分享:
分享到微信朋友圈
X
综述
胶质瘤氨基酸PET/MR多模态影像的肿瘤体积及空间分布研究进展
李笑然 卢洁

Cite this article as: LI X R, LU J. Research progress of glioma volume and spatial distribution in amino acid PET/MR multimodal imaging[J]. Chin J Magn Reson Imaging, 2024, 15(7): 158-164.本文引用格式:李笑然, 卢洁. 胶质瘤氨基酸PET/MR多模态影像的肿瘤体积及空间分布研究进展[J]. 磁共振成像, 2024, 15(7): 158-164. DOI:10.12015/issn.1674-8034.2024.07.027.


[摘要] 脑胶质瘤是成人最常见的原发恶性脑肿瘤,基于结构磁共振(magnetic resonance, MR)成像导航肿瘤手术切除是常规治疗方案。然而结构MR成像难以精准显示肿瘤的体积及空间分布,导致的肿瘤术后残留会缩短患者生存期。氨基酸正电子发射断层/磁共振(positron emission tomography/magnetic resonance, PET/MR)多模态影像显示的胶质瘤体积及空间分布存在重叠及差异,本文通过综述氨基酸PET与MR的结构、血流灌注及分子成像显示的胶质瘤体积及空间分布差异,探讨了多模态影像的肿瘤空间分布异质性,比较不同模态影像显示肿瘤空间分布的准确性,辅助临床制订PET/MR导航胶质瘤手术的最佳多模态影像组合,实现肿瘤最大化安全切除,提高患者预后生存质量,并且为未来进一步研究胶质瘤的分子生物学机制介导PET/MR影像空间分布表征提供思路。
[Abstract] Gliomas are the most common primary malignant brain tumors in adults, and resection of tumours based on structural magnetic resonance (MR) imaging is the conventional treatment. However, structural MR imaging is difficult to accurately demonstrate the volume and spatial distribution of the glioma, which leads to postoperative tumour residuals that may shorten the survival of patients. There are overlaps and differences in the volume and spatial distribution of gliomas shown by amino acid positron emission tomography/magnetic resonance (PET/MR) multimodal imaging. This paper reviewed the differences in the volume and spatial distribution of gliomas shown by amino acid PET and structure, perfusion, and molecular images of MR to explore the heterogeneity of tumour spatial distribution in multimodal images and compare the accuracy of spatial distribution of tumours in different modal images. It will assist developing the optimal multimodal image combination based on PET/MR for guiding glioma surgery, to maximize the safe resection of the tumour and improve the prognosis of glioma patients, as well as to provide insights for further research on spatial distribution characterization of PET/MR images mediated by the molecular biological mechanism of glioma.
[关键词] 胶质瘤;氨基酸正电子发射断层成像;磁共振成像;多模态影像;肿瘤体积;肿瘤空间分布
[Keywords] gliomas;amino acid positron emission tomography;magnetic resonance imaging;multimodal imaging;tumor volume;tumor spatial distribution

李笑然 1, 2   卢洁 1, 2*  

1 首都医科大学宣武医院放射与核医学科,北京 100053

2 磁共振成像脑信息学北京市重点实验室,北京 100053

通信作者:卢洁,E-mail:imaginglu@hotmail.com

作者贡献声明:卢洁设计本综述的框架思路,对稿件重要内容进行修改,获得了国家重点研发计划项目的资助;李笑然阅读相关文献,选择分析相关参考文献,起草和撰写稿件。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: 国家重点研发计划项目 2022YFC2406900
收稿日期:2024-05-24
接受日期:2024-07-06
中图分类号:R445.2  R739.41  R817.4 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2024.07.027
本文引用格式:李笑然, 卢洁. 胶质瘤氨基酸PET/MR多模态影像的肿瘤体积及空间分布研究进展[J]. 磁共振成像, 2024, 15(7): 158-164. DOI:10.12015/issn.1674-8034.2024.07.027.

0 引言

       脑胶质瘤是成人最常见的原发恶性脑肿瘤,每10万人约有22.52人患有原发性脑肿瘤,其中胶质瘤在20~59岁原发脑肿瘤群体的占比约31.1%[1]。基于结构磁共振(magnetic resonance, MR)成像制订的手术切除范围(extent of resection, EOR)不能完全覆盖肿瘤活性区域,导致异柠檬酸脱氢酶(isocitrate dehydrogenase, IDH)野生型侵袭性胶质瘤患者仅有14~17个月中位生存期,但过度扩大化切除会影响神经功能恢复,降低生存质量,因此术前精准定位胶质瘤手术边界对改善患者预后至关重要[2, 3, 4]

       氨基酸类正电子发射断层(positron emission tomography, PET)成像的示踪剂能被胶质瘤细胞表面高表达的L型氨基酸转运体(L-type amino acid transporter, LAT)特异性摄取,且不受血脑屏障的限制,具有高肿瘤靶本比(tumor background ratio, TBR)的显像特点[5, 6]。基于氨基酸PET的多模态影像被广泛应用于鉴别恶性脑肿瘤与非肿瘤病变、精准定位肿瘤生物活性区、预测胶质瘤分子分型及疗效评价[7, 8, 9]。近期国内外学者也逐渐开展基于氨基酸PET的影像组学及人工智能研究,进一步挖掘氨基酸PET的潜在应用价值[10, 11]。胶质瘤正电子发射断层/磁共振(positron emission tomography/magnetic resonance, PET/MR)多模态成像广泛应用的氨基酸类PET示踪剂包括L-[甲基-11C]蛋氨酸(L-[methyl-11C]Methionine, 11C-MET)、氟乙基-L-酪氨酸([18F]fluoroethyl-L-tyrosine, 18F-FET)及3, 4-二羟基-6-[18F]氟-L-苯丙氨酸(3, 4-Dihydroxy-6-[18F]fluoro-L-phenylalanine, 18F-FDOPA)[12, 13, 14]

