高階擴散模型在腦膠質(zhì)瘤中的應用研究進展

胡萬均, 甘鐵軍, 白玉萍, 李潔, 馬玉榮, 張靜

腦膠質(zhì)瘤是中樞神經(jīng)系統(tǒng)最常見的原發(fā)腦腫瘤。傳統(tǒng)分類方法將膠質(zhì)瘤根據(jù)惡性程度分為高級別與低級別兩大類,不同級別膠質(zhì)瘤治療方案及預后差別較大[1]。隨著基因及分子生物學標記物檢測的廣泛應用以及靶向藥物研究進展,越來越多研究發(fā)現(xiàn)膠質(zhì)瘤治療及預后與某些特定基因及分子生物學標記物密切相關[2];因此2016及2021年WHO中樞神經(jīng)系統(tǒng)腫瘤新分類中對膠質(zhì)瘤分類更加強調(diào)了基因及分子表型的重要性。膠質(zhì)瘤免疫治療是近年來研究的熱點,然而免疫治療療效與腫瘤微環(huán)境密切相關。上述所提及的膠質(zhì)瘤分級、基因、分子表型及腫瘤微環(huán)境都是在術后病理下獲得,目前臨床一直在尋求一種可以術前無創(chuàng)了解以上信息的檢查方法[3-5]。

擴散成像是一種基于水分子隨機運動的成像方式[6-8],近年來隨著技術的進步,衍生出多種高階擴散模型,如擴散張量成像(diffusion tensor imaging,DTI)、體素內(nèi)不相干運動擴散加權成像(intra-voxel incoherent motion diffusion weighted imaging,IVIM-DWI)、擴散峰度成像(diffusion kurtosis imaging,DKI)、高角分辨率擴散成像(high angular resolution diffusion imaging,HARDI)、擴散頻譜成像(diffusion spectrum imaging,DSI)、平均表觀傳播擴散成像(mean apparent propagator-MRI,MAP-MRI)、神經(jīng)突方向分散度和密度成像(neurite orientation dispersion an density imaging,NODDI)等,這些高階擴散模型相較于術后病理金標準,具有無創(chuàng)、可重復性等優(yōu)點[9,10]。本文就高階擴散模型在膠質(zhì)瘤分級、基因型、分子表型、腫瘤微環(huán)境等應用研究進展予以綜述。

擴散加權成像

Padhani等[11]在2008年國際醫(yī)學磁共振學會會議期間就DWI作為癌癥成像生物標志物達成一致,并建議利用DWI對腫瘤進行研究時應獲得表觀擴散系數(shù)( apparent diffusion coefficient,ADC)。ADC可真實反映腫瘤所處的細胞微環(huán)境及水分子的運動狀態(tài),從而為膠質(zhì)瘤分級及分子分型的預測提供更準確、穩(wěn)定、可靠的結果[12,13]。

Baehring等[14]研究指出DWI可以對早期膠質(zhì)瘤進行有效診斷,并可以早于病理活檢提示腫瘤發(fā)生惡變;當病理結果也無法明確膠質(zhì)瘤是否惡變時,結合DWI表現(xiàn)可明確診斷。細胞的增殖是膠質(zhì)瘤分級的重要因素之一[15,16],高級別膠質(zhì)瘤細胞增殖比低級別膠質(zhì)瘤明顯加快,因此細胞外水分子擴散受限間接反映了低級別膠質(zhì)瘤進展為高級別膠質(zhì)瘤過程[17]。目前研究尚缺乏膠質(zhì)瘤基因分型確切生物學標志,Maynard等[18]在WHO膠質(zhì)瘤隊列中利用腫瘤實質(zhì)部分ADC值與正常白質(zhì)ADC比值預測膠質(zhì)瘤異檸檬酸脫氫酶(isocitrate dehydrogenase,IDH)狀態(tài),結果表明對兩個獨立隊列膠質(zhì)瘤IDH狀態(tài)預測的準確率分別為82%、86%,且準確率高于單ADC值模型及多b值模型,這說明ADC值與膠質(zhì)瘤IDH基因狀態(tài)的潛在微環(huán)境存在顯著相關性。DWI是基于水分子高斯分布的擴散模型,它與人體實際水分子所處細胞狀態(tài)不符,盡管在預測膠質(zhì)瘤分級、基因型狀態(tài)方面有很多研究,但水分子非高斯分布情況以及單b值的單指數(shù)模型的影響導致其準確性降低從而無法進一步在臨床廣泛應用。

