0 引言

       结直肠癌（colorectal cancer, CRC）在全球范围内是发病率位居第三的恶性肿瘤，同时也是导致癌症死亡的主要原因之一。直肠癌约占其中的30%~35%，其发病率和死亡率持续上升且逐渐年轻化^{[1, 2]}。脉管侵犯（lymphovascular invasion, LVI）定义为肿瘤细胞侵入淋巴管或血管等脉管结构，是肿瘤细胞发生播散进而导致远处转移和淋巴结转移的病理基础。LVI的存在标志着肿瘤更具侵袭性，与患者预后不良密切相关^[3]。目前，LVI的诊断依赖于术后病理学检查，但这是一种侵入性方法，且具有滞后性的特点，不适合术前决策。因此，寻找术前无创预测LVI的方法对精准治疗和预后评估具有重要价值^[4]。

       磁共振成像（magnetic resonance imaging, MRI）因在复杂和异质区域具有出色的软组织对比度，已成为直肠癌的关键诊断工具^[5]。但常规MRI主要基于形态学，在评估LVI等微观病理特征时存在局限，而MRI定量技术可以量化反映肿瘤的微观结构、灌注及代谢等生物学特性，为无创评估肿瘤侵袭表型提供了更多可能性。动态对比增强MRI（dynamic contrast-enhanced MRI, DCE-MRI）是目前最常用的一种MRI灌注成像技术，通过动态采集对比剂注射后的多期图像，借助药代动力学模型进行计算，提供多种药代动力学参数来评估肿瘤的灌注和通透性等微血管特性，在评估肿瘤恶性程度、预后判断及治疗反应监测方面具有重要临床价值^{[6, 7]}。魔镜成像（mDixon-Quant）是一种多回波水脂分离技术，能够在一次屏气内通过3D梯度回波序列采集，重建出多组定量和非定量图像，其定量参数横向弛豫率（R2^*）和脂肪分数（fat fraction, FF）可反映组织的血氧水平和脂质代谢情况^[8]。目前在宫颈癌、子宫内膜癌及直肠癌等多方面已有应用^{[9, 10, 11]}。

       直肠癌的生物学行为与直肠系膜密切相关。直肠系膜作为淋巴血管播散的首要途径，也是一个功能活跃的肿瘤微环境。在影像学研究中，肿瘤外围的直肠系膜组织这一瘤周区域，能直接体现肿瘤与肿瘤周围微环境的相互作用^{[12, 13, 14]}。目前缺乏瘤内及瘤周区域的多参数MRI评估直肠癌LVI状态的相关研究。因此，本研究旨在探讨瘤内及瘤周区域的多参数功能性MRI对直肠癌LVI状态的预测价值。

1 材料与方法

1.1 研究对象

       本研究为回顾性病例对照研究，旨在构建并内部验证基于瘤内及瘤周DCE-MRI联合mDixon-Quant定量参数的直肠癌LVI预测模型，遵循个体预后或诊断多变量预测模型透明报告（TRIPOD）声明进行报告。收集2022年11月至2025年8月于华北理工大学附属医院就诊且经病理证实为直肠癌的162例患者的临床及影像资料。纳入标准：（1）所有患者均接受根治性手术治疗且有完整的术后病理学报告；（2）所有患者术前均行MRI检查；（3）术前未接受任何新辅助放化疗、靶向治疗或免疫治疗。排除标准：（1）图像序列不全（n=54）；（2）病理结果中无LVI状态（n=20）；（3）图像伪影较重或病灶体积小于1.5 cm，导致无法测量DCE-MRI和mDixon-Quant参数（n=8）；（4）合并其他肠道疾病或其他恶性肿瘤（n=2）。最终纳入78例直肠癌患者，其中LVI阳性组33例，LVI阴性组45例。本研究遵守《赫尔辛基宣言》，经华北理工大学附属医院医学伦理委员会批准，免除受试者知情同意，批准文号：20250703006。

