分享:
分享到微信朋友圈
X
综述
不同扩散模型在子宫内膜癌诊断中的应用
尹希 吴慧 高阳 牛广明

尹希,吴慧,高阳,等.不同扩散模型在子宫内膜癌诊断中的应用.磁共振成像, 2018, 9(7): 556-560. DOI:10.12015/issn.1674-8034.2018.07.013.


[摘要] 子宫内膜癌是绝经后女性常见的恶性肿瘤,其鉴别诊断、术前分期、病理分型、病理分级是治疗和预后的关键。常规MRI主要局限于形态学成像,不同扩散模型包括扩散加权成像(diffusion weighted imaging,DWI)、扩散张量成像(diffusion tensor imaging,DTI)、扩散峰度成像(diffusion kurtosis imaging ,DKI)、体素内不相干运动成像(intravoxel incoherent motion,IVIM),能够无创地通过一系列定量、半定量数据分析为临床提供更多信息。结合国内外文献,作者就这四种扩散模型在子宫内膜癌诊断中的应用进行综述。
[Abstract] Endometrial cancer is a common malignant tumor in postmenopausal women. The differential diagnosis, preoperative staging, pathological classification and pathological grading are the keys to treatment and prognosis. Conventional MRI is mainly confined to morphological imaging. Different diffusion models include diffusion weighted imaging (DWI), diffusion tensor imaging (DTI), diffusion kurtosis imaging (DKI), intracorporeal incoherent motion imaging (IVIM), be able to provide more clinical information through a series of quantitative and semi-quantitative data analysis. Combined with domestic and foreign literature, this article reviews the application of these four diffusion models in the diagnosis of endometrial cancer.
[关键词] 子宫内膜肿瘤;癌;磁共振成像;肿瘤分级;肿瘤分期
[Keywords] Endometrial neoplasms;Carcinoma;Magnetic resonance imaging;Neoplasm grading;Neoplasm staging

尹希 内蒙古医科大学附属医院磁共振室,呼和浩特 010000

吴慧 内蒙古医科大学附属医院磁共振室,呼和浩特 010000

高阳 内蒙古医科大学附属医院磁共振室,呼和浩特 010000

牛广明* 内蒙古医科大学附属医院磁共振室,呼和浩特 010000

通讯作者:牛广明,E-mail: Cjr.niuguangming@vip.163.com


收稿日期:2018-02-26
接受日期:2018-03-18
中图分类号:R445.2; R737.33 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2018.07.013
尹希,吴慧,高阳,等.不同扩散模型在子宫内膜癌诊断中的应用.磁共振成像, 2018, 9(7): 556-560. DOI:10.12015/issn.1674-8034.2018.07.013.

       子宫内膜癌发病率逐年上升,成为女性第四大常见恶性肿瘤[1],大部分患者为绝经后女性。目前,绝大多数子宫内膜癌患者是根据临床诊刮术后的病理结果来进行诊断。然而,诊刮术后病理结果与子宫全切术后病理结果会不完全一致,特别是对于较大的肿瘤,因为诊刮术难以对肿瘤中心的组织进行取样。此外,诊刮术是相对有创的。MRI在子宫内膜癌的多学科管理中非常重要,由于形态学成像的局限性,常规的MRI更多地集中于分期。目前,应用于子宫内膜癌的不同扩散模型包括扩散加权成像(diffusion weighted imaging,DWI)、扩散张量成像(diffusion tensor imaging,DTI)、扩散峰度成像(diffusion kurtosis imaging,DKI)、体素内不相干运动成像(intravoxel incoherent motion,IVIM),能够从分子水平进行子宫的无创成像。其中,DWI在对子宫内膜癌早期诊断、子宫良性疾病的鉴别诊断以及术前分期方面具有独特的优势,已成为传统MRI的重要补充并逐步应用在临床。经国内外文献检索,DTI、DKI、IVIM在子宫内膜癌诊断中的应用国内外都鲜有报道。

