0 前言

       唾液腺肿瘤的全球年发病率为0.4～13.5/100万人，唾液腺肿瘤约占所有头颈部肿瘤的3%～6%，大多数位于腮腺，主要为良性肿瘤，最常见的类型是多形性腺瘤（pleomorphic adenoma, PA），约占1/4的为恶性^{[1, 2, 3]}。腮腺肿瘤的标准治疗是手术切除，在大多数情况下浅表腮腺切除术就足够了。Warthin's瘤（Warthin's tumor, WT）是腮腺的第二常见肿瘤，由于恶性发生率较低，可以更保守地治疗。然而，在深叶的腮腺肿瘤和高度恶性肿瘤（malignant Tumor, MT）中，可能需要全腮腺切除术和额外的选择性颈部清扫术。因此，在术前判断病变的良恶性显得尤为重要。术前需要解决两个重要的问题：一个是肿瘤的定位；一个是肿瘤的良恶性判定。常规MRI（conventional MRI, cMRI）是一种常用的检查方法，能提供定位、形态、结构、扩散、侵袭等信息^{[4, 5, 6]}；扩散加权成像（diffusion weighted imaging, DWI）在评估细胞结构和组织学特征方面具有优势，因此在判定肿瘤的良恶性方面具有重要价值^[7]。目前主流检查中，超声检查的可重复性低，不利于肿瘤的随访观察，再者，其鉴别良性和恶性肿瘤的诊断性能仍存争议^[8]；CT具有强辐射且软组织分辨率低，在应用中受限。然而，关于多参数MRI在腮腺肿瘤术前鉴别诊断中的价值和准确性仍存在争议^[9]，这可能是由于标准化不足或研究间结局差异显著所致。因此，有必要重新进行研究，以解决这些问题。为解决上述问题，本研究拟分析头颈部MRI检查中的cMRI和DWI序列并测定表观扩散系数（apparent diffusion coefficient, ADC）值。它们具有操作简单、可重复性好的特点，在临床中被广泛使用。我们以病理结果为“金标准”，通过分析cMRI和DWI影像数据，探讨其术前鉴别诊断腮腺肿瘤的诊断性能，并探索解决现有方法的缺陷，为术前预测腮腺肿瘤的病理学性质提供更准确、可靠的方法。

1 材料与方法

1.1 一般资料

       本研究遵守《赫尔辛基宣言》，经铜仁市人民医院伦理委员会批准，免除受试者知情同意，批准文号：铜市医伦字[2021] 3号。回顾性分析2015年11月至2021年9月在铜仁市人民医院经外科手术治疗并获得病理结果的腮腺肿瘤病例，所有患者术前完成了cMRI及DWI检查。纳入标准：（1）所有手术结果符合2016年WHO头颈部肿瘤分类标准中PA、WT及MT；（2）图像达到诊断标准。排除标准：（1）病变直径小于1 cm者；（2）囊变或坏死太多，无法准确获得ADC值。最终纳入病例85例，并根据组织病理学检查结果分为3个研究组：PA组、WT组和MT组，收集病例人口学资料和临床资料。

1.2 MRI检查

       使用1.5 T（Philips chieva 1.5 T）及3.0 T（Philips Ingenia cx 3.0）MR扫描仪进行图像采集，采用头颈部阵列线圈。cMRI扫描序列参数如下：轴位T1WI的TR/TE 510～600 mm/11～18 ms，轴位T2WI的TR/TE 2500～3000 mm/89～100 ms，脂肪抑制T2WI序列采用与T2WI相同的参数，同时应用脂肪抑制技术，上述序列的层厚均为4 mm，层间距均为1 mm、FOV均为240 mm×200 mm，矩阵均为320×224，激励次数为3次；脂肪抑制冠状位T2WI的TR/TE 2500～3000 mm/89～100 ms，FOV 300 mm×148 mm，矩阵大小为260×214，激励次数3次；所有脂肪抑制序列均使用mDixon技术，采用快速自旋回波（turbo spin echo, TSE）序列获得T2WI图像。此外，DWI序列的参数设置如下：TR/TE 3200 ms/90 ms或TR/TE 8000 ms/60 ms、层厚5 mm、层间隙1 mm、矩阵128×128，采用平面回波成像，b值分别为0 mm²/s和1000 mm²/s，并自动重建ADC图。