       氨基酸PET/MR多模态影像显示的胶质瘤空间分布差异与肿瘤的分级、分子分型及增殖活性相关,为胶质瘤精准诊断提供PET/MR影像空间分布表征依据,并且多序列MR成像的肿瘤结构影像边界、功能影像边界与氨基酸PET的肿瘤生物活性区域存在不同程度的空间交叠,为基于MR成像估计胶质瘤氨基酸PET影像显示的肿瘤范围提供成像序列组合方案[15, 16, 17]。本文将就11C-MET 、18F-FET及18F-FDOPA三类氨基酸示踪剂PET与MR多模态影像的胶质瘤体积及空间分布研究进展进行综述,比较MR结构、功能成像与氨基酸PET影像显示胶质瘤的体积及空间重叠差异,探讨确定胶质瘤手术边界的多模态成像最优组合,减少肿瘤术后残留,延长患者生存期;并且通过总结分析MR的结构、功能成像与氨基酸PET影像的空间分布相关性,为生成式人工智能对MR与PET的图像模态转换提供研究思路,以及分析胶质瘤分子生物学机制对PET/MR多模态影像空间分布的影响,对无创评价肿瘤内异质性具有重要价值。

1 氨基酸PET与MR结构成像的肿瘤体积及空间分布

1.1 11C-MET PET成像与MR结构成像的肿瘤体积及空间分布

       国际最早应用11C-MET示踪剂对PET与结构MR成像显示的胶质瘤的体积及空间分布重叠度进行研究。TIETZE等[18]通过计算13例胶质瘤(7例高级别胶质瘤,6例低级别胶质瘤)PET与结构MR成像[T1增强/T2液体衰减反转恢复(T2-fluid attenuated inversion recovery, T2-FLAIR)的肿瘤空间戴斯相似系数(Dice similarity coefficient, DSC),发现两者的空间交叠(DSC=0.23~0.67)普遍较低。后续WU等[19]通过分析15例低级别胶质瘤和19例高级别胶质瘤的肿瘤生物活性区域与结构MR成像的体积差异,发现高级别胶质瘤的T2-FLAIR成像的肿瘤体积明显大于PET的肿瘤生物活性区域体积[(48.74±54.83) cm3 vs. (27.26±35.42) cm3P=0.015],但低级别胶质瘤T2-FLAIR的肿瘤体积与PET肿瘤生物活性区域体积的差异无统计学意义[(72.29±64.72) cm3 vs. (44.73±49.38) cm3P=0.241],证明病理分级会影响PET影像与结构MR成像显示的胶质瘤空间分布差异。NINATTI等[20]对110例WHO 2~3级胶质瘤的11C-MET与MR成像多模态影像显示的肿瘤空间分布进行分析,也发现WHO 3级胶质瘤出现FLAIR高信号之外的11C-MET高摄取区域的比例明显高于WHO 2级胶质瘤(36% vs. 15%,P=0.009),结合11C-MET与结构MR成像定位手术边界对高级别胶质瘤患者个体化精准手术具有重要价值。在探索胶质瘤病理分型对11C-MET PET/MR空间分布差异影响方面,一项研究发现少突胶质细胞瘤比其他病理类型胶质瘤的11C-MET PET的肿瘤生物活性区域与肿瘤结构MR成像的边界重叠度较高,肿瘤生物活性区域约占T1增强显示的肿瘤体积的81.5%(53.8%~135.0%),并且肿瘤86%的肿瘤生物活性区域位于T2-FLAIR异常信号范围内[21]。虽然这些研究初步证明了WHO低级别及预后较好的分子分型胶质瘤的11C-MET PET影像与结构MR成像的肿瘤空间重叠度较高,可能是因为恶性程度较低的胶质瘤细胞表面LAT转运体低表达,且对血脑屏障侵袭性较低,导致结构MR成像表现为无或弱强化的同时伴随PET成像的较低摄取。但由于两种成像均无法准确显示肿瘤的空间分布,导致难以鉴别低级别胶质瘤与非肿瘤病变,既往研究也证明了部分低级别胶质瘤对氨基酸示踪剂的摄取较低[22, 23]。未来需要进一步关注低级别胶质瘤分子亚型间的11C-MET PET与结构MR成像显示的肿瘤空间分布差异,通过多模态影像空间分布表征对于鉴别低级别胶质瘤的分子亚型可能具有潜在价值。

       一些研究通过手术病理及纵向随访的研究证实11C-MET PET较结构MR成像显示的肿瘤范围更准确。一项研究对16例结构MR成像无强化或轻度强化胶质瘤的11C-MET PET高摄取区域切除,病理证实MR成像显示无或弱强化但PET高摄取区域存在肿瘤细胞[24]。INOUE等[25]通过对胶质瘤11C-MET PET/MR影像不匹配区域进行立体定向活检,证实了高侵袭性胶质瘤PET高摄取区域(TBR>1.4)超出结构MR成像强化区域的范围大于低侵袭性胶质瘤,并且结构MR成像的强化边界外11C-MET高摄取区域存在逃逸的胶质瘤干细胞,解释了基于结构MR成像切除胶质瘤导致肿瘤复发的机制。MILLER等[26]对37例胶质瘤患者放化疗后进行11C-MET PET/MR纵向随访,证明三个月复查的PET与T1增强图像的不匹配区域是导致术后复发的危险因素。

       然而,并不是所有医院均能行11C-MET PET成像,因此一些研究通过探索MR与PET影像特征的相关性,ALTIERI等[27]通过对47例IDH野生型胶质母细胞瘤的11C-MET PET与结构MR成像进行肿瘤空间分析,发现虽然70.21%的IDH野生型胶质瘤的11C-MET PET的代谢体积大于结构MR成像的强化体积,但两者存在明显相关性(r=0.63,P<0.001)。近期的一项研究通过量化33例胶质瘤的结构MR成像的半定量特征发现联合肿瘤体积大、增强边缘和“T1WI高信号、T2WI低信号”能预测11C-MET高摄取区域,受试者特性曲线下面积(area under the curve, AUC)为0.8[28]

