苏州医工所医学影像室在肿瘤疗效早期预测研究中取得进展

作者:夏威 时间:2017-09-08

  肿瘤的精准治疗是当前研究的热点,而肿瘤疗效的早期预测,可为治疗方案的制定提供重要参考,对肿瘤的精准治疗至关重要。 

  大多数肿瘤疗效评估方法是借助结构成像技术,通过肿瘤形态学变化对肿瘤疗效进行评判。然而这种方法有明显的局限性:肿瘤形态学的变化滞后于肿瘤细胞的生理变化。即放化疗后,肿瘤形态的改变比肿瘤细胞生理的变化晚 1~3 个月,因此很难借助结构成像技术实现肿瘤疗效早期预测。近年来,随着分子功能成像的快速发展,动态增强磁共振成像(Dynamic Contrast-Enhanced Magnetic Resonance Imaging, DCE-MRI)等成像方法可获得肿瘤生理参数信息,通过监测生理参数变化情况,有望在肿瘤形态变化之前对治疗效果进预测。以软组织肉瘤为例,由于其生长具有血管依赖性,利用DCE-MRI 对血流灌注检测灵敏度高的特性,可获取肿瘤区域血流灌注参数变化情况。 

  中科院苏州医工所医学影像室高欣、夏威等人以软组织肉瘤为实验对象,开展了肿瘤疗效早期预测的可行性研究,提出了一种用于肿瘤疗效早期预测的DCE-MRI容积转移常数(Ktrans)体素分析方法。该研究利用放化疗前与放化疗早期(两周)软组织肉瘤患者的DCE-MRI影像数据,以及放化疗结束后手术病理确认得到的肿瘤细胞坏死率(Tumor Cell Necrosis Rate, TCNR),TCNR越大则疗效越好。将TCNR≥95%的病例定义为治疗效果良好,TCNR<95%的病例定义为治疗效果不佳。利用三维图像弹性配准技术将放化疗前与放化疗早期的DCE-MRI影像对齐,然后采用药代动力学建模方法构建基于体素的Ktrans变化图,根据Ktrans变化图采用统计学方法计算肿瘤区域Ktrans显著增加、显著减少和无明显变化的体积分数(F+, F- F0),将这三个体积分数作为疗效的预测指标,使用ROC曲线分析评估体积分数作为疗效早期预测指标的效果,并采用线性回归分析体积分数与肿瘤细胞坏死率之间的线性关系。此外,该研究还对比了肿瘤及正常组织各区域的Ktrans的变化情况,分析了所得结果的可能原因。 

  实验结果表明,所提方法生成的体积分数F- F0的疗效预测能力优于肿瘤最长径的改变量(ΔD)和肿瘤区域Ktrans的平均改变量(?Ktrans)等传统的肿瘤疗效评估指标,且F- F0TCNR具有较强的线性关系,F- 越小或 F0越大则TCNR越大,治疗效果越好。此外,实验结果可由肿瘤血管正常化理论解释,具有较好的临床意义。相关研究结果发表在European Journal of Radiology (SCI Q2 2.462): 

  Wei Xia, Zhuangzhi Yan, Xin Gao*, Volume fractions of DCE-MRI parameter as early predictor of histologic response in soft tissue sarcoma: A feasibility study, European Journal of Radiology, https://doi.org/10.1016/j.ejrad.2017.08.021. 

  文章链接:http://www.sciencedirect.com/science/article/pii/S0720048X17303406 

  该研究工作得到了国家自然科学基金(81571772)等项目资助。 

   1. Ktrans显著增加(红)、显著减少(蓝)和无明显变化(绿)的三类体素的分布图及Ktrans变化散点图。第一行是治疗效果良好的病例(TCNR≥95%),第二行是治疗效果不佳的病例(TCNR<95%)。a, c三类体素的分布图b, dKtrans变化散点图;红线表示y=x,黑线分别代表y=x+0.32y=x-0.31 

   2.不同疗效病例的体素分布图。由adF0依次减少(绿色区域),F-依次增加(蓝色区域)TCNR依次减少,疗效依次降低a: TCNR>95%, F0 =85%, F-=11%; b: TCNR=85%, F0 =63%, F-=30%; c: TCNR=50%, F0 =50%, F-=31%; d: TCNR=30%, F0 =27%, F-=67%. 

   3. 预测指标与TCNR的线性回归结果。红线为回归直线,阴影区域为回归结果的95%置信区间。相对于其他预测指标,F0F-的散点更加集中分布于回归直线附近,且回归系数更大,说明F0F-TCNR的线性关系更强。 

附件下载: