李治群, 孫笑芬, 徐釤, 萬江花, 施玉森, 李蕊蕊, 劉旭東, 張業(yè)雨
腮腺腫瘤是臨床上比較常見的一組頭頸部腫瘤,其病理類型非常繁雜,臨床癥狀和體征較為相似,術(shù)前較難判斷其性質(zhì)。細針穿刺活檢術(shù)(fine needle aspiration biopsy,FNAB)是腮腺腫瘤術(shù)前定性診斷最主要的檢查方法,但FNAB易受腫瘤位置、大小及操作人員的熟練程度等因素的影響,而且惡性腫瘤還存在針道種植轉(zhuǎn)移的風(fēng)險[1,2]。超聲是腮腺腫瘤的篩查手段,但MRI憑借其高軟組織分辨力和多序列、多方位成像已廣泛應(yīng)用于涎腺腫瘤的術(shù)前診斷,已成為超聲檢查的有力補充。近年來MR功能成像技術(shù)的不斷開發(fā)和應(yīng)用,MRI在腮腺腫瘤術(shù)前診斷中發(fā)揮的作用也越來越大。本研究回顧性分析116例腮腺腫瘤患者的多模態(tài)MRI圖像,旨在探討MRI多參數(shù)聯(lián)合評分對腮腺腫瘤的定性診斷價值。
1.研究對象
回顧性搜集2017年1月-2022年10月間在我院經(jīng)病理證實的腮腺腫瘤患者的臨床和影像資料。病例納入標準:①經(jīng)手術(shù)或穿刺活檢病理證實為腮腺腫瘤;②術(shù)前接受過多模態(tài)MRI檢查,包括MRI平掃、擴散加權(quán)成像(diffusion weighted imaging,DWI)及動態(tài)增強(dynamic contrast-enhanced,DCE)掃描;③病灶直徑>1.5 cm;④圖像清晰,無偽影,信噪比較高。
2.MRI檢查方法
MRI檢查采用美國GE公司Signal Discovery MR 750w 3.0T磁共振掃描儀,16通道相控陣頭頸聯(lián)合線圈,患者取仰臥位,平靜呼吸。檢查序列包括常規(guī)平掃、DWI及DCE掃描。MRI平掃:軸面T1WI序列采用快速自旋回波(fast spin echo,FSE),TR 467 ms,TE18 ms。軸面和冠狀面T2WI脂肪飽和序列采用快速恢復(fù)快速自旋回波(fast recovery fast spin echo,FRFSE),TR 4000 ms,TE 98 ms,層厚/層間距 4 mm/0.4 mm,視野24 cm×24 cm。DWI掃描采用自旋回波單次激發(fā)-平面回波加權(quán)成像(spin-echo single-shot echoplanar imaging,SS SE-EPI)序列,掃描參數(shù):TR 4200 ms,TE 90 ms,層厚/層間距4 mm/0.4 mm,擴散敏感系數(shù)(b值)取0和1000 s/mm2。DCE掃描采用快速擾相梯度回波(fast spoiled gradient echo,FSPGR)序列,掃描參數(shù):TR 320 ms,TE 1.8 ms,層厚/層間距1.2 mm/0.6 mm,矩陣192×128,視野24 cm×24 cm。對比劑采用釓雙胺注射液(上海通用電氣藥業(yè)有限公司,15 mL/瓶),經(jīng)肘靜脈團注,劑量0.2 mL/kg體重。掃描范圍包含腫塊完整病灶,共掃描8個時相(含蒙片1個時相),每一時相采集時間為15~25 s。
3.圖像分析
MRI平掃圖像:由2位有10年以上工作經(jīng)驗的MR診斷醫(yī)師在不知病理結(jié)果的情況下根據(jù)腫瘤的大小、形態(tài)、邊界、位置、內(nèi)部紋理、信號強度等影像特征判斷腫瘤的性質(zhì)。當(dāng)意見不一致時由兩人協(xié)商達成一致。DWI圖像:將圖像上傳至ADW 4.6工作站,采用function tool軟件包進行后處理。參考平掃及增強圖像,選取腫瘤的實質(zhì)部分測量ADC值,采用手動勾畫興趣區(qū)(region of interest,ROI),先勾畫1個,再復(fù)制粘貼2個,單個ROI的面積為60~70 mm2,在腫瘤不同層面的實性部分測量,盡量避開囊變壞死區(qū),取3次測量的平均值作為最后測量結(jié)果。