       虽然结构MR成像与氨基酸PET影像显示的胶质瘤空间分布存在较大差异,多模态影像的空间分布差异可以用来作为影像表征诊断胶质瘤分级、分型及肿瘤增殖活性,并且两者的体积及影像特征存在相关性,对未来基于MR成像生成氨基酸PET成像具有重要意义。

1.2 18F-FET PET与MR结构成像的肿瘤体积及空间分布

       既往研究发现18F-FET PET与结构MR成像显示的胶质瘤空间分布与基于11C-MET的PET/MR相关研究结果相似,两种示踪剂PET成像显示的胶质瘤生物活性区域体积具有强相关性(r=0.82,P<0.001),并且两种示踪剂PET影像与结构MR成像的肿瘤空间交叠相似[29]。KAISER等[30]分析了34例胶质瘤18F-FET PET与T1相对增强图像的肿瘤空间相似性,研究发现两者的肿瘤空间重叠度较低(DSC=0.10±0.19)。ALLARD等[31]进一步对高级别胶质瘤在不同分割阈值下18F-FET PET肿瘤生物活性区域与结构MR成像强化区域的空间相似性进行探索,发现基于90%的标准化摄取阈值勾画的肿瘤生物活性区域与结构MR成像显示的肿瘤区域的空间重叠率(overlap fraction, OV)(0.67)最高。但18F-FET PET影像与结构MR成像显示的胶质瘤空间范围差异是否来源于观察者分割区域间的差异尚且存在争议。LATRECHE等[32]研究发现不同医生分割18F-FET的肿瘤生物活性区域的稳定性弱于T1增强的强化区域(DSC:0.75 vs. 0.86),认为不同观察者会干扰分析18F-FET PET与T1增强显示的肿瘤区域差异。但LATRECHE等[32]让具有不同经验水平的三名核医师和三名放射科医生分别勾画高级别胶质瘤的18F-FET PET和结构MR成像的肿瘤区域,证明不同医生分割高级别胶质瘤的PET与T1增强图像的肿瘤区域具有高度的一致性(DSC分别为0.92和0.84)。这说明胶质瘤的分级会影响研究者分割肿瘤区域的可靠性,可能会导致既往研究发现的低级别胶质瘤11C-MET PET与结构MR成像的肿瘤空间重叠度更高的结论并不可靠,提示未来研究胶质瘤分级及分子分型对PET/MR多模态影像的肿瘤体积及空间分布研究时需要注意观察者分割肿瘤区域的一致性会影响研究结果。

       由于11C-MET的半衰期较短,临床推广应用困难,18F-FET在欧洲地区已经逐渐替代了11C-MET等短半衰期示踪剂进行胶质瘤PET/MR多模态成像临床应用,因此全球学者对18F-FET与MR成像显示的胶质瘤空间分布差异的机制更为深入[33]。SONG等[34]分析一体化PET/MR同步采集的34例胶质瘤18F-FET PET与T1增强图像的肿瘤空间分布,发现其中31例肿瘤的PET肿瘤体积显著大于T1增强肿瘤体积[(77.84±51.74) cm3 vs. (34.59 ± 27.07) cm3P<0.001),但两者空间存在部分交叠(DSC=0.56±0.22),11例(33.33%)肿瘤的PET显示肿瘤范围超出T2-FLAIR异常信号区域,并且通过立体定向活检抽取24个组织样本,证实从FET摄取增加区域获得的所有21个样本均经病理证实为胶质瘤浸润,其中只有13个肿瘤样本在T1增强图像显示为强化。另一项研究通过分析18F-FET PET图像与T1增强不匹配区域的活检组织信息发现45%的MR无强化的胶质瘤存在18F-FET高摄取,并且也对胶质瘤PET与MR强化不匹配区域进行立体定向活检发现只有41.5%~71.0%肿瘤组织表现为T1强化,而85%的胶质瘤组织位于PET高摄取空间内,MR强化边界外的18F-FET高摄取区域存在肿瘤细胞浸润,T2-FLAIR联合18F-FET PET定位胶质瘤的准确性高于T2-FLAIR(AUC分别为0.98和0.80)[17]。上述两项研究从细胞层面证明了18F-FET PET与MR结构影像的不匹配来源于肿瘤细胞浸润,但深层的生物学机制并没有深入的探索。HARAT等[35]在发现注射示踪剂后10 min采集的18F-FET PET比T2-FLAIR定位胶质瘤敏感度显著提高(90% vs. 56%)的基础上,也应用同步采集的18F-FET PET/MR多模态影像导航穿刺成人弥漫性胶质瘤的306个组织样本,发现所有高级别肿瘤样本均位于MR强化边界外,其中30%的高级别肿瘤组织位于PET高摄取区域,揭示18F-FET代谢异质性与胶质瘤细胞增殖、病理组织分化程度相关[16]。LI等[36]也通过分析110例胶质瘤18F-FET PET/MR多模态影像显示的肿瘤空间差异,证实PET成像显示的肿瘤范围超过结构MR成像范围的胶质瘤具有更高的肿瘤细胞增殖信号表达,对PET影像与结构MR成像显示的肿瘤区域不匹配的机制进行了解释,并且基于MR多序列影像组学能预测PET与结构MRI的肿瘤范围差异导致的术后残留(AUC=0.87)。

       18F-FET PET与结构MR成像研究逐渐从关注于胶质瘤分级对两者显示的肿瘤体积及空间分布差异影响的表观影像学改变,转为深入研究两者空间差异产生的病理及生物学机制,证实多模态影像胶质瘤空间异质性源于肿瘤增殖表达差异,提出18F-FET PET与T2-FLAIR序列联合是PET/结构MR成像定位胶质瘤的最佳组合。

