0 引言

       根据最新的全球癌症评估数据显示，肝细胞癌（hepatocellular carcinoma, HCC）作为最常见的肝脏恶性肿瘤，在所有恶性肿瘤中其发病率排名第六，死亡率排名第四^[1]。传统的计算机体层成像和MRI可评估HCC的形态学特征，如肿瘤大小、数量、边缘等，但受到观察者间主观评估和解释差异等在一定程度上影响了诊断的重复性和精准度。近年来，扩散加权成像（diffusion weighted imaging, DWI）因其能够非侵入性地反映组织结构异质性、细胞密度、微循环灌注及水分子扩散情况等信息而备受关注。然而，使用传统DWI技术得到的单指数模型遵循高斯分布这一假设之上。但是，在人体复杂环境中，尤其在恶性肿瘤组织中，水分子扩散运动因受到多种微观结构的影响，使得实际扩散运动偏离高斯分布^[2]。鉴于这一局限性，已经提出了多种能够描述水分子扩散偏离高斯分布的MRI技术，即非高斯分布模型DWI。最初多应用于中枢神经系统，近年来在体部（如肝脏、前列腺、子宫等）的应用逐渐增多^{[3, 4, 5]}。本文总结了几种应用在HCC中非高斯分布模型DWI的技术原理及研究现状，包括体素内不相干运动（intravoxel incoherent motion model, IVIM）、扩散峰度成像（diffusion kurtosis imaging, DKI）、拉伸指数模型（stretched exponential model, SEM）、分数微积分模型（fractional order calculus model, FROC）和连续时间随机游走模型（continuous-time random walk model, CTRW），旨在通过分析上述非高斯分布模型DWI在HCC的诊断与鉴别诊断、病理分类、分级、评估治疗反应、预后评估等方面的先进研究，指出当前研究中的不足和挑战，并展望其未来的发展，期望能够为临床医生提供更为丰富且准确的客观影像学依据，为实现HCC患者个体化治疗提供新的工具，进而推动影像学在HCC中的临床应用。

1 IVIM的技术原理及在HCC中的研究进展

1.1 IVIM的技术原理

       IVIM模型是一种基于MRI的技术，由LE BIHAN等于1986年提出。该模型可获得水分子扩散、微循环灌注相关的定量参数。传统的DWI技术通常基于单指数模型，假设水分子的扩散运动遵循高斯分布。然而，在实际生物组织中，水分子的运动受到多种因素的影响，如细胞结构、微循环灌注等，导致扩散运动偏离高斯分布。该模型运用多组b值进行拟合计算^[6]，通过公式（1）来描述信号产生的衰减，其中S是体素内信号强度；Sb是在某个b值（b≠0 s/mm²）时的信号强度；S0为b=0 s/mm²时的信号强度；f是灌注分数，与组织微循环灌注有关；D是真扩散系数；D^*是假扩散系数，描述了由于不相干的毛细血管内血流造成的无效信号。IVIM技术在肿瘤疾病中应用逐渐增多，其可以通过区分肿瘤组织的灌注和水分子扩散特性来提高鉴别良恶性病变方面的诊断准确性，还可以反映肿瘤细胞的密度和微环境变化，可以提高病理分级和治疗效果评估的准确性，这些信息对于指导临床决策、优化治疗策略具有重要意义。

