指南与共识技术与安全神经腹部MR

迈向临床转化的体素内不相干运动MRI:采集与分析共识建议

Towards Clinical Translation of Intravoxel Incoherent Motion MRI: Acquisition and Analysis Consensus Recommendations.
指南 / 共识 · J Magn Reson Imaging · 2026-03-19

该共识由多轮问卷与2024年3月研讨会形成,针对脑、乳腺、肾、肝、肌肉和胰腺的IVIM研究提出采集协议与分析流程建议,并推荐一套应始终测量并单独分析的小范围b值,以提升一致性、可重复性和可重现性,同时不限制创新。

要点

  • 推荐对脑、乳腺、肾、肝、肌肉和胰腺采用分层b值方案,缩写集与最小集有重叠以利数据汇总。
  • 强烈推荐新开展IVIM研究的科学家和临床医生采用本共识协议与分析流程以提高一致性。
  • 腹部成像推荐前瞻性呼吸运动校正,乳腺推荐裁剪视野加后饱和带,脂肪抑制推荐SPAIR。

核心结论

  • 为加速IVIM部署,共识提供脑、乳腺、肾、肝、肌肉和胰腺的推荐与协调协议。
  • 建议始终测量并单独分析一小部分b值,高级研究可在此基础上增加更广泛的b值采样。
  • 强烈推荐科学家和临床医生在IVIM研究中采用这些协议和分析流程以提高一致性、可重复性和可重现性。

研究设计与样本

  • 共识制定过程包括多轮问卷、2024年3月研讨会(78名注册参会者)及会后投票,最终于2025年10月25日获得参会者、IVIM邮件列表参与者和ISMRM灌注研究组认可。
  • 问卷第一部分47名受访者,85.1%为MR研究人员,21.3%为放射科医生;第二部分各器官应答人数从12(肾)到2(胰腺)不等。
  • 推荐参数范围与每个器官系统至少60%的会前问卷参与者兼容, agreement范围60%至100%。

关键影像表现/征象

  • f图示例显示脑小血管病患者的f增高区域、食管癌和胰腺癌较健康组织f值降低、乳腺癌周边f值高于正常纤维腺体组织、糖尿病足跖区f值较健康人降低。
  • 肾f图在心脏收缩前期、收缩期和舒张期显示分数值变化。

诊断标准与关键数值

  • 缩写集和最小集b值按器官系统在表3中给出,最小集基于Cramer-Rao下界模拟。
  • 所有器官中低b值范围(10≤b<200 s/mm2)建议的b值数量略多于高b值范围(200≤b≤1000 s/mm2),平均值为1.55。
  • 18项Meta分析中13项报告临床任务AUC,D平均0.89±0.04、f平均0.81±0.07、D*平均0.76±0.08;其中12项也报告ADC的AUC为0.88±0.04,6项低于该研究中最高IVIM AUC值。
  • 临床适应证信心评分中高信心(>5,定义为初步证据)包括神经系统肿瘤、慢性肾脏病、肝硬化/纤维化、体部肿瘤、卒中和MSK功能成像。

临床应用与阅片要点

  • 推荐场强3 T、单次激发自旋回波EPI序列、平面内空间分辨率约2 mm、层厚3–5 mm、TR 3–5 s、使用最小TE、并行成像加速因子2。
  • 脂肪抑制推荐SPAIR用于乳腺、肌肉和腹部成像并尽可能加用SSGR;脑部首选SPIR以允许更短TR。
  • 腹部检查若允许更长采集时间推荐前瞻性呼吸运动校正,对局灶性疾病尤为重要。
  • 乳腺MRI建议使用裁剪视野联合后饱和带;其他器官若所需空间分辨率导致明显变形可用饱和带抑制折叠。
  • 对于腹部器官,无其他考虑时推荐遵循肝脏建议;其他器官建议采用乳腺设置。

局限性

  • IVIM微循环与微结构的敏化具有广泛组织背景应用,各有其临床任务和诊断准确性量化,限制了大规模数据汇总的机会。
  • 由于MR采集技术和设置(如b值选择、扩散准备、成像读出)及数据处理流程的广泛差异,IVIM研究报告了异质性甚至相互矛盾的结果。
  • 缺乏清晰协调的指南,部署IVIM协议和分析通常需要现场技术专家,进一步阻碍了更广泛使用,尤其是临床医生。
全文中译25 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:J Magn Reson Imaging. 2026 Mar 19;63(6):1782–801. doi: 10.1002/jmri.70278

动机

体素内不相干运动(IVIM)是一种扩散加权磁共振成像(MRI)概念,无需外源性对比剂即可同时评估水分子不相干运动(通常归因于灌注)和由布朗运动引起的纯水扩散(归因于组织微结构)[1, 2, 3]。灌注和扩散发生在不同的时间和空间尺度上。涉及一系列不同扩散加权(b值)的扩散加权MRI(DWI)允许通过拟合双组分信号衰减在IVIM模型中区分这两种过程。特别是,中高b值(在高斯扩散范围内200 ≤ b < 1000 s/mm2)的信号主要对组织水扩散敏感,而低b值(b < 200 s/mm2)的信号对扩散和更快速的不相干运动均敏感。通过将IVIM方程拟合到信号S,可以获得IVIM参数:f为伪扩散信号分数,D*为伪扩散系数,D为组织扩散系数。注意D*包括血液中的水扩散系数D blood,且D*通常(以及在全文中)被用来代替D* + D blood。通常,伪扩散归因于微血管灌注,f最常被称为灌注信号分数。更广泛地说,IVIM还可用于研究各种类型的微循环,如较大血管中的流动、管状和导管腔隙。

虽然DWI自诞生以来已成为临床MRI的支柱(截至2024年8月13日,PubMed上有63,000余篇相关文献),但IVIM在文献中的代表性较小,主要原因是扫描仪硬件和MRI序列的限制,但近年来一直在稳步增长(图1)。这可以部分解释为MRI硬件和方法开发的广泛进展;大多数厂商现在提供b值数量和数值的自由选择。此外,更强的磁场梯度和加速技术有助于在合理的采集时间内将IVIM检查整合到现有的DWI方案中。此外,许多厂商已开始提供用于拟合IVIM模型的商用在线图像分析流程。最后,无需外源性对比剂即可获得内源性灌注标志物的能力,使得IVIM在因禁忌证无法使用对比剂、年轻患者或重复MRI检查时成为一种有吸引力的技术。

与传统DWI相比,IVIM衍生的D反映的是纯组织扩散系数,校正了血液的影响,而传统表观扩散系数(ADC)则包含组织和血液的扩散效应。此外,IVIM还提供与灌注相关的附加参数(f、D*)。

