分享:
分享到微信朋友圈
X
临床研究
基于瘤周肝组织DWI列线图模型预测肝切除术后复发性肝细胞癌局部进展研究
王晶 曾朝强 汤梦月 许敏 张小明 陈天武

Cite this article as: WANG J, ZENG C Q, TANG M Y, et al. Development of a nomogram based on diffusion weighted imaging of peritumoral liver tissue to predict local progression of recurrent hepatocellular carcinoma after hepatectomy[J]. Chin J Magn Reson Imaging, 2024, 15(2): 63-70.本文引用格式王晶, 曾朝强, 汤梦月, 等. 基于瘤周肝组织DWI列线图模型预测肝切除术后复发性肝细胞癌局部进展研究[J]. 磁共振成像, 2024, 15(2): 63-70. DOI:10.12015/issn.1674-8034.2024.02.009.


[摘要] 目的 探讨构建基于肝切除术后复发性肝细胞癌(recurrent hepatocellular carcinoma, rHCC)瘤周区域表观扩散系数(apparent diffusion coefficient, ADC)列线图模型预测局部进展的可行性。材料与方法 采用回顾性队列研究方法,收集川北医学院附属医院2021年1月至2022年12月诊断为肝切除术后rHCC患者的MRI资料及临床特征。基于Firevoxel软件测量rHCC瘤周肝组织ADC平均值(peritumor ADCmean, pADCmean)、最小值(peritumor ADCmin, pADCmin)、最大值(peritumor ADCmax, pADCmax)和肿瘤ADC平均值(tumor ADCmean, tADCmean)、最小值(tumor ADCmin, tADCmin)、最大值(tumor ADCmax, tADCmax),以及背景肝组织ADC平均值(background liver tissue ADCmean, bADCmean)、最小值(background liver tissue ADCmin, bADCmin)、最大值(background liver tissue ADCmax, bADCmax)。计算瘤周与背景肝组织ADCmean比值(ratio of pADCmean to bADCmean, RPB-ADCmean)、ADCmin比值(ratio of pADCmin to bADCmin, RPB-ADCmin)、ADCmax比值(ratio of pADCmax to bADCmax, RPB-ADCmax),以及肿瘤与背景肝组织ADCmean比值(ratio of tADCmean to bADCmean, RTB-ADCmean)、ADCmin比值(ratio of tADCmin to bADCmin, RTB-ADCmin)、ADCmax比值(ratio of tADCmax to bADCmax, RTB-ADCmax)。采用Cox回归分析筛选独立危险因素,并构建列线图预测模型,绘制受试者工作特征(receiver operating characteristic, ROC)曲线和决策曲线分析(decision curve analysis, DCA),评价模型预测rHCC局部进展的价值。结果 本研究共纳入70例肝切除术后rHCC患者,随访证实肿瘤局部进展率为65.7%(46/70)。多因素Cox回归分析显示,pADCmin、RPB-ADCmean和异常凝血酶原是肝切除术后rHCC局部进展的独立危险因素(P均<0.05)。列线图模型预测肝切除术后rHCC在3个月内、6个月内局部进展的ROC曲线下面积分别为0.834、0.841,DCA显示模型有较好临床净收益。结论 pADCmin、RPB-ADCmean和异常凝血酶原是预测肝切除术后rHCC局部进展的独立危险因素,构建的列线图模型可直观地预测rHCC局部进展,且具有较好的效能和临床价值。
[Abstract] Objective To investigate feasibility of a nomogram model developed with apparent diffusion coefficient (ADC) of peritumoral liver tissue to predict local progression of recurrent hepatocellular carcinoma (rHCC) after hepatectomy.Materials and Methods A retrospective cohort study was conducted by collecting MRI and clinical data of patients with diagnosed rHCC after hepatectomy at the Affiliated Hospital of North Sichuan Medical College from January 2021 to December 2022. Using Firevoxel software, the peritumor mean ADC (pADCmean), minimum ADC (pADCmin), and maximum ADC (pADCmax) values, as well as the tumor mean ADC (tADCmean), minimum ADC (tADCmin), and maximum (tADCmax) values were measured. The background liver tissue mean ADC (bADCmean), minimum ADC (bADCmin), and maximum ADC (bADCmax) values were also obtained. The ratios of pADCmean to bADCmean (RPB-ADCmean), ADCmin (RPB-ADCmin), and ADCmax (RPB-ADCmax) along with the ratios of tADCmean to bADCmean (RTB-ADCmean), ADCmin (RTB-ADCmin), and ADCmax (RTB-ADCmax) were calculated. Cox regression analysis was used to identify independent risk factors, and then a nomogram model was constructed to predict local progression of rHCC after hepatectomy. Receiver operating characteristic (ROC) curve and decision curve analysis (DCA) were employed to evaluate the predictive value of the model for prediction of local progression of rHCC.Results A total of 70 patients with rHCC after hepatectomy were enrolled, and the local progression rate of rHCC was 65.7% (46/70) confirmed by follow-up. Multivariate Cox regression analysis revealed that RPB-ADCmean, pADCmin and vitamin K absence antagonist-Ⅱ were independent risk factors for local progression of rHCC after hepatectomy (all P<0.05). The area under the ROC curve of the nomogram model to predict local progression of rHCC within 3 months and within 6 months after hepatectomy was 0.834 and 0.841, respectively. DCA demonstrated a favorable clinical net benefit of the model.Conclusions The pADCmin, RPB-ADCmean and vitamin K absence antagonist-Ⅱ can be independent risk factors associated with local progression of rHCC after hepatectomy, and the developed nomogram model can intuitively predict local progression of rHCC with good performance and net clinical benefit.
[关键词] 肝细胞癌;复发;瘤周肝组织;磁共振成像;扩散加权成像;列线图
[Keywords] hepatocellular carcinoma;recurrence;peritumoral tissue;magnetic resonance imaging;diffusion weighted imaging;nomogram

