磁共振灌注成像是目前用于脑胶质瘤分级诊断评价的前沿技术之一。其中T2*加权动态磁敏感对比度(dynamic susceptibility contrast,DSC)MRI提供了颅内肿瘤的血流动力学信息,是国内临床上研究脑胶质瘤病理分级最广泛使用的方法,在脑胶质瘤的诊断及分级等评价方面具有重要的价值。同时,国内外研究证明相对脑血容量(rCBV)可以用于评估肿瘤血管和测量肿瘤新生血管[1, 2, 3]。而T1加权动态对比度增强(dynamic contrast enhanced,DCE)MRI技术主要反映的是血管渗透性[4, 5, 6, 7, 8]等血管功能信息,用于脑胶质瘤病理分级的研究也具有较高价值。两种技术在胶质瘤分级诊断应用价值比较报道较少,因此,本研究通过比较DCE-MRI及DSC-MRI各项参数在脑胶质瘤病理分级中的价值,明确两种灌注成像技术的应用优势。 1 资料与方法 1.1 研究对象
收集本院2013年9月至2014年9月首次发现未经手术、放疗和化疗的脑胶质瘤疑似患者行DCE-MRI或DSC-MRI扫描,后经术后病理证实为幕上胶质瘤患者 85例,行DCE-MRI扫描患者50例,DSC-MRI扫描患者35例。其中男性41例,女性44例,年龄12~72岁,平均45岁。其中低级别胶质瘤(low grade glioma,LGG)为Ⅰ级2例和Ⅱ级胶质瘤34例,共36例;包括毛细胞星形细胞瘤、少突胶质细胞瘤、弥漫性星形细胞瘤、少突-星形细胞瘤。高级别胶质瘤(high grade glioma,HGG)为Ⅲ级21例和Ⅳ级胶质瘤28例,共49例;包括间变型少突胶质细胞瘤、间变型星形细胞瘤、胶质母细胞瘤、胶质肉瘤。
1.2 扫描方法MRI扫描采用SIEMENS 3.0T(Magnetom Verio,Siemens Medical Solutions,Erlangen,Germany)超导型MR扫描仪,采用16通道头线圈。常规扫描包括T1加权矢状位,T1加权横断位,T2加权横断位以及FLAIR成像。T1加权动态对比增强MR成像:先行T1-vibe序列(TR/TE=5.08/1.74 ms;FOV=260 mm×260 mm;矩阵=138×192;层厚=5 mm翻转角度2°和15°)扫描2组T1加权像,紧接着进行DCE-MRI检查,采用 T1-twist序列(TR/TE=4.82/1.88 ms;FOV=260 mm×260 mm;矩阵=138×192;层厚=3.6 mm;翻转角度为12°),共包括75次采集,时间间隔为5.3 s,并在第6次采集时,经肘静脉以4 mL/s速率且以0.1 mmol/kg剂量注入钆对比剂[(Gd)-DTPA]。T2加权动态磁敏感 对比度成像:采用平面回波序列(SE-EPI),其扫描参数:TR=1 500 ms,TE=30 ms,SL=4 mm,FOV=230 cm×230 cm,翻转角90°,NEX=1.0,矩阵=128×128,每层采集20帧图。经肘静脉以4 mL/s速率且以0.1 mmol/kg 剂量注入钆对比剂[(Gd)-DTPA]。
1.3 图像处理与分析将所有DCE-MRI灌注数据导入Siemens Syngo工作站并采用Tissue-4D软件(其血流动力学模型为经典的Tofs-Kermode两室模型[9])进行后处理。动脉输入函数(AIF)选择颈内动脉,从而获得脑组织时间/信号强度曲线,再经计算获得与T1WI增强图像自动匹配的Ktrans(容积转运常数) 及Ve图(血管外细胞外间隙容积比);感兴趣区(ROI)自动匹配到相应的Ktrans图、Ve图上,进而可以测量相应的Ktrans、Ve值。由两位高年资放射科医师在T1WI增强图上手动设置ROI,面积25~40 mm2,先用VOL区域(软件自带兴趣框)圈住病灶区域并计算出病灶处Ktrans、Ve图整体图像,然后在Ktrans、Ve图上的病灶最高信号范围内移动ROI,直到获得肿瘤最大的Ktrans、Ve值。注意选择ROI时尽量避开坏死、囊变或出血的区域。同时选择肿瘤的整个区域作为感兴趣区,取得其Ktrans值,并取得其直方图。
将所有DSC-MRI灌注原始图像导入Siemens Syngo 工作站,使用Perfusion软件对灌注原始图像进行后处理手工绘制肿瘤实质内3~4个ROI(25~40 mm2),分别测量灌注最明显区域CBV(脑血容量)及CBF(脑血流量)值,注意避开肿瘤的囊变、坏死、出血的区域,并取相应对侧正常脑白质相应CBV及CBF值作为参考基准,病变区与正常脑白质区的比值即为rCBV(相对脑血容量)和rCBF(相对脑血流量)值。
1.4 统计学分析采用SPSS 19.0软件包进行处理,数据以x±s表示,多组间比较采用单因素方差分析,组间两两比较用LSD检验。应用受试者工作特征(ROC)曲线分析LGG及HGG最佳灌注鉴别诊断阈值及相应敏感性、特异性和准确度。
2 结果 2.1 不同级别胶质瘤Ktrans值与Ve值的差异比较各级别胶质瘤的平均Ktrans及Ve值见表 1,高级别胶质瘤的平均Ktrans值和Ve值均显著高于低级别胶质瘤(P<0.01)。单因素方差分析显 示Ⅱ级与Ⅲ、Ⅳ级之间Ktrasn及Ve差异均有统计学意义(P<0.01),但Ⅲ级与Ⅳ级之间差异无统计学意义(P>0.05)。
