文献速递神经MR

广义扩散峰度成像方法用于脑胶质瘤分级的可行性

Feasibility of generalised diffusion kurtosis imaging approach for brain glioma grading.
PubMed 文献 · Neuroradiology · 2021-01-07

本研究纳入50例经组织学确诊的胶质瘤患者,比较常规扩散峰度成像(DKI)与广义DKI(gDKI)在低级别(II级)与高级别(III和IV级)胶质瘤鉴别中的诊断效能。结果显示gDKI在低-高级别胶质瘤鉴别中的敏感度和特异度与常规DKI基本相似,且对肿瘤异质性和肿瘤与健康组织对比更敏感,可能作为肿瘤分化的补充信息来源。

要点

  • gDKI在低-高级别胶质瘤鉴别中的敏感度和特异度与常规DKI基本相似,差异可忽略。
  • gDKI对肿瘤异质性和肿瘤与健康组织间对比更敏感,可能作为补充信息来源。
  • 常规与广义DKI的峰度指标在肿瘤、水肿和看似正常白质中均存在显著差异。

关键影像表现/征象

  • 常规与广义DKI的MD图视觉质量非常相似,而DKI图(如MK)的组织对比在广义方法中更高。
  • 常规与广义DKI估计之间的线性相关性在高级别胶质瘤中高于低级别胶质瘤,该效应见于所有DTI指标。
  • MK和RK指标在低级别胶质瘤中呈现两个线性相关的体素亚组,随胶质瘤恶性度增加而融合。
  • 广义DKI的MK、AK和RK指标RMSE率高于常规方法,提示其对肿瘤异质性更敏感;KA的RMSE率在常规方法中更高。
  • DTI指标的RMSE点在两种方法间接近单位线,无显著差异。

诊断标准与关键数值

  • 低级别(II级)与高级别(III和IV级)胶质瘤鉴别:肿瘤区除KA和FA外,常规与广义DKI指标均显示显著差异(p<0.05)。
  • FA指标:广义方法未显示低级别与高级别胶质瘤间显著差异。
  • 水肿区:低级别与高级别胶质瘤间扩散指标均无显著差异。
  • 看似正常白质:广义DKI的RD指标在低级别与高级别间存在差异。
  • 常规与广义DKI指标比较:所有DKI指标及感兴趣区在两种方法间均有显著差异(p<0.05);DTI指标仅在看似正常白质的FA、MD和RD中显示显著差异。

临床应用与阅片要点

  • gDKI可提供与常规DKI相当的胶质瘤分级诊断效能,并可补充肿瘤异质性信息。
  • gDKI的MK、AK、RK指标对肿瘤异质性更敏感,尤其对低级别胶质瘤。
  • 肿瘤区除KA和FA外,常规与广义DKI指标均可用于低-高级别胶质瘤鉴别。
  • 水肿区扩散指标在低级别与高级别胶质瘤间无显著差异,可能反映瘤周组织构架比自由水扩散更复杂。
  • 作者认为gDKI可能作为肿瘤分化的补充信息来源。

局限性

  • 原文未报告局限性。
全文中译7 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:Neuroradiology. 2021 Jan 7;63(8):1241–51. doi: 10.1007/s00234-020-02613-7

引言

原发性脑胶质瘤是一种高度常见的轴内脑肿瘤,约占诊断肿瘤病例的四分之一[1]。脑肿瘤的分类依据世界卫生组织(WHO)引入的分级进行[2],该分级将组织病理学和分子特征整合为综合性的肿瘤表征。因此,胶质瘤分级从I级到IV级排列,与肿瘤的侵袭性和恶性程度相关。肿瘤的诊断及其分级均可通过对通过活检或手术等侵入性操作获取的肿瘤组织进行组织病理学分析来可靠确认。然而,对肿瘤恶性程度的无创评估对于临床治疗、手术规划和生存率估计是必要的。特别是,这适用于低级别肿瘤病例,此类评估有助于提高治疗效果,从而改善患者的生活质量。磁共振成像(MRI)为临床目的提供了广泛的组织可视化方法,使人们能够以一定程度特异性检测和定位脑部异常。然而,传统MRI技术如结构T1/T2加权成像(伴或不伴对比剂)或磁共振波谱在脑胶质瘤鉴别方面表现出有限的敏感性和特异性[3, 4]。

