0 引言

       2021年世界卫生组织中枢神经系统肿瘤分类（WHO Classification of Tumors of the Central Nervous System, WHO-CNS）将分子分型纳入脑胶质瘤分级标准，并扩展至多种肿瘤的预后评估^[1]。肿瘤分子标志物在风险分层中的作用也正逐步超越传统组织学分级^[2]，分子特征在肿瘤诊断分型、精准医疗及疗效评估中的重要价值日益凸显。当前，分子标志物检测主要依赖组织活检和外周血检测，这两种检测手段受限于有创性、取样偏差及组织异质性，难以满足临床快速决策需求^{[3, 4]}。影像学检查凭借其无创、整体观察病变的独特优势，可作为病理检查的补充手段^{[5, 6]}。体素内不相干运动（intravoxel incoherent motion, IVIM）作为扩散加权成像（diffusion-weighted imaging, DWI）技术的衍生序列，能间接反映部分分子特征^{[7, 8]}，但IVIM技术受限于成像原理，在精确量化细胞微结构方面存在局限^{[9, 10, 11]}。

       时间依赖扩散MRI（time-dependent diffusion MRI, TDD-MRI/td-dMRI）作为一种新兴影像技术，为分子标志物的影像学预测提供了新视角^[12]。目前，该技术已应用于肿瘤分子分型预测、疗效监测及预后评估等多个临床相关领域，且已有部分研究对其在肿瘤领域的应用价值进行了总结^{[13, 14]}。然而，现有综述多聚焦于肿瘤诊断与疗效评估的宏观应用，缺乏对分子标志物预测这一核心方向的系统归纳；同时，当前TDD-MRI在肿瘤分子标志物预测方面的研究呈现碎片化特征，存在参数标准化不足、分子机制解析欠缺等问题^{[15, 16]}。因此，本综述将系统阐述TDD-MRI在肿瘤分子标志物无创预测领域的研究现状与发展趋势，探讨TDD-MRI在不同肿瘤类型中的应用特征及差异性表现，并分析目前研究局限性与未来发展方向，以期为该技术的标准化与临床转化提供参考，提升肿瘤精准诊疗水平。

1 TDD-MRI成像原理及技术优势

       TDD-MRI是一种通过整合扩散信号的时间依赖性，在细胞水平探测组织微观结构复杂性的先进成像技术^[11]。该技术通过整合脉冲梯度自旋回波（pulsed gradient spin echo, PGSE）与振荡梯度自旋回波（oscillating gradient spin echo, OGSE）两种序列的优势，有效缩短水分子扩散时间，从而能够无创量化细胞内体积分数（intracellular volume fraction, vin）、细胞内分数（intracellular fraction, fin）、细胞外扩散系数（extracellular diffusion coefficient, Dex）等微结构参数，为间接观测分子标志物所驱动的细胞微结构改变提供了新途径^[17]。传统PGSE序列受限于梯度性能，最小可分辨尺寸大于13 μm，难以解析微米级别肿瘤细胞^[18]；而OGSE序列借助频率可调的振荡梯度，将有效扩散时间缩短至毫秒级，对5~20 μm的结构高度敏感^{[13, 18]}。TDD-MRI 通过整合PGSE与OGSE序列，拓宽了微观探测的尺度范围，使其有效覆盖了肿瘤分子标志物介导的形态学演变（如细胞增殖导致的密度增加或血管生成引起的间隙改变^[14]），为分子表型的无创评估奠定了基础。

