DKI在肺癌病理类型及分化程度的应用价值研究
作者：admin 来源：未知 日期：2021-03-09 08:46人气：
摘 要：
目的 探讨扩散峰度成像(DKI)模型成像技术在鉴别肺癌病理学类型及分化程度中的应用价值。方法 搜集48例经病理确诊为肺恶性肿瘤的患者,在3.0 T MR下行DKI序列扫描(b值为0、700、1400、2100 s/mm2),比较不同病理类型(鳞癌、腺癌、小细胞肺癌)及不同分化程度(低、中、高分化)肺癌患者的平均扩散峰度(MK)和平均扩散系数(MD)差异有无统计学意义,采用受试者工作特征曲线(ROC)评估各参数的鉴别诊断效能。利用Spearman相关系数分析DKI参数与肺癌分化程度有无相关性。结果 小细胞肺癌与腺癌及鳞癌MD值差异均有统计学意义(P值分别为0.003、0.032),其中MD值对鳞癌-小细胞肺癌的鉴别诊断效能最大曲线下面积(AUC)=0.981。腺癌和鳞癌的MD值差异无统计学意义。小细胞肺癌、腺癌和鳞癌MK值两两比较差异均无统计学意义。低与中分化组、低与高分化组的MD值及MK值均有统计学意义,且诊断准确性较高(AUC>0.850);中与高分化组的MD值差异有统计学意义(P=0.026),而MK值差异无统计学意义。肺癌的分化程度与MD值及MK值存在相关性(MD:r=0.890,P<0.001;MK:r=-0.877,P<0.001)。结论 DKI的MD值对肺癌病理类型的鉴别有一定的应用价值,肺癌的分化程度与MD值呈正相关,与MK值呈负相关。
关键词：
肺癌 病理类型 分化程度 扩散峰度成像
The Application Value of Diffusion Kurtosis Imaging in Pathological Type and Grade of Lung Cancer
XIE Lei YU Fenfen WANG Yubo
Guangzhou University of Chinese Medicine;
Abstract：
Objective To investigate the application value of DKI imaging in pathological type and Grade of lung cancer. Methods A total of 48 patients with pathologically confirmed lung cancer were collected in this study. All patients underwent 3.0 T MR DKI scan(b=0、700、1400、2100 s/mm2),to compare the difference of the mean kurtosis(MK) and mean diffusivity(MD) of patients with pathological type(squamous cell carcinoma,adenocarcinoma and small cell lung cancer) and grades(poorly differentiated,moderately differentiated and highly differentiated).The Receiver Operating Characteristic Curve(ROC) is used to evaluate the diagnostic efficiency of these parameters. The correlation between DKI parameters and the grades of lung cancer were further evaluated with Spearman correlation coefficient. Results The MD values of SCLC were significantly different from those of adenocarcinoma and squamous cell carcinoma(P= 0.003,0.032,respectively),The ROC curve showed that the MD value had the greatest diagnostic efficacy in squamous cell carcinoma and small cell lung cancer(AUC=0.981).There was no significant difference in MKvalues in the three groups. The MD and MK value between poorly and highly differentiated groups,poorly and moderately differentiated groups both have significant difference,and had high diagnostic accuracy(AUC > 0.850).The MD value between moderately and highly differentiated have significant difference(P=0.026),while the MK value does not have significant difference. The MD value and MK value was correlated with the histologic grades(MD:r=0.890,P<0.001;MK:r=-0.877,P<0.001). Conclusion The MD value of DKI is significant for judgement of pathological types of lung cancer. The differentiation degree of lung cancer was positively correlated with MD value and negatively correlated with MK value.
