俞順，石清磊，蘇家威，包強(qiáng)，庫(kù)雷志，鄭雪萍

腮腺腫瘤是臨床較為常見(jiàn)的一種頭頸部腫瘤，術(shù)前影像學(xué)檢查除了可精準(zhǔn)定位診斷，還可在一定程度上進(jìn)行定性診斷，術(shù)前合理的定性診斷有助于臨床選擇合適的手術(shù)方式。腮腺常規(guī)MRI以病灶的部位、形態(tài)和信號(hào)強(qiáng)度特點(diǎn)為主要評(píng)價(jià)指標(biāo)，已成為目前腮腺疾病的主要影像學(xué)診斷方法之一，但存在多征象重疊等缺點(diǎn)。DCE-MRI半定量分析主要根據(jù)腫瘤的時(shí)間-信號(hào)強(qiáng)度曲線(time intensity curve，TIC)類型判斷良惡性，不能定量反映病灶內(nèi)對(duì)比劑濃度的變化，在實(shí)際工作中腮腺不同良惡性腫瘤的TIC類型存在交叉重疊。DCEMRI定量參數(shù)，如轉(zhuǎn)運(yùn)常數(shù)(transfer constant，Ktrans)、血管外細(xì)胞外間隙容積比(volume of extravascular extra-cellular space per unit volume of tissue，Ve)及回流常數(shù)(outflow rate constant，Kep)，作為一種無(wú)創(chuàng)的評(píng)價(jià)組織和病變微循環(huán)特性的功能性成像方法，得到臨床普遍的重視及認(rèn)可，已廣泛用于多種器官如乳腺、前列腺、宮頸、中樞神經(jīng)系統(tǒng)等實(shí)體腫瘤的早期診斷、良惡性鑒別診斷、腫瘤抗血管生成或放化療后反應(yīng)的評(píng)價(jià)，以及腫瘤復(fù)發(fā)與術(shù)后反應(yīng)的鑒別診斷[1-8]。目前國(guó)內(nèi)研究中已有較多學(xué)者將DCE-MRI半定量分析應(yīng)用到腮腺腫瘤的診斷及鑒別診斷，尚未有DCE-MRI定量分析技術(shù)應(yīng)用到腮腺腫瘤檢查的報(bào)道。本研究將DCE-MRI定量分析技術(shù)結(jié)合到腮腺腫瘤常規(guī)MRI檢查中，探討DCE-MRI定量參數(shù)指標(biāo)對(duì)腮腺腫瘤的診斷與鑒別診斷的價(jià)值，以期為腮腺腫瘤精準(zhǔn)診斷提供有用的定量指標(biāo)。

1 材料與方法

1.1 研究對(duì)象

搜集2014年5月至2015年6月福建省立醫(yī)院經(jīng)過(guò)手術(shù)病理證實(shí)的腮腺腫瘤患者47例，其中男32例，女15例，年齡21～86歲，平均(51.09±17.57)歲。臨床癥狀：37例良性腫瘤患者主要以發(fā)現(xiàn)耳垂下腫物為主訴就診，病程1周至5年不等，其中12例表現(xiàn)為腫物漸進(jìn)性增大，2例表現(xiàn)為腫物突然增大伴疼痛，余23例無(wú)特殊癥狀；10例惡性腫瘤患者主要以發(fā)現(xiàn)耳垂下腫物為主訴就診，病程1周至6個(gè)月不等，其中4例表現(xiàn)腫物突然增大伴疼痛，1例伴有口角歪斜，余5例無(wú)特殊癥狀。

1.2 儀器與方法

采用Siemens Aera 1.5 T MR掃描儀，20通道頭頸聯(lián)合線圈。所有受試者行常規(guī)MRI (橫軸面T1WI、T2WI、T2-TSE-FS-DIXON、DWI及冠狀面T2WI-TIRM)以及DCE-MRI序列掃描。DCEMRI采用T1-VIBE (volumetric interpolated breathhold examination)序列，掃描參數(shù)：TR 3.82 ms，TE 1.5 ms，F(xiàn)OV 280 mm×236 mm，激勵(lì)次數(shù)1，層厚3 mm，間隔0.6 mm，矩陣320×224，在第一次采集結(jié)束后，經(jīng)手背靜脈以2.5 ml/s的速度、0.1 mmol/kg的劑量注入對(duì)比劑Gd-DTPA，每次釆集時(shí)間為11 s，共采集27次動(dòng)態(tài)增強(qiáng)數(shù)據(jù)，掃描時(shí)間328 s。