IVIM已在多种器官和病变中显示出潜力,系统性证据可见于大量文献。例如,在乳腺病变中,IVIM在鉴别恶性肿瘤与良性肿瘤方面提供了优于传统ADC的诊断性能[4],并显示出作为新辅助化疗反应预测标志物的潜力[5]。在肾脏中,IVIM在患者研究中已显示出检测肾功能下降、输尿管梗阻、纤维化、慢性肾脏病、糖尿病肾病和肾细胞癌的潜力[6, 7, 8, 9, 10, 11]。具体而言,在一项纳入4项研究的荟萃分析中,皮质f可区分慢性肾脏病[10]。在肝脏中,IVIM已用于多种疾病[12],并被发现有助于表征非酒精性脂肪性肝病[13]、肝纤维化[14]和局灶性肝脏病变[15]。在胎盘MRI中,IVIM通过研究胎盘和胎儿灌注,已显示出在产前诊断中的潜力[16, 17]。在骨骼肌中,IVIM分别区分了衰老和疾病状态下静息时[18, 19]及功能性充血期间[20, 21]的假扩散信号分数差异。在脑中,IVIM可检测高灌注病变,如高级别脑肿瘤[22, 23, 24]和高碳酸血症期间的高灌注状态[25, 26, 27],以及低灌注病变,如卒中和梗死[28, 29]及小血管病[30]。在癌症方面,已发表涉及9种不同癌症类型的18项荟萃分析[4, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47]。其中,13项报告了临床任务(诊断、分级和亚型分型)的受试者工作特征曲线下面积(AUC)值,D平均为0.89 ± 0.04,f为0.81 ± 0.07,D*为0.76 ± 0.08。在这组肿瘤学领域的荟萃分析中,12项研究还报告了源自ADC分析的AUC值,为0.88 ± 0.04,其中6项低于该研究中IVIM衍生的最高AUC值。图2重点展示了以假扩散分数图为代表的示例性应用。

然而,这些强有力的临床潜力指标也应结合相互制约的局限性来考虑。首先,IVIM对微循环和微结构的敏感性具有广泛的组织背景应用(诚然是一项优势),而所有这些应用都有其自身的临床任务和诊断准确性量化,这限制了大规模数据汇总的机会。鉴于MR采集技术和设置(例如b值选择、扩散准备、成像读出)以及数据处理流程(即预处理步骤和拟合算法)的广泛差异,IVIM已报告了异质性甚至相互矛盾的发现[22, 49, 50, 51, 52, 53]。这些挑战限制了中国IVIM的大规模部署。此外,由于缺乏明确和统一的指南,部署IVIM方案和分析通常需要现场(技术)专家,进一步阻碍了更广泛的使用,尤其是临床医生的使用。因此,我们建议通过提供共识建议和统一方案来加速IVIM的部署和转化。

为应对这些挑战,我们组织了多份问卷和一次专门研讨会,以制定由社区驱动且协调一致的IVIM MRI建议。为在不妨碍创新的前提下促进兼容证据的积累,我们的建议包括分层设置的b值组合(简化版、最小版和高级版),并确保b值之间有重叠,以最大程度地为未来数据汇总创造机会。这些协调一致的方案(简化版或最小版)的结果可报告于例如支持信息中,以提高可重复性和再现性,并允许进行荟萃分析,同时不会妨碍作者采用先进的方法和分析。我们进一步就如何设置方案和分析流程提出更详细的建议。我们强烈建议新进入IVIM MRI领域的科学家和临床医生采用这些方案和流程,并且在缺乏充分理由偏离这些设置的情况下,IVIM研究也应采用这些方案和流程,以提高一致性、可重复性和再现性。

图1 与IVIM应用相关的发表文献时间线,按(A)器官和(B)疾病类别排序。脑/脊髓、肝脏和盆腔区域构成了已发表研究的大多数。癌症明显占疾病研究的绝大多数。本分析共纳入1500余篇研究论文,检索自PubMed,截止日期为2024年8月13日,使用关键词“intravoxel incoherent motion OR IVIM”。综述文章、评论和社论被排除。由于IVIM文献涉及的器官范围广泛,本图未描绘所有器官。器官按如下方式合并:盆腔包括胚胎/胎儿/胎盘、宫颈/卵巢/子宫和前列腺;胃肠道(GI)包括胃、肠、结肠和直肠;肌肉骨骼(MSK)包括肌肉、骨骼和软骨;头/颈包括眼、鼻和喉。关于疾病类别:癌症包括任何类型的肿瘤和转移;肝/肾病包括肝硬化、脂肪肝病和慢性肾病。 查看原图 ↗
图2 IVIM伪扩散分数(f)图示例,显示不同器官和癌症中的不同模式。(a)一名脑小血管病(cSVD)患者和一名健康对照者的脑f图,显示cSVD患者中f升高的区域。图片经许可修改自[30]。(b, c)食管癌和胰腺癌的f图,显示癌症中f值较健康组织降低(箭头),表明这些癌症的血供减少。(d)小腿健康骨骼肌的f图。血管通过高f值清晰可见,而肌肉组织表现为低f值。(e)乳腺癌与正常乳腺组织的比较,乳腺癌周边(边缘强化)的f值高于正常乳腺纤维腺体组织。(f)f图显示糖尿病足跖区域与健康个体相比伪扩散分数值降低。(g)肾脏f图的连续变化,显示心脏活动收缩前期、收缩期和舒张期分数值的变化。经许可修改自Sigmund等[48]。所有示例均来自经伦理批准的研究,所有患者均提供了书面知情同意。 查看原图 ↗

共识过程

为确保本文列出的建议反映更广泛IVIM社区的共识,采取了若干步骤(图3)。共识过程始于2019年ISMRM年会期间举办的IVIM研讨会(https://www.ismrm.org/19/program_files/MIS17.htm),并从2022年开始整合推进,工作委员会每月举行线上会议,以制定达成共识的路线、设计调查问卷并组织研讨会。

使用Google Forms,在具有IVIM(前)临床应用经验的广泛科学家和临床医生中开展了一项调查。接收者包括长期存在的IVIM电子邮件列表服务器的所有成员以及因其文献贡献而被添加的人员。第一部分包括关于受访者培训背景、目标器官系统以及对IVIM在各种临床适应证中使用信心评估的问题。对于每个收到至少10份回复的器官系统,第二部分包括关于该器官IVIM数据采集和建模/处理的问题。问题的完整列表见支持信息S1:调查第1部分。

随后,于2024年3月举办了一次专门研讨会(https://www.ismrm.org/workshops/2024/IVIM/),包括特邀报告、自由投稿论文和讨论。共有78名参与者注册参加研讨会。为帮助形成建议,开放式讨论构成了科学议程的很大一部分。调查结果构成了研讨会讨论的基础。研讨会结束时,还通过Slido投票进一步收集了听众的意见。最后,进行了作者征集。