扩散加权成像(DWI)已展示其作为无创脑成像技术的优越性,并已应用于大量临床场景[5–7]。扩散张量成像(DTI)[8]是最常用的DWI方法,也已被许多研究组用于肿瘤评估[9–11]。而扩散峰度成像(DKI)[12]是传统DTI技术的强大扩展,通过估计扩散信号展开的高阶累积量来评估脑组织中非高斯扩散的程度[13]。水分子扩散偏离自由扩散行为或高斯分布是由脑组织的复杂结构引起的,其中细胞和神经突屏障改变了水扩散的概率分布。这一现象对于脑肿瘤检测和评估尤为重要,因为高癌细胞增殖率、肿瘤组织血管化增加、水肿存在以及坏死导致组织复杂性增加。DKI广泛用于脑成像[14–16],特别是用于肿瘤鉴别[17–21]。尽管DKI在胶质瘤分级方面展示了相当有前景的结果,但峰度标量指标如平均峰度在低级别(即胶质瘤I级和II级)和高级别(胶质瘤III级和IV级)胶质瘤中仍缺乏准确可靠的胶质瘤分级能力[18, 22, 23]。

在本研究中,我们采用广义峰度方法(GK)[24]用于胶质瘤鉴别,以评估并补充信息,从而提高胶质瘤分级的准确性。已证明扩散信号累积量展开的三阶项在区分低级别和高级别胶质瘤方面具有优势,并结合传统峰度(CK)方法的应用。为了强调DKI成像在胶质瘤分级中的优势,我们同时应用了源自CK和GK方法的DKI和DTI指标。因此,本研究的目的是探讨广义DKI指标在胶质瘤分级评估中的价值。

材料与方法

患者

招募了50名初诊为胶质瘤的成年患者(平均年龄44 ± 13岁;最小年龄24岁;最大年龄70岁;男/女比例30/20),在本机构接受检查,并在活检、手术、放疗或化疗治疗前进行MRI检查。每名受试者在MRI检查后通过组织学和免疫组织化学检查确认胶质瘤诊断和WHO分级[25]。作为组织学胶质瘤分级评估的补充,使用商业单克隆抗体从病理中提取免疫组织化学标志物Ki-67。进行Ki-67免疫组织化学染色,并由对临床和MRI信息不知情的病理学家进行回顾性分析。Ki-67率通过1000个恶性细胞中免疫反应性细胞的百分位数估算。估算在实体肿瘤内阳性核数量最高的区域进行。

该研究包括19名胶质瘤II级患者、8名胶质瘤III级患者和23名胶质瘤IV级患者。胶质瘤II级患者组包括6名少突星形细胞瘤受试者、1名少突胶质细胞瘤受试者、1名肥胖型星形细胞瘤受试者和11名弥漫性星形细胞瘤受试者。胶质瘤III级患者组包括7名间变性星形细胞瘤受试者和1名间变性少突星形细胞瘤受试者。胶质瘤IV级患者组包括22名胶质母细胞瘤受试者和1名胶质肉瘤受试者。

成像

所有患者均使用3T GE扫描仪(Signa HDxt)和8通道相控阵头线圈进行MRI检查。成像方案包括增强前T2加权FLAIR和扩散加权序列,随后使用钆基对比剂进行增强后T1加权成像。解剖成像序列的具体参数如下:T1加权:FOV = 240 mm2,TE/TR = 3500/8800 ms,分辨率1 × 1 × 1 mm3;T2加权FLAIR:FOV = 240 mm2,TE/TR = 120/9500 ms,分辨率1 × 1 × 5 mm3;扩散加权成像:FOV = 240 mm2,TE/TR = 102.8/10000 ms,分辨率3 × 3 × 3 mm3,b值 = 0、1000和2500 s/mm2,每个b壳层60个编码扩散方向;方向非共面均匀分布在单位球面上。扩散成像使用单次激发回波平面成像序列获得。