1.3 圖像后處理

① DCE-MRI半定量分析：根據(jù)Yabuuchi等[9]分類把病變TIC類型劃分為A型(持續(xù)型)：峰值時(shí)間(Tpeak)＞120 s，即漸進(jìn)性強(qiáng)化；B型(廓清型)：峰值時(shí)間(Tpeak)≤120 s，廓清率(WR)≥30%，病灶呈快速?gòu)?qiáng)化、快速廓清；C型(平臺(tái)型)：Tpeak≤120 s，WR＜30%，病灶呈快速?gòu)?qiáng)化、緩慢廓清；D型(平坦型)：提示病變?yōu)槟倚圆∽?，或病灶無(wú)強(qiáng)化。② DCE-MRI圖像定量參數(shù)后處理：在Siemens syngo MRD 13圖像后處理工作站上，將DCE-MRI原始數(shù)據(jù)導(dǎo)入圖像灌注處理軟件(Tissue 4D，Siemens Medical Systems)，在進(jìn)行運(yùn)動(dòng)矯正及圖像匹配后，利用多反轉(zhuǎn)角技術(shù)，計(jì)算機(jī)自動(dòng)計(jì)算出增強(qiáng)前定量的T1基線值，參考T1WI或T2WI或DWI圖像，在病灶橫截面最大層面病灶實(shí)性部分手動(dòng)設(shè)置3個(gè)興趣區(qū)，盡量避開(kāi)出血、囊變、壞死區(qū)域，每個(gè)ROI面積為0.5 cm2。最適擬合AFI曲線通過(guò)軟件自動(dòng)計(jì)算生成，通過(guò)軟件圖像瀏覽功能，除掉由于運(yùn)動(dòng)偽影導(dǎo)致明顯偏離AFI曲線點(diǎn)，利用該軟件設(shè)計(jì)的Tofts兩室血流動(dòng)力學(xué)模型計(jì)算2～3個(gè)ROI區(qū)域藥代動(dòng)力學(xué)參數(shù)，包括轉(zhuǎn)運(yùn)常數(shù)(Ktrans)、回流常數(shù)(Kep)、血管外細(xì)胞外間隙容積比(Ve)，分別取其平均值作為最終測(cè)量結(jié)果。③圖像分析由2名熟悉掌握?qǐng)D像灌注處理軟件主治醫(yī)師采用雙盲法進(jìn)行處理分析，二者意見(jiàn)不一致時(shí)共同閱片達(dá)成一致意見(jiàn)。

1.4 統(tǒng)計(jì)學(xué)方法

采用SPSS 18.0軟件。按照組織病理類型分組，采用Komogorov-Smirnov法進(jìn)行正態(tài)分布檢驗(yàn)，用Leneve法進(jìn)行方差齊性檢驗(yàn)。如果符合正態(tài)分布且方差齊性，采用t檢驗(yàn)分析腮腺不同腫瘤之間的Ktrans、Ve、Kep值組間的差異；如果不符合正態(tài)分布，則采用非參數(shù)秩和檢驗(yàn)法(Mann-Whitney)比較。采用ROC曲線分析Ktrans、Ve、Kep值在腮腺不同腫瘤的鑒別診斷效能，根據(jù)最大約登指數(shù)(最大約登指數(shù)=敏感性＋特異性-1)確定最佳診斷閾值。P＜0.05為差異具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 手術(shù)病理結(jié)果

47例腮腺腫瘤中良性腫瘤37例(混合瘤19例、腺淋巴瘤14例、基底細(xì)胞腺瘤2例、血管瘤1例、神經(jīng)鞘瘤1例)、惡性腫瘤10例(黏液表皮樣癌3例、腺泡細(xì)胞癌2例、鱗狀細(xì)胞癌2例、嗜酸性細(xì)胞癌1例、黏膜相關(guān)組織邊緣區(qū)B細(xì)胞淋巴瘤1例、原始神經(jīng)外胚層瘤1例)。

2.2 MRI表現(xiàn)

37例腮腺良性腫瘤中有28例T2WI表現(xiàn)為高信號(hào)、10例同時(shí)累及深淺葉、20例伴有不同程度囊變，10例惡性腫瘤中有7例T2WI表現(xiàn)為高信號(hào)、5例同時(shí)累及深淺葉、6例伴有不同程度囊變，各組間差異P＞0.05均無(wú)統(tǒng)計(jì)學(xué)意義?；旌狭?圖1)及腺淋巴瘤(圖2)兩者良性病灶邊界清，均伴有不同程度囊變，T1WI (圖1A，2A)及T2WI (圖1B，2B)均表現(xiàn)為不均勻信號(hào)；腺淋巴瘤(圖3)病灶累及右側(cè)腮腺深、淺葉，邊界不清，內(nèi)可見(jiàn)斑片狀出血，表現(xiàn)出惡性腫瘤形態(tài)學(xué)特點(diǎn)，腺泡細(xì)胞癌(圖4)病灶小，邊界非常清，表現(xiàn)出良性腫瘤形態(tài)學(xué)特點(diǎn)。

37例腮腺良性腫瘤TIC曲線類型包括19例混合瘤(A型10例、C型9例)，14例腺淋巴瘤(B型9例、C型5例)，其他良性腫瘤(A型1例、C型3例)；10例惡性腫瘤中TIC曲線表現(xiàn)為B型2例、C型8例。腮腺良、惡性腫瘤TIC曲線類型的組間差異(P＞0.05)無(wú)統(tǒng)計(jì)學(xué)意義，混合瘤(圖1)及腺淋巴瘤(圖2)均為C型曲線；腺淋巴瘤(圖3)及腺泡細(xì)胞癌(圖4)均為B型曲線。

