0 引言

       在消化系统恶性肿瘤中，直肠癌的高度复杂性备受关注，这既源于其独特的生物学特性，也与转移方式的多样性相关^[1]。其中，淋巴结转移（lymph nodes metastasis, LNM）是癌细胞扩散的关键途径；癌结节（tumor deposits, TD）则指原发灶邻近脂肪或系膜内、无淋巴/血管/神经结构且与原发灶不相连的结节^[2]，是影响术后复发与预后的独立预测因子^[3]。因此早期发现LNM和TD对疾病诊断决策、术前个体化方案制订及改善患者预后意义重大^[2]。

       磁共振成像（magnetic resonance imaging, MRI）是术前诊断直肠癌常规成像方法之一，LMN和TD的评估主要依赖体积大小、数量、信号强度及与直肠肿瘤的相对位置关系等形态学特征^[4]。在现有的成像技术方法中，常规扩散加权成像采用的脉冲梯度自旋回波（pulsed gradient spin echo, PGSE）存在局限：其扩散时间相对较长，对组织微观结构差异的敏感度有限^[5]，且测量表观弥散系数（apparent diffusion coefficient, ADC）的方式较宽泛，难以精确反映肿瘤内部微结构^[6]。为了突破这一限制，时间依赖性扩散磁共振成像（time-dependent diffusion MRI, td-dMRI）将PGSE和振荡梯度自旋回波（oscillating gradient spin echo, OGSE）结合。与PGSE相比，OGSE扩散时间更短^[7]，可量化的细胞尺寸接近癌细胞^{[8, 9]}。通过整合两种不同扩散时间的序列，td-dMRI实现了非侵入性探测组织微观结构及量化肿瘤细胞参数的可能。

       经过严谨的动物实验和人体细胞实验验证后，该新型技术已逐步应用于临床研究并取得可靠成果。SOLOMON等^[10]发现，基于td-dMRI的Karger模型可估算头颈部癌症患者转移性淋巴结的细胞-间质水交换时间跟非转移淋巴结不同。BA等^[11]通过short-td方案研究证实，HER-2阳性或伴有LNM乳腺癌细胞直径大于阴性组。XU等^[12]经体内外实验表，IMPULSED方法能评估乳腺癌患者肿瘤细胞大小变化，从而有可能早期预测对新辅助治疗的反应。JOHNSTON等^[13]基于VERDICT MRI获取的前列腺癌细胞内体积分数，可有效区分Gleason 4分的癌症成分与良性组织或Gleason3+3组织。WU等^[14]则发现，td-dMRI拟合的细胞微观结构（如细胞直径、细胞内体积分数、细胞密度和扩散率）与病理结果高度相关，有望成为前列腺癌的特征性指标。尽管td-dMRI在乳腺癌、头颈部肿瘤、前列腺癌等肿瘤的诊断中已展现出良好应用价值，但其在直肠癌诊断领域尚未得到应用。

       本研究旨在探索利用td-dMRI参数来预测直肠癌LNM和TD，力求提高LNM和TD诊断准确性，并完善治疗方案。

1 材料与方法

1.1 研究对象

       本研究回顾性分析2023年12月至2025年3月期间四川省肿瘤医院及四川省人民医院经手术确诊的直肠癌患者影像与临床资料。纳入标准：（1）经组织病理学证实为直肠癌，行根治性手术且术后病理报告完整详细；（2）术前一周内完成直肠高清扫描及td-dMRI扫描；（3）td-dMRI扫描前未接受任何治疗和手术。排除标准：（1）图像因呼吸运动严重干扰无法诊断；（2）扫描域受金属异物节育环、髋关节置换物等严重影响，掩盖病灶；（3）有盆腔手术史；（4）病理资料不完整。病理诊断依据美国癌症联合委员会（American Joint Committee on Cancer, AJCC）第8版^[15]标准，根据LNM情况，将患者分为LNM阴性组（Neg-LNM）与阳性组（Pos-LNM）；依据TD情况分为TD阴性组（Neg-TD）和阳性组（Pos-TD）。本研究遵守《赫尔辛基宣言》，经四川省肿瘤医院医学科研与医疗新技术伦理委员会批准，豁免受试者知情同意，伦理批号：SCCHEC-02-2024-049。

