分享:
分享到微信朋友圈
X
综述
全身磁共振成像在血液系统肿瘤中的诊疗进展
吴樊宇 刘远康 江翠萍 夏宇轩 徐向阳

Cite this article as: WU F Y, LIU Y K, JIANG C P, et al. Progress in diagnosis and treatment of whole-body magnetic resonance imaging in hematologic malignancies.[J]. Chin J Magn Reson Imaging, 2025, 16(1): 228-234.本文引用格式:吴樊宇, 刘远康, 江翠萍, 等. 全身磁共振成像在血液系统肿瘤中的诊疗进展[J]. 磁共振成像, 2025, 16(1): 228-234. DOI:10.12015/issn.1674-8034.2025.01.037.


[摘要] 血液系统肿瘤作为多病灶的全身性肿瘤,早期病灶筛查和诊断对治疗和预后至关重要。全身磁共振成像(whole-body magnetic resonance imaging, WB-MRI)作为一种无电离辐射、软组织分辨率高的全身成像技术,对血液系统肿瘤早期病变,包括微小病灶和转移病灶的检测具有优势,已逐步应用于血液系统肿瘤的早期筛查、诊断分期、治疗反应评估及复发预测等方面。本文就WB-MRI在血液系统肿瘤,包括多发性骨髓瘤(multiple myeloma, MM)、淋巴瘤和白血病中的诊疗及预后进展予以综述,并分析这三种血液系统肿瘤在WB-MRI上的异同点,探讨机器学习和深度学习技术在WB-MRI的应用,旨在为临床诊治血液系统肿瘤和今后的研究提供参考。
[Abstract] Hematologic malignancies, being systemic tumors with multiple foci, require early lesion screening and diagnosis for effective treatment and prognosis. Whole-body magnetic resonance imaging (WB-MRI) is a non-ionizing radiation imaging technique with high soft tissue resolution that offers advantages in detecting early lesions of hematologic malignancies, including micro-lesions and metastatic lesions. WB-MRI has gradually been applied in the early screening, diagnostic staging, treatment response evaluation and recurrence prediction of hematologic malignancies. This article reviews the advances in the diagnosis, treatment, and prognosis of hematologic malignancies, such as multiple myeloma (MM), lymphoma, and leukemia through the application of WB-MRI. Furthermore, it analyzes the similarities and differences in the WB-MRI characteristics of these three hematologic malignancies and discusses the utilization prospects of machine learning and deep learning technologies in the analysis of WB-MRI images, with the aim of providing a reference for clinical diagnosis and treatment of hematologic tumors and for future investigative efforts.
[关键词] 全身磁共振成像;血液系统肿瘤;多发性骨髓瘤;淋巴瘤;白血病;诊断;治疗反应;预后评估;机器学习;深度学习
[Keywords] whole-body magnetic resonance imaging;hematologic malignancies;multiple myeloma;lymphoma;leukemia;diagnosis;treatment response;prognostic evaluation;machine learning;deep learning

吴樊宇    刘远康    江翠萍    夏宇轩    徐向阳 *  

华中科技大学同济医学院附属梨园医院放射科,武汉 430077

通信作者:徐向阳,E-mail:1993ly0538@hust.edu.cn

作者贡献声明:徐向阳设计本研究的方案,对稿件重要内容进行了修改;吴樊宇起草和撰写稿件,获取、分析和解释本研究的参考文献;刘远康、江翠萍、夏宇轩获取、分析和解释本研究的参考文献,对稿件重要内容进行了修改;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。


收稿日期:2024-07-04
接受日期:2024-12-10
中图分类号:R445.2  R733 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2025.01.037
本文引用格式:吴樊宇, 刘远康, 江翠萍, 等. 全身磁共振成像在血液系统肿瘤中的诊疗进展[J]. 磁共振成像, 2025, 16(1): 228-234. DOI:10.12015/issn.1674-8034.2025.01.037.

0 引言

       血液系统肿瘤是一组包括多发性骨髓瘤(multiple myeloma, MM)、淋巴瘤及白血病等在内的造血系统肿瘤,流行病学数据显示,血液系统肿瘤的发病率在过去三十年间持续上升,呈现出高发病率、高侵袭性、治疗方案复杂化、预后相对较差及易复发等特征[1, 2]。骨髓活检是诊断血液系统肿瘤的金标准,但它作为一种侵入性的检查,有局部出血和感染的风险,而且无法全面反映疾病的分期和范围。影像学检查在血液系统肿瘤的检测、分期、治疗反应评估和随访中发挥着至关重要的作用。18F-氟脱氧葡萄糖正电子发射断层显像/X线计算机体层成像仪(18F-fluorodeoxyglucose positron emission tomography/computed tomography, 18F-FDG PET/CT)是一种全身性的检查方法,可以通过各组织代谢程度的不同来反映疾病状态,是淋巴瘤分期和反应评估的参考标准,但较高的辐射剂量增加了患者发生继发性肿瘤的可能性[3, 4]。相比之下,全身磁共振成像(whole-body magnetic resonance imaging, WB-MRI)不仅可以提供高分辨率、高对比度的全身图像,而且显著降低患者长期接受辐射的风险,特别适用于需要频繁监测的儿童和青少年患者[5, 6]。WB-MRI还具有全身扫描的优势,可通过一次扫描显示从颅顶到大腿中段甚至脚底的范围,节省检查时间的同时减少了患者的不适[7, 8]。此外,WB-MRI可进行多参数成像,结合形态学、功能学和分子成像信息,提高病变检测的敏感性和特异性,并可通过表观扩散系数(apparent diffusion coefficient, ADC)、脂肪分数(fat fraction, FF)等参数进行定量分析,评估疾病的严重程度、治疗反应,监测疾病进展或复发[9]

       近年来,WB-MRI在血液系统肿瘤中发挥着越来越重要的作用。国际骨髓瘤工作组和英国国家健康与护理卓越研究所将WB-MRI推荐为疑似MM诊断与监测的重要影像学检查方法之一[10, 11]。在淋巴瘤方面,WB-MRI在分期、治疗反应评估和随访中展现出高敏感性、特异性和准确性[12]。然而,目前WB-MRI在白血病患者中仅作为辅助诊断工具,其诊断价值正逐步得到临床认可[5]。尽管WB-MRI并非唯一的检查手段,但因在检测骨髓浸润和髓外病变方面的优势,使其成为临床实践中不可或缺的影像学工具之一。随着技术的不断发展和研究的深入,WB-MRI有望在血液系统肿瘤诊断和治疗中发挥更大的作用。因此,本文就WB-MRI在血液系统肿瘤,包括MM、淋巴瘤和白血病中的诊疗及预后进展予以综述,并分析了这三种血液系统肿瘤在WB-MRI上的异同点,探讨了机器学习和深度学习技术在WB-MRI的应用,以期为临床诊治血液系统肿瘤和今后的研究提供参考。

