基于腮腺徑線磁共振測量評估糖尿病患者腮腺形態變化的研究

吳爽，汪學梅，牛明佳，方元，鄭濤，李京龍

作者單位：1.秦皇島市第一醫院醫學影像中心，秦皇島 066000；2.秦皇島市第一醫院體檢中心，秦皇島 066000；3.秦皇島市第一醫院內分泌科，秦皇島 066000；4.重慶市渝北區人民醫院放射科，重慶 401120

腮腺是人體最大的唾液腺，對維持機體正常的生理功能起著重要作用[1]。多種疾病和藥物可以累及腮腺，引起腮腺結構和形態的改變[2-3]。腮腺的形態學變化是腮腺疾病診斷和療效評價的重要手段，以常見的糖尿病為例，許多研究結果顯示出非腫瘤性彌漫腮腺肥大是糖尿病的重要特征，并有助于糖尿病的診斷和分期[4-5]，而現階段評價腮腺形態學變化主要基于醫師的臨床經驗及體積測量。根據臨床經驗估測腮腺大小首先是主觀性較強，其次是多適合單側肥大及對側比較，而不適于雙側腮腺肥大的判斷。因此腮腺的體積測量由于其精確性高，已被廣泛地應用于臨床，成為研究的熱點[6-7]。但由于傳統體積測量方法煩瑣，耗費時間，應用受到一定限制。所以目前缺乏一種簡單而實用的測量方法，在某些情況下能快速準確地判斷腮腺形態大小變化。通過長期的臨床觀察，我們發現腮腺體積可能與腮腺的前后徑、左右徑、上下徑、淺葉前后徑等徑線存在一定的相關性，而徑線測量與腮腺體積測量相比，易操作且節省時間，因此某些情況下更適用于臨床。有研究[8-9]嘗試使用超聲對腮腺徑線進行測量并給出了正常參考值，但超聲對于深葉的顯示不佳，且切面可重復性差，因此未能得到廣泛的認可。而磁共振成像檢查[10-11]，尤其是同、反相位成像對腮腺組織具有良好的成像效果，能夠清晰顯示腮腺各部的結構及與周圍組織的界限，因此可以用于腮腺的顯示和測量。本研究利用磁共振手段，通過建立多元線性回歸模型，嘗試尋找和腮腺體積關系最密切的徑線，為臨床提供一種簡單易行的測量腮腺體積的方法，從而通過腮腺形態學變化的評價進行疾病診斷和療效評估。

1 材料與方法

1.1 一般資料

秦皇島市第一醫院倫理委員會批準了本研究方案的實施(批準文號：2019H001)，受試者全部簽署知情同意書。本研究是一項前瞻性研究，選取2012 年3 月至2018 年9 月期間在本院就診的2 型糖尿病住院及門診患者59 例作為糖尿病組，糖尿病組入組標準為：(1) 40～60 歲的男性；(2)臨床診斷符合2 型糖尿病診斷標準，未出現糖尿病足、糖尿病視網膜病變等并發癥[12]。排除標準：(1)臨床檢查患有明顯的口腔黏膜的實質性損害或病變；(2)患有腮腺疾病，如腫瘤及炎癥等；(3)大量吸煙和酗酒[大量吸煙定義為吸煙指數≥400 (吸煙指數=支/d×吸煙年數)，酗酒定義為飲酒指數≥200 (飲酒指數=g/d×飲酒年數)][13]；(4)最近使用過影響腮腺檢查和分泌功能的藥品；(5)接受過頭頸部放療；(6)貧血患者；(7)使用較大的固定性金屬牙種植體，造成圖像質量不佳甚至嚴重影響腮腺辨別及測量；(8)其他磁共振檢查禁忌者。同時選取一組與糖尿病患者組年齡相近的健康志愿者90 例作為正常對照組，來源包括常規體檢人員或醫護家屬。正常對照組入組標準：40～60 歲的男性。排除標準同患者組排除標準。