1.3 18F-FDOPA PET与MR结构成像的肿瘤体积及空间分布

       18F-FDOPA最早用于评估多巴胺神经元的PET成像,2020年被美国食品药品监督管理局获批用于胶质瘤的PET成像,因此PET/MR多模态影像研究报道仍然较少[5]。PONISIO等[37]分析10名胶质瘤患者的18F-DOPA PET图像与结构MR成像的肿瘤体积,研究发现纳入病例PET成像的肿瘤生物活性区域体积均大于T1增强图像显示的肿瘤体积,并且通过对7个患者进行13个部位的立体定向活检发现8个PET高摄取且无T1强化的活检位置存在肿瘤细胞浸润。FRAIOLI等[15]分析40例胶质瘤同步采集的18F-DOPA PET/MR图像的肿瘤体积,同样证明胶质瘤的18F-DOPA PET显示的肿瘤体积大于结构MR成像的体积(P值分别为0.02和0.000 2),但进一步的亚组分析发现低级别胶质瘤PET与MR肿瘤体积重叠百分比高于HGG(80% vs. 60%,P=0.000 2),这与既往11C-MET PET/MR多模态影像的研究相似。后续随访研究也证实超出结构MR成像的肿瘤范围外的18F-FDOPA高摄取区域会导致IDH野生型胶质瘤的术后肿瘤残留,不匹配的区域是降低患者生存期的独立危险因素[风险比(hazard ratio, HR)=1.26,P=0.039][38]

2 氨基酸PET与MR血流灌注成像的肿瘤体积及空间分布

2.1 11C-MET PET与MR血流灌注成像的肿瘤体积及空间分布

       MR的血流灌注成像能够反映肿瘤浸润导致的血流灌注异常,相比于结构MR能够更精准显示肿瘤空间分布。TIETZE等[18]通过分析胶质瘤的11C-MET PET与MR动态磁敏感对比增强(dynamic susceptibility contrast MR, DSC-MR)成像,发现11C-MET的肿瘤生物活性区域与胶质瘤的脑血容量(cerebral blood volume, CBV)高灌注区域空间一致性略高(DSC=0.6)。BRENDLE等[39]对一体化PET/MR采集的41例胶质瘤11C-MET PET及DSC-MR成像的血流灌注图像进行热点区域空间分布分析,研究发现7个胶质瘤仅存在MET摄取热点或高CBV灌注热点,3个胶质瘤MET摄取及血流灌注均无热点区域,在DSC-MR成像的血流灌注图像和11C-MET PET均存在热点区域的23名胶质瘤中,11个胶质瘤(48%)PET与CBV的热点区域空间重叠大于70%,9个胶质瘤 (39%)空间重叠低于70%,3个胶质瘤(13%)完全没有重叠。

       相比于结构MR成像的肿瘤体积,胶质瘤MR血流高灌注区域体积与11C-MET PET的生物活性区域空间重叠更高,两者的相关性更高,但是对两者差异性区域产生的生物学机制尚没有深入的探索研究。

2.2 18F-FET PET与MR血流灌注成像的肿瘤体积及空间分布

       胶质瘤18F-FET PET成像显示的肿瘤生物活性区域与MR的血流灌注区空间重叠研究结果则不同于11C-MET PET/MR的研究。VERGER等[40]发现78%的MR无强化胶质瘤的相对CBV高灌注和18F-FET高摄取的热点位置也不一致[平均距离为(0.6±9.5) mm]。ZIEGENFEUTER等[41]分析38例胶质母细胞瘤纵向随访的分别采集及一体化设备采集的PET/DSC-MR图像,发现单独采集的18F-FET PET/CBV的DSC与一体化PET/MR的差异无统计学意义(P=0.17),证明MR血流灌注成像与PET成像显示的肿瘤热点区域不一致并不是来源于两种单独采集模态图像的配准误差。FILSS等[42]进一步对33例胶质瘤进行18F-FET动态及DSC-MR灌注成像,发现动态采集PET的超早期成像(0~2 min)与rCBV显示的肿瘤热点区域一致,并且两者的信号高度相关(r=0.89,P<0.001);而标准时间段的PET图像(20~40 min)与rCBV则无相关性(r=0.24,P=0.16)。造成18F-FET PET生物活性区域与MR的高CBV区域空间重叠度不同与11C-MET PET/MR的原因可能是不同氨基酸PET示踪剂的药代动力学差异,11C-MET相比于18F-FET具有更快的半衰期及峰值吸收早的特点,11C-MET摄取机制与血流灌注具有生物学相关性,因此标准时间段的18F-FET PET与CBV对胶质瘤显像更具有互补作用。

2.3 18F-FDOPA PET与MR血流灌注成像的肿瘤体积及空间分布

       胶质瘤18F-FDOPA PET与MR血流灌注成像的研究同样也发现两者的肿瘤体积及边界一致性差异较大。CICONE等[43]通过比较44名复发胶质瘤18F-FDOPA PET与相对CBV的肿瘤体积及边界,发现PET的肿瘤生物活性体积远大于相对CBV图的肿瘤血流灌注体积(11.44 mL vs. 1.04 mL,P<0.001),且两者的边界重叠度较低[中位重叠体积=0.27 mL,中位空间一致性=1.38%,平均热点距离=(27.17±16.92) mm],研究也发现12%患者纹状体的生理摄取干扰肿瘤的边界确定。GIRARD等[44]应用18F-FDOPA PET/MR多模态影像导航16例胶质瘤穿刺活检了38个样本,发现高级别胶质瘤的融合PET、T1增强及CBV三者的肿瘤区域的总区域体积明显大于MR模态肿瘤区域(T1增强区域合并CBV区域)的体积(1.7 mL vs.1.3 mL),并且空间重叠分析发现PET与CBV、T1增强图像的肿瘤区域空间重叠度均很低(DSC分别为0.27和0.28),这与18F-FET PET/MR的研究结果相似,将18F-FDOPA PET肿瘤区域融合到多参数MRI(T1增强+CBV)显著影响5例(31%) 的高级别胶质瘤肿瘤体积的勾画,并且基于活检金标准证实将18F-FDOPA PET融合多参数MRI(T1增强+CBV)比单独应用多参数MRI检测胶质瘤区域的准确率提升了8%,敏感度提升11%。

