0 前言

       腮腺肿瘤是临床常见的一种头颈部肿瘤，恶性腮腺肿瘤约占所有腮腺肿瘤的20%^{[1, 2]}。在外科手术方式的选择上^[3]，良性肿瘤采取保护面神经的局部腮腺切除^[4]，而恶性肿瘤需要全腮腺摘除^[5]，易导致面神经麻痹^[6]，影响患者术后生存质量。术前穿刺活检虽然有助于腮腺良恶性肿瘤的鉴别^[7]，但可能造成腮腺肿瘤包膜破裂，增加肿瘤扩散或种植风险，目前已不主张。因此，术前影像学检查对腮腺良恶性肿瘤的鉴别及外科手术方式的选择至关重要^[8]。然而在常规MRI上，腮腺良恶性肿瘤的表现有所重叠，难以区分。功能MRI技术如扩散加权成像（diffusion weighted imaging, DWI）、扩散峰度成像（diffusion kurtosis imaging, DKI）及磁敏感加权成像（susceptibility weighted imaging, SWI）能额外提供肿瘤内水分子的扩散、静脉引流及出血情况，对腮腺良恶性肿瘤的鉴别诊断具有一定意义。DWI能够检测活体组织内水分子扩散高斯分布的情况，以表观扩散系数（apparent diffusion coefficient, ADC）值来定量测量^{[9, 10]}。DKI是一种水分子扩散非高斯分布新模型，主要参数有体现组织结构复杂程度的平均峰度（mean kurtosis, MK）值、反映不同方向水分子扩散受限大小的径向峰度（radial kurtosis, Kr）值及轴向峰度（axial kurtosis, Ka）值^{[11, 12, 13]}。许多研究发现DWI、DKI上测量获得的定量参数可帮助鉴别腮腺良恶性肿瘤。然而，DWI、DKI不足以全面反映、区分腮腺良恶性肿瘤的病理生理特点。SWI可检测组织磁敏感差异，从而反映肿瘤内部及周边静脉分布情况、瘤内出血状况^{[14, 15, 16]}。XU等^[17]认为SWI对腮腺肿瘤的诊断价值高于其他功能成像技术。然而，这些研究的样本量较少，且极少有研究报道DWI、DKI及SWI的联合应用价值。本文拟探讨DWI、DKI、SWI对腮腺良恶性肿瘤的鉴别诊断价值，并建立DWI、DKI、SWI联合诊断模型。

1 材料与方法

1.1 研究对象

       前瞻性纳入2019年12月至2021年12月在我院术后经病理证实为腮腺肿瘤性病变的70例患者，年龄22～78（48.74±13.10）岁，其中男39例，女31例。临床病程1个月～20年不等，35例以发现耳后渐大性肿物为主诉入院，17例肿物短期突然增大，部分伴有疼痛或功能障碍，其余18例无特殊症状。70例腮腺肿瘤中良性肿瘤48例，其中多形性腺瘤30例、Warthin瘤15例、基底细胞腺瘤2例、嗜酸细胞腺瘤1例；恶性肿瘤22例，其中黏液表皮样癌5例、鳞癌4例、腺样囊腺癌3例、淋巴瘤3例、高级别腺癌3例、肌上皮癌2例、转移瘤2例（分别为肺癌及前纵隔神经内分泌癌转移）。本研究遵守《赫尔辛基宣言》，经泉州市第一医院伦理委员会批准，批准文号：泉一伦【2019】301号，全体受试者均签署了知情同意书。所有患者均在术前一周内完成MRI检查。

       纳入标准：（1）患者身体状况良好，行MRI检查前均未进行放射治疗、药物化疗、穿刺活检或手术等有创性检查及治疗；（2）所有患者均进行常规MRI、DWI、SWI、DKI序列扫描，图像无明显移动伪影影响。排除标准：（1）临床资料不完全、未取得明确病理结果；（2）图像质量不合格，影响影像诊断及分析等。