1.2 MRI掃描技術及參數

采用德國Siemens 1.5 T AVANTO D13 磁共振診斷系統，用8 通道頭部線圈。在腮腺掃描成像過程中叮囑患者保持閉口放松狀態，盡量避免吞咽及咳嗽動作。全部受試者均行橫軸面SE 序列T1WI (TR 2000 ms，TE 7.8 ms，層厚5 mm，FOV 230 mm×230 mm，矩陣 256×256)及T2WI (TR 4780 ms，TE 107 ms，層厚5 mm，FOV 230 mm×230 mm，矩陣256×256)；冠狀 面SE 序 列T1WI (TR 450 ms，TE 17 ms，層 厚5 mm，FOV 230 mm×230 mm，矩 陣 256×256)；橫 軸 面 3D T1-VIBE-IN-OPP-PHASE 序列掃描(TR 8.74 ms，TE 2.38 ms，層厚1 mm，FOV 200 mm×200 mm，矩陣 287×287，體素體積0.70 mm×0.70 mm×1.00 mm，無間隔)。

1.3 圖像處理

1.3.1 腮腺的徑線測量

在腮腺軸位最大橫截面上，依次測量腮腺左右徑(腮腺深葉至腮腺淺葉前后徑的垂直距離)、前后徑(腮腺的前后緣之間的最大距離)、淺葉前后徑(腮腺外緣的前后最大距離)，腮腺前緣至下頜支后緣水平腮腺外緣的距離；在冠位最大截面上測量腮腺上下徑(腮腺的上下緣之間的最大距離)。對每位受試者的兩側腮腺分別測量(每側腮腺作為獨立樣本)，由兩名醫師獨立測量，然后再次對其進行隨機重復測量，取其平均值。結果顯示，測量一側腮腺平均用時0.5 min。

1.3.2 腮腺的體積測量

采用ITK-SNAP (https://itk.org/)軟件，參照SE 序列T1WI 圖像，在T1-vibe (同相位及反相位)圖上逐層勾畫腮腺的輪廓，勾畫時盡量避開大血管及腮腺導管，再由軟件自動對各腮腺體積進行計算，自動得出體積。由兩名醫師雙盲閱片和測量，一周后對其進行隨機重復測量，取其平均值。測量一側腮腺體積平均用時20 min。三維體積測量方法見圖1。

圖1 腮腺的三維體積半自動測量示意圖。

1.3.3 統計學分析

所有數據采用SPSS 17.0 統計軟件包進行統計分析，P＜0.05 認為差異有統計學意義。所有數據用均數±標準差表示，可信區間均為95%。兩位放射科醫師測量結果組內相關系數均大于0.8，說明兩者之間具有良好的相關性，可以用于下一步研究。本文所用的最終參數為每側腮腺重復測量后的平均值。計量資料(年齡、前后徑、淺葉前后徑、腮腺前緣至下頜支距離、左右徑、上下徑、實測體積)組間比較采用Student-t檢驗。計算Pearson 相關系數以反映腮腺各個徑線與實測體積之間的相關性。徑線與實測體積的線性關系用多元線性回歸進行分析。

2 結果

2.1 受檢者腮腺徑線測量和體積測量結果

正常對照組和糖尿病組人群的人口學和腮腺的徑線和體積測量詳見表1，由表中得出，兩組間的人口年齡間差異無統計學意義；糖尿病組(從59 例糖尿病患者中隨機抽取10 例糖尿病患者)腮腺的前后徑、左右徑、上下徑、淺葉前后徑及體積均比正常對照組增大，差異具有統計學意義，而腮腺前緣至下頜支后緣水平腮腺外緣的距離在兩組間差異無統計學意義。

表1 兩組受試者人口學資料、腮腺各徑線長度及體積

2.2 多元線性回歸分析變量的初步篩選

以P＜0.05作為判斷標準，對正常對照組180例腮腺相關徑線與體積進行相關分析。結果表明，腮腺體積與前后徑、淺葉前后徑、腮腺前緣至下頜支水平腮腺外緣的距離及上下徑存在強弱不等的相關性，其中上下徑、前后徑與體積存在顯著的相關性；淺葉前后徑及腮腺前緣至下頜支距離與體積存在相關性，但較弱；左右徑與體積無相關性，詳見表2。這些相關指標具有一定的代表性，因此作為初步選入多元線性回歸方程的相關因素。