       TDD-MRI 借助多隔室生物物理模型解析扩散信号，可实现对关键微结构参数的精准量化，常用模型主要包括基于受限扩散谱编译的微结构参数成像（imaging microstructural parameters using limited spectrally edited diffusion, IMPULSED）、肿瘤微环境血管-细胞外-受限扩散计量模型（vascular, extracellular and restricted diffusion for cytometry in tumors, VERDICT）和脉冲与振荡梯度MRI评估细胞尺寸及细胞外间隙技术模型（pulsed and oscillating gradient MRI for assessment of cell size and extracellular space, POMACE）^[19]（表1）。与常规DWI相比，TDD-MRI具有显著临床优势：无需对比剂，检查时间可控（≤15 min），参数稳定性高，适合重复检测。重要的是，研究表明TDD-MRI参数与特定分子标志物状态显著相关，如TDD-MRI参数可反映人类表皮生长因子受体2（human epidermal growth factor receptor 2, HER-2）过表达肿瘤常见的坏死结构特征，也可反映雌激素受体（estrogen receptor, ER）和孕激素受体（progesterone receptor, PR）阳性对应的细胞密度改变^[20]。此外，TDD-MRI与IVIM技术联合应用，可进一步提高灌注参数稳定性，增强对血管生成与靶向治疗效果检测的敏感性^[21]。作为一种新兴技术，TDD-MRI已在乳腺癌、脑胶质瘤、子宫内膜癌、卵巢癌及结直肠癌的分子标志物预测中展现一定应用价值^{[22, 23, 24]}。

点击查看表格

表1  3种TDD-MRI模型特点对比
Tab. 1  Comparison of characteristics of three TDD-MRI models

2 TDD-MRI在分子标志物无创预测中的应用进展

2.1 乳腺癌领域研究进展

       多项研究提示HER-2阳性乳腺癌在TDD-MRI参数上的呈现具有一致趋势：细胞直径增大，fin明显降低，而与表观扩散系数（apparent diffusion coefficient, ADC）相关的ADCOGSE值（OGSE序列下测得的ADC值）升高，这可能是由于HER-2阳性肿瘤常伴随微循环灌注增强与跨膜水交换增加，且肿瘤坏死区液化后组织松散、间隙扩大，导致ADCOGSE升高与fin降低^{[15, 20, 27]}。WANG等^[28]进一步验证了TDD-MRI参数与病理组织的高度相关性（r=0.67~0.81，P<0.001），并提出合理的生理学约束范围（4<细胞直径<30 μm，0<fin<1，0<Dex<3.5 μm²/ms），为未来研究提供规范化参考。与此相反，PENG等^[16]未发现HER-2阳性与阴性组间的差异，这可能归因于该研究样本量较小（n=27）且肿瘤类型单一（仅浸润性导管癌），这也提示样本量大小和病理分型差异是影响研究结果的重要因素。另外，随着HER-2分类由传统二分法扩展至零表达、低表达、超低表达及阳性表达，对应的影像学需求也日益突出。WANG等^[29]报道，基于TDD-MRI微结构直方图参数的模型可区分四种HER-2亚型，其中区分阳性表达与低表达的曲线下面积（area under the curve, AUC）达0.87，优于传统ADC指标，表明细胞直径、fin、Dex的偏度与峰度等直方图特征能够反映瘤内异质性、增强分子分型能力，同时具备更明确的生物学解释性。借鉴当前高分辨率MRI结合人工智能模型用于肿瘤自动分割与多维特征提取的技术经验^[30]，TDD-MRI未来或可与人工智能进一步融合，以增强模型可解释性，提升对低丰度分子标志物的检测能力^[31]。

