全容積ADC直方圖鑒別Ⅰa期子宮內膜癌與子宮內膜息肉的價值

周欣，趙玉嬌，黃黎香，張程，李青，沈文

子宮內膜癌是威脅女性生存的子宮惡性腫瘤，子宮內膜息肉是常見的宮腔良性病變，二者均可表現為不規則陰道出血，治療方式及預后卻完全不同[1]，因此，早期準確的診斷非常重要。目前，臨床對于子宮內膜病變的診斷主要依靠活檢確診，但活檢取樣較為局限，且一些病人由于宮頸或陰道狹窄無法取樣[2]，這些情況可能影響子宮內膜病變的診斷，延誤疾病治療。磁共振成像具有優越的軟組織分辨力，目前已有研究采用擴散加權成像(DWI)和表觀擴散系數(ADC)值鑒別子宮內膜癌和子宮內膜良性病變[3-6]。按照國際婦產科聯盟(international federation of obstetrics and gynecology,FIGO)分期標準[7]，Ⅰa期子宮內膜癌的浸潤深度<1/2肌層，其MRI表現與子宮內膜息肉有部分重疊，鑒別診斷有一定難度[8-9]。基于整個腫瘤體積的ADC直方圖分析能全面反映整個病灶的ADC值，從而能較準確地反映腫瘤病變的異質性。本研究通過分析全容積ADC直方圖參數鑒別Ⅰa期子宮內膜癌與子宮內膜息肉的價值，并與臨床常規測量的ADC值的診斷效能進行比較，旨在提高對兩類病變的鑒別診斷水平。

材料與方法

1.一般資料

回顧性搜集2017年4月-2020年9月在天津市第一中心醫院就診且符合本研究要求的患者資料。納入標準：①經手術或活檢病理證實為Ia期子宮內膜腺癌或子宮內膜息肉；②術前2周內行盆腔MRI檢查。排除標準：①宮腔內病變直徑小于1.0 cm；②MRI檢查前接受過放療、化療等抗腫瘤治療；③圖像偽影重、質量差，無法進行影像分析。

最終納入Ⅰa期子宮內膜癌患者32例，年齡25～68歲，平均(54.25±10.92)歲，按病理組織類型分為高分化13例、中分化14例、低分化5例；子宮內膜息肉患者30例，年齡39～82歲，平均(60.27±13.63)歲。

2.檢查方法

使用Siemens Trio TIM 3.0T磁共振掃描儀和體部相控陣線圈行盆腔平掃及動態增強檢查。①矢狀面和冠狀面脂肪抑制T2WI：TR 3000 ms，TE 9 ms，層厚5 mm，視野250 mm×250 mm，矩陣320×272；②橫軸面T2WI：TR 4381 ms，TE 101 ms，層厚5 mm，視野350 mm×260 mm，矩陣384×357；③橫軸面T1WI：TR 450 ms，TE 11 ms，層厚5 mm，視野350 mm×260 mm，矩陣384 ×269；④橫軸面DWI：TR 5200 ms，TE 81 ms，層厚5 mm，視野270 mm×270 mm，矩陣320×233，采集次數2，b值分別為0、1000 s/mm2，并自動生成ADC圖；⑤動態增強掃描：掃描參數同平掃橫軸面T1WI，連續無間斷掃描50個期相，每個期相掃描時間約5 s。對比劑為釓噴酸葡胺，劑量0.2 mL/kg，注射流率2.5 mL/s，對比劑注射完成后再注入20 mL生理鹽水沖管。

3.圖像分析

參考PACS中T2WI、DWI及動態增強圖像上病灶的位置和大小，將包含病灶的所有ADC圖像導入Mazda 4.6軟件(羅茲工業大學，波蘭，http：//www.eletel.p.lodz.pl/mazda/)。由兩位分別具有5年和10年盆腔影像診斷經驗的醫師分別在ADC圖像上逐層沿病灶邊緣手動勾畫ROI，獲得全病灶的容積ROI(volume ROI，VOI)，包括其內的囊變、壞死和出血區等，以紅色標記VOI(圖1、2)，Mazda軟件自動計算出VOI的直方圖參數，包括平均值(mean)、方差(variance)、偏度(skewness)和峰度(kurtosis)及第1、第10、第50、第90和第99百分位數值(percentile，Perc.)。

