基于血容量、血管生成与肿瘤缺氧的新型MRI生物标志物对比传统方法在脑转移瘤放疗后复发诊断中的性能评估

《Diagnostics》：Performance of Conventional Approaches Compared to Novel Blood Volume-, Angiogenesis-, and Tumor Hypoxia-Based Approaches to Diagnosing Tumor Recurrence on MRI After Radiation Therapy of Brain Metastases

　　

背景/目的： 由于肿瘤复发（tumor recurrence, TR）与放射性坏死（radiation necrosis, RN）在临床表现和影像学特征上高度重叠，在脑转移瘤放疗后的管理中对二者进行鉴别仍是一项重大挑战。现有影像技术往往缺乏实现准确鉴别所需的敏感性和特异性。本研究评估了一组表征微血管结构、血流动力学及肿瘤氧利用的新型影像生物标志物在区分TR与RN方面的性能，并与已确立的脑血容量（cerebral blood volume, CBV）指标进行比较。方法： 本回顾性研究纳入119例放疗后7–15个月出现症状的转移性脑病灶患者。训练队列（n = 96，182个病灶）涵盖2013年6月至2018年5月，独立测试队列（n = 23，23个病灶）收集于2023年1月至2024年12月。病灶依据专家共识、病理学及长期随访结果分为TR或RN。在历史队列中评估了11项影像生物标志物，跨队列评估了9项共有生物标志物，涵盖标准及新型指标。标准生物标志物包括表观弥散系数（Apparent Diffusion Coefficient, ADC）、校正及未校正脑血容量（cCBV和ncCBV）及相对峰值幅度（rRHP）。新型生物标志物包括动脉输入函数延迟（Delay）、毛细血管通过时间异质性（CTH及CTH Max）、氧摄取分数（Oxygen Extraction Fraction, OEF）、相对外渗校正（rLeakage）、相对脑氧代谢率（rCMRO2）及变异系数（Coefficient of Variance, COV）。对每项生物标志物，从病灶实质选取感兴趣区，并计算病灶与对照实质的比值。采用受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUC）评估各生物标志物区分TR与RN的单变量分析性能，并采用随机森林模型确定最优生物标志物组合。双变量分析将病灶和对照实质作为每项生物标志物的独立变量建模，并比较两队列中模型的AUC。结果： 在训练队列中，新型生物标志物包括Delay（AUC = 0.994）、CTH（AUC = 1.000）、CTH Max（AUC = 1.000）、OEF（AUC = 0.991）、rCMRO2（AUC = 1.000）及变异系数（AUC = 0.993），其观察到的AUC值均高于cCBV（AUC = 0.930）和ncCBV（AUC = 0.786）。在测试队列中，新型生物标志物未显示出一致的优于cCBV或ncCBV的优势。随机森林模型确定了五项生物标志物（cCBV、ncCBV、Delay、OEF和COV）的最优组合，AUC为0.964。其中，Delay的特征重要性最高，而ncCBV的贡献最低。结论： 新型影像生物标志物在训练队列中表现出高鉴别能力，但该性能未在独立测试队列中重现。随机森林分析确定了传统与新型生物标志物的组合，报告AUC为0.964。这些发现支持对其潜在互补诊断价值的进一步研究，但仍属探索性，需在更大规模的前瞻性多中心队列中验证。

论文解读

一、研究背景与问题

脑转移瘤是成人最常见的颅内恶性肿瘤，立体定向放射外科（stereotactic radiosurgery, SRS）是其重要治疗手段。然而，放疗后7至15个月，部分患者会出现新发的强化病灶，其临床和影像学表现可能源于两种截然不同的病理过程：肿瘤复发（tumor recurrence, TR）或放射性坏死（radiation necrosis, RN）。两者的治疗策略截然不同——TR需要进一步抗肿瘤治疗，而RN则以糖皮质激素、贝伐珠单抗等对症支持治疗为主。因此，准确鉴别二者至关重要。然而，二者的常规MRI表现高度重叠，均表现为强化病灶伴周围水肿，使得影像学鉴别极为困难。组织活检虽可确诊，但属有创操作，存在出血、感染及取样误差等风险，且部分患者因病灶位置深在或全身状况差而无法耐受。因此，开发可靠的无创影像学鉴别方法具有重要临床意义。

