肺孤立性病變的ADC直方圖的比較研究

鄧穎詩 魏新華

廣州市第一人民醫院放射科(廣州 510180)

肺孤立性病變是目前肺部CT檢查中最為常見的病變類型之一，對其性質的判斷有助于臨床治療方式的選擇。然而基于CT形態學評估有時仍難以完全將肺良惡性病變進行區分。據報道約30%肺內良性病變術前曾被誤診為惡性腫瘤[1]。

近年來，MRI在胸部病變的應用逐漸增多，其中擴散加權成像(diffusion-weighted imaging，DWI)是目前唯一可無創、實時監控腫瘤異質性的存在及變化。表觀擴散系數(apparent diffusion coefficient，ADC)可量化水分子運動并從分子水平反映病變組織微觀變化，基于此進行直方圖分析，可以更好地反映目標組織內的異質性。ADC直方圖在腦部、乳腺病變的應用已有較多研究報道，并已運用于各種腫瘤的分級[2-3]、預測生存時間及化療后的療效評估[4- 6]，有關肺部良惡性病變鑒別的ADC直方圖分析報道仍較少。因此，本研究將對肺部孤立性實性良惡性病變分別進行病灶最大截面(2D ROI)及體積(3D ROI)的測量、對照研究，分析不同病變的最大截面(2D ROI)及體積(3D ROI)ADC特征參數值的差異，篩選出最佳影像學標志物。

1 資料與方法

1.1 研究對象

回顧性搜集2020年1月—2021年1月本院進行肺部MR檢查的肺內孤立性實性病變患者69例，其中男46例，女23例，年齡23～77歲，平均(56.12±11.78)歲。69例患者均經病理確診，惡性病變56例：包括浸潤性腺癌(n=33)、鱗癌(n=11)、小細胞肺癌(n=5)、腺鱗癌(n=3)、轉移瘤(n=2)、滑膜肉瘤(n=1)、間葉來源惡性腫瘤(n=1)；良性病變13例：包括結核(n=5)，硬化性肺泡瘤(n=2)、慢性感染性病變(n=2)、錯構瘤(n=2)，機化性肺炎(n=1)、曲霉菌感染(n=1)。納入標準：①MR上病灶可顯示，且病灶最大徑≥1 cm。② 病灶內空洞或鈣化大小<同層病變徑線的1/3。

1.2 MRI檢查設備、掃描序列及方法

應用3.0 T(Philip Achieva TX) 雙源雙梯度MRI檢查設備對所有患者進行胸部檢查，掃描使用SENSE XL-TORSO 16 通道相控陣線圈。掃描序列及參數如下：軸位T1WI/TFE：TR/TE=10/2.3 ms， FOV=340 mm×430 mm，NSA=1，矩陣448×448，層厚/層間=5.0/0.5mm。T2WI/TSE：TR/TE=998/80 ms， FOV=340 mm×430 mm，NSA=1，矩陣=640×640，層厚/層間=5.0/0.5mm。DWI：采用單次激發平面回波成像，TR/TE=1 087/55 ms，b值0,600 s/mm2，FOV= 300 mm×375 mm， NSA=4，矩陣=256×256，層厚/層間=3.0/0.3 mm。

1.3 方法

ADC直方圖參數測量 原始DWI圖像傳至飛利浦工作站，生成相應ADC圖像，再導入由GE公司提供的Omni-Kinetics軟件(OK軟件)進行分析，由兩名有8年及4年肺部MRI診斷經驗的影像診斷醫生共同分析，沿病灶邊界內緣勾畫感興趣區域(ROI)分別進行病變最大截面2D ROI(圖1、圖2)及病變所有層面3D ROI(圖3、圖4)放置，畫取范圍包括瘤體實性成分及內部液化壞死、出血等，盡量避開病灶邊緣偽影及周圍組織結構(如血管、氣道、鄰近正常肺組織)，軟件自動計算并獲得ADC直方圖及各參數值。