腮腺良、惡腫瘤實(shí)性部分DWI (在b=1000 s/mm2)均可表現(xiàn)為不同程度高信號(hào)，ADC表現(xiàn)為不同程度低信號(hào)(圖1～4 D)，腮腺不同病理類型腫瘤ADC值存在一定重疊性：混合瘤(圖1)及腺淋巴瘤(圖2)兩者病灶實(shí)性部分ADC值均大于1.0×10-3mm2/s；腺淋巴瘤(圖3)及腺泡細(xì)胞癌(圖4)兩者病灶實(shí)性部分ADC值均小于1.0×10-3mm2/s。

2.3 Ktrans、Kep、Ve值對(duì)腮腺不同病理類型腫瘤的鑒別診斷

入組的腮腺47例腫瘤按照術(shù)后病理類型分為腮腺良性腫瘤組(包括腺淋巴瘤)、腮腺良性腫瘤組(不包括腺淋巴瘤)、腮腺惡性腫瘤組、腮腺混合瘤組、腮腺腺淋巴組，各組間進(jìn)行Ktrans、Kep、Ve值兩兩對(duì)比，分析各組間具有差異性的定量參數(shù)，評(píng)估其診斷效能。

2.3.1 腮腺良性腫瘤與腮腺惡性腫瘤比較

良性腫瘤(包括腺淋巴瘤)與惡性腫瘤Ve值之間差異有統(tǒng)計(jì)學(xué)意義(P＜0.05)，Ktrans、Kep值之間差異無(wú)統(tǒng)計(jì)學(xué)意義(P＞0.05，表1）。良性腫瘤(不包括腺淋巴瘤)與惡性腫瘤的Ktrans、Kep、Ve值之間差異均有統(tǒng)計(jì)學(xué)意義(P＜0.05，表2)。Ktrans、Kep、Ve值對(duì)于良性腫瘤(不包括腺淋巴瘤)與惡性腫瘤的鑒別具有較好的敏感性和特異性，AUC分別為0.813、0.922、0.926，當(dāng)Ktrans值為0.526/min時(shí)，診斷敏感度為79%，特異度為82.6% ；當(dāng)Kep值為0.870/min時(shí)，診斷敏感度為100%，特異度為87%；當(dāng)Ve值為0.913時(shí)，診斷敏感度為91.3%，特異度為100%。

2.3.2 腮腺混合瘤與惡性腫瘤比較

Ktrans、Kep、Ve值之間差異均有統(tǒng)計(jì)學(xué)意義(P＜0.05，表3)。Ktrans值對(duì)于兩者的鑒別具有很好的敏感性，但特異性稍低，當(dāng)AUC為0.889、Ktrans值為0.207/min 時(shí)，診斷敏感度為100%，特異度僅為57.9%。Kep、Ve值對(duì)于兩者的鑒別具有很高的診斷效能，AUC分別為1.000、1.000，當(dāng)Kep值為0.883/min、Ve值為0.260/min 時(shí)，診斷敏感度及特異度均為100%。

圖1 男，39歲，右側(cè)腮腺淺葉混合瘤。橫斷面T1WI示病灶呈低信號(hào)(箭，A)；橫斷面脂肪抑制T2WI示病灶呈不均勻高信號(hào)(箭，B)；TIC為C型曲線(C)；DWI偽彩圖(b=1000 s/mm2)，病灶呈高信號(hào)(箭，D)，病灶A(yù)DC值為1.3893×10-3 mm2/s；Ktrans偽彩圖上測(cè)得病灶Ktrans=0.238 min-1、Kep=0.348 min-1、Ve=0.689 (E)；病理鏡下示含導(dǎo)管結(jié)構(gòu)的上皮成分和間質(zhì)的黏液樣成分(HE ×40；F) 圖2 男，54歲，右側(cè)腮腺腺淋巴瘤，病灶位于右側(cè)腮腺深淺葉，橫斷面T1WI示病灶實(shí)性部分呈低信號(hào)，囊性部分呈相對(duì)高信號(hào)(箭，A)；橫斷面脂肪抑制T2WI示病灶實(shí)性部分呈等或稍高信號(hào)，囊性部分呈明顯高信號(hào)(箭，B)；TIC為C型曲線(C)；DWI偽彩圖(b=1000 s/mm2)病灶囊性部分呈高信號(hào)，實(shí)性部分呈低信號(hào)(箭，D)，ADC值1.1206×10-3 mm2/s；Ktrans偽彩圖上測(cè)得病灶Ktrans=0.407 min-1、Kep=1.620 min-1、Ve=0.251 (E)；病理鏡下示嗜酸細(xì)胞型上皮和特征性的含生發(fā)中心的淋巴間質(zhì)(HE ×40；F)Fig. 1 Thirty-nine-year-old male with PMT. T1 weighted (arrow, A) and FS-T2 weighted image (arrow, B) demonstrat the lesion located in shallow lobe of right parotid gland with smooth margin and sac changed inside, the signal of lesion is uneven, hypointensity on T1WI, heterogeneous hyperintensity on fat suppression T2WI. TIC curve pattern C (C). Higher signal intensity can be found in color-coded DWI map with ADC values of 1.3893×10-3 mm2/s (arrow,D). Color-coded Ktrans map concerned parameters of case 1 are: Ktrans=0.238 min-1, Kep=0.348 min-1, Ve=0.689 (E). Consequently, this result is verified by final pathology (F) (HE ×40). PMT: Parotid mixed tumor. Fig. 2 Fifty-four-year-old male with PGL. T1 weighted (arrow, A) and FS-T2 weighted image (arrow,B) demonstrate the lesion located in right parotid gland with smooth margin and sac changed inside, the solid portion of lesion is low signal on T1WI and isointensity or hyperintensity on fat suppression T2WI, the cystic part of lesion is hyperintensity on T1WI and apparent hyperintensity on fat suppression T2WI. TIC curve pattern C (C). The solid part of the lesion is low signal intensity in color-coded DWI map with ADC values of 1.1206×10-3 mm2/s (arrow, D).Color-coded Ktrans map concerned parameters of case 2 are: Ktrans=0.407 min-1、Kep=1.620 min-1、Ve=0.251 (E). Consequently, this result is verified by final pathology (F) (HE ×40). PGL: Parotid gland lymphoma.