體素內(nèi)不相干運動擴散加權成像

人體內(nèi)由于細胞、髓鞘、微血管等影響,水分子擴散并不服從單指數(shù)模型,在低b值情況下微血管間灌注會影響信號變化,因此Le Bihan等[19]提出基于雙指數(shù)模型的擴散加權成像既IVIM-DWI,該模型需要至少6個小于200 s/mm2的b值來反映微血管的灌注,2個大于500 s/mm2的b值來反映水分子的真實擴散狀態(tài)。IVIM-DWI定量參數(shù)包括偽擴散系數(shù)(pseudo-diffusion coefficient,D*)、真擴散系數(shù)(diffusion coefficient,D)及灌注分數(shù)(perfusion fraction,f),其中D*值反映微血管灌注,D值反映水分子真實擴散,f值反映血流量。

Wang等[20]研究表明D*值、D值及f值可以作為鑒別膠質(zhì)瘤分級、基因分型的有效定量參數(shù)。f值與D值能有效鑒別高低級別膠質(zhì)瘤,而低級別膠質(zhì)瘤中IDH野生型的f值高于IDH突變型,且f值預測效能高于其他灌注指標;高級別膠質(zhì)瘤新生血管增多是導致f值增加的直接影響因素,在低級別膠質(zhì)瘤中IDH野生型相比于IDH突變型侵襲性強,血管增殖程度越明顯灌注效應越強,f值變化更明顯。另一項研究指出,IDH突變狀態(tài)會導致缺氧誘導因子(hypoxia-inducible factor,HIF)的降低,因而能降低缺氧導致的新生血管形成,且f值可能是評價膠質(zhì)瘤血管功能、基因分型的可靠定量參數(shù)[21]。有研究根據(jù)IVIM-DWI以上特性將其用于膠質(zhì)瘤治療療效及真、假性進展的評估,結果顯示膠質(zhì)瘤真性進展與假性進展磁共振信號常相似,臨床難以鑒別[22];而真性進展常伴隨血管增殖更明顯,與假性進展相比常表現(xiàn)為高灌注效應,所以f值、D*值及D值可以有效鑒別兩者且能有效預測膠質(zhì)瘤治療療效。有關IVIM-DWI技術在膠質(zhì)瘤的應用非常廣泛、可重復性強,但其準確性受到b值數(shù)量、b值大小及腫瘤細胞內(nèi)外所處微環(huán)境影響。

擴散張量成像

DTI是目前唯一能在人活體大腦進行無創(chuàng)性白質(zhì)纖維成像方法,與DWI相比需要最少6個擴散梯度方向及更高的b值。DTI常用定量參數(shù)指標有各向異性分數(shù)(fractional anisotropy,FA)、平均擴散率(mean diffusivity,MD)等,在DTI中FA值是最重要的量化指標之一且可以表征白質(zhì)纖維束完整性;白質(zhì)纖維束中水分子異常擴散改變先于白質(zhì)結構異常改變,而FA值可以敏感地探測這種變化,并為白質(zhì)纖維束中水分子異常改變提供定量參數(shù)指標。