1 DWI对子宫内膜癌的诊断价值

1.1 成像原理

       DWI是一种观察细胞内和细胞外水分子的三维微观运动的一种方法。其可视化是基于组织细胞性,细胞膜完整性和流体黏度的变化而引起的水流动性的变化[2,3]。表观扩散系数(apparent diffusion coefficient,ADC)可以定量地评估扩散程度。由于细胞数量的增加,水分子的运动通常被限制在肿瘤微环境内[4]。由于这种水分子运动的限制,与邻近的正常组织相比,大多数肿瘤显示出更高的DWI信号强度和更低的ADC值。

1.2 在鉴别诊断中的应用

       当子宫内膜癌与黏膜下肌瘤、子宫内膜息肉或内膜增生等良性疾病同时存在时常规MRI常显示不清,在DWI上子宫内膜癌由于限制性扩散信号很高,其ADC值显著低于子宫良性疾病和正常子宫内膜,有助于子宫内膜癌的诊断[5,6,7]

1.3 在术前分期的应用

       术前对子宫内膜癌进行分期对手术方案的选择和评估预后非常重要。临床现在使用的是国际妇产科联盟(Federation Internationale Gynecologie Obstetrique,FIGO)提出的2009版子宫内膜癌分期方法。DWI可以对子宫肌层浸润的深度进行准确地评估,Deng等[8]的Meta分析在DWI和MR动态增强成像(dynamic multiphase contrast-enhanced magnetic resonance imaging,DCE-MRI)扫描之间发现了相同的灵敏度,但是当与T2WI相结合时,DWI具有明显高于DCE-MRI的特异性。

       受累淋巴结由于水分子扩散受限其ADC值较正常偏低,DWI上呈高信号。然而,这种表现是非特异性的。许多研究小组已经评估了DWI在盆腔淋巴结转移中的作用,结果发现良性淋巴结ADC值高于恶性淋巴结,但是,部分良、恶性淋巴结的ADC值会有重叠,没有可靠的临界值来区分良恶性[9,10,11]

1.4 对病理分级的研究价值

       理论上,和高分化肿瘤对比,低分化肿瘤由于细胞增加导致水扩散减少更显著,从而ADC值显著降低。但是目前使用ADC值来确定子宫内膜癌的分级是有争议的。一些学者认为分化程度高的子宫内膜样腺癌ADC值明显高于分化程度较低者[12,13];另外一些学者认为ADC值对区分子宫内膜癌的病理分级无统计学意义[14,15],原因可能是没有考虑到另外一个变量-病理分型,导致研究的样本中有不同的组织学亚型。

1.5 对病理分型的研究价值

       根据组织学特征,子宫内膜癌分为子宫内膜样腺癌(endometrioid endometrial adenocarcinoma,EEA)、子宫浆液性腺癌(uterine serous adenocarcinoma,SA)、透明细胞癌等。病理分型在确定治疗计划和预后评估上起着至关重要的作用。目前使用ADC值来区分子宫内膜癌的病理分型也没有定论。一些学者在几种分型之间未观察到ADC值的显著差异[12,16];而Tian等[17]发现SA的ADC值明显低于EEA。

2 DTI对子宫内膜癌的诊断价值

2.1 成像原理

       DTI是基于DWI新发展的功能成像序列,可以检测到更多关于微观结构的信息。DWI将不同组织的水扩散的速度转化为ADC图进行定量分析,而DTI采用多个(至少6个)梯度方向的扩散测量,可以分别描述水分子的扩散速度和方向。参数有:平均ADC值(ADCmean)、各向异性分数(fractional anisotropy,FA)。ADCmean与水扩散速度呈正相关,FA值描述了水扩散的方向性,显示出纤维组织的密度和走向。

2.2 对术前分期的研究价值

       DTI对子宫肌壁三层结构的显示具有独特的优势[18],而且可以通过测量FA定量评估肿瘤肌层浸润情况,优于传统的MRI序列。Toba等[19]研究发现:用ADC值无法区分癌组织、受累浅肌层和正常深肌层,但是正常浅肌层的FA值显著高于癌组织,而受累浅肌层FA值均明显高于正常浅肌层。这一发现提示,FA比ADC更敏感地体现肌层浸润引起的细微变化。他还认为癌症侵袭诱导浅肌层内基质细胞的生长,形成了DTI各向异性区,各向异性区由紧密的、不规则的和各向异性的蜂窝状组织排列组成,从而导致受累肌层的FA值升高。Zhang等[20]发现FA的诊断效能优于ADC。此外纤维束图像提供了一种新的形态学方法,更直观地看到受累纤维的不规则排列和方向,使肉眼可以确认肌层浸润引起的间质细胞增殖。

