0 引言

       膀胱癌（bladder cancer, BC）是全球第十大常见的癌症，每年约有573 000新发和213 000死亡病例，复发率高及易于进展的特点使之成为治疗成本最高的癌症^{[1, 2]}。临床上根据肌层浸润性将其分为肌层浸润性膀胱癌（muscle-invasive bladder cancer, MIBC）与非肌层浸润性膀胱癌（non-muscle-invasive bladder cancer, NMIBC）。MIBC患者首选根治性全膀胱切除术（radical cystectomy, RC），NMIBC患者主要选择经尿道膀胱肿瘤切除术（transurethral resection of bladder tumor, TURBT）。组织学级别是细分NMIBC治疗策略的重要参考依据。低级别（low-grade, LG）NMIBC经TURBT后行灌注治疗与随访；而高级别（high-grade, HG）NMIBC则需要重复TURBT及更为激进的灌注治疗与频繁的随访，防止其进展为MIBC^{[3, 4, 5]}。因此，术前准确评估BC分期及分级对于治疗决策具有重要的指导意义。

       TURBT仍然是BC分期及分级的金标准，但由于逼尿肌组织在样本中往往呈破碎观，且数量有限，常导致分期分级不足。一项系统回顾研究表明，T1期肿瘤在TURBT之后有51%的可能性病灶持续存在，8%的可能性分期偏低^[6]。如今，MRI技术不断进步，已成为BC术前检查的重要补充。以多参数MRI（multiparametric MRI, mpMRI）为基础的膀胱成像与报告系统（Vesical Imaging-Reporting and Data System, VI-RADS）极大地提高了分期结果的稳健性与一致性。高斯及非高斯扩散加权成像（diffusion-weighted imaging, DWI）技术、动态对比增强MRI（dynamic contrast enhanced MRI, DCE-MRI）、合成MRI（synthetic MRI, SyMRI）技术及化学交换饱和转移成像（chemical exchange saturation transfer imaging, CEST）多种功能序列为定量分析肿瘤的组织结构复杂程度、血流灌注状态及代谢活性提供了技术支撑。然而，目前为止还没有系统综述讨论mpMRI、DWI、DCE-MRI、SyMRI及CEST在BC分期分级中的研究进展。因此，本文将重点介绍MRI多模态成像中各项技术用于BC诊断的优势和局限性，以促进相关研究的发展，为临床实践提供新思路。

1 BC分期

1.1 mpMRI在BC分期中的应用

       mpMRI是基于多个序列对肿瘤进行评估的诊断模式，现已成为BC术前分期检查的重要补充。mpMRI由T2加权成像（T2-weighted imaging, T2WI）、DWI及DCE组成，三者互为补充，从而准确评价肿瘤的局部浸润深度。在包括30项研究涉及5 000多名患者的Meta分析中，mpMRI在区分T1和T2期的敏感度和特异度分别为87%和79%，证明了联合诊断与单序列诊断相比，在准确度、敏感度及特异度等方面具有全面的优势^[7]。计算机辅助诊断（computer assistant diagnosis, CAD）系统作为一种基于T2WI和DWI的新兴技术，能够有效进行BC的T1和T2期鉴别诊断。GHANSHYAM等^[8]的研究显示CAD系统在诊断肌肉浸润性BC中的准确度、敏感度和特异度分别为95.24%、95.24%和95.24%。

       基于mpMRI的VI-RADS量化了形态学诊断的结果，提升了影像学分期结果的一致性与鲁棒性^[9]。VI-RADS评分是由T2WI、DWI及DCE三种成像序列分别评分后合成的最终分数，可以提示BC侵犯肌层的可能性。1~2分表明不太可能有固有肌层的浸润，5分表明极可能有固有肌层及膀胱外的侵犯，目前3分及4分对于BC侵犯肌层的作用比较模糊^[10]。BARCHETTI等^[11]研究发现，以3分作为判断肌层浸润的临界值时，VI-RADS具有良好的特异度（89%~94%）与观察者间一致性（k=0.731）。WANG等^[12]的研究则表明，VI-RADS大于3分的MIBC与术后病理结果高度一致（r=0.821，P<0.05），其鉴别NMIBC与MIBC的受试者工作特征曲线下面积（area under the curve, AUC）为0.960（95% CI：0.937~0.983），相应的准确度、敏感度及特异度分别为88.6%、82.3%及95.3%。AKCAY等^[13]研究发现，在VI-RADS评分≥3分的患者中，当使用肿瘤基底接触长度>19.5 mm作为补充时，观察者1的准确率提高100.00%，观察者2的准确率提高97.26%。一项Meta分析^[14]研究了1 770例BC患者，结果表明，VI-RADS在区分肌层有无浸润方面具有良好的诊断效能，敏感度及特异度分别为83%和90%。

