Магнитно-резонансная томография в первичном стадировании и мониторинге рака шейки матки: обновление рекомендаций ESUR (2021)

Солопова А.Е., Украинцев Н.И., Рубцова Н.А.

1) ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова» Министерства здравоохранения Российской Федерации, Москва, Россия; 2) ГБУЗ «Московский клинический научный центр имени А.С. Логинова Департамента здравоохранения города Москвы», Москва, Россия; 3) Московский научно-исследовательский онкологический институт имени П.А. Герцена – филиал ФГБУ «Национальный медицинский исследовательский центр радиологии» Министерства здравоохранения Российской Федерации, Москва, Россия
В статье представлены рекомендации Европейского общества урогенитальной радиологии (ESUR), посвященные применению лучевой диагностики при раке шейки матки (РШМ), современным представлениям о первичном стадировании с учетом основных характеристик опухоли и возможностей лечения РШМ. Целью настоящего обзора литературы стала систематизация актуальных научных данных о возможностях и перспективах развития методов медицинской визуализации при РШМ.
Рекомендации ESUR стандартизируют и способствуют повышению эффективности применения лучевых методов диагностики при РШМ. Обновленные рекомендации ESUR учитывают все изменения, отраженные в классификации FIGO, согласно пересмотрам 2009/2018 гг., и TNM 8-го издания. В соответствии с обновлениями системы FIGO показана значительная роль и место МРТ при РШМ на этапе до, во время и после противоопухолевого лечения. По-прежнему, клиническая оценка новообразования – основа классификации FIGO. Современная инструментальная диагностика позволяет повысить объективность оценки распространенности опухолевого процесса на дооперационном этапе. Это позволяет использовать методы лучевой диагностики в качестве дополнительного инструмента при клиническом стадировании. ESUR уточняет критерии первичного стадирования и планирования противоопухолевой терапии. В статье рассмотрены клинические случаи с акцентом на МР-критерии стадирования, оценку эффективности лечения и прогноза, диагностику рецидива РШМ. В обзоре освещены возможности развития медицинской визуализации, направленные на применение гибридных методов визуализации и радиомики в стадировании распространенного РШМ.
Заключение: Современные научные данные в области урогенитальной радиологии представляют особый интерес для лучевой диагностики и онкогинекологии, в частности служат основой для клинического применения.

Ключевые слова

рак шейки матки
магнитно-резонансная томография
МРТ
система МРТ-оценки
диффузионно-взвешенная визуализация
стадирование новообразований
рецидив новообразования