2.3 对病理分型的研究价值

       Tian等[17]发现SA组ADC、ADCmean值均显著低于EEA组,ADCmean的诊断效能略高于ADC值。这可能是由于与EEA相比,SA细胞胞核较大,形状不规则,嗜酸性细胞质较多[21],因此,SA比EEA水分子受限更明显。他还发现FA显著高于EEA组,可能是由于SA中细胞呈乳头状或筛状结构,使水分子向一定方向运动,即各向异性[21];此外,一些研究表明,FA值随着细胞密度的增加而增加[22],如前所述,SA细胞密度高于EEA。受试者工作特征曲线分析结果显示,ADCmean显示出高灵敏度和高特异性,FA显示低灵敏度和高特异性。综上,DTI在区分EEA和SA方面具有较高的价值。

       目前DTI应用于子宫内膜癌鉴别诊断、病理分级的研究尚未见文献报道。

3 DKI对子宫内膜癌的诊断价值

3.1 成像原理

       传统DWI模型的一个局限性是认为水扩散遵循高斯分布,使得水分子无任何限制地扩散。Jensen等[23]认为由于组织中存在屏障(例如细胞膜)和隔室(例如细胞内和细胞外空间),水扩散分布函数呈现为非高斯分布,非高斯分布可能是组织中的真实情况,于是引入了DKI,这是一个高阶扩散模型。DKI的主要参数有:K值,即平均峰度,是应用最广泛的DKI参数,表示与单指数高斯模型相比过度的峰度(越大的K值表示扩散偏离高斯分布的越大的偏差),K值可以量化组织的异质性及其复杂程度:K值越大,异质性越明显,组织结构越复杂[24];D值为针对非高斯扩散分布校正的评估扩散程度的参数,与ADC相似。近年来,DKI在腹部[25]、盆腔器官疾病中的应用逐渐增加。

3.2 对鉴别诊断的研究价值

       2017年国际医学磁共振学会(International Society for Magnetic Resonance in Medicine ,ISMRM)年会中,Fukukura等[26]提出DKI有助于子宫良恶性病变的鉴别。子宫恶性肿瘤的D值显著低于良性肿瘤,而K值显著高于良性肿瘤。除此之外,尚未见DKI用于子宫内膜癌鉴别诊断的相关文献。

3.3 对病理分级的研究价值

       与ADC值相似,低分化肿瘤较高分化肿瘤D值显著降低;异质性和复杂性增加会导致低分化肿瘤K值的显著增高。Chen等[27]在子宫内膜癌的研究中也证实了此观点。DKI的D值和K值的组合可以提高病理分级的诊断效能。通过分析直方图,Nougaret等[13]表明在低分化肿瘤中ADC值10%显著低于高分化的肿瘤,Chen等[27]发现D值10%与K值90%的组合诊断效能显著高于ADC值的10%的诊断效能。D值10%和K值90%分别代表肿瘤细胞性和异质性,这两者都是肿瘤的重要病理特征。此外,Chen等[27]还发现分化程度越低的肿瘤对应的直方图分布曲线越向左偏移且形状更加不对称。直方图分布曲线也是反映肿瘤异质性和复杂性的重要工具,因此,子宫内膜癌的病理分级也可以通过直方图分布的形状来估计。这表明在病理分级中DKI模型可能比传统DWI更有前景,DKI可以作为一种可行的技术来描述女性子宫非高斯水扩散行为的真实现象。

       目前DKI应用于子宫内膜癌术前分期、病理分型的研究尚未见文献报道。

4 IVIM对子宫内膜癌的诊断价值

4.1 成像原理

       越来越多的研究表明DWI信号和ADC值既受到水扩散的影响,还受到微循环或血液灌注的影响,因此,从包含灌注效应的DWI单指数模型得到的ADC值可能会限制ADC在鉴定病变中的可靠性[28,29,30,31]。Bihan等[32]于1986年提出,当使用足够的b值采样和利用IVIM模型的双指数曲线拟合分析时,可以将血液灌注与实际扩散效应分开。IVIM的参数有:D(真扩散系数),反映剔除了微循环灌注的水扩散状态;D*(假扩散系数),反映毛细血管血流速度[33] ;f(灌注分数),通常与毛细血管血流量和血管密度的分数体积相关[34]。IVIM的主要优势在于它能够实现同时采集扩散和灌注参数,因此可以在相应的实体病变内提供两种测量值,而不需要进一步的处理步骤。

