分享:
分享到微信朋友圈
X
临床研究
MAP-MRI与DCE-MRI在鉴别胶质母细胞瘤与脑转移瘤中的应用价值
郝之月 高阳 吴琼 王少彧 张华鹏

Cite this article as: HAO Z Y, GAO Y, Wu Q, et al. The value of MAP-MRI and DCE-MRI in differentiating glioblastoma from brain metastases[J]. Chin J Magn Reson Imaging, 2023, 14(2): 12-20.本文引用格式:郝之月, 高阳, 吴琼, 等. MAP-MRI与DCE-MRI在鉴别胶质母细胞瘤与脑转移瘤中的应用价值[J]. 磁共振成像, 2023, 14(2): 12-20. DOI:10.12015/issn.1674-8034.2023.02.003.


[摘要] 目的 探讨平均表观传播扩散MRI(mean apparent propagator-MRI, MAP-MRI)与动态对比增强MRI(dynamic contrast enhanced-MRI, DCE-MRI)在鉴别胶质母细胞瘤(glioblastoma, GBM)与脑转移瘤(brain metastases, BMs)中的临床应用价值。材料与方法 对经手术病理确诊的GBM[异柠檬酸脱氢酶野生型(isocitrate dehydrogenase-wildtype, IDH-wt)]患者27例及经手术病理确诊或临床随访证实的BMs患者24例行常规MRI序列及扩散频谱成像(diffusion spectrum imaging, DSI)与DCE-MRI检查,DSI经解析得到MAP-MRI的各参数图,DCE-MRI经西门子工作站处理后得到多个参数图。在各参数图上分别测量两组患者肿瘤实质区、瘤周水肿区及对侧正常脑组织区的参数值。为了最小化个体差异,将各参数值除以对侧正常脑组织的值,得到各参数的相对值。采用卡方检验对两组患者的性别进行组间比较;采用两独立样本t检验及Mann-Whitney U检验对两组患者的年龄、MAP-MRI及DCE-MRI各参数值及其相对值进行组间比较,P<0.05为差异有统计学意义,并绘制受试者工作特征(receiver operating characteristic, ROC)曲线,采用DeLong检验以评估各参数值鉴别诊断的效能。结果 GBM(IDH-wt)组与BMs组患者的年龄、性别差异均无统计学意义(P=0.327和P=0.247)。GBM(IDH-wt)组患者肿瘤实质区的非高斯轴向(non-Gaussianity axial, NGAx)、非高斯垂直(non-Gaussianity vertical, NGRad)、返回轴概率(return to the axis probability, RTAP)、返回平面概率(return to the plane probability, RTPP)均高于BMs组,均方位移(mean square displacement, MSD)低于BMs组,且差异有统计学意义(P<0.05)。GBM(IDH-wt)组患者瘤周水肿区的相对转运常数(relative volume transfer constant, rKtrans)高于BMs,而相对渗出速率常数(relative the rate constant, rKep)低于BMs组,且差异有统计学意义(P<0.05)。肿瘤实质区RTPP与NGAx是鉴别GBM(IDH-wt)与BMs时曲线下面积(area under the curve, AUC)较高的单一参数,AUC分别为0.985、0.937,敏感度分别为0.963、0.926,特异度分别为0.917、0.833。结论 MAP-MRI与DCE-MRI在鉴别GBM(IDH-wt)与BMs时表现出了较好的诊断价值,且肿瘤实质区的RTPP与NGAx可作为较好的影像学标记。
[Abstract] Objective To explore the clinical value of mean apparent propagator MRI (MAP-MRI) and dynamic contrast-enhanced MRI (DCE-MRI) in differentiating glioblastoma (GBM) from brain metastases (BMs).Materials and Methods Twenty-seven patients with GBM [isocitrate dehydrogenase-wildtype (IDH-wt)] who were confirmed by surgery and twenty-four patients with BMs confirmed by surgery or clinical follow-up performed conventional MRI sequences, diffusion spectrum imaging (DSI) and DCE-MRI. The parameters of MAP-MRI were obtained by DSI analysis. And the parameters of DCE are processed by Siemens workstation. The parameters of the tumor parenchyma area and peritumoral edema area and the contralateral normal brain tissue in these two groups were measured on each parameter map. To minimize individual differences, the values of each parameter were divided by the values of the contralateral normal brain tissue to obtain the relative values of each parameter. χ2 test was used to compare the gender of the two groups; independent samples t-test and Mann-Whitney U-test were used to compare the parameters and relative parameters of MAP-MRI and DCE-MRI between the two groups. P<0.05 was considered to be significant. Then analysis was performed. The DeLong test was used to evaluate the differential diagnosis efficiency of each parameter.Results There was no significant difference in age and sex between the two groups (P=0.327 and P=0.247). In the GBM (IDH-wt) group, the non Gaussian axial (NGAx), non Gaussian vertical (NGRad), return to the axis probability (RTAP) and return to the plane probability (RTPP) were higher than those of BMs group, and mean square displacement (MSD) was lower than that in BMs group, and the difference was significant (P<0.05). The relative volume transfer constant (rKtrans) of peritumoral edema area in GBM (IDH-wt) group was higher than that in BMs, while the relative rate constant (rKep) was lower than that in BMs group, and the difference was significant (P<0.05). RTPP and NGAx of tumor parenchyma area are the parameters with higher AUC for differentiating GBM (IDH-wt) group BMs. The AUC is 0.985 and 0.937, and the sensitivity is 0.963 and 0.926, and the specificity is 0.917 and 0.833, respectively.Conclusions MAP-MRI and DCE-MRI showed great diagnostic value in differentiating GBM (IDH-wt) from BMs. RTPP and NGAx in tumor parenchymal area could be used as good imaging markers.
[关键词] 胶质母细胞瘤;脑转移瘤;磁共振成像;动态对比增强;平均表观传播扩散磁共振成像;鉴别诊断
[Keywords] glioblastoma;brain metastasis;magnetic resonance imaging;dynamic contrast enhanced;mean apparent propagator-magnetic resonance imaging;antidiastole