1.2 检查方法

       采用GE Signa HD-xt 3.0 T超导型磁共振扫描仪，采集图像选取专用8通道头颈联合线圈。（1）常规MRI平扫：包含横轴位T1WI序列（TR 980 ms，TE 10 ms）、T2WI压脂序列（TR 3100 ms，TE 70 ms）、冠状位T2WI压脂序列（TR 2500 ms，TE 42 ms），层厚4 mm，层间距1 mm，矩阵256×256，扫描时间约3 min；（2）DWI序列采用单次激发平面回波成像（echo-planar imaging, EPI），FOV 256 mm×256 mm，层厚4 mm，层间距1 mm，TR 4450 ms，TE 72 ms，2个b值（b=0、1000 s/mm²），扫描时间约2 min 30 s；（3）DKI序列采用三维EPI，FOV 256 mm×256 mm，3个b值（b=0、500、2000 s/mm²），施加50个方向在扩散敏感梯度场，空间分辨率2 mm×2 mm×2 mm，扫描时间约4 min；（4）SWI序列采用三维重度T2^*加权血管成像，扫描位置同上，相位编码方向：R→L，通过GE后处理工作站自动生成相位图、强度图、最小密度投影（minimum intensity projection, MinIP）图及SWI图，扫描时间约3 min。

1.3 图像处理及数据分析

       采用双盲法，由两名具有7年以上诊断经验的影像科主治医师结合常规MRI序列，通过GE ADW 4.6工作站分析各功能成像技术的主要参数指标，二者结果不一致时经讨论协商达成一致意见。DWI图像主要参数后处理：通过软件自动生成ADC图（图1, 2, 3），选取ADC值最低区域手动设定三个感兴趣区（region of interest, ROI），ROI选取病灶实性部分且信号较均匀的区域，尽量避免选取坏死、出血、囊变等部分，每个ROI面积约20～40 mm²，并计算平均值，比较ADC值在不同腮腺肿瘤之间的差异，通过受试者工作特征（receiver operating characteristic, ROC）曲线明确良恶性肿瘤之间的诊断阈值。DKI图像主要参数后处理：选取病灶最大层面为测量部位，手动设定三个ROI，ROI选取方法同上，获得MK图、Kr图、Ka图并分别测量各参数值并取其平均值。SWI图像参数分析：（1）病变内静脉分布情况，包括周围分布和中央分布；（2）磁敏感信号强度（susceptibility signal intensity, ITSS），表现为病灶内点状、线样低信号区，反映病灶内微静脉或微出血。依据参考文献^[18]标准，ITSS可分为四个等级（图4, 5, 6, 7），0级为病灶无明显低信号；1级为病灶内有1～5处ITSS；2级为病灶内有6～10处ITSS；3级为病灶内≥11处ITSS或大部分区域为低信号；（3）病灶最大静脉直径Dv-max，运用测量标尺对测量层面等比例放大，约放大6、7倍，分别测量三次取平均值。

点击查看大图

图1  右侧腮腺多形性腺瘤表观扩散系数（ADC）图，ADC平均值为1.490×10^-3 mm²/s。
图2  左侧腮腺Warthin瘤ADC图，ADC平均值为0.986×10^-3 mm²/s。
图3  左侧腮腺低分化鳞癌ADC图，ADC平均值为0.889×10^-3 mm²/s。
Fig. 1  Apparent diffusion coefficient (ADC) of pleomorphic adenoma of the right parotid gland, the mean value of ADC is 1.490×10-3 mm2/s.
Fig. 2  ADC of the Warthin tumor of the left parotid gland, the mean value of ADC is 0.986×10-3 mm2/s.
Fig. 3  ADC of poorly differentiated squamous cell carcinoma of the left parotid gland, the mean value of ADC was 0.889×10^-3 mm²/s.

点击查看大图

图4  右侧腮腺多形性腺瘤SWI图，ITSS等级为0级。
图5  右侧腮腺多形性腺瘤SWI图，ITSS等级为1级。
图6  左侧腮腺Warthin瘤SWI图，ITSS等级为2级。
图7  左侧腮腺低分化鳞癌SWI图，ITSS等级为3级。SWI：磁敏感加权成像；ITSS：磁敏感信号强度。
Fig. 4  Susceptibility weighted imaging (SWI) of pleomorphic adenoma of the right parotid gland, susceptibility signal intensity (ITSS) grade 0.
Fig. 5  SWI of pleomorphic adenoma of the right parotid gland, ITSS grade 1.
Fig. 6  SWI of Warthin tumor of the left parotid gland, ITSS grade 2.
Fig. 7  SWI of poorly differentiated squamous cell carcinoma of the left parotid gland, ITSS grade 3.