Список литературы

  1. Каприн А.Д., Старинский В.В., Шахзадова А.О., ред. Состояние онкологической помощи населению России в 2020 году. М.: МНИОИ им. П.А. Герцена – филиал ФГБУ «НМИРЦ» Минздрава России; 2021. 239с.
  2. Bhatla N., Aoki D., Sharma D.N., Sankaranarayanan R. Cancer of the cervix uteri. Int. J. Gynaecol. Obstet. 2018; 143(Suppl. 2): 22-36. https://dx.doi.org/10.1002/ijgo.12611.
  3. Manganaro L., Lakhman Y., Bharwani N., Gui B., Gigli S., Vinci V. et al. Staging, recurrence and follow-up of uterine cervical cancer using MRI: updated Guidelines of the European Society of Urogenital Radiology after revised FIGO staging 2018. Eur. Radiol. 2021; 31(10): 7802-16. https://dx.doi.org/10.1007/s00330-020-07632-9.
  4. Bentivegna E., Maulard A., Pautier P., Chargari C., Gouy S., Morice P. Fertility results and pregnancy outcomes after conservative treatment of cervical cancer: a systematic review of the literature. Fertil. Steril. 2016; 106(5): 1195-211.e5. https://dx.doi.org/10.1016/j.fertnstert.2016.06.032.
  5. Koh W.J., Abu-Rustum N.R., Bean S., Bradley K., Campos S.M., Cho K.R. et al. Cervical Cancer, Version 3. 2019, NCCN Clinical Practice Guidelines in Oncology. J. Natl. Compr. Canc. Netw. 2019; 17(1): 64-84. https://dx.doi.org/10.6004/jnccn.2019.0001.
  6. Marth C., Landoni F., Mahner S., McCormack M., Gonzalez-Martin A., Colombo N. Cervical cancer: ESMO Clinical Practice Guidelines for diagnosis, treatment and follow-up. Ann. Oncol. 2017; 28(Suppl. 4): iv72-iv83.https://dx.doi.org/10.1093/annonc/mdx220.
  7. Bhatla N., Berek J.S., Cuello Fredes M., Denny L.A., Grenman S., Karunaratne K. et al. Revised FIGO staging for carcinoma of the cervix uteri. Int. J. Gynaecol. Obstet. 2019; 145(1): 129-35. https://dx.doi.org/10.1002/ijgo.12749.
  8. Lee S.I., Atri M. 2018 FIGO staging system for uterine cervical cancer: enter cross-sectional imaging. Radiology. 2019; 292(1): 15-24. https://dx.doi.org/10.1148/radiol.2019190088.
  9. Hori M., Kim T., Onishi H., Ueguchi T., Tatsumi M., Nakamoto A. et al. Uterine tumors: comparison of 3D versus 2D T2-weighted turbo spin-echo MR imaging at 3.0 T-initial experience. Radiology. 2011; 258(1): 154-63. https://dx.doi.org/10.1148/radiol.10100866.
  10. Park J.J., Kim C.K., Park S.Y., Park B.K. Parametrial invasion in cervical cancer: fused T2-weighted imaging and high-b-value diffusion-weighted imaging with background body signal suppression at 3 T. Radiology. 2015; 274(3): 734-41. https://dx.doi.org/10.1148/radiol.14140920.
  11. Moribata Y., Kido A., Fujimoto K., Himoto Y., Kurata Y., Shitano F. et al. Feasibility of computed diffusion weighted imaging and optimization of b-value in cervical cancer. Magn. Reson. Med. Sci. 2017; 16(1): 66-72.https://dx.doi.org/10.2463/mrms.mp.2015-0161.
  12. Hricak H., Gatsonis C., Chi D.S., Amendola M.A., Brandt K., Schwartz L.H. et al. Role of imaging in pretreatment evaluation of early invasive cervical cancer: results of the intergroup study American College of Radiology Imaging Network 6651-Gynecologic Oncology Group 183. J. Clin. Oncol. 2005; 23(36): 9329-37. https://dx.doi.org/10.1200/JCO.2005.02.0354.
  13. Liu B., Gao S., Li S. A comprehensive comparison of CT, MRI, positron emission tomography or positron emission tomography/CT, and diffusion weighted imaging-MRI for detecting the lymph nodes metastases in patients with cervical cancer: a meta-analysis based on 67 studies. Gynecol. Obstet. Invest. 2017; 82(3): 209-22. https://dx.doi.org/10.1159/000456006.
  14. Woo S., Moon M.H., Cho J.Y., Kim S.H., Kim S.Y. Diagnostic performance of MRI for assessing parametrial invasion in cervical cancer: a head-to-head comparison between oblique and true axial T2-weighted images. Korean J. Radiol. 2019; 20(3): 378-84. https://dx.doi.org/10.3348/kjr.2018.0248.
  15. Lakhman Y., Akin O., Park K.J., Sarasohn D.M., Zheng J., Goldman D.A. et al. Stage IB1 cervical cancer: role of preoperative MR imaging in selection of patients for fertility-sparing radical trachelectomy. Radiology. 2013; 269(1): 149-58. https://dx.doi.org/10.1148/radiol.13121746.
  16. Downey K., Attygalle A.D., Morgan V.A., Giles S.L., MacDonald A., Davis M. et al. Comparison of optimised endovaginal vs external array coil T2-weighted and diffusion-weighted imaging techniques for detecting suspected early stage (IA/IB1) uterine cervical cancer. Eur. Radiol. 2016; 26(4): 941-50.https://dx.doi.org/10.1007/s00330-015-3899-5.
  17. McEvoy S.H., Nougaret S., Abu-Rustum N.R., Vargas H.A., Sadowski E.A., Menias C.O. et al. Fertility sparing for young patients with gynecologic cancer: how MRI can guide patient selection prior to conservative management. Abdom. Radiol. (NY). 2017; 42(10): 2488-512. https://dx.doi.org/10.1007/s00261-017-1179-3.