根据研讨会的结果,三位主要作者起草了手稿关键部分的提纲,供所有共同作者审阅。在所有共同作者对初始提纲达成共识后,所有共同作者对完整手稿的指定部分做出了贡献。2025年6月23日,手稿草稿被分享给所有研讨会参会者、IVIM邮件列表参与者和ISMRM灌注研究组,以供仔细修订和反馈。最后,2025年7月29日,论文被发送给相同群体进行认可投票。2025年10月25日,论文获得了研讨会参会者、IVIM邮件列表参与者和ISMRM灌注研究组的认可。

图3 本文共识过程的示意图概述。 查看原图 ↗

调查要点

完整的调查汇总数据见支持信息S1:调查第1部分。共有47名受访者回答了调查第1部分。大多数(85.1%)接受过MR研究人员培训,21.3%接受过放射科医生培训。组织功能和肿瘤学是主要应用领域,68.1%的受访者报告对两者均有经验。受访者兴趣最高的六个器官系统是:脑、肾、肝、肌肉、胰腺和乳腺。

临床适应证置信度评分随应用和器官系统而异,但平均值接近所提供范围的中间值(图4)。高置信度(> 5;定义为初步证据)的适应证包括神经系统肿瘤、慢性肾病、肝硬化/纤维化、体部肿瘤、卒中和肌骨功能成像。置信度评分应结合向受访者提供的定义来解读。7–8分意味着已准备开展大型多中心临床试验,此类试验通常需要完善且标准化的采集和分析方案。因此,评分主要集中在4–6分范围反映了IVIM当前的发展阶段,其特征为有前景的初步证据但方法学协调有限。这些结果并非表明对IVIM作为一种技术缺乏信心,而是强调需要标准化指导以实现稳健的多中心研究和临床转化,这也是本工作的主要目标。

调查第2部分的受访者人数从12人(肾脏)到2人(胰腺,支持信息S2:调查第2部分表S1)不等。支持信息S2:调查第2部分显示了调查第2部分中各器官系统的采集偏好。虽然MR采集偏好具有器官特异性且并非普遍适用,但某些方面反复出现并获得强烈支持,例如:磁场强度3 T以提高信噪比(SNR)、单次激发自旋回波回波平面成像(EPI)序列、平面内空间分辨率约2 mm、层厚3–5 mm、重复时间(TR)3–5 s、使用最小回波时间(TE)、并行成像因子2、基于频谱衰减(或绝热)反转恢复(SPAIR)的脂肪信号抑制、自由呼吸采集以及单次重聚焦自旋回波单极扩散敏感梯度波形(Steijskal‐Tanner)。部分受访者未提供建议的b值,部分受访者提供了相同的建议b值集。

b值的选择在受访者和器官系统之间异质性较大。图5显示了肾脏(受访者最多的器官)受访者建议b值的示例直方图。某些b值(100、200 s/mm²)在所有提交的b值集中均常见。对于所有器官,在较低b值范围(10 ≤ b < 200 s/mm²)建议的IVIM b值数量略多于较高范围(200 ≤ b ≤ 1000 s/mm²)(表1),平均值为1.55。

图6总结了各种预处理和报告替代方案的一致性水平,按一致性排序。按各器官组分层对这些偏好的完整总结见支持信息S2:调查第2部分表S2。

根据问卷结果,在工作坊期间又进行了23次额外投票,以进一步明确共识。每次投票平均有30票(完整问题和回答数据见支持信息S3:工作坊投票)。针对具体建议的结果将在相应章节中讨论。临床转化的最大障碍被认为是缺乏(1)在线处理,(2)临床敏感性的证明,(3)临床理解,(4)预处理或方案的统一性,以及(5)可用的重测数据。最后,建议接下来解决这些及其他多种障碍,特别是(1)标准化和验证(体模、b值、拟合、术语/词汇),(2)推广(面向临床医生和非研究型放射科医生),(3)整合(图像归档和通信系统(PACS)工作流程、厂商在线处理),以及(4)确定高潜力应用以纳入临床试验和/或临床常规。

这些偏好、评估和未来方向(其中一些也在先前的远程调查数据中被识别)已在下面给出和讨论的建议中予以考虑,既涉及IVIM目前的应用,也涉及其未来发展的潜力。

图4 IVIM应用于临床适应症的信心评分的排序平均值和标准差。评分说明:1:不应使用;3:值得研究;5:初步证据;7:处于建立大型临床试验的阶段;10:无需进一步证据即可在日常临床中使用。圆点大小表示应答者数量,范围为12至40名应答者。MSK,肌肉骨骼。 查看原图 ↗
图5 6位专家(以颜色编码)针对调查第2部分中肾脏应用所建议的b值的累积分布。 查看原图 ↗
表1 各器官系统建议的低b值和高b值数量及独特b值的平均数量。 查看原表 ↗
图6 对IVIM数据特定分析/报告选项使用情况的同意程度排序,按器官系统平均。允许多选。符号大小表示受访者数量,范围为9至34。ADC,表观扩散系数;EPI,回波平面成像;ROI,感兴趣区域。 查看原图 ↗

建议

调查结果表明,IVIM不存在一刀切的解决方案。因此,在此我们为调查受访者最多的六个器官提出建议。其他器官未在工作坊期间详细讨论,因此其他考虑因素可能导致不同的方案。在无其他考虑因素的情况下,我们建议腹部器官遵循肝脏建议。对于所有其他器官,我们建议采用乳腺设置。

数据采集

表2给出了基于调查、研讨会及研讨会后讨论的IVIM数据采集建议摘要,按器官系统分层;表3给出了b值摘要。由于参与者之间存在充分共识,我们的建议所反映的参数范围与每个器官系统中至少60%的会前调查参与者相符。虽然共识程度在60%至100%之间,但基于偏好和实际考虑,所有情况均提供了推荐范围,以促进研究之间的一致性。b值建议总结于表3,基于调查和共识讨论结果(简略层级)以及Cramer-Rao下界模拟(最低层级)。请注意,这些推荐选项(b值和其他设置)在大多数厂商的大多数现代MRI系统上可通过默认设置或作为产品获得。在此,我们对各个参数进行更详细的阐述。

表2 人体研究中IVIM数据采集和处理的建议。 查看原表 ↗
表3 各器官系统IVIM研究中建议的简略(粗体)和最低(全部)b值(s/mm²)。 查看原表 ↗

视野、空间分辨率和并行成像

DWI通常采用单次激发回波平面成像,其本身存在图像质量方面的挑战[54]。视野和平面内空间分辨率是两个可因目的不同而有所差异的参数。弥漫性疾病通常可采用较低空间分辨率成像,而局灶性疾病则需要较高空间分辨率。关于EPI的并行成像,仅当用于信号接收的接收射频(RF)线圈在相位编码方向上具有足够的接收单元以支持欠采样时,才应使用并行成像技术进行合理的加速。随后需要调整视野和接收带宽,以在管理EPI相关图像畸变的同时最大化SNR。这些限制取决于目标疾病和扫描目的。特别是对于乳腺MRI,我们建议使用裁剪视野并结合后方饱和带。对于其他器官,如果所需空间分辨率导致显著畸变(带宽问题),可使用饱和带进行卷折抑制以缩短EPI回波链。