1 WB-MRI方案

       WB-MRI是一项全身检查技术,通过多通道表面线圈和并行成像采集,实现了高空间分辨率和出色的全身信噪比[8]。随着技术的不断革新和发展,WB-MRI作为一种无电离辐射的全身成像方法,扫描时间已缩短至40~50 min[7]。尽管目前并无统一的WB-MRI扫描方案,但医生可以根据需要辅以不同的成像方案,以提高病变检测的敏感度和诊断价值,扩大肿瘤筛查范围。《多发性骨髓瘤全身磁共振成像检查专家共识推荐》[13]选用的成像方案为:全脊柱矢状位T1加权成像(T1 weighted imaging, T1WI)、全脊柱脂肪抑制矢状位T2加权成像(T2 weighted imaging, T2WI)或短时反转恢复序列(short tau inversion recovery, STIR)、全身冠状位或轴位T1WI、全身轴位扩散加权成像(diffusion weighted imaging, DWI)、全身轴位T2WI及快速自旋回波、区域评估,其中前四种被认定为必需方案,后两种可作为扩展的全面评估方案。对于淋巴瘤和白血病患者WB-MRI方案的明确指南尚未发布,但在以往的研究中,成像方案包括非增强自旋回波T1WI和T2WI、STIR和DWI[14]。为缩短成像时间,可考虑使用T2WI水脂分离成像序列取代T1WI+STIR序列,在骨转移瘤或MM患者骨髓检测方面,两种成像方案的诊断准确性相似,在资深读者与初级读者中准确性的平均差异分别为2.7%、2.9%[15]。另外,排除颅骨和下肢解剖区域的短WB-MRI检查方案也可有效评估MM患者,受试者工作特征(receiver operating characteristic, ROC)曲线下面积(area under the curve, AUC)为0.881,敏感度为89.9%,特异度为66.7%,并将扫描时间缩短至28 min 20 s[16]

2 WB-MRI在血液系统肿瘤中的应用

2.1 WB-MRI在MM中的应用

       MM是一种以骨髓恶性浆细胞增生伴单克隆免疫球蛋白产生为特征的恶性肿瘤。在MM及其前驱病变阶段,肿瘤负荷的精确量化对于疾病的诊断、分级分期、治疗反应和预后评估具有重要意义。与18F-FDG PET/CT 相比,WB-MRI已成为识别弥漫性骨髓浸润的金标准,在定性和定量评估肿瘤负荷和治疗疗效方面更为敏感,并且已经成为冒烟型多发性骨髓瘤(smoldering multiple myeloma, SMM)和意义未明的单克隆免疫球蛋白增多症(monoclonal gammopathies of clinical significance, MGUS)患者的常规检查手段[17, 18]

2.1.1 MM的诊断和鉴别诊断

       作为WB-MRI中较为敏感的序列,全身扩散加权成像(whole-body diffusion weighted imaging, WB-DWI)已成为疑似SMM的首选检查,并且高b值(2000 s/mm2)的WB-DWI病变检出特异度达96%,假阳性率低至7%。因此,既降低了误诊率,又可在骨溶解及骨折之前发现病灶,以此实现对疾病的早期诊断与治疗[17, 19]

       然而,MM和增生性造血骨髓(hyperplastic hematopoietic bone marrow, HHBM)在磁共振全身背景信号抑制扩散加权成像(diffusion-weighted whole body imaging with background body signal suppression, DWIBS)上呈现的高信号难以区分。WB-MRI结合MRI定性评估、ADC值和FF值可以提高MM和HHBM鉴别诊断的准确性和特异性,有研究通过对34名MM患者、22名HHBM患者和15名健康对照组进行回顾性研究发现,MM组患者的ADC值高于HHBM组和对照组,而FF值低于HHBM组和对照组(P均<0.001),ROC曲线分析显示,ADC值和FF值在区分MM和HHBM方面具有良好的诊断价值,AUC值分别为0.866、0.886,ADC值和FF值分别为0.47×10-3 mm2/s和20.63%是区分MM和HHBM的最佳指标[20]

2.1.2 MM的分期及分级

       MGUS、SMM和MM是单克隆性浆细胞病进展的三个阶段,MM是MGUS和SMM的终末期。SUN等[21]利用功能性DWIBS和改良水脂分离成像定量技术对99例单克隆性浆细胞性疾病患者和15例健康对照组进行研究发现,与正常对照组、MGUS组和SMM组相比,MM组患者的ADC值较高(P均<0.05)、T2*值也较高(P均<0.001)、FF值较低(P均<0.05),用于鉴别MM和MGUS+SMM的ADC值、FF值和T2*阈值分别为0.51×10-3 mm2/s、31.14%、10.53 ms。由此能够更客观、深入地对单克隆性浆细胞性疾病进行评估。

       MM患者的风险分层包括标准风险与高风险,通过WB-MRI的定量评估可以有效识别出这两类患者,从而改善疾病的管理模式。SUN等[22]的另一项研究发现高风险组的ADC值和T2*值高于标准风险组,FF低于标准风险组(P<0.05)。有研究[23]通过量化平均ADC值和基于ADC图像的四个直方图参数(熵、标准差、偏度、峰度)后,发现背景骨髓的ADC熵增加可以作为修正的国际分期系统(revised- international staging system, R-ISS)Ⅲ期的独立预测因素,在区分R-ISS Ⅲ期和R-ISS Ⅰ/Ⅱ期患者时具有高敏感度(93.3%)和高阴性预测值(96.7%),但特异度较低(63.0%),由此可以作为一种筛查工具来排除高风险患者。