胶质瘤级别 | n | Ktrans/min-1 | Ve |
Ⅱ级 | 21 | 0.029±0.020 | 0.157±0.177 |
Ⅲ级 | 12 | 0.095±0.062a | 0.553±0.294a |
Ⅳ级 | 17 | 0.135±0.060a | 0.635±0.207a |
LGG(Ⅱ级) | 21 | 0.029±0.020 | 0.118±0.062 |
HGG(Ⅲ+Ⅳ级) | 29 | 0.157±0.177b | 0.601±0.246b |
Ⅰ级胶质瘤患者未做DCE-MRI,因此无Ⅰ级胶质瘤数据;a:P<0.01,与Ⅱ级比较;b:P<0.01,与LGG(Ⅱ级)比较 |
Ktrans值、Ve值与胶质瘤级别均呈正相关(r=0.704,P<0.01;r=0.687,P<0.01),Ktrans值与Ve值呈正相关(r=0.643,P<0.01)。rCBV值、rCBF值与胶质瘤级别均呈正相关(r=0.844,P<0.01;r=0.839,P<0.01),rCBV值与rCBF值呈正相关(r=0.892,P<0.01)。
2.3 不同级别胶质瘤Ktrans值、Ve值ROC曲线分析ROC曲线分别获得Ktrans及Ve值用于鉴别高、低级别胶质瘤最佳阈值,当Ktrans=0.055/min-1时敏感性及特异性分别为89.7%和90.5%,当Ve=0.343时敏感性及特异性分别为86.2%和85.7%。
2.4 不同级别胶质瘤rCBV值与rCBF值的差异比较各级别胶质瘤的平均rCBV及rCBF值见表 2,高级别胶质瘤的平均rCBV值和rCBF值均明显高于低级别胶质瘤(P<0.01)。单因素方差分析显示Ⅰ级与Ⅱ级之间rCBV及rCBF值差异均无统计学意义(P>0.05),而Ⅱ级与Ⅲ级、Ⅳ级,Ⅲ级与Ⅳ之间rCBV及rCBF值差异均有统计学意义(P<0.01)。
胶质瘤级别 | n | rCBV | rCBF |
Ⅰ级 | 2 | 0.880±0.483 | 0.615±0.397 |
Ⅱ级 | 12 | 1.580±0.289 | 1.504±0.462 |
Ⅲ级 | 9 | 2.529±0.367a | 2.283±0.531a |
Ⅳ级 | 12 | 4.102±1.145ab | 3.759±0.951ab |
LGG(Ⅰ+Ⅱ级) | 14 | 1.480±0.391 | 1.377±0.545 |
HGG(Ⅲ+Ⅳ级) | 21 | 2.649±1.351c | 2.427±1.248c |
a:P<0.01,与Ⅱ级比较;b:P<0.01,与Ⅲ级比较;c:P<0.01,与LGG(Ⅰ+Ⅱ级)比较 |
ROC曲线分别获得rCBV及rCBF值用于鉴别高、低级别胶质瘤最佳阈值,当rCBV=2.043时敏感性及特异性分别95.2%和92.9%,当rCBF=1.886时敏感性及特异性分别为85.7%和85.7%。
2.6 DCE-MRI和DSC-MRI结果比较rCBV值与胶质瘤级别相关系数最高(r=0.844),用于鉴别高、低级别胶质瘤的敏感性和特异性也最高(当rCBV=2.043时,敏感性及特异性分别95.2%和92.9%),其次是Ktrans、Ve和rCBF。4例胶质瘤影像表现见图 1。结果显示,高级别胶质瘤的Ktrans及Ve值明显高于低级别胶质瘤。高级别胶质瘤的rCBV及rCBF值明显高于低级别胶质瘤。肿瘤明显强化区域一般灌注更高,而弱强化和无强化区域一般灌注较低。囊变和坏死区域表现为灌注缺失。
3 讨论脑胶质瘤的生物学特性及肿瘤恶性程度与肿瘤新生微血管有着明显的正相关性,与正常脑组织血管相比,这些肿瘤新生微血管往往是不成熟的。通常表现为基底膜结构不完整,通透性较高,这使得血液内成分以及造影剂等顺磁性物质很容易渗漏到血管外细胞外间隙(extravascular extracellular space,EES)[10]。高级别胶质瘤血管内皮细胞增生明显,瘤内新生微血管生成速率往往要比低级别胶质瘤快得多,高级别胶质瘤较低级别胶质瘤内有更多的不成熟肿瘤新生微血管,通透性也更高。因此,微血管通透性可以间接反映出肿瘤的新生微血管增生程度,可以用来评价脑胶质瘤的恶性程度。
通过DCE-MRI获得的Ktrans与Ve值能够定量测量肿瘤不成熟微血管的通透性。在正常脑组织中,由于血脑屏障(blood-brain barrier,BBB)的存在,没有对比剂从血管内渗漏到血管外,Ktrans与Ve值趋向于0。在本研究中测得的50例Ktrans与Ve值,HGG的平均Ktrans值(0.157±0.177)/min-1显著高于LGG(0.029±0.020)/min-1,并且高级别胶质瘤的平均Ve值明显要高于低级别胶质瘤[分别为(0.601±0.246),(0.118±0.062)]。这说明了HGG内微血管通透性明显高于LGG,造影剂从血管腔内转运到血管外细胞外间隙要容易得多,也间接表明HGG内新生微血管较LGG内要多。ROC曲线分析Ktrans阈值为0.055/min-1能比较准确的鉴别出HGG及LGG(其敏感性和特异性分别为89.7%和90.5%),Ve阈值为0.343时其诊断准确度为86.2%,敏感性及特异性分别为86.2%和85.7%。并且相关分析显示Ktrans及Ve值与肿瘤的级别存在正相关性(P<0.01),这些都说明Ktrans及Ve值可以作为胶质瘤分级的一个良好的定量指标。然而,Ⅲ级与Ⅳ级脑胶质瘤Ktrans及Ve值没有统计学差异,表明Ⅲ级与Ⅳ级脑胶质瘤血管通透性比较接近,可能与二者新生微血管结构相似有关。