       然而，VI-RADS也存在一些不足。随着其在BC诊疗应用中的普及，判断肌层浸润的阈值逐渐受到关注^[15]。研究人员发现，以4分作为临界值时，敏感度会进一步升高，但特异度会较低^[14]。因此，应以3分还是4分作为临界值仍需待进一步验证^[16]。同时，有研究发现，肿瘤的位置同样可能影响VI-RADS的诊断结果^[17]。瑕不掩瑜，VI-RADS仍是一款优秀的无创评估膀胱癌肌层浸润性的工具，其临床应用前景广阔。

1.2 DWI在BC分期中的应用

1.2.1 高斯扩散模型在BC分期中的应用

       DWI是临床应用最广泛的功能MRI序列，它不仅能从形态学层面反映肿瘤的浸润深度，其表观扩散系数（apparent diffusion coefficient, ADC）还能定量反映水分子扩散受限的程度^[18]。当肿瘤细胞侵犯到肌层时，细胞密度和异型性增高，水分子扩散受限明显，ADC值降低。大量研究表明，ADC值是鉴别MIBC和NMIBC的可靠指标，但ADC值的临界值有差异^{[19, 20]}。ZHANG等^[21]提出了三个方向的DWI图像联合高分辨率T2WI能更好地预测BC肌层浸润状态。近年来，DWI扫描技术得到了长足的发展。常规DWI图像采用单次激发回波平面成像（single-shot echo-planar imaging, SS-EPI），容易引起较大的图像畸变，空间分辨率低。新的分段读出平面回波成像（readout-segmented echo-planar imaging, RS-EPI）能够有效减少磁化率引起的图像失真，在表征肌层浸润性时也明显优于SS-EPI DWI^[22]。

       尽管DWI与ADC的使用可以有效评估BC的肌层浸润性，但相对较差的空间分辨率、缺乏癌症特异性、缺乏标准化的图像采集方案、伪影重和肿瘤边缘无法清晰辨别等缺陷限制了其在BC中的进一步应用^[23]。此外，从成像原理上来说，常规的单指数DWI是基于理想状态下的水分子扩散衰减，它假设水分子的扩散服从高斯分布。但在生物组织中，细胞、细胞膜和大分子等的存在，使高斯分布并不能完全准确反映水分子的真实扩散情况^[18]。以上研究均发现，DWI可用于预测BC肌层浸润状态，但在实际人体组织中无法获得准确定量参数。要解决这一问题，就需要进一步研究更接近生物组织内水分子扩散情况的非高斯扩散模型。

1.2.2 非高斯扩散模型在BC分期中的应用

       扩散峰度成像（diffusion kurtosis imaging, DKI）作为一种非高斯扩散模型，平均表观扩散峰度（apparent diffusional kurtosis, Kapp）能够通过衡量水分子扩散行为与高斯分布的偏离程度，反映肿瘤组织的复杂性，DKI有助于区分MIBC和NMIBC。LI等^[24]研究表明，NMIBC组的Kapp显著低于MIBC组（0.62±0.01 vs. 0.79±0.01，P<0.01），Kapp在预测MIBC方面优于传统DWI。另一项研究表明，峰度校正表观扩散系数（kurtosis-corrected apparent diffusion coefficient, Dapp）与Kapp联合，在识别MIBC时的AUC（0.931，95% CI：0.824~0.983）优于ADC（P<0.05）^[25]。DKI通过扩散张量法得到的参数同样在BC分期中表现出良好的诊断效能，WANG等^[26]发现MIBC患者的表观峰度系数（apparent kurtosis coefficient, MKt）、径向峰度（radial kurtosis, Kr）、平均峰度（mean kurtosis, MKb）值显著高于NMIBC患者（P值分别为0.022、<0.001、0.044），其中Kr在鉴别MIBC和NMIBC中的AUC最高（0.883）。尽管DKI在鉴别肌层浸润性方面有独特的优势，但是由于研究样本较少、b值不同以及扫描参数的差异，仍需要通过进一步研究证实其结果的可靠性。