图像分析

在估计标量扩散指标之前,原始扩散数据按照优化流程[26]进行了图像畸变校正,即针对噪声[27]和吉布斯振铃畸变[28],使用FSL中的eddy工具[29–31]校正了包括整体头部运动伪影在内的涡流畸变。常规DKI指标如平均、轴向、径向峰度及峰度各向异性(分别为MK、AK、RK和KA)采用迭代加权最小二乘法估计[32],并结合补充性DTI指标即各向异性分数(FA)、平均扩散率(MD)、轴向扩散率(AD)和径向扩散率(RD)提供。常规DKI指标由二阶累积量展开以下列形式获得[12]:其中b为扩散加权,D为扩散系数,S0为无扩散加权时的信号,K为扩散峰度。右侧表达式定义为F1。广义DKI参数使用自编MATLAB脚本(The MathWorks, Natick, MA, USA)估计,包含三阶项[24]:其中α为调节变量。当α = 1时,最后一式即为常规DKI表达式F1。在本工作中,我们使用优化α值为2/7[24]。随后,常规和广义峰度两种情况下的估计扩散标量图均使用三次样条插值算法和仿射变换对齐并插值到每位患者的T1加权解剖图像。两名独立放射科医师使用3种MRI对比图像:T1加权、T2加权FLAIR和由CK方法估计的MD图,为每位受试者手动勾画三个感兴趣区:肿瘤、水肿和表现正常白质(NAWM)。低级别和高级别胶质瘤具有上述3个感兴趣区的图像示例分别展示于图1和图2中。

图1 低级别胶质瘤示例及标记的感兴趣区:红色为肿瘤,绿色为水肿,蓝色为NAWM。所有图像均已对齐并插值到T1加权图像。a 带掩模的平均扩散率图;b 含对比剂的T1加权图像;c 含对比剂的T2加权FLAIR图像;d 不含对比剂的T2加权FLAIR图像;e 由常规峰度方法获得的平均扩散率图;f 由广义峰度方法获得的平均扩散率图;g 由常规峰度方法获得的平均峰度图;h 由广义峰度方法获得的平均峰度图 查看原图 ↗
图2 高级别胶质瘤示例及标记的感兴趣区:红色为肿瘤,绿色为水肿,蓝色为NAWM。所有图像均已对齐并插值到T1加权图像。a 带掩模的平均扩散率图;b 含对比剂的T1加权图像;c 含对比剂的T2加权FLAIR图像;d 不含对比剂的T2加权FLAIR图像;e 由常规峰度方法获得的平均扩散率图;f 由广义峰度方法获得的平均扩散率图;g 由常规峰度方法获得的平均峰度图;h 由广义峰度方法获得的平均峰度图 查看原图 ↗

统计分析

统计分析使用 R Project(http://r-project.org)和自编 MATLAB 脚本进行。患者图中的部分体素包含由 DTI 和 DKI 张量导出的损坏的扩散指标。为防止分析中的任何统计偏倚,我们使用不等式将此类体素排除在考量之外:对于 CK 和 GK 两种方法,均为 MK < 0 和 MK > 3。所有扩散指标的均值和标准差均从肿瘤、水肿和 NAWM 区域计算得出。这些数值用于低级别和高级别胶质瘤的鉴别,并采用 Mann-Whitney-Wilcox U 检验进行评估,统计学显著性报告在 0.05 水平。效应量采用 Cohen’s d 计算,以估计条件/组间差异的幅度。常规 DKI 指标与广义 DKI 指标之间的相关性使用线性回归模型估计:y = k0 + k1•x 以及 R Project 中的 stat 包。受试者工作特征(ROC)分析使用 pROC 包进行,以计算曲线下面积(AUC),用于评估扩散模型在肿瘤鉴别方面的性能。平方皮尔逊相关系数使用 R Project 中的 stat 包估计。为了使用由 CK 和 GK 方法导出的扩散指标估计实性肿瘤异质性的速率,我们使用了均方根估计器(RMSE)。RMSE 速率表示扩散指标相对于肿瘤区域平均的肿瘤均值的均方根偏差,即 RMSE 速率越高,表明指标离散度或异质性越高。