4.2 对鉴别诊断的研究价值

       目前IVIM应用于子宫内膜癌鉴别诊断的研究仅有两篇文献报道[35,36],主要限于与正常子宫内膜IVIM各参数特征的对比及鉴别诊断。孟楠等[35]的研究中,b=0、20、40、80、160、200、400、600、800、1000 s/mm2,结果为子宫内膜癌D值、f值显著低于正常子宫内膜,D*与正常子宫内膜的差异无统计学意义。Liu等[36]的研究中,b=0、30、50、100、150、200、500、800、1000、1500、2000、2500、3000 s/mm2,结果为子宫内膜癌D值、f值显著低于正常子宫内膜,而D*显著高于正常子宫内膜。子宫内膜癌通常具有比正常子宫内膜更大的细胞直径和更密集的细胞导致水分子扩散受限[37,38],所以子宫内膜癌D值较正常子宫内膜偏低。D*的结果两篇文献不一致,大多数研究者认为IVIM灌注参数可能取决于多种因素,如组织微循环中的复杂相互作用,毛细血管网络的丰度,毛细血管的渗透性,交换表面积,间质体积和组织间液压[28,29,30,31],也有可能与b值选取不同有关。Liu等[36]认为子宫内膜癌f值偏低可能是因为f值对正常子宫的螺旋小动脉敏感,当癌细胞破坏了螺旋小动脉时f值降低。关于单指数ADC和D值的关系,孟楠等[35]和Liu等[36]观点不完全一致。孟楠等[35]的结果为两者呈显著正相关且D值普遍低于ADC值,也证实了D值排出了灌注的观点。Liu等[36]的研究结果表明宫内膜癌D值与ADC值相近,他认为可能是由于子宫内膜癌中由于灌注参数f值显著降低,所以扩散信号衰减并不像正常子宫内膜中那样表现出明确的双指数函数。子宫内膜癌D*值、f值和DCE-MRI结果互相矛盾,DCE-MRI和IVIM灌注参数的关系值得进一步研究。

       目前IVIM应用于子宫内膜癌术前分期、病理分级、病理分型的研究尚未见文献报道。

       综上所述,不同扩散模型弥补了MRI常规扫描序列的许多不足之处,在无创的条件下,通过一系列定量、半定量数据分析,为子宫内膜癌的鉴别诊断、术前分期、病理分级、病理分型提供了重要信息。然而,目前DTI、DKI、IVIM对子宫内膜癌诊断的研究仍然较少,还需要进一步拓展、充实。