       体素内不相干运动（intravoxel incoherent motion, IVIM）是考虑到微血管灌注对扩散影响的双指数模型^[18]。IVIM包含有三个参数分别为：真扩散系数（true diffusion coefficient, D）、假扩散系数（pseudo diffusion coefficient, D^*）和灌注分数（perfusion fraction, f）。与ADC不同的是，D代表的是纯粹的水分子扩散过程，即无血管灌注影响的扩散系数，D^*与微血管灌注有关，f反映的是微血管流动在肿瘤体素中占据的体积分数。既往研究表明，IVIM在急性髓系白血病生存期预测、鉴别良恶性胰腺病变及神经变性、认知能力下降评价中均有良好的应用价值^{[27, 28, 29]}。WANG等^[30]的研究证明，MIBC患者的ADC和D值明显低于NMIBC（P<0.01），D^*和f值在两组之间无统计学意义（P>0.05）。D值取0.894（×10^-3 mm²/s）的AUC显著高于ADC值取0.786（×10^-3 mm²/s）（P<0.05），D值和ADC值的敏感度和特异度分别为95.0%和87.5%、80.0%和68.7%。而在ZHANG等^[31]的研究中，在鉴别低、中、高侵袭性BC时ADC值的AUC显著高于D值（0.895 vs. 0.862），f值的AUC次高（0.873），两项研究结果差别的原因可能与样本数量、各组比例不同和图像采集过程中b值数量等有关，这还需要进一步验证。尽管以上研究证明IVIM可以有效预测BC分期，但其准确性仍有争议，因此需要在大样本情况下验证其准确性，探索其临床应用价值。

       分数阶微积分扩散模型（fractional-order calculus diffusion model, FROC）是考虑到时间对扩散影响的非高斯模型，是从连续时间随机游走模型（continuous-time random-walk model, CTRW）中发展而来。FROC主要提供三个参数：D、空间分数阶导数（fractional order derivative in space, β）和空间参数（spatial parameter，μ），与ADC类似，参数D受肿瘤细胞、细胞膜完整性和其他影响组织中水分子扩散过程的结构的影响，参数β与体素内结构非均质性相关（肿瘤内血管增生、出血、坏死和囊变），μ则与平均自由扩散长度有关。研究表明，参数D和μ之间显著相关^[32]。此外，D、β和μ还受到扩散时间的影响，温清清等^[33]的一项动物研究中发现，小鼠离体脑灰质和白质Ｄ随扩散时间增大而减小，β略增大，μ增大明显。FROC可以准确用于BC分期。FENG等^[34]的研究结果表明D和μ在MIBC组显著低于NMIBC组（P=0.001）；且D、β和μ的组合产生最高的特异度（85%）、准确度（78%）和AUC（0.782，95% CI：0.657~0.907）。目前FROC模型并未广泛应用于BC分期研究，但与传统单指数模型的ADC相比，这些参数可以基于细胞和结构的异质性提供组织的多方面的特征，有望成为BC诊断与鉴别诊断的生物学标志物。

1.3 DCE-MRI在BC分期中的应用

       DCE-MRI作为一种通过对血流动力学的观察来评价肿瘤功能状态的技术，可评估肿瘤组织微循环特性，为癌症监测提供一种低成本的选择。静脉注入顺磁性对比剂之后，黏膜层早期强化，肌层和肿瘤整体延迟强化，在分辨有无肌层侵犯方面具有明显的优势^[35]。ZHOU等^[36]的研究表明DCE-MRI在动脉期、静脉期及延迟期瘤体信号的改变与BC分期呈正相关（P<0.01），通过不同时期信号特征联合ADC值，对BC进行分期诊断，其敏感度、特异度和准确度分别为96.7%、94.9%和95.7%。

       虽然DCE-MRI在BC诊断中有了进一步的发展，但其需要静脉注射顺磁性对比剂，扫描时间长，过程中可能会出现过敏反应及重金属中毒。为了克服这些缺点，人们提出了膀胱内对比增强MRI（intravesical contrast-enhanced MRI, ICE-MRI），ICE属于DCE的一个分支，主要是将钆螯合物通过尿路上皮细胞传递到肿瘤，进而来测量肿瘤的体积、深度和侵袭性，这样可以减少手术室资源的使用，成为潜在的BC监测选择^[37]。总之，DCE-MRI在预测膀胱肌层浸润状态方面有其特有的优势，敏感度、特异度及准确度高，已被广泛应用到临床。