结果

图 1 和图 2 是三个区域(即肿瘤、水肿和 NAWM)手动掩膜的可视化示例,同时附有低级别和高级别胶质瘤患者分别由 CK 和 GK 方法估计的 MD 和 MK 图示例。所有图均以 T1 加权空间呈现,并对扩散图进行了空间插值。简而言之,我们可以看到 CK 和 GK 方法之间的 MD 图视觉质量非常相似。反过来,正如 [24] 中已经显示的,DKI 图(例如 MK)的组织对比度在 GK 方法中更高。图 1 和图 2 中的方形离群体素均为扩散信号噪声导致的拟合问题所致。这些体素已被排除在分析之外。

图 3 和图 4 展示了通过 CK 和 GK 信号展开获得的扩散指标的相关性。图 3 仅显示 DTI 指标,即 FA、MD、AD 和 RD,并附有相应的 R 平方值,在线性相关的情况下,这些值与平方皮尔逊相关系数一致(见表 1)。在图 4 中,我们仅展示 DKI 指标,即 KA、MK、AK 和 RK,并附有相应的 R 平方值(见表 1)。散点图仅分别针对低级别和高级别胶质瘤的肿瘤掩膜逐体素估计。简而言之,与低级别胶质瘤相比,高级别胶质瘤中 CK 和 GK 估计之间的线性相关性更高。这一效应存在于所有 DTI 指标中。对于 DKI 指标,这一效应仅适用于 KA 和 AK 指标。有趣的是,MK 和 RK 指标具有两个线性依赖的体素亚组(例如见图 4:LGG),随着胶质瘤恶性程度增加,这两个亚组合并(见图 4:HGG)。

在图5中,我们展示了从CK和GK方法估计的掩膜平均扩散指标的箱线图。平均值是针对每位患者的每个ROI(如肿瘤、水肿和NAWM)进行的。箱线图按ROI和胶质瘤分级配对组织。对于每一对低级别和高级别胶质瘤,我们进行了Mann-Whitney-Wilcox U检验,以检查所有区域(包括肿瘤、水肿和NAWM)中胶质瘤分级之间是否存在显著差异(p < 0.05)。水肿的低级别和高级别胶质瘤扩散指标之间无显著差异,NAWM的RD的GK指标之间存在差异。然而,对于肿瘤区域,除KA和FA外,CK和GK指标均显示低级别和高级别胶质瘤之间存在显著差异(在图5中用星号标记)。在FA指标的情况下,GK方法未显示胶质瘤分级之间的显著差异。CK和GK方法检测到的扩散指标差异的效应量总结在表2中。对于DTI指标,两种峰度方法的效应量均较大,而对于DKI指标,除GK衍生的RK指标外,区分具有非常大的效应量。我们还对CK和GK指标进行了配对比较,以青色背景色标记CK-GK指标之间的显著差异(p < 0.05)。有趣的是,对于所有DKI指标和ROI,CK和GK指标之间存在显著差异。然而,对于DTI指标,仅在NAWM区域的FA、MD和RD指标中检测到显著差异。

从敏感性和特异性方面对CK和GK方法进行比较至关重要。这些结果呈现在图6中。两种方法在低级别和高级别胶质瘤区分中均表现出高敏感性和特异性,CK和GK方法之间的差异可忽略不计。估计的敏感性、特异性、截断值和曲线下面积(AUC)总结在表3中。

在图7和图8中,我们分别展示了CK和GK方法估计的DTI和DKI的Ki-67与扩散指标之间的相关性。相关性分别对所有受试者以及低级别和高级别受试者组单独估计。扩散指标与Ki-67的Spearman相关系数总结在表4中。在图7和图8中,我们绘制了低级别和高级别胶质瘤的线性回归,并使用cocor函数[33]对每种方法进行了定量比较。仅在CK和GK方法的FA线性系数中发现LGG和HGG相关性之间存在显著差异(p < 0.05)。

图9显示了实体肿瘤中扩散指标的变异性。肿瘤异质性通过每种DKI方法获得的RMSE率估计。为了可视化肿瘤异质性,我们使用了每个指标的散点图。有趣的是,两种方法的DTI指标衍生的异质性没有显著差异,即RMSE点接近单位线(见图9)。反过来,GK方法的AK、RK和MK的RMSE率较高,而CK方法的KA的RMSE率较高。值得注意的是,GK方法获得的异质性估计显示低级别和高级别胶质瘤的RMSE率均较高。