王晶 1, 2   曾朝强 2   汤梦月 1   许敏 1   张小明 1   陈天武 3*  

1 川北医学院附属医院放射科,医学影像四川省重点实验室,南充 637000

2 川北医学院第二临床医学院•南充市中心医院影像科,南充 637000

3 重庆医科大学附属第二医院放射科,重庆 400010

通信作者:陈天武,E-mail:tianwuchen_nsmc@163.com

作者贡献声明::陈天武设计本研究方案,对稿件重要的智力内容进行了修改;王晶起草和撰写稿件,获取、分析和解释本研究的数据;曾朝强、汤梦月、许敏、张小明获取、分析或解释本研究的数据,对稿件重要的智力内容进行了修改;全体作者都同意发表最后的修改稿,同意对本研究的所有方面负责,确保本研究的准确性和诚信。


收稿日期:2023-10-22
接受日期:2024-01-05
中图分类号:R445.2  R735.7 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2024.02.009
本文引用格式王晶, 曾朝强, 汤梦月, 等. 基于瘤周肝组织DWI列线图模型预测肝切除术后复发性肝细胞癌局部进展研究[J]. 磁共振成像, 2024, 15(2): 63-70. DOI:10.12015/issn.1674-8034.2024.02.009.

0 引言

       原发性肝癌是我国第四位常见恶性肿瘤,也是癌症死亡相关第二大常见原因[1],其中肝细胞癌(hepatocellular carcinoma, HCC)约占75%~85%[2]。肝切除术是早期HCC首选治疗手段,然而术后5年内HCC复发率高达70%,是造成患者生存预后差的关键原因[3, 4]。由于残肝储备功能不足、供体短缺等因素,造成许多患者无法接受二次手术切除或肝移植治疗。对于无法手术的复发性HCC(reccurent HCC, rHCC),采取精准的射频消融治疗、靶向治疗、免疫治疗或联合治疗等治疗方案,对改善患者长期生存结果[5, 6]、提高肿瘤短期反应率和疾病控制率[7]等有重要价值,是延长患者生存时间的关键[8]

       肿瘤异质性不仅局限于瘤内,还涉及瘤周多种细胞成分与非细胞成分所构成的肿瘤微环境(tumor microenvironment, TME)。局部微环境如免疫活性、氧合程度、细胞基质组成等因素相互作用所造成的差异是肿瘤异质性的重要组成部分,是造成肿瘤治疗差异性的关键因素[9]。TME具有促进肝细胞癌增殖[10]、细胞上皮间质转换[11]、肝脏肿瘤细胞血管新生[12]与免疫逃逸[6]等作用,影响着HCC的演变和进展[13]。此前,多种MRI技术被应用于评估rHCC预后,常规MRI技术对尚未发生形态学改变的瘤周组织评估具有一定的局限性。正常细胞向癌细胞转变的过程中,水分子的迁移性和数量均会增加,这会导致不同癌变阶段组织水分子扩散受限程度的差异[14]。扩散加权成像(diffusion-weighted imaging, DWI)是一种检测活体组织水分子微观扩散活动的功能性成像技术,能通过表观扩散系数(apparent diffusion coefficient, ADC)半定量分析水分子受限程度,可对肿瘤异质性进行评估。既往研究报道,浸润性乳腺癌瘤周与肿瘤ADC比值有助于术前评估淋巴血管侵犯[15],子宫内膜癌瘤周组织ADC值可以预测深肌层浸润[16],可切除性直肠癌瘤周与肿瘤的ADC比值是预后的可靠预测因子[17]。可见,瘤周组织的ADC值及ADC比值能够提供肿瘤的生物信息。此前,针对HCC术后复发[18, 19]、预后[20, 21]等方面的MRI预测因子研究主要基于肿瘤本身,鲜有对瘤周组织的研究。本研究探讨了肝切除术后rHCC和瘤周肝组织ADC特征预测局部进展的价值,为及早干预局部进展性rHCC以延长患者寿命提供客观影像学依据。

1 材料与方法

1.1 研究对象

       本研究遵守《赫尔辛基宣言》,为回顾性队列研究,获得川北医学院附属医院伦理委员会的批准,免除受试者知情同意,伦理批准文号:2023ER332-1。

       连续性收集2021年1月至2022年12月我院诊断为肝切除术后rHCC患者的病例及影像资料。纳入标准:(1)HCC外科手术切除病史,且术后病理证实手术切除完整,无切缘肿瘤残留;(2)根据《肝细胞癌肝切除术后复发预防和治疗中国专家共识(2020版)》[22],将根治性肝切除术后HCC再次发生定义为rHCC,确诊后进行了2次以上MRI检查对肿瘤进行动态监测;(3)肝内至少有一个rHCC病灶为可测量病灶(直径>5 mm);(4)多发性病灶时,只选择直径最大病灶为目标病灶。排除标准:(1)术前或术中发现存在门静脉侵犯或远处转移(2例);(2)肿瘤复发后接受再次手术切除(2例);(3)图像质量不佳,伪影较严重(11例);(4)确诊复发后,随访过程中两次MRI检查间隔时间超过1年(9例);(5)临床资料不完整(7例);(6)合并有其他肿瘤病史(1例)。

1.2 MRI检查

       采用uMR 790 3.0 T磁共振扫描仪(uMR790,联影医疗,上海)和腹部32通道相控阵体线圈,患者取仰卧位,头先进,行上腹部轴位MRI平扫、DWI及三维容积内插技术(T1-quick-3d-fs)多期增强扫描。扫描序列与参数详见表1。DWI扫描b值取50、800 s/mm2。多期增强扫描,使用高压注射器经肘静脉团注钆喷酸葡胺注射液(马根维显,拜耳医药,德国),注射剂量为0.2 mmol/kg,注射速度2 mL/s,注射后用10~20 mL生理盐水冲管,分别于注入对比剂后18、25、60、180 s采集动脉早期、动脉晚期、门静脉期、平衡期图像。