1.2 LVI病理资料

       LVI状态经术后组织病理学证实。手术切除肿瘤组织后，病理医生对标本处理，在显微镜下观察，查看血管和淋巴管内是否有癌细胞团块，若有脉管癌栓即为阳性。所有切片均由两名高年资病理医师独立双盲判读，诊断严格遵循国际标准，两名阅片病理医师意见不一致时，应共同回顾争议切片依据诊断标准逐条核，对全程记录判读与分歧处理过程。

1.3 MRI检查

       所有受试者的MRI检查均在Philips Ingenia 3.0 T磁共振扫描仪完成扫描，配备体部线圈，扫描序列包括斜轴位T1WI、矢状位及斜冠状位T2WI、斜轴位高分辨率（High-Resolution, HR）-T2WI、斜轴位DCE-MRI及斜轴位mDixon-Quant。对比剂使用钆特酸葡胺注射液（规格：15 mL∶5.654 g，江苏恒瑞医药股份有限公司）。各序列扫描参数详见表1。

点击查看表格

表1  MRI扫描序列及参数
Tab. 1  MRI scan sequences and parameters

1.4 图像分析

       由两名分别具有15年和10年腹部影像诊断经验的放射科主任医师和主治医师采用盲法独立进行影像学参数的分析和测量，将DCE-MRI和mDixon-Quant图像传至ISP（Interllispace Portal, Philips Healthcare）工作站，感兴趣区（region of interest, ROI）参照轴位高分辨率T2WI，在DCE-MRI和mDixon-Quant图像的相应层面上进行勾画（图1）。ROI分为两类：肿瘤最大层面中肿瘤实体成分最集中、边界最清晰的部分勾画瘤内ROI，避开坏死、出血、囊变区域，并与病灶边界保持2~3 mm的距离以减小部分容积效应；在肿瘤侵犯最显著的一侧，以肿瘤边缘为内界勾画宽为5 mm的带状区域为瘤周ROI，避开明显强化的血管和肉眼可见的淋巴结以及邻近器官。在上述勾画的瘤内与瘤周ROI内，通过工作站软件后处理，分别获得瘤内和瘤周的容积转运常数（volume transport constant, K^trans）、速率常数（rate constant, Kep）、血管外细胞外间隙容积分数（extravascular extracellular volume fraction, Ve）、R2^*及FF值。最终取两位观察者测量的平均值进行后续研究。使用组内相关系数（intra-class correlation coefficient, ICC）评估两名观察者对瘤内及瘤周影像学参数测量结果的一致性，ICC=0.75为一致性良好，取两位观察者测量结果的均值做后续的统计学分析。

点击查看大图

图1  男，54岁，直肠癌脉管侵犯阳性。1A：T2WI示直肠中段增厚呈稍高信号灶；1B：病灶的DCE-MRI伪彩图；1C：病灶的R2^*伪彩图；1D：病灶的FF伪彩图。DCE：动态对比增强；R2^*：横向弛豫率；FF：脂肪分数。
Fig. 1  Male, 54 years old, rectal cancer with positive lymphovascular invasion. 1A: T2WI shows wall thickening in the middle rectum presenting as a slightly hyperintense lesion; 1B: DCE-MRI pseudocolor map of the lesion; 1C: R2^* pseudocolor map of the lesion; 1D: FF pseudocolor map of the lesion. DCE: dynamic contrast-enhanced; R2^*: transverse relaxation rate; FF: fat fraction.

