0 引言

       时间依赖扩散MRI（time-dependent diffusion MRI, TDD-MRI/td-dMRI），也称为时间扩散谱，作为新兴的扩散加权成像（diffusion-weighted imaging, DWI）技术，继动物实验和人体细胞实验后陆续应用于临床研究，并取得了可靠的研究成果，正在成为非侵入性探测组织微观结构和量化肿瘤细胞参数的新手段^[1]。TDD-MRI技术能量化细胞及亚细胞尺度的微观结构，探测微观结构的能力显著优于常规DWI^[2]。常规DWI通过评估水分子在正常组织或病变组织中扩散运动的受限程度，间接探测生物组织微观信息^[3]，但由于常规扫描序列下水分子扩散时间较长且扩散受到细胞大小^[4]、细胞核大小^[5]、细胞膜通透性^[6]等因素影响，图像中每个体素的信号强度及表观扩散系数（apparent diffusion coefficient, ADC）值是各种因素下的综合结果，进而导致了常规DWI探测微观结构的特异性低^[7]。而TDD-MRI技术基于扩散的时间依赖性，通常结合振荡梯度自旋回波（oscillating gradient spin echo, OGSE）序列和脉冲梯度自旋回波（pulsed gradient spin echo, PGSE）序列。其中，使用PGSE序列采集长扩散时间的MRI信号，使用多个振荡梯度频率的OGSE序列采集多个短扩散时间的MRI信号，利用数学模型拟合所采集的信号数据，从而获得特定细胞微观结构参数，包括细胞密度^[1]、细胞直径^[7]、细胞内体积分数、细胞外扩散系数^[8]等。同时，还可获得不同扩散时间的ADC值。TDD-MRI技术在肿瘤、神经轴突^[9]、肌肉^[10]、肝纤维化^[11]等方面皆有研究，但肿瘤相关的研究更为广泛，涵盖不同部位、不同分化程度、不同分子分型的肿瘤，并取得了丰富的研究成果。已经有不少研究证实，基于TDD-MRI技术获取的肿瘤微观参数与病理标本获取的微观参数基本一致^{[7, 12]}。在术前可以对肿瘤组织进行TDD-MRI扫描，并获取整个肿瘤组织在细胞尺度甚至亚细胞尺度的微观结构参数，进而能避免异质性的干扰和过度侵入式活检^[1]。多项研究皆证明应用TDD-MRI技术获得的定量参数在恶性程度不同的肿瘤中有显著差异，在术前评估肿瘤的侵袭性及预后相关的生物标志物方面也有一定的作用^{[8, 12]}。有关TDD-MRI技术的技术原理、细胞动物实验已有研究总结^{[13, 14, 15]}，但是并未有综述全面总结TDD-MRI技术在各个部位肿瘤中的应用情况，并具体分析定量参数的临床意义。因此，本文旨在对TDD-MRI技术肿瘤方面的应用进行综述，为未来的研究提供新方向和新思路。

1 TDD-MRI技术原理及其在肿瘤中的优势

       人体组织细胞微观结构复杂，在细胞内和细胞外空间中运动的水分子受到扩散位移范围内的细胞膜等微观结构屏障的阻碍^[16]，导致扩散通常表现为非高斯扩散（非自由扩散）。根据Einstein关于布朗运动位移的关系式^[17]：L=2Dt（L表示扩散位移距离，D表示扩散系数，t表示扩散时间），扩散位移距离与扩散时间正相关。若水分子在人体中扩散时间越长，则扩散位移范围越大，水分子与限制屏障的相互作用次数越多，扩散受限程度越大，这表明当人体内水分子扩散系数不变时扩散受限制程度取决于扩散时间^[18]。在DWI中一般用ADC值表示表观扩散系数，ADC值通常小于真实的扩散系数并且与水分子的扩散受限程度成反比^[19]。由于扩散受限程度取决于扩散时间，随着扩散时间的缩短，ADC值逐渐增加，接近于扩散系数，表现为扩散的时间依赖性。在细胞及动物实验中皆证明了扩散时间依赖性的存在^[20]。