表1  MRI序列及参数
Tab.1  Scan parameters of each sequence in MRI

1.3 术后随访及复发肿瘤的治疗

       患者行HCC切除术后采取常规保肝、对症治疗,根据2017年版NCCN指南建议,术后2年内至少每3个月行肝肾功能、血清肿瘤标志物等实验室检查。肿瘤复发后,根据《肝细胞癌肝切除术后复发预防和治疗中国专家共识(2020版)》[22]中对rHCC治疗方案的建议,选择合适的治疗手段,如免疫治疗、经导管动脉化疗栓塞(transcatheter arterial chemoembolization, TACE)、肝动脉灌注化疗(hepatic arterial infusion chemotherapy, HAIC)、消融、放疗、靶向治疗、免疫治疗、化疗等。治疗过程中,常规使用CT或MRI对rHCC进行监测。

1.4 图像分析及观察指标

       对所有纳入病例确诊复发后的系列MRI图像进行分析,目标病灶由2名放射科医师(观察者1,具有10年工作经验的主治医师;观察者2,具有3年工作经验的住院医师),独立根据改良实体瘤疗效评价标准(modified Response Evaluation Criteria in Solid Tumors, mRECIST)[23]分别对靶病灶大小变化、强化程度改变进行评估。根据两名医师对肿瘤强化区域体积变化的平均值,将患者分为进展组和无进展组。进展组定义为疾病进展,即靶病灶强化区域直径至少增加20%;无进展组定义为完全缓解、部分缓解及病情稳定,即靶病灶消失、强化区域缩小或强化区域增大范围小于20%[23]

       将DWI图像导入Firevoxel软件(414版本,https://firevoxel.org,美国),对图像进行后处理以获得ADC值。在b值取50和800 s/mm2影像上逐层手动勾画感兴趣区(region of Interest, ROI),软件自动计算出ROI的ADC平均值(mean ADC, ADCmean)、ADC最小值(minimal ADC, ADCmin)、ADC最大值(maximal ADC, ADCmax)。在勾画目标区域时,先完整勾画目标区域,其中肿瘤ROI边界勾画参照动态增强序列和T2WI序列,并用软件内插件仔细擦除目标区域内明显囊变、坏死的部分。

       在进展组中,将随访期间肿瘤首次出现进展及其前一次MRI检查作为研究的影像资料,以肿瘤进展后的DWI(subsequent DWI, DWIsub)图像为参照,在肿瘤进展前的DWI(previous DWI, DWIpre)图像上勾画出与肿瘤进展受累区域相对应的瘤周肝组织ROI(图1),软件自动获得该瘤周肝组织ADCmean、ADCmin、ADCmax(peritumor ADCmean、ADCmin、ADCmax,依次缩写为pADCmean、pADCmin、pADCmax)和肿瘤ADCmean、ADCmin、ADCmax(tumor ADCmean、ADCmin、ADCmax,依次缩写为tADCmean、tADCmin、tADCmax)。在肿瘤所在肝段内肿瘤及瘤周肝组织以外的区域随机抽取3个背景肝组织ROI,尽量避开血管、胆管、囊变、坏死,每个ROI的面积约为20 mm2,软件自动获得该3个ROI的ADC值,取其平均值并作为背景肝组织ADCmean、ADCmin、ADCmax(background liver tissue ADCmean、ADCmin、ADCmax,依次缩写为bADCmean、bADCmin、bADCmax)。计算瘤周与背景肝组织ADCmean比值(ratio of pADCmean to bADCmean, RPB-ADCmean)、ADCmin比值(ratio of pADCmin to bADCmin, RPB-ADCmin)、ADCmax比值(ratio of pADCmax to bADCmax, RPB-ADCmax),以及肿瘤与背景肝组织ADCmean比值(ratio of tADCmean to bADCmean, RTB-ADCmean)、ADCmin比值(ratio of tADCmin to bADCmin, RTB-ADCmin)、ADCmax比值(ratio of tADCmax to bADCmax, RTB-ADCmax)。

       无进展组中,将随访过程中最后一次随访DWI图像定义为对应进展组中的DWIsub图像,其前一次随访的DWI图像定义为对应进展组中的DWIpre图像。根据《原发性肝癌诊疗指南(2022年版)》中对HCC外科手术切缘的界定[24]和《原发性肝癌规范化病理诊断指南(2015年版)》中对近癌旁肝组织的定义[25],在无进展组中,将DWIpre图像中靶病灶周围扩展1.0 cm的范围勾画的肝组织作为瘤周肝组织。与进展组相同的方法获得肿瘤组织(tADCmean、tADCmin、tADCmax)、瘤周肝组织(pADCmean、pADCmin、pADCmax)DWI测量指标,计算出RTB-ADCmean、RTB-ADCmin、RTB-ADCmax及RPB-ADCmean、RPB-ADCmin、RPB-ADCmax。

       本研究中观察临床基线指标包括:(1)DWIpre扫描后1周内的甲胎蛋白(alpha-fetoprotein, AFP)、异常凝血酶原(protein induced by vitamin K absence or antagonist-Ⅱ, PIVKA-Ⅱ)、凝血酶原时间(prothrombin time, PT)、肝功能检查结果;(2)每位患者肿瘤复发后所接受的治疗手段,将射频消融、微波消融、TACE、HAIC、放疗记录为局部治疗;靶向治疗、免疫治疗、化疗记录为系统治疗;同时使用局部治疗和系统治疗的记录为局部+系统治疗;(3)rHCC肿瘤数量(单发、多发);(4)肿瘤组织与瘤周肝组织在随访中局部进展发生前的基线ADCmean、ADCmin、ADCmax的测量,以及前述肿瘤与背景肝组织DWIpre图像测量指标的比值、前述瘤周与背景肝组织DWIpre图像测量指标的比值;(5)DWIpre和DWIsub图像扫描之间的间隔时间。

       上述复发肿瘤、瘤周及背景肝组织ADCmean、ADCmin、ADCmax的测量,由观察者1与观察者2分别独立进行,其中观察者1在间隔1个月后对图像进行第2次评估,以进行测量者间及测量者内一致性评价。

