基于磁共振表觀彌散系數分布的淋巴結良惡性鑒別方法研究

李 琢，薛華丹，何泳藍，雷 晶，金征宇

近年來腫瘤已成為人類健康重要威脅之一，轉移是惡性腫瘤的重要特征之一，淋巴結分期是腫瘤TNM分期的重要組成部分，而TNM分期對腫瘤的治療、監測及預后均有著重要的作用。現代影像手段諸如超聲、計算機斷層成像(CT)、磁共振成像(magnetic resonance imaging, MRI)、單光子發射計算機斷層成像術(single-photon emission computed tomography, SPECT)和正電子發射斷層成像術(positron emission tomography, PET)為淋巴結良惡性的診斷提供了巨大的幫助[1-3]。大多數影像手段主要依靠淋巴結的解剖形態包括大小、形狀和強化特征進行診斷。當前，彌散加權成像(diffusion weighted imaging, DWI)已經被證實在腫瘤的診斷，尤其是良惡性的鑒別中有著至關重要的作用，并且為鑒別淋巴結轉移與否提供了巨大的幫助[1-2,4-6]。盡管如此，利用DWI診斷淋巴結轉移在不同研究者中仍然有著很大的差異，Sumi等[7]的研究表明良性淋巴結的表觀彌散系數(apparent diffusion coefficient, ADC)值低于惡性淋巴結。而Abdel Razek等[8]的觀察表明，轉移淋巴結的ADC值更低。在臨床實踐中我們也發現不同經驗程度的醫師判斷結果有較大的差異，所以希望通過研究獲得一種以DWI為基礎的更為客觀、有效的判斷良惡性淋巴結的方法。

本研究以VX2腫瘤動物模型為基礎，利用計算機形態學方法嘗試對腫瘤多b值DWI圖像所得到的ADC值分布圖進行分析，并最終利用病理作為金標準相對照，評價各種方法對淋巴結轉移的診斷能力。

1 材料與方法

1.1 材料

健康雄性新西蘭兔21只，體重2.0±0.5 kg，由北京協和醫院動物中心提供；完全弗氏佐劑購于Sigma公司，VX2瘤株購于中國醫學科學院基礎醫學研究所細胞中心。

1.2 動物模型的建立

21只兔隨機分成兩組，炎癥模型組10只，腫瘤模型組11只。本動物實驗方案經過了北京協和醫院倫理委員會的審核，并同意進行本實驗。

炎性淋巴結模型：以3%戊巴比妥鈉(30 mg/kg)經耳緣靜脈麻醉后，在兔雙腳足墊處分別注射0.5 ml完全弗氏佐劑，注射后2周后，觸診確定淋巴結腫大情況，并行磁共振觀察其腫大情況及成像特征。

淋巴結腫瘤轉移模型：濃度為1.2×107/ml的VX2瘤株單細胞懸液，2 ml注射器吸取，1 ml每側，于兔雙側小腿肌肉處接種，三到四周后，觸診確定淋巴結腫大情況，并行磁共振觀察其腫大情況及成像特征，最終以病理結果確定其轉移與否。

淋巴結直徑大于5 mm納入實驗研究。

1.3 磁共振成像掃描參數及方案

掃描前從兔耳緣靜脈注射3%戊巴比妥鈉(30 mg/kg)麻醉。掃描采用GE Signal Excite HD 1.5 T超導型磁共振掃描儀，8通道頭頸相控陣線圈，2D快速自旋回波(FSE)獲得T2加權像(T2WI)(重復時間(TR)：2400 ms，回波時間(TE)：70.6 ms，回波鏈長度：16，層厚：3 mm，層間距：0 mm，激勵次數：4，視野(FOV)：18 cm×18 cm以及短T1反轉恢復的回波平面彌散加權成像(TR：4500 ms, TE：71.5 ms，反轉時間：160 ms，層厚：4 mm，層間距：-1 mm，激勵次數：4，FOV：16 cm×16 cm，矩陣：512×512，彌散因子b值：20、150、800 s/mm2。