       TDD-MRI技术通常结合PGSE序列和OGSE序列。PGSE序列为脉冲梯度自旋回波，扩散时间与两个扩散梯度脉冲之间的时间间隔相关，由于受梯度磁场强度和转化速率等设备因素的限制，缩小扩散梯度间隔时间能力有限^[21]，通常其扩散时间>30 ms，扩散位移的最短距离约在12~20 μm之间。OGSE序列为余弦或正弦调制的振荡梯度自旋回波，振荡梯度频率（frequency, f）范围约30~300 Hz，与扩散时间成反比，扩散时间大约等于1/4f。临床研究使用3 T磁共振扫描仪扫描OGSE序列时，扩散时间通常<10 ms，能量化的细胞大小约5~20 μm（对肿瘤细胞常规大小10~20 µm敏感）。因此，OGSE序列探测细胞和亚细胞微观结构的能力更强。同时，当单个PGSE序列结合多个振荡梯度频率的OGSE序列时，可以增加不同扩散时间维度下的细胞尺度。

       TDD-MRI技术现在主要有三个数学模型：IMPULSED（imaging microstructural parameters using limited spectrally edited diffusion）、VERDICT（vascular, extracellular, restricted diffusion for cytometry in tumours）、POMACE（pulsed and oscillating gradient MRI for assessment of cell size and extracellular space）。（1）IMPULSED模型^[7]：是研究中最常使用的数学模型，可以结合单个PGSE序列与多个频率的OGSE序列，主要用于分离细胞内外的扩散信号并建立双室模型，能测量体内实体瘤的细胞直径、细胞密度、细胞内体积分数和细胞外扩散系数等微观结构参数，在脑胶质瘤、前列腺肿瘤、乳腺肿瘤等多种肿瘤中皆有应用。优势在于对10~20 µm尺度敏感性高，并且成像扫描时间较短（最低可达4.5 min）。（2）VERDICT模型^[22]：其原理是应用受激回波采集模式采集多个扩散时间（例如10、20、30、40 ms）的信号，研究长扩散时间范围的扩散时间依赖性。VERDICT模型考虑到肿瘤组织内血管对水分子扩散的影响，能分离细胞内外及血管内扩散信号，临床上多应用于前列腺。缺点是扫描时间较长，且临床上较少用于测量细胞大小。（3）POMACE模型^[23]：主要用于评估细胞大小和细胞外空间的微观结构，计算分为两步，首先利用高频率的OGSE估计表面积与体积之比和自由扩散率，其次利用低频率的OGSE和PGSE建立不渗透球体模型。POMACE模型多用于体外细胞实验，较少应用于临床。

       TDD-MRI技术在肿瘤方面独具优势。随着癌症驱动基因的突变和积累^[24]，成熟细胞去分化成为肿瘤细胞，其形态功能发生改变，与正常组织细胞之间形成明显的异型性^[25]。例如，肿瘤细胞大小可能由于丰富的核分裂象和细胞质而增大，也有可能由于致密的核仁和少量的细胞质而变小，如小细胞神经内分泌癌和肺小细胞癌^[26]；细胞密度可能由于增殖活性增强而升高，细胞间紧密排列。这些微观结构在不同器官、恶性程度及不同分子分型的肿瘤之中具有一定的特征性，使得基于光学显微镜下观察组织细胞形态的病理学成为肿瘤诊断的金标准。然而，病理检查是一种侵入性的检查方法，存在损伤正常组织和促进肿瘤细胞扩散等风险^[27]。TDD-MRI技术对肿瘤细胞的微观结构特征具有较高检测敏感度，可在术前无创评估肿瘤组织的微观病理改变，从而为恶性肿瘤的早期诊断和临床分期提供了新的技术手段。截至目前，TDD-MRI技术已经用于部分肿瘤的临床研究，如头颈部肿瘤、前列腺肿瘤、乳腺肿瘤等，在肿瘤良恶性的鉴别、肿瘤侵袭性的预测、疗效评估等方面展现出重要的研究价值。