DCE圖像:在工作站上通過functional tool軟件包進行后處理,在瘤體內(nèi)勾畫ROI,ROI大小為30~40 mm2,盡量避開囊變區(qū)和血管,自動生成動態(tài)增強曲線,即時間-信號強度曲線(time-intensity curve,TIC),根據(jù)其曲線測出峰值時間(time to peak,TTP)及180 s時的相對廓清率(washout ratio,WR)。WR計算公式為:WR=(SI峰值-SI180s)/(SI峰值-SI增強前)×100%,其中SI為信號強度(signal intensity,SI)。根據(jù)曲線形態(tài)將TIC曲線分為4型:A型為持續(xù)型,TTP>120 s;B型為廓清型,TTP≤120 s,WR>30%;C型為平臺型,TTP≤120 s,WR≤30%;D型為平坦型,提示病灶無強化[3]。
以上所有腫瘤ROI的勾畫均由同1位有8年MRI診斷經(jīng)驗的醫(yī)師完成。根據(jù)統(tǒng)計結(jié)果選擇多模態(tài)參數(shù)設(shè)置分值,各參數(shù)中傾向惡性的結(jié)果分值高于傾向良性的結(jié)果分值。將各參數(shù)評分相加得到的總分稱為MR多參數(shù)聯(lián)合評分(multi-parameter combined score,MPCS)。
4.統(tǒng)計學(xué)分析
1.臨床資料
本研究共搜集符合納入標準的腮腺腫瘤患者116例,其中男73例(62.9%),女43例(37.1%),年齡3~77歲,平均年齡(49.2±16.6)歲。良性腫瘤患者的平均年齡為(48.8±16.9)歲,惡性腫瘤患者的平均年齡為(49.9±16.3)歲,兩者之間差異無統(tǒng)計學(xué)意義(P>0.05)。
116例腫瘤中良性腫瘤75例(64.7%),惡性腫瘤41例(35.3%)。良性腫瘤中以多形性腺瘤(pleomorphic adenoma,PA)最多(29例),占良性腫瘤的38.7%,腺淋巴瘤(Warthin’s tumor,WT)次之(27例),占良性腫瘤的36.0%。惡性腫瘤中黏液表皮樣癌(mucoepidermoid carcinoma,MC)10例,占惡性腫瘤的24.4%,腺樣囊性癌和腺泡細胞癌分別為7例和6例,分別占惡性腫瘤的17.1%和14.6%(表1)。
表1 116例腮腺腫瘤的主要構(gòu)成
2.腮腺良、惡性腫瘤的形態(tài)學(xué)特征
本組75例良性腫瘤中有64例(85.3%)表現(xiàn)為形態(tài)規(guī)則,70例邊界清楚(93.3%),與惡性腫瘤(分別為24.4%和36.6%)之間差異有統(tǒng)計學(xué)意義(P<0.05);良、惡性腫瘤的信號均勻性和病灶位置差異均無統(tǒng)計學(xué)意義(P>0.05,表2)。
表2 良、惡性腮腺腫瘤的形態(tài)學(xué)特征比較 (例)
3.腮腺腫瘤的DWI特征
本組良性腫瘤的平均ADC值為(1.15±0.22)×10-3mm2/s,惡性腫瘤的平均ADC值為(0.95±0.17)×10-3mm2/s,良、惡性腫瘤的ADC值差異有統(tǒng)計學(xué)意義(t=4.93,P<0.01)。良性腫瘤中,WT的DWI圖像多表現(xiàn)為高信號(24/27,88.9%),ADC圖顯示擴散受限,平均ADC值為(0.87±0.15)×10-3mm2/s,與惡性腫瘤的ADC值范圍有重疊;而其它良性腫瘤的平均ADC值為(1.27±0.15)×10-3mm2/s。
