基于壓縮感知容積掃描的動態對比增強磁共振成像在甲狀腺良惡性結節鑒別診斷中的價值

陳嬌，姜利伶，劉代洪，吳劍，張俊斌，張久權*

作者單位：1.重慶大學附屬腫瘤醫院影像科，重慶 400030；2.重慶大學附屬腫瘤醫院頭頸腫瘤中心，重慶 400030

甲狀腺結節屬臨床常見病，發現結節后鑒別其良惡性是臨床醫生和患者迫切關注的問題。在2020年的全球癌癥發病率中，甲狀腺癌已成為第5位女性好發腫瘤[1]。甲狀腺結節良惡性鑒別有助于緩解患者的焦慮情緒，并且指導臨床后續治療。目前超聲是鑒別甲狀腺結節良惡性的一種常用方法，但結果可能因評估者的經驗不同而存在主觀差異[2]。CT 可用于顯示結節與周圍結構、淋巴結轉移的關系，但存在鑒別診斷能力不佳和輻射危害的問題[3]。常規磁共振成像提供的形態學和信號特征對于甲狀腺良惡性結節的診斷價值有限[4]。彌散成像對于甲狀腺結節的良惡性鑒別有著非常重要的作用，但是常用的彌散序列單次激勵平面回波成像用于甲狀腺圖像質量并不好。動態對比增強磁共振成像(dynamic contrast enhanced-magnetic resonance imaging，DCE-MRI)作為一種描述對比劑進入和排出腫瘤血流動力學過程的技術，可以對病變微循環病理特征進行影像學評價，主要反映微血管灌注、滲透性及血管外細胞外間隙的大小。DCE-MRI 是一種以病變、組織中的微血管系統為生理基礎，來評估病變、組織生理性質的功能成像技術。DCE-MRI雖然不是臨床常規檢查，但近年來已有報道將其用于甲狀腺病變的診斷和評價[5-6]。常規的甲狀腺DCE-MRI 檢查一般采用3D容積內插(3D-volumetric-interpolated breath-hold examination，3D-VIBE)梯度回波序列，易受運動偽影的影響。因為甲狀腺是一個會隨呼吸、吞咽運動的器官，所以運動偽影會影響圖像質量和后處理結果。壓縮感知容積掃描(compressed sensing volumetric interpolated breath-hold examination，CS-VIBE)作為一種壓縮感知技術，通過直接采集壓縮后的圖像，實現磁共振掃描時間的成倍縮短。然而，目前尚未見基于CS-VIBE 的DCE-MRI 在甲狀腺成像中的研究報道。本研究旨在探討CS-VIBE 與DCE-MRI 聯合使用對于甲狀腺良惡性結節的鑒別診斷價值，其創新性在于首次聯合CS-VIBE 與DCE-MRI 用于甲狀腺，該序列可以避免運動偽影的影響，并且減少了掃描時間，其臨床應用前景可觀。

1 材料和方法

1.1 研究對象

回顧性分析重慶大學附屬腫瘤醫院2020 年9 月至2021 年5 月行甲狀腺磁共振檢查的患者病例。納入標準：(1) MRI 顯示甲狀腺結節并且有病理結果；(2)術前沒有接受活檢或其他治療；(3)一側葉有多個結節者，選擇較大結節；(4)所有患者均行基于CS-VIBE 的DCE-MRI 掃描。排除標準：(1)圖像偽影嚴重；(2)囊性結節；(3)短徑＜5 mm。本研究為回顧性研究，已獲得重慶大學附屬腫瘤醫院倫理委員會批準(倫理批號：CZLS2021207)，免除受試者知情同意。

1.2 檢查方法

采用德國西門子Prisma 3 T MRI 成像儀和16通道甲狀腺專用表面線圈(眾志醫療，江蘇)。常規掃描序列包括冠狀位Fast DIXION，橫斷位T1壓脂和T2壓脂。Fast DIXION參數：TR：4320 ms；TE：77 ms；層厚：3 mm；層間距：0.6 mm；FOV：280×280 mm2。T1 壓脂參數：TR：610 ms；TE：14 ms；層厚：3 mm；層間距：0.3 mm；FOV：160×85 mm2。T2 壓脂 參數：TR：3000 ms；TE：88 ms；層厚：3 mm；層間距：0.3 mm；FOV：160×85 mm2。DCE-MRI 采用CS-VIBE 序列，掃描參數為TR：3.56 ms；TE：1.38 ms；FOV：340×244 mm2；激勵次數：1；矩陣：320×224；層厚：3 mm；層間距：0.3 mm；平均掃描時間：5.33 s；總共掃描30 期。掃描第5 期于手背靜脈以2 mL/s 的速度注入20 mL 對比劑(釓特酸葡胺注射液，江蘇恒瑞醫藥股份有限公司)，然后以2 mL/s 的速度注入20 mL 生理鹽水(氯化鈉注射液，重慶西南藥業股份有限公司)。