2 TDD-MRI在肿瘤方面的应用

2.1 头颈部肿瘤

       TDD-MRI技术已在头颈部肿瘤良恶性鉴别、胶质瘤分级评估及其与其他颅内肿瘤的鉴别诊断中展现出重要临床价值。

       ADCOGSE与ADCPGSE是基于TDD-MRI技术获取的扩散参数，具备区分头颈部肿瘤良恶性的能力。ADCOGSE值指OGSE序列下测得的ADC值，ADCPGSE值指PGSE序列下测得的ADC值。研究表明，同一肿瘤ADCPGSE值通常小于ADCOGSE值，这与扩散时间的缩短而ADC值逐渐增加的时间依赖性原理一致，同时，通常恶性肿瘤的ADCPGSE值和ADCOGSE值小于良性肿瘤，与恶性肿瘤弥散受限明显的特征相吻合^[28]。在一项探讨TDD-MRI对头颈部良恶性肿瘤的鉴别能力的研究中，IIMA等^[28]纳入56例头颈部肿瘤患者（包括下咽癌，鼻咽癌，淋巴瘤等），利用PGSE序列[有效扩散时间（effective diffusion time, tdiff）=82.6 ms]和OGSE（f=50 Hz）（tdiff=4.3 ms），证实恶性头颈部肿瘤的ADCOGSE值和ADCPGSE值均显著低于良性肿瘤（P<0.001），且同一肿瘤的ADCPGSE值低于ADCOGSE值（P<0.000 1）。其次，ADCOGSE和ADCPGSE这两个参数各具有不同的特点。ADCPGSE反映了在较长的扩散时间下，水分子与细胞膜及其他微观障碍物的相互作用，对微观结构和细胞膜通透性的变化敏感，尤其是细胞密度较高或细胞膜通透性变化显著的恶性肿瘤，其扩散受限程度大；ADCOGSE更多地反映了在较短的扩散时间下，水分子在较小尺度上的运动，其扩散受限程度较小。ADC变化值（ADCOGSE值减去ADCPGSE值）及变化率（ADC变化值占ADCPGSE值的百分比）反映了长短扩散时间差值下，水分子额外与微观结构作用而产生的扩散受限差异，较大的ADC变化值可能与微观结构复杂程度相关。MAEKAWA等^[29]研究了ADC变化值及变化率在胶质瘤中的应用，认为ADCPGSE值（tdiff=35.2 ms）和ADCOGSE值（tdiff=6.5 ms）分别表示在水分子扩散位移为25 µm和11 μm的范围下，水分子扩散与微观结构屏障相互作用；而ADCOGSE值较高，表明在11 μm下限制屏障减少，且两者差值正比于水分子在11~25 μm的范围之间与限制屏障的作用次数。因此，ADC变化值或变化率的大小可能间接反映不同组织的扩散受限程度及微观结构的复杂程度。值得注意的是，ADC的变化值及变化率对区分良恶性肿瘤也具有鉴别能力。IIMA等^[28]发现ADC变化值对头颈部恶性肿瘤的诊断性能最佳，曲线下面积（area under the curve, AUC）值达到0.97（P<0.000 1）。

       MRI是诊断和鉴别胶质瘤首选的影像学成像方式，能确定病灶的位置、大小及瘤周水肿情况等，还可通过DWI间接反映细胞密度大小的能力，进而用于区分高级别与低级别胶质瘤及诊断胶质母细胞瘤^[30]，而TDD-MRI技术同样具备这样的能力。与低级别的胶质瘤相比，高级别胶质瘤的恶性增殖更明显、微观组织结构更复杂、侵袭性更强，其特征包括单位空间内细胞数目增加、细胞内核分裂象增多、血管内皮细胞增生较明显^[31]。利用TDD-MRI的IMPULSED模型不仅能获取胶质瘤的微观结构定量参数，还能区分不同的组织学和分子亚型的胶质瘤。ZHANG等^[8]的研究结果表明，相较于儿童低级别胶质瘤，儿童高级别胶质瘤的细胞密度及细胞内体积分数更高、细胞直径更小，这些参数与病理结果高度一致（r=0.699 6，P<0.000 1），该研究还发现细胞直径及细胞外扩散系数可用于预测H3K27突变的中线胶质瘤，此类型的突变预后不佳^[32]。此外，ADCOGSE值、ADCPGSE值、ADC变化值及变化率也可用于高低级别胶质瘤的鉴别。MAEKAWA等^[29]发现高级别胶质瘤ADC变化值及变化率明显高于低级别胶质瘤，这可能与其微观结构更复杂相关。ZHU等^[33]利用TDD-MRI采集多个扩散时间的ADC值并与ADC（0 Hz）值相比，发现术前高级别胶质瘤和治疗后进展病灶具有较高的比值，这与病理检测中显示高细胞密度相关。最近，LIU等^[34]使用Bayesian方法优化IMPULSED模型的微观参数计算方法，此方法能降低图像信噪比和统计误差的影响，从而在预测胶质瘤分级中获得更加准确的微观参数。这些研究证明TDD-MRI能区分不同分期的胶质瘤，但是每个研究所使用的OGSE序列参数及其OGSE振荡梯度频率皆有所不同，需要更多实验验证适用于胶质瘤分期的最低频率要求，并制定出标准化的成像参数方案。