成像读出

虽然单次激发EPI是最常用且推荐的成像读出方式,但我们注意到分段(也称为多次激发)EPI方法的使用日益增多,包括沿相位编码方向或读出方向进行分段,例如在脑部和乳腺研究中[55, 56]。该方法可显著消除图像畸变。如果使用这些方案,我们建议维持与单次激发EPI相似的SNR以进行IVIM分析。

脂肪抑制

EPI对由脂肪-水位移引起的化学位移伪影具有高敏感性,因此最佳的脂肪信号抑制对IVIM MRI至关重要,尤其是在乳腺、腹部和肌肉成像中。频谱预饱和反转恢复(SPIR)和SPAIR常用于临床环境中的脂肪抑制。较少见的方法包括短T1反转恢复(STIR)[57]和层面选择梯度反转(SSGR)[58]。SPAIR对发射场(B1)不均匀性[59]较不敏感,并且在足够的磁场匀场(B0均匀性)条件下,与SPIR相比提供更均匀的脂肪抑制。因此,推荐将SPAIR用于乳腺、肌肉和腹部成像,并在可能的情况下附加SSGR。在脑部,SPIR优于SPAIR,因为它提供可接受的脂肪抑制同时允许更短的TR。

呼吸运动

IVIM协议的另一个关键方面,特别是对于腹部成像,是呼吸运动补偿。由于快速的2D EPI读出,单幅扩散加权图像的模糊和鬼影有限,但呼吸运动仍可能导致层面间错位、扩散加权图像与方向间的配准不良以及信号丢失(由于体素内自旋去相位和/或激发与重聚焦RF脉冲的重叠不佳),这可能对IVIM MRI的质量产生不利影响。这种运动可以在采集过程中使用前瞻性运动校正(例如触发)部分减轻,该技术将图像采集与呼吸周期同步。如果检查允许较长的采集时间,推荐在腹部使用前瞻性运动校正。这对于局灶性疾病尤为重要。

扩散梯度波形

从业者在不同程度上支持使用两次重聚焦双极或单次重聚焦单极梯度波形,在此阶段两者均未达到足以排除对方的充分共识,尽管单极波形更为常见。两次重聚焦扩散敏感梯度允许一定程度的涡流补偿、背景梯度效应减轻以及相干血流效应的部分抑制,而单极梯度允许更短的TE,从而获得更高的SNR。

重复时间和回波时间

TR值应选择足够高以避免灌注分数中的T1偏倚。本文所呈现器官的T1值在1.5/3 T下分别从肝脏的570/812 ms到灰质的1080/1800 ms不等[60, 61, 62]。表2中推荐的TR值确保血池和每个器官至少2 * T1的恢复。

使用更高的b值导致更长的扩散梯度和 consequently 更长的TE。通常,我们推荐使用尽可能最低的TE以最大化SNR。然而,应注意组织的T2值差异很大,在1.5/3 T下分别从肝脏和肌肉的40/30 ms到脑部的90/80 ms不等[60]。理想情况下,TE不应超过2 * T2。

平均

在图像空间中使用多次平均可提高SNR并可改善数据质量。这对于高b值或低SNR区域可能有益。对于骨骼肌,我们推荐使用至少2次单独采集的平均以能够校正可能干扰信号衰减的不自主收缩(肌肉抽动)伪影[63]。

扩散加权(b值)

b 值的范围和数量直接影响 IVIM 参数的估计,因此是重要的采集参数,也是实现一致化的关键。我们的建议基于以下几个因素:(1) 关于不同器官中已报道的 IVIM 指标的文献荟萃分析/综述文章;(2) 最小化偏倚和不确定性的定量指导;(3) 活跃的 IVIM 研究者的当前实践;(4) 一致化原则,这些原则可能有助于在未来跨站点数据采集和分析中实现最大程度的数据汇集。

从不同器官系统的荟萃分析和综述文章 [4, 41, 64, 65, 66, 67] 中收集的平均 IVIM 值显示出显著差异,并支持针对每个器官优化的 b 值集(见图 7 和支持信息 S4:建议,表 S1)。

考虑到未来 IVIM 实践者不同的经验水平和目标,我们建议的集合按三个“层级”组织,这些层级具有重叠的 b 值:“简化”、“最小”和“高级”。这种方法支持未来对不同研究或站点的数据子集进行汇总分析。分层 b 值集的示例在图 8 中示意性描绘;请注意,特定值(列于表 3 中)对于 6 个重点器官背景中的每一个都是不同的。最简单的“简化”方案包括采样 3 个 b 值(包括 b = 0 mm2/s),全部具有 3 个正交扩散方向用于迹加权,以通过分段拟合方法推导 D 和 f。这个小集合是获得这两个 IVIM 参数所需的最小 b 值数量(有时称为简化 IVIM;因此得名),适用于没有额外扫描时间可用的研究。“最小”层级包括 3 个简化值加上 3 个额外 b 值,使得能够在有限的扫描时间内估计所有三个 IVIM 参数(D、f、D*)。“高级”层级允许研究者自行决定扩展“最小”层级,并且可以包括许多额外的 b 值和扩散方向,以允许改进参数估计和高级定量模型(如隔室化、扩散谱分析、各向异性、扩散时间效应),但应再次至少包含最小层级中的 b 值。

为生成这些b值集,我们首先为分段(两步)拟合选择了一个阈值b值。该截止值(b阈值)被确定为在此值以上灌注驱动的IVIM效应贡献可忽略不计,从而使信号的扩散部分不受该成分影响。我们的建议是将b值b = 200 s/mm²纳入所有器官(脑除外,脑包括b = 300 s/mm²)作为b阈值使用。该建议基于:(1) 专家意见;(2) 偏差与方差之间的平衡;(3) 文献中常用的值[12, 67];(4) 模拟;(5) 尽可能跨应用的一致性。b阈值必须足够低,以确保广泛的信号强度范围以确定D并外推至b = 0 s/mm²处的信号截距以确定f,从而降低两者的方差。为估计偏差的贡献,使用来自支持信息S4:建议、表S1的文献D*值,计算了对应于伪扩散项被抑制20倍(e^−bD* ~ 0.05;b ~ 3/D*)的b值,对于除脑以外的所有情况,这些阈值均< 200 s/mm²(脑的b阈值 = 275 s/mm²)。