郝之月 1   高阳 1*   吴琼 1   王少彧 2   张华鹏 2  

1 内蒙古医科大学附属医院影像诊断科,呼和浩特 010050

2 西门子医疗系统有限公司,上海 201318

*通信作者:高阳,E-mail:1390903990@qq.com

作者贡献声明::高阳设计本研究的方案,对稿件重要的智力内容进行了修改;郝之月起草和撰写稿件,获取、分析或解释本研究的数据;吴琼、王少彧、张华鹏分析或解释本研究的数据,对稿件重要内容进行了修改;高阳获得了内蒙古自治区科技计划项目基金的资助;全体作者都同意发表最后的修改稿,同意对本研究的所有方面负责,确保本研究的准确性和诚信。


基金项目: 内蒙古自治区科技计划项目 2019GG047
收稿日期:2022-08-15
接受日期:2023-02-01
中图分类号:R445.2  R739.41 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2023.02.003
本文引用格式:郝之月, 高阳, 吴琼, 等. MAP-MRI与DCE-MRI在鉴别胶质母细胞瘤与脑转移瘤中的应用价值[J]. 磁共振成像, 2023, 14(2): 12-20. DOI:10.12015/issn.1674-8034.2023.02.003.

0 前言

       胶质瘤是中枢神经系统最常见的原发性肿瘤,其中胶质母细胞瘤(glioblastoma, GBM)更是以生长速度快及侵袭性强等特点严重地影响了患者的生活质量和生存周期[1]。2021年世界卫生组织(World Health Organization, WHO)中枢神经系统肿瘤分类强调了分子基因型作为胶质瘤诊断标准的重要性[2]。其中异柠檬酸脱氢酶(isocitrate dehydrogenase, IDH)作为GBM的重要诊断标志物,与患者的治疗方案及生存预后有重要联系[3]。GBM [异柠檬酸脱氢酶野生型(isocitrate dehydrogenase-wildtype, IDH-wt)]侵袭性强,肿瘤血管增殖迅速,核异型性更加显著,预后较差[4]

       脑转移瘤(brain metastases, BMs)是成人最常见的颅内恶性肿瘤,病理类型与其原发肿瘤类型相同。患者出现BMs后死亡率较高,手术辅助放化疗在一定程度上可延长生存时间,但预后仍较差[5]。GBM与BMs在常规MRI上均可见环形强化伴大片瘤周水肿,肿瘤内均可见囊变、坏死及出血,常规MRI难以实现有效鉴别,特别是对于多中心的GBM或无原发肿瘤病史的BMs[6, 7]。目前已有多种功能MRI技术用于两种疾病的鉴别诊断,如磁共振扩散成像、磁共振灌注成像及代谢成像等[8, 9, 10]。但各种方法在鉴别两种病变中的敏感度、特异度及最佳阈值存在争议,无法作为临床鉴别GBM与BMs的有效方法。

       扩散频谱成像(diffusion spectrum imaging, DSI)通过描述体素内水分子扩散运动过程中的概率密度函数,获得水分子扩散的空间信息,以检测神经纤维的微结构特征[11]。平均表观传播扩散MRI(mean apparent propagator-magnetic resonance imaging, MAP-MRI)是基于DSI分析出的一种新的空间数据采集模型,可利用多个定量参数来描述交叉缠绕的神经纤维的空间结构特征,更加真实地反映神经纤维的走形规律[12]。动态对比增强MRI(dynamic contrast enhanced-MRI, DCE-MRI)通过药代动力学模型定量获得组织的灌注参数与渗透参数,可无创地提供肿瘤血流动力学特征,提高脑肿瘤的诊断效能[13]。已有研究表明,MAP-MRI与DCE-MRI在鉴别两种病变时具有重要意义[14, 15],但缺乏同时应用并对比这两种技术的研究。基于此,本文探讨了MAP-MRI与DCE-MRI多参数在GBM(IDH-wt)与BMs鉴别诊断中的价值。

1 材料与方法

1.1 一般资料

       回顾性分析2019年6月到2022年6月在内蒙古医科大学附属医院就诊的GBM(IDH-wt)患者与BMs患者的病历资料。纳入标准:(1)所有患者行常规MRI后可见明显强化的肿瘤实体,瘤周可见脑水肿区;(2)GBM(IDH-wt)患者均经手术或活检病理证实,BMs患者经颅脑手术或颅脑活检或临床随访证实(证实标准为有病理证实的原发肿瘤病灶,经放化疗治疗后颅内病灶缩小,伴或不伴有其他部位转移);(3)患者均为初诊,行MRI检查前未行相关抗肿瘤治疗(包括手术、放疗及化疗)。排除标准:(1)MRI图像质量差,不满足测值需要;(2)年龄小于18岁的患者。本研究经内蒙古医科大学附属医院伦理委员会批准,批准文号:WZ2022036免除受试者知情同意。

1.2 磁共振扫描

       采用Siemens skyra 3.0 T磁共振仪,32通道头颈联合线圈。患者取仰卧标准体位,行常规MRI扫描、DSI扫描、DCE-MRI扫描。常规扫描序列包括轴位T1WI、轴位T2WI、矢状位T1WI、轴位扩散加权成像(diffusion-weighted imaging, DWI)以及静脉注射对比剂后的3D T1WI。扩散模型扫描为轴位DSI(扫描方向数为128,具体b值为0、200、400、550、750、950、1150、1500、1700、1850、1900、2050、2250、2450、2650、3000 s/mm2),于静脉注射对比剂前进行扫描。DCE-MRI扫描采取多期相轴位快速容积成像(volume interpolated gradient echo, VIBE)序列。先行T1原始值图扫描,翻转角为2°、15°,单期扫描检查时间为6 s,共40期。第二个时相结束后静脉注射对比剂(钆喷酸葡胺,北京北陆药业股份有限公司,中国),注射速率为2.5 mL/s,注射剂量为0.1 mmol/kg,注射结束后以相同速率注射20 mL生理盐水冲洗导管。详细参数见表1