2.1.3 MM的治疗反应及预后评估

       大剂量化疗后自体造血干细胞移植是MM患者常见且有效的治疗方法,早期治疗反应的深度与MM患者的生存率有关,一项对56名新诊断多发性骨髓瘤(newly diagnosed multiple myeloma, NDMM)患者的回顾性研究发现,WB-MRI的低总负荷评分、低ADC值和高FF值(最佳临界值:总负荷评分≤15,ADC值≤0.84×10-3 mm2/s,FF值>16%)可以预测MM患者的深度反应,这些指标的组合在预测深度反应方面的敏感度为93.8%,特异度为93.3%,准确度为93.5%,以此指导MM患者亚组的早期治疗决定,从而提高生存率并降低治疗成本[24]。QI等[25]运用WB-MRI中ADC图像的直方图分析获得了更多的定量数据,比单纯使用ADC值更准确地预测了MM患者经过诱导治疗两个周期后的治疗反应,与无深度反应组相比,深度反应组腰椎的ADC75th、ADC90th和ADC95th值显著降低,而肋骨的ADC偏斜度和峰度显著升高(P均<0.05),ROC分析显示,腰椎ADC75th和肋骨ADC峰度的AUC值分别为0.607、0.807,显示出良好的预测深度反应潜力,有助于判断预后和指导治疗选择。

       ZHANG等[26]对381名NDMM患者进行WB-DWI和全身短时反转恢复成像检查后,通过单因素生存分析发现,ADC值<0.4886×10-3 mm2/s的患者中位无进展生存期(progression-free survival, PFS)为52个月,中位总生存期(overall survival, OS)为81个月,而ADC值≥0.7750×10-3 mm2/s的中位PFS为26个月,中位OS为36个月。除此之外,在治疗结束后的患者中检测最小残留病(minimal residual disease, MRD)至关重要,多项研究表明MRD是MM患者PFS和OS的独立预后指标,持续的MRD阴性被认为是预测有利长期预后的最有力指标,而WB-MRI作为骨髓流式细胞术的补充,可以更精确地评估MRD[27, 28]

2.1.4 MM的机器学习和深度学习

       随着技术的发展,机器学习和放射组学的联合应用可以实现快速、全面、客观的全身性骨髓疾病的自动化分析。SATCHWELL等[29]通过对633例MM患者及健康志愿者的WB-MRI图像进行综合分析,开发和验证了一种基于机器学习的算法,显著提高了对活动性MM检测、病灶识别和疾病负担量化方面的敏感性和准确性,从而提升了MM患者WB-MRI图像的解读准确性和速度。WENNMANN等[30]则开发了一种基于深度学习和放射组学的自动化骨髓特征分析方法,通过收集8个中心106例MM患者的WB-MRI数据,其中50例用于训练3D神经网络(3D neural networks for unsupervised image registration, 3D nnU-Net)深度学习模型,实现了30个不同骨髓空间的自动分割。此外,提取的296个放射组学特征构建了更全面、客观、定量的“放射组学骨髓表型”,从而提高了骨髓病变的诊断准确性、治疗反应的评估及预后的预测。在后续的研究中,WENNMANN等[31]利用3D nnU-Net框架开发了一个深度学习模型,能够从WB-MRI的ADC图中自动分割和标记骨髓空间,然后在来自三个中心的312个WB-MRI上进行测试,显示自动提取的ADC值与手动测量值具有良好的一致性,相对偏差在0.4%到9.1%之间,并且与骨髓活检中的浆细胞浸润之间存在显著相关性(r=0.36,P=0.007),表明深度学习模型可以有效地自动分割骨髓并提取ADC值,为MM的自动化分期、风险评估和疗效评估提供一种有价值的工具。

       HEIDEMEIER等[32]通过一种多参数WB-MRI(multiple parametric WB-MRI, mpWB-MRI)评估算法来区分44名MM患者的活跃病灶与非活跃病灶(mpWB-MRI图像上明显的扩散受限、FF<20%以及T2WI图像的均匀低信号强度定义为活跃病灶),研究表明,该算法能够对MM病灶进行有效分类,其中17个活性病灶中有16个(94.1%)在18F-FDG PET/CT或11C-蛋氨酸正电子发射断层显像/X线计算机体层成像仪(11C-methionine positron emission tomography/computed tomography, 11C-MET-PET/CT)上的Deauville评分(Deauville score, DS)为4或5,且mpWB-MRI与11C-MET-PET/CT的结果高度一致(k=0.79,P<0.01),组内相关系数(intraclass correlation coefficient, ICC)为0.81,而与18F-FDG PET/CT的观察者间一致性较低(ICC=0.52,k=0.53,P<0.01)。但在19个非活性病灶中,有14个(74%)在18F-FDG PET/CT上的DS为4,表明18F-FDG PET/CT可能将一些残留病灶误判为活跃病灶。因此,mpWB-MRI联合11C-MET-PET/CT可能成为评估MM患者MRD的有效工具,有助于减少假阳性结果。

2.2 WB-MRI在淋巴瘤中的应用

       WB-MRI在评估恶性骨髓浸润的同时还提供了有关软组织疾病的信息[33]。因此,淋巴增生性疾病也成为WB-MRI的常见适应证之一,虽然目前在国际指南中并未考虑使用WB-MRI来对淋巴瘤患者的分期或治疗反应进行评估[34]。但WB-MRI仍然可以用来预测患者的治疗反应和生存率,从而制订更好的个体化治疗方式。

2.2.1 淋巴瘤的诊断和分期

       在淋巴瘤诊断和分期方面,WB-MRI优于增强CT,对组织学的依赖程度也比18F-FDG PET/CT更低[8]。MACCIONI等[35]在对61例霍奇金淋巴瘤(Hodgkin's lymphoma, HL)和非霍奇金淋巴瘤(non-hodgkin lymphoma, NHL)患者的前瞻性研究中发现,WB-DWI对结节和结外病变的识别和分期与18F-FDG PET/CT具有很好的一致性,k值分别为0.95、1.00,是HL和NHL患者分期和量化疾病活动性的一种有前途的技术。

       结合不同的序列和图像融合技术可以更全面地评估HL的病变结节和结外分期,为临床诊断和治疗提供更准确的依据。LATIFOLTOJAR等[3]的研究表明,WB-DWI和全身短波反转恢复快速自旋回波成像测量短轴直径时性能较好,其AUC值分别为0.80、0.81,适用于儿童HL的病变结节分类。SPIJKERS等[36]发现,彩色DWI/T2WI融合图像在儿童HL结节分期的敏感度为99%,特异度为95%,在结外分期的敏感度为100%,特异性度99%,与18F-FDG PET/CT的参考标准相比,k值均为0.92,比单纯的T1WI、T2WI或DWI更准确可靠,同时还能提高对腹主动脉旁和肠系膜淋巴结的发现率。