2.3.3 腮腺腺淋巴瘤與腮腺惡性腫瘤比較

Ktrans、Kep值之間差異有統(tǒng)計(jì)學(xué)意義(P＜0.05)，Ve值之間差異無(wú)統(tǒng)計(jì)學(xué)意義(P＞0.05，表4)。Ktrans、Kep、Ve值對(duì)于兩者的鑒別具有很好的敏感性，但特異性太低，低于50%。

圖3 男，68歲，右側(cè)腮腺腺淋巴瘤，病灶累及右側(cè)腮腺深、淺葉，邊界不清，內(nèi)可見(jiàn)斑片狀出血，橫斷面T1WI示病灶以低信號(hào)為主，間有斑片狀高信號(hào)(出血) (箭，A)；橫斷面脂肪抑制T2WI示病灶呈高低混雜信號(hào)(箭，B)；TIC為B型曲線(C)；DWI呈高信號(hào)(箭，D)，ADC值0.7168×10-3 mm2/s；Ktrans偽彩圖上測(cè)得病灶Ktrans=0.423 min-1、Kep=0.779 min-1、Ve=0.568 (箭，E)；病理鏡下示嗜酸細(xì)胞型上皮和特征性的含生發(fā)中心的淋巴間質(zhì)(HE ×40；F) 圖4 男，35歲，右側(cè)腮腺淺葉腺泡細(xì)胞癌，邊界清，橫斷面T1WI示病灶呈低信號(hào)，邊界清(箭，A)；橫斷面脂肪抑制T2WI示病灶呈高信號(hào)，內(nèi)見(jiàn)小斑片狀等信號(hào)(箭，B)；TIC為B型曲線(C)；DWI呈高信號(hào)(箭，D)，ADC值0.8659×10-3mm2/s； Ktrans偽彩圖上測(cè)得病灶Ktrans=0.334 min-1、Kep=1.733 min-1、Ve=0.196(E)；病理鏡下示腫瘤細(xì)胞大小、形態(tài)相似于正常腺泡細(xì)胞，漿液性細(xì)胞樣細(xì)胞的胞質(zhì)中含嗜堿性酶原分泌顆粒，腫瘤細(xì)胞邊界不清，浸潤(rùn)周邊涎腺組織(HE ×40；F)Fig. 3 Sixty-eight-year-old male with PGL, T1 weighted (arrow, A) and FS-T2 weighted image (arrow, B) demonstrate the lesion involving the deep and shallow lobe of right parotid gland, with obscure boundary and invasive biological behaviour, hypointensity and patchy high signal (hemorrhage) on T1WI, heterogeneous hyperintensity or hypointensity on fat suppression T2WI. TIC curve pattern B (C). Higher signal intensity can be found in colorcoded DWI map with ADC values of 0.7168×10-3 mm2/s (arrow, D). Color-coded Ktrans map concerned parameters of case 3 are: Ktrans=0.423 min-1, Kep=0.779 min-1, Ve=0.568 (arrow, E).Consequently, this result is verified by final pathology (F) (HE ×40). PGL: Parotid Gland Lymphoma. Figure 4 Thirty-five-year-old male with acinar adenocarcinoma, T1 weighted (arrow, A) and FS-T2 weighted image (arrow, B) demonstrat located in shallow lobe of right parotid gland, with smooth margin, hypointensity on T1WI, hyperintensity with small patchy isointensity on fat suppression T2WI. TIC curve pattern B(C). Higher signal intensity can be found in color-coded DWI map with ADC values of 0.8659×10-3 mm2/s (arrow, D). Color-coded Ktrans map concerned parameters of case 4 are: Ktrans=0.334 min-1, Kep=1.733 min-1, Ve=0.196 (E). Consequently, this result is verified by final pathology (F) (HE ×40).

