DWI不同模型在卵巢腫瘤診斷中的應用

錢洛丹，吳慧，高陽，牛廣明

卵巢癌是最具侵襲性的婦科惡性腫瘤之一。由于缺乏規范的篩查程序、早期臨床癥狀輕微且易腹膜轉移，導致許多患者發現疾病已是晚期，預后不佳。據最新統計，美國每年約有14 000人死于此病，60%的患者被診斷為晚期，總體5年生存率低于30%[1]。因卵巢癌患者的生存率與診斷階段密切相關，故術前對卵巢腫瘤的診斷及鑒別診斷的準確性對于患者的生存和預后至關重要。目前體格檢查結合血清癌抗原125(CA 125)測定廣泛用于初診患者。但有不少患者血清CA125水平升高，超聲檢查正常，從而延誤了最佳手術時機[2]。對于超聲無法確定的病灶，歐洲泌尿生殖器官放射學協會推薦常規MRI和動態對比增強磁共振成像(dynamic contrast-enhanced MRI，DCE-MRI)在此類附件腫塊中的應用[3]。因MRI具有極佳的軟組織分辨率，在識別卵巢惡性腫瘤，局部分期，排除非卵巢原發癌，早期監測治療反應并描述轉移情況以評估可切除性等方面發揮了重要作用。但是常規MRI對于鑒別卵巢腫瘤良惡性的價值有限，故新型非侵入性方法擴散加權成像(diffusion weighted imaging，DWI)、體素內不相干運動成像(intravoxel incoherent motion，IVIM)、拉伸指數模型(stretched)、擴散峰度成像(diffusion kurtosis imaging，DKI)興起并用于卵巢腫瘤的研究。

1 常規DWI在卵巢腫瘤鑒別中的應用

DWI已成為婦科MRI的重要組成部分，可顯著提高婦科惡性腫瘤影像學報告的準確性[4]。通過利用腫瘤細胞內受限制的水遷移率來增加病變與周圍組織之間的對比度，并用表觀擴散系數(apparent diffusion coefficient，ADC)量化表示。Addley等[4]發現當卵巢腫瘤在b值為800～1000 s/mm2的T2WI上為低信號時，良性疾病的可能性很高，在這種情況下，DWI可以代替DCE T1WI成像，在不能使用釓的情況下(如孕婦合并卵巢病變)，DWI尤其有用。Zhao等[5]研究表明，對比增強掃描可能有助于鑒別良性和惡性上皮性腫瘤，但對鑒別交界性上皮性卵巢腫瘤(borderline epithelial ovarian tumor，BEOT)和惡性上皮性卵巢腫瘤(malignant epithelial ovarian tumor，MEOT)的幫助有限，而標準DWI對于區分BEOT和MEOT具有良好的診斷性能，其最佳ADC值閾值為1.039×10-3mm2/s，靈敏度為97.0%，特異度為92.2%，準確度為96.4%，這對于年輕且想保留生育功能的BEOT患者手術方案的確定意義重大。此外，該研究還表明囊性成分無法準確區分BEOT和MEOT。Denewar等[6]應用多因素Logistic回歸分析評價增強MRI、ADC和CA125測定對卵巢BEOT與Ⅰ期MEOT鑒別價值時也發現，ADCmin和固體組分的最大直徑是MEOT的獨立指標，曲線下面積(area under curve，AUC)、敏感性和特異性分別為0.86、81%和84%。王豐等[7]將上皮性卵巢癌分為高低級別兩個亞型，并發現Ⅱ型(高級別)上皮性卵巢癌組ADC的Mean、10th、MeanL、90th、MeanR均低于Ⅰ型(低級別)組；Oh等[8]將卵巢癌分為G1、2、3級，G2和G3級組的ADC值均低于G1級組，差異均有統計學意義。Wang等[9]近期研究發現ADC直方圖參數可以鑒別早期(I期)和晚期(II-IV)上皮性卵巢癌，淋巴結轉移陽性組的ADC直方圖參數顯著低于淋巴結轉移陰性組，其中分別以ADC平均值和ADC 90百分位數的AUCs最高；且得出ADC直方圖參數與Ki-67表達呈負相關、P53突變組ADC直方圖參數顯著低于P53野生組且差異有統計學意義，因此ADC直方圖參數可能預測P53的表達。但是采用單指數模型，忽略了微循環灌注對信號衰減的影響，測得ADC值大于真實的擴散值[10]，故用單指數模型計算的ADC值可能不能準確地反映水分子在體內的擴散。