1.2 IVIM在HCC中的研究进展

       理论上，恶性肿瘤细胞密度较高，细胞核多使得细胞外间隙少，导致水分子扩散运动明显受限^[7]，因此，恶性肿瘤的D值低于良性肿瘤，且D值的诊断性能更优。冯晴等^[8]通过一项系统性的荟萃分析表明D值在鉴别诊断中的敏感度和特异度均较高，分别为95%和86%；此外，受试者工作特征（receiver operating characteristic, ROC）曲线比较也表明了IVIM_D的曲线下面积（area under the curve, AUC）最高，为0.96。现有少数研究涉及HCC与肝内胆管细胞癌（intrahepatic cholangiocarcinoma, ICC）的鉴别。王曦等^[9]研究结果显示HCC组的D^*值显著高于ICC组，且D^*为最佳参数（AUC=0.846）。PENG等^[10]也发现D^*在鉴别HCC、ICC中的诊断价值最高（AUC=0.896），与之前的研究结果一致。f值尚有争议。王曦等^[9]、PENG等^[10]研究还表明f值在HCC、ICC组间无显著差异。而WANG等^[11]认为f值与平均实质增强百分比呈正相关进而区分HCC、ICC。D值包含水分子扩散信息和微循环血流灌注信息，能反映水分子的受限情况，为IVIM评估HCC病理分级提供了理论依据。ZHOU等^[12]的研究结果表明D值在评估HCC的病理分级中诊断性能较高（AUC=0.841）。YANG等^[13]对16项研究（1428例HCC）荟萃分析后发现表观扩散系数（apparent diffusion coefficient, ADC）和D值无创评估HCC病理分级的准确率高，且D值在诊断低分化HCC的效能优于ADC值（AUC=0.94）。但f值与病理分级相关性尚存在争议。SOKMEN等^[14]发现f值评估HCC病理分级特异性较高，而D^*值与病理分级无显著相关性。然而，WEI等^[15]的研究表明，D^*和f值与HCC病理分级均无显著相关性。综上，f值的研究结果具有差异性，其能否作为HCC鉴别诊断及病理分级中的可靠监测参数需要更深入的研究进行验证。

       IVIM能准确反映肿瘤治疗前后的微观结构和血流灌注变化，较高的D值表示肿瘤细胞密度小、肿瘤内存在较多的囊变和坏死，处在此病理状态的病灶血流灌注差、更易缺氧，故致放化疗抵抗和较差的治疗效果；D^*和f值能够从毛细血管网的流速和毛细血管容积占比情况分别描述毛细血管网的微循环灌注信息^[16]，因此为预测和评价肿瘤的治疗反应和疗效提供依据。PENG等^[17]利用IVIM对肝动脉化疗栓塞术（transarterial chemoembolization, TACE）治疗4周后的HCC患者进行疗效评估，发现ADC和D值显著增加，D^*值显著降低，f值无明显变化，另外发现应答组ADC值显著高于无反应组，D^*值显著低于无反应组。JIA等^[18]的研究发现，相比于单个参数，联合IVIM_D、肿瘤大小和酰胺质子转移信号强度的多参数模型，在评估TACE术后HCC患者中期反应方面的诊断效能显著提升（AUC=0.851）。HECTORS等^[19]使用动态增强MRI、IVIM评估HCC患者对钇-90放射栓塞治疗前后6周的反应，发现放疗后6周的ADC、D值显著升高（P<0.001），D^*值显著降低（P=0.014），f值无显著变化（P=0.765）。BURSAPALLE等^[20]研究结果显示D值对TACE术后HCC患者疗效评估的诊断效能最高（AUC=0.741）。

       微血管侵犯（microvascular invasion, MVI）阳性的HCC恶性程度更高，侵袭性更强，增殖速度更快，细胞密度更大，限制了细胞间水分子扩散明显受限，导致D值下降。多项研究证实^{[21, 22]}，在IVIM技术中，D值更适合作为术前MVI-HCC存在的监测指标。LIU等^[23]还发现结合甲胎蛋白水平、肿瘤大小和ADC的组合模型更助于术前预测HCC中MVI的存在。GUO等^[24]发现与细胞角蛋白19（cytokeratin 19, CK19）阳性的HCC患者相比，CK19阴性的HCC患者的D、D^*值显著增高（P≤0.05）。ZHENG等^[25]研究显示D^*和f与血管生成素2的表达呈正相关，D和转酮醇酶的表达呈负相关。另有研究^[26]发现D值诊断Ki-67高表达的性能优于D^*、f值（AUC=0.861）；并兼具诊断有无包膜形成（P<0.05)。

       综上，IVIM技术已显示出巨大的潜能，特别是D值，无论是在HCC的诊断与鉴别诊断中，还是在评估病理分级、治疗效果及预后中均显示出较高的准确性。但D^*、f值的可靠性和准确性尚需从提高信噪比、增加图像分辨率、大规模、多中心等方面进行验证。此外，未来的研究可以聚焦利用如生境分析这样先进的后处理技术，增加外部验证等来为临床决策提供更准确、更全面的影像学支持。

