宫颈癌是我国女性生殖系统最常见的恶性肿瘤，其发病率正逐年上升且有年轻化的趋势^[1]。而决定宫颈癌患者预后最重要的因素之一便是盆腔淋巴结转移(pelvic lymph node metastasis，PLNM)^[2]。2018年最新修订的宫颈癌国际妇产科联合会(International Federation of Gynecology and Obstetrics，FIGO)分期也首次将淋巴结受累情况纳入宫颈癌分期标准^[3]。因此，准确判断宫颈癌患者盆腔淋巴结状态，对明确分期、判断预后和制定治疗方案至关重要。目前临床上对宫颈癌PLNM的诊断主要是依据MRI平扫中淋巴结的形态学特征，其中最为常用的标准便是淋巴结短径是否超过10 mm^{[4, 5]}。这种方法虽然特异度尚可，但敏感度和准确度较差^[6]。而淋巴结穿刺作为PLNM诊断的金标准，不仅有创而且常伴有很多并发症^[7]。因此，迫切需要寻找一种更加敏感、无创的方法来预测PLNM。

       体素内不相干运动扩散加权成像(intravoxel incoherent motion diffusion weighted imaging，IVIM-DWI)采用双指数模型，可以有效区分水分子运动和微循环灌注，准确地反映肿瘤组织的细胞密集度和微循环状态^[8]。纹理分析(texture analysis，TA)能够量化图像信息，提取大量肉眼无法识别的纹理特征，挖掘出影像图像中的微观信息及肿瘤的内在特性^[9]。并且既往的文献已证明淋巴结转移与原发灶的恶性程度及侵袭能力密切相关^{[10, 11]}。因此本研究尝试通过联合宫颈癌原发灶的IVIM-DWI和TA参数来预测PLNM，并探讨其可行性与临床价值。

1 材料与方法

1.1 一般临床资料

       回顾性收集2016年1月至2020年9月于中国科学技术大学附属第一医院西区(安徽省肿瘤医院)就诊的宫颈癌患者资料，筛选出符合纳入标准的患者119例。根据排除标准，排除肿瘤过小无法进行数据测量者7例、合并其他恶性肿瘤者1例、有盆腔手术史者2例、其他临床资料不全者8例，最终入组101例。根据淋巴结病理结果将患者分为转移组和非转移组。入组患者均于术前10 d内行常规MRI+增强+IVIM-DWI扫描并于本院行根治性子宫切除术和盆腔淋巴结清扫术。本研究经过安徽省肿瘤医院医学伦理委员会批准(批准文号：2021-YXK-01)，免除受试者知情同意。

1.2 纳入标准

       ①术前10 d内行MRI平扫、多期动态增强和IVIM-DWI检查；②术前未接受放、化疗；③于本院行根治性子宫切除术和盆腔淋巴结清扫术；④术后病理确诊为宫颈癌；⑤无MRI检查禁忌证。

1.3 排除标准

       ①肿瘤太小不足以用于数据分析；②由于运动或易感性伪影导致的MRI图像质量不合格；③同时合并其他恶性肿瘤；④有盆腔手术史；⑤其他临床资料不全。

1.4 MRI扫描方法

       采用GE Healthcare Signa HDxT 3.0 T MRI扫描仪，8通道Torsor相控阵线圈。检查前8 h禁食、0.5 h肌内注射盐酸山莨菪碱，适当排空膀胱以减少肠道蠕动和尿液电解质伪影。患者取仰卧位尽量采用胸式呼吸，扫描范围：髂骨上缘至耻骨联合下缘。平扫序列包括：快速自旋回波(FSE)轴位T1WI、T2WI(在子宫矢状位定位并与宫颈管垂直)、抑脂(FS)-T2WI、矢状位T2WI。增强序列包括动脉期、静脉期、延迟期的轴位LAVA-FLEX、延迟后期的矢状位LAVA-FLEX，延迟时间分别为25、60、150、180 s。扫描参数：①IVIM-DWI：10个b值(0、10、20、50、100、200、400、800、1200、2000 s/mm²)的轴位DWI，TR 4000 ms，TE 65 ms，NEX 6，FOV 42 cm×42 cm，矩阵96×130，层厚4 mm，层间距1 mm。②LAVA-FLEX序列：TR 4.4 ms，TE 2 ms，NEX 1，FOV 34 cm×27 cm，矩阵320×224，层厚4 mm，层间距0 mm。对比剂采用钆双胺(GE药业)，剂量0.1 mmol/kg，流率2 mL/s，并以相同流率注入生理盐水20 mL冲管。