2 IVIM雙指數模型的基本原理及臨床應用

2.1 成像原理

研究表明DWI信號和ADC值在一定程度上會受組織灌注的影響，故Le Bihan等[11]提出基于體素內不均一運動的雙指數模型，理論上可以將灌注成分與水分子的真正擴散分離開來，通過該模型可以獲得3個擴散參數，反映體素中真性水分子擴散系數的D、微循環灌注引起的偽擴散系數D*和體素內微循環灌注效應占總體擴散效應的容積比f。D*和f與灌注相關，可以在不使用對比劑的情況下間接反映組織血管化的程度[12]。但Williams等[13]發現，惡性腫瘤生長速度快，促血管生成因子過度表達，形成大量的新生血管，但是新生血管不規整，從而導致灌注成分的血管比例下降，可能進一步加重組織缺血缺氧。因此，血管內皮生長因子并不一定能代表腫瘤真實血供，還需使用經典的灌注技術進行進一步的研究，以證明f在組織血管生成方面的潛在作用。

2.2 在鑒別診斷中的應用

孟楠等[14]在鑒別卵巢腫瘤良惡性中發現，ADCslow(D)與 ADCstand呈正相關，且ADCslow值均明顯低于ADCstand值，進一步證明單指數模型DWI包含微灌注效應，并未真實反映組織中水分子擴散受限的理論，且得出卵巢良性病變的ADCslow值明顯較高。申洋等[15]在研究IVIM模型的擴散加權成像和動態增強核磁共振在卵巢腫瘤良惡性鑒別的應用價值中也得出一致結論，并發現ADC、D、f、D*、Kep、Ve值在鑒別卵巢腫瘤良惡性中有統計學意義，其中ADC、Ve值的敏感性較高，可以用于初篩；f、D*、Ktrans、Kep的特異性較高，可以用于確診。王豐等[7]發現D值可以鑒別低級別和高級別卵巢癌，其中D值的Mean對鑒別兩種分型的價值最大，以0.826×10-3mm2/s為截斷點，診斷敏感度和特異度分別為93.8%和75.0%，但ADC和D之間的AUC差異無統計學意義，樣本量過小可能是其原因之一，故還需要加大樣本數據進行驗證，但是近年來，IVIM模型已被證明在多個癌癥[16-17]上比ADC具有更好的診斷性能。故可以看出IVIM模型在鑒別卵巢腫瘤良惡性及評估惡性程度方面是具有一定價值的，因此需要進一步探索。

3 拉伸指數模型的基本原理及臨床應用

3.1 成像原理

考慮到擴散成分的復雜性，特別是在卵巢癌等異質性較高的組織中，IVIM模型中擴散信號只來源于血管內與血管外兩室的假設可能較少。且f和D*的可重復性差表明雙指數模型可能比其他模型對噪聲更敏感[18]。Bennett等[19]提出的拉伸指數DWI模型，該模型不需要建立關于組織區室化的假設，據其可得出兩個參數：水分子擴散異質性指數(a)和分布擴散系數(distribution diffusion coefficient，DDC)。DDC是體素內ADC連續分布時水分子體積分數的加權，具有更高的準確度[20]。a與體素內水分子擴散異質性有關，其值介于0～1，a值越小表示體素內擴散的不均勻性越高。目前拉伸指數模型已在腦膠質瘤[21]、前列腺疾病[22]等鑒別診斷中取得較好的應用價值。