圖1 女，59歲，經活檢證實為子宮內膜息肉。a)橫軸面T2WI，顯示宮腔內稍高信號病灶(黃箭)，伴囊變(紅箭)；b)DWI示病灶呈稍高信號(箭)；c)在ADC圖上沿病灶邊緣勾畫ROI(紅色區域)；d) 病灶的ADC值直方圖，此圖中平均值、Perc.1、Perc.10、Perc.50、Perc.90和Perc.99分別為1.11×10-3、0.82×10-3、0.96×10-3、1.12×10-3、1.34×10-3和1.46×10-3mm2/s，方差、偏度和峰度分別為1.82×104、0.45和0.16。圖2 女，44歲，子宮全切術后病理證實為Ia期子宮內膜癌。a)橫軸面T2WI，顯示宮腔內不均勻高信號病灶(白箭)；b)DWI示病灶呈明顯高信號(箭)；c)在ADC圖上沿病灶邊緣勾畫ROI(紅色區域)；d) 病灶的ADC值直方圖，此圖中平均值、Perc.1、Perc.10、Perc.50、Perc.90和Perc.99分別為0.86×10-3、0.43×10-3、0.56×10-3、0.78×10-3、0.97×10-3和1.11×10-3mm2/s，方差、偏度和峰度分別為2.28×104、0.64和0.58。

同時，由兩位醫師在PACS中調閱所有患者的ADC圖像，選取病灶實性成分最大的3個連續層面， 在每個層面將ROI放置在病灶實性部分，避開囊變、壞死和出血，ROI范圍為50 mm2，分別測量3次ADC值，取其平均值作為常規ADC值。

4.統計學分析

使用SPSS 22.0和MedCalc 19.0.7軟件對數據進行統計學分析。采用組內相關系數(intraclass correlation coeffcient，ICC)評價兩位醫師對ADC直方圖參數和常規ADC值的測量結果的一致性。利用單樣本K-S檢驗對計量資料進行正態性分析，符合正態分布的參數以均數±標準差表示，兩組間比較采用獨立樣本t檢驗；對于不符合正態分布的參數，以中位數(四分位間距)表示，兩組間比較采用Mann WhitneyU檢驗。采用ROC曲線和曲線下面積(area under curve,AUC)評價ADC直方圖各個參數和常規ADC值對Ⅰa期子宮內膜癌與子宮內膜息肉的鑒別診斷效能，采用DeLong檢驗對各參數的ROC曲線進行兩兩對比。以P<0.05為差異有統計學意義。

結 果

1.兩位醫師測量結果的一致性

兩位醫師測量的ADC直方圖參數和常規ADC值的ICC值見表1。所有參數的ICC值均>0.8，表明一致性良好。在后續分析中每個參數均取兩位醫師測量值的平均值。

表1 兩位醫師測量的ADC直方圖參數值的一致性分析

2.ADC直方圖分析

兩組腫瘤的ADC直方圖參數值和常規ADC值的比較見表2。在直方圖參數中。Ia期子宮內膜癌組的平均值及Perc.1、Perc.10、Perc.50、Perc.90和Perc.99均低于子宮內膜息肉組，而偏度和峰度高于子宮內膜息肉組，差異均有統計學意義(P<0.05)；兩組之間方差的差異無統計學意義(P>0.05)。兩組之間常規ADC值的差異有統計學意義(P<0.05)。

表2 子宮內膜息肉與Ⅰa期子宮內膜癌的ADC直方圖參數比較

3.各參數的診斷效能比較

各直方圖參數的診斷效能指標值見表3。ADC直方圖參數中，隨著百分位數的增加，相應ADC值鑒別兩類腫瘤的效能逐漸減小(圖3)。以Perc.1的AUC(0.959)最大，以0.75×10-3mm2/s為截斷值時，敏感度及特異度分別為100%和85.71%；以Perc.99的AUC(0.812)最小，以1.37×10-3mm2/s為截斷值時，敏感度及特異度分別為84.62%和64.29%。

表3 直方圖參數鑒別診斷子宮內膜息肉與Ⅰa期子宮內膜癌的效能指標

各參數的AUC兩兩比較，其中Perc.1的AUC與Perc.90、Perc.99和常規ADC值的AUC的差異有統計學意義(P分別為0.034、0.002、0.048)，其它直方圖參數之間AUC的差異無統計學意義(P>0.05)。