       对比上述研究证实注射示踪剂后标准时间窗的18F-FET及18F-FDOPA PET图像显示的胶质瘤生物活性区域与MR的CBV肿瘤灌注区域的空间重叠度较低;而注射示踪剂后早期的18F-FET与11C-MET PET成像显示的肿瘤生物活性区域和CBV的高灌注区域空间相似度较高,这可能是因为11C-MET的半衰期较短、成像时间窗较窄、峰值吸收时间靠前以及与血脑屏障关联性更强,因此PET图像可能包含血流灌注成像信息,而早期的18F-FET PET成像能同样反映血池相,因此与MR的CBV肿瘤灌注区空间重叠度较高。

3 氨基酸PET与MR分子成像的肿瘤体积及空间分布

3.1 11C-MET PET与MR分子成像的肿瘤体积及空间分布

       基于化学交换饱和转移(chemical exchange saturation transfer,CEST)的酰胺质子转移加权(amide proton transfer weight, APTw)成像是一种评估胶质瘤代谢的MR分子成像技术。INOUE等[45]对20例术后的胶质瘤患者进行11C-MET PET与APTw成像,两者对术后周围区域的肿瘤复发浸润显示的空间范围一致,两者相关性较高(r=0.66),并且通过手术病理证实了两者显示的肿瘤区域存在肿瘤复发浸润。受限于既往MR分子成像全脑扫描时间长、信噪比较低及扫描参数复杂等因素的限制,11C-MET PET/MR分子成像对胶质瘤体积及空间分布的研究较少,缺少多中心大样本对两者显示的胶质瘤空间相似性进行验证,未来高场强MR设备的进一步应用将有望解决MR分子成像局限性,若能进一步验证11C-MET PET与全脑MR分子成像具有高度的肿瘤空间相似性,未来基于APTw成像将有望替代氨基酸PET进行肿瘤术后随访。

3.2 18F-FET PET与MR分子成像的体积及空间分布

       胶质瘤18F-FET PET与MR分子代谢成像的空间匹配性的研究存在争议,不同研究得到的结果相反。STADLBAUER等[46]通过分析15例WHO 2~4级胶质瘤的18F-FET PET图像与二维磁共振波谱(magnetic resonance spectroscopy, MRS)图像的肿瘤区域空间分布,发现二维单层18F-FET摄取和Cho/NAA增高边界的空间重叠超过75%,18F-FET最高摄取点与Cho/NAA最大值的位置一致。但MAULER等[47]分析41例胶质瘤同步采集的18F-FET PET与三维MRS图像,发现虽然两者体积存在相关性(r=0.77),但空间边界重叠度较低(DSC=0.40±0.25),并且DSC与18F-FET摄取体积(r=0.58)、Cho/NAA体积(r=0.44)均存在相关性。后续该团队等进一步开展基于18F-FET PET/MRS影像对30例可疑胶质瘤进行立体定向活检,发现18F-FET高摄取区域与Cho/NAA热点区域定位胶质瘤的准确度相近(0.89 vs. 0.81),证明两者虽然空间相似度较低,但是空间一致性区域的产生与肿瘤浸润相关[48]。DA SILVA等[49]发现胶质瘤18F-FET PET的肿瘤生物活性区域与CEST的APTw成像边界的热点区域明显不一致,表明LAT转运蛋白的表达与饱和蛋白/PH值的变化并不严格耦合。然而,SCHÖN等[50]通过分析31例胶质母细胞瘤和15例低级别胶质瘤18F-FET PET与APTw、CBV的热点边界得出相反的结果,胶质母细胞瘤APTw代谢体积大于PET及CBV体积,并且胶质母细胞瘤强化区域内的APTw与PET肿瘤区域的边界重叠度较高(DSC=0.85),通过对10例胶质母细胞瘤进行定向活检发现CBV与新生血管分布相关,而APTw与肿瘤细胞结构相关(r=0.37)。YUAN等[51]通过对18例WHO 2~4级胶质瘤术前的18F-FET PET、CEST-APTw及MRS成像的肿瘤热点区域进行分析,证明相同区域内的CEST-APTw信号(r=0.736,P<0.001)和MRS的Cho/NAA代谢(r=0.495,P=0.037)均与PET的18F-FET代谢相关,将CEST-APTw与MRS联合能够有效预测肿瘤浸润导致的FET摄取增高(AUC=0.95),为18F-FET PET提供了MR分子成像的替代方案。

       目前,氨基酸PET与MR分子成像对胶质瘤的空间分布研究,主要聚焦于两者显示的肿瘤空间的重叠度及一致性区域的穿刺活检研究,证实了PET与MR分子成像的肿瘤区域存在肿瘤细胞浸润,但对于不匹配区域的产生尚未进行深入的分析,并且MR分子成像的采集参数也影响了研究结果。

4 总结与展望

       胶质瘤氨基酸PET/MR多模态空间分布的研究主要集中在PET与结构MR影像显示的肿瘤差异及产生机制方面,两者成像的理论机制不同,因此胶质瘤生物活性边界比结构MR影像的强化边界能够更精准定位胶质瘤,并且氨基酸PET影像结合MR功能影像能够进一步提升胶质瘤边界定位精准度。但氨基酸PET/MR多模态影像定位胶质瘤边界容易受到胶质瘤病理分级、分子分型、氨基酸示踪剂种类及图像采集参数等因素的影响,规范化图像采集序列及图像分割方法能够增加研究可比性。虽然氨基酸PET与MR影像显示的肿瘤空间分布存在差异,但两者的空间分布及影像特征存在相关性,未来可以探索基于人工智能技术实现MR与氨基酸PET的图像模态转换,生成合成PET图像用于初步评估肿瘤范围,筛选能从PET/MR多模态影像定位肿瘤获益的患者,从而为合理化应用PET/MR提供依据,同时减少患者辐射剂量及经济成本,优化PET/MR的影像检查流程。