2 DKI的技术原理及在HCC中的研究进展

2.1 DKI的技术原理

       DKI是一种高级MRI技术，由JENSEN等于2005年首次描述。传统DWI仅能反映符合高斯分布的水分子扩散信息，然而在复杂的生物组织中，水分子扩散往往偏离高斯分布，但是超高b值的DKI技术不仅可较好反映组织内水分子扩散行为，还能提供包含非高斯扩散特异性信息的额外参数获得组织微观特征信息^[27]。DKI的获取是采用两个以上非零b值在超过15个非线性方向上采集所得，如公式（2）所示，b代表扩散磁敏感加权因子，Sb、S0分别表示b值为b、0时的信号强度。已知S0时，能够获得2个代表性的变量，平均峰度系数（mean kurtosis, MK）、平均扩散系数（mean diffusivity, MD）。MD是水分子非高斯行为被校正后的ADC；MK反映水分子运动偏离高斯分布的程度，代表水分子在所有扩散梯度方向上的峰度平均值。DKI得到的定量参数可以通过反映肿瘤代谢、微环境结构变化等提供一些客观的影像学信息，为临床医生更全面地评估肿瘤分级、监测治疗反应、鉴别肿瘤良恶性及评估预后提供新的思路。

2.2 DKI在HCC中的研究进展

       MD、MK能反映水分子扩散受限程度及组织微观结构复杂程度，恶性程度异质性越高，水分子受限越明显，这为MD、MK值能够鉴别肝脏良恶性病变提供了理论依据。郭然等^[28]在动物模型中发现MD、MK值能够反映HCC空间和时间异质性（P均<0.05）。黄泽第等^[29]的研究结果表明恶性病变组的MK值明显高于良性病变组，MD值明显低于良性病变组（P均<0.001)。JIA等^[4]回顾性分析238例肝脏疾病患者后发现MK、MD值的敏感度（83.6%、80.6%）和特异度（79.0%、70.8%）均高于ADC，但在该研究中未表明其诊断性能优于ADC值。未来需要更多的研究对MD、MK值能否取代ADC值进行更深入的探讨验证。

       随着HCC的进展，组织多分化性较差，自身所含自由水有限而阻滞分子运动致MD下降。研究^{[30, 31, 32]}证实MD、MK对评估HCC的组织分级具有重要价值。盛流吉等^[30]的研究结果表明低分化组的MD值小于非低分化组（P=0.044）。CAO等^[31]发现MK、MD能够区分高、低级别HCC（P均<0.001），且MK的诊断性能最高（AUC=0.81）。WANG等^[32]发现高级别HCC组MK值明显高于低级别组，且MK的诊断性能最高（AUC=0.93）,与之前研究结果一致。由于治疗后的肿瘤组织微结构发生改变，水分子扩散受限程度改变，MD、MK因其能够反映水分子扩散受限程度及组织微观结构变化，或许对HCC疗效评估有一定参考价值。YUAN等^[33]在预测射频消融术后HCC复发的研究中发现ADC、MD和MK的敏感性、特异性和AUC均高于术前，且术后MK的敏感性、特异性和AUC均高于ADC、MD（AUC=0.956）。YUAN等^[34]对TACE术后的疗效评估中发现术后1个月无进展组患者肿瘤MK值较术前降低，MD、ADC值均高于术前，且MK诊断性能也为最优（AUC=0.95）。另一项研究^[35]亦发现TACE治疗后肿瘤组织的MD值明显升高。通过上述研究结果可以初步看出MD、MK值未来或许可以作为HCC病理分级、疗效评估的互补参数，以期为辅助临床决策做出一定的贡献。DKI衍生参数与反映细胞密度、组织异质性具有密切相关性，具有侵袭性生物学特征的肿瘤组织细胞密度增加，细胞外间隙变小，导致组织间压力升高并改变细胞结构使组织复杂性更高，限制了水分子运动，故相关参数可能反映侵袭性生物学行为。LI等^[36]在一项术前评估肿瘤包绕型血管（vessels that encapsulate tumor clusters pattern, VETC）型HCC的研究中发现MK值具有一定的预测潜力（P=0.002，AUC=0.678）。GUO等^[37]试验结果显示MD在评估HCC中CK19的表达时诊断效能最优（AUC=0.845）。

