三維超聲下良惡性卵巢腫瘤的聲像圖特征及血流參數比較

肖 賢 張 恒 周盼妍 郭志偉

卵巢惡性腫瘤是婦科常見惡性腫瘤之一，死亡率高，早期診治是改善患者預后，提高5年生存率的關鍵[1]。目前臨床上使用的三維超聲可更加清晰的顯示卵巢腫瘤病灶，重建成像技術的立體感強，空間關系明確，比二維超聲能提供更豐富的診斷信息，對決定治療、手術方式具有重要意義[2]。以往多數學者通過計算腫瘤內血管條數評估血流情況，易受人為主觀因素的影響，隨著三維重建等軟件更新，學者們可利用三維彩色血管能量成像(3D-CPA)計算腫瘤內血管、血流情況，即依靠量化指標鑒別腫瘤性質，使診斷過程更加客觀[3]。現回顧性分析良、惡性卵巢腫瘤在三維超聲檢查下的聲像圖及血流參數特征，評估該檢查方法的臨床價值。

1 資料與方法

1.1 一般資料

選取2010年1月-2013年9月在我院婦科住院并行手術治療的184例卵巢腫瘤患者，入選患者均具有完整的病例資料，包括術前三維超聲檢查及術后病理診斷結果。年齡9～86歲，平均(46.1±14.9)歲，136例未絕經，48 例絕經。以病理診斷為金標準，將149例良性卵巢腫瘤納入良性組，35例惡性卵巢腫瘤納入惡性組。

1.2 檢查方法及評估標準

所有患者術前1周均通過IU22、GEE6四維超聲檢查，絕經前患者盡量避開黃體期。其中 176 例行經陰道超聲檢查，8 例因年齡較小無性生活史或腫塊體積較大行腹部超聲檢查。調節陰道探頭頻率 5～9 MHz，腹部探頭頻率為 4～8 MHz。三維數據采集過程中相關參數Filter、Scale、彩色增益等設置相同，均由同一名有經驗的醫師操作完成。①三維超聲定性分析，應用表面模式、壁龕模式、透明模式等立體重建軟件及 Migcut功能觀察卵巢腫瘤結構及回聲，例如包膜、分隔、乳頭，從形態上鑒別其性質。②半定量分析，根據三維能量多普勒血液流圖重建圖像，不同角度觀察血管分布、分支走行情況，并分為3型：腫瘤內部未見血管分布，但周邊可見短條或弧形血管為Ⅰ型；腫瘤周邊可見血管走行，且內部亦可見稀疏、平直走行的血管分支為Ⅱ型；腫瘤周邊可見血管包繞，內部可見豐富血管網，分支走行迂曲不規則為Ⅲ型[4]。③三維能量多普勒超聲的定量分析，設定能量多普勒血流條件，將立體取樣盒移至感興趣區域，調節容積至最小，3D功能采集圖像保存；應用計算機輔助分析并計算血管參數:血流指數(flow index,FI)、血管形成指數(vascularity index,VI)、血管形成-血流指數(vascularity flow index,VFI)，對每個患者測量3次觀察其重復性，取3次平均值以減少誤差。

1.3 統計學處理

2 結果

2.1 兩組病理結果

良性組(149例)包括黏液性囊腺瘤65例，漿液性囊腺瘤47例，卵泡膜細胞瘤12例，卵巢纖維瘤25 例；惡性組(35例)包括黏液性囊腺癌11 例，漿液性囊腺癌14例，胚胎癌2例，惡性畸胎瘤2例，轉移性卵巢癌6例；依據2000 年 FIGO 分期標準，29例原發性卵巢癌臨床分期分別為Ⅰ期9 例、Ⅱ期4例、Ⅲ期14 例、Ⅳ期2例。

2.2 三維超聲診斷結果及主要聲像圖特征、血流分型

1例卵巢黏液性囊腺癌漏診為良性，其內未見明顯血流信號；4例良性卵巢腫瘤誤診為惡性，2例為卵巢纖維瘤，2例為卵巢漿液性囊腺瘤，聲像圖可見實性成分并有厚隔分區，血流信號以Ⅲ型為主。良、惡性卵巢腫瘤主要聲像圖特征及血流分型見表1，惡性組多為實性伴散在液性區，血流分型以Ⅲ型為主(30/35,85.7%)；良性組多為液性伴較多分隔，血流分型以Ⅰ型為主(137/149,91.9%)，兩組血流分型比較差異明顯(P<0.05)，有統計學意義。

表1 良、惡性組主要聲像圖特征及血流分型比較/例

2.3 兩組三維能量多普勒血流參數比較

良性組VI、FI、VFI顯著小于惡性組(P<0.05)，差異有統計學意義，見表2。按照FIGO 分期，Ⅰ+Ⅱ期(13例)與Ⅲ+Ⅳ期(16例)卵巢癌血流參數比較無顯著差異(P>0.05)，無統計學意義，見表3。

表2 良性組、惡性組三維能量多普勒血流參數比較

*為與惡性組比較，P<0.05。

表3 卵巢癌 Ⅰ、Ⅱ期與Ⅲ、Ⅳ期患者血流參數比較

*為與Ⅲ+Ⅳ期比較，P>0.05。

3 討論

我們采用3D-CPA觀察比較良、惡性卵巢腫瘤的聲像及血流特征，利用三維重建方法，立體、全面地展示腫瘤聲像特征及內部、周圍血管結構，屬于無創檢查，可重復性強。在三維超聲下184例患者的腫瘤聲像特征均可清楚顯示，而且容易分辨腫瘤與周邊組織的空間關系，腫瘤內壁、隔膜的性狀，相對于采用二維灰階超聲檢查更有利于判斷腫瘤性質[5]。在三維超聲下可輕松分辨腫瘤囊實性聲像圖，清晰觀察腫瘤內部分隔、乳頭狀細小顆粒及囊壁厚度。根據病理結果分組，惡性組多為實性伴散在液性區，良性組多為液性伴較多分隔，說明三維超聲下大部分良惡性卵巢腫瘤的聲像圖具有顯著區別，有利于初步鑒別和診斷[6]。