图1  局部进展的复发性肝细胞癌(rHCC)进展瘤周肝组织表观扩散系数(ADC)测量。男,56岁,肝切除术后1年发现肝Ⅷ段单发rHCC,病变呈稍长T1(1A,箭)、稍长T2(1B,箭)信号,增强扫描动脉晚期病变强化较明显(1C,箭),门静脉期强化减退(1D,箭),进展前扩散加权成像(DWIpre,b=800 s/mm2)图像呈稍高信号(1E,箭);随访6个月(进展后)DWI(DWIsub,b=800 s/mm2)图像显示rHCC局部进展(1F,箭头)。参照1F图,利用FireVoxl软件在DWIpre上勾画感兴趣区(肿瘤进展而受累对应的肝组织,1G),测得瘤周肝组织ADC最小值(pADCmin)为0.860×10-3 mm2/s,计算得出瘤周与背景肝组织ADC平均值比值(RPB-ADCmean)为0.767。
Fig. 1  Measurement of apparent diffusion coefficient (ADC) in peritumoral liver tissue prior to progression of locally advanced recurrent hepatocellular carcinoma (rHCC). In a male aged 56 years old, a single rHCC was found in the segment Ⅷ one year after hepatectomy, showing slightly longer T1 (1A, arrow) and slightly longer T2 (1B, arrow) signal. Enhanced scanning show more significant enhancement in late arterial phase (1C, arrow), decrease enhancement in portal vein phase (1D, arrow) with slightly higher signal intensity in previous diffusion-weighted imaging (DWIpre, b=800 s/mm2) (1E, arrow); subsequent DWI (DWIsub) show local progression of rHCC after 6 months of follow-up (1F, arrow head). With reference to 1F, FireVoxl software is used to outline the liver tissue involved by the tumor progression as the region of interest on DWIpre (1G), and peritumor ADCmin (pADCmin) is 0.860×10-3 mm2/s, ratio of peritumor to background liver tissue of ADCmean (RPB-ADCmean) is 0.767.

1.5 统计学分析

       所有数据采用SPSS 26.0及R语言统计学软件进行分析,以双侧检验P<0.05为差异具有统计学意义。采用Shapiro-Wilk法进行正态性分布检验,符合正态分布的数据以均数±标准差(x¯±s)表示,非正态分布的数据以中位数与四分位数表示。两名医师测量rHCC肿瘤、瘤周及背景肝组织ADCmean、ADCmin、ADCmax值的一致性评价采用组内相关系数(intra-class correlation coefficient, ICC)进行检验,以ICC<0.40为一致性差,0.40≤ICC<0.75为一致性中等,ICC≥0.75为一致性好。采用X-Tile软件(版本3.1.6)进行定量资料相关截断值的筛选。Cox单因素和多因素分析,将分析得到的独立危险因素建立列线图可视化模型。通过受试者工作特征(receiver operating characteristic, ROC)曲线下面积(area under the curve, AUC)评估列线图模型的预测效能,采用校准曲线、决策曲线分析(decision curve analysis, DCA)分别评价预测模型的一致性、临床获益。

2 结果

2.1 纳入病例资料及其随访结果

       本研究共纳入70例肝切除术后rHCC患者,其中男46例、女24例,年龄35~71岁,中位年龄58岁。46例(65.7%)患者在随访过程中发现肿瘤局部进展,肿瘤进展所累及的肝组织范围的最大径线为(0.55±0.20)cm。两次MRI检查时间间隔1.5~9个月,中位时间4个月。患者临床及MRI资料详见表2

表2  进展组与无进展组临床及MRI测量结果
Tab. 2  Clinical and MRI results of progressive group and non-progressive group

2.2 ADC测量观察者间一致性分析

       两位影像医师之间ADC测量结果的一致性检验结果显示,瘤周肝组织ADC(pADCmean、pADCmin、pADCmax)测量、肿瘤ADC(tADCmean、tADCmin、tADCmax)测量、背景肝组织ADC(bADCmean、bADCmin、bADCmax)测量组内和组间ICC值均大于0.75(均P<0.05),显示ADC测量一致性很好,前述观察者1的ADC测量结果可靠,可用作后续分析。

2.3 rHCC局部进展的危险因素分析

       对可能影响肝切除术后rHCC局部进展的临床变量(年龄、性别)、基线实验室指标(AFP、PIVKA-Ⅱ、AST、ALT、PT)、治疗手段、肿瘤数量,以及基线瘤周肝组织ADC测量结果(pADCmean、pADCmin、pADCmax)、肿瘤ADC测量结果(tADCmean、tADCmin、tADCmax)及瘤周与背景肝组织ADC测量值比值(RPB-ADCmean、RPB-ADCmin、RPB-ADCmax)、肿瘤与背景肝组织ADC测量值比值(RTB-ADCmean、RTB-ADCmin、RTB-ADCmax)进行Cox单因素分析,其中年龄、AST、ALT及AFP以其临床常用临界值作为截断值,其余定量资料用X-tile软件计算其最佳截断值将其分为两组。结果显示,PIVKA-Ⅱ、pADCmean、pADCmin、RPB-ADCmean、RPB-ADCmin、tADCmin、RTB-ADCmin与肝切除术后rHCC局部进展相关,而其他指标均与rHCC局部进展无关(表3)。

       Cox多因素分析显示,PIVKA-Ⅱ、pADCmin、RPB-ADCmean是肝切除术后rHCC局部进展的独立危险因素(表4)。

表3  Cox单因素分析结果
Tab. 3  Result of univariate Cox regression analysis
表4  Cox多因素回归分析结果
Tab. 4  Result of multivariate Cox regression analysis

2.4 列线图模型建立与验证

       基于rHCC局部进展危险因素Cox回归分析结果,用RPB-ADCmean、pADCmin、PIVKA-Ⅱ建立列线图模型。采用“rms”程序包,构建预测肝切除术后rHCC在3个月、6个月内局部进展概率的列线图模型(图2)发现,RPB-ADCmean对肿瘤局部进展影响最大,pADCmin次之。校准曲线(图3)显示该模型与实际观测结果一致性较好。该模型预测rHCC 3个月内与6个月内局部进展概率的ROC曲线AUC分别为0.834、0.841(图4)。DCA显示模型具有净获益(图5)。