2 BC分级

2.1 DWI在BC分级中的应用

2.1.1 高斯扩散模型在BC分级中的应用

       DWI作为一种关键的BC组织学分级影像学手段，既往研究已揭示ADC值在LG组中显著高于HG组^[38]。这一现象可能源于HG组中的肿瘤细胞快速增殖，并且细胞密度高，导致了较高的扩散受限程度。WANG等^[39]的研究表明，ADC值在鉴别分级中的AUC为0.866（95% CI：0.751~0.941），这进一步确认了ADC值在预测BC分级中的临床价值。然而关于ADC值单独应用于BC分级的研究较少，通常与其他MRI技术联合评估BC分期分级。

2.1.2 非高斯扩散模型在BC分级中的应用

       DKI是扩散张量成像（diffusion tensor imaging, DTI）和DWI的延伸。目前，DKI主要采用两种成像策略：扩散张量法与多b值法。通过扩散张量法形成的DKI包含了7个成像参数：ADC、径向扩散率、轴向扩散率、MKt、Kr、轴向峰度和分数各向异性。而由多b值法形成的DKI则包含了2个成像参数：平均扩散率（mean diffusivity, MDb）和MKb^[26]。DKI已被证实可以用于鉴别HG与LG，并评估BC的侵袭性。WANG等^[26]的研究发现，HG患者中的MKt和Kr值显著高于LG患者（0.693±0.135 vs. 0.581±0.091、0.700±0.129 vs. 0.606±0.118，P<0.05），而其余参数在两组间差异并没有统计学意义，在这项研究中，由多b值法形成的参数在两组之间差异并无统计学意义，这可能与形成DKI的b值以及细胞大小、形状、极性等变化和成像模式有关。因此DKI在BC领域的研究还需要进一步深化和发展。

       IVIM模型是当前相对成熟的双指数模型。ZHANG等^[31]研究结果显示，D值在低、中及高侵袭性BC患者中差异存在统计学意义（P<0.05），f值在低、高侵袭性以及中、高侵袭性BC组间的差异亦有统计学意义（P<0.05）。最佳参数组合为D值与f值，二者联合的AUC和准确度分别为0.931和91.82%，但ADC的诊断效能要优于单个参数。以上结果均证明了IVIM模型中衍生的参数可以作为预测BC侵袭性的重要因子。然而图像质量差的问题仍亟待解决，这对临床上IVIM的使用构成了挑战。

       FROC作为一种高级扩散模型，已应用于胃癌的Lauren分型和唾液腺肿瘤的鉴别^{[40, 41]}。FENG等^[34]将58例BC患者分为HG和LG两组，统计分析显示，D、β和μ在HG中显著低于LG（P≤0.011），三者的联合产生了最佳的敏感度（89%）、特异度（86%）、准确度（88%）和AUC（0.892，95% CI：0.810~0.974），诊断效能明显优于ADC。此外，FROC模型的三个参数和双参数VI-RADS联合使用，可以将AUC从0.859提高到0.931。这些结果都表明，FROC模型可以有效地用于BC分级，但这一结论还需要通过更大样本量的研究来进行验证。

2.2 SyMRI在BC分级中的应用

       SyMRI是一种定量衡量组织结构的技术，使用多动态多回波（multi-dynamic multi-echo, MDME）序列完成，能够在一次扫描中同时量化纵向（T1）和横向（T2）弛豫时间和质子密度（proton density, PD）^[42]。由于人体各组织在微观结构上存在差异，因而T1、T2和PD值不同。目前该技术已经在脑部、前列腺等得到应用^{[43, 44]}。CAI等^[45]在研究中发现，T1、T2、PD、ADC的平均值在HG和LG患者均有显著差异，而平均ADC值的AUC最高，为0.869（95% CI：0.773~0.964）；在该项研究中，SyMRI衍生参数的总体诊断性能不如ADC值，且将参数和ADC联合起来并不能有效提高ADC的诊断效能。总的来说，该项技术目前研究阶段并不能有效用于BC分级，仍需要进一步研究验证其可靠性。

