基于肿瘤表观弥散系数联合脂质/肌酸比值术前鉴别原发性中枢神经系统淋巴瘤与高级别胶质瘤：单中心诊断模型开发与内部验证研究

《Frontiers in Oncology》：Tumor apparent diffusion coefficient combined with the lipid-to-creatine ratio for preoperative differentiation of primary central nervous system lymphoma from high-grade glioma: a single-center diagnostic model development and internal validation study

　　

论文摘要翻译 背景与目的： 原发性中枢神经系统淋巴瘤（PCNSL）与高级别胶质瘤（HGG）可能呈现重叠的常规MRI表现。研究人员开发并内部验证了一个简约模型，该模型结合了肿瘤表观弥散系数（ADC）与脂质/肌酸比值（Lip/Cr），将其与每个单一预测因子进行比较，并评估了近端瘤周ADC的次要贡献。 材料与方法： 这项基于可用性的回顾性队列研究纳入了83例连续符合条件的患者，其中经病理确诊为PCNSL（n=38）或HGG（n=45），所有患者均在治疗前接受了包含弥散加权成像和质子磁共振波谱的3.0-T MRI检查。研究人员评估了四个预设的逻辑回归模型。内部验证使用了2000次分层自助重采样，并在每次重采样内重复进行标准化处理。研究报告了符合分布特征的汇总统计、配对增量性能、经验校准、敏感性分析以及探索性决策曲线分析。 结果： PCNSL患者的肿瘤ADC低于HGG患者，而Lip/Cr高于HGG患者（两者P值均<0.001）。肿瘤ADC联合Lip/Cr模型的表观AUC为0.925，经乐观校正后的AUC为0.918（95% CI，0.868–0.980）；校正后的Brier评分为0.114（95% CI，0.073–0.160）。与单独使用Lip/Cr相比，校正后的变化较小且不确切（ΔAUC，0.021；95% CI，?0.039至0.055；ΔBrier，?0.020；95% CI，?0.044至0.023）。加入近端瘤周ADC也产生了微小且不确切的变化（ΔAUC，0.004；95% CI，?0.039至0.023；ΔBrier，?0.005；95% CI，?0.018至0.027）。在对Lip/Cr进行对数转换并将HGG对照组限制为IDH野生型胶质母细胞瘤后，研究结果的方向保持稳定。 结论： 肿瘤ADC联合Lip/Cr在探索性内部验证中表现出良好的性能，但其相对于单独使用Lip/Cr的优越性尚未得到证实。该模型需要在预设MRS质量控制的多中心外部验证中进行测试，并且应作为专家判读和组织病理学确认的支持工具，而非替代方案。

论文解读文章

研究背景与目的

原发性中枢神经系统淋巴瘤（Primary Central Nervous System Lymphoma, PCNSL）和高级别胶质瘤（High-Grade Glioma, HGG）是两种治疗策略截然不同的颅内恶性肿瘤。PCNSL通常采用基于高剂量甲氨蝶呤的化疗方案，而HGG则优先考虑最大安全切除术后辅以分子分型指导的辅助治疗。然而，这两种疾病在常规MRI上的表现存在显著重叠，如均可能出现均匀强化、弥散受限、坏死、环状强化、出血和多灶性病变等特征，导致术前影像学鉴别诊断极具挑战性。尽管已有研究指出肿瘤表观弥散系数（Apparent Diffusion Coefficient, ADC）在PCNSL中通常低于HGG，但两者之间仍存在数值重叠区域。质子磁共振波谱（Proton Magnetic Resonance Spectroscopy, ¹H-MRS）能够提供互补的代谢信息，特别是脂质/肌酸比值（Lipid-to-Creatine Ratio, Lip/Cr）被认为在PCNSL中更高，但MRS测量本身易受体素放置、颅外脂质污染、基线不稳和谱峰拟合变异等多种因素影响。现有许多研究倾向于报告最高的曲线下面积（Area Under the Curve, AUC）或在较小样本中使用数据驱动的变量筛选方法，这可能导致过拟合和结果的不稳定性。因此，开展此项研究的目的是：开发并内部验证一个结合肿瘤ADC和Lip/Cr的简约逻辑回归模型，量化其相对于任一单一指标的增量价值，并评估近端瘤周ADC的额外贡献，旨在为术前无创鉴别诊断提供一个稳健且可重复的候选模型。