1.5 模型构建及评估

       以是否发生直肠癌LVI作为因变量（阳性=1，阴性=0），将差异性分析筛选出的变量纳入分析，采用逐步向后logistic回归分析进一步筛选模型变量。采用方差膨胀因子（variance inflation factor, VIF）和容忍度（tolerance, TOL）对所有纳入变量进行多重共线性诊断，剔除VIF>10或TOL<0.1的变量以避免共线性对模型稳定性的影响。建立多因素logistic回归模型并绘制列线图；通过Bootstrap法（1000次）进行内部验证。采用受试者工作特征（ROC）曲线评价模型的区分度；采用Youden指数确定各参数的最佳诊断阈值，并计算对应敏感度、特异度、阳性预测值（positive predictive value, PPV）、阴性预测值（negative predictive value, NPV）。

1.6 统计学分析

       采用SPSS 26.0统计学软件、R语言（版本4.3.3）进行数据分析和图表制作。计量资料采用Kolmogorov-Smirnov检验进行正态性检验，符合正态分布的采用（均数±标准差）表示，比较采用独立样本t检验；不符合正态分布的采用中位数（四分位数）表示，组间比较采用Mann-Whitney U检验。计数资料以例（%）表示，比较采用卡方检验或Fisher精确检验法。模型采用Hosmer-Lemeshow拟合优度检验，并绘制校准曲线评价模型校准度。采用决策曲线分析（decision curve analysis, DCA）评估模型的临床有效性。采用DeLong检验参数与预测模型之间AUC的差异。检验水准α=0.05（双侧）。

2 结果

2.1 一般资料

       本研究最终共纳入78例直肠癌患者，其中男51例，女27例，根据术后病理结果分为LVI阳性组和LVI阴性组，LVI阳性组33例，年龄（67.48±7.55）岁；LVI阴性组45例，年龄（67.31±9.73）岁。两组患者间的性别、年龄的差异无统计学意义（P>0.05）。两组患者间的T分期、分化程度及癌胚抗原（carcinoembryonic antigen, CEA）等病理资料的差异无统计学意义（P>0.05）。详见表2。

点击查看表格

表2  LVI阳性组和LVI阴性组一般资料比较
Tab. 2  Comparison of baseline characteristics between the LVI-positive and LVI-negative groups

2.2 观察者测量结果的一致性检验

       两位观察者对DCE-MRI序列以及mDixon-Quant序列的瘤内及瘤周参数测量ICC>0.70，结果一致性较好，详见表3。取两位测量者结果的均值做后续研究。

点击查看表格

表3  两名观察者定量数据的一致性比较
Tab. 3  Inter-observer consistency analysis of quantitative data

2.3 LVI阳性组和LVI阴性组影像参数差异性分析

       LVI阳性组的瘤内K^trans、R2^*、FF和瘤周K^trans、R2^*高于LVI阴性组，而瘤周FF低于LVI阴性组，差异具有统计学意义（P<0.05）；而两组间的瘤内Kep、Ve和瘤周Kep、Ve差异无统计学意义（P>0.05）。详见表4。

点击查看表格

表4  LVI阳性组和LVI阴性组影像学参数的比较
Tab. 4  Comparison of imaging parameters between the LVI-positive and LVI-negative groups

2.4 多因素logistic回归建模

       logistic回归分析（表5）结果显示，瘤内K^trans、瘤内R2^*、瘤内FF、瘤周R2^*是LVI发生的独立危险因素；瘤周FF是LVI发生的独立保护因素。

       具体来说，瘤内K^trans每增加1个单位，风险升高98.9%；瘤内R2^*每增加1个单位，LVI发生风险升高110.0%；瘤内FF每增加1个单位，风险升高151.9%；瘤周R2^*每增加1个单位，风险升高94.6%；瘤周FF每增加1个单位，LVI发生风险降低51.9%。共线性诊断（表6）结果显示，所有纳入变量的VIF均小于1.13，容差均大于0.89，提示变量间不存在明显共线性，模型构建合理可靠。根据以上逻辑回归分析的结果建立的多因素Logistic回归模型，公式如下：Logit (P)=-0.297+0.742×瘤内R2^*+0.924×瘤内FF+0.666×瘤周R2^*-0.732×瘤周FF+0.688×瘤内K^trans。

点击查看表格

表5  直肠癌LVI的Logistic回归分析
Tab. 5  Logistic Regression Analysis of Lymphovascular Invasion in Rectal Cancer