简化层级b值集(表3)由b = 0 s/mm²、阈值b值和选定的上限组成。该b值上限的选择基于:(a) 避免采样非高斯扩散/峰度效应;(b) 考虑各器官典型的T2弛豫加权SNR;(c) 与调查输入、共识讨论和专家意见保持一致。这些上限为:肝脏b = 500 s/mm²,肌肉和胰腺b = 600 s/mm²,肾脏和乳腺b = 800 s/mm²,脑b = 1000 s/mm²。

最后,最小层级b值集基于Cramer-Rao下界分析[68, 69]并假设高斯噪声。我们注意到该噪声模型仅是对常用幅度平均DWI信号中所遇Rician噪声分布的近似,因此是一个局限性。然而,我们认为所建议b值分布的主要特征在此情况下得以保留,并赋予预期的器官特异性最优性。代价函数惩罚的误差度量由D和D*的相对不确定度与f的绝对不确定度之和组成(以避免f ~ 0时发散)。对于每种器官情境,优化在以文献均值(支持信息S4:建议、表S1)为中心并跨越其上下一个标准差的参数范围内进行(对于乳腺和胰腺,使用良性和恶性文献值的平均值及其标准差之和)。Cramer-Rao下界分析的代码可在Google Colab上获取(https://colab.research.google.com/drive/1ffm3vqbeMMMvm9LvTV06ZuQKqbnc3hlf#scrollTo=23K0kjHtO1RT)。所有情况均假设SNR为25,以设定合理的 worst-case 情景。

最近一项关于肾脏IVIM的共识工作[65]启发式地建议了b值(0、30、70、100、200、400、800 s/mm2),与本文所述流程生成的b值(0、0、30、150、200、800 s/mm2)有相当大的重叠。子集(0、30、70、100、200、800 s/mm2)与(0、0、30、150、200、800 s/mm2)之间估计的相对参数不确定度差异分别为D、f和D*的2%、8%和3%;鉴于这一极小差异,采用前一子集以支持证据生成的连续性。最终最优集合(四舍五入至最接近的10 s/mm2)列于表3。请注意,这些集合中< 200 s/mm2的b值数量至少与大于或等于该阈值的b值数量相同,这与表1中的总体调查趋势一致。

上述算法对所有器官使用通用流程,同时纳入器官特异性参数值,但尽管如此,它仍存在局限性。来自支持信息S4:建议、表S1中荟萃分析的取值范围纳入了主要器官差异和已报告的变异性,但并非在所有情况下都纳入了健康/病理范围。我们强调,这些值仅构成简略和最小集合。研究可根据其判断和研究需要采用更多病理特异性b值,包括D、f和D*可能随时间变化的动态和纵向研究。

我们建议至少使用简略层级,即3个b值、3个方向以及至少1次平均(肌肉至少2次平均)。在实践中,鉴于通常较差的SNR,我们建议大幅增加平均次数,最低层级应至少有2个介于0和200 s/mm2之间的b值。然而,鉴于IVIM在不同器官中的广泛应用,执业者可自行决定增加方向数(用于张量成像)、增加平均次数或增加b值数量。

需要注意的是,成像梯度和散相梯度也会增加扩散加权,从而有效增加b值。因此,如果未考虑这些梯度,标称b值可能与真实b值不同[70]。这在低b值下尤为明显,并可在IVIM估计中引起显著偏倚。然而,校正b值仍可能具有挑战性。特别是,并不总是能够获得真实b值,且需要厂商将其添加到DICOM头文件中。由于这些挑战,使用校正b值未作为推荐意见纳入。如可获得,我们鼓励使用校正b值。我们鼓励进一步研究校正b值对IVIM的影响。

我们还以最低建议SNR的形式提供支持信息以指导研究设计,以实现总相对误差(结合偏倚和离散度的要素)小于20%,这些信息由围绕支持信息S4:建议、表S1中的均值以及表3中各器官系统的b值样本为中心的蒙特卡洛模拟研究生成。这些估计的完整细节见支持信息S4:建议文本S1、图S1和图S2、表S2。

图7 各研究中来自荟萃分析和综述文章的6个器官系统的平均IVIM值和标准差(组织扩散系数D和伪扩散分数f)。 查看原图 ↗
图8 IVIM研究建议的b值层级,以乳腺为例说明:简化(红色圆圈)、最小(蓝色三角形)、高级(绿色方块)。 查看原图 ↗

数据预处理

数据预处理是从扩散加权图像生成高质量IVIM图的关键步骤。在一篇关于DWI预处理的综述中,确定了15个必要步骤[71]。虽然该综述主要针对脑部常规扩散和扩散张量MRI,但许多步骤可应用于IVIM及其他解剖区域。在我们专门针对IVIM的调查中,确定了四个关键预处理步骤:运动校正、EPI畸变校正、去噪和信号空洞去除。这些预处理步骤总结于表4。这些步骤最有效地应用于单个b值图像(单独的平均值和方向),因此我们建议不要使用在线平均/迹线图像。

对于临床工作流程,在线预处理可能更容易实现。在这种情况下,请使用MR操作控制台或远程分析计算机上可用的工具子集。配准和去噪通常在扫描仪上可用,但在线处理可能意味着跳过去噪和信号空洞排除。因此,首选离线设置,而在线替代方案旨在提供一种在临床环境中可行的工作流程。

表4 根据调查结果得出的IVIM数据建议预处理。 查看原表 ↗

运动校正

推荐基于仿射配准到b = 0 s/mm²图像的回溯性整体运动校正作为最低基线方法,以处理刚性运动和仿射运动以及涡流引起的图像变形。使用EPI时,切片采集迅速,最大限度减少了层内运动伪影,但层间运动仍可能发生,需要进行校正[72, 73]。在运动更为复杂的区域,如有可能,建议使用非刚性配准方法[74, 75, 76]。在腹部,图像配准可与前瞻性运动校正相结合,与单独方法相比可产生更高质量的图像[77]。

EPI畸变校正

我们推荐使用EPI图像畸变校正。EPI畸变会导致图像变形,并可造成信号堆积和信号空洞,导致解剖结构错位和参数估计失真。如果可以稳健地实现,应使用基于反向相位编码的方法进行EPI畸变校正[78]。畸变效应在(空气)组织界面附近尤为明显,例如肾脏、胰腺、肝脏、肠道周围以及靠近鼻窦或腔体的区域。此外,腹部畸变场随呼吸和肠道运动而变化。因此,对每个读出单独估计畸变场可获得最佳结果。先前的研究通过使用多回波成像[74]或在整个呼吸周期中进行反向极性采集的侦察扫描[79]来实现这一点。