[1]
ZHAO Z, ZHANG K N, WANG Q W, et al. Chinese glioma genome atlas (CGGA): a comprehensive resource with functional genomic data from Chinese glioma patients[J]. Genomics Proteomics Bioinformatics, 2021, 19(1): 1-12. DOI: 10.1016/j.gpb.2020.10.005.
[2]
VAN DEN BENT M J, GEURTS M, FRENCH P J, et al. Primary brain tumours in adults[J]. Lancet, 2023, 402(10412): 1564-1579. DOI: 10.1016/S0140-6736(23)01054-1.
[3]
HERVEY-JUMPER S L, ZHANG Y L, PHILLIPS J J, et al. Interactive effects of molecular, therapeutic, and patient factors on outcome of diffuse low-grade glioma[J]. J Clin Oncol, 2023, 41(11): 2029-2042. DOI: 10.1200/JCO.21.02929.
[4]
KARSCHNIA P, SMITS M, REIFENBERGER G, et al. A framework for standardised tissue sampling and processing during resection of diffuse intracranial glioma: joint recommendations from four RANO groups[J/OL]. Lancet Oncol, 2023, 24(11): e438-e450 [2024-05-23]. https://pubmed.ncbi.nlm.nih.gov/37922934/. DOI: 10.1016/S1470-2045(23)00453-9.
[5]
GALLDIKS N, LOHMANN P, FINK G R, et al. Amino acid PET in neurooncology[J]. J Nucl Med, 2023, 64(5): 693-700. DOI: 10.2967/jnumed.122.264859.
[6]
EISAZADEH R, SHAHBAZI-AKBARI M, MIRSHAHVALAD S A, et al. Application of artificial intelligence in oncologic molecular PET-imaging: a narrative review on beyond[18F]F-FDG tracers part II.[18F]F-FLT, [18F]F-FET, [11C]C-MET and other less-commonly used radiotracers[J]. Semin Nucl Med, 2024, 54(2): 293-301. DOI: 10.1053/j.semnuclmed.2024.01.002.
[7]
ZHOU W Y, ZHOU Z R, WEN J B, et al. A nomogram modeling 11C-MET PET/CT and clinical features in glioma helps predict IDH mutation[J/OL]. Front Oncol, 2020, 10: 1200 [2024-05-23]. https://pubmed.ncbi.nlm.nih.gov/32850348/. DOI: 10.3389/fonc.2020.01200.
[8]
SONG S S, WANG L M, YANG H W, et al. Static 18F-FET PET and DSC-PWI based on hybrid PET/MR for the prediction of gliomas defined by IDH and 1p/19q status[J]. Eur Radiol, 2021, 31(6): 4087-4096. DOI: 10.1007/s00330-020-07470-9.
[9]
CHEN Q, WANG K, REN X H, et al. Individualized discrimination of tumor progression from treatment-related changes in different types of adult-type diffuse gliomas using[11C]methionine PET[J]. J Neurooncol, 2023, 165(3): 547-559. DOI: 10.1007/s11060-023-04529-7.
[10]
ZHOU W Y, WEN J B, HUANG Q, et al. Development and validation of clinical-radiomics analysis for preoperative prediction of IDH mutation status and WHO grade in diffuse gliomas: a consecutive L-[methyl-11C]methionine cohort study with two PET scanners[J]. Eur J Nucl Med Mol Imaging, 2024, 51(5): 1423-1435. DOI: 10.1007/s00259-023-06562-0.
[11]
KAISER L, QUACH S, ZOUNEK A J, et al. Enhancing predictability of IDH mutation status in glioma patients at initial diagnosis: a comparative analysis of radiomics from MRI, [18F]FET PET, and TSPO PET[J]. Eur J Nucl Med Mol Imaging, 2024, 51(8): 2371-2381. DOI: 10.1007/s00259-024-06654-5.
[12]
NAKAYAMA N, YAMADA T, YANO H, et al. Prediction of nuclide accumulation spread based on the volume of enhancing magnetic resonance imaging lesion in glioblastoma patients[J]. J Neurosurg Sci, 2024, 68(2): 164-173. DOI: 10.23736/S0390-5616.21.05353-4.
[13]
LOHMEIER J, RADBRUCH H, BRENNER W, et al. Detection of recurrent high-grade glioma using microstructure characteristics of distinct metabolic compartments in a multimodal and integrative 18F-FET PET/fast-DKI approach[J]. Eur Radiol, 2024, 34(4): 2487-2499. DOI: 10.1007/s00330-023-10141-0.
[14]
PANHOLZER J, MALSINER-WALLI G, GRÜN B, et al. Multiparametric analysis combining DSC-MR perfusion and[18F]FET-PET is superior to aSingle parameter approach for differentiation of progressive glioma from radiation necrosis[J]. Clin Neuroradiol, 2024, 34(2): 351-360. DOI: 10.1007/s00062-023-01372-1.
[15]
FRAIOLI F, SHANKAR A, HYARE H, et al. The use of multiparametric 18F-fluoro-L-3, 4-dihydroxy-phenylalanine PET/MRI in post-therapy assessment of patients with gliomas[J]. Nucl Med Commun, 2020, 41(6): 517-525. DOI: 10.1097/MNM.0000000000001184.
[16]
HARAT M, RAKOWSKA J, HARAT M, et al. Combining amino acid PET and MRI imaging increases accuracy to define malignant areas in adult glioma[J/OL]. Nat Commun, 2023, 14(1): 4572 [2024-05-23]. https://pubmed.ncbi.nlm.nih.gov/37516762/. DOI: 10.1038/s41467-023-39731-8.
[17]
VERBURG N, KOOPMAN T, YAQUB M M, et al. Improved detection of diffuse glioma infiltration with imaging combinations: a diagnostic accuracy study[J]. Neuro Oncol, 2020, 22(3): 412-422. DOI: 10.1093/neuonc/noz180.
[18]
