Patlak聯合不可逆兩組織隔室模型動態18F-FDG PET/CT診斷肺原發腫瘤胸部高代謝轉移性淋巴結

孫藝珊，劉長平，翟 偉，王 搏，曹 禮，于樹鵬，辛 軍

(中國醫科大學附屬盛京醫院核醫學科，遼寧 沈陽 110004)

肺癌是全球死亡率較高的癌癥之一，在癌癥死因中約占22%[1]，且易因出現肺門及縱隔淋巴結轉移而影響治療計劃。葡萄糖代謝升高是惡性病變的重要標志之一。18F-FDG PET/CT逐漸用于診斷腫瘤及分期[2]，準確率和敏感度均較高[3]；但正常組織或良性病變亦可存在FDG高攝取。動態18F-FDG PET/CT動力學模型可于連續動態PET圖像中提取定量評估參數，有助于鑒別惡性與炎性病變[4]。本研究觀察Patlak結合不可逆兩組織隔室模型(irreversible two-tissue compartment model, 2TC-3k)動態PET/CT診斷FDG肺原發腫瘤高代謝胸部轉移性淋巴結的價值。

1 資料與方法

1.1 一般資料 前瞻性納入2020年10月—2021年6月16例CT示胸部存在可疑淋巴結轉移且擬接受PET/CT檢查的肺原發性腫瘤患者。納入標準：①首次確診為肺原發性腫瘤；②未接受肺部手術或相關治療；③可取得手術病理結果及隨訪資料[5]。排除標準：①幽閉恐懼癥或病情較重等不適合接受PET/CT檢查者；②空腹血糖>8.0 mmol/L。本研究獲院倫理委員會批準。檢查前患者均簽署知情同意書。

1.2 儀器與方法 檢查前囑患者禁食6 h以上。采用GE Discovery Elite PET/CT掃描儀，囑患者仰臥，先行低劑量胸部CT掃描，管電壓120 kV，管電流120 mA，重點觀察肺原發腫瘤及胸部淋巴結；之后經肘靜脈團注18F-FDG(4.44 MBq/kg體質量)顯像劑，并立即以三維模式采集40 min單床位胸部動態PET圖像，并以12×5 s、3×360 s、3×420 s幀協議分割數據；注射18F-FDG 60 min后，以三維模式行全身PET/CT顯像，范圍包括頭骨頂點至股骨近端，共采集7～8個床位，每個床位約90 s。以CT進行衰減校正，并采用有序子集最大期望值法重建圖像。

1.3 圖像分析 由分別具有2年及8年工作經驗的核醫學科醫師各1名共同分析18F-FDG PET/CT圖像及完成建模，意見不一時，由具有15年工作經驗的核醫學科主任醫師進行判定。

1.3.1 全身靜態PET/CT圖像 于GE AW01工作站半自動測量全身靜態PET/CT圖像中肺腫瘤和胸部淋巴結的標準攝取值(standard uptake value, SUV)，計算其最大SUV(maximum SUV, SUVmax)及平均SUV(mean SUV, SUVmean)；以淋巴結SUVmax>2.5為高代謝淋巴結，針對存在高代謝淋巴結患者進行后續觀察。

圖1 2TC-3k K1、k2、k3、k4均為轉運速率常數；其中，K1和k2分別為18F-FDG從血液到組織的正向轉運速率常數和反向轉運速率常數，k3表示己糖激酶對18F-FDG的磷酸化速率，k4表示磷酸酯酶對FDG-6-PO4的去磷酸化速率(可忽略不計)

表1 Patlak圖形分析和2TC-3k的一階特征紋理參數

1.3.2 胸部動態PET/CT圖像 采用PHIgo及ITK-SNAP軟件處理胸部動態PET/CT圖像。先以PHIgo軟件自動尋找胸主動脈，并獲得動脈輸入函數(arterial input function, AIF)和時間-活度曲線(time-activity curve, TAC)；之后采用ITK-SNAP軟件，以自適應工具于胸部動態PET/CT圖像上半自動勾畫肺原發腫瘤和胸部各高代謝淋巴結的感興趣容積(volume of interest, VOI)；通過動態PET圖像與CT融合校準獲得動態PET/CT圖像中原發腫瘤和各高代謝淋巴結的VOI；最后通過所有層面原發腫瘤或各高代謝淋巴結VOI平均代謝活動面積的加權平均值獲得其TAC。

采用PET動態軟件構建原發腫瘤和各高代謝淋巴結的動態PET/CT動力學模型，并基于體素進行分析。采用Patlak圖形分析和2TC-3k分析腫瘤和各高代謝淋巴結的動態PET/CT數據；Patlak圖形分析包括轉運速率常數(Ki)和血容量分數(V)的相關一階特征參數，2TC-3k包括轉運速率常數(K1、k2、k3……)和血容量體積(VB)的相關一階特征參數(圖1)，見表1。