高級別的膠質(zhì)瘤中FA值的減低比ADC值異常減低更為敏感,Lu等[23]通過測量位于正常白質(zhì)和血管源性水腫的感興趣區(qū)及每個腫瘤周圍的T2異常信號強度,發(fā)現(xiàn)膠質(zhì)瘤周圍FA值的改變不僅與含水量增加有關,還與腫瘤浸潤有關,病理診斷也提示高級別膠質(zhì)瘤相較低級別膠質(zhì)瘤常常出現(xiàn)腫瘤浸潤;浸潤嚴重時,腫瘤周圍白質(zhì)結構及完整性被破壞會導致含水量增加,從而進一步導致FA值減低,而細胞周圍水分子增加有可能導致ADC值測量產(chǎn)生一定誤差,因此FA值相比ADC值對腫瘤浸潤表征更加敏感,間接提供膠質(zhì)瘤分級的證據(jù)。高級別膠質(zhì)瘤周圍浸潤性水腫的FA值相比腦外腫瘤及轉移瘤周圍水腫FA值明顯降低[24],且可能與轉移瘤轉移時間有關,早期轉移瘤并未破壞相應區(qū)域白質(zhì)纖維束。腦外腫瘤并非中樞神經(jīng)系統(tǒng)膠質(zhì)細胞來源,因而不會出現(xiàn)較為明顯的纖維束破壞,通常是由于腫瘤體積過大對白質(zhì)推擠所致[25,26]。膠質(zhì)瘤生長常伴有腫瘤細胞增殖與新生血管增生,這可能是鑒別膠質(zhì)瘤IDH基因型狀態(tài)的重要因素之一;有研究表明IDH野生型膠質(zhì)瘤易向瘤周浸潤性生長并破壞神經(jīng)纖維的髓鞘導致FA值明顯減低,且與IDH野生型膠質(zhì)瘤的不良預后顯著相關,IDH突變型膠質(zhì)瘤則很少伴有神經(jīng)纖維的髓鞘破壞,因此FA值無明顯變化,這與Aliotta等[27]的研究結果一致。有部分研究利用DTI構建影像組學模型預測膠質(zhì)瘤IDH基因型狀態(tài)[28,29],結果表明MD值預測膠質(zhì)瘤IDH基因型的準確率(AUC=0.83)高于其它模型,該研究進一步證實DTI可以更好表征膠質(zhì)瘤腫瘤微環(huán)境及腫瘤細胞增殖情況;由于人體細胞微環(huán)境及血管影響,水分子呈非高斯分布,而DTI模型是基于水分子高斯分布所提出,盡管以上研究證明DTI可以有效預測膠質(zhì)瘤分級、基因型狀態(tài)及不良預后,但其準確性仍然欠佳,因此需要在水分子非高斯分布情況下驗證其準確性,探索其臨床應用價值。

擴散峰度成像

人體內(nèi)水分子自由擴散運動受細胞間隙、血管間隙等因素影響,水分子主要呈非高斯分布,因此DTI無法反映真實的水分子擴散分布程度,而DKI恰好可以反映這種微觀的變化,DKI常用參數(shù)指標包括平均擴散峰度(mean kurtosis,MK)、徑向峰度 (radial kurtosis,RK)、軸向峰度(axial kurtosis,AK)、峰度各向異性(kurtosis anisotropy,KA)等。MK值越高代表水分子偏離高斯分布狀態(tài)越遠,間接反映了細胞增殖多,血管增生快。

Tietze等[30]研究表明MK值可以作為膠質(zhì)瘤基因分型的生物學標志,在膠質(zhì)瘤RANO反應評估中起非常關鍵的作用,2021年世界衛(wèi)生組織(world health organization,WHO)中樞神經(jīng)系統(tǒng)腫瘤分類、分級標準修定版已明確將基因型作為膠質(zhì)瘤的重要診斷依據(jù)[31];而利用MK和AK值可以預測腫瘤細胞增殖和IDH-1基因型狀態(tài),其預測IDH-1野生型的敏感度分別為0.70和0.72,因此MK和AK值等量化指標可以有效區(qū)分膠質(zhì)瘤IDH-1基因型狀態(tài)[32]。一項Meta分析指出DKI在預測腦膠質(zhì)瘤分級及IDH基因型應用中具有較高的一致性,且MD值與FA值預測膠質(zhì)瘤級別IDH基因型突變狀態(tài)的準確性顯著低于MK值與AK值[33]。高級別膠質(zhì)瘤中MK值的增加與膠質(zhì)瘤潛在的微觀結構特征有關,但原因尚不清楚,可能是由于高級別膠質(zhì)瘤中細胞增殖、細胞內(nèi)外蛋白的數(shù)量增加以及血管破壞及增生導致水分子偏離高斯分布引起MK改變。不僅如此,Zhang等[34]研究也表明ki67的增殖情況與MK密切相關。Tan等[28]通過建立DKI影像組學模型,發(fā)現(xiàn)基于MK值的支持向量機模型在預測IDH基因型狀態(tài)中的準確率為0.86,這也充分證明MK值與腫瘤細胞微環(huán)境結構變化息息相關。以上研究均發(fā)現(xiàn),DKI可用于預測膠質(zhì)瘤基因型突變狀態(tài)及預后,但在復雜交叉纖維存在區(qū)域DKI也無法獲得準確定量參數(shù),因此復雜交叉纖維限制了DKI的進一步發(fā)展,要解決復雜交叉纖維就必須進一步改進高階擴散模型。