DSC-MRI是目前临床上最常用的灌注MRI技术,且是测量脑血容量(CBV)和脑血流量(CBF)的标准方法。胶质瘤的恶性程度与肿瘤的血管多少密切相关,胶质瘤微血管不仅可以为其提供生长的所需要的营养,而且还是肿瘤播散和浸润重要的途径[11]。DSC-MRI参数变化与胶质瘤出现的异常对比强化不同,与肿瘤组织的血管密度密切相关,反映的是肿瘤的血流动力学变化和肿瘤血管的多少,而不是血脑屏障的破坏程度[12]。同时相关免疫组织化学的研究结果也显示,肿瘤的微血管密度(microvessel density,MVD)和VEGF阳性表达与胶质瘤的病理级别和肿瘤的rCBV值及rCBF明显相关,高级别胶质瘤MVD 和VEGF表达阳性明显高于低级别肿瘤,rCBV及rCBF值也明显升高[13]。在本研究中测得的35例rCBV与rCBF值,HGG的平均rCBV值(2.649±1.351)显著高于LGG(1.480±0.391),并且高级别胶质瘤的平均rCBF值明显要高于低级别胶质瘤[分别为(2.427±1.248)、(1.377±0.545)]。这说明了HGG的相对脑血容量和相对脑血流量都要明显高于LGG,这可能是由于胶质瘤内血管体积和血管数目的增加导致CBV增加。ROC曲线分析rCBV阈值为2.043能比较准确的鉴别出HGG及LGG(其敏感性和特异性分别为89.7%和90.5%),rCBF阈值为1.886时其诊断准确度为85.7%,敏感性及特异性分别为85.7%和85.7%。但是国外学者Server等[14]认为rCBF不能用于Ⅲ级及Ⅳ级脑胶质瘤的鉴别,并且用于Ⅱ级与Ⅲ级,Ⅱ级与Ⅳ级胶质瘤的鉴别相关性也较低。我们考虑主要由于脉冲序列扫描参数设定不同以及图像后处理不同所致。相关分析显示rCBV与rCBF值肿瘤的级别存在正相关性(P<0.01)。这些都说明rCBV及rCBF值与Ktrans及Ve值相似,都可以作为胶质瘤分级的一个良好的定量指标。而且,Ⅲ级与Ⅳ级脑胶质瘤rCBV与rCBF值有统计学差异。
新生血管是决定脑胶质瘤分级的一个重要因素[15]。本研究中,我们调查了4种不同等级的脑胶质瘤。用于区分脑胶质瘤的等级,rCBV是最好的参数,其次是Ktrans、Ve和rCBF。rCBV能够区分所有等级的脑胶质瘤除了Ⅰ级和Ⅱ级。Ktrans、Ve和rCBF可以鉴别Ⅰ级和IV级,Ⅱ级和Ⅲ级,Ⅱ级和Ⅳ级脑胶质瘤。将胶质瘤级别与不同参数关联时,我们发现rCBV相关系数最高,其次是Ktrans、Ve和rCBF。Law[15]的研究表明rCBV相关性最高,其次为CBF、CBV和Ktrans,与本研究结果基本相符。由此推断,rCBV是反映脑胶质瘤新生血管多少的最好参数。
脑胶质瘤,特别是高级别胶质瘤,其特点是迂曲的血管走形和不成熟的血管构造[16, 17]。血流量和容积在脑胶质瘤的任何一个区域都是非常多变的,有多种因素影响血管的泄漏,包括血管腔的面积、血管壁的通透性、血液流速、静脉压、间质和穿过内皮的渗透梯度,甚至体温[18, 19, 20]。Ktrans和Ve值所反映的不仅仅是血管渗透性,还受到所有这些因素的影响。我们的方法估计Ktrans和Ve值涉及的测量时间只有首过对比的前60 s[21, 22, 23]。DCE-MRI对于渗漏的计算是有延迟的,这同样会对Ktrans和Ve值造成影响。相比与DSC-MRI,DCE-MRI反映的是血管的通透性。需要复杂后处理药代动力学模型,但可以提供更完整的量化参数评估大脑肿瘤的血管生成。
本研究未采用一一对照的病例研究,对所获得的统计分析结果准确性有一定影响。本研究中DCE-MRI和DSC-MRI联合应用的病例较少,无法进行统计分析,而Law[15]的研究指出将DCE-MRI和DSC-MRI联合用于脑胶质瘤的分级和类型诊断可以明显提高诊断准确性和敏感性。
Ktrans与Ve值,rCBV与rCBF值用于脑胶质瘤分级均具有较强相关性,而rCBV是准确性及敏感性最高的参数,其次是Ktrans、Ve和rCBF。DCE-MRI及DSC-MRI对于脑胶质瘤的分级诊断具有重要的价值,我们推测将两者联合使用将可以提高胶质瘤分级诊断的准确性。
[1] | Shin K E, Ahn K J, Choi H S, et al. Dce and Dsc MR perfusion imaging in the differentiation of recurrent tumour from treatment-related changes in patients with glioma[J]. Clin Radiol, 2014, 69(6): e264-e272. |
[2] | 张伟国. 脑胶质母细胞瘤肿瘤血管及其MRI研究[J].第三军医大学学报, 2013, 35(24): 2603-2609. |
[3] | 方靖琴, 王舒楠, 陈金华, 等.磁共振灌注加权成像评价脑胶质瘤微血管的实验研究[J].临床放射学杂志, 2012, 31(10): 1487-1491. |