1.3 图像分析

       所有DWI图像在Philips后处理工作站（InterliSpacePortal Version 9.0）处理，使用圆形工具勾画感兴趣区（region of interest, ROI），面积大小约11.2～16.4 mm²。由不了解组织病理学结果的2名放射学主任医师（专业工作年限分别为20年、25年）测量每个病变的实性部分的ADC值，每个病灶测量3次，取平均值。在cMRI中，如果T1WI图像上的病变信号强度等于或低于肌肉强度，则为低信号；如果强度水平高于肌肉信号，则为高信号。如果T2WI信号强度低于正常腮腺组织，则为低信号；如果T2WI信号等于或大于正常腮腺组织，则为高信号。另外，观察肿瘤的形态和边缘情况、囊变或坏死情况、周围结构侵犯情况。对于混合性肿瘤，某一组织病变类型占比≥50%则归于该组。

1.4 统计学分析

       使用统计SPSS软件包（IBM SPSS Inc; Armonk, NY, USA）25版对研究数据进行统计分析。使用Kolmogorov-Smirnov检验计量参数是否呈正态分布，连续变量以均数和标准差表示其集中和离散趋势，记为（x¯±s），范围记为（min～max），计数变量则以频数和百分比表示。各组的年龄和ADC值（PA、WT和MT）采用Kruskal-Wallis非参数方差分析，并进行两两比较。将性别进行Pearson χ²检验。为了确定影像对肿瘤组织学性质预测的敏感度和特异度，应用ROC曲线分析，P＜0.05表示差异具有统计学意义。

2 结果

       研究组包括54名（63.5%）男性和31名（36.5%）女性患者，年龄为20～82（53.0±15.1）岁。组织学上，35例患者为PA，31例患者为WT，其余19例患者为恶性肿瘤（7例黏液表皮样癌，3例恶性黑色素瘤，3例腺癌，2例腺泡细胞癌，2例腺样囊性癌，1例涎腺导管癌和1例鳞状细胞癌）。表1显示了各组的年龄和性别百分比。与其他两组相比，PA组更年轻，女性比男性发病率更高（χ²分别为9.8和4.7，P值分别为0.002及0.030）。

       cMRI对病变的解剖结构显示良好。PA单发多见，形态较为规则，T1WI的信号较低，T2WI的信号较高，边界光滑清楚，可有薄而光滑的包膜，无淋巴结转移。WT的T2WI信号较低，T2WI信号多变，可多发。MT的边界可清楚，也可不清，少部分可有包膜显示，T1WI及T2WI信号多变，可有淋巴结转移，病变的信号情况见表2。

       PA、WT和MT组DWI上的ADC值见表3，PA与其他两组的差异具有统计学意义（P＜0.001）。WT和MT的平均ADC值虽然差异具有统计学意义，但是重叠范围较大，ROC曲线下面积（area under the curve, AUC）仅为0.156。85名患者中最低的ADC值为0.45×10^-3 mm²/s，见于WT病例。由于淋巴瘤的ADC值明显小于其他恶性肿瘤，故不纳入分析。

       ADC值的AUC分别为0.987和0.935，用于鉴别PA与WT、MT（图1）。当ADC截止值为1.23×10^-3 mm²/s时，鉴别PA与WT的敏感度和特异度分别为94.3%和93.5%；当ADC截止值为1.29×10^-3 mm²/s时，鉴别PA与MT的敏感度和特异度分别为85.7%和84.2%。一名PA患者的cMRI表现见图2。图3显示了PA、WT、黏液表皮样癌和淋巴瘤病例的DWI和对应的ADC图。

点击查看大图

图1  PA与WT（1A）及MT鉴别（1B）的 ROC曲线。PA：多形性腺瘤；WT：Warthin's瘤；MT：恶性肿瘤；AUC：ROC曲线下面积。

点击查看大图

图2  女，76岁，右侧腮腺无痛性包块5年，术后病理诊断为多形性腺瘤，病灶稍不规则，轴位可见包膜。T1WI轴位显示为稍低、低混杂信号（2A）、T2WI轴位显示为稍高信号内见斑片状高信号（2B），脂肪抑制T2WI显示为稍高信号内斑片状高信号（2C）及散在不规则稍低信号（2D）。