       在乳腺癌的激素受体相关研究中，ER/PR的阳性状态通常被视为良好的预后指标，常提示肿瘤分级较低、侵袭性较弱以及对激素治疗反应更佳^[32]。基于IMPULSED模型的研究中，BA等^[15]与WANG等^[20]均发现PR阳性组的fin增高，ADCOGSE和ADCPGSE（PGSE序列下测得的ADC值）下降，提示PR阳性乳腺癌的细胞密度增加及水扩散受限；相反，PENG等^[16]结果显示PR阳性组表现为更低vin和细胞密度、更高Dex与ADCPGSE，其认为这些指标变化更符合激素受体阳性肿瘤生物学行为相对良性的临床特征。需要注意的是，IMPULSED 模型将细胞视为不可渗透球体并忽略跨膜水交换，该设定虽简化了计算流程，却可能降低细胞内体积分数及细胞密度的测算精度，削弱模型对病理变化的反应敏感度^[33]。JOINT与EXCHANGE模型是考虑跨膜水交换的生物物理模型^{[34, 35]}。WU等^[36]将这两种模型纳入乳腺癌相关研究后发现，ER、PR阳性组呈现出更低的水交换速率与更高的vin，这提示JOINT与EXCHANGE模型可在一定程度上反映激素受体相关的微观结构特征。不过WU等^[36]同时指出，此类模型对提升乳腺癌亚型鉴别效能的作用有限。此外，多项研究报道ER阳性肿瘤常伴ADCOGSE和Dex降低，与其抑制血管生成、减少胞外间隙的机制相符^{[37, 38]}。考虑到单一受体状态的判读结果可能受分子分型（如 Luminal A/B）影响，未来研究需联合分析ER/PR状态及临床分型，以提升TDD-MRI相关参数解释的一致性。

       增殖相关标志物方面，增殖标志物Ki-67（marker of proliferation Ki-67, Ki-67）高表达通常提示细胞周期活跃和预后不良^[39]。PENG等^[16]发现Ki-67高表达乳腺癌的vin升高而Dex降低；LI等^[23]发现乳腺恶性病变的细胞直径与Ki-67呈正相关，这一现象提示乳腺癌细胞在快速增殖的过程中，可伴随细胞直径的增大。然而，BA等^[15]未观察到显著差异，但其发现在OGSE为50/25 Hz条件下乳腺癌的细胞直径与病理相关性最佳（r=0.84），提示参数的敏感性可能与扩散时间选择相关。

       综上，TDD-MRI的vin、fin参数能否有效区分乳腺癌ER、PR阳性分型仍需进一步验证，而ADCOGSE在识别乳腺癌分子标志物方面表现相对稳健。此外，尽管考虑跨膜水交换的模型在理论上更为完备，但其对临床诊断效能的提升价值仍需进一步验证。未来可探索将 TDD-MRI 与人工智能等多模态技术联用，依托该技术在反映瘤内异质性、增强生物可解释性上的独特优势，进一步提升预测模型的诊断效能。

2.2 脑胶质瘤领域研究进展

       脑胶质瘤的关键分子标志物在治疗决策与预后评估中起重要作用，但儿童弥漫中线胶质瘤为深部病灶，活检难度大，致使该类肿瘤的H3K27分型难以在术前明确判定^[40]；胶质母细胞瘤的MGMT启动子甲基化（methylated MGMT, mMGMT）状态同样需术后才能确认，进而限制术前化疗敏感性的判断。此外，治疗过程中不同肿瘤亚型的增殖活性变化也需动态监测^[41]。因此，实现分子标志物的无创、定量评估对精准分型与疗效评价至关重要。

       在儿童弥漫中线胶质瘤中，ZHANG等^[42]提出TDD-MRI的细胞直径参数对H3K27突变状态具有最高区分能力（AUC=0.918），细胞直径与Dex联合后的AUC可进一步提升至0.929。H3K27突变型肿瘤普遍表现为ADC、Dex和细胞直径降低，而fin与细胞密度升高，提示该突变型肿瘤组织的致密程度更高，且微观结构异质性更强。这一成像特征与H3K27突变型肿瘤常见的毛细胞星形胶质细胞样形态及纤毛状外观相一致^[43]，而该病理形态特点可能导致TDD-MRI模型中细胞直径估计偏小。在胶质母细胞瘤研究中，梁晓晶等^[44]发现fin与细胞核比例显著相关，并能够有效区分mMGMT与非甲基化MGMT启动子（unmethylated MGMT, uMGMT）亚型（AUC=0.95；敏感度95%；特异度90%），该研究还观察到mMGMT亚型出现更高的Dex值。理论上Dex反映细胞外间隙水分子的扩散受限情况，较高的Dex值提示更宽松或更丰富的细胞外基质^[1]，与mMGMT亚型组织结构特征相符。然而，Dex的诊断效能（AUC=0.69）低于fin，提示后者对细胞密度及细胞内外扩散过程的综合反映更加敏感^[17]。