点击查看表格

表6  共线性诊断
Tab. 6  Collinearity diagnosis

2.5 预测模型的列线图可视化

       采用列线图（图2）可视化预测模型，直观呈现直肠癌LVI发生风险的预测流程：瘤内K^trans每提升1个等级，分数对应增加4.979分；瘤内R2^*每提升1个等级，分数对应增加9.091分；瘤内FF每提升1个等级，分数对应增加10.554分；瘤周R2^*每提升1个等级，分数对应增加6.650分；瘤周FF每提升1个等级，分数对应减少6.131分。将所有变量对应的分数累加可得到总分，通过列线图可快速查询对应的LVI发生概率，为临床LVI的风险分层、个体化干预决策提供直观、可操作的量化工具。

点击查看大图

图2  预测模型的列线图。R2^*：横向弛豫率；FF：脂肪分数；K^trans：容积转运常数。
Fig. 2  Nomogram of the prediction model. R2^*: transverse relaxation rate; FF: fat fraction; K^trans: volume transport constant.

2.6 预测模型评估

       本研究从区分度、校准度、临床有效性、内部验证四个维度，对直肠癌LVI风险预测模型在训练集中的预测效能进行系统评价，同时开展内部Bootstrap验证。

2.6.1 区分度

       ROC曲线分析结果显示，瘤内K^trans、R2^*、FF和瘤周R2^*、FF以及预测模型评估直肠癌LVI的诊断效能分别为0.704、0.683、0.694、0.646、0.664、0.854（表7、图3）。DeLong检验结果显示预测模型的诊断效能有所提升。预测模型AUC为0.854（95% CI：0.764~0.944），灵敏度为0.758，特异度为0.867，阳性预测值为0.806，阴性预测值为0.830，准确度为0.821。上述指标表明预测模型在训练集中具备良好的诊断区分能力，可有效识别LVI发生的高风险与低风险样本。

点击查看大图

图3  各参数与预测模型的受试者工作特征曲线。K^trans：容积转运常数；R2^*：横向弛豫率；FF：脂肪分数。
Fig. 3  Receiver operating characteristic (ROC) curves of Parameters and prediction models. K^trans: volume transport constant; R2^*: transverse relaxation rate; FF: fat fraction.

点击查看表格

表7  各参数与预测模型诊断效能比较
Tab. 7  Comparison of diagnostic performance between individual parameters and the prediction model

2.6.2 校准度

       校准度分析（图4）结果显示，模型Hosmer-Lemeshow检验χ²=4.137，自由度=8，P=0.845（P>0.05）；Brier评分为0.143 3，校准斜率（Slope）为1，平均误差（Eavg）为0.021 0，R²为0.499 1。同时，校准曲线相关指标（Dxy=0.707 7、Emax=0.054 4）显示，模型预测的LVI发生概率与实际发生率贴合度良好，无明显偏离趋势。这提示模型的预测概率与实际事件发生情况一致性较高，校准斜率接近1，Brier评分处于合理水平，整体预测误差较小，校准能力可靠。

点击查看大图

图4  校准曲线。
图5  决策曲线分析。
图6  Bootstrap验证受试者工作特征曲线下面积（6A）及其95%置信区间（6B）。AUC：曲线下面积；CI：置信区间；ROC：受试者工作特征。
Fig. 4  Calibration curve.
Fig. 5  Decision curve analysis.
Fig. 6  Bootstrap validation of the area under the receiver operating characteristic curve (6A) and its 95% confidence interval (6B). AUC: area under the curve; CI: confidence interval; ROC: receiver operating characteristic.