1.5 图像分析与数据处理

       ①一般影像学资料：包括原发灶的最大径、盆腔最大淋巴结短径、FIGO临床分期和宫旁浸润，由两名副主任医师根据MRI资料独立判定，若出现分歧，则共同讨论并取得一致意见。②IVIM-DWI图像分析：由两位医师采用双盲法在GEAW4.5工作站上，选取b值为1200 s/mm²序列中病灶横断面径线最大的层面进行测量，沿肿瘤边缘手动勾画ROI，尽量避开肿瘤变性、出血、坏死及宫颈管区。软件自动产生IVIM-DWI各参数：ADC、纯扩散系数(slow ADC，D)、伪扩散系数(fast ADC，D^*)和灌注分数(fraction of fast ADC，f)值，所有数据均测量3次取平均值。③纹理图像分析：MRI检查结束后将原始数据传送至PACS系统，将延迟增强子宫矢状位LAVA-FLEX图像以DICOM格式导入ITK-SNAP软件。由两位医师逐层勾画病灶ROI以获得感兴趣体积(volume of interest，VOI)，ROI需包含变性、坏死和出血区。将原始图像和ROI导入A.K.软件进行纹理分析，自动获取一系列纹理参数，并取两组数据的平均值进行统计学分析。

1.6 统计学分析

       采用SPSS 24.0和R 3.5.1软件进行统计学分析，比较转移组和非转移组之间IVIM-DWI与TA参数的差异。①采用组内相关系数(interclass correlation coefficient，ICC)分析所有参数的稳定性，ICC＞0.75表示两次测量的一致性较好。②采用Spearman相关性分析检验参数间的相关性，剔除自相关系数高于0.7(|γ|＞0.7)的参数。③采用卡方检验、两独立样本t检验和Mann-Whitney U检验验证参数诊断价值，剔除P＞0.05的参数。④对筛选出的参数进行单因素和多因素Logistic回归分析并建模，并用Hosmer-Lemeshow检验法检验模型拟合度。⑤根据ROC曲线计算AUC以评估各参数诊断效能，根据最大约登指数得到最佳预测阈值及相应的敏感度和特异度。

2 结果

2.1 临床资料比较

       本研究共纳入101例患者，年龄31～77岁。根据病理结果显示，PLNM者25例，无PLNM者76例；鳞癌81例，腺癌16例，小细胞癌3例，腺鳞癌1例。根据影像资料显示，有宫旁浸润者11例，无宫旁浸润者90例；FIGO分期(采用2018版FIGO分期标准)：ⅠB1期11例，ⅠB2期28例，ⅠB3期10例，ⅡA1期17例，ⅡA2期7例，ⅡB期7例，Ⅲ C1r期21例。转移组与非转移组间年龄、原发灶最大径和病理分型差异均无统计学意义；术前鳞癌抗原(squamous cell carcinoma antigen，SCC)、盆腔最大淋巴结短径、宫旁浸润和临床分期差异均有统计学意义(P＜0.05) (表1)。

点击查看表格

表1  转移组与非转移组临床资料比较(x¯±s)
Tab. 1  Comparison of clinical data between metastatic group and non-metastatic group (x¯±s)

2.2 IVIM-DWI和TA参数

       在IVIM-DWI的参数中，转移组f [(0.310±0.136)×10^-3 mm²/s]大于非转移组f [(0.234±0.088)×10^-3 mm²/s]且P＜0.05，其余参数均无统计学意义。在提取的828个纹理参数中，有680个参数ICC＞0.75。通过剔除|γ|＞0.7冗余参数，筛选出121纹理参数。再采用独立样本t检验、Mann-Whitney U检验，获得15个有统计学意义的参数。最后通过单因素和多因素Logistic回归分析，筛选出4个稳定性、独立性、重复性和统计学意义均较高的纹理参数：original first-order Mean、wavelet-LHH_glrlm Long Run High Gray-Level Emphasis (LRHGE)、wavelet-HHH_glszm Zone Percentage(ZP)和wavelet-HHH_glcm Maximal Correlation Coefficient (MCC) (表2)。

点击查看表格

表2  转移组与非转移组IVIM-DWI、TA参数比较(x¯±s)
Tab. 2  Comparison of IVIM-DWI and TA parameters between metastatic group and non-metastatic group (x¯±s)

2.3 相关参数及回归模型诊断效能

       首先对f值和4个纹理参数进行单因素Logistic回归分析，并采用ROC曲线评估各参数诊断效能。得到各参数的AUC、敏感度、特异度(表3)。再行多因素Logistic回归分析，获得最佳预测模型，其AUC为0.919。经Hosmer-Lemeshow检验P值为0.740，说明模型的拟合效果较好。各参数的ROC曲线及模型的ROC曲线、校准曲线、决策曲线见图1。图2和图3分别为1例典型的无和有PLNM患者的IVIM-DWI ROI图、定量参数伪彩图及纹理勾画图。