       综合分析可以看出，DKI技术在HCC的应用中展现了优越的性能，MD、MK可以作为重复地描述肿瘤异质性及监测结构变化的互补参数。然而，该技术仍面临着如图像的分辨率有限，小病灶易受部分容积效应的影响从而导致图像质量不佳等诸多困境。此外，上述研究选择的最大b值多为1000或2000 s/mm²，且目前尚无统一的扫描标准，亦无标准化数据处理方法等，因此该模型仍需克服一些技术和应用上的挑战，以便更全面地反映肿瘤信息，为临床决策提供更准确的影像学依据。

3 SEM的技术原理及在HCC中的研究进展

3.1 SEM的技术原理

       SEM是一种在生物组织中描述水分子扩散异质性的模型，由BENNETT等于2003年提出。传统的DWI技术通常假设水分子的扩散是单指数衰减的，但在实际生物组织中，由于微观结构的复杂性，水分子的扩散往往是多指数衰减的。鉴于上述的局限性，该模型假设体素内扩散系数是连续分布的，并引入两个参数量化体素内的异质性：分布扩散系数（distributed diffusion coefficient, DDC）和异质性指数（α）。计算公式为如（3）所示；DDC值代表体素内平均扩散率，可以看作是不同体积分数的每个部分连续分布的个性化的ADC值。理论上存在多指数衰减的情况下，DDC值比ADC值更能准确描述组织内扩散情况^[38]。α参数范围从0到1，反映组织内的扩散不均质性。当α值越趋近于0时，代表越复杂的多指数信号衰减；α=1时，DDC=ADC。由于其可以非侵入性地反映微观结构异质性、水分子扩散情况等变化，该技术已经在肿瘤分级、评估侵袭性及患者预后等方面展现了一定的潜力，有望以后为临床决策及个体化治疗提供一定的指导。

3.2 SEM在HCC中的研究进展

       随着肿瘤细胞增殖、血管生成、肿瘤增大和细胞外间隙减小，DDC值随之降低；α代表了组织结构的复杂程度。研究证实^{[39, 40, 41]}肝脏恶性肿瘤DDC值低于良性肿瘤，且诊断性能最优，α能反映组织的异质性。王曦等^[9]在评估鉴别HCC和ICC的诊断价值的一项研究中发现HCC组病灶DDC值低于ICC组（P<0.05），且DDC值诊断效能较好（AUC=0.803）。NODA等^[39]的研究结果也表明肝恶性结节的DDC值明显低于良性。KIM等^[41]认为α与肿瘤坏死程度的相关性最强。郭然等^[28]还在动物模型中验证了α能够反映HCC的肿瘤空间异质性，并表明DDC能较ADC更准确地反映组织内水分子扩散情况。另一项研究^[42]发现α值在鉴别HCC和ICC中的诊断性能最高（AUC=0.890）。FUJIMOTO等^[40]在鉴别肝转移瘤及肝血管瘤（hepatic hemangioma, HH）中发现肝转移瘤的DDC值均显著低于HH，肝转移瘤的α值显著高于HH，且DDC的诊断效能最优（AUC=0.952）。SEM技术在HCC病理分级、分期中未见报道，但在肝脏弥漫性疾病的分期评估中展现出一定的潜力。PARK等^[43]使用SEM评估肝纤维化分期时提出DDC值对肝纤维分期的诊断准确率最高（AUC=0.717）。可能由于DDC反映了每个扩散室扩散系数的连续分布，故能更准确地反映组织微观改变。

