MRI定量参数联合血清HE4构建的logistic回归模型对子宫内膜样腺癌病理分级的预测价值

岳晓宁,贺小玉,张亚婷,王成伟

子宫内膜癌(endometrial carcinoma,EC)是发达国家最常见的妇科肿瘤,在中国妇科恶性肿瘤中,EC的发病率仅次于宫颈癌,且其发病率及死亡率有逐年上升的趋势[1-2]。按组织病理学特点可将EC分为子宫内膜样腺癌(endometrioid adenocarcinoma,EAC)、浆液性癌、黏液样癌、透明细胞癌、鳞状细胞癌、混合性癌和未分化癌,其中80%以上为EAC;根据肿瘤分化程度,可将EAC分为3级:高分化(G1)、中分化(G2)和低分化(G3)。EC的治疗方法以全子宫加双附件切除术及系统性淋巴结清除术为主,放疗和化疗是常用的辅助治疗方式。研究表明,高危(G3)较低危(G1～G2)EC患者发生淋巴结转移的概率更大[3]。2015年欧洲医学肿瘤学会建议对高危(G3,肌层侵犯≥50%)EC患者应进行系统性盆腔及主动脉旁淋巴结清除,而低危(G1～G2,肌层侵犯<50%)患者不宜行淋巴结清扫术[4]。因此,术前准确判断EC的病理分级,对制订个体化的治疗方案,避免过度手术具有重要的临床价值。

人附睾蛋白4(human epididymis protein 4,HE4)是近年来诊断EC的新型肿瘤标志物,研究表明HE4水平与EC的严重程度相关,可用于辅助EC分期及预测淋巴结转移[5]。但肿瘤标志物不能反映肿瘤浸润、转移的部位及范围,需联合有效的影像学方法进行肿瘤的定位和分期。

DWI是一种功能MRI序列,能够测量水分子在生物组织中的自由扩散运动。动态对比增强磁共振成像(dynamic contrast enhanced MRI,DCE-MRI)通过使用对比剂能可视化血管完整性,从而监测肿瘤的微灌注环境并反映其生物学行为[6-7]。目前,尚未发现DCE-MRI半定量参数联合血清HE4评估EC病理分级的研究。因此,本研究通过回顾分析91例EAC患者的临床和影像资料,旨在研究DCE-MRI半定量参数、表观扩散系数(apparent diffusion coefficient,ADC)及血清HE4水平与EAC病理分级的关系,并评估MRI定量、半定量参数联合肿瘤标志物HE4对高级别EAC的预测价值。

材料与方法

1.临床资料

本回顾性研究经本院伦理委员会审批通过,无需患者知情同意。

回顾性搜集2016年1月-2021年12月于我院经手术病理证实为原发性EC患者的病例资料。纳入标准:①在我院行全子宫及附件切除术,术后病理证实为EAC;②术前行盆腔MRI检查和血清HE4检测。排除标准:①病灶太小(最大径<1 cm),无法准确勾画ROI;②图像质量欠佳,有明显伪影,不能满足诊断要求;③合并其它恶性肿瘤;④术前行放、化疗等辅助治疗。

所有患者在术前一周内空腹采集静脉血5 mL置于真空管中,取血样离心分离血清,采用化学发光免疫分析法(CLIA)测定血清HE4水平。

手术病理切片均由本院2位病理科医师共同评估,依据2018年国际妇产科联盟(International Fe-deration of Gynecology and Obstetrics,FIGO)分级方法将EAC分为高分化(G1)、中分化(G2)和低分化(G3)[8],将G1、G2归为低级别组,G3为高级别组。

