在腹部实质性脏器的多b值DWI的研究中，实质脏器的DWI信号随着b值增大而呈非单指数衰减^[1]。这种非单指数衰减的主要原因是腹部脏器组织内的血流灌注丰富^[2]。而体素内不相干运动(intra-voxel incoherent motion，IVIM)模型是分析这种非单指数衰减变化的主要方法之一。在以往的分析中，虽然IVIM在临床中的应用价值已经得到认可^[3,4]，主要是应用于肿瘤的探索性研究中。慢性肾病的进展包括肾小球硬化、减少和肾实质的部分纤维化。那么，IVIM可以解析微灌注信息，是否比传统的单指数模型在预测肾小球滤过率方面是否更具有优势呢？也正是因为此，需要对IVIM与传统单指数模型分析方法比较分析。

1　材料与方法

1.1　病例资料

       回顾性分析我院56例因为蛋白尿或持续微量蛋白尿(>3个月)而就诊的患者，其中，男39例，女17例，年龄位于19~74岁。入组的排除标准：(1)金属植入手术史；(2)肾占位或泌尿系结石；(3)屏气时间小于13 s；(4)不满18周岁。肾滤过功能评价采用估计肾小球滤过率(estimated glomerular filtration rate，eGFR)，计算方法：eGFR (ml/min/1.73 m²)=170×Scr^0.999×age^0.176×BUN^0.170×albumin^0.318×0.762(如果为女性)，其中肌酐(Scr)的单位是mg/dl，血清尿素氮(BUN)的单位是mg/dl，尿蛋白的单位g/dl^[5]。

       当eGFR≤30 ml/min/1.73 m²时认定为有肾小球滤过率明显损伤，其余则认为没有明显肾小球滤过率损伤。因此，将研究对象分为明显肾小球滤过率损伤组(severe glomerular filtration rate injury，sRI)和非明显肾小球滤过率损伤组(non-sRI)。

1.2　磁共振扫描参数

       采用Phillip Achieva TX 3.0 T设备采集图像。所有的研究对象均取仰卧位，采用32通道相控线圈采集信号。扫描序列共计4个(表1)，其中前3个序列主要用于肾脏定位，同时排除占位性病变，以减少干扰因素。

点击查看表格

表1  磁共振扫描序列及其参数设置
Tab. 1  Magnetic resonance imaging sequence and imaging parameters

1.3　磁共振图像分析

       多b值DWI的图像采用OsiriX软件(32-bit；http://www.osirix-viewer.com)分析，IVIM的理论基础公式为：Sb/S0=Ffastexp (bDfast)+(1-Ffast) exp (bDslow)，单指数模型的理论基础公式为：Sb/S0=exp (bDmon)。其中b为扩散加权梯度，S0代表b值为0时的DWI信号强度，Sb为对应b值时组织的DWI信号强度，Dfast为组织中扩散加权快成分的扩散系数，Dslow是组织中扩散慢成分的扩散系数，Ffast为组织扩散加权快的成分所占的比例；Dmon是单指数模型的扩散系数。

       为了尽可能地避免胃肠道中气体伪影和不同层面可能导致的参数差异，该研究只将右肾中心层面纳入图像分析，即横截面积最大的一个层面的DWI图像用于信号分析。在避开肾实质边缘区伪影的前提下，手动勾画ROI，尽可能地囊括该层面中的右肾肾实质区，然后读取对应的参数值。

1.4　统计学方法

       定量参数采用均数和标准差表达。肾小球滤过率不同组间比较采用两独立样本t检验；各组内Dslow与Dfast的差异采用配对t检验；各DWI的量化参数之间及与eGFR的相关性采用Pearson相关分析；受试者特征工作曲线(receiver operating characteristic curves，ROC)分析用于比较四个参数区分肾小球滤过率损伤分组的效能。所有的统计学分析在SPSS 17.0软件包分析，P<0.05认为有统计学差异。

2　结果

       根据eGFR=30 ml/min/1.73 m²的阈值将研究对象分成sRI和non-sRI组，两组的年龄分别为(54.48±13.38)岁和(50.91±14.80)岁，两组间年龄分布没有差异(t=0.948，P=0.351)。sRI组的Dmon参数小于non-sRI组(P<0.05)。sRI组的IVIM参数也均小于non-sRI组(P<0.05)，而且Dfast也均大于Dslow(表2)。

       将DWI分析的各参数分别与eGFR行Pearson相关分析(图1)，Dmon、Dslow、Dfast和Ffast均与eGFR存在线性相关(r≥0.356，P<0.01)。此外，各参数之间也存在一定的相关性，其中Dmon与Dslow的相关系数r达到0.893，然后依次减低，分别为Dmon与Dfast(r=0.508)、Dmon与Ffast(r=0.496)、Dfast与Ffast(r=0.429)、Dslow与Ffast(r=0.378)、Dslow与Dfast (r=0.344)。

       两种模型分析的四个参数用于预测sRI和non-sRI分组时，Dmon、Dslow、Dfast和Ffast的ROC曲线下面积分别依次0.796、0.786、0.773和0.806，四者之间无统计学差异(图2)。

点击查看大图

图1  56例患者的各DWI分析的参数分布及线性拟合。各参数值分布在拟合曲线两侧，均与eGFR存在线性相关性
Fig. 1  Distrubution ranges and fitting lines of IVIM-based parameters in this study of 56 cases. The parameter value located on both sides of the fitting lines, and each parameter was linear related with eGFR.