表1  MRI参数
Tab. 1  MRI parameters

1.3 图像后处理

       使用NeuDiLab计算MAP-MRI参数,NeuDiLab是基于开源工具(diffusion imaging in Python,DIPY)在Python内部开发的软件。DCE-MRI参数图经西门子工作站后处理获得。为了最小化个体差异,将各扩散参数值及灌注参数值除以对侧正常脑组织的值,即实质区或瘤周区的相对参数值=实质区或瘤周区的参数值/对侧正常脑组织的参数值。计算得到MAP-MRI参数值,包括非高斯(non-Gaussianity, NG)、非高斯轴向(non-Gaussianity axial, NGAx)、非高斯垂直(non-Gaussianity vertical, NGRad)、返回原点概率(return to the origin probability, RTOP)、返回轴概率(return to the axis probability, RTAP)、返回平面概率(return to the plane probability, RTPP)、Q空间逆方差(Q-space inverse variance, QIV)及均方位移(mean square displacement, MSD),以及MAP-MRI的相对参数值包括相对NG(relative NG, rNG)、相对NGAx(relative NGAx, rNGAx)、相对NGRad(relative NGRad, rNGRad)、相对RTOP(relative RTOP, rRTOP)、相对RTAP(relative RTAP, rRTAP)、相对RTPP(relative RTPP, rRTPP)、相对QIV(relative QIV, rQIV)、相对均方位移(relative rMSD,rMSD)。DCE-MRI参数值包括转运常数(volume transfer constant, Ktrans)、渗出速率常数(the rate constant, Kep)、血管外细胞外容积分数(fractional volume of the extravascular-extracellular space, Ve)、增强曲线下初始面积(initial area under the contrast-uptake curve, iAUC)及DCE-MRI的相对参数值包括相对Ktrans(relative Ktrans, rKtrans)、相对rKep(relative rKep, rKep)、相对Ve(relative Ve, rVe)、相对iAUC(relative iAUC, riAUC)。

       在以上获得的各参数图上找到肿瘤实质最大层面,分别在各参数图的肿瘤实质区(选取病灶明显强化区作为肿瘤的实质区)、瘤周水肿区(选择肿瘤强化边缘外的T2高信号区域作为瘤周水肿区)、对侧正常脑组织区(病灶对侧常规MRI及增强影像未见明显异常信号区)使用ITK-SNAP软件手动勾画不规则形的感兴趣区(region of interest, ROI),勾画时尽量避开囊变、坏死、出血病灶以及正常血管,上述参数值均测量三次取平均值作为最终数值。对于多发的BMs患者,选取肿瘤实质区最大、强化最明显的病灶作为感兴趣区进行勾画(图1)。

图1  感兴趣区勾画图示。男,32岁,异柠檬酸脱氢酶野生型胶质瘤患者。红色:肿瘤实质区;绿色:瘤周水肿区;蓝色:对侧正常脑组织区。T1+C:增强后的T1加权成像;NGAx:非高斯轴向。
图2  肿瘤实质区MAP-MRI各参数值与瘤周水肿区DCE-MRI各相对参数值在鉴别GBM(IDH-wt)与BMs中的ROC曲线分析。MAP:平均表观传播扩散;DCE:动态对比增强;GBM(IDH-wt):胶质母细胞瘤(异柠檬酸脱氢酶野生型);BMs:脑转移瘤;ROC:受试者工作特征;NGAx:非高斯轴向;NGRad:非高斯垂直;RTAP:返回轴概率;RTPP:返回平面概率;MSD:均方位移;rKtrans:相对转运常数;rKep:相对渗出速率常数。
Fig. 1  A diagram of the region of interest. A 32 years old male patient with glioblastoma (isocitrate dehydrogenase-wildtype). Red: parenchyma area; Green: peritumoral edema; Blue: contralateral normal brain tissue; T1+C: enhanced T1WI; NGAx: non-Gaussian axial.
Fig. 2  The ROC curve analysis of MAP-MRI parameter values in parenchyma and DCE relative parameter values in peritumoral edema that distinguish the GBM (IDH-wt) and BMs. MAP: mean apparent propagator; DCE: dynamic contrast-enhanced; GBM (IDH-wt): glioblastoma (isocitrate dehydrogenase-wildtype); BMs: brain metastases; ROC: receiver operating characteristics; NGAx: non-Gaussian axial; NGRad: non-Gaussian vertical; RTAP: return to the axis probability; RTPP: return to the plane probability; MSD: mean square displacementt; rKtrans: relative volume transfer constant; rKep: relative rate constant.

1.4 统计学分析

       数据在统计软件SPSS 25.0(SPSS,Inc.,Chicago,IL,USA)和Medcalc Version 19.7.4(Medcalc Software Ltd.,Ostend,Belgium)进行统计分析。使用Shapiro-Wilk检验进行数据的正态性检验。符合正态分布的计量资料用均数±标准差表示,不符合正态分布的计量资料用中位数(上下四分位数)表示。对于符合正态分布且方差齐的数据采用两独立样本t检验比较,如果不符合上述条件则采用Mann-Whitney U检验来比较GBM(IDH-wt)与BMs两组患者年龄、MAP-MRI和DCE-MRI各参数值及相对参数值。采用卡方检验比较两组患者性别。绘制受试者工作特征(receiver operating characteristic, ROC)曲线,计算曲线下面积(area under the curve, AUC)并采用DeLong检验以评估重要单变量参数用于区分GBM(IDH-wt)和BMs的诊断效能,根据最大约登指数选取阈值,计算鉴别诊断的敏感度与特异度。以上统计方法中,认为P<0.05为差异有统计学意义。