点击查看大图

图 3  PA、WT黏液表皮样癌及淋巴瘤的DWI图（3A-3D）及对应的ADC图（3E-3H）。ADC值分别为1.64×10^-3 mm²/s、0.89×10^-3 mm²/s、0.94×10^-3 mm²/s、0.56×10^-3 mm²/s。PA：多形性腺瘤；WT：Warthin's瘤；DWI：扩散加权成像；ADC：表观扩散系数。

点击查看表格

表1  性别和年龄统计表

点击查看表格

表2  三类病变T1WI及T2WI信号强度分类计数情况表

点击查看表格

表3  各病理分组ADC值统计表

3 讨论

       本研究使用ADC值为参数研究腮腺肿瘤分类，在术前预测肿瘤组织病理学性质方面具有优异的性能。本研究揭示，ADC值可以鉴别最常见的腮腺肿块PA与其他组织病理学病变，能够将PA从WT和MT中鉴别开来，且有非常高的诊断性能，但不能区分WT和MT。

3.1 腮腺肿瘤的诊疗概况

       腮腺肿块主要的治疗方式是手术。因此，术前获得组织病理学的信息有利于外科医生进行手术方式的选择和医患沟通的决策。腮腺病变的流行病学、患者病史和人口统计学数据将提供腮腺病变的病理信息，僵硬、快速生长、疼痛和面瘫等临床特征表明恶变。患者年龄也有助于鉴别组织病理学的信息，因为WT和MT在更高龄时出现，而PA发病年龄更年轻^[2]。在本研究中还发现PA发病年龄更小。在过去的十年中，超声引导下细针穿刺活检（fine needle aspiration biopsy, FNAB）一直是首选的确诊方式。在有经验丰富的细胞学家参与评估的情况下，该方法具有高准确度（约95%）。然而，FNAB有一些局限性：是一种侵入性的操作^[10]；依赖于操作者水平和细胞学家的评估，可能出现假阴性和假阳性结果。近年来，MRI在诊断腮腺肿瘤方面得到了广泛应用，为其提供了解剖和生物学特征方面的信息，在诊断腮腺肿瘤方面取得一些成果^{[1, 2, 3, 4, 5, 6, 7]}。本研究结果显示了MRI优异的诊断性能，在鉴别PA与WT、PA与MT的敏感度、特异度分别达到了94.3%、93.5%与85.7%、84.2%。

3.2 cMRI在诊断腮腺肿瘤中的应用

       目前，MRI在术前评估应用方面已日渐兴起，一些研究^{[3, 11]}表明，不需要FNAB，仅MRI就足以处理腮腺病变。因此，即使是cMRI技术也有助于鉴别病变的良恶性。边界特征（清晰或不规则）、T2WI图像上的信号强度（高信号或低信号）、深叶受累、坏死成分和淋巴结病变的存在将为外科医生提供术前指导^{[12, 13]}，大部分PA可见包膜^[14]。但是，cMRI检查结果不太理想，结果的敏感度和特异度仅为40%和88%^[11]。PA的cMRI特征，如T1WI图像上的表面光滑和低信号以及T2WI图像上的高信号，与T2WI图像上的WT和MT低信号形成对比^{[3, 13]}，T2WI可以很好地鉴别PA与WT^[15]。T2WI上肿瘤与正常腮腺、脊髓和颊部皮下脂肪的信号强度比值也有一定的诊断价值^[16]。本研究T2WI信号情况与研究^{[3, 7, 12]}一致，因为在T2WI图像上PA显示83%的高信号，WT和MT分别有80%和42%显示低信号。

