單指數、雙指數和拉伸指數模型擴散加權成像在眼眶良、惡性腫瘤鑒別診斷中的價值

王上，白巖，王梅云，陳傳亮

作者單位：鄭州大學人民醫院 河南省人民醫院影像科，鄭州450003

眼眶腫瘤包括良性和惡性腫瘤，其中大部分為良性腫瘤，僅根據臨床癥狀很難鑒別病變的性質[1]，腫瘤可影響到患者的視力甚至可致亡，嚴重威脅患者的身心健康，不同性質的腫瘤治療方式及患者預后情況不同[2]，因此，準確地鑒別腫瘤的性質能夠幫助患者選擇合適的治療方式。目前常規影像技術(如CT、MRI-含增強T1)在良、惡性鑒別中存在局限性[3-5]，因此需要MRI 新技術鑒別診斷。擴散加權成像(diffusion weighted imaging，DWI)可反映組織細胞中水分子擴散運動信息，雙指數模型[6]和拉伸指數模型[7]DWI 與傳統單指數DWI 相比，可以提供組織灌注信息及擴散異質性信息，可反映更為復雜的組織生物學特征，且無需對比劑，目前廣泛應用于頭頸部、乳腺、肝臟、腎臟、胰腺等疾病的診斷、鑒別診斷及治療反應評估[8-12]。但將雙指數模型和拉伸指數模型DWI 應用于眼眶腫瘤的研究較少[13]。本研究目的是探索單指數、雙指數模型及拉伸指數模型DWI在眼眶良、惡性腫瘤術前鑒別診斷中的價值。

1 材料與方法

1.1 臨床資料

本研究經過本單位醫學倫理委員會批準(批準文號：201971)，免除受試者知情同意，回顧性收集2019年1月至2019年12月在河南省人民醫院就診的眼眶占位患者65 例，所有患者均經手術切除病理證實。納入標準：(1)經手術病理診斷為眼眶腫瘤患者；(2)檢查前患者未經任何藥物、手術及放化療等治療；(3)無精神疾患，配合檢查。排除標準：(1)圖像質量差不能滿足瘤體測量者；(2)病理資料不全者。排除皮樣囊腫(6 例)，術后復發(3 例)及圖像質量較差(5 例)，最終納入51 例，良性組(26 例)和惡性組(25 例)，具體統計學資料如表1所示。

1.2 掃描序列及參數

采用3.0 T GE Discovery MR 750 磁共振掃描儀和8 通道相控陣頭線圈，掃描序列包括：(1) MRI 平掃：軸 位T1WI、T2WI：TR 2232 ms，TE 45 ms，FOV 12 cm×12 cm，矩陣384×384，激勵次數2.5，層厚3.0 mm，層間距0.3 mm。冠狀位Cor T2WI FSE fs，TR 4000 ms，TE 102 ms，FOV 22 cm×22 cm，矩陣384×384，激勵次數2.5，層厚3.0 mm，層間距1 mm。矢狀位Sag T2 FSE TR 4000 ms，TE 102 ms，FOV 22 cm×22 cm，矩陣384×384，激勵次數2.5，層厚3.0 mm，層間距0.5 mm。(2) DWI：單指數模型b=0、1000 s/mm2，激勵次數2.5；雙指數及拉伸指數模型b=50、100、150、200、500、800、1000、1500 s/mm2，激勵次數對應2、2、2、2、2、4、4、6，TR 2000 ms，TE 95.0 ms，FOV 12 mm×12 mm，矩陣384×384，層厚3.0 mm，層間距1.0 mm，掃描時間2 min 30 s。

表1 眼眶良、惡性腫瘤人口統計學比較Tab.1 Comparison of demographic data of orbital benign and malignant tumors

1.3 圖像處理與數據測量

將DWI、多b 值DWI 序列原始圖像傳至GE ADW 4.6 工作站，應用GE Functool 中ADC、MADC 進行后處理分析，自動生成單指數模型ADC 值，雙指數模型ADCslow值、ADCfast值、f 值，以及拉伸指數模型DDC 值、α值。避開壞死、出血、囊變區，在腫瘤最大層面勾畫ROI，包括腫瘤的實性部分。ROI放置由2名放射科醫師分別采用盲法獨立進行，各影像參數的測量結果取平均值進行統計分析。

1.4 統計學分析

使用SPSS 22.0 軟件，采用Kolmogorov-Smirnov檢驗各參數是否符合正態分布，符合正態分布的計量資料以均數±標準差(±s)表示，采用獨立樣本t檢驗，符合偏態分布者以中位數(四分位數)表示，采用Mann-Whitney U檢驗，定性資料采用卡方檢驗，比較兩組不同指數模型參數值的差異，P＜0.05 表示差異有統計學意義。應用ROC 曲線圖比較各參數鑒別眼眶腫瘤良惡性的診斷效能，并根據最大約登指數確定其臨界值、敏感度和特異度；比較上述參數ROC曲線下面積(area under the ROC，AUC)差異。采用Spearman進行相關性分析。