[4] | Smith D S, Li X, Gambrell J V, et al. Robustness of quantitative compressive sensing MRI: the effect of random undersampling patterns on derived parameters for DCE- and DSC-MRI[J]. IEEE Trans Med Imaging, 2012, 31(2): 504-511. |
[5] | Jung S C, Yeom J A, Kim J H, et al. Glioma: Application of histogram analysis of pharmacokinetic parameters from T1-weighted dynamic contrast-enhanced MR imaging to tumor grading[J]. AJNR Am J Neuroradiol, 2014, 35(6): 1103-1110. |
[6] | Sourbron S. Technical aspects of MR perfusion[J]. Eur J Radiol, 2010, 76(3): 304-313. |
[7] | Bonekamp D, Deike K, Wiestler B, et al. Association of overall survival in patients with newly diagnosed glioblastoma with contrast-enhanced perfusion MRI: Comparison of intraindividually matched T1- and T*2 -based bolus techniques[J]. J Magn Reson Imaging, 2014, [Epub ahead of print]. |
[8] | Falk A, Fahlstrom M, Rostrup E, et al. Discrimination between glioma grades Ⅱ and Ⅲ in suspected low-grade gliomas using dynamic contrast-enhanced and dynamic susceptibility contrast perfusion MR imaging: a histogram analysis approach[J]. Neuroradiology, 2014, 56(12): 1031-1038. |
[9] | Tofts P S, Brix G, Buckley D L, et al. Estimating kinetic parameters from dynamic contrast-enhanced T(1)-weighted MRI of a diffusable tracer: standardized quantities and symbols[J]. J Magn Reson Imaging, 1999, 10(3): 223-232. |
[10] | Jackson A, Jayson G C, Li K L, et al. Reproducibility of quantitative dynamic contrast-enhanced MRI in newly presenting glioma[J]. Br J Radiol, 2003, 76(903): 153-162. |
[11] | Winkler F, Kienast Y, Fuhrmann M, et al. Imaging glioma cell invasion in vivo reveals mechanisms of dissemination and peritumoral angiogenesis[J]. Glia, 2009, 57(12): 1306-1315. |
[12] | Shiroishi M S, Castellazzi G, Boxerman J L, et al. Principles of T*2-weighted dynamic susceptibility contrast MRI technique in brain tumor imaging[J]. J Magn Reson Imaging, 2015, 41(2): 296-313. |
[13] | Haris M, Husain N, Singh A, et al. Dynamic contrast-enhanced derived cerebral blood volume correlates better with leak correction than with no correction for vascular endothelial growth factor, microvascular density, and grading of astrocytoma[J]. J Comput Assist Tomogr, 2008, 32(6): 955- 965. |