2.3.4 腮腺混合瘤與腺淋巴瘤比較

Ktrans、Kep、Ve值之間差異均有統(tǒng)計(jì)學(xué)意義(P＜0.05，表5)。Ktrans、Kep、Ve值對(duì)于兩者的鑒別均具有很高的診斷效能，AUC分別為1.000、1.000、1.000，當(dāng)Ktrans值為0.284/min、Kep值為1.123/min、Ve值為0.259時(shí)，診斷敏感度及特異度均為100%。

3 討論

腮腺腫瘤的常規(guī)MRI檢查以病灶的部位、形態(tài)和信號(hào)強(qiáng)度特點(diǎn)為主要評(píng)價(jià)指標(biāo)來(lái)判斷腫瘤的性質(zhì)，存在敏感性低、特異性低及多征象重疊等缺點(diǎn)，如混合瘤(圖1)及腺淋巴瘤(圖2)兩者良性均伴有不同程度囊變，T1WI及T2WI均表現(xiàn)為不均勻信號(hào)；腺淋巴瘤(圖3)良性病灶表現(xiàn)出惡性腫瘤形態(tài)學(xué)特點(diǎn)，而腺泡細(xì)胞癌(圖4)惡性病灶邊界非常清，表現(xiàn)出良性腫瘤形態(tài)學(xué)特點(diǎn)。因此對(duì)于形態(tài)學(xué)表現(xiàn)為惡性的良性腮腺腫瘤與形態(tài)學(xué)表現(xiàn)為良性的惡性腮腺腫瘤通過(guò)常規(guī)MRI檢查進(jìn)行鑒別診斷有一定困難，術(shù)前較難做出準(zhǔn)確的定性診斷。

表1 腮腺良性腫瘤(包括腺淋巴瘤)與惡性腫瘤Ktrans、Kep、Ve值比較Tab. 1 The Ktrans, Kep,Ve values of benign parotid tumor(included adenolymphoma) vs malignant parotid tumor

參數(shù) 良性腫瘤 惡性腫瘤 Z值 P值Ktrans 0.300±0.1140.323±0.082 -0.839 ＞0.05 Kep 1.230±0.8211.644±0.332 -1.278 ＞0.05 Ve 0.314±0.1300.197±0.334 -2.358 ＜0.05

表2 腮腺良性腫瘤(不包括腺淋巴瘤)與惡性腫瘤Ktrans、Kep、Ve值比較Tab. 2 The Ktrans, Kep,Ve values of benign parotid tumor (not included adenolymphoma) vs malignant parotid tumor

表2 腮腺良性腫瘤(不包括腺淋巴瘤)與惡性腫瘤Ktrans、Kep、Ve值比較Tab. 2 The Ktrans, Kep,Ve values of benign parotid tumor (not included adenolymphoma) vs malignant parotid tumor

參數(shù) 良性腫瘤 惡性腫瘤 Z值 P值Ktrans 0.233±0.0670.323±0.082 -2.820 ＜0.05 Kep 0.691±0.4721.644±0.332 -3.800 ＜0.05 Ve 0.385±0.1110.197±0.334 7.309 ＜0.05

表3 腮腺混合瘤與腮腺惡性腫瘤Ktrans、Kep、Ve值比較Tab. 3 The Ktrans, Kep,Ve values of mix parotid tumor vs malignant parotid tumor

表3 腮腺混合瘤與腮腺惡性腫瘤Ktrans、Kep、Ve值比較Tab. 3 The Ktrans, Kep,Ve values of mix parotid tumor vs malignant parotid tumor

參數(shù) 混合瘤 惡性腫瘤 t值 P值Ktrans 0.208±0.0340.323±0.082 -10.655 ＜0.05 Kep 0.503±0.0891.644±0.332 10.254 ＜0.05 Ve 0.420±0.0830.197±0.334 -4.255 ＜0.05

表4 腮腺腺淋巴瘤與腮腺惡性腫瘤Ktrans、Kep、Ve值比較Tab. 4 The Ktrans, Kep,Ve values of adenolymphoma vs malignant parotid tumor

表4 腮腺腺淋巴瘤與腮腺惡性腫瘤Ktrans、Kep、Ve值比較Tab. 4 The Ktrans, Kep,Ve values of adenolymphoma vs malignant parotid tumor

參數(shù) 腺淋巴瘤 惡性腫瘤 t值 P值Ktrans 0.405±0.0800.323±0.082 2.473 ＜0.05 Kep 2.043±0.3911.644±0.332 2.648 ＜0.05 Ve 0.200±0.0280.197±0.334 0.231 ＞0.05