       此外，一些研究^[17]更详细描述了腮腺肿瘤病变特征，如增强的廓清方式，以及肿瘤的时间-信号强度曲线分型，发现峰值时间与微血管范围有关，廓清比率反映了基质的细胞密度水平。PA曲线特征为逐渐上升的流入型，病理上以黏液、肌上皮增生为主，可伴有软骨样基质、纤维成分^[14]。在动态增强中，与PA和MT相比，WT诊断的准确性更高，其次分别是MT和PA。有报道^[18]指出定量动态增强也有助于鉴别PA、WT、其他类型良性肿瘤与MT，增强MRI全域直方图也对腮腺常见三种肿瘤的鉴别诊断存在一定价值^[19]。

3.3 DWI在鉴别腮腺肿瘤病理学特征中的应用和挑战

       相较于增强，ADC临床使用广泛，可获得定量参数，易于比较，且不需要对比剂^{[3, 12]}，具有更高的鉴别准确性^[20]。研究^{[21, 22]}表明，DWI可以鉴别PA与WT，但鉴别WT与MT困难，因为它们的ADC值存在较大的重叠区间；由于典型的PA细胞分散，具有丰富的黏液和软骨样基质，会导致极高的ADC值^[23]，肌上皮腺瘤ADC值与PA相似，然而，这并不是关键问题，因为这两种病变均为良性，并且它们的手术方式相似。但需要注意的是PA恶变的风险高于肌上皮腺瘤，特别是黏液型^[14]，手术不当引起的复发很常见^[24]。尽管WT是良性肿瘤，但它的ADC值相当低，反映了上皮和淋巴基质的组织学特征，具有富含蛋白质液体的狭缝状微囊^{[25, 26]}，肿瘤特有的生发中心以及超细胞淋巴基质明显有助于限制扩散^[26]。鉴别诊断MT的不同组织病理学亚型相当困难，因为它们有不同变异的组织学亚型，此外不同肿瘤实体中有重叠、相似的组织学成分。组织学和临床分级也很复杂，组织学亚型和分级并不一一对应。一般情况下，低级别恶性肿瘤ADC值高，而高级别恶性肿瘤ADC值低，ADC值的高低反映了肿瘤细胞结构^{[12, 27]}。淋巴瘤的ADC值较其他恶性肿瘤更低^[22]。

3.4 新兴MRI技术在鉴别腮腺肿瘤中的应用

       近年来新兴MRI技术也用于鉴别腮腺肿瘤的良恶性，一项关于ADC、动脉自旋标记、酰胺质子转移成像的研究^[28]显示，它们单独鉴别病变恶性的准确率分别为47.6%、50.0%和66.7%，而结合这三种检查则可以达到85.7%。从单项指标来看，ADC与其他2项指标的差别不大，但在该研究中ADC值鉴别的准确性远低于本研究，究其原因可能是未把良性病变中ADC值低的WT剔除，这也体现了合理分组对于研究的重要性。虽然综合多种方法能够提高鉴别诊断的准确率，但这三个检查序列的耗时过长，再加上必须的常规检查序列，患者难以配合，不利于顺利完成检查，因此临床应用受限。

       总之，术前鉴别腮腺肿瘤的组织病理学类型非常重要，因为最常见的腮腺肿瘤是PA，占腮腺肿瘤的60%～80%^{[2, 24, 29-31]}，ADC值获取容易，结合cMRI能获得的重要诊断信息，可避免大多数腮腺肿瘤不必要的活检。

3.5 本研究的局限性

       首先，本研究的样本量偏小，尤其MT的样本数量较少，没有进行亚型分组；其次，本研究尚不能很好地鉴别MT和WT。拟在今后的研究中持续增加样本量，增加亚型分组并结合包括酰胺质子成像、动脉自选标记等新兴技术在内的多模态MRI加强对MT和WT的研究。

4 结论

       cMRI具备显示肿瘤位置、结构、边缘、毗邻结构和淋巴结转移的能力，而DWI则能表征肿瘤的组织病理学特征，使得PA、WT和MT的鉴别成为可能。将DWI与cMRI相结合有助于提高诊断准确性，在腮腺肿瘤的术前评估中具有重要意义。然而，需要注意的是，WT和MT的ADC值存在明显的重叠，因此仅依赖ADC值进行鉴别较为困难，建议将其与动态增强灌注成像或酰胺质子转移成像等MRI序列相结合，以提高鉴别的精度。