Keyword：
Lung cancer; Pathological type; Differentiated degree; Diffusion kurtosis imaging;
不同生物组织结构中的水分子扩散情况不同,一般表现为两种分布形式,高斯分布和非高斯分布[1]。传统的扩散加权成像(diffusion weighted imaging,DWI)模型将人体内水分子扩散运动假设为自由的、随机的高斯分布运动,利用单指数模型获得表观扩散系数(apparent diffusion coefficient,ADC)来量化分析组织水分子的扩散运动,间接反映了组织微观结构的病理生理变化[2],但受b值影响较大,而且人体组织内水分子扩散运动较为复杂,多为非高斯分布,且b值越高 (尤其b>1000 s/mm2),非高斯扩散运动越显著[3,4]。鉴于DWI所获得的扩散信息与真实的体内扩散运动存在一定程度的偏离,基于非高斯分布的扩散峰度成像(DKI)模型被提出。DKI为多参数模型,通过多参数量化分析组织内水分子的非高斯运动,获得更准确的扩散信息,从而更真实地反映组织微观结构的复杂性;DKI可以获得多个方向上的参数值,如轴向峰度、轴向扩散系数等,目前临床研究多采用平均扩散峰度(mean kurtosis,MK)和平均扩散系数(mean diffusivity,MD)等平均值,其中以MK值应用最为广泛,被认为是评估组织结构复杂程度的指标,如肿瘤细胞的异型性、 细胞核的多形性越明显,间质内增生血管越丰富,则MK值越大[5]。因此,与传统的DWI相比,DKI能更准确地评估复杂的组织微观结构环境[6]。本研究为前瞻性研究,旨在评估DKI在肺部应用的可行性,并分析DKI对肺癌病理类型及分级是否具有临床价值。
1 资料与方法
1.1 一般资料
搜集2018年1月至2019年5月在本院行CT检查发现肺实性占位性病变的患者,纳入标准:(1)胸部CT检查发现肺部肿瘤直径≥1.0 cm;(2)MR检查前未对目标病灶干预(如侵入性检查或抗肿瘤治疗等);(3)无MRI检查的禁忌症;(4)经病理证实(手术、穿刺活检、支气管镜活检等)的原发性肺癌患者。排除标准:(1)失访或未获得病理诊断者;(2)MRI图像质量差,病灶显示不清;(3)肿瘤内坏死、出血或钙化范围较大,无可测量靶区。48例肺癌患者完成MR检查,男40例,女8例,年龄33～80岁,中位年龄59.5岁,平均59.5岁,其中腺癌24例,鳞癌15例,小细胞肺癌9例;低分化21例,中分化10例,高分化8例。所有患者均已签署知情同意书。
1.2 检查方法
MRI采用Siemens 3.0 T Prisma磁共振扫描仪和16通道体部阵列线圈,采取仰卧位扫描。检查序列包括常规MR序列(轴位及矢状位T2WI序列、冠状位T1WI序列)和DKI序列,其中轴位DKI序列采用自旋回波平面回波成像(SE-EPI)序列加轴面脂肪抑制,采用呼吸门控、单次激发,选取4个b值(0、700、1400和2100 s/mm2),其他扫描参数:TR 6000 ms,TE 70.0 ms;层厚、层间距4.0 mm;视野(FOV)38 cm×38 cm;矩阵128×128;常规序列扫描范围肺尖至肺底,DKI序列扫描范围包全病灶。
1.3 图像后处理
使用MR_Diffusion图像后处理软件对DKI图像进行定量分析。对照T2WI或CT图像,根据病灶实际情况(病变的厚度、大小及坏死囊变范围),每个结节或肿块选择1～4个层面,尽量避开坏死区及血管,手动勾画最大范围的感兴趣区(ROI),软件自动计算出相应ROI的MD值及MK值的均值和标准差,最后计算平均值作为该样本的最终值。
1.4 统计学分析
在SPSS 22.0统计软件上进行统计学分析,各组数据符合正态分布,且方差齐,采用单因素方差分析检验不同病理类型肺癌(腺癌、鳞癌、小细胞肺癌)及不同分化程度肺癌(低、中、高分化)之间的MD值和MK值差异是否具有统计学意义,两两比较采用LSD法,采用Spearmen相关系数分析评估肺癌分化程度与MD值、MK值的相关性。受试者工作特征曲线(ROC)采用MedCalc软件处理。P<0.05为差异具有统计学意义。
2 结果
2.1 不同病理类型肺癌的MD及MK值比较
腺癌组、鳞癌组及小细胞肺癌组的DKI参数比较结果见表1。方差分析示,腺癌、鳞癌及小细胞肺癌MD值的总体均数不全相等,而三组的MK值差异无统计学意义。两两比较发现,腺癌和鳞癌的MD值均大于小细胞肺癌,且差异有统计学意义(P值分别约0.003、0.032),而腺癌和鳞癌之间的MD值差异无统计学意义。
2.2 不同分化组的DKI参数比较
方差分析发现,非小细胞肺癌低、中、高分化组间的MD值、MK值的总体均数水平不全相同。两两比较,低分化组的MD值小于中及高分化组(P均<0.001),中分化组MD值小于高分化组(P=0.026);低分化组的MK值大于中、高分化组(P均<0.001);而中分化组与高分化组间的MK值差异无统计学意义。经Spearmen相关分析表明,MD值与肺癌分化程度呈正相关(r=0.890,P<0.001),MK值与肺癌分化程度呈负相关(r=-0.877,P<0.001)(表2)。
表1 腺癌、鳞癌及小细胞肺癌DKI参数的比较(x¯±s)