2.6.3 临床有效性

       DCA曲线（图5）结果显示，在风险阈值9%~90%范围内，模型的临床效用显著高于“所有患者均发生LVI”和“所有患者均不发生LVI”两条参考曲线。表明该模型具有良好的临床实用价值，能有效筛选出需重点干预的LVI高风险患者，为临床术前风险分层与干预决策提供可靠依据。

2.6.4 内部Bootstrap验证

       经Bootstrap验证（图6），模型AUC均值为0.875（95% CI：0.780~0.953），与原模型AUC（0.854）接近且置信区间集中，说明模型的区分性能稳定，泛化能力可靠。

3 讨论

       本研究应用DCE-MRI和mDixon-Quant序列的瘤内及瘤周定量参数预测直肠癌LVI状态。结果显示，瘤内K^trans、R2^*、FF和瘤周K^trans、R2^*、FF在LVI阳性组和阴性组中存在显著差异，其中瘤内K^trans、R2^*、FF和瘤周R2^*、FF为独立风险预测因子。基于上述参数构建的预测模型AUC值为0.854，提示模型区分度较好，校准曲线显示预测概率与实际风险高度一致，Hosmer-Lemeshow检验提示拟合良好；DCA结果显示具有良好的临床实用价值。本研究首次联合瘤内及瘤周区域的DCE-MRI和mDixon-Quant定量参数构建预测模型，包含肿瘤及瘤周的血流动力学和组织代谢的多维度信息，能有助于更全面识别直肠癌LVI高风险患者，可为临床治疗方案和预后评估等提供初步术前参考。

3.1 LVI的定义及临床意义

       LVI被定义为在原发肿瘤及其周围组织内部的小血管或淋巴管腔隙中发现的肿瘤细胞的存在。这些肿瘤细胞已脱离原发肿瘤、具备全身性漂浮扩散的能力^[15]。LVI包括血管侵犯和淋巴管侵犯，是肿瘤发生淋巴结与远处器官转移的起始步骤。LVI的存在被视为肿瘤侵袭性生物学行为的关键标志，与直肠癌的新辅助治疗疗效、术后复发风险及辅助治疗方案选择密切相关^{[16, 17]}。研究证实，LVI阳性与更高的淋巴结转移率、远处转移风险及更差的生存预后显著相关；即便接受新辅助治疗，LVI阳性患者仍表现出更高的复发率和较差的肿瘤退缩分级。在局部晚期直肠癌新辅助治疗广泛应用的背景下，LVI作为局部晚期直肠癌重要的预后标志物，与较差的治疗反应、更高的N分期及缩短的无复发生存期独立相关，对识别高危复发患者、指导辅助化疗强度及随访策略具有明确临床价值^{[18, 19]}。因此，直肠癌患者的临床评估应充分整合LVI信息。然而，LVI目前依赖于术后病理学检查，无法在术前准确预知，且在实际病理评估中面临切片取样局限、判读一致性差及缺乏统一分级标准等挑战。因此，术前采用影像学的无创手段评估LVI状态，有助于临床对LVI阳性患者实施个体化管理。

3.2 DCE-MRI评估直肠癌LVI状态的价值

       DCE-MRI是一种非侵入性功能成像技术，能够定量评估肿瘤血液灌注和微血管通透性。通过分析时间-信号强度曲线和定量参数，包括K^trans、Kep、Ve，可以反映肿瘤新生血管的形成和生物行为特征，与肿瘤侵袭深度、血管新生和预后密切相关。K^trans指对比剂从血浆转移到血管外细胞外空间的速率，受微循环血流和血管通透性影响；Kep指对比剂从血管外细胞外空间返回血浆的速率，受微血管渗透性和表面积影响；而Ve则表示血管外细胞空间相对于总组织体积的比例^[20]。FAN等^[21]的研究结果显示直肠癌LVI阳性组K^trans高于LVI阴性组。本研究也显示，LVI阳性组瘤内的K^trans高于LVI阴性组。血管生成是肿瘤扩散和转移的基础。LVI阳性组的侵袭性更强，肿瘤生长和转移更为活跃，分泌更多的血管内皮生长因子（vascular endothelial growth factor, VEGF），促使其形成大量新生肿瘤血管^[22]。但这些新生血管结构和功能并不完善，血管的通透性高，直接促进了对比剂的渗漏，表现为K^trans的升高。本研究还发现，LVI阳性组瘤周的K^trans也高于LVI阴性组。这提示，高侵袭性肿瘤在自身快速增殖的同时，也会远程调控直肠系膜这一瘤周区域。肿瘤源性分泌因子、细胞外囊泡等原发肿瘤分泌的可溶性分子会介导肿瘤细胞与宿主细胞在次级微环境中的交互作用，以实现转移前的生态位形成，在转移前生态位中招募的TIE2单核细胞和内皮前体细胞，形成一个富含VEGF及其他促血管生成因子的前血管生成微环境，这些微环境触发血管新开关，促进癌症转移^{[23, 24, 25]}。本研究中瘤内和瘤周两组间Kep及Ve的差异无统计学意义。分析其原因可能为，K^trans受血管渗透性和血流量的影响，直接关联肿瘤的侵袭性，而Kep和Ve是衍生参数，易受其他因素影响。新形成的血管具有扭曲的结构和更高的渗透性可能削弱微血管表面积对Kep的影响，Ve则易受组织微环境的多种因素影响，如细胞密度、低氧分数和间质液压力等导致微环境复杂。