2 结果

2.1 一般资料

       最终共纳入GBM(IDH-wt)患者27例,其中男12例,女15例,年龄23~72岁,平均年龄57.6岁;BMs患者24例,其中男14例,女10例,年龄42~75岁,平均年龄61.1岁。27例GBM(IDH-wt)患者均经手术病理证实,病理结果参照2021年WHO中枢神经系统肿瘤分类标准。24例BMs患者中16例为手术病理证实,8例经临床随访证实,其中15例原发肿瘤为肺癌(9例为腺癌,2例小细胞癌,4例鳞癌),3例为神经内分泌癌(2例大细胞神经内分泌癌,1例小细胞神经内分泌癌),1例为乳腺腺癌,1例为胃腺癌,1例为肾透明细胞癌,3例未知原发部位(全部行颅脑手术,经病理证实为转移来源)。24例BMs患者中,11例为单发,13例为多发。GBM(IDH-wt)组与BMs组患者的年龄、性别差异均无统计学意义(P=0.327和P=0.247)。

2.2 MAP-MRI各参数值及相对参数值在两组间的比较

       GBM(IDH-wt)组患者肿瘤实质区的参数值NGAx、NGRad、RTAP、RTPP及相对参数值rNGAx、rNGRad、rRTOP、rRTAP、rRTPP均高于BMs组,肿瘤实质区的MSD低于BMs组,且差异有统计学意义(P<0.05),余肿瘤实质区各参数值及相对参数值在两组之间差异无统计学意义(P>0.05)。两组患者的瘤周水肿区及对侧正常脑组织区的MAP-MRI各参数值及相对参数值差异无统计学意义(P>0.05)(表2图3、4)。

图3  男,52岁,肺腺癌脑转移瘤患者。T2WI可见左侧顶枕叶团块状混杂T2信号,周围伴大片水肿信号。3D T1WI增强扫描见左侧顶枕叶病灶呈环形强化。肿瘤实质强化区对应部位的NGAx伪彩图(NGAx值为0.082)、NGRad伪彩图(NGRad值为0.100)、RTAP伪彩图(RTAP值为2.921)、MSD伪彩图(MSD值为18.617)、RTPP伪彩图(RTPP值为4.609)、Ktrans伪彩图(Ktrans值为0.166)、Kep伪彩图(Kep值为0.272)呈稍高信号,瘤周水肿区在各参数伪彩上呈等低信号。
图4  女,56岁,异柠檬酸脱氢酶野生型胶质瘤患者。T2WI可见左侧顶叶团块状混杂T2信号,周围伴大片水肿信号。3D T1WI增强扫描见左侧顶叶病灶呈环形强化。肿瘤实质强化区对应部位的NGAx伪彩图(NGAx值为0.139)、NGRad伪彩图(NGRad值为0.118)、RTAP伪彩图(RTAP值为4.671)、MSD伪彩图(MSD值为19.378)、RTPP伪彩图(RTPP值为5.174)、Ktrans伪彩图(Ktrans值为0.219)、Kep伪彩图(Kep值为0.208)呈稍高信号,瘤周水肿区在各参数伪彩图上呈等低信号。T1+C:增强后的T1加权成像;NGAx:非高斯轴向;NGRad:非高斯垂直;RTAP:返回轴概率;MSD:均方位移;RTPP:返回平面概率;Kep:渗出速率常数;Ktrans:转运常数。
Fig. 3  A 52 years old male patient with lung adenocarcinoma and brain metastasis. The T2WI sequence shows a mass of mixed T2 signals with large edema signals in the left parietooccipital lobe. The 3D T1WI enhanced sequence shows a circular enhancement lesion in the left parietooccipital lobe. The corresponding part of the enhancement lesion is shown as high signal in the NGAx (the values of NGAx is 0.082), NGRad (the values of NGRad is 0.100), RTAP (the values of RTAP is 2.921), MSD (the values of MSD is 18.617), RTPP (the values of RTPP is 4.609), Ktrans (the values of Ktrans is 0.166) and Kep (the values of Kep is 0.272) pseudo-color image. The peritumoral edema area showed low signal in the pseudo color map of each parameter.
Fig. 4  A 56 years old female patient with glioblastoma (isocitrate dehydrogenase-wildtype). The T2WI sequence shows a mass of mixed T2 signals with large edema signals in the left parietal lobe. The 3D T1WI enhanced sequence shows a circular enhancement lesion in the lef tparietal lobe. The corresponding part of the enhancement lesion is shown as high signal in the NGAx (the values of NGAx is 0.139), NGRad (the values of NGRad is 0.118), RTAP (the values of RTAP is 4.671), MSD (the values of MSD is 19.378), RTPP (the values of RTPP is 5.174), Ktrans (the values of Ktrans is 0.219) and Kep (the values of Kep is 0.208) pseudo-color image. The peritumoral edema area showed low signal in the pseudo color map of each parameter. T1+C: enhanced T1WI; NGAx: non-Gaussian axial; NGRad: non-Gaussian vertical; RTAP: return to the axis probability; MSD: mean square displacement; RTPP: return to the plane probability; Kep: the rate constant; Ktrans: volume transfer constant.
表2  GBM(IDH-wt)组与BMs组MAP-MRI各参数值及相对参数值在肿瘤实质区与瘤周水肿区及对侧正常脑组织区的差异分析结果
Tab. 2  The results of difference of MAP-MRI parameters and the ralative parameters in parenchymal area and peritumoral edema area and contralateral normal brain tissue between GBM (IDH-wt) group and BMs group

2.3 DCE各参数值及相对参数值在两组间的比较

       GBM(IDH-wt)组患者的瘤周水肿区的相对参数值rKtrans值高于BMs,而rKep值低于BMs组,且差异有统计学意义(P<0.05);余各参数值及相对参数值在瘤周水肿区差异无统计学意义(P>0.05)。两组患者的肿瘤实质区及对侧正常脑组织区的DCE-MRI各参数值及相对参数值差异无统计学意义(P>0.05)(表3图3、4)。