[1]
DeSantis CE, Siegel RL, Sauer AG, et al. Cancer statistics for African Americans, 2016: progress and opportunities in reducing racial disparities. CA Cancer J Clin, 2016, 66(4): 290-308.
[2]
Padhani AR, Liu GY, Koh DM, et al. Diffusion-weighted magnetic resonance imaging as a cancer biomarker: consensus and recommendations. Neoplasia, 2009, 11(2): 102-125.
[3]
Koyama T, Togashi K. Functional MR imaging of the female pelvis. J Magn Reson Imaging, 2007, 25(6): 1101-1112.
[4]
Koh DM, Collins DJ. Diffusion-weighted MRI in the body: applications and challenges in oncology. AJR Am J Roentgenol, 2007, 188(6): 1622-1635.
[5]
Bi Q,Xiao ZB, Lü FJ, et al. Effectiveness of different apparent diffusion coefficient in diagnosing endometrial lesions..J Clin Radiol, 2017, 36(4): 540-544.
毕秋,肖智博,吕发金,等.不同表观扩散系数在评价子宫内膜良恶性病变中的价值.临床放射学杂志, 2017, 36(4): 540-544.
[6]
Kilickesmez O, Bayramoglu S, Inci E, et al. Quantitative diffusion-weighted magnetic resonance imaging of normal and diseased uterine zones. Acta Radiol, 2009, 50(3): 340-347.
[7]
Takeuchi M, Matsuzaki K, Nishitani H. Diffusion-weighted magnetic resonance imaging of endometrial cancer: differentiation from benign endometrial lesions and preoperative assessment of myometrial invasion. Acta Radiol, 2009, 50(8): 947-953.
[8]
Deng L, Wang QP, Chen X, et al. The Combination of diffusion- and T2-weighted imaging in predicting deep myometrial invasion of endometrial cancer: a systematic review and Meta-analysis. J Comput Assist Tomogr, 2015, 39(5): 661-673.
[9]
Heijnen LA, Lambregts DM, Mondal D, et al. Diffusion-weighted MR imaging in primary rectal cancer staging demonstrates but does not characterise lymph nodes. Eur Radiol, 2013, 23(12): 3354-3360.
[10]
Cerny M, Dunet V, Prior JO, et al. Initial staging of locally advanced rectal cancer and regional lymph nodes: comparison of diffusion-weighted MRI with 18F-FDG-PET/CT. Clin Nucl Med, 2016, 41(4): 289-295.
[11]
Thoeny HC, Froehlich JM, Triantafyllou M, et al. Metastases in normal-sized pelvic lymph nodes: detection with diffusion-weighted MR imaging. Radiology, 2014, 273(1): 125-135.
[12]
Yan B, Zhao TT, Liang XF, et al. Can the apparent diffusion coefficient differentiate the grade of endometrioid adenocarcinoma and the histological subtype of endometrial cancer? Acta Radiol, 2018, 59(3): 363-370.
[13]
Nougaret S, Reinhold C, Alsharif SS, et al. Endometrial cancer: combined MR Volumetry and diffusion-weighted imaging for assessment of myometrial and lymphovascular invasion and tumor grade. Radiology, 2015, 276(3): 797-808.
[14]
Bharwani N, Miquel ME, Sahdev A, et al. Diffusion-weighted imaging in the assessment of tumour grade in endometrial cancer. Br J Radiol, 2011, 84(1007): 997-1004.
[15]
Kishimoto K, Tajima S, Maeda I, et al. Endometrial cancer: correlation of apparent diffusion coefficient (ADC) with tumor cellularity and tumor grade. Acta Radiol, 2016, 57(8): 1021-1028.
[16]
Husby JA, Salvesen ØO, Magnussen IJ, et al. Tumour apparent diffusion coefficient is associated with depth of myometrial invasion and is negatively correlated to tumour volume in endometrial carcinomas. Clin Radiol, 2015, 70(5): 487-494.
[17]
Tian S, Liu A, Zhu W, et al. Difference in diffusion-weighted magnetic resonance imaging and diffusion tensor imaging parameters between endometrioid endometrial adenocarcinoma and uterine serous adenocarcinoma: a retrospective study. Inter J Gynecol Cancer, 2017, 27(8): 1708-1713.
[18]
Fiocchi F, Nocetti L, Siopis E, et al. In vivo 3 T MR diffusion tensor imaging for detection of the fibre architecture of the human uterus: a feasibility and quantitative study. Br J Radiol, 2012, 85(1019): e1009-1017.
[19]
Toba M, Miyasaka N, Sakurai U, et al. Diagnostic possibility of diffusion tensor imaging for the evaluation of myometrial invasion in endometrial cancer: an ex vivo study. J Magn Reson Imaging, 2011, 34(3): 616-622.