ROC曲線分析結(jié)果顯示,ADC值鑒別診斷良、惡性腫瘤的AUC為0.75(95%CI:0.66~0.83)。以ADC值=1.18×10-3mm2/s為截斷值時診斷效能最高,其鑒別良、惡性腫瘤的敏感度為90.2%,特異度54.7%,陽性預(yù)測值為51.1%,陰性預(yù)測值為91.1%,準確率為67.2%,約登指數(shù)為0.45。
4.腮腺腫瘤的DCE特征
在良性腫瘤中,43例(57.3%)患者TIC曲線為A型,22例(29.3%)為B型(圖1、2),C型和D型分別為9例(12.0%)和1例(1.3%);而惡性腫瘤以C型曲線最多(29例,70.7%)(圖3),其次分別為B型8例(19.5%),A型4例(9.8%),無D型曲線(表4),良、惡性腫瘤之間的TIC曲線類型差異具有統(tǒng)計學(xué)意義(χ2值=44.2,P<0.01)。本組資料中唯一表現(xiàn)為D型曲線的是脂肪瘤。
圖1 患者,男,33歲,發(fā)現(xiàn)右腮腺區(qū)腫物10年,術(shù)后病理證實為多形性腺瘤。a)橫軸面T1WI示病灶呈略不均勻稍高信號,邊界清楚,形態(tài)欠規(guī)則(箭);b)橫軸面T2WI抑脂序列示病灶呈不均勻高信號(箭);c)DWI序列示病灶呈高信號;d)ADC圖示病灶呈高信號 ,ADC值為1.37×10-3mm2/s ;e)DCE掃描圖像;f)TIC曲線呈A型。
如果將C型曲線診斷為惡性腫瘤,A型、B型、D型曲線診斷為良性腫瘤,TIC曲線類型鑒別診斷良、惡性腫瘤的ROC曲線下面積為0.84(95%CI:0.76~0.90),敏感度和特異度分別為70.7%和85.3%,陽性預(yù)測值為72.5%,陰性預(yù)測值為53.4%,準確率為80.2%,約登指數(shù)為0.57。
5.多模態(tài)MRI對腮腺腫瘤的診斷效能
將MRI平掃、DWI和DCE圖像中的主要參數(shù)分別賦值。MRI平掃圖像中,將腫瘤邊界清楚者設(shè)為0分,不清楚者設(shè)為1分;形態(tài)規(guī)則者設(shè)為0分,不規(guī)則者設(shè)為1分。DWI檢查中,將ADC值>1.18×10-3mm2/s設(shè)為0分,ADC值≤1.18×10-3mm2/s設(shè)為1分。TIC曲線為A型者設(shè)為1分,B型者為2分,C型者為3分,D型為0分(表3)。將以上各參數(shù)評分相加的總分即為MR多參數(shù)聯(lián)合評分。
結(jié)果顯示良性腫瘤的平均分值為(2.23±1.23)分,惡性腫瘤的平均分值為(5.00±1.05)分,兩者之間差異具有統(tǒng)計學(xué)意義(P<0.05)。多模態(tài)聯(lián)合參數(shù)評分鑒別診斷良、惡性腫瘤的AUC為0.94(95%CI:0.88~0.97),高于ADC值(0.75)和TIC曲線分型(0.84),差異具有統(tǒng)計學(xué)意義(P<0.01,圖4)。
圖4 MRI多參數(shù)聯(lián)合評分鑒別診斷良、惡性腫瘤的ROC曲線。
截斷值為3分時鑒別診斷效能最高,AUC為0.88,其鑒別良、惡性腫瘤的敏感度和特異度分別為87.8%和88.0%,陽性預(yù)測值和陰性預(yù)測值分別為80.0%和93.0%,準確率為87.9%,約登指數(shù)為0.76(表4)。
表4 多模態(tài)聯(lián)合參數(shù)評分對腮腺腫瘤的定性診斷效能