TIETZE A, BOLDSEN J K, MOURIDSEN K, et al. Spatial distribution of malignant tissue in gliomas: correlations of 11C-L-methionine positron emission tomography and perfusion- and diffusion-weighted magnetic resonance imaging[J]. Acta Radiol, 2015, 56(9): 1135-1144. DOI: 10.1177/0284185114550020.
[19]
WU R L, WATANABE Y, ARISAWA A, et al. Whole-tumor histogram analysis of the cerebral blood volume map: tumor volume defined by 11C-methionine positron emission tomography image improves the diagnostic accuracy of cerebral glioma grading[J]. Jpn J Radiol, 2017, 35(10): 613-621. DOI: 10.1007/s11604-017-0675-2.
[20]
NINATTI G, SOLLINI M, BONO B, et al. Preoperative[11C]methionine PET to personalize treatment decisions in patients with lower-grade gliomas[J]. Neuro Oncol, 2022, 24(9): 1546-1556. DOI: 10.1093/neuonc/noac040.
[21]
ROESSLER K, GATTERBAUER B, BECHERER A, et al. Surgical target selection in cerebral glioma surgery: linking methionine (MET) PET image fusion and neuronavigation[J]. Minim Invasive Neurosurg, 2007, 50(5): 273-280. DOI: 10.1055/s-2007-991143.
[22]
VON ROHR K, UNTERRAINER M, HOLZGREVE A, et al. Can radiomics provide additional information in [18F]FET-negative gliomas?[J/OL]. Cancers, 2022, 14(19): 4860 [2024-05-23]. https://pubmed.ncbi.nlm.nih.gov/36230783/. DOI: 10.3390/cancers14194860.
[23]
PICCARDO A, ALBERT N L, BORGWARDT L, et al. Joint EANM/SIOPE/RAPNO practice guidelines/SNMMI procedure standards for imaging of paediatric gliomas using PET with radiolabelled amino acids and[18F]FDG: version 1.0[J]. Eur J Nucl Med Mol Imaging, 2022, 49(11): 3852-3869. DOI: 10.1007/s00259-022-05817-6.
[24]
IDEGUCHI M, NISHIZAKI T, IKEDA N, et al. A surgical strategy using a fusion image constructed from 11C-methionine PET, 18F-FDG-PET and MRI for glioma with no or minimum contrast enhancement[J]. J Neurooncol, 2018, 138(3): 537-548. DOI: 10.1007/s11060-018-2821-9.
[25]
INOUE A, OHNISHI T, KOHNO S, et al. Met-PET uptake index for total tumor resection: identification of 11C-methionine uptake index as a goal for total tumor resection including infiltrating tumor cells in glioblastoma[J]. Neurosurg Rev, 2021, 44(1): 587-597. DOI: 10.1007/s10143-020-01258-7.
[26]
MILLER S, LI P, SCHIPPER M, et al. Metabolic tumor volume response assessment using (11)C-methionine positron emission tomography identifies glioblastoma tumor subregions that predict progression better than baseline or anatomic magnetic resonance imaging alone[J]. Adv Radiat Oncol, 2019, 5(1): 53-61. DOI: 10.1016/j.adro.2019.08.004.
[27]
ALTIERI R, CERTO F, PACELLA D, et al. Metabolic delineation of IDH1 wild-type glioblastoma surgical anatomy: how to plan the tumor extent of resection[J]. J Neurooncol, 2023, 162(2): 417-423. DOI: 10.1007/s11060-023-04305-7.
[28]
YAMAMOTO S, OKITA Y, ARITA H, et al. Qualitative MR features to identify non-enhancing tumors within glioblastoma's T2-FLAIR hyperintense lesions[J]. J Neurooncol, 2023, 165(2): 251-259. DOI: 10.1007/s11060-023-04454-9.
[29]
GROSU A L, ASTNER S T, RIEDEL E, et al. An interindividual comparison of O-(2-[18F]fluoroethyl)-L-tyrosine (FET)- and L-[methyl-11C]methionine (MET)-PET in patients with brain gliomas and metastases[J]. Int J Radiat Oncol Biol Phys, 2011, 81(4): 1049-1058. DOI: 10.1016/j.ijrobp.2010.07.002.
[30]
KAISER L, HOLZGREVE A, QUACH S, et al. Differential spatial distribution of TSPO or amino acid PET signal and MRI contrast enhancement in gliomas[J/OL]. Cancers, 2021, 14(1): 53 [2024-05-23]. https://pubmed.ncbi.nlm.nih.gov/35008218/. DOI: 10.3390/cancers14010053.
[31]
ALLARD B, DISSAUX B, BOURHIS D, et al. Hotspot on 18F-FET PET/CT to predict aggressive tumor areas for radiotherapy dose escalation guiding in high-grade glioma[J/OL]. Cancers, 2022, 15(1): 98 [2024-05-23]. https://pubmed.ncbi.nlm.nih.gov/36612093/. DOI: 10.3390/cancers15010098.
[32]
LATRECHE A, DISSAUX G, QUERELLOU S, et al. Correlation between rCBV delineation similarity and overall survival in a prospective cohort of high-grade gliomas patients: the hidden value of multimodal MRI?[J/OL]. Biomedicines, 2024, 12(4): 789 [2024-05-23]. https://pubmed.ncbi.nlm.nih.gov/38672146/. DOI: 10.3390/biomedicines12040789.
[33]
STEGMAYR C, STOFFELS G, FILß C, et al. Current trends in the use of O-(2-[18F]fluoroethyl)-L-tyrosine ([18F]FET) in neurooncology[J/OL]. Nucl Med Biol, 2021, 92: 78-84 [2024-05-23]. https://pubmed.ncbi.nlm.nih.gov/32113820/. DOI: 10.1016/j.nucmedbio.2020.02.006.
[34]
SONG S S, CHENG Y, MA J, et al. Simultaneous FET-PET and contrast-enhanced MRI based on hybrid PET/MR improves delineation of tumor spatial biodistribution in gliomas: a biopsy validation study[J]. Eur J Nucl Med Mol Imaging, 2020, 47(6): 1458-1467. DOI: 10.1007/s00259-019-04656-2.