1.2 仪器与方法

       所有受检者在四川省肿瘤医院和四川省人民医院完成td-dMRI检查，检查采用3.0 T磁共振扫描仪（型号分别为MAGNETOM Skyra, Siemens Healthineers, Erlangen, Germany; MAGNETOM Vida, Siemens Healthineers, Erlangen, Germany），并搭配16通道阵列线圈进行信号采集。检查前，受检者需使用20 mL含甘油开塞露（信龙牌开塞露，上海运佳黄浦制药有限公司，中国）清洁肠道，以降低肠道内容物对图像质量的干扰。检查时取仰卧头先进体位，采用统一的成像方案，包含OGSE横断位序列、PGSE横断位序列和T2WI小视野横断位序列。OGSE序列分别设置为25、40 Hz。其中，25 Hz下的有效扩散时间为7.1 ms，b值为0、350、710 s/mm²；40 Hz下的有效扩散时间为4.6 ms，b值为0、150、350 s/mm²。PGSE序列的有效扩散时间为43.4 ms，b值为0、350、710 s/mm²。OGSE和PGSE两个序列均按三个扩散方向标准化处理，二者的共同参数设定为：TR 5000 ms，TE 132 ms，FOV 260 mm×260 mm，平面分辨率3.17 mm×3.17 mm，层数10，层厚5 mm，层间距1.5 mm，单个序列的扫描时间为1 min 32 s。T2WI横断位序列，TR 4960 ms，TE 89 ms，FOV 200 mm×200 mm，平面分辨率0.625 mm×0.625 mm，层数25，层厚3 mm，层间距为0 mm，总扫描时间为1 min 46 s。OGSE序列、PGSE序列与上述T2WI序列的扫描位置均垂直于病灶中心，且三者的扫描范围和扫描中心完全保持一致。

1.3 图像重建和分割

       所有定量参数均由两名具备5年以上工作经验的放射科主治医师共同分析和测量，测量过程中不知晓患者的手术及病理结果。若在分析过程中两者出现意见分歧，则由第三名具备10年以上工作经验的主任医师对影像资料进行审阅并做出决定。为确保图像分割的精准性，在使用ITK-SNAP（Version 3.2）软件勾画病灶感兴趣区（region of interest, ROI）时，需以T2加权的小视野高清图像为参考。具体操作如下：在PGSE-DWI图像上选取病灶实质部分范围最大的连续三个层面，采用手动勾画ROI；完成后，软件将在其他序列图像上自动生成对应的ROI，并进一步计算生成ADCPGSE值、ADCOGSE25Hz值及ADCOGSE40Hz值。勾画时应尽量包含肿瘤的实质部分，同时注意避开坏死、出血、囊变组织以及邻近的非肿瘤组织。

       采用MATLAB中的最小二乘曲线拟合工具（MathWorks, Inc）^[10]，并通过INPULSED模型获得定量微观结构参数，包括细胞直径（diameter, d）、细胞内体积分数（intracellular volume fraction, Vin）、细胞外扩散系数（extracellular diffusion coefficient, Dex）和细胞密度。为保证参数的稳定性，将Vin设定为1.5 μm²/ms，同时参考以下生理约束条件^{[16, 17]}：0.2<d<25 μm，0<Vin<1，0<Dex<3.1 μm²/ms^[10]。

1.4 组织病理学参数与td-dMRI参数相关性分析

       组织病理学切片由一位对MRI检查结果不知情的病理医师进行判读，具体处理与分析流程如下：使用Qupath4.3和Openslide进行数字切片处理；借助人工智能辅助病理医师标注目标区域，随后设置并调用细胞检测模块开展细胞计数分析，获取细胞大小、数量等数据；细胞核的体积加权直径（the nucleus diameter, dnuclei）计算公式见式（1）^[18]：