高角分辨率擴散成像

HARDI由Tuch等[35]在2002年第一次被提出,是指相比于單b值下的DTI而言更密集或更多的梯度方向采樣;DTI只能解決體素為單纖維的情況,而無法解決體素中包含交叉纖維等復雜結構的情況。軸突半徑一般為0.1～10.0 μm,而目前MRI數(shù)據(jù)體素分辨率一般為1～5 mm。因此一個體素可以包含上千個軸突,形成大腦復雜的纖維結構,HARDI則很好地解決了復雜交叉纖維的問題。

Becker等[36]指出相比于DTI,基于QBI技術的HARDI纖維束重建能更清晰地顯示交叉纖維且能更好地顯示邊緣及末端纖維束,惡性膠質(zhì)瘤的邊緣及末端纖維束破壞明顯多于低級別膠質(zhì)瘤,普通DTI白質(zhì)纖維束無法顯示邊緣及末端纖維束,進而影響術中腫瘤患者切除范圍,無法有效保證腫瘤患者功能區(qū)結構功能,降低了患者術后生存質(zhì)量,HARDI則彌補了DTI的這一缺點[37]。最近一項研究表明膠質(zhì)瘤患者額葉白質(zhì)纖維束通路的完全離斷會影響患者的認知功能,且90%的患者認知功能會出現(xiàn)短暫甚至永久性的障礙,術中電刺激可更直觀地明確交叉纖維[38]。而常規(guī)DTI算法無法呈現(xiàn)大腦真實纖維束的走行,尤其是在復雜的交叉纖維束區(qū)域,HARDI可以很好顯示交叉纖維,明確手術切除范圍,最大程度保護患者認知功能。Sanvito等[39]研究也得到了相同的結論,同時該研究使用基于HARDI纖維密度成像(Track-density imaging,TDI)對膠質(zhì)瘤周圍纖維通路損傷進行評估,進而預測膠質(zhì)瘤患者術后功能恢復程度;HARDI對復雜交叉纖維的顯示較DTI和DKI更優(yōu),同時為膠質(zhì)瘤術前計劃及術后生存質(zhì)量預測提供了先進研究方法,但其缺乏具體定量參數(shù)圖,因此在預測膠質(zhì)瘤IDH基因型狀態(tài)、預后上需要更進一步探索相關定量參數(shù)的臨床應用價值。

擴散頻譜成像

DSI最早由Wedeen等[40]于2008年提出,它與之前的擴散成像算法完全不同,DSI利用概率密度函數(shù)(probability density function,PDF)對纖維的方向進行描述與計算,真正意義上解決了目前DTI、DKI無法解決的復雜交叉纖維問題。