去噪

我们建议对扩散加权图像进行去噪;最好这些图像包括单独的采集平均和方向,但对于一些研究,只有迹加权图像可用。扩散加权图像的去噪通常利用采集多个b值和扩散编码方向后所获得的数据冗余。这通常通过主成分分析以及最近通过深度学习[80, 81]来完成,两者均已应用于IVIM [48, 82, 83]。此类算法的适用性可能取决于数据中的冗余水平;对于仅包含三到六个b值的简化或最小采集方案,此类冗余可能不可用,在那些情况下,去噪可能不那么有效。基于深度学习的去噪有可能为此提供解决方案。

需要注意的是,去噪方法可能会改变不同b值下的原始信号。因此,应谨慎使用这些方法,并进行数据一致性检查。

信号空洞的去除

当存在信号空洞时,我们建议去除由整体运动或灌注以外的非相干运动引起的信号空洞。信号空洞可发生在涉及搏动性或呼吸运动(特别是在肝左叶和胰腺)或骨骼肌不自主收缩的情况下[63, 84, 85, 86]。其最直接的解决方案是手动检查并从图像集中移除相应数据,前提是采样中存在足够的冗余且尚未进行在线平均。

拟合

大多数MRI厂商支持在线IVIM拟合(可能作为附加产品),也有商业第三方解决方案可用。这些解决方案带有CE标记,因此可在临床中使用。出于这一原因,报告此类软件的结果当然是有价值的。然而,不同厂商的实现可能彼此不同,可能随更新而变化,且厂商在其确切实现方面并不总是透明的。因此,出于可重复性的目的,我们建议同时报告标准化拟合流程的结果。

将IVIM模型拟合到含噪DWI是一个不适定问题,其中传统(非线性)最小二乘(NLLS)估计器对伪扩散参数的精度和准确度有限,尤其是在低SNR和低伪扩散信号分数的区域。已提出了许多替代方法[87],从简单的渐近“分段”方法[88, 89]到更先进的贝叶斯推断[90, 91, 92]或深度学习[93, 94]。大多数研究使用分段拟合,该方法实现简单,且似乎比传统的同步最小二乘拟合更稳健。文献中的这一趋势反映在调查结果和研讨会讨论中,其中支持进一步开发先进估计器(见图6),而分段拟合被推荐纳入IVIM预处理的基线方案。

分段拟合依赖于D* ≫ D的假设,因此在足够高的b值下,伪扩散分量对信号衰减的贡献变得不显著。这允许采用两步拟合程序,其中第一步仅使用大于预定义阈值的b值将扩散分量拟合到数据。这可以通过使用NLLS将单指数函数拟合到信号数据来实现,或通过使用加权线性最小二乘(WLLS)将线性函数拟合到信号数据的对数来实现,理想情况下迭代进行[95]。我们推荐使用迭代WLLS,因为它不需要初始猜测,并且比NLLS更快。然而,我们承认,根据所使用的软件,在第一步中应用NLLS可能会简化实现,并且在给定适当初始猜测的情况下通常应给出相似的结果。请注意,在信噪比(SNR)较低的情况下,取信号对数可能会在高b值处增强噪声,因此在此类情况下应谨慎。作为b值阈值,我们推荐使用b = 200 s/mm²,但脑部除外(b = 300 s/mm²),如第4.1节所定义。

第一步还通过b = 0 s/mm²处的信号与初始拟合的相应垂直截距之间的差异来估计f。在第二步中,在从第一步固定D和f两者之后,或仅固定D并重新求解f之后[96],通过使用NLLS将完整IVIM方程拟合到所有b值处的数据来估计D*(推荐初始猜测D* = 10 × D)。由于研讨会讨论表明对固定D和f两者略有偏好,我们推荐此方法以提高一致性。

请注意,由于在所选阈值b值处可能残留有限的伪扩散分量,分段拟合可能在D的估计中引入正偏倚,在f的估计中引入负偏倚[88, 97, 98]。另请注意,分段拟合的这种实现依赖于测量b = 0 s/mm²处的信号,由于成像梯度和扰相梯度对b值的贡献,该信号无法被精确测量。这些贡献在此实现中被忽略;我们在支持信息S5中提供了一些关于如何处理这一问题的讨论。

报告偏好与良好实践

我们期望推荐的协议在许多情况下以及广泛的应用中都能很好地发挥作用。然而,我们理解它可能无法满足所有可能的IVIM研究的需求。尽管如此,将更先进的研究置于相似的基础上是可取的,以便允许数据合并、提供一定程度的数据可比性,并量化优化研究方案相较于标准化分析的附加价值。本节中的建议基于调查结果和研讨会期间的共识讨论。

关于感兴趣区域(ROI)的勾画,在调查中大多数(4/6)器官系统首选未加权(b = 0 s/mm²)图像,因为它包含最高的SNR,使器官的勾画最为容易。某些病变,如癌症,在高b值图像和/或ADC图上最为可见。因此,我们鼓励遵循b = 0 s/mm²图像,并辅以ADC图和/或高b值图像的参考。

虽然采集方案可能在很大程度上取决于预期的研究目的,但我们建议报告一个单独的子分析结果,该分析与建议的方案和预处理步骤保持一致。我们进一步建议报告在标准化流程投票中评分最高的ROI内数值(见图6):ROI统计量的均值、标准差、中位数和四分位距,以确保完整性和便于荟萃分析。然后,进一步的论文特定分析应反映数据的正态性。

为支持和确保研究的可重复性并保持一致的弛豫加权,我们建议全面报告采集时间参数:TR、TE和扩散梯度波形,包括扩散时间(脉冲磁场梯度之间的延迟[Δ]、脉冲磁场梯度的持续时间[δ],以及MR系统的最大梯度强度和转换速率)。理想情况下,应将所有使用的MRI方案的全面描述作为支持信息提供,包括脂肪抑制类型、采集体素大小、回波链长度、回波间距、用于信号读出的接收带宽、加速选项、过采样因子和方向,以及层间距和层采集顺序。此外,如有可能,应报告重建设置,包括插值、零填充和滤波。此外,应说明预处理和拟合的详细信息,包括各个预处理步骤的细节、拟合算法、初始猜测值和拟合约束条件。需要报告的参数清单可见支持信息S6:报告清单。