表5 腮腺混合瘤與腮腺腺淋巴瘤Ktrans、Kep、Ve值比較Tab. 5 The Ktrans, Kep,Ve values of mix parotid tumor vs adenolymphoma

表5 腮腺混合瘤與腮腺腺淋巴瘤Ktrans、Kep、Ve值比較Tab. 5 The Ktrans, Kep,Ve values of mix parotid tumor vs adenolymphoma

參數(shù) 混合瘤 腺淋巴瘤 t值 P值Ktrans 0.208± 0.034 0.405±0.080 -8.882 ＜0.05 Kep 0.503± 0.089 2.043±0.391 10.810 ＜0.05 Ve 0.420±0.083 0.200±0.028 -14.932 ＜0.05

3.1 腮腺腫瘤DCE-MRI半定量檢查的應(yīng)用及限度

近年來(lái)DCE-MRI半定量檢查逐漸被應(yīng)用于腮腺腫瘤的鑒別診斷，一定程度上彌補(bǔ)了其形態(tài)學(xué)檢查上的不足，提高了腮腺腫瘤的診斷及鑒別診斷準(zhǔn)確性[10]。DCE-MRI半定量主要根據(jù)腫瘤的TIC類型判斷腮腺腫瘤良惡性，不能定量反映病灶內(nèi)對(duì)比劑濃度的變化，且存在計(jì)數(shù)簡(jiǎn)單、參數(shù)解釋不詳、結(jié)果重復(fù)性差等缺點(diǎn)，在實(shí)際工作中腮腺不同良惡性腫瘤的曲線類型存在交叉重疊。本組37例腮腺良性腫瘤、10例惡性腫瘤，以A、B、D型三種曲線作為腮腺良性腫瘤判斷標(biāo)準(zhǔn)，以C型曲線作為腮腺惡性腫瘤判斷標(biāo)準(zhǔn)[9]，組間的差異無(wú)統(tǒng)計(jì)學(xué)意義(P＞0.05)。如混合瘤(圖1)及腺淋巴瘤(圖2)兩種不同的良性腫瘤TIC曲線可以均為C型曲線；腺淋巴瘤(圖3)良性腫瘤及腺泡細(xì)胞癌(圖4)惡性腫瘤可以均為B型曲線。

3.2 DCE-MRI定量分析成像基本原理

DCE-MRI定量分析是在靜脈注射小分子順磁性對(duì)比劑，通過(guò)觀察、分析對(duì)比劑經(jīng)腫瘤動(dòng)脈、毛細(xì)血管、血管外組織間隙到靜脈回流整個(gè)過(guò)程，快速、動(dòng)態(tài)監(jiān)測(cè)被檢部位組織T1弛豫時(shí)間動(dòng)態(tài)變化數(shù)據(jù)，運(yùn)用假定的藥代動(dòng)力學(xué)模型對(duì)時(shí)間-信號(hào)強(qiáng)度曲線進(jìn)行分析，計(jì)算出感興趣區(qū)組織或病變的組織灌注或微循環(huán)滲透性的血流動(dòng)力學(xué)參數(shù)[11-13]。DCE-MRI因計(jì)算時(shí)納入動(dòng)脈輸入函數(shù)及組織中對(duì)比劑濃度因素，較定性及半定量指標(biāo)反映血流灌注及微血管滲透性更為準(zhǔn)確，且可避免定性及半定量分析結(jié)果受掃描技術(shù)影響而出現(xiàn)的研究者間的差異。DCE-MRI定量參數(shù)包括：Ktrans、Kep和Ve，其中Kep= Ktrans/Ve。

3.3 DCE-MRI定量分析對(duì)腮腺不同病理類型腫瘤的診斷價(jià)值

3.3.1 對(duì)腮腺良性腫瘤與惡性腫瘤的鑒別診斷價(jià)值

理論上腮腺惡性腫瘤的組織結(jié)構(gòu)緊密度、組織結(jié)構(gòu)空間復(fù)雜程度、組織內(nèi)細(xì)胞核的異形性以及間質(zhì)中血管增生程度均高于腮腺良性腫瘤，因此隨著腫瘤惡性程度增加Ktrans、Kep值應(yīng)相應(yīng)升高，而Ve值越大提示腫瘤感興趣區(qū)血管外細(xì)胞外間隙容積越大，腫瘤壞死程度越高或腫瘤細(xì)胞化程度越低[14]。