       其中，n代表细胞数量，d为直径，Σ表示求和。计算出的dnuclei需按1.8的比例因子换算为最终d值。

       基于病理分析的fnuclei计算公式见式（2）：

       其中，Atissue为全组织面积，Anuclei为全细胞核面积。

       基于病理分析的细胞密度计算公式见式（3）：

1.5 统计学分析

       采用SPSSPRO（version 1.1.22）软件进行统计学分析。计数资料用百分比（%）表示；先对数据进行正态性和方差齐性检验，符合正态分布且方差齐性者，以均数±标准差描述，采用独立样本t检验比较样本均数。不符合正态分布或方差齐性者，以中位数（上下四分位数）描述，使用Mann-Whitney U检验分析组间差异。采用组内相关系数（intra-class correlation coefficient, ICC）判断观察者间测量td-dMRI参数的一致性，ICC≤0.2、0.2<ICC≤0.4、0.4<ICC≤0.6、0.6<ICC≤0.8、0.8<ICC≤1依次表示为一致性较差、一般、中等、较好、很好。使用单因素逻辑回归分析不同参数值的预测效能，再联合有预测效能的参数值行多因素逻辑回归分析。绘制受试者工作特征（receiver operating characteristic, ROC）曲线，计算ROC曲线下面积（area under the curve, AUC）、cut-off值、敏感度、特异度及准确度，评估微观参数和ADC比值的诊断效能（AUC<0.5，无诊断意义；0.5≤AUC<0.7，较低准确性；0.7≤AUC<0.9，有一定准确性；0.9≤AUC，较高准确性）^[19]。相关性分析采用Pearson相关系数评估。以双侧P<0.05作为判定差异具有统计学意义的标准。

2 结果

2.1 一般资料

       该研究共收集了121例患者资料，其中8例因肠道蠕动严重干扰导致图像质量差、无法诊断，5例因金属异物产生严重伪影掩盖病灶，7例在td-dMRI检查前已接受放化疗，13例病理资料不齐全，上述患者均被排除研究。最终纳入88例患者，其中男57例、女31例；年龄42~85（65.49±8.58）岁；Neg-LNM组40例，Pos-LNM组48例；Neg-TD组70例，Pos-TD组18例。各组患者详细临床资料及对比结果见表1和表2；患者的td-dMRI参数伪彩图示例见图1。

点击查看大图

图1  T2WI、ROI图像和td-dMRI拟合的肿瘤微结构参数图像（含细胞直径d、细胞内体积分数Vin、细胞外扩散率Dex以及细胞密度）。1A：69岁男性直肠腺癌患者（无淋巴结转移）；1B：53岁男性直肠腺癌患者（伴有淋巴结转移）；1C：59岁女性直肠腺癌患者（无癌结节）；1D：72岁女性直肠腺癌患者（伴有癌结节）。ROI：感兴趣区；td-dMRI：时间依赖性扩散磁共振成像；d：细胞直径，单位为μm；Vin：细胞内体积分数；Dex：细胞外扩散系数，单位为μm²/ms。
Fig. 1  Shown in sequence in the figure are T2WI images, ROI-T2WI images, and tumor microstructure parameter images fitted by td-dMRI (including cell diameter d, intracellular volume fraction Vin, extracellular diffusivity Dex, and cellularity). 1A: A 69-year-old male patient with rectal adenocarcinoma (without lymph node metastasis); 1B: A 53-year-old male patient with rectal adenocarcinoma (with lymph node metastasis); 1C: A 59-year-old female patient with rectal adenocarcinoma (without cancer nodules); 1D: A 72-year-old female patient with rectal adenocarcinoma (with cancer nodules). ROI: region of interest; td-dMRI: time-dependent diffusion magnetic resonance imaging; d: cell diameter, μm; Vin: intracellular volume fraction; Dex: extracellular diffusion coefficient, μm²/ms.

点击查看表格

表1  LNM患者基线资料表
Tab. 1  Baseline characteristics table of patients LNM

点击查看表格

表2  TD患者基线资料表
Tab. 2  Baseline characteristics table of patients TD

2.2 组织病理学验证结果

       细胞核从苏木精-伊红染色的全切片图像中自动分割获得（图2A~2C）。在16个代表性样本子集中，td-dMRI衍生的微观结构参数与病理学测量结果呈正相关：Vin（r=0.704）、d（r=0.707）、细胞密度（r=0.717），且P均<0.05（图2D~2F）。

2.3 td-dMRI各参数在LNM和TD不同组间对比结果

       观察者间测量d、Vin、Dex、细胞密度、ADCOGSE25Hz/PGSE和ADCOGSE40Hz/PGSE值的一致性均较好[ICC分别为0.934（0.899，0.957）、0.847（0.766，0.900）、0.812（0.712，0.877、0.906（0.856，0.938）、0.875（0.723，0.947）、0.826（0.704，0.879）]，故使用连续三层测量值的平均值作为最终结果。

       Pos-LNM组的d值和ADCOGSE25Hz/PGSE显著高于Neg-LNM组（P均<0.05），Pos-LNM组的细胞密度显著低于Neg-LNM组（P<0.05）。Pos-TD组d值和ADCOGSE25Hz/PGSE显著高于Neg-TD组（P均<0.05）。Pos-TD组的细胞密度显著低于Neg-TD组（P<0.05）。ADCPGSE、ADCOGSE25Hz和ADCOGSE40Hz在LNM和TD组间无显著性差异（P>0.05）。具体结果见表3。