3.3 mDixon-Quant评估直肠癌LVI状态的价值

       mDixon-Quant是一种非侵入性三维多回波梯度回波序列，通过七个脂肪峰模型和磁场不均匀性校正可以获得R2^*和FF。R2^*可以间接反映局部组织中的氧分压，FF值可以定量评估脂肪含量^[26]。本研究发现，LVI阳性组瘤内和瘤周的R2^*值高于LVI阴性组。在瘤内区域，LVI阳性组有着更为活跃的肿瘤血管生成，但这些新生血管结构和功能不完善，导致肿瘤内部严重缺氧，使脱氧血红蛋白增加；同时，这些血管易发生微出血，使含铁血黄素生成增加。这些顺磁性物质的增加最终导致R2^*值的升高^{[27, 28, 29]}。这与ZHOU等^[30]R2^*在LVI阳性组更高的研究结果一致。但目前关于瘤周区域R2^*值相关文献少有报道，待未来进一步研究验证。本研究中，LVI阳性组瘤内的FF值高于LVI阴性组，瘤周的FF值则低于LVI阴性组。笔者推测这可能是由脂肪代谢重编程和肿瘤-微环境相互作用两种不同机制导致的。在瘤内区域，侵袭性强的肿瘤细胞通过上调脂肪酸合成酶，来加速脂质合成并储存在脂滴中，以满足其快速增殖对能量的旺盛需求^[31]。在瘤周区域，发生LVI的肿瘤会使其周围的微环境形成转移前生态位，使其处于利于肿瘤生长与转移的高度活跃的状态，瘤周脂肪组织中的脂质被大量动员、分解和利用，导致FF的下降。此外，去分化的脂肪细胞进一步转化为表达α-SMA的肌成纤维细胞，不再储存脂质，也导致了真正的脂肪细胞数量减少^{[32, 33, 34, 35]}。

3.4 局限性

       本研究存在一定局限性：（1）为回顾性单中心研究，且纳入的样本量有限，可能影响研究结果，需要进一步的前瞻性、多中心、大样本研究来验证当前结论。（2）ROI的勾画未包含瘤内及瘤周全域，可能因肿瘤异质性产生选择偏倚，待未来通过影像组学进行肿瘤全域的研究。（3）未在外部队列进行验证，还需要后期进一步的外部验证。

4 结论

       综上所述，DCE-MRI与mDixon-Quant可分别从微血管灌注/通透性、组织缺氧及脂质代谢角度，反映与直肠癌LVI状态相关的生物学特征。本研究将这两种定量技术相结合，并同时纳入瘤内与瘤周区域，构建联合预测模型。该联合模型的区分能力、校准度及临床净收益均表现良好，为术前无创评估LVI提供了潜在的影像学方法，为临床治疗方案选择和预后评估提供初步指导。