表2 腮腺徑線與體積之間的相關分析

2.3 與腮腺體積相關徑線的多元線性回歸方程的建立

對于選入多元線性回歸方程的相關徑線，采用多元逐步回歸分析的統計方法，對與腮腺體積存在相關性的指標進行進一步篩選，得出影響體積的最主要徑線，并建立較理想的多元線性回歸方程。

在引入變量α=0.09，剔除變量α=0.10 的水平下，經過逐步回歸篩選，結果顯示，腮腺最大軸切面前后徑及上下徑與腮腺體積之間正相關關系最密切，并得出如下多元回歸方程：V=9.506+4.144X+2.190Y(X=前后徑，Y=上下徑)，多元線性回歸方程自變量參數統計結果見表3。

表3 多元回歸方程自變量參數估計

接著，使用方差分析法對擬合的多元線性回歸方程模型進行顯著性檢驗，由表4 可以得出，F=178.753，P＜0.001，即擬合的多元線性回歸方程有統計學意義。

表4 多元逐步回歸方程的方差分析數值表

最后，根據方差分析表中的結果，進一步對擬合的多元回歸方程模型做出評價，由表5 可以看出，本例決定系數r2=0.669，復相關系數r=0.818，說明腮腺體積變化的66.9%能由徑線前后徑及上下徑的變化來解釋。

表5 多元回歸方程模型的評價

2.4 多元線性回歸方程的回代符合率

對90例健康志愿者的180例腮腺徑線應用上述公式進行預測體積理論值計算，與實測體積比較制成折線圖(圖2)，通過對比檢驗回歸方程的有效性。觀察折線圖，可以看出預測體積與實測體積總體相符，表現出回歸方程良好的預測能力。

2.5 糖尿病組腮腺計算體積與實測體積的比較

最后，從59例糖尿病患者中隨機抽取10例糖尿病患者腮腺徑線應用上述公式進行理論值計算，與實測體積進行比較，大體相符，詳見表6。

表6 糖尿病患者腮腺預測體積與實測體積比較

3 討論

本研究以磁共振同、反相位序列為基礎，同時對180 例腮腺進行體積和徑線的測量，并將兩種方法進行多元線性回歸分析，發現腮腺前后徑及上下徑對腮腺體積影響最為明顯，并建立回歸方程大致估計腮腺體積，和實測體積結果相對比，表現出很強的預測能力；同時本研究還發現徑線測量相對體積測量所用時間明顯減少，大約相差40 倍之多，從而驗證了本研究方法的簡便可行性。

3.1 腮腺體積及徑線測量的實用性及必要性

通過測量腮腺體積評估疾病程度及療效在臨床及研究中已廣泛應用，Santo等[14]在研究中通過腮腺體積對比評價頭頸部腫瘤放化療治療前后腮腺的形態學和密度特征，李巍等[6]利用CT 對腮腺及頜下腺體積進行測量對IgG4 相關唾液腺炎患者進行輔助診斷，Gupta 等[15]在最近研究中，通過超聲手段對腮腺徑線測量發現糖尿病是腮腺肥大的重要原因，并且和相關臨床指標比如糖化血紅蛋白值有密切相關性。上述研究充分證實腮腺體積測量在臨床中的應用價值，但是目前的研究尚存在一定缺陷，比如CT 在體積測量時的輻射性及煩瑣程序，超聲在徑線測量時的不精確性，使其臨床應用受到限制。本研究基于上述不足，在國內研究中首次利用磁共振手段進行腮腺的徑線測量，并建立回歸模型進行腮腺體積估算，探討其在糖尿病及其他疾病中的診斷價值。