       这些结果显示TDD-MRI微结构参数能够从影像层面区分不同MGMT状态及H3K27分子亚型，并提示潜在的化疗敏感性差异^{[42, 44]}。同时，鉴于H3K27改变型中线胶质瘤常伴随P53和Rb通路失活、ACVR1激活突变以及PDGFRA、EGFR、FGFR1、PIK3CA等多种合作突变；胶质母细胞瘤的mMGMT亚型也常伴随CIC突变、FUBP1突变以及TERT启动子突变^{[45, 46]}，TDD-MRI采集到的微结构特征可能受多重基因异常共同驱动的影响。综上，TDD-MRI测量的微结构参数不仅与组织学特征具有较强的相关性，也具备预测关键分子亚型的潜力。然而，考虑到单一分子标志物突变常伴随其他突变的复合影响，未来在获得系统的测序数据后，可结合组蛋白修饰模式与共突变谱对TDD-MRI参数进行分层分析，以期为脑胶质瘤的无创分型与个体化治疗提供全新思路。

2.3 女性生殖系统肿瘤领域研究进展

       女性生殖系统肿瘤的个体化治疗和预后评估高度依赖分子标志物，如子宫内膜癌的Ki-67、卵巢癌的P53和核转录因子8（transcription factor paired box 8, PAX8）^{[47, 48]}。现有研究已初步验证TDD-MRI与女性生殖系统肿瘤病理之间的关联，在子宫内膜癌中，EJIMA等^[12]首次使用TDD-MRI，通过分析ADC比值与风险分层的相关性初步评估肿瘤增殖活性，但未提供详细微结构参数。随后，ZHAO等^[22]采用改进的两室IMPULSED模型，结合多扩散时间及合理b值，成功量化细胞直径、密度及ΔADC，其研究显示，高Ki-67组表现为细胞直径与ADCOGSE值下降，而细胞密度与ΔADC升高；其中细胞密度区分高低Ki-67组的AUC达0.829，并与病理学的细胞密度高度相关（r=0.771），证实TDD-MRI能无创反映细胞增殖相关的微结构差异，该结果与LI等^[23]在乳腺病变中的研究结论（细胞直径与Ki-67呈正相关）存在差异，提示不同肿瘤类型中高Ki-67表型所对应的细胞形态学特征可能存在差异，即相同分子标志物在不同肿瘤背景下可能呈现不同的生物学行为，这一现象与既往关于肿瘤异质性的研究结果相一致^[49]，其潜在机制仍有待进一步阐明。在卵巢肿瘤中，高级别浆液性卵巢肿瘤（high-grade serous ovarian cancer, HGSOC）与浆液性交界性卵巢肿瘤（serous borderline ovarian tumor, SBOT）在治疗策略上差异显著，术前鉴别仍依赖病理学形态评估^[50]。PAX8是卵巢癌高度特异性的核转录因子，其表达水平与肿瘤细胞的增殖、迁移和侵袭能力密切相关^[51]。CAO等^[24]发现，HGSOC的细胞密度与P53表达呈正相关（P=0.028，r=0.389），Dex与PAX8表达呈显著正相关（P=0.018，r=0.415），提示TDD-MRI所获取的微结构信息能够对应关键的免疫组化标志物，并可在一定程度上反映由细胞大小与细胞密度等微结构因素影响的PAX8表达变化，从而为卵巢肿瘤的术前分型提供可靠的影像学依据。