表3  GBM(IDH-wt)组与BMs组DCE各参数值及相对参数值在肿瘤实质区与瘤周水肿区及对侧正常脑组织区的差异分析结果
Tab. 3  The results of difference of DCE parameters and the ralative parameters in parenchymal area and peritumoral edema area and contralateral normal brain tissue between GBM (IDH-wt) group and BMs group

2.4 MAP-MRI与DCE-MRI鉴别GBM与BMs的ROC曲线分析

       绘制ROC曲线,MAP-MRI的参数值NGAx、NGRad、RTAP、RTPP、MSD在肿瘤实质区的AUC分别为0.937、0.816、0.718、0.985、0.512。MAP-MRI的相对参数值rNGAx、rNGRad、rRTOP、rRTAP、rRTPP在肿瘤实质区的AUC分别为0.772、0.798、0.978、0.664、0.992,DCE-MRI的相对参数值rKtrans与rKep在瘤周水肿区的AUC分别为0.742、0.892。对MAP-MRI的5个参数值和DCE-MRI的2个相对参数值进行DeLong检验,结果显示肿瘤实质区的NGAx与RTPP的AUC值较高,且与其他参数值进行比较时差异均有统计学意义(P<0.05),但NGAx与RTPP之间诊断效能差异无统计学意义(P=0.176,95% CI:0.021~0.117)(表4图2)。

表4  肿瘤实质区的MAP-MRI各参数值及相对参数值与瘤周水肿区的DCE各相对参数值的ROC曲线分析结果
Tab. 4  ROC curve analysis results of MAP-MRI parameters and relative parameters in parenchyma area and DCE relative parameters in peritumoral edema area

3 讨论

       本文旨在探讨基于MAP-MRI与DCE-MRI的多个参数在GBM(IDH-wt)与BMs鉴别诊断中的价值,结果显示DCE-MRI在瘤周水肿区的rKtrans值、rKep值及MAP-MRI在肿瘤实质区的RTAP值、RTPP值、NGRad值与NGAx值在鉴别GBM(IDH-wt)与BMs时体现出了较好的诊断价值,其中肿瘤实质区的RTPP值与NGAx值是鉴别时AUC最高的参数,或可作为鉴别两种病变较好的影像学标记。据我们所知,本研究是国内外首次提出同时应用MAP-MRI与DCE-MRI两种技术鉴别GBM(IDH-wt)与BMs的研究。这两种病变在常规MRI多表现出类似的影像特征,难以实现有效鉴别,且对应着不同的临床治疗手段及生存预后,因此无创且准确的鉴别诊断对于优化临床结果至关重要。

3.1 DCE-MRI各参数鉴别GBM(IDH-wt)与BMs

       DCE-MRI通过分析静脉注射的对比剂在组织微血管和血管外-细胞外空间的分布,动态显示对比剂在脑实质以及血脑屏障的中的运动,测量具有特定生理特征的参数来定量评估肿瘤微血管,提供了常规MRI无法提供的生理信息。本研究发现,GBM(IDH-wt)和BMs的DCE-MRI各参数值及相对参数值在肿瘤实质区差异均无统计学意义,这与LU等[16]、冯梦薇等[17]研究结果类似。分析原因可能是GBM(IDH-wt)作为高度恶性的肿瘤性疾病,生长速度快,肿瘤内新生血管的通透性随肿瘤的生长呈动态变化,而BMs与原发肿瘤有相似的血管特性,不同来源的BMs的血管微结构存在差异。并且两种病变的肿瘤实质区通常伴有微结构的扭曲、坏死,肿瘤内可见出血及新生血管生成,导致正常组织如白质纤维束、毛细血管层以及细胞外基质发生扭曲、破坏,无法反映肿瘤实质内真实的血流动力学特征[18]

       在本研究中,DCE-MRI在瘤周水肿区的各参数值在鉴别两种疾病时差异无统计学意义,考虑可能是入组患者的个体差异对研究结果产生了影响,进行个体化差异纠正后发现,GBM(IDH-wt)的相对参数值rKtrans值与rVe值均高于BMs,且rKtrans值在两病变水肿区差异有统计学意义,而rKep值低于BMs,且差异有统计学意义,这与TUPÝ等[15]的部分研究结果一致。Ktrans值代表对比剂在血浆和细胞外血管外空间之间的转运速率,是测量血脑屏障完整性的指标;Ve值代表对比剂由血管转移到血管外细胞外间隙中的容积分数,两者均可反映血管通透状态,血管通透性越大,Ktrans值与Ve值越大。Kep值是对比剂从血管外细胞外间隙返回到血浆空间的速率常数,Kep=Ktrans/Ve[13]。GBM(IDH-wt)的瘤周水肿区因含有肿瘤细胞和肿瘤血管生成导致的高血管化区域,形成浸润性水肿,导致对比剂灌注增加,血浆与细胞外间隙对比剂渗出率较高;而BMs呈膨胀性生长,肿瘤压迫正常脑组织在瘤周形成单纯的血管源性水肿,两者瘤周水肿区组织病理学上的差异导致了灌注参数的差异。Kep值作为Ktrans值与Ve值的比值,同时受两个参数的影响,GBM(IDH-wt)水肿区存在肿瘤细胞浸润和微血管增生以维持高代谢需求,导致微血管灌注及新生血管活性更高,表现为瘤周水肿区的Ve值更高而Kep值相对较低。