点击查看大图

图2  td-dMRI 微观结构参数与病理检查所得微观结构特性之间的相关性分析（n=100 例）。2A：受检者病理标本苏木精-伊红染色图像（×40）。2B：苏木精-伊红染色图像（×40）经预训练条件生成对抗网络分割后的细胞核显示。2C：病理显微结构特性的自动量化结果。2D：影像学参数Vin 和病理学参数fnuclei 之间的相关性。2E：影像学参数d和病理学参数d 之间的相关性。2F：影像学参数细胞密度和病理学参数细胞密度之间的相关性。fnuclei：细胞核体积比例；d：细胞直径，单位μm。
Fig. 2  Correlation analysis between td-dMRI microstructural parameters and microstructural characteristics obtained by pathological examination (n=100 cases). 2A: Hematoxylin-Eosin staining image of patients' pathological specimens (×40). 2B: Nucleus visualization of hematoxylin-eosin staining image (×40) after segmentation by pre-trained conditional generative adversarial network. 2C: Automatic quantification results of pathological microstructural characteristics. 2D: Correlation between imaging parameter Vin and pathological parameter fnuclei. 2E: Correlation between imaging parameter d and pathological parameter d. 2F: Correlation between imaging parameter cellularity and pathological parameter cellularity. fnuclei: nuclear volume fraction; d: cell diameter, μm.

点击查看表格

表3  td-dMRI参数组间对比结果
Tab. 3  Inter-group comparison results of td-dMRI parameters

2.4 二元逻辑回归分析结果

       对组间有显著性差异的td-dMRI参数进行单因素二元逻辑回归分析，结果显示在“Neg-LNM vs. Pos-LNM”组中d值、细胞密度值和ADCOGSE25Hz/PGSE均能预测LNM（P<0.05、P<0.05、P=0.001）。在“Neg-TD vs. Pos-TD”组中d值和ADCOGSE25Hz/PGSE均能预测TD（P<0.05，P=0.009），见表4。进一步将上述两组中均有预测价值的d和ADCOGSE25Hz/PGSE进行多因素二元逻辑回归分析，结果显示，联合参数能预测LNM（P<0.05、P=0.016）和TD（P=0.045、P=0.023），见表5。

点击查看表格

表4  td-dMRI参数的单因素逻辑回归分析
Tab. 4  Univariate logistic regression analysis of td-dMRI parameters

点击查看表格

表5  d与ADCOGSE25Hz/PGSE联合的多因素逻辑回归分析
Tab. 5  Multivariate logistic regression analysis of d combined with ADCOGSE25Hz/PGSE

2.5 td-dMRI参数对LNM和TD的诊断效能分析结果

       选取d值、ADCOGSE25Hz/PGSE及两者的联合模型绘制ROC曲线（图3）。结果显示，这三个参数对LNM和TD均具备良好诊断能力，其AUC值均大于0.70（表6）。

点击查看大图

图3  td-dMRI参数对LNM（3A）与TD（3B）诊断效能的ROC曲线。td-dMRI：时间依赖性扩散磁共振成像；d：细胞直径；ADC ration：OGSE25Hz序列的ADC值与PGSE序列的ADC值的比值；LNM：淋巴结转移；TD：癌结节；Combination model：d值与ADCOGSE25Hz/PGSE两者的联合模型。
Fig. 3  ROC curves of td-dMRI parameters for the diagnostic efficacy of LNM (3A) and TD (3B). td-dMRI: time-dependent diffusion magnetic resonance imaging; d: cell diameter; ADC ratio: ratio of ADC value from OGSE25Hz sequence to ADC value from PGSE sequence; LNM: lymph node metastasis; TD: tumor nodule; Combination model: combined model of d value and ADCOGSE25Hz/PGSE.

点击查看表格

表6  ROC曲线的相关统计值
Tab. 6  Relevant statistical values of ROC curves

3 讨论

       本研究采用td-dMRI 技术，在不同有效扩散时间下获取细胞及亚细胞水平的微观结构信息（如d、Vin、Dex、细胞密度），并通过测量不同弥散时间下ADC值的变化评估组织微结构。结果显示，基于td-dMRI的微观结构参数与病理微观结构拟合度良好，且LNM、TD阳性组的d值及ADCOGSE25Hz/PGSE值显著高于阴性组。本研究有望通过该技术，实现直肠癌淋巴结转移及癌结节的无创预测。