1.3 圖像分析

采用西門子Syngo.via后處理工作站。選擇結節顯示最佳層面，避開偽影及囊性病變區域，沿結節邊緣手動勾畫感興趣區(region of interest，ROI)，獲取定量參數轉運常數(volume transfer constant，Ktrans)，血液回流常數(rate constant，Kep)，血管外細胞外間隙容積分數(extracellular space volume fraction，Ve)，初始曲線下面積(initial area under curve，iAUC) (圖1)。感興趣區勾畫由觀察者1 (初級，三年工作經驗)和觀察者2 (中級，七年工作經驗)完成。觀察者只知道病灶的位置和大小，對病理結果是未知的。

1.4 統計分析

采 用SPSS 25.0 R 軟 件4.0.1 及GraphPad Prism 7.0 統計分析軟件，計量資料數據以±s描述，P＜0.05 認為差異有統計學意義。采用組內相關系數分析比較觀察者測量結果之間的一致性，最后采用觀察者2 的測量結果進行分析。采用K-S檢驗數據是否符合正態分布。符合正態分布的數據組間比較采用獨立樣本t檢驗，否則采用Mann-WhitneyU檢驗。采用二元邏輯回歸分析進行參數聯合鑒別良惡性結節。組間比較差異有統計學意義的指標，再進行單因素和多因素二元邏輯回歸分析。繪出各參數和聯合參數的受試者工作特征(receiver operating characteristic，ROC)曲線，分別得到預測模型的曲線下面積(area under the curve，AUC)、敏感度和特異度。Delong檢驗比較各模型診斷價值。

2 結果

2.1 臨床資料

本研究共納入73 名患者，年齡為21～75 歲，其中女55 名、男18 名。總共有結節84 個，依據術后病理結果將結節分為良性組和惡性組，其中惡性結節43 個(乳頭狀癌40 個，髓樣癌2 個，濾泡細胞腺癌1 個)、良性結節41 個(結節性甲狀腺腫18 個，濾泡細胞腺瘤21個，甲狀腺腫伴腺瘤樣增生2個)。

2.2 良惡性結節的定量參數組間比較

在DCE-MRI 定量參數的一致性分析中，觀察者1 和2 之間具有較高的一致性。在惡性組中，Ktrans為(0.54±0.30) min-1，Kep為(1.69±0.46) min-1，Ve為0.31±0.17，iAUC 為0.57±0.31。在良性組中，Ktrans為(0.30±0.22) min-1，Kep為(1.23±0.43) min-1，Ve為0.25±0.19，iAUC 為0.36±0.24。甲狀腺惡性結節的Ktrans(P＜0.001)、Kep(P＜0.001)、iAUC (P=0.001)值均大于甲狀腺良性結節，組間差異具有統計學意義；Ve值(P=0.177)組間差異無統計學意義(表1)。

表1 甲狀腺良惡性結節的DCE定量參數比較Tab.1 Comparison of DCE quantitative parameters between benign and malignant thyroid nodules

2.3 DCE-MRI 單個定量參數及聯合參數預測良惡性比較

在單因素二元邏輯回歸分析中，Ktrans(P＜0.001)、Kep(P＜0.001)、iAUC (P=0.002)差異均有統計學意義(表2)。Ktrans、Kep、iAUC 聯合的多因素二元邏輯回歸分析結果見表3。Ktrans值預測甲狀腺結節良惡性的敏感度為76.19%，特異度為69.05%，準確度為72.60%，AUC為0.768；Kep值預測甲狀腺結節良惡性的敏感度為64.29%，準確度為75.00%，特異度為88.10%，AUC 為0.770；iAUC 值預測甲狀腺結節良惡性的敏感度為83.33%，特異度為59.52%，準確度為70.20%，AUC 為0.714；Ktrans、Kep、iAUC聯合參數預測甲狀腺結節良惡性的敏感度為83.33%，特異度為73.81%，準確度為73.80%，AUC 為0.807 (表4) (圖2)。Ktrans、Kep、iAUC 聯合參數模型平衡了敏感度和特異度，有更好的診斷表現(P＜0.001)。

圖2 DCE不同參數的ROC曲線。Fig.2 ROC curves of different parameters derived from DCE.

