入了风险因素tPSA、病灶最大径、MRI-EPE和PI-RADS,并建立了不同模型。本研究发现在预测EPE上临床+bpMRI特征联合模型AUC值为0.841,优于其他单个模型(Z=3.056、1.982,P=0.002、0.047),说明联合临床以及MRI图像特征能提高前列腺癌EPE预测的诊断效能。之前研究也表明，联合MRI和临床风险特征预测前列腺癌EPE的效能优于单独使用MRI影像学特征[7]。

目前有关PI-RADS评分预测EPE的文献较少，但PI-RADS能对不同解剖区域及功能信息的前列腺病变提供细致的评分，基于bpMRI的PI-RADS衍生评分系统与mpMRI具有相同的诊断效能[8]。本研究也发现，基于bpMRI的PI-RADS(3～5类)评分与EPE分组具有显著相关性，纳入PI-RADS评分的bpMRI特征模型具有较高的预测价值(AUC=0.782)。bpMRI去除了动态增强序列，使得bpMRI较mpMRI更具优势，如避免了过敏反应、肾功能损害等不良影响，还能缩短检查时间以及降低患者的经济负担等。虽然最近有学者指出利用mpMRI评估EPE具有较好的诊断效能(AUC=0.836),但是采用bpMRI同样也能有效的评估EPE,其AUC甚至高达0.887[9-10]。之前的研究者们直接使用MRI图像中的特征作为评估EPE的标准，包括曲线接触长度≥1.5 cm、精囊腺受侵、神经血管束不对称、直肠前列腺角闭塞等[11]。这些特征在MRI图像上表现为特定的形态学改变或信号强度变化，理论上可以提示肿瘤是否侵犯至前列腺包膜外。然而，这些评估指标众多，使得评估过程变得复杂而繁琐，且部分特征与MRI-EPE评价系统存在重叠。而使用MRI-EPE评估EPE则大大简化了评估过程，并且能获得与使用MRI特征评价相似的诊断效能[12]。最近也有学者使用Gleason分级系统对EPE进行评估，证明较高Gleason分级的病变更易发生EPE[13],但是笔者认为Gleason分级结果需进行有创检查获得，不利于“一站式”评估，采用MRI-EPE联合临床特征更易在实践中应用。

临床常使用tPSA作为前列腺癌筛查、诊断和监测预后的指标，同时研究也指出tPSA是EPE的独立预测因子[14]。本研究中单独应用tPSA诊断EPE的AUC值为0.672,诊断效能一般，这与tPSA较低的特异性相关[15]。前列腺的组织学结构并无真正的被膜存在，而是表现为一层围绕其周围的纤维膜。在T2图像上，这层纤维膜通常呈现为线性低信号，并被视作“包膜”。然而，研究表明MRI在识别前列腺包膜受侵或破裂方面的准确性并不高，其敏感性相对较低[16-17]。此外，前列腺的顶部区域缺乏纤维包膜，因此这一区域的前列腺癌更易发生EPE[18]。本研究发现前列腺体积与EPE并不存在显著的相关性，分析原因可能是患者大部分存在前列腺增生导致前列腺体积增大，从而掩盖了前列腺体积与EPE之间的真实关系。近期有报道指出，前列腺体积与EPE之间没有直接的相关性，但病灶的大小与EPE的发生呈显著正相关[19]。前列腺癌病灶的大小可能反映了癌细胞的增殖速度和侵袭能力。随着病灶的增大，癌细胞可能更容易突破前列腺的包膜，向周围组织扩散，从而导致EPE的发生。

本研究的局限性在于：(1)采用单中心回顾性分析，缺少外部数据来评估本研究评价系统应用的普遍性；(2)由于回顾性地确定每个病灶PSMs的精确位置及大小具有挑战性，本研究未能探究MRI-EPE分级与PSMs之间的相关性；(3)缺少对PI-RADS1、2类病例的分析，可能使得模型出现一定程度的过拟合。因此，为了确保模型的可重复性以及实用性需要进一步研究及探讨。

综上所述，本研究提出了一种bpMRI联合临床特征预测EPE的模型，简化了EPE评估方式、改善前列腺癌临床分期效果，为临床制定手术计划提供依据，具有较高的参考价值。

参考文献:

[1]程勇兵,邱雪峰,李笑弓,等.前列腺癌包膜外侵犯对根治性前列腺切除术中性神经保留决策的影响[J].中国肿瘤外科杂志,2022,14(6):606-609.

[5]王良,Li Qiubai,Hebert Alberto Vargas.前列腺影像报告和数据系统(PI-RADS V2.1)解读[J].中华放射学杂志,2020,54(4):273-278.

[9]刘百川,王海屹,董喆,等.基于多参数MRI的多种评估系统对前列腺癌包膜外侵犯的诊断价值[J].中华医学杂志,2023,103(19):1439-1445.

[10]张虎,杨光,黄国权,等.双参数MRI对临床局限性前列腺癌包膜外侵犯的预测价值[J].临床放射学杂志,2023,42 (7):1173-1177.

[11]中华放射学杂志前列腺疾病诊疗工作组,中华放射学杂志编辑委员会.前列腺癌MRI检查和诊断共识(第二版)[J].中华放射学杂志,2018,52(10):743-750

基金资助:蚌埠医学院自然科学重点项目(2022byzd063);

文章来源:周牧野,苏蕾,陈艾琪,等.双参数MRI联合临床特征预测前列腺癌包膜外侵犯的价值[J].齐齐哈尔医学院学报,2024,45(14):1355-1359.