圖1 右中肺內側段浸潤性腺癌注：(A～B)：腫瘤在橫斷位T2WI及冠狀位T2WI呈稍高信號。(C)：b=600 s/mm2時ADC圖，病灶呈稍低信號，ADC值為1.208×10- 3 mm2/s，低于閾值1.57×10- 3 mm2/s。(D)：腫瘤橫斷位最大層面2D ROI畫取后使用OK軟件計算得到的ADC直方圖，高峰較陡峭，曲線右邊的尾部較左邊略長。

圖2 右上肺尖段硬化性肺泡瘤注：(A～B)：腫瘤在T2WI上呈高信號；(C)：b=600 s/mm2時的ADC圖，病灶呈高信號，相應ADC值為1.844×10- 3 mm2/s，高于閾值1.57×10- 3 mm2/s；(D)：腫瘤橫斷位最大層面2D ROI畫取后應用OK軟件計算所得的ADC直方圖，高峰較平緩，曲線右邊的尾部長于左邊的尾部。

圖3 右中肺浸潤性腺癌注：(A～G)：b=600 s/mm2時各層腫瘤的ADC圖，病灶部分呈低信號，部分呈稍高信號。(H)：3D ROI放置于腫瘤各層面，用OK軟件計算出的ADC直方圖，部分高峰較陡峭，曲線右邊的尾部相對于左邊的尾部要短。

圖4 右上肺尖段硬化性肺泡瘤注：(A～D)：b=600 s/mm2時各層腫瘤的ADC圖，病灶呈高信號。(E)：3D ROI放置于腫瘤各層面，用OK軟件計算出的ADC直方圖，高峰較平緩，曲線右邊的尾部長于左邊的尾部。

1.4 統計學分析

計量參數用均值±標準差表示。統計分析基于SPSS 22.0進行，組間對比使用Mann-WhitneyU檢驗，對統計學有意義的參數使用ROC曲線分析，以P<0.05認為有統計學意義。

2 結 果

2.1 ADC直方圖各特征參數值比較

3D直方圖組中ADC最大值、ADC 25分位數(25th)在鑒別肺內良惡性病變不具有統計學意義(P>0.05)。余2D、3D組中肺惡性病變(圖1、圖3)的ADC最小值、中位數、最大值、平均值均低于良性組(P值均<0.05)(圖2、圖4)，差異有統計學意義(表1、表2)，以ADC 50分位數(50th)、75分位數(75th)、90分位數(90th)差異有統計學意義(P<0.001)。

2D、3D組中惡性病變的偏度(P2D=0.01、P3D=0.044)較良性病變高，而峰度在組間比較無差異(P2D=0.071、P3D=0.083)(表1、表2)。

表1 肺部良惡性實性病變2D ROI的ADC直方圖參數值 (×10- 3 mm2/s)

表2 肺部良惡性實性病變 3D ROI的ADC直方圖參數值 (×10- 3 mm2/s)

2.2 2D與3D ROI診斷效能對比

3D ROI中診斷效能最佳依次為ADC 50分位數(50th)、ADC中位數(ADC median)及ADC 75分位數(75th)，對應AUC為0.894、0.887及0.881；2D ROI中對于肺內良惡性病變診斷效能最高前三者依次為ADC 75th、ADC 90th及ADC平均值(ADC mean)，對應AUC依次為0.891、0.887及0.883，以3D的ADC 50th及2D的ADC 75th(AUC=0.894、0.891)有較高的診斷效能。當3D ADC 50th取1.41×10- 3mm2/s時，其診斷準確性最高，敏感度為80.00%，特異度為92.86%(表3)。再者為2D ADC 75th取1.57×10- 3mm2/s時，診斷效能亦較高，AUC為0.891，敏感度和特異度分別為72.70%、92.86%(表3)。