1.4 统计学分析

       使用统计学软件SPSS 24.0版对所有数据进行处理，采用均数±标准差表示。按照腮腺病理类型分组，正态性分布检验使用Komogorov-Smirnov法，方差齐性检验使用Leneve法。假如所得数据符合正态性分布且方差齐，采取t检验方法分析不同腮腺肿瘤间的Ka值、Kr值、MK值、ADC值、Dv-max的差异；如果不符合正态分布，则使用非参数秩和检验法比较。通过ROC曲线分析这些参数在腮腺不同病理组织类型的鉴别诊断效能，并以Youden指数最大值作为标准，确定出最佳诊断阈值。P＜0.05认为差异具有统计学意义。

2 结果

2.1 腮腺良恶性肿瘤的DWI参数比较

       腮腺良性肿瘤ADC平均值为（1.588±0.524）×10^-3 mm²/s，腮腺恶性肿瘤ADC平均值（0.912±0.337）×10^-3 mm²/s，良性肿瘤的ADC值高于恶性肿瘤，其差异具有统计学意义（t=7.266，P＜0.001）。经过ROC曲线分析（图8）得出，ADC值在鉴别腮腺良恶性肿瘤中的曲线下面积（area under the curve, AUC）为0.849，诊断阈值为1.300×10^-3 mm²/s，敏感度为73.7%，特异度为88.9%，具有较高的诊断效能。

       腮腺多形性腺瘤ADC平均值为（1.837±0.318）×10^-3 mm²/s，Warthin瘤的ADC平均值为（0.867±0.181）×10^-3 mm²/s，腮腺恶性肿瘤的ADC平均值为（0.912±0.337）×10^-3 mm²/s，恶性肿瘤及Warthin瘤的ADC值明显低于多形性腺瘤，两两之间差异存在统计学意义（t=14.064、15.670，P＜0.001）。经过ROC曲线分析得出，ADC值在鉴别腮腺多形性腺瘤与恶性肿瘤中的AUC为0.985，诊断阈值为1.405×10^-3 mm²/s，敏感度为93.3%，特异度为97.2%；ADC值在鉴别腮腺多形性腺瘤与Warthin瘤中的AUC为1.000，诊断阈值为1.210×10^-3 mm²/s，敏感度和特异度均达到100.0%，具有很高的诊断效能。腮腺恶性肿瘤的ADC平均值与Warthin瘤很接近，差异无统计学意义（t=-0.656，P=0.514）。

点击查看大图

图8  腮腺良恶性肿瘤ADC值ROC曲线。
图9  腮腺良恶性肿瘤DKI各参数ROC曲线。
图10  DKI、DWI、SWI序列组成多模态诊断模型ROC曲线。ADC：表观扩散系数；ROC：受试者工作特征；DKI：扩散峰度成像；DWI：扩散加权成像：SWI：磁敏感加权成像。
Fig. 8  Receiver operating characteristic (ROC) curve of apparent diffusion coefficient (ADC) values of benign and malignant parotid tumors.
Fig. 9  ROC curve analysis of diffusion kurtosis imaging (DKI) parameters for benign and malignant parotid tumors.
Fig. 10  ROC curve analysis of DKI, diffusion weighted imaging (DWI), susceptibility weighted imaging (SWI) sequence composing multi-mode diagnostic model.