2 結果

表1 所示人口統計學資料，兩組間年齡、性別均無統計學差異。ADC、ADCslow、DDC、α 之間的差異均有統計學意義(P＜0.01)，ADCfast、f值差異無統計學意義(P=0.083、0.064)。具體參數如表2 所示，眼眶良、惡性腫瘤影像表現見圖1、2。

ADC、ADCslow、f、α、DDC 的ROC 曲線圖見圖3A，曲線結果見表3，ADCfast及ADCslow、DDC、α 聯合變量的ROC曲線圖見圖3B，曲線結果見表3。ADC、ADCslow、DDC、α在兩組腫瘤中均有良好的診斷效能(AUC 均＞0.70)，DDC、ADCslow值 診斷 效能 較高，其AUC 分 別 為0.84、0.81，其相應的敏感度和特異度分別為79.20%、92.60%和87.50%、66.70%，鑒別良、惡性病變的臨界值 分 別 為1.15×10－3mm2/s 和0.60×10－3mm2/s。ADCslow、DDC、α 聯合變量的AUC 為0.89，診斷效能最高，敏感度、特異度分別為79.17%、92.59%，而ADC 和α在鑒別眼眶腫瘤良、惡性病變中的效能接近。

眼眶良、惡性腫瘤組的ADC 與ADCslow、DDC 之間呈正相關(r=0.601/0.597、0.875/0.960，P＜0.05)。

3 討論

本研究結果顯示，在鑒別眼眶腫瘤良、惡性中，ADCslow、DDC 與常規擴散成像參數ADC 相比，具有更高的診斷效能。在所有擴散成像參數中，ADCslow具有較高的敏感度，DDC具有較高的特異度。

表2 眼眶良、惡性腫瘤不同指數模型參數值比較Tab.2 Comparison of parameter values of different index models for orbital benign and malignant tumors

圖1 患者男，52 歲，左眼眶海綿狀血管瘤。A：軸位T2WI 呈高信號；B：b=1000 s/mm2，DWI 呈高信號；C～H：分別為ADC、ADCslow、ADCfast、f、DDC、α 偽彩圖，ADC=1.41×10－3 mm2/s、ADCslow=1.01×10－3 mm2/s、ADCfast=53.8×10－3 mm2/s、f=0.381、DDC=1.56×10－3 mm2/s、α=0.788 圖2 患者女，46 歲，右眼眶鱗狀細胞癌。A：軸位T2WI 呈稍高信號；B：b=1000s/mm2，DWI 呈稍高信號，C～H：分別為ADC、ADCslow、ADCfast、f、DDC、α 偽彩圖，ADC=0.882 ×10－3 mm2/s、ADCslow=0.538×10－3 mm2/s、ADCfast=62.2×10－3 mm2/s、f=0.275×10－3 mm2/s、DDC=0.872×10－3 mm2/s、α=0.758Fig.1 Male, 52 years old, cavernous hemangioma of the left orbit. A: Axial T2WI showed high signal density. B: b=1000 s/mm2, DWI showed high signal. C—H:Pseudo-color image of ADC,ADCslow,ADCfast, f, DDC, α,ADC=1.41×10－3 mm2/s,ADCslow=1.01×10－3 mm2/s,ADCfast=53.8×10－3 mm2/s, f=0.381, DDC=1.56×10－3 mm2/s,α=0.788.Fig.2 Female,46 years old,squamous cell carcinoma of the right orbit.A:Axial T2WI showed a slightly high signal.B:b=1000 s/mm2,DWI showed high signal. C—H: Pseudo-color image of ADC,ADCslow,ADCfast, f, DDC, α,ADC=0.882×10－3 mm2/s,ADCslow=0.538×10－3 mm2/s,ADCfast=62.2×10－3 mm2/s, f=0.275×10－3 mm2/s,DDC=0.872×10－3 mm2/s,α=0.758.

3.1 單指數、雙指數模型DWI各參數值鑒別眼眶腫瘤良、惡性的意義和價值

由單指數模型導出的ADC 值是測量生物組織中擴散運動程度的定量指標，而擴散運動程度與生物組織中的細胞密度高度相關。本研究結果顯示，ADC 值在惡性組中明顯低于良性組，可能因為惡性細胞快速增殖，導致細胞密度增高，從而影響水分子的自由運動，降低了ADC 值。由于組織結構的復雜性，水在組織細胞中的擴散行為比自由運動的水擴散更復雜。然而，單指數模型用相對簡單的數學模型研究細胞組織結構，未考慮影響水分子擴散的復雜因素，單指數模型ADC值包含微循環灌注信息，不能反映水分子真實運動受限程度[14]。此外，腫瘤細胞和血管的豐富程度可以以相反的方式影響ADC值。也就是說，血管密度高增加ADC 值，而組織細胞數量高則降低ADC值[15]。筆者進一步比較了AUC值發現，ADC的診斷效能(AUC=0.79，敏感度79.17%，特異度81.48%)不如ADCslow(AUC=0.81，敏感度87.50%，特異度66.70%)，雙指數模型的ADCslow值去除了灌注信息，可以反映真實的彌散狀況[16]。