       综上，现有TDD-MRI在女性生殖系统肿瘤中的研究发现相同分子标志物在不同癌种中可能呈现差异化的影像学表现，但其背后的机制尚缺乏系统性解析。未来可考虑将TDD-MRI的多种模型（包括JOINT、EXCHANGE等）纳入比较研究，从微观水分子扩散与交换机制的角度，更精确地阐释不同肿瘤类型中异质性表型的形成机制，也可通过多模型融合，提高TDD-MRI在分子亚型判别、肿瘤微环境表征及预后预测中的稳定性与泛化能力。

2.4 结直肠肿瘤领域研究进展

       TDD-MRI在解析结直肠癌不同分子亚型的微结构差异方面展现出显著潜力。DiFi肿瘤和SW620肿瘤分别代表具有特异基因突变谱的表皮生长因子受体依赖型与高转移潜能型结直肠癌，阐明二者的生物学特性对理解结直肠癌侵袭转移机制及制定靶向治疗策略具有重要意义^{[52, 53]}。在异种移植模型研究中，JIANG等^[54]发现DiFi肿瘤表现为较高的vin与Dex，而SW620肿瘤则呈现ADC值降低和细胞密度升高，IMPULSED衍生细胞密度与组织学相关性更强（r=0.81），显著优于传统ADC（r=-0.69）。

       综上，JIANG等^[54]的研究表明，IMPULSED方法能够更精准且无创地反映结直肠癌不同分子亚型的细胞学差异，为更深入的分子亚型表征与预后预测提供具有潜在价值的影像学依据。然而，目前在直肠癌领域关于该技术的研究仍有限，TDD-MRI凭借其对细胞微结构高度敏感的特点，在直肠癌研究中具备进一步拓展的潜力，未来其应用有望在肿瘤良恶性分型、关键分子标志物（如KRAS、MSI）预测等方面发挥作用，为临床精准诊疗提供更强的影像支持。

3 小结与展望

       肿瘤分子标志物的快速、无创、可重复预测已成为精准医学时代的重要需求，扩散 MRI 的发展为实现这一目标提供了新思路。TDD-MRI依托其可调节扩散时间的技术优势，能够通过相关参数量化细胞微结构的改变，如vin升高提示细胞密度增加，Dex降低反映胞外间隙受限，fin降低多与细胞膜破坏或组织坏死有关，为肿瘤分型、风险评估与治疗决策提供新的无创依据。尽管如此，TDD-MRI的临床可及性和应用深度仍受多方面限制。首先，不同癌种的研究覆盖不均，目前研究主要集中于乳腺癌、脑胶质瘤、女性生殖系统肿瘤及结直肠癌，乳腺癌因高度依赖分子分型而成为研究最深入的领域；前列腺癌、肝癌等疾病虽也有TDD-MRI的相关研究，但多侧重于形态学诊断或分级，缺乏针对特定分子标志物的分析。其次，除乳腺癌外，多数研究未与TDD-MRI的其他生物物理扩散模型进行系统对比，普遍仅采用忽略跨膜水交换、假设细胞为不可渗透球体的IMPULSED模型，难以评估TDD-MRI其他模型的方法学优势与适用性。此外，b值选择尚无统一标准，现有研究亦未系统比较不同b值组合对参数稳定性与可靠性的影响。

       未来研究应拓展至更多癌种，系统比较TDD-MRI的不同扩散模型性能，同时探索标准化b值设置与成像流程，在更大样本、多中心队列中建立TDD-MRI参数与病理、分子标志物及预后之间的对应关系，以增强其模型可解释性和临床可信度。同时，结合人工智能技术开展的自动化分割与多模态特征融合技术，有望推动TDD-MRI实现更高维度的精准表型映射，使其在肿瘤术前分型、疗效预测和个体化治疗中发挥更大价值。总体而言，TDD-MRI具有从实验研究走向临床实践的潜力，其进一步发展将为肿瘤无创分子诊断提供更加坚实的技术支撑。