2.2.2 淋巴瘤的治疗反应及预后评估

       综合利用不同成像技术的优势,可以更全面地评估患者的病情并制订更有效的治疗策略。LIN等[6]的荟萃分析表明,WB-MRI在评估血液系统恶性肿瘤治疗效果方面的敏感度为55%,结合WB-DWI后敏感度可达94%。但是,部分研究[37, 38]表明,WB-MRI在儿童和青少年HL的检测和再分期方面潜力较大,但同时可能会低估治疗反应,因此目前尚未完全取代18F-FDG PET/CT成为标准成像方法。此外,化疗后的淋巴瘤患者常常会发生骨质坏死,WB-MRI则是发现早期多灶性骨坏死的最佳成像方法[8]

       淋巴瘤患者的预后与WB-DWI上ADC值的变化密切相关,MORAKOTE等[39]发现与中期扫描时WB-DWI上ADC值稳定或降低的患者相比,ADC值升高的患者PFS明显更长。除此之外,WB-DWI可以用于侵袭性NHL患者的早期预后分层,DE PAEPE等[40]对侵袭性NHL患者在一个治疗周期后进行定量WB-DWI,ADC值的变化是无病生存期的唯一预测因子,准确率可达到86.7%,不逊色于中期或治疗结束时的18F-FDG PET/CT (准确率分别为71.4%和73.8%)。

2.2.3 淋巴瘤的机器学习

       结合机器学习、临床数据、基于18F-FDG PET/CT的代谢性肿瘤体积和MRI放射组学特征,可以更准确地预测HL的难治性或复发性,ALBANO等[41]纳入40名接受多柔比星、博来霉素、长春新碱和达卡巴嗪化疗方案治疗并进行基线WB-MRI和18F-FDG PET/CT检查的HL患者,对WB-MRI图像进行手动分割,提取18F-FDG PET/CT衍生代谢肿瘤体积以及WB-MRI放射组学特征,利用机器学习中的极端随机树分类器进行交叉验证,发现该模型具有较高的预测准确率(78%)和AUC值(0.82),表明机器学习和纹理分析模型在预测HL患者复发/难治的临床结局方面具有潜在价值,对于患者的风险评估和治疗决策非常重要。同时,FERJAOUI等[42]提出了一种基于机器学习的计算机辅助诊断系统,使用Chan-Vese算法自动分割感兴趣区域生成ADC图,并通过聚类技术提取特征,融合T2WI图像和DWI图像以获得形态学特征。接着使用特征选择算法减少特征数量并提高分类性能。通过五种监督机器学习分类算法对特征进行分类,并与基于卷积神经网络的深度学习方法进行比较,结果显示基于反向传播3-9-1人工神经网络模型的分类准确率高达97.01%,能够有效地识别WB-DWI中的进展性淋巴瘤和残留肿块,有助于临床医生更好地诊断和选择治疗方案。

2.3 WB-MRI在白血病中的应用

       白血病分为不同细胞系的恶性肿瘤,包括急性白血病(acute leukemia, AL)和慢性白血病(chronic leukemia, CL)。AL又可分为急性淋巴细胞白血病和急性髓系白血病(acute myeloid leukemia, AML),而CL则包括慢性淋巴细胞白血病(chronic lymphocytic leukemia, CLL)和慢性髓系白血病[43]

       白血病通常伴随着骨髓浸润和髓外浸润(extramedullary infiltration, EMI)。弥漫性骨髓浸润往往是非特异性的,对于白血病的诊断具有重要意义,EMI则是AML患者中的一个重要预后因素,在儿童患者中发病率较高,WB-MRI能够在外周血出现异常之前早期识别这两种病变[44, 45]。KIM等[45]通过对171例初诊时无症状的儿童AML患者进行WB-MRI分析,发现EMI的发生率为28.9%,并且与患者的年龄、特定的分子遗传学特征以及骨髓的受累程度存在相关性(P均<0.05)。粒细胞肉瘤是儿童AML患者中一种常见的EMI形式,通常表现为无症状的多灶性病变,为了确保AML达到完全缓解,评估治疗反应时需要监测所有的粒细胞肉瘤,YOON等[46]的回顾性研究表明WB-MRI不仅能够识别多部位及无症状粒细胞肉瘤,并且发现了23.8%的临床隐匿性非粒细胞肉瘤,从而进行及时治疗与监测。因此,WB-MRI对于早期发现无症状和临床隐匿性病变、评估疾病范围和监测治疗反应至关重要,这有助于医生更准确地评估病情并制订治疗方案,进而改善AML患者的预后。

       骨梗死作为白血病患者常见的治疗后并发症,预后不佳,因此早期诊断十分关键。尽管骨髓活检的病理结果是诊断的重要依据,但它是一项侵入性检查;而X线和骨显像在早期诊断方面效果有限。WB-MRI作为一种高效的无创诊断工具,能够敏感并特异地评估骨骺和骨坏死,且与组织病理学结果一致[43, 47]。ALGUDKAR等[48]报道了一名特殊类型的CLL—毛细胞白血病患者接受综合治疗(包括免疫治疗、放化疗、靶向治疗等)后的反应,论证了WB-DWI能够作为一种潜在的评估工具,有效区分病变的活动区域与治疗后的骨骼反应区域。MIETTUNEN等[49]开发的系统性WB-MRI方案能够详细评估长骨和其他区域的骨坏死,通过一次检测全面评估整个骨骼系统,为白血病预后判断和治疗效果评估提供新的信息和方法,从而优化患者的诊疗方案。

3 三种血液系统肿瘤在WB-MRI上的异同点

       WB-MRI在区分MM、淋巴瘤和白血病的侵犯模式方面具有优势,且这三种血液系统肿瘤在器官受累表现上各有特点。MM主要侵犯骨骼系统,较少直接侵犯淋巴结,尤其集中在脊椎、肋骨和骨盆等富含红骨髓的区域[50]。而淋巴瘤则更倾向于影响淋巴结及淋巴组织,主要表现为淋巴结的肿大,常在纵隔、腹膜后、颈部及腋窝形成大的肿块[51]。相比之下,白血病主要影响骨髓和血液,更多表现为弥漫性的骨髓浸润,虽然多个器官(包括淋巴结、脾脏和肝脏等)可能受到影响,但其骨病变的特征性不如MM明显[45]。通过综合应用不同序列,WB-MRI能够揭示这些疾病在骨髓浸润、淋巴结受累及其他器官受累情况等方面的影像学特征,进而为临床诊断、疾病分期和治疗方案的制订提供重要的影像学依据。