图2  预测肝切除术后rHCC局部进展概率的列线图模型。pADCmin:瘤周肝组织表观扩散系数(ADC)最小值;pADCmean:瘤周肝组织ADC平均值;PIVKA-Ⅱ:异常凝血酶原。
图3  列线图模型在预测肝切除术后rHCC 3个月内(3A)、6个月内(3B)局部进展的校准曲线。
图4  列线图模型在预测肝切除术后rHCC局部进展的受试者工作特征(ROC)曲线。rHCC:复发性肝细胞癌;AUC:曲线下面积。
Fig. 2  Nomogram for predicting the probability of local progression of rHCC after hepatectomy. pADCmin: peritumor ADCmin; pADCmean: peritumor ADCmean; ADC: apparent diffusion coefficient; PIVKA-Ⅱ: protein induced by vitamin K absence or antagonist-Ⅱ.
Fig. 3  Calibration curves for predicting the local progression of rHCC after hepatectomy within 3 months (3A) and within 6 months (3B) during follow-up.
Fig. 4  Receiver operating characteristic (ROC) curves of the nomogram model for predicting the local progression of rHCC after hepatectomy. rHCC: recurrent hepatocellular carcinoma; AUC: area under the curve.
图5  列线图模型在预测肝切除术后复发性肝细胞癌(rHCC)3个月内(5A)、6个月内(5B)局部进展的决策曲线分析。
Fig. 5  Decision curve analysis of the nomogram for predicting the probability of local progression of recurrent hepatocellular carcinoma (rHCC) after hepatectomy within 3 months (5A) and within 6 months (5B) during follow-up.

3 讨论

       本研究通过对70例肝切除术后rHCC病例进行了回顾性队列研究,分析了其临床及DWI资料,构建并验证了一个用于预测肝切除术后复发灶在3个月内、6个月内局部进展概率的列线图模型,该模型包含PIVKA-Ⅱ、pADCmin和RPB-ADCmean 3个变量。在国内外首次将瘤周肝组织ADC值及其与背景肝组织比值应用于rHCC局部进展预测。本研究结果或可帮助临床早期识别rHCC局部进展的高危人群,为临床及时调整治疗方案提供参考依据。

3.1 rHCC局部进展的基线DWI指标及所涉及肝脏解剖区域优化的列线图结果分析

       本研究同时分析了rHCC的病灶本身及瘤周局部进展区域的基线ADCmean、ADCmin、ADCmax,以及这些指标分别与背景肝组织相应的测得值之间的比值,消除了基础肝病因素对测量值的影响。HCC常常存在病毒性肝炎、肝硬化等基础肝病,肝硬化患者的肝脏ADC值普遍低于健康肝脏[26, 27],病毒性肝炎、免疫性肝炎和不明原因肝硬化的肝实质ADC峰度值也存在差异[4]。本研究以rHCC本身及瘤周肝组织ADCmean、ADCmin、ADCmax为基础,增加其分别与背景肝组织的对应测量值比值,减少了基础肝病因素对测量结果的影响。

       本研究所涉及的肝脏解剖区域,不仅包括了复发病灶本身,还包括了复发病灶瘤周肝组织。瘤周组织和肿瘤基质中的基因特征和免疫微环境已被证明是不同的[28],瘤周区域代表了一个独特的微环境,具有独立于肿瘤本身预测其进展的潜力。MARQUES等[14]研究发现,正常细胞在向恶性转化的过程中,细胞质中和细胞外水分子的流动性和参与不同运动模式的水分子数量均会发生改变,这可能是rHCC瘤周和背景肝组织存在水分子扩散差异的细胞分子学基础。以往的研究[29, 30, 31],通常将瘤周区域定义为环绕肿瘤周围某特定距离的范围。由于肿瘤分化程度的不均质性,同一肿瘤内可能存在不同分化级别的区域,造成肿瘤各方向生长的速度并不完全一致。本研究创新性地将进展组病例在基线DWI上的瘤周区域,定义为肿瘤进展所受累区域的肝组织,与通常采用的瘤周等距离范围的组织相比,所获得的瘤周的信息可能更为客观。

       本研究将目标病灶所在肝段作为背景肝组织。由于肝段间血供存在差异,肝硬化时肝段间体积萎缩并不均匀[32],体积变化在一定程度上反映了肝细胞损害程度[33]。为避免因肝段间坏死程度不同而可能出现的ADC值误差,我们将目标病灶所在肝段作为背景肝组织展开研究。rHCC为多发性时,仅选取直径最大的病灶为研究对象,避免了同一患者多个病灶的勾画所造成的选择偏倚。

       本研究不仅采用了ADCmean,还采用了ADCmin研究rHCC局部进展的危险因素。由于肿瘤微环境的异质性,ADCmean不能真实地反映肿瘤的恶性程度及生物学行为。细胞密度增高会导致ADC值下降,但组织内部受血流和微循环灌注的影响,可产生伪扩散效应,导致ADC值增高。局部ADC值及ADCmean在预测组织病理特征时存在一定局限性,而ADCmin更准确反映目标病变内部病理分化程度的异质性[34, 35, 36]。ADCmin微观上反映了组织中增殖最活跃、细胞最密集的区域,宏观上反映了肿瘤的生物学行为。有研究[37]报道HCC的ADCmin在术前预测肿瘤病理分级方面的价值优于ADCmean,并与肿瘤病理分级呈负相关。

3.2 rHCC局部进展的危险因素及所构成列线图模型的预测效能

       本研究显示,RPB-ADCmean、RPB-ADCmin、RTB-ADCmin与肝切除术后rHCC局部进展独立相关。RPB-ADCmean作为复发病灶局部进展的独立危险因素,表明瘤周与背景肝组织ADC比值可以预测rHCC局部进展情况。pADCmin是rHCC局部进展的独立危险因素,表明瘤周肝组织中ADCmin所代表的最密集的细胞成分能够反映肿瘤微环境信息。

       PIVKA-Ⅱ升高是rHCC局部进展的另一危险因素。PIVKA-Ⅱ是一种新型HCC血清标志物,是凝血酶原前体蛋白。正常肝细胞向肝癌细胞转变的过程中,肝细胞变性坏死、线粒体肿胀导致维生素K代谢失调,继而造成凝血酶原前体羧化障碍,最终使血清PIVKA-Ⅱ异常表达[38]。PIVKA-Ⅱ阳性的HCC患者的肿瘤ADCmean明显低于阴性患者,这是因为较低的ADC值代表着较高的细胞密度和生物学活性[39]。本研究中,进展组tADCmin小于无进展组,可能是因为肿瘤进展的进程中,随着恶性细胞的分裂增殖,PIVKA-Ⅱ的合成也将明显增加,这也导致了PIVKA-Ⅱ是rHCC局部进展的独立危险因素,而tADCmin不是独立危险因素。