       不同类型肿瘤的微观结构存在差异，具有不同的组织排列方式、癌细胞尺寸、炎细胞浸润程度等，而TDD-MRI也能鉴别胶质瘤与颅内其他肿瘤。KAMIMURA等^{[35, 36]}利用PGSE序列（tdiff=44.5 ms）结合OGSE序列（tdiff=7.1 ms），研究发现与胶质母细胞瘤相比，脑淋巴瘤和转移瘤的ADC变化值及变化率均较高（均P<0.01）。相较于胶质母细胞瘤，另外两种肿瘤的水分子扩散受限程度均更大，其原因可能由于脑淋巴瘤的细胞密集弥漫性生长、细胞间排列紧、周围免疫细胞丰富^[37]；脑转移瘤主要来源于上皮细胞肿瘤，其细胞间黏附的特征导致细胞外空间缩小^[38]，胶质母细胞瘤为非上皮性肿瘤，缺乏细胞间黏附，特征是微血管增殖和坏死^[39]，不过，该研究缺少组织病理验证，对于导致ADC值差异的微观机制仍需进一步探讨。此外，MAEKAWA等^[40]利用OGSE和PGSE序列，研究证实扩散时间在6.5 ms至35.2 ms之间时，相较于脑膜瘤和听神经瘤，垂体腺瘤的ADC变化值更大，可能原因在于垂体瘤组织中5~10 μm大小的基质细胞大量增生，导致微观结构屏障增多。

       上述研究表明，基于TDD-MRI的定量参数在头颈部肿瘤中具备一定的临床应用价值，包括ADCOGSE值、ADCPGSE值、ADC变化值及ADC变化率等，其中ADC变化值及变化率在头颈部肿瘤方面的诊断性能最佳。然而，肿瘤微环境内的各种因素皆有可能影响扩散参数，例如肿瘤细胞的形态及排列方式、病灶周围免疫细胞浸润、细胞外基质中胶质增生等，其机制尚缺乏严谨的解释，未来有必要在病理检查和实验中验证其微观结构变化机制。此外，部分研究的样本量过少，有些甚至小于10人，小样本可以初步分析TDD-MRI技术的可行性，但容易因人群缺乏代表性而产生偏倚，因此可能需要大样本多中心的人群中验证其真实效能。

2.2 前列腺肿瘤

       TDD-MRI技术的VERDICT模型和IMPULSED模型被应用于前列腺肿瘤的研究中，它们在区分前列腺肿瘤的良恶性及评估病理分级方面具备较高诊断性能。

       VERDICT模型能评估细胞内体积分数、细胞外-血管外空间体积分数、血管分数等微观结构参数，进而区分良恶性前列腺组织^[22]。研究^[41]表明恶性前列腺组织的细胞外-血管外空间体积分数较小、细胞内体积分数及血管分数较大（P<0.05），这可能与恶性成分在显微镜下呈现出上皮细胞增生排列紧密、肿瘤细胞间基质减少、周围血管增生的微观结构变化密切相关。该研究比较同一患者的良性与恶性前列腺组织，结合病理定性分析了恶性组织的微观结构特征，但缺少定量分析基于VERDICT模型的微观参数与病理的相关性。