点击查看大图

图1  宫颈癌原发灶的IVIM-DWI和TA参数预测盆腔淋巴结转移的ROC曲线图以及模型的ROC曲线、校正曲线和决策曲线图。A为f、Mean、LRHGE、ZP和MCC的ROC曲线图，AUC分别为0.681、0.757、0.751、0.755和0.769；B～D分别为模型的ROC曲线、校正曲线和决策曲线图
Fig. 1  ROC curves of IVIM-DWI and TA parameters of primary lesions for predicting pelvic lymph node metastasis in patients with cervical cancer, and ROC curve, calibration curve and decision curve of Logistic model. A is ROC curves of f, Mean, LRHGE, ZP and MCC, with AUC of 0.681, 0.757, 0.751, 0.755 and 0.769 respectively; B—D are ROC curve, calibration curve and decision curve of Logistic model respectively.

点击查看大图

图2  无盆腔淋巴结转移(PLNM)的宫颈癌患者，女，57岁。A为IVIM-DWI ROI图；B～E为ADC、D、D^*和f的伪彩图，其值分别为0.8×10^-3 mm²/s、0.792×10^-3 mm²/s、29.7×10^-3 mm²/s和21.4%；F为纹理的VOI图 图3　有PLNM的宫颈癌患者，女，54岁。A为IVIM-DWI ROI图；B～E为ADC、D、D^*和f的伪彩图，其值分别为1.4×10^-3 mm²/s、0.593×10^-3 mm²/s、3.71×10^-3 mm²/s和65.4%；F为纹理的VOI图
Fig. 2  A 57-year-old female cervical cancer patient without pelvic lymph node metastasis (PLNM). A is IVIM-DWI ROI schematic; B—E are pseudo-color graphs of ADC, D, D^* and f, with values of 0.8×10^-3 mm²/s, 0.792×10^-3 mm²/s, 29.7×10^-3 mm²/s and 21.4%, respectively; F is TA VOI schematic. Fig. 3　A 54-year-old female cervical cancer patient with PLNM. A is IVIM-DWI ROI schematic; B—E are pseudo-color graphs of ADC, D, D^* and f, with values of 1.4×10^-3 mm²/s, 0.593×10^-3 mm²/s, 3.71×10^-3 mm²/s and 65.4%, respectively; F is TA VOI schematic.

点击查看表格

表3  IVIM-DWI、TA参数及模型预测宫颈癌盆腔淋巴结转移的ROC曲线相关参数
Tab. 3  The related parameters of ROC curve of IVIM-DWI paramenters, TA paramenters and model in predicting PLNM of patients with cervical cancer

3 讨论

3.1 本研究的背景和基础

       宫颈癌是全球女性第四常见的恶性肿瘤^[12]，而PLNM是影响其预后和治疗的重要因素。但目前常规影像学检查包括超声、CT、MRI和PET/CT大多是根据淋巴结影像学表现来判断其状态，它们在预测宫颈癌PLNM中均存在一定的局限性^[13]。而术前淋巴结穿刺为有创性检查且受取材局限性的影响^[7]。因此本研究尝试通过联合宫颈癌原发灶的IVIM-DWI和TA参数来预测PLNM，以弥补常规影像学检查和淋巴结穿刺的不足。

       相对于单指数模型的DWI，双指数模型的IVIM-DWI技术能更加有效地区分开水分子运动的“真扩散”和微循环灌注的“假扩散”，进一步提高反映肿瘤组织增殖代谢、细胞密度、血液供应等病理生理状态的能力^[8]。影像组学通过分析图像的像素灰度值及每个体素信号的强度特点，可以以较低的成本无创性地反映出肿瘤的异质性^[9]。并且在膀胱癌、乳腺癌等多种肿瘤PLNM的术前预测中，TA均表现突出^{[14, 15]}。因此将IVIM-DWI和TA联合有望进一步提高对宫颈癌原发灶病理改变和内在特性的挖掘。

       而宫颈癌原发灶的内在特性与PLNM之间有着密切的关联。有研究指出，淋巴结转移与原发灶的上皮间质转化和肿瘤干细胞的表达有关^[10]。淋巴结的微环境和癌细胞的定向迁移在一定程度上也受到原发灶的调节^[11]。并且原发灶的某些变化也预示着淋巴结转移的发生，比如Christine发现宫颈癌原发灶的缺氧、高液间压和高乳酸浓度会促进淋巴结转移^[16]。因此通过宫颈癌原发灶的IVIM-DWI和TA参数来预测PLNM在理论上是可行的。