  18. Raithatha A., Papadopoulou I., Stewart V., Barwick T.D., Rockall A.G., Bharwani N. Cervical cancer staging: a resident’s primer: women’s imaging. Radiographics. 2016; 36(3): 933-4. https://dx.doi.org/10.1148/rg.2016150173.
  19. Qi Y.F., He Y.L., Lin C.Y., Wang X.Q., Zhou H.L., Yuan L. et al. Diffusion-weighted imaging of cervical cancer: feasibility of ultra-high b-value at 3T. Eur. J. Radiol. 2020; 124: 108779. https://dx.doi.org/10.1016/j.ejrad.2019.108779.
  20. Jalaguier-Coudray A., Villard-Mahjoub R., Delouche A., Delarbre B., Lambaudie E., Houvenaeghel G. et al. Value of dynamic contrast-enhanced and diffusion-weighted MR imaging in the detection of pathologic complete response in cervical cancer after neoadjuvant therapy: a retrospective observational study. Radiology. 2017; 284(2): 432-42. https://dx.doi.org/10.1148/radiol.2017161299.
  21. Vincens E., Balleyguier C., Rey A., Uzan C., Zareski E., Gouy S. et al. Accuracy of magnetic resonance imaging in predicting residual disease in patients treated for stage IB2/II cervical carcinoma with chemoradiation therapy: correlation of radiologic findings with surgicopathologic results. Cancer. 2008; 113(8): 2158-65. https://dx.doi.org/10.1002/cncr.23817.
  22. Schreuder S.M., Lensing R., Stoker J., Bipat S. Monitoring treatment response in patients undergoing chemoradiotherapy for locally advanced uterine cervical cancer by additional diffusion-weighted imaging: a systematic review. J. Magn. Reson. Imaging. 2015; 42(3): 572-94. https://dx.doi.org/10.1002/jmri.24784.
  23. Onal C., Reyhan M., Guler O.C., Yapar A.F. Treatment outcomes of patients with cervical cancer with complete metabolic responses after definitive chemoradiotherapy. Eur. J. Nucl. Med. Mol. Imaging. 2014; 41(7): 1336-42. https://dx.doi.org/10.1007/s00259-014-2719-5.
  24. Grigsby P.W., Siegel B.A., Dehdashti F., Rader J., Zoberi I. et al. Posttherapy
  25. Ho J.C., Allen P.K., Bhosale P.R., Rauch G.M., Fuller C.D., Mohamed A.S. et al. Diffusion-weighted magnetic resonance imaging as a predictor of outcome in cervical cancer after chemoradiation. Int. J. Radiat. Oncol. Biol. Phys. 2017; 97(3): 546-53. https://dx.doi.org/10.1016/j.ijrobp.2016.11.015.
  26. Gladwish A., Milosevic M., Fyles A., Xie J., Halankar J., Metser U. et al. Association of apparent diffusion coefficient with disease recurrence in patients with locally advanced cervical cancer treated with radical chemotherapy and radiation therapy. Radiology. 2016; 279(1): 158-66. https://dx.doi.org/10.1148/radiol.2015150400.
  27. Onal C., Erbay G., Guler O.C. Treatment response evaluation using the mean apparent diffusion coefficient in cervical cancer patients treated with definitive chemoradiotherapy. J. Magn. Reson. Imaging. 2016; 44(4):1010-9.https://dx.doi.org/10.1002/jmri.25215.
  28. Zhou W., Yang X., Dai Y., Wu Q., He G., Yin G. Survey of cervical cancer survivors regarding quality of life and sexual function. J. Cancer Res. Ther. 2016; 12(2): 938-44. https://dx.doi.org/10.4103/0973-1482.175427.
  29. Himoto Y., Kido A., Fujimoto K., Daido S., Kiguchi K., Shitano F. et al. MR imaging-based evaluation of morphological changes in the uterus and ovaries of patients following neoadjuvant chemotherapy for cervical cancer. Magn. Reson. Med. Sci. 2015; 14(1): 65-72. https://dx.doi.org/10.2463/mrms.2014-0025.
  30. Heo S.H., Shin S.S., Kim J.W., Lim H.S., Jeong Y.Y., Kang W.D. et al. Pre-treatment diffusion-weighted MR imaging for predicting tumor recurrence in uterine cervical cancer treated with concurrent chemoradiation: value of histogram analysis of apparent diffusion coefficients. Korean J. Radiol. 2013; 14(4): 616-25. https://dx.doi.org/10.3348/kjr.2013.14.4.616.
  31. Nakamura K., Kajitani S., Joja I., Haruma T., Fukushima C., Kusumoto T. et al. The posttreatment mean apparent diffusion coefficient of primary tumor is superior to pretreatment ADCmean of primary tumor as a predictor of prognosis with cervical cancer. Cancer Med. 2013; 2(4): 519-25. https://dx.doi.org/10.1002/cam4.100.
  32. Signorelli M., Guerra L., Montanelli L., Crivellaro C., Buda A., Dell'Anna T. et al. Preoperative staging of cervical cancer: is 18-FDG-PET/ CT really effective in patients with early stage disease? Gynecol. Oncol. 2011; 123(2): 236-40.https://dx.doi.org/10.1016/j.ygyno.2011.07.096.
  33. Li Z., Li H., Wang S., Dong D., Yin F., Chen A. et al. MR-based radiomics nomogram of cervical cancer in prediction of the lymph-vascular space invasion preoperatively. J. Magn. Reson. Imaging. 2019; 49(5): 1420-6. https://dx.doi.org/10.1002/jmri.26531.