       理论上，SEM_DDC可认为是水分子的容积分数连续分布的ADC值，代表水分子的扩散情况，放化疗不敏感的患者肿瘤病灶常出现坏死、氧合不良及具有更高的侵袭性，水分子扩散受限致DDC值降低。杨杰等^[44]利用该技术评估HCC患者TACE后的早期疗效，直方图分析指出无应答组的DDC参数值均小于有应答组；此外，单个参数中，在有无应答组间DDC值第5位百分位数的诊断效能最高（AUC=0.793）。MVI等侵袭性生物学行为的存在通常与门静脉、肝静脉或囊内血管分支的侵犯有关，导致水分子的扩散受限使得DDC值下降。两项研究表明^{[45, 46]}DDC值在术前预测MVI-HCC的诊断效能更高，AUC分别为0.876和0.86。但α值术前能否诊断MVI-HCC尚有争议。谢金桓等^[46]发现MVI阳性组的α值高于MVI阴性组（P<0.005）。但LI等^[47]研究结果表明α在MVI-HCC阴性组和阳性组间差异无统计学意义（P>0.05）。

       目前，SEM技术在多项研究中已取得部分成功，尤其是DDC值在HCC的应用中展现出一定的潜能，但该技术仍存在模型复杂、稳定性和特异性有限以及技术要求高等挑战。此外，α能否作为有效补充评估预后的非侵入性影像学标志物尚有争议，仍需要从标准化采集及处理数据、b值的合理选择及开展大样本、多中心研究进行探讨验证。

4 FROC和CTRW的技术原理及在HCC中的研究进展

4.1 技术原理

4.1.1 FROC

       FROC是一种基于分数阶微积分理论用于描述扩散过程的数学模型，由ZHOU等于2010年提出。传统的扩散模型通常基于整数阶微积分，建立在扩散过程是线性的且遵循高斯分布这一假设上。然而，在实体组织及细胞内，扩散过程可能是非线性的且不遵循高斯分布，在这种情况下，FROC技术可提供更准确的描述。Gd、δ、Δ分别是扩散梯度的振幅、脉冲宽度、和梯度间隔。该模型引入了一组新的参数用于描述水分子异常扩散运动，包括扩散系数（D）、空间中的分数阶导数（β）和空间参数（μ）。D值表示扩散参数，与传统ADC具有相似的生物学意义，它可以不受复杂的组织结构微环境影响而反映真实的扩散过程；β表征体素内组织的非均质性，可区分简单扩散和异常扩散；μ表征扩散分子的平均自由长度^[48]。上述参数识别了时间和空间中的体素内扩散，理论上可用于描述组织微观结构的异质性。由于FROC技术能够更准确地捕捉到组织内部结构的复杂性和异质性，目前已经应用于肿瘤的良恶性鉴别、分级及评估治疗疗效等领域中，为临床应用提供了新的视角。

4.1.2 CTRW

       CTRW是一种用于描述水分子在复杂生物组织中扩散行为的数学模型，由MONTROLL等于2014年提出。考虑了组织内部结构的复杂性和水分子运动的时间依赖性，引入了三个参数：反常扩散系数（D）、时间参数（α）、空间参数（β）^[49]。该模型扩展了简单的随机游走扩散模型，将组织中扩散环境的复杂性和异质性考虑其中。D表示异常扩散系数，和ADC值具有相似的生物学意义；α是CTRW所特有的，它反映了扩散过程的时间异质性；β反映空间的异质性。α和β的范围都在0到1之间（即在均匀介质中）。该模型得到的定量参数与组织内部的异质性、水分子扩散特性及微环境特征密切相关，近年来已经在肿瘤的诊断和鉴别诊断、病理分级、治疗反应监测及预后评估等方面展现一定的潜力，以期为推动个性化医疗的发展，实现更精准的肿瘤治疗作出贡献。