3.2 宫颈癌原发灶的IVIM-DWI参数预测PLNM的价值

       本研究中宫颈癌原发灶的f值表现出了预测PLNM的能力且转移组的f值更高。这表示原发灶微循环灌注比例高的宫颈癌患者更易发生PLNM。这可能与肿瘤的生理特性相关，微循环比例高代表新生血管丰富，细胞增殖分裂活跃，肿瘤恶性程度高、分化程度低^[8]、侵袭性强，因此更易发生PLNM。这与Li等^[17]的研究结果不谋而合，他们发现发生PLNM的宫颈癌患者血管内皮生长因子(vascular endothelial growth factor，VEGF)水平显著升高。而VEGF的主要作用便是促进血管内皮细胞生长、提高血管通透性，使病灶微循环量增加、f值升高。同时VEGF还能促进淋巴管的生成与转移^[11]。这可能也是f值高的患者更易发生PLNM的原因之一。

       本研究中宫颈癌原发灶的ADC值和D值均未表现出预测PLNM的能力。虽然二者反映的侧重有所不同，但均与水分子扩散有关，主要反映肿瘤的细胞密集度。这表示宫颈癌原发灶的细胞密集度可能与PLNM无关。不过也有研究持有不同的观点，Mi等^[18]认为虽然宫颈癌原发灶整体的ADC值和D值无法预测PLNM，但病灶边缘的ADC值和D值却与PLNM有关。这是可能因为外层肿瘤细胞，特别是肿瘤与正常组织交界处的3～5层细胞富含决定着肿瘤侵袭性的肿瘤干细胞^[19]。因此宫颈癌原发灶外层组织的细胞密集度而不是病灶整体的细胞密集度展现出了预测PLNM的能力。另外，虽然本研究中宫颈癌原发灶的D^*值也无法预测PLNM，但其P值(0.056)非常接近0.05。这表示宫颈癌原发灶内的血流速度可能与PLNM具有弱相关性。

3.3 宫颈癌原发灶的TA参数预测PLNM的价值

       由于组织细胞增殖活性的不同、血管淋巴管结构含量的不同、变性坏死范围程度的不同等，肿瘤内存在显著的区域性差异^[20]。而TA便是定量描述这些差异并反映肿瘤异质性的有效工具^[9]。并且有研究证明TA中的三维纹理特征，尤其是小波特征拥有较大的应用价值^[21]。其与肿瘤的生物学行为密切相关，是预测肿瘤表型的重要标志物。而在本研究纳入模型的4个纹理参数中有3个是小波特征，它们分别是LRHGE、ZP和MCC。LRHGE和一阶纹理特征Mean相似，均与像素的灰度值相关，间接反映原发灶的血液供应。在本研究中转移组的LRHGE和Mean值均高于非转移组，其意义与f值相似，表示发生PLNM的原发灶血供更丰富。ZP和MCC分别代表纹理的粗糙度和复杂度，且值越低表示纹理越粗糙和复杂。在本研究中转移组的ZP和MCC值更低，说明其原发灶异质性更高，侵袭性更强，因此更易发生PLNM。

       另外，在Becker等^[22]的研究中发现LRHGE和ZP与宫颈癌分化程度相关。虽然分化程度不能直接决定PLNM，但二者之间也存在一定程度相关性。分析结论间存在差异的原因，一方面是因为用于提取纹理特征的序列不同，本研究采用LAVA-FLEX增强扫描图像与Becker采用的ADC图像所显示的病灶像素会存在一定的差异。另一方面是因为病灶勾画的方式不同，本研究采用逐层勾画的方式提取病灶的三维纹理特征，相较于单层勾画更加符合病灶的完整纹理特征^[23]。

       IVIM-DWI在一定程度上可以反映肿瘤组织的细胞密集度和微循环状态，TA可以反映肿瘤的表型、异质性和侵袭性。将IVIM-DWI和TA联合可以更好地反映肿瘤的病理和微观特征，进一步提高多参数MRI及其纹理特征对肿瘤分化程度、淋巴结转移等生物学行为的预测能力。本研究建立的预测模型将f值和多个纹理特征联合，既反映了肿瘤的微循环状态又反映了病灶的复杂性、变异性和侵袭性等，能更好地预测宫颈癌PLNM。

       本研究的局限性：①手动勾画病灶易受肿瘤变性、坏死及出血等影响，难免会有误差。②本研究为回顾性分析，研究数据难免存在偏倚，未来有必要扩展样本量在前瞻性研究中对模型进行验证。③由于需要足够的像素来保证IVIM-DWI和TA参数测量的可靠性，某些病灶小的病例被排除，因此结果可能存在偏差。

       综上所述，宫颈癌原发灶的IVIM-DWI和TA参数对预测宫颈癌PLNM有一定的价值。并且二者的联合进一步提高了对宫颈癌PLNM的预测效能，同时弥补了常规影像学检查与淋巴结穿刺的不足，为宫颈癌患者的精准诊疗提供了客观依据。