[20]
Zhang LM, Liu AL, Zhang T, et al. Use of diffusion tensor imaging in assessing superficial myometrial invasion by endometrial carcinoma: a preliminary study. Acta Radiol, 2015, 56(10): 1273-1280.
[21]
Prueksaritanond N, Chantape W. Comparative survival outcomes of uterine papillary serous carcinoma, clear cell carcinoma, grade 3 endometrioid adenocarcinoma, and carcinosarcoma of endometrial cancer in rajavithi hospital. J Med Assoc Thai, 2016, 99(Suppl 2): S75-S83.
[22]
de Carvalho Rangel C, Hygino Cruz LC Jr, Takayassu TC, et al. Diffusion MR imaging in central nervous system. Magn Reson Imaging Clin N Am, 2011, 19(1): 23-53.
[23]
Jensen JH, Helpern JA. MRI quantification of non-Gaussian water diffusion by kurtosis analysis. NMR Biomed, 2010, 23(7):698-710.
[24]
Wang Q, Li H, Yan X, et al. Histogram analysis of diffusion kurtosis magnetic resonance imaging in differentiation of pathologic Gleason grade of prostate cancer. Urol Oncol, 2015, 33(8): 337.
[25]
Xu ML, Xing CH, Chen HW, et al. Application value of DKI in grading of extrahepatic cholangiocarcinoma. Chin J Magn Reson Imaging, 2016, 7(1): 34-39.
徐蒙莱,邢春华,陈宏伟,等. DKI技术在肝外胆管癌分级中的应用价值.磁共振成像, 2016, 7(1): 34-39.
[26]
Fukukura Y, Kumagae Y, Nakajo M, et al. Feasibility of diffusion kurtosis imaging as a tool for differentiation between benign and malignant uterine lesions. Hawaii: ISMRM, 2017: 3423.
[27]
Chen T, Li Y, Lu SS, et al. Quantitative evaluation of diffusion-kurtosis imaging for grading endometrial carcinoma: a comparative study with diffusion-weighted imaging..Clin Radiol, 2017, 72(11): 995.
[28]
Suh CH, Kim HS, Lee SS, et al. Atypical imaging features of primary central nervous system lymphoma that mimics glioblastoma: utility of intravoxel incoherent motion MR imaging. Radiology, 2014, 272(2): 504-513.
[29]
Woo S, Lee JM, Yoon JH, et al. Intravoxel incoherent motion diffusion-weighted MR imaging of hepatocellular carcinoma: correlation with enhancement degree and histologic grade. Radiology, 2014, 270(3): 758-767.
[30]
Joo I, Lee JM, Yoon JH, et al. Nonalcoholic fatty liver disease: intravoxel incoherent motion diffusion-weighted MR imaging-an experimental study in a rabbit model. Radiology, 2014, 270(1): 131-140.
[31]
Kang KM, Lee JM, Yoon JH, et al. Intravoxel incoherent motion diffusion-weighted MR imaging for characterization of focal pancreatic lesions. Radiology, 2014, 270(2): 444-453.
[32]
Bihan DL, Breton E, Lallemand D, et al. MR Imaging of incoherent motion: application to diffusion and perfusion in neurologic disorders. Radiology, 1986, 161(2): 401-407.
[33]
Le BD. Intravoxel incoherent motion perfusion MR imaging: a wake-up call. Radiology, 2008, 249(3): 748-752.
[34]
Shinmoto H, Tamura C, Soga S, et al. An intravoxel incoherent motion diffusion-weighted imaging study of prostate cancer. AJR Am J Roentgenol, 2012, 199(4): W496-500.
[35]
Meng N, Yan RF, Ren JP, et al. Single index, double exponential and tensile density index model diffusion weighted imaging in diagnosis of endometrial carcinoma. Chin J Med Imaging, 2017, 25(8): 609-612.
孟楠,闫瑞芳,任继鹏,等.单指数、双指数及拉伸指数模型扩散加权成像参数诊断子宫内膜癌.中国医学影像学杂志, 2017, 25(8): 609-612.
[36]
Liu JY, Wan YD, Wang Z, et al. Perfusion and diffusion characteristics of endometrial malignancy based on intravoxel incoherent motion MRI at 3.0 T: comparison with normal endometrium. Acta Radiol, 2016, 57(9): 1140-1148.
[37]
Rechichi G. Myometrial invasion in endometrial cancer: diagnostic performance of diffusion-weighted MR imaging at 1.5 T. Eur Radiol, 2010, 20(3): 754-762.
[38]
Kuang F, Chen Z, Zhong Q, et al. Apparent diffusion coefficients of normal uterus in premenopausal women with 3 T MRI. J Comput Assist Tomogr, 2011, 36(1): 455-460.

上一篇 MRI新技术在直肠癌临床应用研究进展
下一篇 持续性躯体形式疼痛障碍患者丘脑功能连接的功能磁共振研究
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2