图3 传统方法与广义峰度方法之间扩散张量指标的体素级相关性。标量指标属于所有患者的低级别和高级别胶质瘤肿瘤掩膜。图的各列分别为轴向、径向和平均扩散率以及各向异性分数 查看原图 ↗
图4 传统方法与广义峰度方法之间扩散峰度指标的体素级相关性。标量指标属于所有患者的低级别和高级别胶质瘤肿瘤掩膜。图的各列分别为轴向、径向和平均峰度以及峰度各向异性 查看原图 ↗
表1 由CK和GK方法获得的扩散指标之间线性相关的结果(见图3和图4) 查看原表 ↗
图5 不同区域平均扩散张量和峰度指标的箱线图:肿瘤、水肿和表现正常的白质。星号标记的括号表示低级别和高级别胶质瘤之间扩散指标的显著差异(p < 0.05)。绿色背景色强调传统方法和广义方法之间扩散指标的显著差异 查看原图 ↗
表2 CK和GK衍生的扩散指标检测到的低级别和高级别胶质瘤之间显著差异的效应量(见图5) 查看原表 ↗
图6 传统(CK)和广义峰度(GK)方法用于区分低级别和高级别胶质瘤的受试者工作特征曲线(ROC)。误差条显示两种方法检测到的敏感度和特异度 查看原图 ↗
表3 CK和GK方法估计的扩散指标的区分性能 查看原表 ↗
图7 Ki-67与CK和GK方法衍生的DTI指标之间的相关图。对于每个胶质瘤级别组(低级别LGG;高级别HGG),我们绘制了线性回归线 查看原图 ↗
图8 Ki-67与CK和GK方法衍生的DKI指标之间的相关图。对于每个胶质瘤级别组(低级别LGG;高级别HGG),我们绘制了线性回归线 查看原图 ↗
表4 Ki-67与CK和GK方法估计的扩散指标之间的Spearman相关系数r 查看原表 ↗
图9 为CK和GK方法计算的均方根估计量(RMSE)的散点图。RMSE率仅针对实体肿瘤区域计算 查看原图 ↗

讨论

在本研究中,我们评估了基于传统和广义峰度展开的两种扩散成像方法。基于GK方法的标量指标在高级别胶质瘤中与CK衍生指标表现出更高的线性相关性,并且在低级别和高级别胶质瘤的区分中表现出相当的敏感度和特异度。反过来,基于GK方法的标量扩散指标与健康组织相比表现出更明亮的肿瘤和瘤周水肿对比度,使临床医生能够更好地在健康脑组织环境中可视化肿瘤的扩散。此外,由gDKI方法衍生的MK、AK和RK指标在RMSE测量估计的异质性率更高。

肿瘤分级的区分对许多成像技术(如MRI、CT或PET)而言是一项挑战。这是因为需要一种定量参数化方法,既能评估肿瘤侵袭性生长对健康脑组织的损伤程度,又能评估该过程的恶性程度。由于肿瘤表现形式的多样性——包括细胞肿胀、微血管增殖、肿瘤异质性以及坏死的存在——这一问题尤为复杂。因此,扩散MR成像提供了两个层面的肿瘤评估,即易于解读的标量图以及这些图对微米尺度组织变化的敏感性。因此,扩散峰度成像为探查脑肿瘤提供了极佳的工具,能够估计不同胶质瘤级别之间的定性和定量差异及其动态变化。

传统峰度估计与广义峰度估计之间的差异由分数乘数α和Eq. (2)中的二次峰度项所定义。有趣的是,DTI指标之间的分布离散度(见图3)相当低,且不依赖于胶质瘤级别。然而,在峰度标量图(见图4)的情况下,特别是对于MK和RK,低级别胶质瘤指标相关性中存在更强的数值分散。这种分布行为可以表明胶质瘤肿瘤早期阶段存在两种不同的组织构成类型:静息的健康脑组织和高度异质性的肿瘤。随着胶质瘤恶性程度增加,异质性肿瘤组织因侵袭性生长而成为主导,导致CK与GK指标之间的相关性更高,即二次峰度项可能驱动了这一效应。我们看到,GK衍生的MK和RK指标对低级别胶质瘤中的肿瘤异质性更为敏感。因此,CK与GK指标之间数据离散度的变化,特别是在峰度指标中,可能为我们提供关于胶质瘤级别的额外信息。值得注意的是,该信息仅可通过体素级评估获取,而典型的胶质瘤级别区分是对区域平均扩散指标进行的。