3.2 MAP-MRI各参数鉴别GBM(IDH-wt)与BMs

       扩散张量成像(diffusion tensor imaging, DTI)与DWI假设体内的水分子扩散呈高斯分布,并对其在体内的扩散受限情况进行定量分析,是临床上较为常用的扩散模型。实际上,脑组织结构复杂,水分子在组织中的运动受多种因素的影响而偏离高斯分布。扩散峰度成像(diffusional kurtosis imaging, DKI)作为DTI技术的延伸,引入非高斯分布模型可以更真实地反映活体组织内水分子的运动情况[19]。但颅内纤维束走行存在交叉、弯曲、缠绕等情况,DKI在空间分辨率和算法上均有所不足,部分容积效应突出。MAP-MRI作为一种新的扩散技术,能够得到精细的神经纤维图像,其参数与脑组织微结构的改变具有更高的相关性[20]。已有学者采用MAP-MRI在预测胶质瘤分子基因型[21, 22]、评估胶质瘤诱发的运动性癫痫患者的皮质脊髓束结构完整性等[23, 24]多个方面进行了研究,但在胶质瘤与BMs鉴别诊断方面,相关研究较少。

       既往的国内外研究,对于个体化差异纠正对研究结果的影响分析较少。本研究结果显示,肿瘤实质区的MAP-MRI参数值NGAx、NGRad、RTAP、RTPP及其相对参数值rNGAx、rNGRad、rRTAP、rRTPP在鉴别GBM(IDH-wt)与BMs时差异均有统计学意义。肿瘤实质区的参数MSD在鉴别两种疾病时差异有统计学意义,而相对参数rMSD并无明显差异;肿瘤实质区的参数RTOP在鉴别两种疾病时差异无统计学意义,而相对参数rRTOP有明显差异。本次研究结果的矛盾之处提示我们,胶质瘤作为侵袭性较强的恶性肿瘤,可能沿白质纤维浸润到对侧正常白质中,但常规影像尚无明显异常表现[20],无法准确判断对侧白质是否受损。所以在今后的研究中是否需要对参数进行个体化差异纠正,还有待进一步商榷与佐证。

       在本研究中,肿瘤实质区的MAP-MRI的参数值及相对参数值在鉴别GBM(IDH-wt)与BMs时结果相似,故仅对参数值进行讨论分析,笔者认为相对参数值可在一定程度上提供补充价值。在本次研究中,GBM(IDH-wt)肿瘤实质区的RTAP、RTPP均高于BMs,RTOP在鉴别两种疾病时无明显价值,但进行个体差异纠正后,GBM(IDH-wt)的相对参数值rRTOP高于BMs,且差异有统计学意义。RTOP代表水分子在扩散过程中按时回到原点的概率,可能与细胞的数量、大小以及限制扩散的屏障有关[25],RTAP和RTPP分别是RTOP沿白质束的平行和垂直标量。我们的结果表明,与BMs相比,GBM(IDH-wt)中的水分子更有可能回到起始位置,即扩散更受限,这与WANG等[26]的研究结果一致。分析原因可能是,GBM(IDH-wt)呈浸润性生长,肿瘤实质区的细胞生长密集,细胞的核异型性和异质性更高;而BMs呈膨胀性生长,肿瘤实质区相对均质。两种病变在生长模式和组织微观结构变化之间的差异导致了肿瘤内部扩散模式的不同。

       NG是指自旋位移的概率密度函数与其高斯近似之间的偏差,它是组织结构复杂性的指标,与平均峰度(mean diffusivity, MK)类似,NGAx和NGRad分别对应于NG的轴向和径向标量,也可以间接反映NG的变化程度[27]。GBM(IDH-wt)肿瘤实质区存在坏死、出血、内皮细胞增殖和血管增生等,导致其复杂的肿瘤微结构,这可能是本研究中GBM(IDH-wt)的NGAx和NGRad值高于BMs的原因。既往有研究表明,MK在探测亨廷顿舞蹈病的组织病理的方向性变化时,敏感性和特异性并不高,而其轴向与径向标量提供了更多的方向信息[28, 29],这可能在一定程度上解释了本研究中NG在鉴别两者时差异无统计学意义,但是NGAx和NGRad显示出较高的诊断效能的原因。

       在本次研究中,肿瘤实质区的MSD在鉴别两种疾病时差异存在统计学意义,但是诊断效能不高(AUC为0.512,敏感度和特异度分别为88.9%、29.2%),考虑可能是研究的样本量较小,无法排除BMs患者中转移来源的不同对研究结果的影响,结果的可解释性有限;且肿瘤实质区水分子呈非高斯扩散,与此时MSD受到三维傅立叶变化的影响有关[30]。MSD是否可作为鉴别GBM(IDH-wt)与BMs的影像指标,还有待进一步探索。

       在本次研究中,瘤周水肿区的MAP-MRI各参数值及相对参数值在鉴别GBM(IDH-wt)与BMs时,差异无统计学意义,诊断价值不高,这与WANG等[26]研究结果相悖。瘤周水肿区组成成分复杂,由正常的脑组织以及由于毛细血管通透性增加和血脑屏障破坏形成的细胞内与细胞外水分子构成,并且可能存在浸润的肿瘤细胞。TEPE等[8]研究发现,GBM瘤周水肿区的ADC值存在水肿梯度,水肿区的ADC值在靠近肿瘤实质强化区时较低,而在靠近正常脑白质区时较高,但在BMs的瘤周水肿区并不存在这样的梯度改变,APARICI-ROBLES等[31]利用动态磁敏感对比获得相应的灌注参数也得到了相似的结论。本次研究在瘤周水肿区手动勾画ROI,并取其平均值作为最终观测结果,研究的主观性强,可能忽略了MAP-MRI各参数在瘤周水肿区的梯度改变,影响了研究结果的可靠性。