       前列腺肿瘤病理分级的核心标准是Gleason评分，它根据前列腺腺体结构的分化程度，将肿瘤分为1~5级，分级越高，腺体结构越致密、腺腔越狭窄，能反映前列腺肿瘤的侵袭性及预后^[42]。Gleason评分也能解决肿瘤内异质性问题，该评分为主要组织结构分级与次要组织结构分级之和构成（例如3+4=7分）。一般认为，Gleason评分≥7分归类为临床显著性前列腺癌（clinically significant prostate cancer, csPCa），而Gleason评分<7分归类为临床非显著性前列腺癌（clinically insignificant prostate cancer, ciPCa）^[43]。SINGH等^[44]研究发现，与ciPCa相比，csPCa的细胞内体积分数的中位数显著更高，其诊断效能佳，AUC值高达0.96；并且对于磁共振成像难以定性的病灶（前列腺影像报告和数据评分系统评分为3或4分），细胞内体积分数能有效鉴别csPCa和ciPCa（P=0.002）；与以往TDD-MRI研究中样本量较少（通常不超过100例）且多为单中心不同，该研究收集多中心的数据，前瞻性纳入了共167名患者，显著提高了结果的准确性，减少了随机误差。此外，其创新之处还在于，该研究还与传统前列腺影像报告评分系统相对比，验证了TDD-MRI能更好地处理那些难以区分的前列腺肿瘤。PALOMBO等^[45]拟合T1和T2弛豫改进VERDICT模型，开发出relaxation-VERDICT模型，研究表明该模型能区分常规模型难以分辨的部分Gleason评分，例如（3+4）分与（4+3）分，同时还能缩短扫描总时间并提高微观参数评估的准确性；他们提出的TDD-MRI与其他影像学技术相结合的新方案，拓宽了TDD-MRI的临床应用前景，即通过结合其他传统影像学特征形成新的多模态成像系统，进一步提高影像学的诊断效能，并有效减少不必要的穿刺活检。

       IMPULSED模型评估的参数与VERDICT模型有所不同，但对前列腺癌的分级同样具有重要意义，甚至能够区分Gleason 1~5级的各个肿瘤等级。WU等^[1]利用IMPULSED模型发现，Gleason分级与细胞内体积分数及细胞密度正相关、与细胞直径负相关，且TDD-MRI间接测量的细胞内体积分数与病理标本的细胞核分数有较高的相关性（r=0.83，P<0.05）；在所有参数中，细胞密度在区分csPCa和ciPCa时诊断性能最高（AUC=0.96）。该研究不仅详细地对每一例患者都进行了病理分级，而且还验证了病理切片观察到的微观结构与影像学估计的微观结构是否一致。

       综上，基于VERDICT模型和IMPULSED模型的TDD-MRI技术均能非侵入性地诊断前列腺肿瘤，从而早期诊断及鉴别不同分化程度的前列腺癌，这有助于减少非必要的穿刺，并有助于前列腺癌的精确诊断及个体化治疗。目前，影像医生通常使用前列腺影像报告评分系统评估前列腺结节的良恶性，未来可以将TDD-MRI技术结合常规多参数磁共振成像形成联合预测模型，提高传统评分系统的诊断性能。此外，TDD-MRI技术的VERDICT模型的扫描时间比IMPULSED模型更长（12 min vs. 4.5 min），有必要在保持图像质量的情况下开发新型快速扫描的VERDICT模型，以提高患者接受度，增加研究样本量开展相关研究。

2.3 乳腺肿瘤

       利用TDD-MRI技术获得的乳腺细胞直径、ADCOGSE和ADCPGSE值在鉴别良恶性肿瘤并预测肿瘤侵袭性（如淋巴结转移）及预后相关生物标志物（如雌孕激素受体等）有重要作用。

       研究表明，使用TDD-MRI评估人体内乳腺肿瘤细胞直径均在12~18 μm范围内，与体外细胞实验中使用光学显微镜测量的乳腺肿瘤细胞系的大小一致^[46]。不同OGSE振荡梯度频率的成像方案，具有不同的扩散时间，基于TDD-MRI技术计算结果的精确度有所差异，选择适合的频率，既能缩短成像扫描时间，又能提高微观参数估计值的准确性^[12]。BA等^[12]利用IMPULSED模型，分别用短扩散时间组（OGSE的f=25、50 Hz）和长扩散时间组（OGSE的f=17、33 Hz）两组序列扫描，分别将两组估计的微观参数与病理检查结果相对比，发现短扩散时间组显著降低了误差，并证实了短扩散时间组的细胞直径与病理高度一致（r=0.84）。ADCOGSE和ADCPGSE值也具备区分良恶性乳腺癌的能力，甚至比经典磁共振成像序列更有优势。IIMA等^[47]的研究结果表明了恶性乳腺肿瘤ADCOGSE值较低、ADC变化率较高，鉴别乳腺良恶性的特异性比动态对比增强磁共振成像更优异（87.0%~95.7% vs. 73.9%）。