1.4 圖像分析

采用Matlab平臺下自主開發分析程序，用于利用線性回歸通過多b值計算ADC值，并對其進行不同方法的分析與統計。

利用以下公式，以不同b和其作對應的信號強度(S)進行線性回歸，求得ADC值，繪制其分布圖：

ln S=ADC×(-b)+c (c為常數)

由兩名多年從事放射科腫瘤影像學工作的醫師在不知道病理的情況下，分別在ADC分布圖中勾勒淋巴結最大橫斷面的整個淋巴結的外輪廓，并依照其各自經驗標記其所認為的淋巴結皮髓質分界及淋巴結髓質中心。

計算最大橫斷面ADC值平均值。并通過下列三種方法對淋巴結的良惡性進行判斷：

方法 1：計算所勾勒的淋巴結皮質區與髓質區所有像素的平均ADC的比值。

方法 2：以標記的中心為圓心，每一像素(如圖1中#號所示)距標記的中心的距離為dc，其所在徑線中心距淋巴結邊緣的距離為r，計算ADC值隨(r-dc)/r變化的線性回歸的斜率。

方法 3：利用形態學方法，每一像素距所標記的淋巴結邊緣的最小距離為d，其相應的徑線上邊緣具形態學骨架的最小距離為r[9]。計算ADC值隨d/r變化的線性回歸的斜率。

圖1 三種不同的ADC圖分析方法Fig 1 Three different methods for ADC map analysis

如圖2所示，為實際磁共振圖像上的繪制操作情況，左圖為其相應的T2WI結構像，右圖為DWI圖像，同時利用20、150、800三個b值的DWI圖像及ADC圖相互參考，從外到內繪制出：淋巴結外輪廓、皮髓質分界及髓質區中心。其中b=20的圖像中有較好的解剖結構，而b=800及ADC圖中能跟好的表現其精細結構及病變特征。部分DWI圖像中無法辨別基本解剖結構的將參照相對應的T2WI圖像。圖2中左圖為T2WI圖像，中圖為DWI圖像(b=800)，右圖為ADC圖。

1.5 組織病理學檢查

處死實驗兔，取淋巴結，朝向腘窩方向為前面，與磁共振掃描方向同向橫斷面切開，切片厚度3 μm，用4%中性甲醛固定，石蠟包埋，經行蘇木精-伊紅染色法(HE染色)，并在顯微鏡下觀察，注意炎癥性淋巴結的皮質區、副皮質區及髓索的比例差異及腫瘤轉移性淋巴結中瘤巢的大小。病理結果由一名病理科醫師與一名放射科醫師共同讀片記錄。

1.6 統計學處理

采用SPSS 13.0統計學軟件，根據病理結果將炎癥模型兔的炎癥淋巴結與腫瘤轉移模型兔的轉移性淋巴結的整個淋巴結的平均ADC值進行比較，采用獨立樣本的t檢驗(P＜0.05)判斷其是否存在差異。根據病理結果為金標準對三種的圖像分析方法的進行比較，分別繪制其最終計算值的ROC曲線并計算其相應的曲線下面積(area under curve, AUC)及約登指數(約登指數=敏感性+特異性-1)，及其相對應的最佳臨界值。

2 結果

2.1 動物模型的建立及其病理診斷結果

共41枚直徑大于5 mm的淋巴結納入本研究，其中包括19枚炎性淋巴結和22枚轉移淋巴結。炎性淋巴結表現為不同的增生形態：皮質增生型(9枚)，副皮質增生型(5枚)和髓質增生型(5枚)。轉移淋巴結顯示了不同程度的巢樣的腫瘤細胞侵犯(19枚，侵犯程度30%～80%)或者全淋巴結侵犯(3枚)。

2.2 平均ADC值的比較

在ADC分布圖中選取整個淋巴結，計算其平均ADC值。炎癥淋巴結組為(1.42±0.31)×10-3mm2/s，轉移淋巴結組為(1.54±0.36)×10-3mm2/s，均符合正態分布，經t檢驗，兩組無明顯統計學差異(t=1.210,P=0.234)。