本組研究中腮腺良性腫瘤(包括腺淋巴瘤)的Ktrans、Kep值均低于腮腺惡性腫瘤，各組間差異無(wú)統(tǒng)計(jì)學(xué)意義；研究中將腺淋巴瘤排除在腮腺良性腫瘤組，腮腺良性腫瘤(不包括腺淋巴瘤)的Ktrans、Kep值均低于腮腺惡性腫瘤，各組間差異有統(tǒng)計(jì)學(xué)意義。這主要是由于腺淋巴瘤是一種由上皮組織和淋巴組織兩種成分組成的腮腺良性腫瘤，上皮組織形成不規(guī)則的大腺管及微囊腔，增生的淋巴組織形成淋巴濾泡，腫瘤細(xì)胞間質(zhì)內(nèi)微血管豐富，且瘤體內(nèi)細(xì)胞分布密集，細(xì)胞外間隙較少，這些組織病理學(xué)特點(diǎn)造成腺淋巴瘤Ktrans、Kep值升高，如果腮腺良性腫瘤研究組中腺淋巴瘤的樣本數(shù)多，會(huì)造成腮腺良性腫瘤研究組總體的Ktrans、Kep值升高，因此鑒別腮腺良性腫瘤(包含有腺淋巴瘤)與腮腺惡性腫瘤時(shí)，兩者之間的Ktrans、Kep值組間的差異取決于樣本中腮腺腺淋巴瘤及惡性腫瘤樣本數(shù)的多少。

本組研究中腮腺良性腫瘤的Ve值高于腮腺惡性腫瘤，組間差異有統(tǒng)計(jì)學(xué)意義，一方面與研究組中混合瘤樣本數(shù)多且具有壞死、囊變的混合瘤樣本數(shù)多有關(guān)系(本組19例混合瘤中有14例伴有不同程度壞死)，另一方面由于惡性腫瘤的Ve值與腺淋巴瘤差異無(wú)統(tǒng)計(jì)學(xué)意義，兩種因素共同作用使腮腺良性腫瘤的Ve值高于腮腺惡性腫瘤，這在一定程度上反映Ve與腫瘤壞死程度相關(guān)。

3.3.2 對(duì)腮腺混合瘤與惡性腫瘤、腺淋巴瘤的鑒別診斷價(jià)值

本組研究中腮腺混合瘤的Ktrans、Kep值均低于腮腺惡性腫瘤及腮腺腺淋巴瘤，而腮腺混合瘤的Ve值高于腮腺惡性腫瘤及腮腺腺淋巴瘤，各組間差異有統(tǒng)計(jì)學(xué)意義。利用Ktrans、Kep、Ve值對(duì)于缺乏特征性形態(tài)表現(xiàn)的腮腺混合瘤與惡性腫瘤以及腮腺混合瘤與腺淋巴瘤具有很好的鑒別診斷價(jià)值。

3.3.3 對(duì)腮腺腺淋巴瘤與腮腺惡性腫瘤的鑒別診斷價(jià)值

本組研究中腮腺腺淋巴瘤Ktrans、Kep、Ve值均大于腮腺惡性腫瘤，與理論不符，一方面由于腮腺腺淋巴瘤組織病理學(xué)特點(diǎn)造成腺淋巴瘤Ktrans、Kep值升高，另一方面與本研究中惡性腫瘤的病例數(shù)少有關(guān)系。腮腺腺淋巴瘤與腮腺惡性腫瘤兩者的Ktrans、Kep值組間差異有統(tǒng)計(jì)學(xué)意義，但Ve值組間差異無(wú)統(tǒng)計(jì)學(xué)意義。利用Ktrans、Kep、Ve值鑒別腮腺腺淋巴瘤與腮腺惡性腫瘤，具有很好的敏感性，可達(dá)100%，但是特異性較低約為50%，其中Ve值的特異性甚至只有10%。

3.4 本研究存在的不足

(1)研究時(shí)間短，收集的樣本數(shù)量相對(duì)較少，特別是惡性腫瘤的病例數(shù)偏少，這可能會(huì)影響腮腺良、惡性腫瘤常規(guī)MRI征象以及DCE-MRI定量參數(shù)歸納分析。(2) DCE-MRI技術(shù)局限性：目前DCE-MRI定量分析采用的生物學(xué)模型有很多種，不同廠家、不同設(shè)備使用的生物學(xué)模型可能不一樣，不同的生物學(xué)模式要求使用的對(duì)比劑類型、數(shù)據(jù)采集方式、數(shù)據(jù)后處理沒(méi)有統(tǒng)一標(biāo)準(zhǔn)。本研究采用Tofts模型對(duì)病灶生物學(xué)微環(huán)境采取簡(jiǎn)單化假設(shè)，對(duì)病灶組織生理特征的評(píng)價(jià)與實(shí)際情況存在偏差，不能充分說(shuō)明病灶復(fù)雜的生物學(xué)行為[15]。

腮腺常規(guī)MRI檢查仍是日常工作中腮腺疾病的主要影像學(xué)診斷方法之一，結(jié)合臨床及常規(guī)MRI中病灶的部位、形態(tài)和信號(hào)強(qiáng)度特點(diǎn)對(duì)大部分腮腺腫瘤能夠做出合理的定性診斷。對(duì)于缺乏形態(tài)學(xué)特征的腮腺腫瘤，DCE-MRI能夠提供有用的定量參數(shù)，提高術(shù)前定性診斷能力。

[References]

[1] de Rooij M, Hamoen EH, Futterer JJ, et al. Accuracy of multiparametric MRI for prostate cancer detection: a Meta-analysis.Am J Roentgenol, 2014, 202(2): 343-351.