腮腺腫瘤中80%為良性腫瘤,20%為惡性腫瘤,其中絕大多數(shù)是上皮性腫瘤,間葉組織來源的腫瘤較少見(約5%)。良性腫瘤以PA最為常見,其次為WT;惡性腫瘤以黏液表皮樣癌最為常見,其次為腺樣囊性癌[4]。絕大多數(shù)腮腺腫瘤臨床上僅表現(xiàn)為腮腺區(qū)無痛性腫塊,逐漸增大,較少有其它不適感,因此就診時病程較長,包塊較明顯,臨床上對其性質(zhì)較難判別。本研究中良性腫瘤占比64.7%,其中PA與WT占比相近,惡性腫瘤占比35.3%,與文獻報道略有出入,最主要的原因可能是因為WT和惡性腫瘤患者一般年齡較大,WT可有多個病灶,甚至雙側(cè)發(fā)病,大部分惡性腫瘤邊界不清,形態(tài)不規(guī)則,臨床上更為謹慎,因此在超聲檢查后會進一步通過MRI檢查獲取更多的診斷信息。
目前,超聲是腮腺腫瘤術(shù)前首選的篩查方法,而MRI由于其軟組織分辨能力強,且有多種功能成像技術(shù),已成為超聲檢查的有力補充手段。多項研究表明多模態(tài)MRI對于腮腺腫瘤的術(shù)前定性診斷具有重要價值,尤其是DWI和DCE技術(shù)[5-7]。近年來,擴散峰度成像(diffusion kurtosis imaging,DKI)和動脈自旋標記(arterial spin labeling,ASL)等其它MRI功能成像技術(shù)也被證明在腮腺腫瘤的鑒別診斷方面具有一定價值[8,9]。但由于成像設(shè)備的差異和成像參數(shù)的標準化不足,各研究結(jié)果之間存在一定差異[10-12],因此多模態(tài)MRI對于腮腺腫瘤術(shù)前定性診斷價值仍存在一定爭議。
圖3 患者,女,76歲,發(fā)現(xiàn)右耳下腫物并逐漸增大6個月,右面部麻痛1個月,手術(shù)病理證實為低分化腺樣囊性癌。a)橫軸面T1WI示病灶呈等信號,形態(tài)不規(guī)則,邊界模糊(箭);b)橫軸面T2WI抑脂序列示病灶呈不均勻稍高信號(箭);c)DWI序列示病灶呈不均勻高信號;d)ADC圖示病灶呈稍低信號,ADC值為1.15×10-3mm2/s ;e)DCE掃描圖像;f)TIC曲線呈C型。
MRI平掃圖像上腮腺腫瘤的某些形態(tài)特征可以鑒別腮腺腫瘤的良惡性,如腫瘤的邊界、T2信號強度、是否侵犯鄰近組織及有無頸部淋巴結(jié)轉(zhuǎn)移等都是鑒別良惡性的重要征象[13],但也有學(xué)者認為腫瘤的T2WI信號強度并不足以鑒別腫瘤良惡性[14]。本研究僅針對腫瘤病灶本身的一些影像特征如腫瘤的位置、邊界、形態(tài)以及信號均勻性等進行了統(tǒng)計學(xué)分析,結(jié)果顯示良、惡性腫瘤的邊界和形態(tài)差異具有統(tǒng)計學(xué)意義,與文獻報道相符。良、惡性腫瘤的病灶位置差異無統(tǒng)計學(xué)意義,都是以淺葉最為多見。在信號均勻性方面良、惡性腫瘤之間差異亦無統(tǒng)計學(xué)意義,可能是因為良性腫瘤中最常見的多形性腺瘤病理成分的多樣性導(dǎo)致信號不均勻,而惡性腫瘤如腺癌、腺泡細胞癌、鱗癌等容易發(fā)生出血、壞死、囊變,也常導(dǎo)致腫瘤信號不均勻。但近年來有研究表明,通過影像組學(xué)、機器學(xué)習(xí)等人工智能方法分析腮腺腫瘤的信號強度、均勻性的紋理信息可以有效鑒別良、惡性腫瘤[15-17]。
DWI可以區(qū)分良惡性腫瘤,絕大部分惡性腫瘤的ADC值低于良性腫瘤,這一觀點已經(jīng)被大量研究證實并應(yīng)用于臨床,DWI也成為腮腺腫瘤術(shù)前MRI檢查中常規(guī)序列的重要補充。本研究結(jié)果顯示惡性腫瘤的平均ADC值為(0.95±0.17)×10-3mm2/s,明顯低于良性腫瘤[(1.15±0.22)×10-3mm2/s)]。但也有部分研究認為ADC值并不能有效鑒別良、惡性腫瘤[18,19]。本研究結(jié)果顯示ADC值可以鑒別腮腺良、惡性腫瘤,但特異度較低(54.7%),可能會導(dǎo)致出現(xiàn)較多的假陽性結(jié)果,這與Yuan等[20]的研究結(jié)果一致。導(dǎo)致這一結(jié)果的最主要原因是WT的ADC值范圍與惡性腫瘤有一定重疊,其病理基礎(chǔ)是由于WT病灶內(nèi)含有高濃度的黏液,從而導(dǎo)致其內(nèi)水分子擴散速度較低[21],與惡性腫瘤接近。