Young等[41]使用壓縮感知成像技術對25例膠質(zhì)瘤患者分別行DTI及DSI掃描,最后分別重建其皮質(zhì)脊髓束、弓狀束等,并計算纖維束條數(shù)、各向異性和長度,最終研究結果表明DSI纖維束重建明顯優(yōu)于DTI纖維束重建,在追蹤復雜交叉纖維上DTI顯示不清易導致腫瘤浸潤范圍的誤判從而影響腫瘤分級的準確性;DSI追蹤復雜交叉纖維及腫瘤浸潤而導致的U型纖維破壞可以有效評估腫瘤分級。近期研究表明DSI纖維束成像可以有效鑒別原發(fā)性腦膠質(zhì)瘤與轉移瘤,通過更精準的纖維束追蹤可以有效預測腫瘤復發(fā),從而判斷患者預后及生存質(zhì)量[42],作者也認為DSI比DTI在復雜交叉纖維追蹤、評估膠質(zhì)瘤分級上有較高的魯棒性。雖然DSI目前被廣泛應用于精神分裂、癲癇等中樞系統(tǒng)疾病的腦拓撲網(wǎng)絡研究中[43],但由于DSI對設備、硬件要求高以及計算時間長等原因,DSI應用于膠質(zhì)瘤的研究少見報道,而隨著壓縮感知及多層同時采集技術等方法的出現(xiàn),DSI在膠質(zhì)瘤領域的研究將更進一步。

平均表觀傳播擴散成像

MAP-MRI于2013年被Lemkaddem等[44]提出,是一種基于q空間數(shù)據(jù)采集策略的擴散成像模型即DSI的一種定量模型,其主要定量參數(shù)指標有回歸原點概率(return to the origin probability,RTOP),主要量化質(zhì)子處于第一和第二個擴散梯度位置的概率,RTOP越高說明質(zhì)子受限越明顯,總體表現(xiàn)為CSF的RTOP低而腦白質(zhì)RTOP高?；貧w軸向概率(return to axis probability,RTAP)主要量化質(zhì)子軸向受限的大小,與軸突直徑密切相關?；貧w平面概率(return to plane probability,RTPP)主要量化質(zhì)子垂直于擴散平面受限大小。均方位移(mean squared displacement,MSD)是對質(zhì)子擴散多遠的測量,MSD降低表明質(zhì)子擴散受限,正常腦組織中腦脊液的MSD值高,腦白質(zhì)的MSD低。信號方差(Q-space inverse variance,QIV)是信號中方差的度量,對組織成份變化具有很高的敏感性。

Gao等[45]使用MAP-MRI對腫瘤實質(zhì)及瘤周水腫行直方圖特征分析,并預測膠質(zhì)瘤患者的IDH突變狀態(tài)及1p/19q缺失狀態(tài),基于直方圖分析結果表明MAP-MRI定量參數(shù)可用于IDH基因突變狀態(tài)分類,同時能有效識別膠質(zhì)瘤中IDH突變的1p/19q缺失狀態(tài)。MAP-MRI的定量參數(shù)在對IDH突變的1p/19q缺失狀態(tài)的所有預測模型中診斷效能最高,AUC為0.83,準確率為77%,基于MAP-MRI的定量參數(shù)預測IDH突變狀態(tài)的1p/19q缺失狀態(tài)值得推向臨床,且無論是單一指標模型還是多指標聯(lián)合模型的預測效能均令人滿意。一項利用MAP-MRI評估膠質(zhì)瘤分級、Ki-67表達和IDH-1突變狀態(tài)的研究表明與IDH-1野生型膠質(zhì)瘤相比,IDH-1突變型膠質(zhì)瘤的MSD、QIV和MD顯著升高,而RTAP、RTOP、RTPP和FA顯著降低(P<0.05)[46];RTAP在所有膠質(zhì)瘤中表現(xiàn)最好,QIV在低級別膠質(zhì)瘤中表現(xiàn)最好,因此MAP-MRI定量參數(shù)是評估不同級別、細胞增殖和IDH-1突變狀態(tài)膠質(zhì)瘤顯微結構變化的有效方法。此外還有研究表明,基于帕金森患者蒼白球、 丘腦、 殼核等結構量化指標的ROC曲線分析結果表明,與DTI指標(FA,MD等)相比,MAP-MRI指標(MSD、RTOP、RTAP、RTPP)具有更高的準確率[47]。也有研究表明MAP-MRI還可用于顳葉癲癇患者海馬及膠質(zhì)瘤誘發(fā)的癲癇纖維束量化評估,且可以作為顳葉癲癇檢測的無創(chuàng)性生物學標記[48,49]。近年來MAP-MRI作為剛提出的定量參數(shù)模型,參數(shù)特異度、敏感度更強,不僅能準確預測膠質(zhì)瘤IDH基因型狀態(tài)、1p/19q缺失,還可作為中樞神經(jīng)系統(tǒng)及其認知相關疾病診斷的生物學標記物,值得向臨床推廣其應用。