[2] Cho N, Im SA, Park IA, et al. Breast cancer: early prediction of response to neoadjuvant chemotherapy using parametric response maps for MR imaging. Radiology, 2014, 272(2): 385-396.

[3] Bergamino M, Bonzano L, Levrero F, et al. A review of technical aspects of T1-weighted dynamic contrast-enhanced magnetic resonance imaging (DCE-MRI) in human brain tumors. Phys Med,2014, 30(6): 635-643.

[4] Ma XL, Zhou SC, Xia LM. Dynamic contrast-enhanced magnetic resonance imaging in differential diagnosis of solitary pulmonary nodules. Chin J Magn Reson Imaging, 2015, 6(2): 125-130.

[5] Heller SL, Moy L, Lavianlivi S, et al. Differentiation of malignant and benign breast lesions using magnetization transfer imaging and dynamic contrast-enhanced MRI. J Magn Reson Imaging, 2013,37(1): 138-145.

[6] He W, Liu Y, Liu JY, et al. Prostate cancer: diagnostic value of quantitative analysis by dynamic contrast-enhanced MR at 3.0 T.Chin J Radiol, 2014, 48(3): 215-218.何為, 劉毅, 劉建羽, 等. 3.0 T MR動(dòng)態(tài)增強(qiáng)掃描定量分析診斷前列腺癌的價(jià)值. 中華放射學(xué)雜志, 2014, 48(3): 215-218.

[7] Jin Y, Zhang Y, Li K, et al. Diagnostic value of quantitative parameters of dynamic contrast-enhanced MRI in the evaluation of different pathological grades of cervical squamous cell carcinoma.Chin J Radiol, 2015, 49(5): 360-363.金雁, 張婭, 李鹍, 等. MRI定量動(dòng)態(tài)增強(qiáng)參數(shù)在宮頸鱗癌病理分級(jí)中的價(jià)值. 中華放射學(xué)雜志, 2015, 495(5): 360-363.

[8] Guo JM, Zhu ZJ, Zhang BJ, et al. Application of 4D-THRIVE dynamic contrast-enhanced scan in evaluating microvascular permeability of early cervical cancer. J Clin Radiol, 2015, 34(4):596-599.郭吉敏, 朱志軍, 張碧娟, 等. 4D-THRIVE動(dòng)態(tài)增強(qiáng)掃描評(píng)價(jià)早期宮頸癌微血管通透性的價(jià)值. 臨床放射學(xué)雜志, 2015, 34(4):596-599.

[9] Yabuuchi H, Matsuo Y, Kamitani T, et al. Parotid gland tumors:can addition of diffusion-weighted MR imaging to dynamic contrast-enhanced MR imaging improve diagnostic accuracy in characterization? Radiology, 2008, 249(3): 909-916.

[10] Zheng SY, Zeng XT, Wu XH, et al. Evaluation of semi-quantitative analysis by using 3.0 T MR dynamic contrast-enhanced scanning in differentiating parotid masses. J Clin Radiol, 2015, 34(3): 346-350.鄭少燕, 曾向廷, 吳先衡, 等. 3.0 T MR動(dòng)態(tài)增強(qiáng)掃描半定量分析對(duì)腮腺腫塊鑒別診斷的價(jià)值. 臨床放射學(xué)雜志, 2015, 34(3):346-350.

[11] Khalifa F, Soliman A, El-Baz A, et al. Models and methods for analyzing DCE-MRI: a review. Med Phys, 2014, 41(12): 124301.

[12] Ku LZ, Ma MP, Yu S, et al. Dynamic contrast-enhanced MRI in diagnosis of different histopathological types of lung cacinoma. Chin J Med Imaging, 2016, 24(2): 100-105.庫(kù)雷志, 馬明平, 俞順, 等. DCE-MRI在肺癌不同病理類型的診斷價(jià)值. 中國(guó)醫(yī)學(xué)影像學(xué)雜志, 2016, 24(2): 100-105.

[13] Shen J. An expectable wave of clinical studies using quantitative dynamic contrast-enhanced MR imaging. Chin J Magn Reson Imaging, 2015, 6(8): 561-565.沈君. 積極開(kāi)展定量動(dòng)態(tài)增強(qiáng)磁共振成像研究. 磁共振成像, 2015,6(8): 561-565.

[14] Choi HS, Kim AH, Ahn SS, et al. Glioma grading capability:comparisons among parameters from dynamic contrast-enhanced MRI and ADC value on DWI. Korean J Radiol, 2013, 14(3):487-492.

[15] Steingoetter A, Mene D, Braren RF. Assessing antiangiogenic therapy response by DCE-MRI: development of a physiology driven multi-compartment model using population pharmacometrics. PLoS One, 2011, 6(10): 263-266.