表2 DCE定量參數的單因素二元邏輯回歸分析Tab.2 Univariate binary logistic regression analysis of DCE quantitative parameters

表3 DCE定量參數的多因素二元邏輯回歸分析Table 3 Multivariate binary logistic regression analysis of DCE quantitative parameters

表4 DCE定量參數預測甲狀腺結節良惡性的表現Tab.4 DCE quantitative parameters to predict benign and malignant thyroid nodules

3 討論

本研究采用DCE-MRI鑒別甲狀腺結節的良惡性，研究結果表明Ktrans、Kep、iAUC 聯合參數模型有較好的診斷價值。本研究首次采用了CS-VIBE 用于甲狀腺的DCE-MRI，掃描時間短這一特點有助于臨床工作中進一步深入甲狀腺的DCE-MRI研究。

3.1 CS-VIBE技術優勢

DCE-MRI 利用磁共振成像信號強度的動態變化，依據藥物動力學模型，得到對比劑在組織流動和從血管內到細胞外間隙滲漏速率相關的功能參數。該成像技術已經在多種腫瘤中進行了研究，如乳腺癌、前列腺癌及非小細胞肺癌，并且證明DCE-MRI用于的腫瘤的良惡性鑒別、腫瘤的侵襲性預測及化療和療效預測是可行的[7-9]。但是，常規動態對比增強掃描一般采用3D-VIBE序列，容易產生運動偽影，掃描時間較長、平均掃描時間約13.33 s[6]，涉及空間分辨率和時間分辨率之間的權衡。在直腸癌的研究中報道了傳統的3D-VIBE序列容易產生運動偽影[10]。由于甲狀腺易受呼吸運動和吞咽運動的影響，因此傳統的3D-VIBE序列并不適用于甲狀腺[11]。吳美妮等[12]報道了LAVA序列用于甲狀腺動態對比增強掃描，但是該序列平均掃描時間較CS-VIBE長，而且該研究并沒有采用定量分析。壓縮感知(compressed sensing，CS)技術構建了一種新的磁共振信號采集和圖像重建方法。CS 技術通過有選擇性地采集K空間內少量最重要數據，縮短信號采集時間，減少計算量；同時，采用更新的算法實現原始信號的重構，保證重建圖像質量。在子宮和神經方面的研究結果顯示CS-VIBE 具有提高時間分辨率的優點[13-14]。本研究將CS-VIBE應用于甲狀腺的DCE-MRI，該技術不需要患者配合呼吸，可以在更短的時間內獲得圖像，并且減少運動對圖像的影響。

3.2 DCE-MRI參數的病理意義

本研究結果顯示，甲狀腺惡性結節的Ktrans(P＜0.001)、Kep(P＜0.001)、iAUC (P=0.001)值均高于甲狀腺良性結節，這與以往的研究結果相一致[6]。在頭頸部[15-16]、乳腺[17]和直腸[18]、軟組織腫瘤[19]中，惡性病變的Ktrans和Kep值均明顯高于良性病變。在腫瘤性病變中，生長因子介導新生血管形成是一個常見現象，腫瘤新生血管不具有完整的血管結構，其通透性較正常增高。DCE-MRI 作為一種公認的評估血管通透性的診斷工具，可以間接反映腫瘤內的新生血管情況。Ktrans為反映對比劑從血漿滲透至血管外細胞外間隙的容量轉移常數，Kep為對比劑從血管外細胞外間隙返回至血漿的速率，二者受組織血流量和毛細血管滲透性及其表面積的影響[20]。本研究結果表明甲狀腺惡性結節的Ktrans和Kep值均高于甲狀腺良性結節，提示甲狀腺惡性結節內的血管內皮通透性較良性結節有所增加。本研究發現Ve值(P=0.177)差異無統計學意義，這與以往的研究結果相似[6]。Ve值反映了血管外細胞外間隙對比劑的體積，受血管滲透性、細胞密度、囊變壞死程度以及細胞外基質等因素的影響。由于其影響因素眾多，故Ve值是高度不穩定的。本研究中的DCE-MRI 定量參數與部分研究有差異[21]，可能與本研究的后處理模式多選擇性有關。本研究中后處理是在西門子的Syngo.via進行的，該后處理模型可以根據對比劑類型、劑量的不同來調整計算方式，并且可以根據不同的血流灌注情況、不同的器官有三種模式可以選擇，本研究后處理中的每一個結果都是在不同模式中選擇了擬合曲線最好，即時間信號曲線圖中chi2值最小的結果。

3.3 本研究的局限性

本研究仍存在一些不足之處。首先，樣本量仍然不夠大，未來我們將擴大樣本量以驗證當前的結果；其次，由于本研究為回顧性研究，所以選擇偏倚是不可避免的；另外，本研究未將DCE-MRI 定量參數與病理學免疫組化結果做相關分析，未來我們將進一步驗證定量參數所代表的病理意義；最后，我們使用的二維ROI 測量平均值，三維的ROI 是否能反映更準確的結果，未來我們將繼續進一步研究。

綜上所述，CS-VIBE 用于甲狀腺DCE-MRI 是可行的，在甲狀腺結節良惡性鑒別診斷中具有一定的價值，其中Ktrans、Kep、iAUC 聯合參數模型平衡了敏感度和特異度，有更好的診斷表現，為甲狀腺結節良惡性鑒別提供了另一種參考手段。

作者利益沖突聲明：全部作者均聲明無利益沖突。