既往研究探索了多种高级影像技术，包括灌注MRI、MR波谱、PET、SPECT及延迟对比增强技术等。其中，相对脑血容量（relative cerebral blood volume, rCBV）是临床实践中应用最广泛的灌注参数，但其诊断性能在不同研究中存在较大变异，且TR与RN之间的rCBV值存在重叠。此外，磁敏感性伪影——常由放疗后瘀点状出血引起——可人为降低rCBV值，即使在真实肿瘤复发的情况下也是如此。因此，单一依赖rCBV进行鉴别存在局限性。

基于此，本研究旨在评估一组新型定量动态磁敏感对比（dynamic susceptibility contrast, DSC）MRI生物标志物——表征微血管异质性、灌注动力学及氧代谢——在区分TR与RN中的性能，并与已确立的CBV指标进行比较，探讨其潜在的互补诊断价值。

二、研究设计与方法概述

这是一项单中心回顾性研究，共纳入119例有症状的转移性脑病灶患者，分为两个队列：训练队列（n = 96，182个病灶）收集于2013年6月至2018年5月，测试队列（n = 23，23个病灶）收集于2023年1月至2024年12月。所有患者均为成人，在脑转移瘤放疗后7至15个月接受分析。病灶最终诊断（TR或RN）由多学科专家小组基于MRI或胆碱PET-MRI结合临床评估，或手术切除后的组织病理学检查确定；训练队列中有20例患者获得病理学确认。

研究评估的影像生物标志物包括：标准指标——校正脑血容量（corrected cerebral blood volume, cCBV）、未校正脑血容量（non-corrected cerebral blood volume, ncCBV）、表观弥散系数（apparent diffusion coefficient, ADC）及相对峰值幅度（relative amplitude of the peak, rRHP）；新型指标——动脉输入函数延迟（Delay）、毛细血管通过时间异质性（capillary transit time heterogeneity, CTH及CTH Max）、氧摄取分数（oxygen extraction fraction, OEF）、相对外渗校正（relative extravasation correction, rLeakage）、相对脑氧代谢率（relative cerebral metabolic rate of oxygen, rCMRO₂）及变异系数（coefficient of variance, COV）。新型生物标志物由Cercare^TM Medical软件（Neurosuite v16.1）从首过灌注MRI序列或DSC-MRI中提取，基于贝叶斯统计的参量血管分析模型，考虑了血流异质性和潜在外渗，减少了噪声和伪影。

对于每项生物标志物，由经验丰富的放射科医生在病灶实质（path）和对侧正常实质（control）中分别勾画感兴趣区，计算病灶/对照比值（ratio）。统计分析采用受试者工作特征曲线下面积（AUC）评估单变量模型的诊断性能，采用随机森林模型（scikit-learn库）确定最优生物标志物组合，并采用双变量逻辑回归、线性SVM及RBF核SVM模型探索病灶与对照分别建模的潜在附加价值。

三、研究结果

3.1 单变量分析

在训练队列中，新型生物标志物Delay_ratio（AUC = 0.994）、CTH_ratio（AUC = 1.000）、CTH Max_ratio（AUC = 1.000）、OEF_ratio（AUC = 0.991）、rCMRO₂_ratio（AUC = 1.000）及COV_ratio（AUC = 0.993）的观察AUC值均高于cCBV_ratio（AUC = 0.930）和ncCBV_ratio（AUC = 0.786）。rLeakage_ratio（AUC = 0.988）也高于两种CBV指标。然而，在独立测试队列中，新型生物标志物未显示出一致的优于cCBV_ratio（AUC = 0.714）和ncCBV_ratio（AUC = 0.768）的优势；测试队列中各项生物标志物的AUC均明显低于训练队列，且置信区间较宽。

单变量逻辑回归分析显示，cCBV_ratio（OR = 8.35）、ncCBV_ratio（OR = 2.63）、Delay_ratio（OR = 72.37）、OEF_ratio（OR = 12.08）、rLeakage_ratio（OR = 285.69）及COV_ratio（OR = 55.56）均为TR的显著预测因子。CTH_ratio、CTH Max_ratio及rCMRO₂_ratio的OR值异常巨大（10¹⁵–10²⁶量级），提示模型存在完全分离或过拟合，其回归系数估计不稳定，需谨慎解读。