2.3 CEST在BC分级中的应用

       MRI的直接信号来源于氢质子，而氢质子在组织中可认为分布于两种不同的化学环境中，一种是自由水内的氢质子，叫做自由水分子池，一种是结合水内包括蛋白质、磷脂、多肽链中的氢质子，叫作大分子池。两种池内的氢质子，其共振频率或弛豫状态受周围化学环境的影响而表现不同。大分子池中的氢质子紧紧地被束缚于大分子结构中，活动度极小，T2弛豫时间极短，因此信号主要来源于自由水中的氢质子。CEST利用特定位置偏移共振频率的饱和脉冲激励法，使饱和的大分子池氢质子进入自由水，引起自由水的信号发生衰减，通过信号下降的程度，便能检测出相应的化合物成分的相对含量^[46]。体积激发的三维快速旋转回波CEST序列具有相对稳定的特征，能够对整个感兴趣的结构进行大范围扫描，提高信噪比，并降低图像失真，目前已应用于BC^[47]。

       酰胺质子转移加权成像（amide proton transfer- weighted imaging, APTw）是一种基于CEST的特异性饱和激励酰胺质子成分的技术，是肿瘤增殖和分化的重要生物标志物^[48]。这种分子MRI技术能够显示位于3.5 ppm的酰胺质子的化学位移特性^[49]。APTw值反映了移动大分子包括蛋白质和多肽在内的浓度，已被应用于BC、乳腺癌及肝癌的研究中^{[49, 50, 51]}。WANG等^[49]研究结果显示，APTw值在HG组明显高于LG组（P<0.001），APTw值与ADC值的AUC相同，均为0.84，二者之间差异无统计学意义（P=0.94）。与单个模型相比，APTw结合ADC值可以有效鉴别HG和LG，其敏感度、特异度及AUC分别为78%、94%及0.93（95% CI：0.87~0.98）。研究结果清楚地表明，APTw值与肿瘤组织学分级呈正相关，这与既往研究结论一致^{[50, 51]}。这些相似的发现，可能归因于HG肿瘤细胞增殖迅速，蛋白表达增加。

       总之，APTw能从分子层面上提供DWI以外的信息，有利于评价BC的组织学分级。尽管APTw目前已被应用于中枢神经系统、消化系统、泌尿生殖系统疾病的研究中，但由于其对硬件设备的要求高，以及计算时间长，且图像质量杂噪声较大，因此应用于BC的研究报道少见，仍需要进一步开展前瞻性及包含更大样本量和多中心参与的研究，以验证其稳定性和可重复性。

2.4 DCE-MRI在BC分级中的应用

       DCE-MRI单独用于BC分级的研究较少。ZHOU等^[36]研究发现，DCE-MRI快进快出的信号与BC分级显著相关（P<0.001）。联合DCE-MRI及ADC值对BC进行分级时，其敏感度、特异度及准确度分别为96.7%、94.9%和95.7%。虽然DCE-MRI在BC分级中有了进一步的发展，但DCE-MRI需要注射对比剂，会引起过敏反应，且肾功能不全患者不能使用，使其应用受到了限制。

3 不足与展望

       MRI多模态功能成像能够反映肿瘤细胞密度、细胞膜完整性、时间异质性、空间异质性及代谢变化，从而准确评估BC分期及分级。但目前仍存在以下争议与不足：（1）DCE-MRI需要静脉注射对比剂，扫描时间长，需要患者高度配合，且肾功能不全患者禁用。但随着设备与技术的不断更新，如ICE-MRI及压缩感知技术的出现，将提高MRI图像质量，减少伪影，减少过敏风险、缩短扫描时间。（2）目前大多数MRI功能成像是小样本、单中心的研究，且样本分布不均衡，得出的结论稳定性差，并未广泛应用于临床。因此有必要进行大规模、多中心的研究，以提高诊断效能。（3）当前MRI功能成像研究基于各种复杂的后处理技术，应用范围小，而人工智能的出现能够进一步解决后处理的难题。（4）影像组学使用算法提取高通量影像特征并建立模型，能够对BC细微结构变化提供有价值的见解，克服传统方法的局限性，未来将其与功能成像相结合，将有望全面提升BC肌层浸润状态的术前精准诊断水平。

4 小结

       综上所述，由于BC分期及分级与临床诊疗决策息息相关，因此术前准确地分期、分级就显得尤为重要。MRI多模态功能成像作为一种无创的影像学检查技术，在BC分期、分级诊断中具有巨大应用前景。以多模态MRI为核心的多学科联合诊断，将引领未来发展方向，在BC术前准确分期及分级中发挥重要的作用。