3.1 骨髓浸润

       三种血液系统肿瘤在WB-MRI上均可表现为骨髓浸润,但骨髓浸润形式并不相同。WB-MRI在评估MM的骨髓浸润方面具有显著优势,可清晰显示这些部位的弥漫性浸润(diffuse infiltration, DI)或局灶性病变(focal lesion, FL)。DI在T1WI和T2WI上均表现为骨髓信号增加,根据浸润程度分为无/轻度、中度和重度三个等级。无/轻度浸润时,T1WI和T2WI上信号均呈轻度至中度增加;中度浸润时,T1WI和T2WI上信号均介于正常骨髓和肌肉/椎间盘之间;重度浸润时,T1WI上信号与肌肉/椎间盘相似,而T2WI上信号明显增加,明显高于肌肉/椎间盘。而FL在T1WI上呈低信号,低于周围正常骨髓,在T2WI上呈高信号,高于周围正常骨髓。并可通过手动分割量化评估DI和FL的体积、生长速度和范围,通过计算弥漫性浸润评分和总肿瘤体积的变化率,动态监测疾病进展[52, 53]。一般情况下,淋巴瘤虽然会侵犯骨髓但通常不导致显著的骨破坏,因此WB-MRI在检测淋巴瘤骨髓浸润方面具有一定的局限性,尤其是对于低容量骨髓浸润。然而,当化疗后的淋巴瘤患者发生骨质坏死时,WB-MRI可成为早期多灶性骨坏死的最佳成像方法[8]。DWI序列在识别骨髓浸润方面具有一定的价值,表现为骨髓信号弥漫性增高,需要指出的是,由于儿童骨盆骨骼和腰椎的正常骨髓在DWI上也可能出现不对称性扩散受限,因此需要结合其他影像学表现和临床信息进行综合判断[54]。白血病骨髓浸润在WB-MRI上表现为骨髓信号强度改变,主要受肿瘤细胞浸润程度、范围和分布影响。正常脂肪骨髓被白血病细胞取代会导致T1WI信号减低,T2WI和DWI信号升高,ADC值降低,反映了肿瘤细胞密度较高[45]。WB-MRI在MM的骨髓浸润评估中发挥着关键作用,不仅能够量化肿瘤负担,而且能动态监测疾病进展,为临床决策提供了重要的影像学依据。然而,对于淋巴瘤和白血病的骨髓浸润,WB-MRI的应用需结合其他检查和临床信息,以获得更准确的诊断和病情评估。

3.2 淋巴结受累

       WB-DWI是评估淋巴瘤的关键,它通过检测淋巴结大小、受累区域(包括颈部、腋窝、纵隔、腹主动脉旁以及腹股沟、髂骨、肠系膜等)和信号强度来识别受累淋巴结,受累淋巴结在WB-MRI上的改变包括形态呈不规则或呈分叶状、信号不均匀、脂肪信号消失以及短轴直径至少1 cm,在T2WI和DWI图像上表现为高信号,ADC值降低[36, 55]。此外,淋巴结肿大可以是MM的早期表现,但并非所有患者的淋巴结都会受累。当MM和白血病患者淋巴结受累时,WB-MRI可以显示淋巴结肿大,T2WI和DWI信号增加[52]。因此,WB-MRI不仅对于淋巴瘤的早期诊断和病情评估具有重要价值,而且在识别MM和白血病患者中的淋巴结受累情况时,也显示出其影像学价值。

3.3 其他器官受累

       WB-MRI不仅对于MM的骨髓浸润的检测至关重要,还能够识别其他潜在受累的器官,如脾脏、肝脏及肾脏肿大,并在T2WI和DWI图像上呈现弥漫性或局灶性高信号和ADC图上的低信号[56]。此外,淋巴瘤患者的结外器官如眼眶、唾液腺、扁桃体、胃、皮肤等受累时,表现为异常增大或不对称肿大,可能出现弥漫性异常信号[51]。白血病患者的器官受累在WB-MRI上表现为多器官、多系统受累,其中粒细胞肉瘤是最常见的类型,可发生于全身任何部位,最常见于骨骼肌肉系统,其次是头颈部和躯干。在WB-MRI上表现为边界清晰的肿块,T1WI呈等或低信号,T2WI呈等或轻度高信号[46]。因此,WB-MRI能够对三种血液系统肿瘤的器官受累情况进行全面评估,进而判断疾病的进展程度,为选择适宜的治疗方案提供影像学依据。

       通过对WB-MRI表现的深入分析,今后可以进一步探讨MM、淋巴瘤和白血病之间的相似性与差异性,从而为疾病的鉴别诊断提供更可靠的影像学依据。

4 总结与展望

       随着MRI技术的发展,WB-MRI在血液系统肿瘤中的应用愈加成熟。作为一种无电离辐射的成像技术,WB-MRI预计将在血液系统肿瘤的诊断、分期、治疗反应评估和预后判断方面应用于临床。另外,机器学习和深度学习技术为WB-MRI图像分析提供了新的可能性,有望提高诊断准确性和治疗效果评估的精度,可以实现更全面、客观的疾病评估,为个体化治疗方案的制订和预后评估提供更多依据,助力于实现精准医疗。然而,目前WB-MRI在血液系统肿瘤中的应用仍受到设备和扫描方案差异、图像质量等限制,还需要进一步研究来减少误差,提高多器官对比度,并探索WB-MRI在不同疾病阶段的应用,优化图像分析算法,建立量化指标,并与临床信息进行有效结合,提高诊断和治疗效果的准确性。