2.MRI扫描方法

使用GE Discovery MR750 3.0T磁共振扫描仪和8通道体部相控阵表面线圈,所有患者行盆腔常规MRI序列及DCE-MRI扫描。检查前需禁食4～6 h,患者取仰卧位、足先进的方式进行扫描,扫描序列和参数如下。①横轴面压脂FSE-T2WI:TR 6377 ms,TE 92 ms,层厚5.0 mm,层间距1.0 mm,矩阵352×320;②横轴面FSE-T1WI:TR 500 ms,TE 8.3 ms,层厚5.0 mm,层间距1.0 mm,矩阵320×224;③矢状面和冠状面FSE-T2WI:TR 6510 ms,TE 90 ms,层厚4.0 mm,层间距1.0 mm,矩阵352×320;④横轴面DWI采用SE-EPI序列:b值取0及800 s/mm2,TR 4700 ms,TE 65 ms,层厚5.0 mm,层间距1.0 mm,矩阵256×192;⑤横轴面DCE-MRI采用肝脏三维容积快速成像(liver acquisitionwith volume acceleration,LAVA)序列:TR 4.6 ms,TE Min Full,层厚3.0 mm,层间距1.0 mm,矩阵320×200;第一期扫描结束时使用高压注射器经肘静脉注射对比剂Gd-DTPA,剂量0.2 mmol/kg,流率2.0 mL/s,随后立即用15～20 mL的生理盐水冲管,共扫描8个时相,每个时相扫描时间为18 s。

3.图像分析

将原始数据导入GE ADW4.6工作站,由两位具有5年以上影像诊断经验的放射科医师采用双盲法共同阅片,利用Functool后处理软件对常规DWI和DCE-MRI图像进行后处理。参照T2WI等常规序列的图像,选取肿瘤最大层面,在肿瘤实性部分沿着其边缘手动勾画ROI,ROI的面积要大于肿瘤截面积的1/3,尽量避开囊变、坏死、出血和血管区域,即可获得DWI序列的定量参数即ADC值,以及DCE-MRI序列的半定量参数,包括正性增强积分(positive enhancement integral,PEI)、达峰时间(time to peak,TTP)、最大上升斜率(maximum slop of increase,MSI)和最大下降斜率(maximum slop of decrease,MSD),每项参数取两位测量者的平均值(图1、2)。

图1 患者女,53岁,低级别EAC。a)横轴面T2WI示子宫内膜增厚(箭);b)DWI(b=800s/mm2)示病灶呈高信号;c)ADC伪彩图,病灶(ROI 1)的ADC值为0.978×10-3mm2/s;d)DCE-MRI图像,示病灶呈轻度强化;e)PEI伪彩图,病灶(ROI 1)的PEI值为52.83;f)MSI伪彩图,病灶(ROI 1)的MSI值为87.14。

4.统计学分析

使用SPSS 26.0和MedCalc15.2.0统计软件。采用组内相关系数(intraclass correlation coefficient,ICC)评估两位医师测量的各项参数值(ADC及DCE-MRI半定量参数)的一致性。采用χ2检验或Fisher确切概率法对定性资料进行组间比较。采用Shapiro-Wilk检验对定量资料进行正态性检验,对满足正态分布者以均数±标准差表示,并采用独立样本t检验比较高、低级别EAC组之间各项参数值的差异;不满足正态分布者以中位数(上、下四分位数)表示,采用Mann-WhitneyU检验比较各项参数在高、低级别EAC组之间的差异。以组间比较差异有统计学意义的参数作为自变量进行二元logistic回归分析,筛选出高级别EAC的独立预测因素。采用受试者工作特征(receiver operating characteristic,ROC)曲线和曲线下面积(area under the curve,AUC)来评价差异有统计学意义的参数对高级别EAC的诊断效能,采用DeLong检验比较各项参数AUC的差异。以P<0.05为差异有统计学意义。

结 果

1.病理结果

91例EAC患者中, G1 26例,G2 51例,G3 14例。患者的年龄为32～76岁,平均(53.4±9.3)岁;其中,低级别组为(52.4±8.7)岁,高级别组为(59.4±11.0)岁,差异具有统计学意义(P<0.05)。肌层侵犯深度≥1/2者25例,肌层侵犯深度<1/2者66例;有宫颈间质浸润者24例,无宫颈间质浸润者67例;肌层侵犯深度和是否有宫颈间质浸润在高级别组与低级别组之间的差异均具有统计学意义(P<0.05),详见表1。