3.3 局限性

       本研究有几个局限性。首先,本研究样本量相对较小,纳入研究的BMs患者未能限制原发灶的来源,这可能在一定程度上影响研究结果;其次,本次研究未考虑后处理软件对DCE-MRI参数的影响,选择不同的计算模型、不同的对比剂以及不同的注射速率都可能导致不同的研究结果,这都可能导致研究结果出现偏差;最后,我们的研究中只比较了ROI的平均值,未对测量的最大值与最小值进行比较,两种肿瘤异质性较高,平均值不能完全代表肿瘤的扩散受限程度及灌注程度,未来纹理分析或影像组学或许可以解决这一问题。

4 结论

       综上所述,MAP-MRI与DCE-MRI在鉴别GBM(IDH-wt)与BMs时具有重要意义,可为临床制订治疗方案提供一定价值。肿瘤实质区的RTPP与NGAx或可作为鉴别诊断时有效的影像学标记,未来还需更大规模的多中心研究来证明参数的有效性。

[1]
GBD 2016 Brain and Other CNS Cancer Collaborators. Global, regional, and national burden of brain and other CNS cancer, 1990-2016: a systematic analysis for the Global Burden of Disease Study 2016[J]. Lancet Neurol, 2019, 18(4): 376-393. DOI: 10.1016/s1474-4422(18)30468-x.
[2]
LOUIS D N, PERRY A, WESSELING P, et al. The 2021 WHO Classification of Tumors of the Central Nervous System: a summary[J]. Neuro Oncol, 2021, 23(8): 1231-1251. DOI: 10.1093/neuonc/noab106.
[3]
蒋健, 张学凌, 周俊林. 胶质瘤异柠檬酸脱氢酶基因型与影像学研究进展[J]. 磁共振成像, 2021, 107(5): 103-106. DOI: 10.12015/issn.1674-8034.2021.05.025.
JIANG J, ZHANG X L, ZHOU J L. Research progress on isocitrate dehydrogenase genotype and imaging of glioma[J]. Chin J Magn Reson Imag, 2021, 107(5): 103-106. DOI: 10.12015/issn.1674-8034.2021.05.025.
[4]
SUN C, ZHAO Y, SHI J, et al. Isocitrate dehydrogenase1 mutation reduces the pericyte coverage of microvessels in astrocytic tumours[J]. J Neurooncol, 2019, 143(2): 187-196. DOI: 10.1007/s11060-019-03156-5.
[5]
PLATTA C S, KHUNTIA D, MEHTA M P, et al. Current treatment strategies for brain metastasis and complications from therapeutic techniques: a review of current literature[J]. Am J Clin Oncol, 2010, 33(4): 398-407. DOI: 10.1097/COC.0b013e318194f744.
[6]
MAURER M H, SYNOWITZ M, BADAKSHI H, et al. Glioblastoma multiforme versus solitary supratentorial brain metastasis: differentiation based on morphology and magnetic resonance signal characteristics[J]. Rofo, 2013, 185(3): 235-240. DOI: 10.1055/s-0032-1330318.
[7]
WANG S, KIM S, CHAWLA S, et al. Differentiation between glioblastomas, solitary brain metastases, and primary cerebral lymphomas using diffusion tensor and dynamic susceptibility contrast-enhanced MR imaging[J]. AJNR Am J Neuroradiol, 2011, 32(3): 507-514. DOI: 10.3174/ajnr.A2333.
[8]
TEPE M, SAYLISOY S, TOPRAK U, et al. The Potential Role of Peritumoral Apparent Diffusion Coefficient Evaluation in Differentiating Glioblastoma and Solitary Metastatic Lesions of the Brain[J]. Curr Med Imaging, 2021, 17(10): 1200-1208. DOI: 10.2174/1573405617666210316120314.
[9]
PONS-ESCODA A, GARCIA-RUIZ A, NAVAL-BAUDIN P, et al. Voxel-level analysis of normalized DSC-PWI time-intensity curves: a potential generalizable approach and its proof of concept in discriminating glioblastoma and metastasis[J]. Eur Radiol, 2022, 32(6): 3705-3715. DOI: 10.1007/s00330-021-08498-1.
[10]
HEYNOLD E, ZIMMERMANN M, HORE N, et al. Physiological MRI Biomarkers in the Differentiation Between Glioblastomas and Solitary Brain Metastases[J]. Mol Imaging Biol, 2021, 23(5): 787-795. DOI: 10.1007/s11307-021-01604-1.
[11]
SCHMAHMANN J D, PANDYA D N, WANG R, et al. Association fibre pathways of the brain: parallel observations from diffusion spectrum imaging and autoradiography[J]. Brain, 2007, 130(Pt 3): 630-653. DOI: 10.1093/brain/awl359.
[12]
LE H, ZENG W, ZHANG H, et al. Mean Apparent Propagator MRI Is Better Than Conventional Diffusion Tensor Imaging for the Evaluation of Parkinson's Disease: A Prospective Pilot Study[J/OL]. Front Aging Neurosci, 2020, 12: 563595 [2022-08-14]. https://pubmed.ncbi.nlm.nih.gov/33192458/. DOI: 10.3389/fnagi.2020.563595.
[13]
XI Y B, KANG X W, WANG N, et al. Differentiation of primary central nervous system lymphoma from high-grade glioma and brain metastasis using arterial spin labeling and dynamic contrast-enhanced magnetic resonance imaging[J]. Eur J Radiol, 2019, 112: 59-64. DOI: 10.1016/j.ejrad.2019.01.008.
[14]
MAO J, ZENG W, ZHANG Q, et al. Differentiation between high-grade gliomas and solitary brain metastases: a comparison of five diffusion-weighted MRI models[J/OL]. BMC Med Imaging, 2020, 20(1): 124 [2022-08-14]. https://pubmed.ncbi.nlm.nih.gov/33228564/. DOI: 10.1186/s12880-020-00524-w.
[15]
TUPÝ R, MÍRKA H, MRAČEK J, et al. Tumor-related Perfusion Changes in White Matter Adjacent to Brain Tumors: Pharmacodynamic Analysis of Dynamic 3T Magnetic Resonance Imaging[J]. Anticancer Res, 2018, 38(7): 4149-4152. DOI: 10.21873/anticanres.12707.