[14] | Server A, Graff B A, Orheim T E, et al. Measurements of diagnostic examination performance and correlation analysis using microvascular leakage, cerebral blood volume, and blood flow derived from 3T dynamic susceptibility-weighted contrast-enhanced perfusion MR imaging in glial tumor grading[J]. Neuroradiology, 2011, 53(6): 435-447. |
[15] | Law M, Young R, Babb J, et al. Comparing perfusion metrics obtained from a single compartment versus pharmacokinetic modeling methods using dynamic susceptibility contrast-enhanced perfusion MR imaging with glioma grade[J]. AJNR Am J Neuroradiol, 2006, 27(9): 1975-1982. |
[16] | Jain R K, Carmeliet P. SnapShot: Tumor angiogenesis[J]. Cell, 2012, 149(6): 1408-1408.e1. |
[17] | Soda Y, Myskiw C, Rommel A, et al. Mechanisms of neovascularization and resistance to anti-angiogenic therapies in glioblastoma multiforme[J]. J Mol Med (Berl), 2013, 91(4): 439-448. |
[18] | Hardee M E, Zagzag D. Mechanisms of glioma-associated neovascularization[J]. Am J Pathol, 2012, 181(4): 1126-1141. |
[19] | Li K L, Zhu X P, Checkley D R, et al. Simultaneous mapping of blood volume and endothelial permeability surface area product in gliomas using iterative analysis of first-pass dynamic contrast enhanced MRI data[J]. Br J Radiol, 2003, 76(901): 39-51. |
[20] | Harrer J U, Parker G J, Haroon H A, et al. Comparative study of methods for determining vascular permeability and blood volume in human gliomas[J]. J Magn Reson Imaging, 2004, 20(5): 748-757. |
[21] | Roberts H C, Roberts T P, Bollen A W, et al. Correlation of microvascular permeability derived from dynamic contrast-enhanced MR imaging with histologic grade and tumor labeling index: a study in human brain tumors[J]. Acad Radiol, 2001, 8(5): 384-391. |
[22] | Roberts H C, Roberts T P, Ley S, et al. Quantitative estimation of microvascular permeability in human brain tumors: correlation of dynamic Gd-DTPA-enhanced MR imaging with histopathologic grading[J]. Acad Radiol, 2002, 9(suppl 1): S151-S155. |
[23] | Roberts H C, Roberts T P L, Brasch R C, et al. Quantitative measurement of microvascular permeability in human brain tumors achieved using dynamic contrast-enhanced MR imaging: correlation with histologic grade[J]. AJNR Am J Neuroradiol, 2000, 21(5): 891-899. |