表1 高级别组与低级别组病理特征的比较 /例

2.观察者间的一致性

两位医师测量的各项MRI参数值之间均具有良好的一致性,ADC、PEI、TTP、MSI和MSD值的ICC值分别为0.918、0.915、0.897、0.911和0.933(均P<0.05)。

3.不同病理分级EAC的MRI参数和血清HE4水平的比较

不同病理分级EAC的MRI参数和血清HE4水平的比较结果详见表2。MRI参数中的ADC、PEI及MSI值在高、低级别EAC组之间的差异具有统计学意义(P<0.05);高级别组的ADC值小于低级别组,而高级别组的PEI和MSI值明显大于低级别组。不同病理分级间MSD和TTP值的差异不具有统计学意义(P>0.05)。高级别与低级别之组间血清HE4水平的差异具有统计学意义(P<0.05)。

表2 高级别组与低级别组MRI参数及血清HE4的比较

4.Logistic回归分析和ROC曲线分析

将单因素分析中有统计学差异的参数进一步行多因素logistic回归分析,结果见表3。ADC、PEI及血清HE4水平是预测高级别EAC的独立影响因素。

表3 各项参数预测高级别EAC的多因素logistic回归分析结果

表4 MRI有效参数及血清HE4水平预测高级别EAC的效能指标

ROC曲线分析结果见表3、4和图3。分析结果显示:单一参数ADC、PEI、MSI及HE4水平预测高级别EAC的曲线下面积(area under the curve,AUC)分别为0.858、0.776、0.720及0.781。与PEI、MSI和血清HE4相比,ADC值预测高级别EAC的AUC较大,但差异无统计学意义(Z=0.915、1.411、0.989,P=0.360、0.158、0.323)。在逐步logistic回归分析的基础上,联合上述四个单一参数建立的联合诊断模型预测高级别EAC的AUC为0.954,诊断效能优于PEI、MSI及HE4水平,差异均具有统计学差异(Z=3.874,P=0.0001;Z=3.908,P=0.0001;Z=2.768,P=0.0056);与ADC的差异无统计学意义(Z=1.879,P=0.0600)。

图3 MRI参数、血清HE4水平及联合模型预测高级别EAC的ROC曲线,以联合模型的AUC最大,预测效能最优。

讨 论

DCE-MRI和DWI的一个重要优势是能够定量分析与肿瘤预后相关的组织病理学特征,如淋巴血管间隙浸润(lymph vascular space invasion,LVSI)和肿瘤分级[9]。目前,DCE-MRI半定量参数在乳腺癌、直肠癌、软组织肉瘤和甲状腺肿瘤等肿瘤性病变的病理特征和治疗方面的价值已有较多研究[10-13],但关于DCE-MRI半定量参数评估EC病理特征方面的研究还较少,进一步联合病理参数来预测EC的研究更少,我们目前只检索到2021年张虎等[14]关于MRI参数联合糖类抗原125(cancer antigen 125,CA125)评估EAC病理分级的研究。

本研究中仅纳入了EAC患者,并将EAC分为低级别(G1～G2)组和高级别(G3)组,高级别组的PEI和MSI值均显著大于低级别组,差异有统计学意义(P<0.05)。PEI代表增强过程中流入ROI内的血液容积总量;MSI反映微血管血液流入的速度,是反映血流量的直接指标;MSD反映微血管内血液流出的速度,与血管通透性有关;TTP反映血管阻力,与血容量及血流量均有关。理论上,肿瘤的生长依赖于血管,肿瘤的恶性程度越高,细胞增殖越快,肿瘤的新生血管就越丰富,因为新的血管系统可以为癌细胞提供充足的营养和氧气[15]。另一项研究结果表明血管内皮生长因子(VEGF-D、VEGF-3)会随着肿瘤级别的升高而增加[16]。故我们推测高级别肿瘤(G3)会产生更多的,形成大量不成熟的微血管,使得肿瘤组织局部灌注增加,故高级别EAC强化程度较高,其PEI和MSI值高于低级别(G1～G2)EAC。这与国内部分学者的研究结果一致[14,17]。另外,我们发现EAC不同病理分级之间MSD值的差异无统计学意义(P>0.05),然而,佟晶等[18]回顾性分析71例宫颈癌患者的资料,发现MSD值与宫颈癌病理分级呈负相关(r=—0.504,P<0.05),我们分析可能与宫颈癌相比,EAC具有更低的微血管密度[19]。另外,TTP与EAC的分化程度无显著相关性(P>0.05),这与Ippolito等[20-21]的两项研究结果基本一致。综上所述,我们认为DCE-MRI半定量参数对评估EAC的病理分级有较大价值。