3.2 双变量分析

双变量逻辑回归模型中，cCBV、ncCBV、CTH、CTH Max及OEF的path+control模型与相应单变量比值模型的预测性能相当；而Delay、rLeakage、rCMRO₂及COV的双变量模型预测能力显著低于单变量模型。线性SVM双变量模型的AUC值与双变量逻辑回归几乎一致（相关性r = 0.996）。RBF核SVM双变量模型中，cCBV、ncCBV及OEF的模型性能与单变量模型相当，其余生物标志物的双变量模型性能较低。基于边际概率和Platt缩放概率评估的AUC值无显著差异。

3.3 单变量与双变量模型比较

总体而言，对于所有生物标志物，采用比值形式的单变量模型在预测TR与RN方面比双变量模型更高效。

3.4 随机森林模型

经网格搜索优化后，最优随机森林模型包含五项生物标志物：cCBV_ratio、ncCBV_ratio、Delay_ratio、OEF_ratio及COV_ratio，训练队列AUC为0.964（95% CI: 0.898–1.000）。其中，Delay_ratio的特征重要性最高，而cCBV_ratio和ncCBV_ratio的重要性最低。

四、讨论与结论

讨论部分指出，CTH升高可由异常毛细血管床拓扑结构、动静脉分流、微血栓形成、周细胞丢失或水肿导致的间质压升高引起。在肿瘤紊乱的微血管系统和广泛血管生成区域中，CTH通常升高，符合肿瘤微环境的特征。与Warburg效应一致，升高的CTH差异性地损害氧和葡萄糖的摄取，调节有氧糖酵解程度；高血流伴CTH升高导致氧摄取减少和局部缺氧。既往研究已证实，在毛细血管通过时间改变的组织区域中，缺氧相关标志物（如HIF-1α和VEGF）表达增加。肿瘤进展及对放化疗的抵抗与缺氧性肿瘤微环境（即毛细血管附近的“缺氧生态位”）密切相关。在健康组织中，CTH通常随平均通过时间（MTT）成比例升高，COV图对比度极低；而在肿瘤组织中，这两个参数可能解偶联，导致TR中COV高于RN。rCMRO₂作为氧代谢相关指标，在训练队列TR组中观察到较高值，但在测试队列中诊断性能显著下降，既往研究也提示仅依赖rCMRO₂可能因肿瘤代谢改变（包括Warburg效应）而遗漏潜在复发部位。

训练队列中ncCBV_ratio的AUC最低（0.786），尽管rCBV广泛用于区分TR与RN，但既往研究报道其诊断性能存在变异且两条件间数值重叠，可能归因于肿瘤异质性、放射性坏死与肿瘤复发共存、取样区域含坏死组织以及磁敏感性伪影等因素。

随机森林分析确定的五项生物标志物组合（cCBV、ncCBV、Delay、OEF、COV）报告AUC为0.964。但需注意，基于Gini不纯度的重要性度量对连续变量和具有更多分裂点的变量存在偏倚，重要性排序可能不反映真实的独立或因果效应，因此仅用于假设生成而非确立确定性的生物标志物相关性。Delay_ratio在随机森林模型中特征重要性最高，但其在独立测试队列中的单独性能显著下降，可能反映训练集乐观估计、队列特征或采集条件差异，或这些因素的组合。

研究局限性包括：单中心回顾性设计、原发肿瘤类型异质、测试队列样本量小（23例）、未考虑患者内病灶聚类、部分逻辑回归分析存在完全或准完全分离、诊断采用复合参考标准而病理确认仅覆盖训练队列20例、队列间扫描仪平台和采集参数不同且未进行跨扫描仪协调、专有处理要求限制可转移性、评估主要聚焦于判别力而校准、稳定性和临床效用需进一步评估。

结论指出，微血管异质性和氧代谢的定量DSC-MRI生物标志物在历史训练队列中显示出TR与RN的高鉴别能力，但其个体性能在当代测试队列中显著降低。探索性随机森林分析确定了传统与新型生物标志物的组合。这些发现支持对生理学信息丰富的DSC-MRI指标的持续研究，并强调在不同采集条件和患者群体中进行独立验证的重要性。需要更大规模的前瞻性多中心研究来确定其增量诊断价值。