3.1 td-dMRI微观结构参数及ADC值预测LNM的效能

       本研究首先通过相关性验证明确技术基础，td-dMRI微观结构参数，与病理检测的微观结构特性高度相关，表明td-dMRI磁共振成像模型具备生物物理学支持、可解释性强且临床可行性高的特点^{[18, 20]}，为后续参数分析奠定技术合理性依据。

       在此基础上，本研究对比分析了Pos-LNM组与Neg-LNM组的td-dMRI拟合参数差异：一方面，Pos-LNM组的d值高于Neg-LNM组，而细胞密度低于Neg-LNM组，此结果与BA等^[11]此前的研究发现类似。推测机制为伴有淋巴结转移的患者，其癌细胞在持续增殖和侵袭过程中，细胞核内物质合成增加、细胞核增大，导致d值升高^{[9, 21]}。虽有相关研究指出LNM处的细胞密度高于原发部位^{[22, 23]}，但本研究聚焦于原发肿瘤测量，出现LNM转移时原发肿瘤通常体积较大且细胞密度下降，这可能与较大肿瘤中细胞外基质更密集、纤维化程度更高或伴随细胞坏死有关^{[24, 25, 26]}。另一方面，从td-dMRI技术的ADC值及相关比值来看，Pos-LNM组的ADC值高于Neg-LNM组，提示该组织内水分子受限程度更低，这与上述Pos-LNM组细胞密度更低的统计结果相互印证^{[27, 28, 29]}。进一步分析发现，采用ADCOGSE25Hz与ADCPGSE比值预测LNM的诊断效能显著优于单独使用ADCOGSE和ADCPGSE值。

       为明确参数临床价值，本研究通过回归分析筛选关键指标并验证其效能。首先经单因素逻辑回归分析发现，d和ADCOGSE25Hz/PGSE均与LNM相关，遂将两者纳入多因素逻辑回归分析，结果证实这两项指标均为LNM的独立危险因素。后续诊断效能验证表明，d、ADCOGSE25Hz/PGSE及两者的联合模型预测LNM的AUC值均大于0.7，表明可有效用于LNM预测，为直肠癌术前评估的新潜在指标。基于上述研究结果，对于d和ADCOGSE25Hz/PGSE值较高的患者，可能需要采取更积极的治疗措施^{[30, 31]}，包括更广泛的淋巴结清扫或术前新辅助化疗，有助于完善治疗方案。

3.2 td-dMRI微观结构参数及ADC值预测TD的效能

       本研究首先对比分析了Pos-TD组与Neg-TD组的微观结构参数差异，结果显示：Pos-TD组的直肠癌患者细胞d值和ADCOGSE25Hz/PGSE高于Neg-TD组，而细胞密度低于Neg-TD组。这表明直肠癌患者术前肿瘤细胞的d值和ADCOGSE25Hz/PGSE值有潜在预测直肠癌是否存在癌结节的能力。结合病理机制，可能原因在于TD本质是肿瘤细胞异常聚集的结果，对于存在TD的患者，其癌细胞在聚集增殖过程中，细胞核体积增大、细胞基质含量增多，进而导致细胞直径增加^[32]；细胞直径增大与细胞外空间结构改变，进一步表现为细胞密度降低。

       为验证结构参数与TD的关联及预测价值，进一步开展二元逻辑回归分析，结果表明，d值、ADCOGSE25Hz/PGSE值，以及两者构建的联合指标均与TD存在相关性。且d、ADCOGSE25Hz/PGSE及两者的联合模型预测TD的AUC值均大于0.7，证实其具备预测TD的潜在能力。从临床意义来看，TD的出现通常预示着病情更严重以及预后不良，此研究为进一步了解TD的形成机制以及评估其对疾病进展的影响补充了影像学视角。

3.3 局限性

       本研究存在一些局限性。首先，研究样本量相对较小，可能会降低研究结果的可靠性，因此需要多中心大样本的数据的进一步验证。其次，本研究未开展病理与影像的精准配准，在后续研究中，可参考影像图像进行定点穿刺取样，以提升病理结果与影像表现的吻合度。此外，对Vin和Dex其他参数来说，对LNM及TD诊断效能尚不理想，可能需要更大规模的数据来验证并优化其诊断效能。在未来的研究中也可以探索其他功能磁共振成像技术与td-dMRI技术结合的诊断效能，从而获取更全面的肿瘤信息。

4 结论

       本研究表明，基于术前td-dMRI的微观结构参数d值和ADC比值，在预测直肠癌LNM和TD方面具有良好的临床应用潜力，有望为直肠癌的诊断和治疗提供帮助。