DCE-MRI可以監(jiān)測對比劑隨時間進出腫瘤病灶的情況。良惡性腫瘤由于新生血管密度、細胞外間隙、細胞間質(zhì)成分和比例等方面的差異而呈現(xiàn)出不同的強化曲線,因此可通過TIC曲線類型來區(qū)分良、惡性腫瘤。但由于WT與惡性腫瘤的TIC曲線有部分重疊,僅僅以120 s的TTP為參數(shù)可以區(qū)分PA與惡性腫瘤,但不能區(qū)分WT與惡性腫瘤,必須結(jié)合30%的WR才能區(qū)分WT與惡性腫瘤[3]。 本研究結(jié)果也表明結(jié)合TTP(120 s)和WR(30%)的TIC曲線分型能夠有效區(qū)分腮腺良、惡性腫瘤,惡性腫瘤多表現(xiàn)為C型曲線,9例WT也表現(xiàn)為C型曲線。
在設(shè)置多模態(tài)參數(shù)分值時,本研究參照Yuan等[20]的設(shè)計理念,傾向于惡性的結(jié)果分值高于傾向于良性的結(jié)果。在本研究中,腮腺良惡性腫瘤的邊界和形態(tài)差異具有統(tǒng)計學(xué)意義,因此在設(shè)置多模態(tài)參數(shù)評分時,我們選擇腫瘤的邊界和形態(tài)作為MRI平掃的參數(shù),并將傾向于良性腫瘤的結(jié)果設(shè)為0分,傾向于惡性腫瘤的結(jié)果設(shè)為1分。對于DWI圖像,我們也將傾向于良性的結(jié)果(>截止值)設(shè)為0分,傾向于惡性的結(jié)果(≤截止值)設(shè)為1分。對于TIC曲線分型,根據(jù)本研究結(jié)果,C型曲線更傾向于惡性腫瘤,其次是B型曲線,A型曲線更傾向于良性,D型曲線為良性,因此將TIC曲線的4型根據(jù)惡性傾向的高低依次設(shè)為0~3分。
本研究結(jié)果顯示良性腫瘤的多參數(shù)聯(lián)合評分的分值低于惡性腫瘤,兩者之間差異具有統(tǒng)計學(xué)意義。ROC曲線分析結(jié)果顯示,截斷值為3分時具有最佳的診斷效能,其敏感度和特異度分別為87.8%和88.0%,準確率為87.9%(95%CI:80.6%~93.2%)。這為腮腺腫瘤術(shù)前多模態(tài)MRI檢查的影像報告和評分系統(tǒng)(reporting and data system,RADS)提出了可能,未來我們可以進一步優(yōu)化多模態(tài)參數(shù),如加入吸煙史、病灶是否位于腮腺淺葉后下極、是否區(qū)域淋巴結(jié)腫大等參數(shù),以提高WT與惡性腫瘤的鑒別診斷能力,并通過多中心、大樣本的前瞻性研究進一步證實多參數(shù)聯(lián)合評分系統(tǒng)的科學(xué)性和可靠性。
本研究存在以下局限性:首先,本研究為單中心的回顧性研究,樣本的選擇有一定局限性,并不能真實反映人群中腮腺腫瘤的構(gòu)成分布;其次,本研究的樣本量偏小,部分腮腺腫瘤的病理亞型病例數(shù)極少,甚至還有一些病理亞型沒有出現(xiàn)在本研究中,這可能會導(dǎo)致一些偏倚;最后,在計算MRI多參數(shù)聯(lián)合評分時,我們只是將各參數(shù)分值簡單相加,沒有充分考慮到各參數(shù)之間的權(quán)重。
綜上所述,多模態(tài)MRI是腮腺腫瘤術(shù)前定性評估的重要影像檢查手段。本研究結(jié)果表明MR平掃、DWI和DCE的聯(lián)合評分可以有效區(qū)分腮腺良、惡性腫瘤,其診斷效能優(yōu)于MRI平掃或DWI、DCE等單獨的功能性成像。同時,本研究結(jié)果也表明未來腮腺腫瘤術(shù)前MRI檢查實施RADS評分存在一定的可能性,這值得我們進一步去深入研究。