3.2 腮腺徑線測量多元回歸方程建立的有效性

本研究尋找并建立了一個可以估測腮腺體積的回歸模型，并通過對腮腺相關徑線的測量反映實際體積的大小及變化。我們根據多年對腮腺測量的經驗，結合國內外對于腮腺形態學研究的最新進展，對于腮腺的最大軸切面相關徑線，如前后徑、左右徑、淺葉前后徑、腮腺前緣至下頜支后緣水平腮腺外緣距離、上下徑與腮腺體積之間的相關性進行了測試和比較，研究結果顯示腮腺左右徑和體積之間無明顯相關性，而與腮腺前后徑及上下徑之間相關關系最為密切，最終建立了體積與相關徑線之間的回歸模型：V=9.506+4.144X+2.190Y，方程回歸效果檢驗的F=178.753，P＜0.001，說明回歸方程有統計學意義。進一步的模型評價結果得出，決定系數r2=0.669，復相關系數r=0.818，說明此方程對于估測腮腺體積變化的擬合程度達到了66.9%，與徑線間的線性相關程度達0.818，從而表明回歸方程具有較好的預測能力。最后，應用此方程對糖尿病及健康志愿者腮腺體積分別進行了估測，并與實際體積比較，發現二者之間總體相符，也進一步證明了回歸模型的預測能力。

3.3 腮腺徑線測量多元回歸方程在糖尿病腮腺病變的應用價值

糖尿病是一種以高血糖和碳水化合物、蛋白質和脂質代謝失調為特征的代謝性疾病[15]，臨床觀察發現糖尿病患者都有不同程度的口干、口渴的癥狀[16-17]。近期研究則認為口干癥與腮腺分泌功能降低存在一定的關系，即糖尿病可以損傷腮腺的結構和功能[18-19]。從形態學的角度來看，幾乎所有的研究結果都顯示出明顯的腮腺肥大[20-21]。所以，對于腮腺大小的測量及評估可能成為評價糖尿病影響腮腺形態結構的重要手段之一。尋求一種簡單實用的測量方法來評價腮腺大小變化，從而研究結構甚至功能的改變，在糖尿病唾液腺病變的診斷和治療方面具有重要的臨床意義。本研究中，我們將10 例糖尿患者的徑線值代入回歸方程計算，得出的體積値和實測體積值有較好的回代符合性，所預測的體積基本可以反映實際體積的變化。由此推測，本研究所獲得線性回歸方程不僅能夠很好地估計正常人腮腺體積大小，也可用于病變腮腺體積的估算，因此對反映腮腺病變特別是系統性疾病所導致的腮腺體積異常具有重要意義。

3.4 本研究的局限性

本研究得出的回歸模型，在某些情況下使用價值受到一定的限制。分析其中的原因，大致如下：首先，腮腺的形態極其不規則，而且個體差異較大；其次，各徑線與體積之間可能存在復雜的非線性關系。所以，本研究得出的回歸模型所針對的情況理論上應為正常腮腺或病變導致的腮腺均勻性增大或者萎縮，而對于諸如腫瘤等引起的腮腺局限性增大，可能不適用。

本研究的局限性還在于樣本量過少，人群的年齡范圍過窄和性別的限制，不能獲得腮腺體積的正常參考值，這對于病變腮腺的評估造成了很大障礙。李巍等[6]曾利用CT 對200 多名不同年齡組的正常人進行了腮腺的體積測量，得出了相應的正常參考值。而以MR 為標準勾畫腮腺范圍可以清晰顯示腮腺深葉的邊界，以及副腮腺和腮腺導管部分，因此其大小更為接近真實腮腺的體積[22]。但是目前文獻中尚未見基于MRI檢查大樣本正常人腮腺體積的正常值，腮腺的形態學評估缺乏客觀指標。

在下一步的研究中，我們將擴大樣本量，建立正常腮腺體積和徑線的參考值，探究病理狀態下腮腺體積變化，建立更加有效便捷的回歸模型。盡管有上述種種不足，在目前無確切正常值及簡易有效測量方法的階段，此回歸方程和相關徑線仍具有其理論和實際意義。

作者利益沖突聲明：全體作者均聲明無利益沖突。