討 論

正常狀態下子宮內膜是動態變化的，患者的年齡、月經周期階段、絕經狀態以及是否接受過激素治療都會影響子宮內膜的變化[8]。這一特點增加了依靠影像學形態變化評估子宮內膜病變的難度。DWI能夠無創性反映組織中水分子的微觀運動，利用ADC值可以定量描述水分子擴散受限的程度，因而能反映病灶內部細胞的微觀狀態。本研究測得的Ⅰa期子宮內膜癌的常規ADC值為0.88×10-3mm2/s，子宮內膜息肉為1.27×10-3mm2/s，兩組之間的差異有統計學意義(P<0.05)。既往有研究結果顯示ADC值可鑒別子宮內膜癌與正常子宮內膜及子宮良性病變，其中子宮內膜癌的ADC值為0.66×10-3～1.01×10-3mm2/s，良性病變為1.27×10-3～1.58×10-3mm2/s[3-6]，這與我們的研究結果相似。但是，Blazic等[10]發現腫瘤的ADC值隨ROI放置方法的不同而變化，ROI的數量、大小和位置的變化都會對ADC值產生影響。

全容積ADC直方圖分析基于整個病灶勾畫ROI，測量的是整個病灶的ADC直方圖參數，常用參數包括峰度、偏度、方差、平均值及第1、10、50、90和99百分位數值，反映整個病灶的異質性和復雜性。目前，已經有研究應用這一方法來鑒別良、惡性腫瘤、評估腫瘤的侵襲性和監測治療效果[11-15]。

本研究結果表示，子宮內膜息肉的平均值及第1、10、50、90和99百分位數值高于子宮內膜癌，差異均有統計學意義(P<0.05)，較小百分位數值分布在直方圖左側，代表了整個腫瘤細胞密度較高的部分，而較大百分位數的ADC值分布在直方圖右側，可能代表囊變、壞死或水腫組織。本研究結果顯示，第1～99百分位數值鑒別子宮內膜息肉與子宮內膜癌的AUC逐漸減小，以第1百分位數的AUC最大，且與第90、99百分位數的AUC值之間的差異有統計學意義(P<0.05)。這與Kierans等[12]認為ADC的第0～10百分位數值更能預測子宮內膜惡性腫瘤的結論相似。同樣的，在一些學者針對前列腺病變的ADC直方圖研究中，亦發現第0～10百分位數值可以更準確地區分前列腺癌灶與正常組織[16]，并且可以區分低與高Gleason評分的前列腺腫瘤[17]，這也與我們的研究結論相似。因此，我們認為可能是腫瘤細胞密度較高的部分在良、惡性病變中的差異更大所致。

另外，子宮內膜癌組與子宮內膜息肉組之間的偏度和峰度差異有統計學意義(P<0.05)。偏度描述總體取值的對稱性，其絕對值越大表明其分布形態的偏斜程度越大；峰度描述所有取值中的陡緩程度，峰度值越大表示其分布形態越陡峭。子宮內膜癌的病理亞型多為子宮內膜樣腺癌，其腺體結構復雜，細胞密度高；而子宮內膜息肉含有密集的纖維和平滑肌，有時伴息肉內囊腫或出血[18]。因此，子宮內膜癌的異質性更高，ADC值較低，直方圖分布左移，偏度和峰度增加。Suo等[11]對于膀胱病變的研究結果也顯示惡性病變的偏度明顯高于良性病變。

本研究采用全容積ADC直方圖分析，VOI涵蓋了整個子宮內膜的病變處，包括囊變、壞死及出血成分，這種方法能對病灶進行更全面和客觀的測量。另外，本研究結果表明第1百分位數的ADC值鑒別兩類腫瘤的AUC明顯高于常規ADC值(P<0.05)，這可能是由于全容積分析避免了ROI放置的采樣誤差和主觀性，體現了全容積ADC直方圖分析的優越性。

本研究存在一定的局限性：①由于是回顧性研究，僅選擇了具有病理結果的病例，可能會產生選擇偏倚；②研究樣本中病例數偏少，有待加大樣本量進一步研究。

綜上所述，全容積ADC直方圖分析能夠有效鑒別Ia期子宮內膜癌與子宮內膜息肉，其中第1百分位數ADC值具有鑒別診斷效能最大。直方圖分析作為新興的醫學影像圖像分析技術，具有較高的診斷價值，為臨床提供了一種無創性診斷新方法。