表1 不同方法間的ROC分析Table 1 ROC analysis of different methods

圖2 人工繪制淋巴結輪廓及中心的過程Fig 2 The procedure of manual delineation of the boundary and center of lymph node

圖3 三種方法及完整淋巴結的ADC均值的ROC曲線Fig 3 ROC curves of 3 different method and mean ADC of whole lymph node

2.3 不同圖像分析方法間的比較

以病理結果為金標準，對三種分析方法及完整淋巴結的ADC平均值繪制ROC曲線如圖3所示。三種方法及完整淋巴結均值的AUC分別為0.839、0.755、0.654和0.583；其最大約登指數分別為0.639、0.517、0.304和0.266，所對應的診斷閾值分別為0.86、-2.4×10-4、 -0.2×10-4和1.89×10-3mm2/s，其相應的判斷淋巴結良惡性的敏感性和特異性見表1。

3 討論

鑒別淋巴結的良惡性是影像學在疾病的治療及預后分析方面的重要作用及優勢所在。盡管如此，如何精確的評估淋巴結的情況，尤其是腫瘤轉移情況，始終是放射學界重要的研究課題。CT及FDGPET都是最為常見的鑒別淋巴結良惡性的方法，磁共振成像因其有很高的軟組織分辨力，已經越來越多的被應用于淋巴結良惡性的診斷[10-11]。近年來，DWI被廣泛的應用于這一領域。DWI是一種磁共振的運動敏感性成像方法，能夠探測水分子在體內的微觀擴散運動。DWI反映了組織除橫向及縱向弛豫以外的重要組織特征，因此，微小的組織學變化就能被DWI所探測。以往的研究已經證明評估組織ADC值是一個很好的評價淋巴結的手段[4]。盡管如此，依賴ADC值的淋巴結評估很大程度上依靠放射科醫師的經驗，并且繼往的研究中[7-8]也存在一定的差異。

本研究試圖通過不同的方法對淋巴結的ADC值分布進行分析，從而獲得一種更為客觀的指標來基于ADC值分布評估淋巴結良惡性。在以往的工作經驗中，我們發現淋巴結的轉移多從淋巴結包膜下開始，逐漸累積髓索，所以我們所設計的三種方法的測量上更傾向于探測ADC值從內到外的分布情況，以期望其能夠評價淋巴結的良惡性情況，并能夠早期發現轉移。通過三種方法及完整淋巴結均值的對比，我們看到前兩方法具有較好的診斷價值，第三種及完整淋巴結均值的方法不能做為診斷應用。

整體淋巴結均值用于診斷的不足之處主要在于當腫瘤部分侵犯淋巴結時，多數部分仍為正常淋巴結組織，其ADC值還沒有明顯的改變，只有腫瘤侵犯的小部分受到侵犯，而整體取均值則減少了受侵犯部分在最終評判中的影響。第三種方法取淋巴結形態學骨架做為中心，即淋巴結的幾何中心，評判其ADC值按幾何從內到外分布情況。由于淋巴結的結構并非對稱結構，尤其在受腫瘤侵犯的淋巴結，其生長更不規則，故評價ADC值隨幾何的內外分布的變化情況，雖然一定程度的減少了人工判斷的操作，但其結果也未令人滿意。

第一、二種方法表現了較好的敏感性及特異性，有一定的臨床評價價值，為今后計算機輔助評價淋巴結良惡性的研究提供了一定的思路，但其中也存在一定的不足，值得今后進一步探討。在第二種方法中對于小病變的判斷表現了其局限性，由于其最終的斜率值是所有徑線上斜率值的均值，所以病變組織特征一定程度地被正常組織所掩蓋。而第一種方法中，皮髓界限的確定更多的是依靠觀察者對內外信號強度的差異進行判斷，一方面對觀察者仍有一定的要求。