由于卵巢癌侵襲性強，生長速度快，絕大部分的惡性卵巢腫瘤周圍及內部新生血管豐富，血流速度較快，而良性腫瘤生長緩慢，血管相對較少，一般無血流或血流較慢。有學者采用三維超聲觀察卵巢癌等盆腔惡性病變部位的新生血管特征，發現這些惡性腫瘤內部均有包靜脈脈短路、血管湖等結構異常，這與惡性腫瘤新生血管分化不成熟，形態結構粗糙等病理特征有關[7]。因此，依靠腫瘤新生血管數量及血流豐富程度的不同成為卵巢腫瘤良惡性鑒別診斷的重要依據。我們比較良性組與惡性組血流分型特點，良性卵巢腫瘤內部一般無血管，小部分腫瘤周邊可見血管分布，這些血管走行平直，形態規則且分支少；大多數惡性腫瘤內部血管豐富，其形態、走行扭曲，甚至相互融合成血管湖。根據血流分型，卵巢癌血管多位于中心部，Ⅲ型占85.7%，良性卵巢腫瘤多無血流或偶見血流，Ⅰ型占91.9%，良惡性卵巢腫瘤的血流分型存在顯著差異，與其他學者研究相符[8]。本研究中VI、FI、VFI等均經 3次測量，不同平面及旋轉角度對前、后測量結果沒有太大的影響，取平均值后比較，良性組VI、FI、VFI均顯著小于惡性組但不同臨床分期的卵巢癌血流參數無顯著差異。上述結果說明三維能量直方圖血管參數有利于術前鑒別卵巢腫物良惡性，但不能在術前評估卵巢癌的臨床分期[9]。

雖然良惡性卵巢腫瘤的聲像圖及血流分型具有顯著區別，但本次研究中仍有1例卵巢癌漏診，4例良性卵巢腫瘤誤診為惡性，說明少數良惡性腫瘤間的聲像圖及血流分型仍存在交叉區域，常常表現相似的聲像和血流特征，會影響三維超聲評估腫瘤性質的準確性，漏診的卵巢黏液性囊腺癌其內未見明顯血流信號，血管指數偏低，我們認為可能腫瘤體積過大，內部囊性成分多，影響了血流信號；也有少數卵巢癌為“缺乏血流型”，新生血管較少，故血管指數偏低，易漏診為良性[10]。2例卵巢纖維瘤和2例卵巢漿液性囊腺瘤誤診為惡性，提示纖維瘤和漿液性囊腺瘤可表現為附件區囊實性腫物，可伴隨血管參數偏高，血流較豐富。有學者報道局部性激素水平可影響卵巢腫瘤的血流程度，或者黃體出血期也可表現為囊實性腫瘤并有血流豐富聲像[11]。對此，超聲醫師應結合臨床資料綜合評估，囑患者短期內再次檢查并與前次對比，避免因激素或黃體期引起的聲像圖改變影響診斷。綜上所述，卵巢良性腫瘤與卵巢癌在聲像圖、血流分布、血流分型等均有明顯不同，三維多普勒超聲術前診斷良惡性卵巢腫瘤較準確，但不能區分卵巢癌分期，需結合臨床綜合評估，避免誤診或漏診。

[1] 朱皓皞,于曉紅.卵巢癌預后評估相關因素的研究進展〔J〕.實用癌癥雜志,2011,26(4):429-431.

[2] 孫麗娟,吳青青.三維超聲鑒別卵巢腫瘤良惡性的研究現狀〔J〕.中國婦產科臨床雜志,2011,12(5):390-392.

[3] 鄭紅雨,沈桂新,韋玲華,等.三維超聲成像在卵巢腫瘤的診斷價值〔J〕.廣西醫學,2010,32(1):21-24.

[4] Kurjak A，Kupesic S，Anic T，et al.Three dimensional ultrasound and power doppler improve the diagnosis of ovarian lesions〔J〕.Gynecol Oncol，2000，76(1)：28-32.

[5] 王鑫璐,史鐵梅.三維能量多普勒超聲定量研究卵巢腫物血管的價值〔J〕.中國超聲醫學雜志,2006,22(8):628-630.

[6] 郭存麗,張艷華,李潔冰,等.三維多普勒能量成像在卵巢腫瘤中的應用〔J〕.中國超聲醫學雜志,2006,22(7):540-542.

[7] 孫麗娟,吳青青,馬玉慶,等.三維能量多普勒直方圖鑒別診斷卵巢腫物良惡性的價值〔J〕.中華醫學超聲雜志(電子版),2011,8(1):111-116.

[8] Alcazar JL，Rodriguez D.Three-dimensional power Doppler vascular sonographic sampling for predicting ovarian cancer in cystic-solid and solid vascularized masses〔J〕.J Ultrasound Med，2009，28(3):275-281.

[9] 孫麗娟,吳青青,陳 焰,等.超聲評分術前評價卵巢腫物良惡性及輔助術式選擇的研究〔J〕.中華醫學超聲雜志(電子版),2010,7(4):583-589.

[10] 李云桃，王英華.三維多普勒能量超聲鑒別卵巢良惡性腫瘤的診斷研究〔J〕.中國醫藥導報,2011,8(3):20-22.

[11] 王 琨,郭琳娜,焦 彤,等.三維超聲成像技術在卵巢腫瘤診斷中的應用〔J〕.天津醫科大學學報,2009,15(3):497-499,507.