       乳腺癌的分子分型对于乳腺癌的治疗方案的选择及预后情况至关重要，例如，临床上通过人类表皮生长因子受体2（human epidermal growth factor receptor 2, HER-2）受体、雌孕激素受体的表达情况，将乳腺癌分为四种亚型，针对不同的类型选择不同的靶向治疗策略。研究表明TDD-MRI能预测相关分子及受体的表达。BA等^[12]发现HER-2阳性和淋巴结转移阳性组的细胞直径显著高于阴性组（P<0.05），其原因可能是乳腺肿瘤的恶性程度越高，细胞内核分裂象数目越多、细胞微观结构越复杂、平均细胞直径越大^[48]；王晓艳等^[49]发现ADCOGSE和ADCPGSE值能区分HER-2受体、雌孕激素受体阳性的乳腺癌，可能与细胞膜的通透性有关；IIMA等^[47]进一步发现雌激素受体阳性的患者ADCOGSE值低于阴性患者，ADC变化率可用于预测细胞增殖相关抗原Ki-67高表达的患者（P<0.05）。然而这些研究中，分子受体表达影响TDD-MRI微观结构的具体原因及其机制还未得到实验及相关机制验证。

       上述研究表明，基于IMPULSED模型的TDD-MRI技术获得的微观结构参数及扩散参数在区分乳腺肿瘤良恶性和分子分型方面皆展现出极高的诊断潜能，但是以往的研究中通常只应用了一种参数，未来有必要综合两种参数，共同预测分子分型。其次，与前列腺肿瘤相似，TDD-MRI可将乳腺影像报告和数据系统联合，协助判断乳腺结节的良恶性。最后，浸润性乳腺癌可分为浸润性导管癌、浸润性小叶癌、特殊类型浸润性癌（比如小管癌、髓样癌），不同病理分型的细胞组织结构不同，其生物学行为及预后均有差异^[50]，有望开展基于TDD-MRI技术区分乳腺癌的病理类型的相关研究。

2.4 妇科肿瘤

       此外，部分研究^{[51, 52]}探索了TDD-MRI技术在妇科肿瘤（如子宫内膜癌、卵巢癌）中的应用价值，初步研究表明，该技术在子宫内膜癌危险分层和卵巢癌亚型鉴别中展现出潜在诊断价值。EJIMA等^[51]研究了TDD-MRI对子宫内膜癌危险程度分级的预测性能，引入ADC值比率（ADCOGSE值比ADCPGSE值）为指标，研究证实ADC比率与组织学分级、FIGO分期、预后风险分类显著相关，并且ADC比率的AUC值显著高于ADCOGSE或ADCPGSE值的AUC值，可能是由于比值可以直观反映病灶短扩散时间的ADC值变化，更能体现组织的微观结构特性。CAO等^[52]利用IMPULSED模型鉴别高级别浆液性卵巢癌与浆液性交界性肿瘤，研究发现高级别浆液性卵巢癌的细胞内体积分数和细胞密度较大、细胞外扩散系数较小，并且细胞密度与p53蛋白的表达水平呈正相关，细胞外扩散系数与PAX-8蛋白表达水平呈负相关。其原因可能是，p53基因突变可导致失去原有的抑癌功能，从而诱导癌细胞增殖；PAX-8蛋白是一种核转录因子，可促进卵巢癌细胞的增殖、迁移和侵袭^[53]。

       综上，TDD-MRI技术能鉴别不同临床分期和病理分级的子宫内膜癌，可区分高级别或交界性卵巢癌，然而妇科肿瘤方面仅有少部分研究开展，需要更多此方面的学者发现TDD-MRI技术在妇科肿瘤研究的临床价值。