3.2 在鑒別診斷中的應用

Winfield等[18]應用單指數、拉伸指數和雙指數模型評估原發性和轉移性卵巢癌中擴散加權MRI (DW-MRI)數據的擬合優度和重復性時發現，各參數的重復基線變異系數分別為：ADC 3.1%、DDC 4.3%、a 7.0%、D 13.2%、f 44.0%、D*165.1%，由于雙指數模型對噪聲較敏感而排除后得出，拉伸指數模型對64%病變中的大多數像素具有更好的擬合能力，并能評估病灶在治療前和治療后卵巢、網膜、腹膜病變和淋巴結的DW-MRI數據。其附加參數a與DDC無關，可以提供評估腫瘤異質性的方法，能更好地鑒別來自原發性和轉移性卵巢癌DW-MRI數據。Wang等[23]在鑒別I型和II型上皮性卵巢癌時指出DDC的準確性比ADC更好，并得出高級別卵巢癌的a值明顯減低，且發現ADC、D和DDC的診斷性能優于f和a。任繼鵬等[24]在研究多模型體素不相干運動聯合血清CA125對卵巢腫瘤的診斷中發現，隨著病變惡性程度的提高，CA125水平不斷升高，而ADCstand、ADCslow、DDC越低，呈現一定的負相關。孟楠等[14]在鑒別卵巢腫瘤的良惡性時做了單指數、雙指數及拉伸指數的相關性分析，結果發現DDC與 ADCstand、ADCslow呈明顯正相關，表明在反映水分子擴散運動方面，三者之間具有一定的一致性，但并未對其進行兩兩比較；并得出惡性病變組DDC和a值均較低。Chen等[21]發現與傳統的單指數相比，拉伸指數對膠質瘤的術前分級提供了更靈敏和準確的估計，DDC作為一種潛在的成像生物標志物，可以在術前區分膠質瘤等級，并以更可行的方式預測膠質瘤的增殖活性。另外，a可以用作神經膠質瘤異質性的成像生物標志物。可見拉伸指數不僅在腫瘤的診斷及鑒別診斷中至關重要，還可對腫瘤進行術前影像學評估，但是目前該模型在卵巢腫瘤中應用的相關文獻較少，有待進一步研究。

4 DKI的基本原理及臨床應用

4.1 成像原理

由于生物組織中復雜的微結構阻礙和限制了水分子的擴散，使其呈現出非高斯分布[25]，此時以水分子運動符合高斯分布的DWI模型可能不再適用。由此引入了DKI，其需要更高的b值，并且至少在15個方向上施加擴散敏感梯度場。得到的主要參數有：平均擴散峰度(K值)，其值介于0～1。K值越大，代表感興趣區內水分子擴散越偏離高斯分布，擴散受限越明顯，組織結構越復雜[26]。非高斯分布校正過的表觀擴散系數(D值)與ADC相似。近年來，DKI在乳腺[27]、盆腔器官[28]中的應用逐漸增加。

4.2 在鑒別診斷中的應用

Li等[26]研究DKI鑒別MEOT與BETO及與Ki-67表達的相關性中發現，MEOT的K值顯著高于BEOT，而D值顯著降低，K值的增加和D值的降低反映了腫瘤組織微觀結構的復雜性以及Ki-67的高表達，因此DKI模型可以用于評估卵巢腫瘤細胞增殖的非侵入性方法。李海明等[29]在研究多b值 DWI 鑒別MEOT與BEOT中進行了DKI-D、IVIM-D、ADC值3個參數的比較，結果發現DKI-D值的診斷效能最高，但差異無統計學意義。同時還與DKI-K值進行了比較，發現K值的診斷效能最高，且與ADC值的診斷效能差異有統計學意義，進一步證明了DKI用于卵巢腫瘤的可行性。一些研究表明，DKI參數在評估和早期預測治療反應方面優于標準DWI[30-31]，且可對腫瘤分級提供額外信息[32-33]。目前少數文獻對DKI鑒別卵巢腫瘤的良惡性進行研究，而將DKI用于卵巢腫瘤分級的相關研究鮮有報道，因此DKI具有廣闊的研究前景。

總而言之，雖然多b值DWI序列的參數選擇尚未統一，相關技術還未成熟，但是多b值DWI序列在卵巢腫瘤的診斷及鑒別診斷中的價值不容忽視。常規MRI聯合功能磁共振成像在無創的條件下，通過一系列定量、半定量數據分析能顯著提高卵巢腫瘤診斷的準確性。反映水分子擴散信息的參數ADCstand、ADCslow、DDC、DKI-D、DKI-K值及反映組織成分的參數α均有較好的診斷效能，其中DKI模型參數的診斷價值尤其高。多種功能磁共振成像方法的聯合可相互補充，但這種聯合必然增加了檢查時間，因此需要進一步探索已確定最佳成像方法，以幫助臨床醫生制訂更加科學合理的診療方案。

利益沖突：無。