伪扩散信号分数具有强烈的TE依赖性,因为扩散和伪扩散隔室可能具有不同的T2弛豫时间[99, 100]。例如,de Bazelaire等人[61]报道肝脏T2时间为46 ms(1.5 T)和34 ms(3 T),而Riexinger等人[101]估计动脉血和静脉血的T2时间分别为148 ms(静脉,1.5 T)、44 ms(静脉,3 T)、206 ms(动脉,1.5 T)和107 ms(动脉,3 T)。在解读这些人群平均弛豫时间值时,重要的是要注意受试者间变异性可能很大;例如,血液弛豫时间取决于血细胞比容[102]。如果T2值已知,可以报告经T2校正的f[103],将f从信号分数变为血液分数。已有建议将报告肌肉和肝脏IVIM的此类指标作为良好实践[67, 99, 100]。在研讨会中,我们未能就是否应将报告经T2校正的IVIM指标视为最佳实践达成一致。我们讨论的一个挑战是对于如何适当进行校正缺乏共识。例如,动脉血和静脉血的T2弛豫时间差异很大,因此必须考虑它们的体积分数[104];此外,在肾脏中,还必须考虑原尿和肾小管液[105]。此外,T1校正也可能很重要[106]。因此,我们建议始终报告所使用的TE和TR时间,以便事后计算校正/未校正的f值用于荟萃分析。其次,由于其他生物物理原因,如弹道/扩散机制和运动补偿程度,IVIM对比度可能随序列时序而变化[107, 108]。这些将在未来方向部分讨论,但它们的存在是进行全面报告的另一个动机。

我们建议使用经过验证且可验证的软件。也就是说,评估代码应已在合成数据上经过测试和验证,理想情况下代码应开放获取,或应使用供应商提供的软件包。我们强调OSIPI[109]在https://github.com/OSIPI/TF2.4_IVIM‐MRI_CodeCollection提供了经过单元测试的开源IVIM代码。

以将IVIM转化为临床试验的定量影像生物标志物并最终转化为临床实践为目标,测试和验证IVIM衍生指标的稳健性至关重要[110]。定量影像网络社区建议在设计和执行临床研究之前进行重测研究。或者,可以查阅文献以提供指导;多项研究已进行了IVIM可重复性(重测)和可再现性(跨供应商/跨站点)研究。总体而言,D和ADC报告了最高的可再现性值,范围从良好到极好(变异系数[CV]约1%–10%),而f和D*的可再现性为良好到差(CV约10%–40%);这已在肝细胞癌和肝实质[111]、肾肿瘤、正常肾皮质和髓质[112]以及脑[113, 114]中得到证实。因此,持续测量和改善f和D*的可重复性和可再现性至关重要。支持信息S7:重测研究中给出了对既往重测研究和文献中可再现性结果的广泛综述。

未来方向

我们以对推荐重点领域和前沿方向的讨论来结束这项工作,这些领域和前沿方向关乎未来几年IVIM的转化与推进。

为强调其重要性,我们首先声明我们强烈鼓励IVIM社区向临床社区宣传IVIM的附加价值。这包括在大规模层面上的持续努力,例如数据汇总(综述文章、荟萃分析)和多中心试验,以提升和阐明IVIM临床应用证据水平。这些努力为将IVIM纳入临床试验考虑、向科学和临床学会提出建议、以及最终获得政府批准铺平道路。当研究人员的需求、证据积累和/或令人信服的临床应用在这些情况下汇聚时,共识参与者在此采用的流程也可针对其他器官情境(例如前列腺、胎盘)重新审视。

IVIM已被用作研究队列中生理和病理生理状况的工具,例如更好地理解疾病的发生和进展,或开发和验证治疗路径。如果足够准确和精确,IVIM定量灌注成像在个体患者的诊断、治疗分层、治疗监测和随访成像方面具有巨大潜力。IVIM的一个初步应用可能是作为对比增强MRI的替代方案来成像组织灌注,后者在许多临床常规中使用。D、D*、尤其是f的IVIM参数图可用于替代对比增强图像,特别是在定量可视化至关重要的现有情境中(例如对比前后差异)。使用外源性MRI对比剂的障碍包括肾源性系统性纤维化(NSF)的风险、钆在组织中的沉积以及环境影响。在此背景下,IVIM MRI作为评估灌注和细胞密度的内源性对比替代方案,可能成为极具价值的工具,潜在地提供关键诊断信息,同时减轻与对比剂使用相关的风险。此外,IVIM还具有同时获得匹配的微观结构/细胞信息的额外优势。最后,IVIM提供了微循环(血管、肾小管及其他)的互补视图,如下文所总结。

与IVIM类似,动脉自旋标记(ASL)、动态磁敏感对比(DSC)和动态对比增强(DCE)MRI均探测灌注。IVIM伪扩散参数与其他MRI灌注方法的血流参数之间的关系已被推导[115]。大多数已发表文献发现f与其他灌注MRI方法衍生的灌注血容量之间具有良好的相关性[116]。然而,由于IVIM背后的机制和生物物理学不同于ASL、DSC和DCE,IVIM可能提供补充信息,并可能在检测某些病变方面为替代方法提供附加价值[117, 118, 119]。DSC和DCE的灌注测量基于时空对比剂动力学,允许探测交换参数。然而,与IVIM不同,它们强烈依赖于对供血动脉中对比剂的准确测量,包括动脉输入函数的评估。ASL使用动脉血水作为内源性示踪剂,通过在微血管网络上游饱和或反转其磁化强度[120]。因此,与IVIM的直接比较可能较为微妙,因为ASL监测外部标记血液的通过,而IVIM反映所有随机运动的体素内血液。混合ASL-IVIM方法也已被证明,允许强调或抑制不同血管尺寸[121]。虽然这些灌注测量技术相互关联,但IVIM提供了一个独特的优势,即无需对比剂即可同时评估组织微循环(反映微灌注效应)和组织微观结构。

IVIM参数已被证明对灌注的生理变化敏感,例如,运动后肌肉中D、f和D*值升高已有报道[67],心脏收缩期肾脏和大脑中f升高,或特定任务期间大脑中f升高[48, 116]。在与组织学的相关性方面,文献结果表明f与平均血管密度之间具有中等至良好的相关性[116, 122]。IVIM也与标准灌注参数相关,f与血容量、D*与平均通过时间、fD*与血流量之间呈线性关系[115];然而,IVIM参数与灌注(即血流量、血流速度和微血管网络结构)之间的确切关系仍有待未来研究探讨。

我们鼓励对IVIM拟合替代方法进行进一步研究。估计器性能可能受到采集b值[123, 124]、数据质量和设计特征(例如贝叶斯先验[125, 126])的强烈影响。近年来,深度学习的具体示例和应用案例作为有前景的拟合替代方法受到越来越多的关注和认可。基于体素[93, 94, 127]和空间感知[128, 129, 130]的深度学习方法均显示出提高估计器准确性和减少计算时间的潜力。然而,必须谨慎对待深度学习支持的IVIM建模,并确保进行全面验证[131]。