神經(jīng)突方向分散度和密度成像

Zhang等[50]在2012年提出的NODDI能用于評估細胞內(nèi)外的間隙,對神經(jīng)纖維髓鞘、軸突尤其是針對樹突進行特定的成像評估,并且可以量化神經(jīng)突觸方向、密度以及突起的直徑[51],NODDI的定量參數(shù)包括神經(jīng)突內(nèi)體積分數(shù)(intracellular volume fraction,Vic或 ICVF)、神經(jīng)突密度(neurite density index,NDI)、神經(jīng)突方向離散度(orientation dispersion index,ODI)、腦脊液體積分數(shù)(isotropic volume fraction,Vis或Iso)和神經(jīng)突外體積分數(shù)(entracellular volume fraction,Vec)。

Zhao等[52]通過研究腫瘤實質(zhì)和瘤周區(qū)域的ICVF值預測膠質(zhì)瘤分級(AUC=0.92,P<0.001),其敏感度和特異度分別為92%和89%;即高級別膠質(zhì)瘤實質(zhì)部分ICVF值增高而瘤周區(qū)域ICVF值減低,而在腫瘤實質(zhì)中ICVF值減低和瘤周區(qū)域ICVF值增高則提示低級別膠質(zhì)瘤可能。王婧妍等[53]通過測量腫瘤實質(zhì)區(qū)及正常側腦白質(zhì)區(qū)內(nèi)ICVF值對比得出ICVF值是鑒別膠質(zhì)瘤分級的重要量化指標。Figini等[54]研究表明NODDI有助于補充解釋在預測膠質(zhì)瘤IDH基因突變狀態(tài)時FA值及KA值變化,先前研究認為FA減低是由于腫瘤細胞破壞神經(jīng)纖維髓鞘所致,而膠質(zhì)瘤IDH野生型細胞增殖多,但無法確定細胞內(nèi)外水分子變化,因此無法準確判斷FA值及KA值減低原因;根據(jù)NODDI定量參數(shù)ODI及Vec可以很好解釋和判斷這種變化,即FA值及KA值減低有可能是細胞外水分子增加而細胞體積減少所致。NODDI在膠質(zhì)瘤研究目前仍集中在膠質(zhì)瘤分級上,而關于膠質(zhì)瘤IDH基因狀態(tài)研究并未發(fā)現(xiàn)IDH突變型與IDH野生型之間存在顯著差異,這可能和樣本量大小有關。因此, NODDI在鑒別膠質(zhì)瘤IDH基因狀態(tài)上需進一步探索其結合影像組學等研究方式后的臨床研究價值。

啟示與展望

綜上所述,高階擴散模型不僅可以較好地反映組織類型、結構、物理和生理的狀態(tài)以及微環(huán)境,同時還可以提供膠質(zhì)瘤額外信息,如膠質(zhì)瘤分級、基因型、分子表型、腫瘤微環(huán)境、術中功能區(qū)保護及術后治療療效的評估等信息。盡管目前對于膠質(zhì)瘤分級的MRI研究相比于病理金標準而言仍存在很多爭議與不足,如掃描時間長、計算復雜等,但隨著設備及技術的不斷更新,如多層同時采集技術、壓縮感知成像技術及深度學習算法的出現(xiàn),將大大縮短復雜擴散模型的掃描時間,影像組學以及深度學習的應用與發(fā)展也必將進一步推動復雜擴散模型等對膠質(zhì)瘤的深入研究,實現(xiàn)臨床精準分類、精準診療,從而改善患者的治療策略及預后。