[16]
LU S, GAO Q, YU J, et al. Utility of dynamic contrast-enhanced magnetic resonance imaging for differentiating glioblastoma, primary central nervous system lymphoma and brain metastatic tumor[J]. Eur J Radiol, 2016, 85(10): 1722-1727. DOI: 10.1016/j.ejrad.2016.07.005.
[17]
冯梦薇, 方明, 王国华. 3D-ASL与DCE-MRI在鉴别诊断脑高级别胶质瘤与脑转移瘤中的应用价值[J]. 中国临床医学影像杂志, 2021, 32(8): 574-578. DOI: 10.12117/jccmi.2021.08.011.
FENG M W, FANG M, WANG G H. The application value of 3D arterial spin labeling and dynamic contrast-enhanced MRI in differential diagnosis of high-grade gliomas and brain metastatic tumors[J]. J Chin Clin Med Imag, 2021, 32(8): 574-578. DOI: 10.12117/jccmi.2021.08.011.
[18]
FORDHAM A J, HACHERL C C, PATEL N, et al. Differentiating Glioblastomas from Solitary Brain Metastases: An Update on the Current Literature of Advanced Imaging Modalities[J/OL]. Cancers, 2021, 13(12): 2960 [2022-08-14]. https://pubmed.ncbi.nlm.nih.gov/34199151/. DOI: 10.3390/cancers13122960.
[19]
刘泽亮, 王效春, 张辉, 等. 磁共振扩散成像在脑胶质瘤预后预测的研究进展[J]. 磁共振成像, 2021, 12(1): 77-80. DOI: 10.12015/issn.1674-8034.2021.01.017.
LIU Z L, WANG X C, ZHANG H, et al. MR diffusion imaging: research advances in prognosis prediction of gliomas[J]. Chin J Magn Reson Imag, 2021, 12(1): 77-80. DOI: 10.12015/issn.1674-8034.2021.01.017.
[20]
WANG P, WENG L, XIE S, et al. Primary application of mean apparent propagator-MRI diffusion model in the grading of diffuse glioma[J/OL]. Eur J Radiol, 2021, 138: 109622 [2022-08-14]. https://pubmed.ncbi.nlm.nih.gov/33721768/. DOI: 10.1016/j.ejrad.2021.109622.
[21]
GAO A, ZHANG H, YAN X, et al. Whole-Tumor Histogram Analysis of Multiple Diffusion Metrics for Glioma Genotyping[J]. Radiology, 2022, 302(3): 652-661. DOI: 10.1148/radiol.210820.
[22]
SUN Y, SU C, DENG K, et al. Mean apparent propagator-MRI in evaluation of glioma grade, cellular proliferation, and IDH-1 gene mutation status[J]. Eur Radiol, 2022, 32(6): 3744-3754. DOI: 10.1007/s00330-021-08522-4.
[23]
JIANG R, JIANG S, SONG S, et al. Laplacian-Regularized Mean Apparent Propagator-MRI in Evaluating Corticospinal Tract Injury in Patients with Brain Glioma[J]. Korean J Radiol, 2021, 22(5): 759-769. DOI: 10.3348/kjr.2020.0949.
[24]
WANG Y, DENG K, SUN Y, et al. Preserved microstructural integrity of the corticospinal tract in patients with glioma-induced motor epilepsy: a study using mean apparent propagator magnetic resonance imaging[J]. Quant Imaging Med Surg, 2022, 12(2): 1415-1427. DOI: 10.21037/qims-21-679.
[25]
AVRAM A V, SARLLS J E, BARNETT A S, et al. Clinical feasibility of using mean apparent propagator (MAP) MRI to characterize brain tissue microstructure[J]. Neuroimage, 2016, 127: 422-434. DOI: 10.1016/j.neuroimage.2015.11.027.
[26]
WANG P, GAO E, QI J, et al. Quantitative analysis of mean apparent propagator-magnetic resonance imaging for distinguishing glioblastoma from solitary brain metastasis[J/OL]. Eur J Radiol, 2022, 154: 110430 [2022-08-14]. https://www.doi.org/10.1016/j.ejrad.2022.110430. DOI: 10.1016/j.ejrad.2022.110430.
[27]
ÖZARSLAN E, KOAY C G, SHEPHERD T M, et al. Mean apparent propagator (MAP) MRI: a novel diffusion imaging method for mapping tissue microstructure[J]. NeuroImage, 2013, 78: 16-32. DOI: 10.1016/j.neuroimage.2013.04.016.
[28]
VAN CAMP N, BLOCKX I, VERHOYE M, et al. Diffusion tensor imaging in a rat model of Parkinson's disease after lesioning of the nigrostriatal tract[J]. NMR Biomed, 2009, 22(7): 697-706. DOI: 10.1002/nbm.1381.
[29]
HUI E S, CHEUNG M M, QI L, et al. Towards better MR characterization of neural tissues using directional diffusion kurtosis analysis[J]. Neuroimage, 2008, 42(1): 122-134. DOI: 10.1016/j.neuroimage.2008.04.237.
[30]
WU Y C, FIELD A S, ALEXANDER A L. Computation of diffusion function measures in q-space using magnetic resonance hybrid diffusion imaging[J]. IEEE Trans Med Imaging, 2008, 27(6): 858-865. DOI: 10.1109/tmi.2008.922696.
[31]
APARICI-ROBLES F, DAVIDHI A, CAROT-SIERRA J, et al. Glioblastoma versus solitary brain metastasis: MRI differentiation using the edema perfusion gradient[J]. J Neuroimaging, 2022, 32(1): 127-133. DOI: 10.1111/jon.12920.

上一篇 黑质定量磁化率成像对帕金森病诊断价值的Meta分析
下一篇 高原脑水肿的多模态MRI表现
  
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