[1]
ABEL G A, KLEPIN H D. Frailty and the management of hematologic malignancies[J]. Blood, 2018, 131(5): 515-524. DOI: 10.1182/blood-2017-09-746420.
[2]
ZHANG N, WU J X, WANG Q, et al. Global burden of hematologic malignancies and evolution patterns over the past 30 years[J/OL]. Blood Cancer J, 2023, 13(1): 82 [2024-10-23]. https://pubmed.ncbi.nlm.nih.gov/37193689/. DOI: 10.1038/s41408-023-00853-3.
[3]
LATIFOLTOJAR A, HUMPHRIES P D, MENEZES L J, et al. Whole-body magnetic resonance imaging in paediatric Hodgkin lymphoma - evaluation of quantitative magnetic resonance metrics for nodal staging[J]. Pediatr Radiol, 2019, 49(10): 1285-1298. DOI: 10.1007/s00247-019-04463-9.
[4]
FROLLI A, VARVELLO S, BALBO MUSSETTO A, et al. A radiation-free approach based on the whole-body MRI has shown a high level of accuracy in the follow-up of lymphoma patients-a single center retrospective study[J/OL]. J Clin Med, 2024, 13(13): 3637 [2024-10-23]. https://pubmed.ncbi.nlm.nih.gov/38999203/. DOI: 10.3390/jcm13133637.
[5]
VULASALA S S, VIRARKAR M, KARBASIAN N, et al. Whole-body MRI in oncology: A comprehensive review[J/OL]. Clin Imaging, 2024, 108: 110099 [2024-10-23]. https://pubmed.ncbi.nlm.nih.gov/38401295/. DOI: 10.1016/j.clinimag.2024.110099.
[6]
LIN G S, ZONG X D, LI Y W, et al. Whole-body MRI is an effective imaging modality for hematological malignancy treatment response assessment: A systematic review and meta-analysis[J/OL]. Front Oncol, 2022, 12: 827777 [2024-04-07]. https://pubmed.ncbi.nlm.nih.gov/35251996/. DOI: 10.3389/fonc.2022.827777.
[7]
SUMMERS P, SAIA G, COLOMBO A, et al. Whole-body magnetic resonance imaging: technique, guidelines and key applications[J/OL]. Ecancermedicalscience, 2021, 15: 1164 [2024-04-03]. https://pubmed.ncbi.nlm.nih.gov/33680078/. DOI: 10.3332/ecancer.2021.1164.
[8]
ALBANO D, MICCI G, PATTI C, et al. Whole-body magnetic resonance imaging: current role in patients with lymphoma[J/OL]. Diagnostics, 2021, 11(6): 1007 [2024-04-02]. https://pubmed.ncbi.nlm.nih.gov/34073062/. DOI: 10.3390/diagnostics11061007.
[9]
AHLAWAT S, DEBS P, AMINI B, et al. Clinical applications and controversies of whole-body MRI: AJR expert panel narrative review[J]. AJR Am J Roentgenol, 2023, 220(4): 463-475. DOI: 10.2214/AJR.22.28229.
[10]
RODRÍGUEZ-LAVAL V, LUMBRERAS-FERNÁNDEZ B, AGUADO-BUENO B, et al. Imaging of multiple myeloma: present and future[J/OL]. J Clin Med, 2024, 13(1): 264 [2024-10-23]. https://pubmed.ncbi.nlm.nih.gov/38202271/. DOI: 10.3390/jcm13010264.
[11]
LECOUVET F E, CHABOT C, TAIHI L, et al. Present and future of whole-body MRI in metastatic disease and myeloma: how and why you will do it[J]. Skeletal Radiol, 2024, 53(9): 1815-1831. DOI: 10.1007/s00256-024-04723-2.
[12]
ZUGNI F, MARIANI L, LAMBREGTS D M J, et al. Whole-body MRI in oncology: acquisition protocols, current guidelines, and beyond[J]. Radiol Med, 2024, 129(9): 1352-1368. DOI: 10.1007/s11547-024-01851-6.
[13]
中国医学装备协会磁共振应用专业委员会, 中华医学会放射学分会骨关节学组,《磁共振成像》编委会. 多发性骨髓瘤全身磁共振成像检查专家共识[J]. 磁共振成像, 2024, 15(7): 1-6. DOI: 10.12015/issn.1674-8034.2024.07.001.
Magnetic Resonance Application Professional Committee of China Association of Medical Equipment, Osteoarthrography Group of Chinese Society of Radiology of Chinese Medical Association, Editorial Board of Chinese Journal of Magnetic Resonance Imaging. Expert consensus on whole-body magnetic resonance imaging in multiple myeloma[J]. Chin J Magn Reson Imaging, 2024, 15(7): 1-6. DOI: 10.12015/issn.1674-8034.2024.07.001.
[14]
GALIA M, ALBANO D, NARESE D, et al. Whole-body MRI in patients with lymphoma: collateral findings[J]. Radiol Med, 2016, 121(10): 793-800. DOI: 10.1007/s11547-016-0658-x.
[15]
CHIABAI O, VAN NIEUWENHOVE S, VEKEMANS M C, et al. Whole-body MRI in oncology: can a single anatomic T2 Dixon sequence replace the combination of T1 and STIR sequences to detect skeletal metastasis and myeloma?[J]. Eur Radiol, 2023, 33(1): 244-257. DOI: 10.1007/s00330-022-09007-8.
[16]
IPPOLITO D, GIANDOLA T, MAINO C, et al. Diagnostic value of whole-body MRI short protocols in bone lesion detection in multiple myeloma patients[J/OL]. Diagnostics, 2021, 11(6): 1053 [2024-03-24]. https://pubmed.ncbi.nlm.nih.gov/34201122/. DOI: 10.3390/diagnostics11061053.
[17]
CHAKRABORTY R, HILLENGASS J, LENTZSCH S. How do we image patients with multiple myeloma and precursor states?[J]. Br J Haematol, 2023, 203(4): 536-545. DOI: 10.1111/bjh.18880.
[18]
中国抗癌协会血液肿瘤专业委员会, 中华医学会血液学分会. 中国多发性骨髓瘤骨病诊治指南(2022年版)[J]. 中华血液学杂志, 2022, 43(12): 979-985. DOI: 10.3760/cma.j.issn.0253-2727.2022.12.002.
Hematological Oncology Committee of China Anti-Cancer Association, Chinese Society of Hematology of Chinese Medical Association. The guidelines for diagnosis and treatment of myeloma bone disease in China (2022)[J]. Chin J Hematol, 2022, 43(12): 979-985. DOI: 10.3760/cma.j.issn.0253-2727.2022.12.002.
[19]
HEIDEMEIER A, THURNER A, METZ C, et al. Whole-body MRI with an ultrahigh b-value of 2000 s/mm2 improves the specificity of diffusion-weighted imaging in patients with plasma cell dyscrasias[J/OL]. Acad Radiol, 2022, 29(1): e1-e8 [2024-04-08]. https://pubmed.ncbi.nlm.nih.gov/33139155/. DOI: 10.1016/j.acra.2020.09.016.
[20]