       本研究建立的列线图模型,将Cox多因素分析结果可视化,有可量化、个体化评估肝切除术后rHCC局部进展概率的优势。根据该模型,pADCmin小于1.252×10-3 mm2/s、RPB-ADCmean低于0.872、PIVKA-Ⅱ高于273.18 U/L的患者复发病灶在随访3个月、6个月内局部进展概率相对较大,提示患者当前所采用的治疗手段可能并不能完全有效控制肿瘤,对临床治疗方案决策有一定的提示作用。为了更好地评价模型的校准度、诊断效能,本研究绘制了模型校准曲线和ROC曲线,校准曲线显示模型与实际观察结果一致性较好,预测rHCC随访3个月内、6个月内局部进展的ROC曲线下面积分别为0.834、0.841,提示模型的预测诊断性较高且一致性好。DCA显示模型有较好临床净收益。

3.3 局限性及展望

       本研究存在以下局限性:(1)本研究是一项样本量较小的回顾性研究,后期将进行大量本前瞻性研究对本模型进行验证;(2)本研究在测量目标区域时仅采用了ADCmin、ADCmean、ADCmax三个测量指标,后续将进行瘤周肝组织直方图分析,提取更多有效的影像特征;(3)本研究未针对具体治疗方案对患者进行分组,后期将扩大样本量,针对具体的治疗手段进行分组,对不同治疗方式组间差异进行分析,或针对某一治疗方案的病例进行研究,以减少不同治疗手段所造成的研究结果的差异性。

4 结论

       综上所述,瘤周肝组织ADCmin、RPB-ADCmean和PIVKA-Ⅱ是预测肝切除术后rHCC局部进展的独立危险因素,所构建的列线图模型可直观地预测rHCC局部进展情况,且具有较好的校准度及临床收益,可为肝切除术后rHCC个性化治疗方案的制订提供参考依据。