目前,ADC值评估EC病理分级的的价值仍存在争议。Bereby-Kahane等[22]的研究结果显示ADC值在不同EC病理分级之间无显著差异,不同组织学分级的ADC值有明显的重叠。但Nougaret等[9]基于肿瘤体积的ADC值及ADC直方图分析发现ADC值能够预测EC的病理分级。在本研究中,高级别EAC组的ADC值明显低于低级别组,肿瘤分化程度越低,ADC值越小,与多项研究的结论一致[23-25]。可能高级别肿瘤具有更高的细胞密度,减小了细胞外空间水分子的扩散,另外肿瘤细胞的异质性也可能导致细胞内水分子扩散受限,这也是高级别与低级别EC之间ADC值存在差异的原因。

研究发现HE4在超过90%的EC中过表达,而且HE4诊断EC的敏感度和特异度优于CA125[5]。越来越多的研究结果表明血清HE4水平与EC预后不良的高危因素(组织学类型、FIGO分期、肌层侵犯、淋巴结转移)之间具有相关性,然而HE4与肿瘤分级的相关性仍有很大的争议[26]。本组数据显示高级别EAC的血清HE4水平明显高于低级别EAC,差异具有统计学意义(P<0.05),这与Rajadevan等[27]和Abbink等[28]的研究结果一致。

以往的研究主要采用MRI参数或者血清HE4水平单一指标来预测EC的病理特征,本研究中联合多项MRI参数与血清HE4水平对EAC的病理分级进行评估,结果显示ADC的AUC高于PEI、MSI和血清HE4水平,但差异无统计学意义(P>0.05),但提示与DCE-MRI半定量参数和HE4相比较,ADC值可能是更有优势的一个参数。此外,与单独使用PEI、MSI及血清HE4预测EAC病理分级相比,联合MRI有效参数及血清HE4 进行logistic回归所构建的联合预测模型可明显提高对高级别EAC的诊断效能,提示将影像学检查和血清HE4水平相结合,可更准确地预测高级别EAC,从而为临床个体化治疗提供参考依据。然而,联合模型与单独使用ADC值相比,预测高级别EAC的AUC的差异无统计学意义(P>0.05),这表明ADC值也可以较好地评估EAC的病理分级,但需要更大的样本量来进一步验证。

此外,本研究中对纳入的EAC患者的其他临床病理特征进行分析,发现高级别EAC较低级别EAC更容易侵犯子宫深肌层及发生宫颈间质浸润(P<0.05)。肿瘤对肌层侵犯的深度及是否有宫颈间质浸润也会影响MRI参数值的大小,虽然我们无法在术前评估肿瘤病理分级时明确并排除这种影响,但对于ADC值低于阈值、PEI高于阈值的可疑高级别EC患者,临床医师在制定其治疗方案时应更为慎重。

本研究存在一定的局限性:①这是一项回顾性研究,样本量相对较小。②未包括非子宫内膜样癌(如浆液性癌、透明细胞癌及癌肉瘤等);③由于目前的研究结果显示EC缺乏特异的肿瘤标志物,故随着研究的深入,未来可能会联合多种肿瘤标志物来预测EC的病理特征。

综上所述,DCE-MRI半定量参数、ADC及血清HE4可用于预测ECA的病理分级,而且与单个参数相比,MRI有效参数联合血清HE4具有更好的诊断效能,有助于EAC患者术前最佳治疗方案的选择。