  34. Tian X., Sun C., Liu Z., Li W., Duan H., Wang L. et al. Prediction of response to preoperative neoadjuvant chemotherapy in locally advanced cervical cancer using multicenter CT-based radiomic analysis. Front. Oncol. 2020; 10: 77. https://dx.doi.org/10.3389/fonc.2020.00077.
  35. Lucia F., Visvikis D., Vallières M., Desseroit M.C., Miranda O., Robin P. et al. External validation of a combined PET and MRI radiomics model for prediction of recurrence in cervical cancer patients treated with chemoradiotherapy. Eur. J. Nucl. Med. Mol. Imaging. 2019; 46(4): 864-77. https://dx.doi.org/10.1007/s00259-018-4231-9.
  36. Jin X., Ai Y., Zhang J., Zhu H., Jin J., Teng Y. et al. Noninvasive prediction of lymph node status for patients with early-stage cervical cancer based on radiomics features from ultrasound images. Eur. Radiol. 2020; 30(7): 4117-24. https://dx.doi.org/10.1007/s00330-020-06692-1.
  37. Schernberg A., Reuze S., Orlhac F., Buvat I., Dercle L., Sun R. et al. A score combining baseline neutrophilia and primary tumor SUVpeak measured from FDG PET is associated with outcome in locally advanced cervical cancer. Eur. J. Nucl. Med. Mol. Imaging. 2018; 45(2): 187-95. https://dx.doi.org/10.1007/s00259-017-3824-z.
  38. Wang T., Gao T., Yang J., Yan X.., Wang Y, Zhou X. et al. Preoperative prediction of pelvic lymph nodes metastasis in early-stage cervical cancer using radiomics nomogram developed based on T2-weighted MRI and diffusion-weighted imaging. Eur. J. Radiol. 2019; 114: 128-35. https://dx.doi.org/10.1016/j.ejrad.2019.01.003.
  39. Lin Y.C., Lin C.H., Lu H.Y., Chiang H.J., Wang H.K., Huang Y.T. et al. Deep learning for fully automated tumor segmentation and extraction of magnetic resonance radiomics features in cervical cancer. Eur. Radiol. 2020; 30(3):1297-305. https://dx.doi.org/10.1007/s00330-019-06467-3.
  40. Liu Y., Zhang Y., Cheng R., Liu S., Qu F., Yin X. et al. Radiomics analysis of apparent diffusion coefficient in cervical cancer: a preliminary study on histological grade evaluation. J. Magn. Reson. Imaging. 2019; 49(1): 280-90. https://dx.doi.org/10.1002/jmri.26192.
  41. Zwanenburg A., Vallières M., Abdalah M.A., Aerts H.J.W.L., Andrearczyk V., Apte A. et al. The image biomarker standardization initiative: standardized quantitative radiomics for high-throughput image-based phenotyping. Radiology. 2020; 295(2): 328-38. https://dx.doi.org/10.1148/radiol.2020191145.
  42. Li K., Sun H., Lu Z., Xin J., Zhang L., Guo Y. et al. Value of
  43. Hou L., Zhou W., Ren J., Du X., Xin L., Zhao X. et al. Radiomics analysis of multiparametric MRI for the preoperative prediction of lymph node metastasis in cervical cancer. Front. Oncol. 2020; 10: 1393. https://dx.doi.org/10.3389/fonc.2020.01393.
  44. Wang T., Gao T., Guo H., Wang Y., Zhou X., Tian J. et al. Preoperative prediction of parametrial invasion in early-stage cervical cancer with MRI-based radiomics nomogram. Eur. Radiol. 2020; 30(6): 3585-93. https://dx.doi.org/10.1007/s00330-019-06655-1.
  45. Cai M., Yao F., Ding J., Zheng R., Huang X., Yang Y. et al. MRI radiomic features: a potential biomarker for progression-free survival prediction of patients with locally advanced cervical cancer undergoing surgery. Front. Oncol. 2021; 11: 749114. https://dx.doi.org/10.3389/fonc.2021.749114.
  46. Autorino R., Gui B., Panza G., Boldrini L., Cusumano D., Russo L. et al. Radiomics-based prediction of two-year clinical outcome in locally advanced cervical cancer patients undergoing neoadjuvant chemoradiotherapy. Radiol. Med. 2022; 127(5): 498-506. https://dx.doi.org/10.1007/s11547-022-01482-9.
  47. Kim K.E., Kim C.K. Magnetic resonance imaging-based texture analysis for the prediction of postoperative clinical outcome in uterine cervical cancer. Abdom. Radiol. (NY). 2022; 47(1): 352-61. https://dx.doi.org/10.1007/s00261-021-03288-1.
  48. Liu B., Sun Z., Xu Z.L., Zhao H.L., Wen D.D., Li Y.A. et al. Predicting disease-free survival with multiparametric MRI-derived radiomic signature in cervical cancer patients underwent CCRT. Front. Oncol. 2022; 11: 812993.https://dx.doi.org/10.3389/fonc.2021.812993.
  49. Ikushima H., Haga A., Ando K., Kato S., Kaneyasu Y., Uno T. et al. Prediction of out-of-field recurrence after chemoradiotherapy for cervical cancer using a combination model of clinical parameters and magnetic resonance imaging radiomics: a multi-institutional study of the Japanese Radiation Oncology Study Group. J. Radiat. Res. 2022; 63(1): 98-106. https://dx.doi.org/10.1093/jrr/rrab104.
  50. Zhou Y., Gu H.L., Zhang X.L., Tian ZF., Xu X.Q., Tang W.W. Multiparametric magnetic resonance imaging-derived radiomics for the prediction of disease-free survival in early-stage squamous cervical cancer. Eur. Radiol. 2022; 32(4): 2540-51. https://dx.doi.org/10.1007/s00330-021-08326-6.