1.4 診斷標準 以手術病理學結果為診斷胸部高代謝淋巴結轉移的金標準。

1.5 統計學分析 采用MedCalc v20.0.3和SPSS 26.0統計分析軟件。以±s表示正態分布的計量資料，行兩獨立樣本t檢驗；以中位數(上下四分位數)表示非正態分布的計量資料，行Mann-WhitneyU檢驗。采用Pearson或Spearman相關性分析評價原發腫瘤與FDG高代謝淋巴結動力學參數的相關性。以二元logistic回歸分析建立診斷胸部高代謝淋巴結轉移的模型，并繪制受試者工作特征(receiver operating characteristic, ROC)曲線，采用DeLong檢驗比較曲線下面積(area under the curve, AUC)，評估其診斷效能。P<0.05為差異有統計學意義。

2 結果

納入11例肺原發腫瘤患者，男5例、女6例，年齡41～76 歲，平均(60.5±10.4)歲；共檢出32枚胸部高代謝淋巴結，病理學示其中15枚為轉移性、17枚非轉移性，見圖2。

2.1 PET/CT 轉移性淋巴結SUVmax及SUVmean略高于非轉移性淋巴結，但二者差異均無統計學意義(Z=-1.89、-1.64，P均>0.05)。

2.2 動力學參數 Patlak和2TC-3k各有6個參數在轉移性與非轉移性淋巴結之間差異具有統計學意義(P均<0.05)，見表2、3。Patlak動力學參數中，Ki_Kurtosis診斷胸部轉移性FDG高代謝淋巴結的AUC為0.81，以Ki_Kurtosis=71 590.45為截斷值，其敏感度為70.60%，特異度為86.70%；2TC-3k動力學參數中，V_B_Entropy的AUC為0.79，以V_B_Entropy=6.16×10-4為截斷值，其敏感度為80.00%，特異度為82.40%；見表4。

肺原發腫瘤與胸部高代謝轉移性淋巴結動力學變化趨勢相似(圖3)，且原發腫瘤與轉移性高代謝淋巴結V_B_Kurtosis(r=0.67，P<0.05)和Ki_UPP(r=0.69，P<0.05)存在正相關，而其他參數均無明顯相關(P均>0.05)。

圖2 患者女，70歲，左肺下葉腺癌，伴高代謝第11組淋巴結轉移、第8組淋巴結反應性增生 A.胸部軸位PET圖示第11組(黃箭)和第8組(綠箭)淋巴結FDG高代謝； B、C.Patlak Ki圖(B)和V圖(C)示第11組高代謝轉移性淋巴結，而第8組非轉移淋巴結未見明顯高代謝

表2 肺原發腫瘤患者胸部高代謝轉移性與非轉移性淋巴結Patlak動力學參數比較

表3 肺原發腫瘤患者胸部高代謝轉移性與非轉移性淋巴結2TC-3k動力學參數比較

表4 Patlak及2TC-3k動力學參數診斷肺原發腫瘤患者胸部高代謝轉移性淋巴結的效能

圖3 患者男，52歲，TAC圖示左肺上葉腺癌伴第5組淋巴結轉移、第10組淋巴結反應性增生

圖4 Patlak、2TC-3k及二者聯合的動態PET/CT模型診斷肺原發腫瘤胸部高代謝淋巴結轉移的ROC曲線

3 討論

常規靜態18F-FDG PET/CT顯像評估肺腫瘤淋巴結轉移時，多于單一時間點進行半定量評估[6]。本研究以動態18F-FDG PET/CT動力學模型診斷胸部高代謝轉移性淋巴結，于注射藥物后多時間點進行評估，有助于觀察18F-FDG分布及整個攝取過程；通過建立動力學模型獲取與靶特異性分子及代謝過程相關的指標，所獲結果與既往報道[7-9]類似。

本研究以體素分析建立動態PET/CT模型，并基于動力學參數獲取一階特征參數，發現胸部高代謝非轉移性淋巴結的均勻度較佳，而轉移性淋巴結均勻度較差，可能由于惡性病變生長迅速，對葡萄糖需求量較高，并存在大量新生毛細血管網，其血管壁不成熟，更易出現壞死、囊變及出血等復雜情況，導致均勻度下降[10]。此外，本研究TAC顯示肺原發性腫瘤的動力學變化趨勢與胸部高代謝轉移性淋巴結相似，且二者V_B_Kurtosis和Ki_UPP呈正相關，與既往研究[7]結果類似；分析原因，可能主要在于惡性病變攝取18F-FDG持續升高，而反應性增生等良性病變的攝取特點與主動脈類似，均于最初出現快速灌注峰值，之后迅速下降出現平臺期。本研究分別采用Patlak、2TC-3k及二者聯合構建logistic診斷模型，其AUC、敏感度及特異度均較佳。

本研究主要局限性：①樣本量小，且未對不同亞型肺腫瘤來源的淋巴結進行分組觀察；②僅用于診斷高代謝淋巴結；③勾畫VOI及建模可能存在一定誤差。

綜上所述，Patlak結合2TC-3k動態18F-FDG PET/CT對診斷胸部高代謝轉移性淋巴結具有一定價值。