[1]
XIA C F, DONG X S, LI H, et al. Cancer statistics in China and United States, 2022: profiles, trends, and determinants[J]. Chin Med J, 2022, 135(5): 584-590. DOI: 10.1097/CM9.0000000000002108.
[2]
SUNG H, FERLAY J, SIEGEL R L, et al. Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin, 2021, 71(3): 209-249. DOI: 10.3322/caac.21660.
[3]
LIU J K H, IRVINE A F, JONES R L, et al. Immunotherapies for hepatocellular carcinoma[J]. Cancer Med, 2022, 11(3): 571-591. DOI: 10.1002/cam4.4468.
[4]
YAMAMOTO M, KOBAYASHI T, HONMYO N, et al. Liver resection is associated with good outcomes for hepatocellular carcinoma patients beyond the Barcelona Clinic Liver Cancer criteria: a multicenter study with the Hiroshima Surgical study group of Clinical Oncology[J]. Surgery, 2022, 171(5): 1303-1310. DOI: 10.1016/j.surg.2021.09.009.
[5]
SHIN S W, AHN K S, KIM S W, et al. Liver resection versus local ablation therapies for hepatocellular carcinoma within the Milan criteria: A systematic review and meta-analysis[J]. Ann Surg, 2021, 273(4): 656-666. DOI: 10.1097/SLA.0000000000004350.
[6]
INVERNIZZI F, IAVARONE M, ZAVAGLIA C, et al. Experience with early sorafenib treatment with mTOR inhibitors in hepatocellular carcinoma recurring after liver transplantation[J]. Transplantation, 2020, 104(3): 568-574. DOI: 10.1097/TP.0000000000002955.
[7]
GU H Y, LI J, YOU N, et al. Efficacy and safety of apatinib combined with transarterial chemoembolization (TACE) in treating patients with recurrent hepatocellular carcinoma[J/OL]. Ann Transl Med, 2020, 8(24): 1677 [2023-12-19]. https://pubmed.ncbi.nlm.nih.gov/33490189/. DOI: 10.21037/atm-20-7244.
[8]
PAPACONSTANTINOU D, TSILIMIGRAS D I, PAWLIK T M. Recurrent hepatocellular carcinoma: patterns, detection, staging and treatment[J]. J Hepatocell Carcinoma, 2022, 9: 947-957. DOI: 10.2147/JHC.S342266.
[9]
白日兰, 崔久嵬. 肿瘤异质性-精准临床诊治的挑战[J]. 中国肿瘤临床, 2020, 47(21): 1082-1087. DOI: 10.3969/j.issn.1000-8179.2020.21.341.
BAI R L, CUI J W. Tumor heterogeneity: the great challenge in precision clinical diagnosis and treatment[J]. Chin J Clin Oncol, 2020, 47(21): 1082-1087. DOI: 10.3969/j.issn.1000-8179.2020.21.341.
[10]
PAVLOVIĆ N, CALITZ C, THANAPIROM K, et al. Inhibiting IRE1α-endonuclease activity decreases tumor burden in a mouse model for hepatocellular carcinoma[J/OL]. eLife, 2020, 9: e55865 [2023-12-19]. https://pubmed.ncbi.nlm.nih.gov/33103995/. DOI: 10.7554/eLife.55865.
[11]
JEONG J H, JANG H J, KWAK S, et al. Novel TGF-β1 inhibitor antagonizes TGF-β1-induced epithelial-mesenchymal transition in human A549 lung cancer cells[J]. J Cell Biochem, 2019, 120(1): 977-987. DOI: 10.1002/jcb.27460.
[12]
权虎, 石磊, 陈杰, 等. 肿瘤微环境在肝细胞癌中的研究进展[J]. 肿瘤药学, 2023, 13(2): 150-154. DOI: 10.3969/j.issn.2095-1264.2023.02.03.
QUAN H, SHI L, CHEN J, et al. Research progress of tumor microenvironment in hepatocelluar carcinoma[J]. Anti Tumor Pharm, 2023, 13(2): 150-154. DOI: 10.3969/j.issn.2095-1264.2023.02.03.
[13]
WU X, DENG Z, ZHAO Q Q. Immunotherapy improves disease prognosis by affecting the tumor microenvironment: a bibliometric study[J/OL]. Front Immunol, 2022, 13: 967076 [2023-12-19]. https://pubmed.ncbi.nlm.nih.gov/36275770/. DOI: 10.3389/fimmu.2022.967076.
[14]
MARQUES M P M, SANTOS I P, BATISTA DE CARVALHO A L M, et al. Water dynamics in human cancer and non-cancer tissues[J]. Phys Chem Chem Phys, 2022, 24(25): 15406-15415. DOI: 10.1039/d2cp00621a.
[15]
MORI N, MUGIKURA S, TAKASAWA C, et al. Peritumoral apparent diffusion coefficients for prediction of lymphovascular invasion in clinically node-negative invasive breast cancer[J]. Eur Radiol, 2016, 26(2): 331-339. DOI: 10.1007/s00330-015-3847-4.
[16]
DENG L, WANG Q P, YAN R, et al. The utility of measuring the apparent diffusion coefficient for peritumoral zone in assessing infiltration depth of endometrial cancer[J/OL]. Cancer Imaging, 2018, 18(1): 23 [2023-12-19]. https://pubmed.ncbi.nlm.nih.gov/29970170/. DOI: 10.1186/s40644-018-0156-6.
[17]
YUAN Y, CHEN X L, LI Z L, et al. The application of apparent diffusion coefficients derived from intratumoral and peritumoral zones for assessing pathologic prognostic factors in rectal cancer[J]. Eur Radiol, 2022, 32(8): 5106-5118. DOI: 10.1007/s00330-022-08717-3.
[18]
ZHANG Z H, YU J, LIU S S, et al. Multiparametric liver MRI for predicting early recurrence of hepatocellular carcinoma after microwave ablation[J/OL]. Cancer Imaging, 2022, 22(1): 42 [2023-12-19]. https://pubmed.ncbi.nlm.nih.gov/36042507/. DOI: 10.1186/s40644-022-00471-5.
[19]
LEE S, KIM K W, JEONG W K, et al. Liver imaging reporting and data system category on magnetic resonance imaging predicts recurrence of hepatocellular carcinoma after liver transplantation within the Milan criteria: a multicenter study[J]. Ann Surg Oncol, 2021, 28(11): 6782-6789. DOI: 10.1245/s10434-021-09772-8.
[20]
PARK S H, HEO S, KIM B, et al. Targetoid primary liver malignancy in chronic liver disease: prediction of postoperative survival using preoperative MRI findings and clinical factors[J]. Korean J Radiol, 2023, 24(3): 190-203. DOI: 10.3348/kjr.2022.0560.
[21]
ZHANG L, HU J M, HOU J Y, et al. Radiomics-based model using gadoxetic acid disodium-enhanced MR images: associations with recurrence-free survival of patients with hepatocellular carcinoma treated by surgical resection[J]. Abdom Radiol, 2021, 46(8): 3845-3854. DOI: 10.1007/s00261-021-03034-7.
[22]
夏勇, 杨田, 王葵. 肝细胞癌肝切除术后复发预防和治疗中国专家共识(2020版)[J]. 中国实用外科杂志, 2021, 41(1): 20-30. DOI: 10.19538/j.cjps.issn1005-2208.2021.01.03.
XIA Y, YANG T, WANG K. Chinese expert consensus on the preventation and management of recurrent hepatocellular carcinoma after hepatic resection(2020 edition)[J]. Chin J Pract Surg, 2021, 41(1): 20-30. DOI: 10.19538/j.cjps.issn1005-2208.2021.01.03.