圖3 A：ADC,ADCslow,f、α,DDC 值預測眼眶腫瘤良惡性ROC 曲線；B：ADCfast及ADCslow、DDC、α 聯合變量值預測眼眶腫瘤良惡性ROC曲線Fig.3 A: ADC, ADCslow, f, α, DDC values predict the ROC curve of benign and malignant orbital tumors. B: ADCfast and ADCslow, DDC, α combined variable value predict benign and malignant orbital tumor ROC curve.

表3 各參數的AUC值、臨界值、敏感度及特異度Tab.3 The AUC value,critical value,sensitivity and specificity of each parameter

雙指數模型DWI以體素內不相干運動(intravoxel incoherent motion，IVIM)為理論基礎，利用多b 值掃描成像來量化組織中由于隨機布朗運動引起的水質子位移和毛細血管灌注情況，得到反映體素內真實水分子擴散的ADCslow值和反映微循環血流灌注信息的ADCfast值及灌注分數f 值。Liang 等[17]采用IVIM雙指數模型在鑒別良、惡性淋巴結的研究發現，惡性組淋巴結的ADCslow值顯著低于良性組，他們認為可能因為核質比和間質組織增加，導致水分子擴散受限。本研究中，惡性組ADCslow值低于良性組(P＜0.05)，可能是因為細胞密度的增加以及細胞核與細胞質比值的改變導致細胞間和細胞內間隙減少，在惡性病變中高度限制了水分子的運動，導致ADCslow值降低。ADCfast、f 均是用于反映組織灌注信息的參數，且b 值低于200 s/mm2的數目越多，灌注結果越準確[18]。還有學者認為灌注相關參數是毛細血管與腫瘤組織的信號強度比，可能是反映血管通透性的指標[19]。郝鳳玲等［20］采用雙指數模型在膠質瘤的分級中發現，ADCslow和f值在膠質瘤的分級中診斷效能較高。然而，本研究中，兩組ADCfast值和f 值差異無統計學意義，與郝鳳玲等[20]的結果略有不同，筆者認為一方面可能是因為小于200 s/mm2的b 值選取較少；另一方面可能與腫瘤病理復雜性有關，眼眶不同類型腫瘤的血管復雜性不同，惡性病變會出現血管迂曲增生及血管分支紊亂等改變，從而影響灌注參數。此外，Lecler 等[21]研究發現ADCfast和f 值的重復性較差，尤其在眼眶病變中，變異系數高達43%，總之，其價值有待進一步探索。

3.2 拉伸指數模型DWI各參數值鑒別眼眶腫瘤良、惡性的意義和價值

拉伸指數模型是新興的非高斯擴散模型，α值代表水分子擴散速率的異質性，范圍是0～1，α越接近于0，擴散異質性越高；DDC值代表平均擴散速率。本研究結果顯示，眼眶惡性腫瘤DDC值顯著低于良性腫瘤(P＜0.01)，差異具有統計學意義，與之前報道的拉伸指數鑒別乳腺病變良、惡性的研究結果一致[22]，可能因為惡性細胞分裂快導致密度增高，從而影響擴散速率，DDC值降低。筆者還將眼眶良性腫瘤和惡性腫瘤的DDC值和ADC值進行相關性分析，結果均呈正相關(r=0.875、0.960，P＜0.05)，說明DDC與ADC反映組織細胞擴散信息方面具有類似的特征。在本研究中，眼眶惡性腫瘤α值顯著低于良性腫瘤(P＜0.01)，差異具有統計學意義，筆者認為可能因為惡性腫瘤細胞及細胞核異型性增加以及惡性腫瘤細胞囊變、壞死、出血及腫瘤微血管增殖等導致擴散異質性增高，α值減低。本研究結果顯示DDC和α在眼眶良惡性腫瘤鑒別中均有較好的診斷效能(AUC均＞0.70)，說明拉伸指數模型DWI在鑒別腫瘤良惡性中具有廣闊的應用前景及研究意義。

本研究的局限性：(1)低b 值數量選擇較少，后續實驗有待優化。(2)本研究為回顧性研究，可能存在選擇偏倚。(3)ROI 的人工選擇可能會降低腫瘤組織的異質性，影響α的診斷效能。

綜上所述，雙指數模型的參數ADCslow值以及拉伸指數模型的參數DDC 和α 有助于提高眼眶腫瘤良、惡性病變的鑒別診斷，ADCslow、DDC、α 三參數聯合診斷效能較高，能夠提供更多信息。

作者利益沖突聲明：全體作者均聲明無利益沖突。