表3 肺部良惡性孤立性實性病變2D及3D ROI的AUC比較

3 討 論

由于惡性腫瘤細胞異常增生，水分子擴散空間有限，故在DWI上多呈高信號，相反大部分良性腫瘤由于細胞密度較低，在DWI上多呈低信號。然而肺部炎性病變中炎性細胞浸潤、細胞膿性滲出以及纖維、小血管成分的增生，使得部分病灶內水分子擴散也會受到一定程度的限制，在DWI上亦可呈高信號[7]。因此，文獻報道肺惡性腫瘤與炎性肉芽腫依據DWI的信號難以鑒別；然而，仍有文獻報道兩者之間存在ADC值的差異[8]。ADC值的測量方法主要包括以下兩種：①在病灶最大截面或實性部分放置ROI測量獲得2D ADC平均值；②測量病灶體積獲得3D ADC直方圖。文獻報道肺癌是異質性明顯的腫瘤，因此，僅憑借某一層面實性部分測量的ADC平均值難以反映腫瘤整體的異質性，而體積ROI的ADC直方圖則可以一定程度上降低取樣偏倚，病變內所有異質的區域均可從直方圖反映，從而有望更準確評估病變組織的特征。與2D ADC直方圖相比較，3D ADC直方圖可以獲得病灶體積的全部信息。

本研究發現惡性病變的2D及3D ROI中ADC最小值、最大值、均值及各百分位數均低于良性病變，這與較多其他部位的ADC直方圖的研究結果相仿[9-11]。本組2D ADC直方圖參數中診斷效能最高的前三者依次為ADC 75th、ADC 90th及ADC mean(AUC分別為0.891、0.883、0.883)，3D ADC直方圖組中診斷效能最高前三依次為ADC 50th、ADC median及ADC 75th(AUC分別為0.894、0.887、0.881)，AUC均大于0.88，提示上述參數值在區分肺良惡性病變中均有較好的價值；其中以3D ADC 50th診斷效能最高，提示體積(3D)ROI可能優于單層ROI，但與2D ADC直方圖參數差異沒有統計學意義，表明病灶最大截面的2D ADC直方圖測量同樣具有較好的鑒別價值，且能大大節省測量時間，更方便于臨床應用。

較多文獻表示低分位ADC值用于良惡性鑒別以及腫瘤分級效果更佳，因為小ADC值代表病變細胞的高密集程度。而本研究結果表明在鑒別肺良惡性病變中，ADC值中高百分位數的診斷效能優于低百分位數的高，與Tsuchiya N[12-13]等少數研究結果類似。因此考慮可能與以下因素有關：①病種不同，病理類型不同，本組浸潤性肺癌占比例最高，易分泌黏液；②各研究中使用MRI機器、掃描參數及軟件等的不同可影響結果；③惡性腫瘤組織容易出現出血、壞死，導致病灶內的存在ADC值較高的部分；④良性組存在部分炎性病變，使得部分良性組病變的ADC值相對降低。

本研究表明偏度值對于肺內病灶良惡性的鑒別有一定價值，本組2D和3D 的ADC直方圖惡性組均呈正偏度分布，這是由于惡性病變ADC值較小，較多分布于ADC直方圖的左側，良性病變則相反；本組結果與大多數研究相符。本研究中2D及3D ADC直方圖中惡性組峰度值比良性組高，但無統計學意義，兩組標準差較大，這可能與良性病變病例較少、病種復雜有關，使得惡性病變與良性病變的峰度值部分重疊有關。關于肺部病變的ADC直方圖分析報道仍較少，尚需進一步擴大數據容量。

本研究有以下不足之處：①本組中良性病變組數量較少，可能會造成統計偏倚；②部分病灶由于磁敏感偽影導致變形，為減少偽影影響，故筆者將ROI放置在病灶邊界以內，可能會使得部分病灶未包含在測量之內；③本研究ROI放置并未區分病灶內實性成分與壞死區。因此，今后研究中，將進一步擴大樣本量及排除壞死及出血區，對比單純病灶實性區域的放置ROI與病灶體積ROI放置的ADC直方圖參數值的差異。