[23]
LENCIONI R, LLOVET J M. Modified RECIST (mRECIST) assessment for hepatocellular carcinoma[J]. Semin Liver Dis, 2010, 30(1): 52-60. DOI: 10.1055/s-0030-1247132.
[24]
李照, 朱继业. 《原发性肝癌诊疗指南(2022年版)》解读[J]. 临床肝胆病杂志, 2022, 38(5): 1027-1029. DOI: 10.3969/j.issn.1001-5256.2022.05.010.
LI Z, ZHU J Y. Interpretation of Standard for diagnosis and treatment of primary liver cancer (2022 edition)[J]. J Clin Hepatol, 2022, 38(5): 1027-1029. DOI: 10.3969/j.issn.1001-5256.2022.05.010.
[25]
中国抗癌协会肝癌专业委员会, 中华医学会肝病学分会肝癌学组, 中国抗癌协会病理专业委员会, 等. 原发性肝癌规范化病理诊断指南(2015年版)[J]. 中华肝胆外科杂志, 2015, 21(3): 145-151. DOI: 10.3760/cma.j.issn.1007-8118.2015.03.001.
China Anti Cancer Association Liver Cancer Professional Committee, Hepatology Group of Hepatology Branch of Chinese Medical Association, Chinese Societies of Pathology, Pathology Professional Committee of China Anti Cancer Association, et al. Evidence-based practice guidelines for the standardized pathological diagnosis of primary liver cancer (2015 edition)[J]. Chin J Hepatobiliary Surg, 2015, 21(3): 145-151. DOI: 10.3760/cma.j.issn.1007-8118.2015.03.001.
[26]
王刚, 解妮. 磁共振功能弥散成像在肝硬化患者病理分级及肝脏纤维化进程中的价值[J]. 实用临床医药杂志, 2019, 23(19): 37-40, 44. DOI: 10.7619/jcmp.201919010.
WANG G, XIE N. Value of diffusion imaging of magnetic resonance function in pathological grading and liver fibrosis in patients with liver cirrhosis[J]. J Clin Med Pract, 2019, 23(19): 37-40, 44. DOI: 10.7619/jcmp.201919010.
[27]
PAN Z X, LI Z J, MENG F Q, et al. Fat- and iron-corrected ADC to assess liver fibrosis in patients with chronic hepatitis B[J]. Diagn Interv Radiol, 2022, 28(1): 5-11. DOI: 10.5152/dir.2021.21471.
[28]
OH E, LEE H. Transcriptomic data in tumor-adjacent normal tissues harbor prognostic information on multiple cancer types[J]. Cancer Med, 2023, 12(10): 11960-11970. DOI: 10.1002/cam4.5864.
[29]
袁涛, 覃由宣, 吴玉平, 等. 肝细胞癌组织、癌旁组织、远癌组织及背景肝组织MR扩散加权成像对比研究[J]. 实用放射学杂志, 2022, 38(8): 1293-1296. DOI: 10.3969/j.issn.1002-1671.2022.08.017.
YUAN T, QIN Y X, WU Y P, et al. A comparative study on MR diffusion weighted imaging of hepatocellular carcinoma tissue, para-cancer tissue, far-cancer tissue and background liver tissue[J]. J Pract Radiol, 2022, 38(8): 1293-1296. DOI: 10.3969/j.issn.1002-1671.2022.08.017.
[30]
程梦雨, 杨哲, 范嘉玮, 等. 基于瘤周1cm内ADC值构建的列线图模型预测胶质瘤术后进展的临床价值[J]. 磁共振成像, 2023, 14(1): 136-142, 150. DOI: 10.12015/issn.1674-8034.2023.01.024.
CHENG M Y, YANG Z, FAN J W, et al. Clinical value of a nomogram model based on ADC values within 1 cm around the tumor for predicting the postoperative progression of glioma[J]. Chin J Magn Reson Imag, 2023, 14(1): 136-142, 150. DOI: 10.12015/issn.1674-8034.2023.01.024.
[31]
MAO N, SHI Y H, LIAN C, et al. Intratumoral and peritumoral radiomics for preoperative prediction of neoadjuvant chemotherapy effect in breast cancer based on contrast-enhanced spectral mammography[J]. Eur Radiol, 2022, 32(5): 3207-3219. DOI: 10.1007/s00330-021-08414-7.
[32]
HIGAKI A, KANKI A, YAMAMOTO A, et al. Liver cirrhosis: relationship between fibrosis-associated hepatic morphological changes and portal hemodynamics using four-dimensional flow magnetic resonance imaging[J]. Jpn J Radiol, 2023, 41(6): 625-636. DOI: 10.1007/s11604-023-01388-0.
[33]
谭辉, 樊秋菊, 于勇, 等. 基于Couinaud分段乙肝肝硬化肝段体积定量变化规律与肝功能相关性的研究[J]. 临床放射学杂志, 2017, 36(8): 1124-1128. DOI: 10.13437/j.cnki.jcr.2017.08.019.
TAN H, FAN Q J, YU Y, et al. The correlation between the quantitative variation of hepatic segment volume and liver function in hepatitis B-related cirrhotic liver: based on couinaud segments[J]. J Clin Radiol, 2017, 36(8): 1124-1128. DOI: 10.13437/j.cnki.jcr.2017.08.019.
[34]
BAJGIRAN A M, MIRAK S A, SUNG K, et al. Apparent diffusion coefficient (ADC) ratio versus conventional ADC for detecting clinically significant prostate cancer with 3-T MRI[J/OL]. AJR Am J Roentgenol, 2019, 213(3): W134-W142 [2023-12-19]. https://pubmed.ncbi.nlm.nih.gov/31216201/. DOI: 10.2214/AJR.19.21365.
[35]
ZHONG X, TANG H S, GUAN T P, et al. Added value of quantitative apparent diffusion coefficients for identifying small hepatocellular carcinoma from benign nodule categorized as LI-RADS 3 and 4 in cirrhosis[J]. J Clin Transl Hepatol, 2022, 10(1): 34-41. DOI: 10.14218/JCTH.2021.00053.
[36]
ONO A, HASHIMOTO T, SHISHIDO T, et al. Clinical value of minimum apparent diffusion coefficient for prediction of clinically significant prostate cancer in the transition zone[J]. Int J Clin Oncol, 2023, 28(5): 716-723. DOI: 10.1007/s10147-023-02324-y.
[37]
王亚婷, 朱艳, 陆洋, 等. 表观弥散系数平均值及最小值与肝癌病理学特征的相关性研究[J]. 中国临床医学影像杂志, 2017, 28(11): 805-809. DOI: 10.3969/j.issn.1008-1062.2017.11.011.
WANG Y T, ZHU Y, LU Y, et al. The relationship between values of ADCmin and ADCmean and pathological features of liver cancer: a primary study[J]. J China Clin Med Imag, 2017, 28(11): 805-809. DOI: 10.3969/j.issn.1008-1062.2017.11.011.
[38]
余微微, 李秋艳, 罗云程, 等. 异常凝血酶原在肝癌临床诊疗中的应用价值[J]. 介入放射学杂志, 2021, 30(11): 1193-1196. DOI: 10.3969/j.issn.1008-794X.2021.11.025.
YU W W, LI Q Y, LUO Y C, et al. Application of PIVKA-Ⅱin clinical diagnosis and treatment of hepatocellular carcinoma[J]. J Interv Radiol, 2021, 30(11): 1193-1196. DOI: 10.3969/j.issn.1008-794X.2021.11.025.
[39]
汪晟, 郑永飞, 郑海澜, 等. 肝细胞肝癌患者MRI特征在鉴别异常凝血酶原状态中的价值[J]. 浙江医学, 2021, 43(2): 157-160, 179. DOI: 10.12056/j.issn.1006-2785.2021.43.2.2020-2445.
WANG S, ZHENG Y F, ZHENG H L, et al. MRI signs for diagnosis of positive PIVKA- Ⅱ in patients with hepatocellular carcinoma[J]. Zhejiang Med J, 2021, 43(2): 157-160, 179. DOI: 10.12056/j.issn.1006-2785.2021.43.2.2020-2445.

上一篇 δ-连环蛋白高表达状态对乳腺癌患者化疗后短期脑认知功能影响的静息态功能MRI研究
下一篇 18F-PSMA-1007 PET/CT与mp-MRI对前列腺癌的检测效能及与病理分级的相关性研究
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2