虽然针对IVIM拟合方法子集已有许多比较研究[125, 126, 131, 132, 133, 134],但识别新的金标准估计量的一个主要限制因素是缺乏用于表征估计量性能的标准化工具。准确性和偏倚的定量评估只能使用合成数据进行,而活体数据上的性能只能通过精确性(可重复性[133, 135])或分类准确性(例如,肿瘤类型[136])来评估。因此,需要可靠的验证和开源基准,例如逼真的数字IVIM体模、标准化合成数据集、可自由获取的用于各种器官和病理的活体数据集(含多次重复),最好辅以组织学表征,以及物理IVIM体模。我们还需要就评估性能的标准化指标达成共识。我们鼓励发展国际IVIM拟合竞赛(“挑战赛”)作为公平性能评估的金标准,使得能够在模拟真实世界条件的受控环境中进行算法基准测试。我们支持MRI系统供应商增加在线IVIM处理的实施,不仅是传统的同步拟合,还包括分割变体。

我们鼓励研究IVIM的先进变体,这些变体最终可能像经典变体一样得到广泛应用。由于组织和血管结构非常复杂,已经提出了几种对标准IVIM模型的扩展。首先,信号的微结构隔室仅在一阶近似下表现为高斯扩散行为(如经典IVIM变体),而在更高b值(通常超过b = 1000 s/mm²)时会出现偏离单指数衰减的现象。扩散峰度成像(DKI)提供了对这种非高斯行为的一种量化,而IVIM/DKI混合方法已被证明可以防止其各自成像生物标志物之间的混杂[137, 138]。将IVIM扩展到标准两隔室模型之外的多隔室行为,在具有不同扩散速率的生理隔室的器官中已显示出前景。这包括肾脏(用于血管和肾小管流动)[105, 139, 140, 141, 142, 143, 144]和大脑[145, 146, 147]中的三指数和频谱扩散。

IVIM模型的一个关键假设是,流经随机取向毛细血管段的血液会引起MR信号的相位离散,导致扩散加权图像中的信号衰减。然而,大多数身体组织的毛细血管网络具有各向异性的微结构。已经提出了几种将IVIM理论与DTI形式相结合的先进扩散模型,用于表征肾脏[48, 148, 149, 150]、骨骼肌[151]、心肌[152]和大脑灰质[146, 153]中扩散的各向异性及流动相关信号。总体而言,已经证明这些组织中的IVIM信号具有方向依赖性,表明在具有空间组织化毛细血管网络的组织中,组织微结构和(血)流均对扩散各向异性有贡献。

已知扩散时间的改变可调节IVIM信号的两个方面(微循环和微观结构),而微循环方面已在多种情形下得到认识[107, 108, 154],因为水运动表现为弹道式(短时间)、扩散式(长时间)或中间状态。这种调节可以成为实现更具体组织建模和生物标志物定量的途径。

另一种用于增强定量的实验性对比工具是扩散梯度波形的调节。通过梯度波形的一阶矩(M1),可以改变流动所致信号衰减的程度,直至完全流动补偿(FC)(M1 = 0)波形的极端情况,这将使回波时间TE内保持稳定的流动所产生的全部信号衰减归零。因此,已有人提出连续改变M1的方案,以生成更精确或更完整的IVIM对比表征[68, 107]。

由于生理性血管系统存在一定范围的血流速度和通道几何形态,流动补偿条件在整个组织中满足程度各不相同,因此改变流动编码矩和扩散时间(或两者)可能有利于捕捉完整的网络行为。在这个意义上,用于IVIM建模的流动补偿DWI(FC-IVIM)比传统IVIM提供了对组织微血管系统更全面的描述[48, 150, 155, 156, 157]。除评估D和f外,FC-IVIM还通过建模血流速度(v)和血管段长度(l)纳入微血管特征,二者通过特征时间尺度τ = l/v相关联。据信,这些额外的流动相关参数可作为标志物,用于揭示与多种疾病相关的微血管病理改变。此外,研究发现流动补偿扩散梯度可减少肝脏[158, 159]、胰腺[160]和肾脏[84]DWI中与运动相关的伪影。

标准IVIM模型未考虑组织、血液和其他隔室之间不同的横向弛豫时间(T2)。这导致f被高估,尤其是在TE和T2加权增加时。Jerome等[103]提出了一种称为T2-IVIM模型的扩展模型,可测量两个隔室(组织和血液)的T2值。该模型需要在多个回波时间下采样多个b值,校正f参数的TE依赖性,从而获得更准确的参数估计。此外,使用多种弛豫加权可能增强我们对参与IVIM信号衰减的不同隔室的理解。

局限性

请注意,本文反映的是一种共识,并不一定等同于声明这些是“最佳”设置。例如,用于确定分段拟合最佳截断值的模拟基于一项启发式规则,即e −bD * ~ 0.05,然后四舍五入为某个共享截断值。本文并不旨在描述普遍“最佳”的设置(考虑到所涉及的所有器官背景,这样的概念难以界定),而是旨在协调协议以获得更具可重复性的结果。我们认为,在当前阶段,协调将是使IVIM更接近临床应用的重要一步。我们承认IVIM仍是一个活跃的研究课题,未来的一些见解可能会改变这些建议,届时可通过与此处所执行的类似流程进行相应更新。

结论

我们提出了关于如何按目标解剖部位实施IVIM的共识驱动建议,涵盖所有主要器官系统。我们从现有IVIM文献中为这些建议提供背景,并突出IVIM开发与应用中最引人注目的科学前沿。我们希望这些建议的广泛实施将使临床和技术研究人员更容易使用IVIM,并加速IVIM的临床转化。特别是,它有助于建立一个有利于多中心转化和数据汇集的证据基础,并为学会建议、国家和国际卫生主管部门的批准以及临床试验使用提供依据。我们期望IVIM的最佳利用继续促进和利用多学科对话,而这种对话构成了本共识的基础。

资助

本工作得到美国国立卫生研究院(K99DK138294、P30 CA008748、R01CA245671、R01DK125561、R01DK136983、TL1TR004420、UH3CA239861);日本医疗研究开发机构(23ck0106892h0001、23he0422025j0002);德国研究基金会(437119659);英国癌症研究中心(C33589/A28284);荷兰科学研究组织(NWA.1418.22.002);KWF癌症基金会(KWF‐UvA 2021.13785);瑞典政府在瑞典政府与县议会协议下的ALF协议(ALFGBG‐942664);乳腺癌研究基金会以及马萨诸塞大学陈医学院图像处理与分析核心(iPAC)的支持。P.T. While gratefully acknowledges support from the Research Council of Norway under FRIPRO Researcher Project 302624.

支持信息

补充信息1 调查第1部分。

补充信息2 调查第2部分。

补充信息3 研讨会投票。

补充信息4 建议。

补充信息5 估算f和S0。

补充信息6 报告清单。

补充信息7 重测研究。

引用

  1. Sigmund EE, Rauh SS, Iima M, et al. Towards Clinical Translation of Intravoxel Incoherent Motion MRI: Acquisition and Analysis Consensus Recommendations. J Magn Reson Imaging. 2026. PMID: 41853873. doi:10.1002/jmri.70278
  2. 全文:PMC13175230(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13175230/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。