[35]
HARAT M, MIECHOWICZ I, RAKOWSKA J, et al. A biopsy-controlled prospective study of contrast-enhancing diffuse glioma infiltration based on FET-PET and FLAIR[J/OL]. Cancers, 2024, 16(7): 1265 [2024-05-23]. https://pubmed.ncbi.nlm.nih.gov/38610944/. DOI: 10.3390/cancers16071265.
[36]
LI X R, CHENG Y, HAN X, et al. Exploring the association of glioma tumor residuals from incongruent[18F]FET PET/MR imaging with tumor proliferation using a multiparametric MRI radiomics nomogram[J]. Eur J Nucl Med Mol Imaging, 2024, 51(3): 779-796. DOI: 10.1007/s00259-023-06468-x.
[37]
PONISIO M R, MCCONATHY J E, DAHIYA S M, et al. Dynamic 18F-FDOPA-PET/MRI for the preoperative evaluation of gliomas: correlation with stereotactic histopathology[J]. Neurooncol Pract, 2020, 7(6): 656-667. DOI: 10.1093/nop/npaa044.
[38]
TATEKAWA H, UETANI H, HAGIWARA A, et al. Worse prognosis for IDH wild-type diffuse gliomas with larger residual biological tumor burden[J]. Ann Nucl Med, 2021, 35(9): 1022-1029. DOI: 10.1007/s12149-021-01637-0.
[39]
BRENDLE C, HEMPEL J M, SCHITTENHELM J, et al. Glioma grading by dynamic susceptibility contrast perfusion and 11C-methionine positron emission tomography using different regions of interest[J]. Neuroradiology, 2018, 60(4): 381-389. DOI: 10.1007/s00234-018-1993-5.
[40]
VERGER A, FILSS C P, LOHMANN P, et al. Comparison of 18F-FET PET and perfusion-weighted MRI for glioma grading: a hybrid PET/MR study[J]. Eur J Nucl Med Mol Imaging, 2017, 44(13): 2257-2265. DOI: 10.1007/s00259-017-3812-3.
[41]
ZIEGENFEUTER J, DELBRIDGE C, BERNHARDT D, et al. Sequential and hybrid PET/MRI acquisition in follow-up examination of glioblastoma show similar diagnostic performance[J/OL]. Cancers, 2022, 15(1): 83 [2024-05-23]. https://pubmed.ncbi.nlm.nih.gov/36612079/. DOI: 10.3390/cancers15010083.
[42]
FILSS C P, CRAMER J, LÖHER S, et al. Assessment of brain tumour perfusion using early-phase 18F-FET PET: comparison with perfusion-weighted MRI[J]. Mol Imaging Biol, 2024, 26(1): 36-44. DOI: 10.1007/s11307-023-01861-2.
[43]
CICONE F, FILSS C P, MINNITI G, et al. Volumetric assessment of recurrent or progressive gliomas: comparison between F-DOPA PET and perfusion-weighted MRI[J]. Eur J Nucl Med Mol Imaging, 2015, 42(6): 905-915. DOI: 10.1007/s00259-015-3018-5.
[44]
GIRARD A, FRANÇOIS M, CHABOUB N, et al. Impact of point-spread function reconstruction on dynamic and static 18F-DOPA PET/CT quantitative parameters in glioma[J]. Quant Imaging Med Surg, 2022, 12(2): 1397-1404. DOI: 10.21037/qims-21-742.
[45]
INOUE A, WATANABE H, KUSAKABE K, et al. Role of amide proton transfer imaging in maximizing tumor resection in malignant glioma: a possibility to take the place of 11C-methionine positron emission tomography[J/OL]. Neurosurg Rev, 2023, 46(1): 294 [2024-05-23]. https://pubmed.ncbi.nlm.nih.gov/37925381/. DOI: 10.1007/s10143-023-02202-1.
[46]
STADLBAUER A, PRANTE O, NIMSKY C, et al. Metabolic imaging of cerebral gliomas: spatial correlation of changes in O-(2-18F-fluoroethyl)-L-tyrosine PET and proton magnetic resonance spectroscopic imaging[J]. J Nucl Med, 2008, 49(5): 721-729. DOI: 10.2967/jnumed.107.049213.
[47]
MAULER J, MAUDSLEY A A, LANGEN K J, et al. Spatial relationship of glioma volume derived from 18F-FET PET and volumetric MR spectroscopy imaging: a hybrid PET/MRI study[J]. J Nucl Med, 2018, 59(4): 603-609. DOI: 10.2967/jnumed.117.196709.
[48]
MAULER J, LOHMANN P, MAUDSLEY A A, et al. Diagnostic accuracy of MR spectroscopic imaging and 18F-FET PET for identifying glioma: a biopsy-controlled hybrid PET/MRI study[J]. J Nucl Med, 2024, 65(1): 16-21. DOI: 10.2967/jnumed.123.265868.
[49]
SILVA N A DA, LOHMANN P, FAIRNEY J, et al. Hybrid MR-PET of brain tumours using amino acid PET and chemical exchange saturation transfer MRI[J]. Eur J Nucl Med Mol Imaging, 2018, 45(6): 1031-1040. DOI: 10.1007/s00259-018-3940-4.
[50]
SCHÖN S, CABELLO J, LIESCHE-STARNECKER F, et al. Imaging glioma biology: spatial comparison of amino acid PET, amide proton transfer, and perfusion-weighted MRI in newly diagnosed gliomas[J]. Eur J Nucl Med Mol Imaging, 2020, 47(6): 1468-1475. DOI: 10.1007/s00259-019-04677-x.
[51]
YUAN Y F, YU Y, GUO Y, et al. Noninvasive delineation of glioma infiltration with combined 7T chemical exchange saturation transfer imaging and MR spectroscopy: a diagnostic accuracy study[J/OL]. Metabolites, 2022, 12(10): 901 [2024-05-23]. https://pubmed.ncbi.nlm.nih.gov/36295803/. DOI: 10.3390/metabo12100901.

上一篇 视觉反馈训练对脊髓损伤患者运动功能康复作用机制的功能MRI研究进展
下一篇 多模态MRI影像组学及深度学习在胶质瘤诊疗中的研究进展
  
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