点击查看大图

图2  两种DWI模型分析的四个参数预测sRI与non-sRI分组的受试者工作特征曲线分析。四个参数的曲线下面积比较均无统计学差异，具体为Dmonvs. Dslow，Z=0.205，P=0.838；Dmon vs. Dfast，Z=0.314，P=0.754；Dmon vs. Ffast，Z=0.146，P=0.884；Dfast vs. Dslow，Z=0.143，P=0.887；Dfast vs. Ffast，Z=0.482，P=0.630；Dslow vs. Ffast，Z=0.241，P=0.810
Fig. 2  In the analysis from ROC, there are no significant differences for differentiating sRI from non-sRI between Dmon and Dslow (Z=0.205, P=0.838), between Dmon and Dfast (Z=0.314, P=0.754), between Dmon and Ffast (Z=0.146, P=0.884), Dfast and Dslow (Z=0.143, P=0.887), between Dfast and Ffast (Z=0.482, P=0.630), and between Dslow and Ffast (Z=0.241, P=0.810).

点击查看表格

表2  两组研究对象的DWI参数比较
Tab. 2  Comparisons of DWI-based parameters between two groups

3　讨论

3.1　肾脏扩散加权成像的IVIM模型分析参数变化趋势及其潜在的病理基础

       在DWI图像的IVIM模型分析中，根据b值的选择，将组织中的扩散加权信号变化分解成两种(慢和快)水分子的扩散特征，其中理论上Dfast更加能体现组织的微血管灌注。相对肾脏而言，正常情况下其血流量非常丰富，而且本身又参与维持电解质的平衡和代谢产物的排泄，即肾小管中尿液的形成和流动，两者都是Dfast和Ffast的主要贡献者。在慢性肾病的进展过程中主要为肾小管或肾小球的损伤，最终表现为肾小球滤过功能的减低，即单位体积肾血流量减少。本研究也证实了sRI组的Dfast和Ffast明显减低，而且肾小球滤过率与Dfast及Ffast均呈线性相关。在肾脏功能损伤疾病的进展中也表现为肾间质纤维化和间质中含水量的减少。本研究结果与之前的研究相似^[6,7]，即随着肾小球滤过率的减少，Dmon和Dslow均呈逐渐降低的趋势。但是Dslow未能改善Dmon预测sRI与non-sRI分组的价值。同样的现象也发生在前列腺肿瘤的鉴别和肝脏纤维化的评价中^[8,9]，但是之前的研究均未能给出合理的解释。该研究进一步分析则发现：Dslow与Dmon的线性相关性也非常高(r=0.893)，而且在sRI和non-sRI组，Dslow值大小均约为Dmon的89%，提示了Dmon主要代表"慢"水分子的扩散信息特征。

3.2　肾脏扩散加权成像参数与eGFR的相关性比较

       该研究的Dmon与eGFR存在轻中度线性相关性。但是不同的研究中的相关性存在一些差异。其中Carbone等^[10]报道的相关性最好(r=0.79)，其所采用的b值为0和600，而Toya等^[11]报道的相关性最差(r=0.03)，其所采用的b值为50和1000，而Zhao等^[12]的研究报道(r=0.43)则与本研究相似，其采用的b值时0和800。因此，笔者推断：b值越小，扩散加权参数中的微灌注信息越多，与肾小球滤过率的相关性也越高，其潜在的临床价值也越大。

3.3　本研究的不足之处

       本研究也存在一些不足：(1) non-sRI的样本量相对较小，需要大样本的研究分析确认；(2)在sRI组中，肾脏皮髓质分界不清，无法进一步细化皮质或髓质的DWI参数值变化；(3)为了尽可能地减少胃肠道中气体伪影的影响，只将右肾的DWI信号用于分析，因此可能存在选择性偏移；(4)计算eGFR的前提是假定双肾的肾小球滤过率功能相似，但是事实可能并非如此。

3.4　总结

       多b值DWI的IVIM模型和单指数模型分析可以评估肾小球滤过率的状态。虽然IVIM可以解析部分肾实质的微灌注信息，但是显然没有展示出更多的优势。相比较而言，Dmon不仅计算简单，同时包含部分微灌注信息，在评价慢性肾病的肾小球滤过率方面可能更具有潜力和实用价值。