2.2 腮腺良恶性肿瘤的DKI参数比较

       从表1可以看出，腮腺恶性肿瘤的MK、Kr、Ka平均值均高于良性肿瘤，各组间差异均具有统计学意义（P＜0.001）。对DKI各参数进行ROC曲线分析（图9）得出，MK、Kr、Ka的诊断阈值分别为0.9910、1.0850、0.8410，AUC分别为0.937、0.936、0.925，敏感度均为100%，特异度分别为79.2%、77.4%、79.2%。从表2可以看出，多形性腺瘤的MK、Kr、Ka平均值均低于Warthin瘤，各组间差异具有统计学意义（P＜0.001）。经过ROC曲线分析得出，多形性腺瘤与Warthin瘤的MK、Kr、Ka的诊断阈值分别为0.9495、1.025、0.7785，AUC分别为0.914、0.910、0.923，敏感度分别为76.0%、76.0%、80.0%，特异度分别为90.7%、89.6%、91.2%。MK、Kr、Ka在鉴别腮腺良恶性肿瘤、多形性腺瘤与Warthin瘤中均具有较高的诊断效能。

点击查看表格

表1  腮腺良恶性肿瘤的MK、Kr、Ka值的比较
Tab. 1  Comparison of MK, Kr, Ka values for benign and malignant parotid tumors

点击查看表格

表2  多形性腺瘤与Warthin瘤的MK、Kr、Ka值的比较
Tab. 2  Comparison of MK, Kr, Ka values for pleomorphic adenomas and Warthin tumors

2.3 腮腺良恶性肿瘤的磁敏感加权成像比较

       由表3可以看出，腮腺良性肿瘤静脉分布主要为周边分布，恶性肿瘤主要为中央分布；良性肿瘤ITSS等级以1级为主，恶性肿瘤ITSS等级以2～3级为主。通过Pearson χ²检验可知，腮腺良性肿瘤与恶性肿瘤的静脉分布及ITSS等级差异均有统计学意义。

       腮腺恶性肿瘤的Dv-max平均值[（2.042±0.544）mm]高于良性肿瘤[（1.174±0.241）mm]，两者之间的差异具有统计学意义（t=-7.813，P＜0.001）。通过ROC曲线分析得出，Dv-max在鉴别腮腺良恶性肿瘤中的AUC为0.952，诊断阈值为1.600 mm，敏感度为75.0%，特异度为97.4%，具有较高的诊断效能。

点击查看表格

表3  腮腺肿瘤SWI参数比较
Tab. 3  Comparison of SWI parameters in parotid tumors

2.4 MRI多模态模型联合诊断对腮腺肿瘤的诊断效能评估

       建立DKI、DWI、SWI序列联合诊断模型，通过ROC曲线分析（图10）得出，以MK＞1.0400、Kr＞1.1500、Ka＞0.8670、ADC值＜1.140×10^-3 mm²/s、Dv-max＞1.500 mm诊断为恶性肿瘤，AUC为0.995，敏感度为93.9%，特异度为100.0%，联合诊断模型比单独参数模型的诊断效能明显提高。

3 讨论

       本研究首次提出以DWI联合DKI、SWI相关参数建立腮腺良恶性肿瘤的诊断模型，发现以MK值＞1.0400、Kr值＞1.1500、Ka值＞0.8670、ADC值＜1.1400×10^-3 mm²/s、Dv-max＞1.500 mm诊断恶性肿瘤的敏感度达到93.9%，特异度高达100.0%，其诊断效能优于任何一种单一功能成像。建立腮腺肿瘤多模态诊断模型能多方面、全方位地体现腮腺良恶性肿瘤的差异性，具有更好的诊断潜能^{[19, 20]}。

3.1 腮腺肿瘤的DWI诊断价值

       本研究发现腮腺良性肿瘤与恶性肿瘤的ADC值差异具有统计学意义，这与既往大部分学者^{[21, 22, 23]}的观点一致，究其原因，笔者认为恶性肿瘤的细胞更致密、细胞形态不规则，核浆比高，极大地限制了水分子的扩散运动，故ADC值较低。本研究中，良性肿瘤主要包括Warthin瘤和多形性腺瘤，发现Warthin瘤与腮腺恶性肿瘤的ADC值组间差异并没有统计学意义（P=0.514）。这可能是由于Warthin瘤的上皮细胞成分易形成多发富含高浓度黏液的小囊腔，细胞间质血管丰富，细胞外基质少，水分子扩散受限明显，ADC值较低^{[24, 25]}。同时本研究还发现多形性腺瘤的ADC值高于Warthin瘤。故笔者认为本研究中腮腺良性肿瘤与恶性肿瘤的ADC值差异可能主要是由多形性腺瘤与恶性肿瘤的ADC值差异造成的。