SUN M T, CHENG J L, REN C P, et al. Differentiation of diffuse infiltration pattern in multiple myeloma from hyperplastic hematopoietic bone marrow: qualitative and quantitative analysis using whole-body MRI[J]. J Magn Reson Imaging, 2022, 55(4): 1213-1225. DOI: 10.1002/jmri.27934.
[21]
SUN M T, CHENG J L, REN C P, et al. Evaluation of diffuse bone marrow infiltration pattern in monoclonal plasma cell Diseases by Quantitative whole-body magnetic resonance imaging[J]. Acad Radiol, 2022, 29(4): 490-500. DOI: 10.1016/j.acra.2021.06.015.
[22]
SUN M T, WANG L L, WANG C, et al. Quantitative analysis of whole-body MRI for accessing the degree of diffuse infiltration patterns and identifying high risk cases of newly diagnosed multiple myeloma[J]. J Magn Reson Imaging, 2024, 59(6): 2035-2045. DOI: 10.1002/jmri.28962.
[23]
WANG Q, ZHANG L, LI S, et al. Histogram analysis based on apparent diffusion coefficient maps of bone marrow in multiple myeloma: an independent predictor for high-risk patients classified by the revised international staging system[J/OL]. Acad Radiol, 2022, 29(6): e98-e107 [2024-03-11]. https://pubmed.ncbi.nlm.nih.gov/34452820/. DOI: 10.1016/j.acra.2021.07.010.
[24]
DONG H Z, HUANG W Y, JI X D, et al. Prediction of early treatment response in multiple myeloma using MY-RADS total burden score, ADC, and fat fraction from whole-body MRI: impact of Anemia on predictive performance[J]. AJR Am J Roentgenol, 2022, 218(2): 310-319. DOI: 10.2214/AJR.21.26534.
[25]
QI Q Y, DONG H Z, JI X D, et al. More accurate prediction of treatment response than meanapparent diffusion coefficient value in multiple myeloma using whole bodyMRI histogram analysis[J]. Future Oncol, 2023, 19(17): 1175-1185. DOI: 10.2217/fon-2023-0205.
[26]
ZHANG B, BIAN B Y, ZHANG Y J, et al. The apparent diffusion coefficient of diffusion-weighted whole-body magnetic resonance imaging affects the survival of multiple myeloma independently[J/OL]. Front Oncol, 2022, 12: 780078 [2024-03-11]. https://pubmed.ncbi.nlm.nih.gov/35311101/. DOI: 10.3389/fonc.2022.780078.
[27]
LECOUVET F E, VEKEMANS M C, VAN DEN BERGHE T, et al. Imaging of treatment response and minimal residual disease in multiple myeloma: state of the art WB-MRI and PET/CT[J]. Skeletal Radiol, 2022, 51(1): 59-80. DOI: 10.1007/s00256-021-03841-5.
[28]
WANG K W, LEE E, KENIS S, et al. Application of diffusion-weighted whole-body MRI for response monitoring in multiple myeloma after chemotherapy: a systematic review and meta-analysis[J]. Eur Radiol, 2022, 32(4): 2135-2148. DOI: 10.1007/s00330-021-08311-z.
[29]
SATCHWELL L, WEDLAKE L, GREENLAY E, et al. Development of machine learning support for reading whole body diffusion-weighted MRI (WB-MRI) in myeloma for the detection and quantification of the extent of disease before and after treatment (MALIMAR): protocol for a cross-sectional diagnostic test accuracy study[J/OL]. BMJ Open, 2022, 12(10): e067140 [2024-11-19]. https://pubmed.ncbi.nlm.nih.gov/36198471/. DOI: 10.1136/bmjopen-2022-067140.
[30]
WENNMANN M, KLEIN A, BAUER F, et al. Combining deep learning and radiomics for automated, objective, comprehensive bone marrow characterization from whole-body MRI: A multicentric feasibility study[J]. Invest Radiol, 2022, 57(11): 752-763. DOI: 10.1097/RLI.0000000000000891.
[31]
WENNMANN M, NEHER P, STANCZYK N, et al. Deep learning for automatic bone marrow apparent diffusion coefficient measurements from whole-body magnetic resonance imaging in patients with multiple myeloma: A retrospective multicenter study[J]. Invest Radiol, 2023, 58(4): 273-282. DOI: 10.1097/RLI.0000000000000932.
[32]
HEIDEMEIER A, SCHLOETELBURG W, THURNER A, et al. Multi-parametric whole-body MRI evaluation discerns vital from non-vital multiple myeloma lesions as validated by 18F-FDG and 11C-methionine PET/CT[J/OL]. Eur J Radiol, 2022, 155: 110493 [2024-11-19]. https://pubmed.ncbi.nlm.nih.gov/36027759/. DOI: 10.1016/j.ejrad.2022.110493.
[33]
TUNARIU N, BLACKLEDGE M, MESSIOU C, et al. What's new for clinical whole-body MRI (WB-MRI) in the 21st century[J/OL]. Br J Radiol, 2020, 93(1115): 20200562 [2024-05-19]. https://pubmed.ncbi.nlm.nih.gov/32822545/. DOI: 10.1259/bjr.20200562.
[34]
CHESON B D, FISHER R I, BARRINGTON S F, et al. Recommendations for initial evaluation, staging, and response assessment of Hodgkin and non-Hodgkin lymphoma: the Lugano classification[J]. J Clin Oncol, 2014, 32(27): 3059-3068. DOI: 10.1200/JCO.2013.54.8800.
[35]
MACCIONI F, ALFIERI G, ASSANTO G M, et al. Whole body MRI with Diffusion Weighted Imaging versus 18F-fluorodeoxyglucose-PET/CT in the staging of lymphomas[J]. Radiol Med, 2023, 128(5): 556-564. DOI: 10.1007/s11547-023-01622-9.
[36]
SPIJKERS S, NIEVELSTEIN R A J, KEIZER B D, et al. Fused high b-value diffusion weighted and T2-weighted MR images in staging of pediatric Hodgkin's lymphoma: A pilot study[J/OL]. Eur J Radiol, 2019, 121: 108737 [2024-03-29]. https://pubmed.ncbi.nlm.nih.gov/31734638/. DOI: 10.1016/j.ejrad.2019.108737.
[37]
SPIJKERS S, LITTOOIJ A S, KWEE T C, et al. Whole-body MRI versus an [18F]FDG-PET/CT-based reference standard for early response assessment and restaging of paediatric Hodgkin's lymphoma: A prospective multicentre study[J]. Eur Radiol, 2021, 31(12): 8925-8936. DOI: 10.1007/s00330-021-08026-1.
[38]