研究方法概述

这是一项回顾性单中心诊断模型开发研究，基于2021年1月至2025年12月在连云港市第二人民医院接受检查的连续合格患者的可用性队列。最终分析数据集包含83例完整病例，其中PCNSL 38例，HGG 45例。所有患者在治疗前均在同一台西门子3.0-T MRI系统上完成了包含弥散加权成像（Diffusion-Weighted Imaging, DWI）/ADC图和二维多体素质子MRS在内的标准序列扫描。研究人员预设了四个二元逻辑回归模型：肿瘤ADC、Lip/Cr、肿瘤ADC联合Lip/Cr（主要候选模型），以及主要模型加上近端瘤周ADC（次要扩展模型）。模型开发未使用任何单变量筛选、逐步选择或自动化特征选择方法。内部验证采用了2000次分层自助重采样（Bootstrap Resampling），并在每次重采样内重新估计预测因子的均值和总体标准差后进行模型再拟合，以计算经乐观校正后的性能指标，包括AUC、Brier评分、校准截距和校准斜率。

研究结果

3.1 队列与定量MRI发现

研究显示，PCNSL组的肿瘤ADC值（0.76 ± 0.13 × 10^-3 mm2/s）显著低于HGG组（1.00 ± 0.19 × 10^-3 mm2/s）（P < 0.001），而PCNSL组的Lip/Cr中位数（5.76）显著高于HGG组（2.57）（P < 0.001）。此外，PCNSL的近端瘤周ADC值（1.59 ± 0.15 × 10^-3 mm2/s）也显著高于HGG组（1.42 ± 0.19 × 10^-3 mm2/s）（P < 0.001）。所有ADC测量的观察者间一致性均为优秀（组内相关系数ICC > 0.90）。

3.2 逻辑回归系数

在主要模型中，较低的标准化肿瘤ADC（OR, 0.263; 95% CI, 0.117–0.591）和较高的标准化Lip/Cr（OR, 6.215; 95% CI, 2.215–17.436）与诊断为PCNSL独立相关。在预设的扩展模型中，近端瘤周ADC的估计值为正但不精确（OR, 2.326; 95% CI, 0.971–5.571），其作为次要扩展变量的地位由预设的模型层级决定。

3.3 模型性能、校准与增量价值

肿瘤ADC联合Lip/Cr的主要模型表现出色：表观AUC为0.925，经乐观校正后的AUC为0.918（95% CI, 0.868–0.980）；校正后的Brier评分为0.114（95% CI, 0.073–0.160）。与最强的单一预测因子Lip/Cr相比，主要模型的增量改善很小且不确切（ΔAUC, 0.021; 95% CI, ?0.039至0.055；ΔBrier, ?0.020; 95% CI, ?0.044至0.023）。同样，加入近端瘤周ADC也仅带来微小且不确切的变化。敏感性分析结果方向一致，对Lip/Cr进行对数转换或将HGG对照组限制为IDH野生型胶质母细胞瘤后，模型性能依然稳定。

3.4 阈值分析与探索性临床效用

在0.30、0.50和0.70三个描述性概率阈值下，灵敏度从0.947降至0.737，特异度从0.800升至0.911。探索性表观决策曲线分析显示，主要模型在0.10至0.80的大部分阈值概率范围内具有正向净获益。

3.5 模型方程

主要模型的标准化方程为：logit(P_PCNSL) = ?0.356 ? 1.336 × Z(肿瘤ADC) + 1.827 × Z(Lip/Cr)。转换为原始单位后的方程为：logit(P_PCNSL) = 2.589 ? 6.715 × 肿瘤ADC + 0.699 × Lip/Cr。

讨论与结论

本研究成功开发并内部验证了一个结合肿瘤ADC和Lip/Cr的简约双参数逻辑回归模型。研究结果表明，较低的弥散度和较高的脂质区信号与PCNSL的诊断独立相关。该组合模型在内部验证中展现出良好的区分性能和校准能力。然而，最关键的是，当直接与最强的单一预测因子——经过严格质量控制的Lip/Cr进行比较时，组合模型的增量优势非常有限且统计不确定性较大。因此，恰当的结论并非该组合模型更优，而是它是一个值得进行外部验证的合理候选模型，其超越单一MRS标记物的增量价值尚待确定。研究还确认了近端瘤周ADC的增量贡献微小且不精确，其作为次要扩展变量的地位得以维持。

结论翻译： 一个结合肿瘤ADC和Lip/Cr的双参数逻辑回归模型在内部验证中显示出用于鉴别PCNSL与HGG的良好探索性性能；然而，其相对于单独使用Lip/Cr的优越性并未被证实。近端瘤周ADC的增量贡献很小且不精确。该模型适用于在多中心环境下进行外部验证，并需配合严格的波谱和感兴趣区质量控制；它不应取代专家的神经放射学评估或组织病理学确认，也不应独立决定治疗方案。