另一方面，對于結構紊亂的轉移淋巴結其界限很難判斷。由于腫瘤轉移部分淋巴結已失去其原有形態，其實際已經不存在真正組織病理學意義上的皮髓質分界，這時診斷醫師所劃分的界限實際是圖像中的灰度差異較大的區域。但這一差異也能夠使其外部ADC與內部ADC的比值變得更小。也能夠被判斷為腫瘤轉移。

本研究是在淋巴結ADC圖分析方向上的一個初步嘗試，從其中獲得了一些經驗，其中以下幾點值得在未來的研究和實踐中予以關注。首先，在未來的方法設計中應一定程度的突出局部ADC值減低區的權重，使異常部分不易被正常淋巴結所淹沒。其次，由于淋巴結侵犯程度不同，部分淋巴結的結構層次已消失，并且正常淋巴結中也存在皮髓質增生程度的差異，所以是否應將不同侵犯程度及不同皮髓質增生程度不同的淋巴結單獨分層分析，并且如何從圖像上自動化或半自動的將其準確并合理的進行分層分組，都是今后值得探討的問題。相信在不遠的未來，我們會提出更能符合臨床需求的分析方法，并服務于臨床工作。

綜上所述，利用ADC分布情況利用計算機輔助判斷淋巴結的良惡性，具有一定的臨床應用潛力，能夠客觀的對淋巴結性質進行判別，具有一定的敏感性及特異性。

[References]

[1]Nagamachi S, Wakamatsu H, Kiyohara S, et al. Comparison of diagnostic and prognostic capabilities of18F-FDG-PET/CT, 131I-scintigraphy, and diffusion-weighted magnetic resonance imaging for postoperative thyroid cancer. Jpn J Radiol, 2011, 29(6): 413-422.

[2]Chen W, Jian W, Li HT, et al. Whole-body diffusionweighted imaging vs. FDG-PET for the detection of nonsmall-cell lung cancer. How do they measure up? Magn Reson Imaging, 2010, 28(5): 613-620.

[3]Lind P, Kohlfürst S. Respective roles of thyroglobulin,radioiodine imaging, and positron emission tomography in the assessment of thyroid cancer. Semin Nucl Med, 2006,36(3): 194-205.

[4]Holzapfel K, Duetsch S, Fauser C, et al. Value of diffusionweighted MR imaging in the differentiation between benign and malignant cervical lymph nodes. Eur J Radiol, 2009,72(3): 381-387.

[5]Liu Y, Liu H, Bai X, et al. Differentiation of metastatic from non-metastatic lymph nodes in patients with uterine cervical cancer using diffusion-weighted imaging. Gynecol Oncol,2011, 122(1): 19-24.

[6]Fornasa F, Pinali L, Gasparini A, et al. Diffusion-weighted magnetic resonance imaging in focal breast lesions: analysis of 78 cases with pathological correlation. Radiol Med,2011, 116(2): 264-275.

[7]Sumi M, Sakihama N, Sumi T, et al. Discrimination of metastatic cervical lymph nodes with diffusion-weighted MR imaging in patients with head and neck cancer. AJNR Am J Neuroradiol, 2003, 24(8): 1627-1634.

[8]Abdel Razek AA, Soliman NY, Elkhamary S, et al.Role of diffusion-weighted MR imaging in cervical lymphadenopathy. Eur Radiol, 2006, 16(7): 1468-1477.

[9]Gonzalez RC, Woods RE. Digital image processing using MATLAB. 2nd edtion. USA: Gatesmark Publishing, 2009: 486-534.

[10]Deron PB, Bonte KM, Vermeersch HF, et al. Lymph node metastasis of squamous cell carcinoma from an unknown primary in the upper and middle neck: impact of (18)f-fluorodeoxyglucose positron emission tomography/computed tomography. Cancer Biother Radiopharm, 2011,26(3): 331-334.

[11]Dighe S, Purkayastha S, Swift I, et al. Diagnostic precision of CT in local staging of colon cancers: a meta-analysis.Clin Radiol, 2010, 65(9): 708-719.