表2 低、中、高分化组DKI参数的比较(x¯±s)
表3 DKI各参数的诊断效能
3 讨论
目前用于探查水分子非高斯分布特性的方法主要为多参数DKI模型,主要引入峰度参数值来量化真实水分子扩散位移与理想的高斯分布水分子扩散位移的偏离程度,其大小与成像体素内组织结构的复杂程度呈正相关,即ROI内生物组织结构越复杂,水分子扩散位移偏离高斯分布程度就越大,值就越大。扩散系数值为非高斯分布矫正后的ADC值,表示单位时间内水分子的扩散位移距离,反映组织水分子的整体扩散水平和扩散阻力[3,6]。早期的DKI主要用于中枢神经系统疾病研究[5],现DKI已逐渐应用于其他器官[7～11],如前列腺、乳腺、肝脏、直肠、肾等,并取得了初步成果,展现出DKI临床应用价值及前景。由于肺部的特殊性,磁共振在肺部的临床应用较少,还处于研究阶段。目前MRI在肺部研究的成像技术主要包括DWI及体素内不相干运动(intravoxel incoherent motion,IVIM),而DKI在肺部的临床研究较少,主要集中在肺结节的良恶性鉴别方面。王金良等[12]研究表明肺恶性结节的MK值明显高于良性结节,DKI在鉴别肺良恶性结节的能力与DWI相当,且MK值比ADC值能提供更多临床信息。周舒畅等[13]研究结果显示恶性结节的扩散峰度值明显高于良性结节,两组之间的非高斯扩散系数值差异无统计学意义,峰度参数值鉴别诊断的特异度与ADC值相同。王志炜等[14]定量比较了DWI、IVIM及DKI在鉴别良性和恶性孤立性肺部病灶(solitary pulmonary lesion,SPL)中各种扩散参数的诊断价值,结果表明三者在鉴别SPL方面的价值相当。
由于相关文献较少,目前肺DKI中b值的选取尚没有统一的标准,最大b值的选取也存在争议。Jensen等[6,8]提出DKI要求扩散敏感梯度所施加的方向至少15个,b值至少3个,且其中必须含有b=0。Rosenkrantz等[15]研究认为且至少在1000 s/mm2以上和以下各取2个b值,且最大b值>1500 s/mm2才能测得非高斯运动。但也有研究认为b值在600～1500 s/mm2即可满足体部DKI检查要求[13]。本研究采用了相等间隔的4个b值(b=0、700、1400、2100 s/mm2)。使用更多b值和梯度方向可以提高参数的稳定性和准确性,但会延长扫描时间,故在体部应用中,受到扫描时间的限制,本研究梯度方向仅采用了4个b值。因此,最适于肺部的DKI参数还需要进一步探索。
本研究结果显示,MD值对于腺癌和小细胞肺癌、鳞癌和小细胞肺癌的鉴别具有较高的准确性[曲线下面积(AUC)分别为0.876、0.981](表3,图1、2)。腺癌及鳞癌的MD值均显著高于小细胞肺癌。在组织学上,小细胞肺癌一般由小圆形或卵圆形的癌细胞构成,分布相对广泛,细胞密度比鳞癌和腺癌高,细胞外间隙较小[16],水分子扩散受限程度高,MD值相对较低。病理学上腺癌和鳞癌的生长方式不同[17],前者典型表现为肿瘤细胞沿肺泡壁替代性浸润生长,后者表现为非替代性浸润,呈团块状压缩式增殖,但本研究结果显示鳞癌组和腺癌组MD值的差异无统计学意义,分析可能是两者微环境的差别程度不足以引起MD值在统计学上存在显著差异,因为部分鳞癌和腺癌形态学上存在重叠,需要进一步免疫组织化学来鉴别。此外,水分子的扩散运动除了与细胞密度相关外,还受到症状坏死囊变、黏液蛋白含量及间质血管分布等的影响。本研究结果显示,鳞癌、腺癌及小细胞肺癌两两比较的MK值差异均无统计学意义,可能是一些分化差的鳞癌或腺癌组织结构的复杂程度与小细胞肺癌存在重叠,三者的非高斯扩散效应差别不明显。利用Spearman相关系数分析发现,肺癌分化程度与MK值呈负相关,与MD值呈正相关,并且具有良好的相关性,该结论与大量学者在其他的肿瘤研究结果类似,如颅脑胶质瘤、前列腺癌、乳腺癌、肝外胆管癌及直肠肿瘤等[7～10,18]。肿瘤细胞分化程度越低,即肿瘤分级越高,癌细胞结构越不规则,细胞核的多形性越明显,生物组织结构越复杂,水分子扩散阻力越高,非高斯运动越明显,MK值越高,MD值越低。本研究结果显示MD值和MK值对于不同分化程度肺癌的鉴别具有一定的应用价值,利用ROC曲线方法分析得出的AUC均较大(AUC≥0.800)(表3,图1、2)。此外,虽然中分化组MK值有大于高分化组的趋势(0.93±0.06、0.82±0.05),但是其MK值差异无统计学意义,还需要扩大样本量进一步研究探讨。
综上所述,DKI技术应用肺部具有可行性,肺DKI的最适扫描参数还需要更多的研究得出。MD值对于术前判断肺癌的病理学类型具有一定的应用价值。DKI及其定量参数对于恶性肿瘤的分级有一定的提示意义,在术前分级等方面具有广阔的应用前景,但仍需要更多大样本研究来进一步证明肺部DKI的临床应用价值。
参考文献
[1] Veraart J,Van Hecke W,Sijbers J.Constrained maximum likelihood estimation of the diffusion kurtosis tensor using a Rician noise model[J].Magn Reson Med,2011,66:678-686.