Поступила 13.07.2022

Принята в печать 08.08.2022

Об авторах / Для корреспонденции

Солопова Алина Евгеньевна, д.м.н., доцент, в.н.с. отделения лучевой диагностики, Национальный медицинский исследовательский центр акушерства, гинекологии и
перинатологии имени академика В.И. Кулакова Министерства здравоохранения Российской Федерации, a_solopova@oparina4.ru,
https://orcid.org/0000-0003-4768-115X, 117997, Россия, Москва, ул. Академика Опарина, д. 4.
Украинцев Никита Игоревич, врач-ординатор, Московский клинический научно-практический центр имени А.С. Логинова ДЗМ, ukraincev.nikita@mail.ru,
111123, Россия, Москва, шоссе Энтузиастов, д. 86, стр. 6.
Рубцова Наталья Алефтиновна, д.м.н., заведующая отделом лучевой диагностики, МНИОИ им. П.А. Герцена – филиал ФГБУ «НМИЦ радиологии» Минздрава России,
rna17@yandex.ru, 125284, Россия, Москва, 2-й Боткинский пр., д. 3.

Вклад авторов: Солопова А.Е. – анализ источников, написание статьи, подбор изображений; Украинцев Н.И. – анализ актуальной литературы, написание статьи, подбор изображений; Рубцова Н.А. – рецензирование и редактирование текста статьи, помощь в адаптации рекомендаций.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов в отношении данной публикации.
Финансирование: Работа выполнена без спонсорской поддержки.
Для цитирования: Солопова А.Е., Украинцев Н.И., Рубцова Н.А.
Магнитно-резонансная томография в первичном стадировании и мониторинге рака шейки матки: обновление рекомендаций ESUR (2021)
Акушерство и гинекология. 2022; 8: 36-46
https://dx.doi.org/10.18565/aig.2022.8.36-46

Также по теме

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.