该假设得到了以下结果的支持:峰度指标中CK与GK指标之间存在显著差异,而DTI指标则不然(见图5)。对于峰度指标,在所有区域——肿瘤、水肿和NAWM——均发现CK与GK衍生值之间存在显著差异。另一方面,DTI指标仅在表现正常的脑组织中表现出显著差异,这可能是由于被选为NAWM的脑区不同以及患者强烈的年龄依赖性所致。因此,二次峰度项强烈影响峰度标量指标,而不影响DTI指标。

根据健康组织来评估与肿瘤分级相关的总体脑变化非常重要。除来自GK的FA图外(见表2和表3),所有DTI指标(FA、MD、AD和RD)均显示出作为胶质瘤分级生物标志物的潜力。MD、AD和RD值显示,在CK和GK方法中,高级别胶质瘤的扩散率较低。反过来,低级别和高级别胶质瘤的扩散指标相较于NAWM值均表现出更高的扩散率。这种效应可能与健康组织受损有关,因为细胞外间隙增大,同时肿瘤组织中伴随微血管化过程。有趣的是,低级别胶质瘤组织相较于高级别胶质瘤组织保留了更高的扩散率,可能是由于高级别胶质瘤中细胞增殖率增加,即出现更多限制水扩散的细胞屏障。

峰度标量图在低级别和高级别胶质瘤区分以及肿瘤与健康组织区域之间的对比方面表现出与DTI指标相同的趋势。值得注意的是,KA未显示低级别和高级别胶质瘤之间的显著差异。尽管如此,MK、AK和RK指标显示,低级别胶质瘤的峰度值相较于高级别胶质瘤和健康组织均较低(见图5)。

我们未发现低级别或高级别胶质瘤在水肿区域存在显著差异。同时,水肿指标表现出与高级别胶质瘤相近的峰度和DTI值范围,提示瘤周组织组织化程度比自由水扩散更为复杂。这种效应可能由周围细胞受压及健康组织静息微结构所致。然而,该假说应通过不同类型胶质瘤播散过程加以验证和检验,例如需要高分辨率扩散测量的细胞浸润水平。

我们的结果显示,在所有受试者中,增殖率Ki-67与扩散指标之间呈低相关性(见图7和图8)。在DTI指标方面,我们发现高级别胶质瘤获得的扩散指标相较于低级别胶质瘤指标表现出中等的Ki-67相关率。反过来,CK和GK方法的DKI指标均显示出与Ki-67率的高相关性,且与胶质瘤分级无关。令人鼓舞的是,我们关于Ki-67相关性的发现与先前发表的研究一致[9, 34, 35]。

作为本研究的局限性,我们应指出调整变量α的选择并非最优。拟合于肿瘤微结构的更精确模型[36]可能提高GK方法的可行性及其在胶质瘤分级中的性能。此外,先进的扩散技术,包括快速峰度[37]、各向同性扩散加权[38–40]和多维扩散成像[41, 42],可能帮助临床医生实现稳健、快速且无创的胶质瘤区分。我们计划在未来将这些方法实施并应用于研究和患者治疗。

总之,广义扩散峰度成像提供了额外的信息来源,能够在与传统DKI相同的水平上区分低级别和高级别胶质瘤。GK方法表现出更高的组织对比度,因此提供了对胶质瘤组织异质性更敏感的标量图。

引用

  1. Pogosbekian EL, Pronin IN, Zakharova NE, et al. Feasibility of generalised diffusion kurtosis imaging approach for brain glioma grading. Neuroradiology. 2021. PMID: 33410948. doi:10.1007/s00234-020-02613-7
  2. 全文:PMC8295088(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8295088/

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。