2.5 肿瘤疗效评估

       肿瘤细胞在治疗后，由于细胞肿胀、细胞凋亡、免疫细胞浸润等变化，细胞形态特征可能发生改变，借助TDD-MRI技术可以间接探测治疗前后的平均细胞大小等参数变化，进而早期监测放疗、化疗及免疫治疗。研究发现TDD-MRI能检测到化疗早期由于肿瘤细胞周期停滞导致的平均细胞尺寸增加^[54]，也可评估化疗后期或放疗由于细胞凋亡等因素导致的平均细胞尺寸缩小^{[55, 56]}。此外，利用TDD-MRI技术评估免疫治疗反应具有一定可行性。HOFFMANN等^[57]在体外细胞实验中应用TDD-MRI间接测量乳腺癌肿瘤微环境中免疫细胞和癌细胞半径，结果显示其大小顺序为巨噬细胞（10~15 µm）>癌细胞（6~10 µm）>T细胞（2~4 µm），进一步对乳腺癌动物模型在免疫治疗前后扫描，发现治疗后平均细胞半径下降，经病理验证，这主要归因于T细胞浸润显著增多，而癌细胞大小变化不明显，说明TDD-MRI也能间接反映肿瘤微环境中免疫细胞的浸润情况^[58]。该研究也提醒研究者，肿瘤微环境不仅由肿瘤细胞构成，还包括炎症细胞、血管内皮细胞及其他细胞，而TDD-MRI评估的微观参数是整个系统的平均值，因此，在解读结果时需要考虑癌细胞以外的因素。最近，CAO等^[59]结合PGSE和OGSE（f=35、50 Hz）序列，利用少见的STL-RWBM（short-time-limit random walk with barriers model）模型开展了一项临床研究，该模型考虑了细胞膜的通透性及膜内外水交换，可间接估计自由扩散系数、细胞体积与表面积之比等。此研究对口咽/口腔鳞状细胞癌患者在放化疗前后扫描，证实细胞体积与表面积之比与临床分期显著相关，并且肿瘤治疗后自由扩散系数显著增加，原因可能为肿瘤细胞在治疗后发生细胞肿胀、细胞膜破坏、细胞坏死等改变。

       综上，TDD-MRI技术对肿瘤疗效评估具有一定的理论基础，可以无创性地监测治疗前后肿瘤微观结构的变化，能用于评估肿瘤新辅助放化疗及免疫治疗疗效，但由于TDD-MRI技术投入临床使用的时间还比较短，而疗效评估需要长时间随访，导致现在仍处于初步实验阶段，未来需要更多的学者开展基于TDD-MRI技术对肿瘤疗效评估的相关研究。其次，已有不少研究证明常规DWI的ADC值有助于判断肿瘤治疗反应^[60]，而基础实验研究表明，高振荡梯度频率（比如f=250 Hz）下的ADCOGSE值比常规ADC值的评估疗效效能更佳^[61]，但临床检查用磁共振设备振荡梯度频率一般更低（在100 Hz以下），因此也有必要探讨基于低振荡梯度频率的TDD-MRI扩散参数在肿瘤疗效评估的临床实际应用价值。

3 TDD-MRI的局限性

       TDD-MRI能够无创性地量化肿瘤微观结构信息，在肿瘤良恶性的鉴别、恶性肿瘤的分期等方面展现出重要临床研究价值，然而还存在一些局限性。第一，在扫描方案方面，目前TDD-MRI技术正在起步阶段，各个研究使用的OGSE序列参数均有所不同，需要更多地研究开发适合于各部位肿瘤的统一参数，并进行TDD-MRI扫描方法的标准化，这将有利于整理收集不同的文献并综合分析各个参数的临床价值，并与其他影像学特征相结合协助诊断。第二，在微观结构机制方面，由于肿瘤微环境包括肿瘤细胞及其他细胞，而TDD-MRI技术评估的是整个区域的平均结果，因此，有必要探索影响TDD-MRI微观参数结果的病理生理结构基础。第三，在临床研究方面，TDD-MRI的临床研究多在单中心的部分肿瘤开展并且样本量较少，需要多中心多病例的研究。第四，磁场均匀性及磁场梯度场强等设备参数对于TDD-MRI 的模型计算准确性影响比较大，而临床使用的OGSE序列限制在较低振荡梯度频率导致其缩短扩散时间的能力有限^{[28, 33]}。

4 小结与展望

       总之，TDD-MRI具有无创性评估和量化细胞微观结构参数的能力，例如细胞直径、细胞体积内分数、细胞密度等，进而在鉴别肿瘤良恶性、预测病理分级和肿瘤相关分子生物标志物等方面有一定价值及应用前景。但是TDD-MRI技术尚处于临床应用的试验阶段，随着TDD-MRI技术的不断发展，TDD-MRI技术有望成为临床肿瘤术前诊断及疗效评估的新研究方向。