[2] 柯承露,李静.IVIM及DKI在乳腺病变的临床研究进展[J].磁共振成像,2018,9:153-156.
[3] Jensen JH,Helpern JA,Ramani A,et al.Diffusional kurtosis imaging:the quantification of non-Gaussian water diffusion by means of magnetic resonance imaging[J].Magn Reson Med,2005,53:1432-1440.
[4] Tamura T,Usui S,Murakami S,et al.Biexponential signal attenuation analysis of diffusion-weighted imaging of breast[J].Magn Reson Med Sci,2010,9:195-207.
[5] 程悦,沈文.MR扩散峰度成像原理及其在中枢神经系统的初步应用[J].国际医学放射学杂志,2015,38:20-24.
[6] Jensen JH,Helpern JA.MRI quantification of non- Gaussian water diffusion by kurtosis analysis[J].NMR Biomed,2010,23:698-710.
[7] 王睿,仲津漫,汪洋,等.DKI对前列腺癌的鉴别诊断及临床病理分级的定量预测研究[J].中国临床医学影像杂志,2019,30:122-125.
[8] 谷红玉,罗松,邓小毅.扩散峰度成像在乳腺癌中的研究进展[J].新医学,2019,50:327-330.
[9] 徐蒙莱,邢春华,陈宏伟,等.DKI技术在肝外胆管癌分级中的应用价值[J].磁共振成像,2016,7:34-39.
[10] 文自强,杨心悦,陈琰,等.磁共振成像扩散峰度成像在直肠癌组织学类型及病理分级中的应用[J].消化肿瘤杂志,2018,10:11-15.
[11] Wang K,Cheng J,Wang Y,et al.Renal cell carcinoma:preoperative evaluate the grade of histological malignancy using volumetric histogram analysis derived from magnetic resonance diffusion kurtosis imaging.[J].Quantitative imaging in medicine and surgery,2019,9:671-680.
[12] 王金良,Sushant Kumar Das,张川.磁共振扩散峰度成像对肺结节恶性和良性鉴别诊断[J].中国CT和MRI杂志,2018,16:1672-5131.
[13] 周舒畅,王玉锦,黄璐,等.扩散峰度成像与扩散加权成像在难鉴别孤立性肺结节良恶性判定价值的比较研究[J].中华放射学杂志.2019,53:200-204
[14] 王志炜,Wan Q,Deng Y,等.区分良性和恶性孤立性肺部实性病灶:体素内不相干运动成像和扩散峰度成像是否优于传统的扩散加权成像[J].国际医学放射学杂志,2019,42:373.
[15] Rosenkrantz AB,Padhani AR,Chenevert TL,et al.Body diffusion kurtosis imaging:basic principles,applications,and considerationsfor clinicalpractice[J].J Magn Reson Imaging,2015,42:1190-1202.
[16] Noworolski SM,Vigneron DB,Chen AP,et al.Dynamic contrastenhanced MRI and MR diffusion imaging to distinguish between glandular and stromal prostatic tissues [J].Magn Reson Imaging,2008,26:1071-1080.
[17] Humphries PD,Sebire NJ,Siegel MJ,et al.Tumors in pediatric patients at diffusion-weighted MR imaging:apparent diffusion coefficient and tumor cellularity[J].Radiology,2007,245:848-854.
[18] 徐蒙莱,汤群锋,毛海霞,等.DKI在胶质瘤分级中的诊断应用[J].影像研究与医学应用,2019,3:230-232.