4.2 FROC和CTRW在HCC中的研究进展

       理论上，FROC扩散模型既能够表征细胞密度，且能捕捉微观结构复杂性的变化，可以从细胞性和体素内异质性的角度更全面地表征组织。FROC在鉴别HCC、ICC的动物模型中有过报道，XIE等^[50]在裸鼠中评估HCC和ICC中的潜在价值，结果表明D、β值能够鉴别两者（P=0.002，P<0.001）。该模型虽然未在评估HCC的病理分级中有过报道，但已在肝脏弥漫性病变中展现出潜力。SHENG等^[51]在评估慢性乙型肝炎患者的肝纤维化分期中发现D、β、μ及ADC与纤维化分期显著相关（P均<0.001），在肝纤维化分期较高的患者中，D、β值较低；可能由于随着肝纤维化进展，细胞外胶原沉积增加、细胞窦变窄、血流减少致微结构复杂性增加，体内异质性越大意味着扩散相关参数越小；另外指出D、β、μ及ADC的联合模型诊断性能最优（AUC=0.970）。目前，FROC技术在评价蟾毒灵联合索拉非尼在HCC模型中的疗效评估^[52]中发现治疗后β值升高，表明该治疗方法降低了肿瘤的异质性。FROC应用于HCC预后评估的研究鲜少有。MVI存在的HCC组织细胞结构更密集，细胞增殖更快，细胞外空间减少，限制了水分子扩散导致D值下降。两项研究^{[53, 54]}均发现D值在评估MVI-HCC具有较好的诊断效能。但β值在术前预测MVI-HCC的价值存在争议。CHEN等^[54]研究结果显示β与MVI的存在呈正相关，即β越高，MVI越可能发生。但谢金桓^[46]等研究结果显示β在组间差异无统计学意义。另有研究探讨^[55]FROC在HCC中预测CK19表达的价值，结果表明D、β值均有统计学意义（P均≤0.001）。综上，FROC技术针对HCC的研究较少，部分研究对象是动物模型，其能否作为可靠的监测参数需更深入地探究。CTRW能够反映组织的时间和空间异质性、水分子扩散特性，为描述肿瘤的微观结构复杂性提供了理论依据。LI等^[36]发现CTRW_α在预测VETC-HCC存在方面具有显著差异（P=0.004），还表明联合DKI_K提高了预测模型的诊断效能（AUC=0.747）。这一发现为CTRW技术在HCC的应用潜力提供了初步依据。JIANG等^[56]在评估肝纤维化分期中发现CTRW模型参数的组合指数具有最高的诊断性能（AUC=0.747）。该技术还在乳腺良恶性病变等的诊断与鉴别诊断^[57]及直肠癌患者疗效评估^[58]中取得部分成功，且显示出较高的诊断效能。

       从上述的研究结果可以看出，FROC、CTRW模型作为新兴的高阶扩散模型，正处于初步探索阶段，b值的最佳选择、大规模多中心临床试验、可接受的采集时间、各参数的生物学解释、信噪比及图像质量的提高均是其需攻克的难点。

5 当前研究的局限性

       非高斯分布模型DWI技术已在HCC的应用中展现出一定的潜力，但仍存在诸多的局限性：（1）样本数量普遍较小，且多为单中心，缺乏外部验证，模型的广泛适应性和准确性有待提高；（2）由于该模型需要足够的噪声比、合适的b值，故其操作条件相比传统DWI更严格且采集时间更长，使该技术常规应用于肝脏疾病受限；（3）存在扫描参数、处理数据未标准化的问题，导致模型通用性及结果可重复性不佳。

6 小结与展望

       近年来出现的非高斯分布模型DWI技术能无创地提供更多定量参数，更真实地反映组织内水分子实际扩散的分布情况，提高了对组织微观结构改变的敏感性及准确性，在HCC诊断和评估治疗反应等方面均具有重要价值。由于各个非高斯分布模型DWI技术具有不同的特点，能早期为HCC患者的诊断、分类、分级、疗效评估及预后评估等提供更准确的信息，在实际临床工作中，可以依据具体情况联合应用多种参数，取长补短，对其进行综合评估。目前，尤其是CTRW、FROC技术作为一项新兴的成像技术，在HCC中的应用处于起步阶段，如在b值的选择、扫描时间的长短、图像质量的提高、数据测量的准确性及标准化等多方面待进一步完善。随着现代影像学技术的不断进步，非高斯分布模型DWI技术亦在日益成熟与完善。该技术以其独特的优势，为HCC患者的临床评估提供了更为精确与深入的视角，可望今后在HCC的临床评估中发挥越来越重要的作用。