3.2 腮腺肿瘤的DKI诊断价值

       本研究发现腮腺恶性肿瘤的MK值、Kr值、Ka值高于良性肿瘤。腮腺恶性肿瘤比良性肿瘤组织结构更复杂、细胞异型性更大、间质血管更丰富，扩散能力下降，因此其MK、Kr、Ka值高于良性肿瘤。MK、Kr、Ka值与肿瘤的恶性程度成正比，MK、Kr、Ka值越大，肿瘤组织细胞结构越复杂，恶性程度就越高。这与大部分文献报道一致^{[26, 27]}。另一方面俞顺等^[28]认为MK、Ka、Kr值鉴别腮腺良性肿瘤与恶性肿瘤的差异无统计学意义，这与本研究得到的结果不同，笔者认为造成上述差异的主要原因是所纳入研究的腮腺良性肿瘤的构成比例不同。本研究良性肿瘤以多形性腺瘤为主（30/48），而俞顺等的研究中以Warthin瘤为主。通过对多形性腺瘤与Warthin瘤这两种最常见的腮腺良性肿瘤进行DKI亚型分析，得出多形性腺瘤的MK、Kr、Ka平均值均低于Warthin瘤，这与Warthin瘤血供丰富、细胞间质内具有丰富的微血管有关。

3.3 腮腺肿瘤的SWI诊断价值

       本研究发现腮腺良性肿瘤静脉分布以周边分布为主（33/48），ITSS等级主要为1级；恶性肿瘤以中央分布为主（18/22），ITSS等级主要以2～3级为主；且恶性肿瘤的Dv-max高于良性肿瘤。腮腺良性肿瘤生长缓慢，边缘光整，对周围血管推压移位，静脉分布以周边为主^[29]。相反，恶性肿瘤生长快速，对周围血管浸润、破坏，静脉分布以中央为主。一方面恶性肿瘤生长迅速需要丰富的血供，由于血流灌注加大易形成动静脉瘘，动脉对静脉血流冲击导致引流静脉变粗；另一方面恶性肿瘤常常营养供应不足，易出血坏死，导致含铁血黄素沉积，ITSS等级升高^[30]。XU等^[17]认为SWI对腮腺肿瘤的诊断价值高于其他功能成像，但笔者认为其受影像科医师主观因素影响较大，本研究中仍有部分良性肿瘤静脉分布呈中央分布（15/48）、ITSS等级为3级（5/48），这部分良性肿瘤与恶性肿瘤仍难以区分，需联合其他功能成像鉴别诊断。

3.4 腮腺肿瘤磁共振多模态模型建立的临床应用价值

       目前国内外大部分文献报道^{[31, 32, 33, 34]}将DWI与动态对比增强MRI（dynamic contrast-enhanced, DCE-MRI）联合可提高腮腺肿瘤的鉴别诊断效能。但DCE-MRI需要静脉注射钆对比剂，有过敏风险，且钆剂主要通过肾脏代谢，对于有基础性肾病的患者，比如糖尿病、心脏病或者是慢性肾病的患者，在使用钆对比剂之后出现肾脏损伤的风险将会比普通人大幅度增加^{[35, 36]}。本研究首次提出以DWI联合DKI、SWI建立腮腺良恶性肿瘤的诊断模型，提高了腮腺肿瘤的鉴别诊断效能，目前国内外相关报道极少。本模型不但敏感性、特异性均较高，且无须静脉注射钆对比剂，对于有对比剂过敏史或肾功能不全等腮腺肿瘤患者是首要选择，值得临床推广、普及。

3.5 本研究的局限性

       （1）样本量偏少，特别是恶性肿瘤的样本量，且病理类型分散，需进一步扩大样本量以提高诊断的准确性；（2）ROI选定与测量的参数受主观影响，导致结果存在一定误差；（3）仅DWI、DKI序列对腮腺常见良性肿瘤与恶性肿瘤进行了亚型对比分析，需进一步探索各功能成像在腮腺亚型间的鉴别诊断价值。

4 结论

       综上所述，DWI、DKI、SWI联合诊断模型比单一功能成像对腮腺良恶性肿瘤的鉴别诊断效能更高，且避免了对比剂过敏反应，有着重要临床应用价值。