LATIFOLTOJAR A, PUNWANI S, LOPES A, et al. Whole-body MRI for staging and interim response monitoring in paediatric and adolescent Hodgkin's lymphoma: a comparison with multi-modality reference standard including 18F-FDG-PET-CT[J]. Eur Radiol, 2019, 29(1): 202-212. DOI: 10.1007/s00330-018-5445-8.
[39]
MORAKOTE W, BARATTO L, RAMASAMY S K, et al. Comparison of diffusion-weighted MRI and [18F]FDG PET/MRI for treatment monitoring in pediatric Hodgkin and non-Hodgkin lymphoma[J]. Eur Radiol, 2024, 34(1): 643-653. DOI: 10.1007/s00330-023-10015-5.
[40]
DE PAEPE K N, VAN KEERBERGHEN C A, AGAZZI G M, et al. Quantitative whole-body diffusion-weighted MRI after one treatment cycle for aggressive non-hodgkin lymphoma is an independent prognostic factor of outcome[J/OL]. Radiol Imaging Cancer, 2021, 3(2): e200061 [2024-03-31]. https://pubmed.ncbi.nlm.nih.gov/33817648/. DOI: 10.1148/rycan.2021200061.
[41]
ALBANO D, CUOCOLO R, PATTI C, et al. Whole-body MRI radiomics model to predict relapsed/refractory Hodgkin Lymphoma: a preliminary study[J]. Magn Reson Imaging, 2022, 86: 55-60. DOI: 10.1016/j.mri.2021.11.005.
[42]
FERJAOUI R, CHERNI M A, BOUJNAH S, et al. Machine learning for evolutive lymphoma and residual masses recognition in whole body diffusion weighted magnetic resonance images[J/OL]. Comput Methods Programs Biomed, 2021, 209: 106320 [2024-11-19]. https://pubmed.ncbi.nlm.nih.gov/34390938/. DOI: 10.1016/j.cmpb.2021.106320.
[43]
LUITJENS J, BAUR-MELNYK A. Skelettveränderungen Bei hämatologischen systemerkrankungen[J]. Der Radiol, 2021, 61(12): 1068-1077. DOI: 10.1007/s00117-021-00934-z.
[44]
AVERILL L W, ACIKGOZ G, MILLER R E, et al. Update on pediatric leukemia and lymphoma imaging[J]. Semin Ultrasound CT MR, 2013, 34(6): 578-599. DOI: 10.1053/j.sult.2013.05.004.
[45]
KIM E H, IM S A, LEE J W, et al. Extramedullary infiltration in pediatric acute myeloid leukemia on surveillance magnetic resonance imaging and its relationship with established risk factors[J/OL]. J Pediatr Hematol Oncol, 2022, 44(3): e713-e718 [2024-10-25]. https://pubmed.ncbi.nlm.nih.gov/35319510/. DOI: 10.1097/MPH.0000000000002353.
[46]
YOON H M, KIM J R, JUNG A Y, et al. Whole body MR imaging: a useful imaging modality in the management of children with acute myeloid leukemia[J]. Clin Lymphoma Myeloma Leuk, 2017, 17(4): 231-237. DOI: 10.1016/j.clml.2017.02.004.
[47]
HARADA N, NISHIMOTO M, IKEMOTO A, et al. Recurrence of acute lymphoblastic leukemia with bone marrow necrosis: a case report and review of the literature on the MRI features of bone marrow necrosis[J]. Intern Med, 2021, 60(7): 1083-1088. DOI: 10.2169/internalmedicine.5815-20.
[48]
ALGUDKAR A, EL-SHARKAWI D, CROSS M, et al. Whole body-diffusion weighted imaging for the assessment of treatment response in hairy cell leukaemia: a positive first step[J]. EJHaem, 2021, 2(2): 311-312. DOI: 10.1002/jha2.158.
[49]
MIETTUNEN P M, LAFAY-COUSIN L, GUILCHER G M, et al. Widespread osteonecrosis in children with leukemia revealed by whole-body MRI[J]. Clin Orthop Relat Res, 2012, 470(12): 3587-3595. DOI: 10.1007/s11999-012-2579-x.
[50]
TAKASU M, HIGASHINO R, SUEOKA T, et al. Prediction of mobilized hematopoietic stem cell yield in patients with multiple myeloma: Usefulness of whole-body MRI-derived indices[J/OL]. PLoS One, 2023, 18(3): e0283241 [2024-02-20]. https://pubmed.ncbi.nlm.nih.gov/37000837/. DOI: 10.1371/journal.pone.0283241.
[51]
HONG G S, CHAE E J, RYU J S, et al. Assessment of naive indolent lymphoma using whole-body diffusion-weighted imaging and T2-weighted MRI: results of a prospective study in 30 patients[J/OL]. Cancer Imaging, 2021, 21(1): 5 [2024-03-27]. https://pubmed.ncbi.nlm.nih.gov/33413685/. DOI: 10.1186/s40644-020-00371-6.
[52]
WENNMANN M, HIELSCHER T, KINTZELÉ L, et al. Analyzing longitudinal wb-MRI data and clinical course in a cohort of former smoldering multiple myeloma patients: Connections between MRI findings and clinical progression patterns[J/OL]. Cancers, 2021, 13(5): 961 [2023-12-03]. https://pubmed.ncbi.nlm.nih.gov/33668879/. DOI: 10.3390/cancers13050961.
[53]
BAUER F, SAUER S, WEINHOLD N, et al. (Smoldering) multiple myeloma: mismatch between tumor load estimated from bone marrow biopsy at iliac crest and tumor load shown by MRI[J]. Skeletal Radiol, 2023, 52(12): 2513-2518. DOI: 10.1007/s00256-023-04383-8.
[54]
SHAPIRA-ZALTSBERG G, WILSON N, TREJO PEREZ E, et al. Whole-body diffusion-weighted MRI compared to 18 FFDG PET/CT in initial staging and therapy response assessment of Hodgkin lymphoma in pediatric patients[J]. J L'association Can Des Radiol, 2020, 71(2): 217-225. DOI: 10.1177/0846537119888380.
[55]
WINZER R, HOBERÜCK S, ZÖPHEL K, et al. Diffusion-weighted MRI for initial staging in Hodgkin`s lymphoma: comparison with FDG PET[J/OL]. Eur J Radiol, 2020, 123: 108775 [2024-03-27]. https://pubmed.ncbi.nlm.nih.gov/31864143/. DOI: 10.1016/j.ejrad.2019.108775.
[56]
MORITA K, KARASHIMA S, TERAO T, et al. 3D CNN-based Deep Learning Model-based Explanatory Prognostication in Patients with Multiple Myeloma using Whole-body MRI[J/OL]. J Med Syst, 2024, 48(1): 30 [2024-11-19]. https://pubmed.ncbi.nlm.nih.gov/38456950/. DOI: 10.1007/s10916-024-02040-8.

上一篇 深度学习在预测结直肠癌淋巴结状态中的现状与挑战
下一篇 基于多延迟动脉自旋标记成像的早产儿脑灌注模式研究
  
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