扩散峰度成像在胶质瘤分级和预测细胞增殖中的诊断效能

王玉亮，赵 静，李欣蓓，严 序，江 利， 杨智云，罗柏宁，初建平*

(1.中山大学附属第一医院放射科,广东 广州 510080; 2.西门子医疗东北亚科研合作部,上海 100102)

扩散峰度成像在胶质瘤分级和预测细胞增殖中的诊断效能

王玉亮1，赵 静1，李欣蓓1，严 序2，江 利1， 杨智云1，罗柏宁1，初建平1*

(1.中山大学附属第一医院放射科,广东 广州 510080; 2.西门子医疗东北亚科研合作部,上海 100102)

目的 探讨MR扩散峰度成像(DKI)在胶质瘤分级的价值，及其与Ki-67标记指数的相关性。方法 收集经手术病理证实的脑胶质瘤患者32例，根据病理结果分为高级别胶质瘤组(HGG组，n=18)和低级别胶质瘤组(LGG组，n=14)，术前行常规MR、DWI及DKI扫描，测定肿瘤实质区的平均扩散峰度(MK)、轴向扩散峰度(Ka)、径向扩散峰度(Kr)、平均扩散系数(MD)、部分各向异性(FA)和ADC值，比较高低级别胶质瘤各参数值的差异和诊断效能、肿瘤区各参数与Ki-67标记指数的相关性。结果 高低级别胶质瘤各参数值差异均有统计学意义(P均<0.01)。HGG组的MK、Ka、Kr、FA值高于LGG组，而MD、ADC值低于LGG组。MK在鉴别高低级别胶质瘤的ROC曲线下面积最大(0.82，P<0.01)，特异度最高(90.40%)；ADC值敏感度最高(80.20%)。MK、Ka、Kr、MD和ADC值与Ki-67标记指数均有相关性，MK值与Ki-67标记指数相关性最大(rs=0.61，P<0.01)。结论 DKI参数对鉴别高低级别胶质瘤有一定的价值，其诊断效能总体高于传统扩散参数。DKI参数值对预测肿瘤细胞增殖有潜在价值。

胶质瘤；磁共振成像；扩散峰度成像

脑胶质瘤是成年人最常见的原发性脑肿瘤，2016年WHO关于脑胶质瘤的分级标准[1]依旧以组织学分类为基础，并新增了基因学分型，根据肿瘤细胞增殖的快慢、细胞核异型性、细胞密度、新生血管、坏死程度等进行分级，其级别的确定取决于整个肿瘤组织中恶性程度最高的区域。通过影像学手段对胶质瘤恶性程度进行治疗前全面评估对临床治疗方案的选择及预后评估至关重要[2]。扩散峰度成像(diffusion kurtosis imaging， DKI)是一种新的MR成像技术，是基于DTI技术的延伸，对水分子扩散的不均一性更加敏感[3]。本研究旨在比较DKI参数和ADC值在脑胶质瘤分级中的诊断价值并探讨与Ki-67标记指数的相关性。

1 资料与方法

1.1一般资料 收集2014年5月—2016年1月在我院诊断为脑胶质瘤患者32例，其中男19例，女13例，年龄25～75岁，中位年龄47.5岁，所有患者均于MR检查后3周内手术切除肿瘤，经组织病理学证实为脑胶质瘤，所有患者在MR检查之前未经任何治疗。排除标准：①MR检查时不能配合，致图像质量差不能进行图像分析者；②脑肿瘤最长径<20 mm；③胶质瘤复发者。

1.2仪器与方法 采用Siemens Magnetom Trio 3.0T MR扫描仪，12通道头线圈。扫描序列包括常规头颅平扫(轴位T1WI、轴位T2WI、冠状位液体衰减反转恢复序列)、增强扫描(三维T1WI)、DKI和DWI。DKI扫描参数：SE-EPI序列，TR 5 500 ms，TE 83.6 ms，FOV 220 mm×220 mm，矩阵110×110，层厚4 mm，层间距0，b值为0、1000、2000 s/mm2，30个不同方向扩散敏感梯度场。DWI扫描参数：TR 7 000 ms，TE 76.8 ms，层厚 6 mm，层间距1.2 mm，余参数同DKI。

1.3图像分析 对DKI和DWI原始图采用DKE软件(Version 2.5.1)计算相关参数，采用SPM8-fMRI软件将解剖图和参数图进行配准。由2名有经验的放射科医师采用盲法分析图像，意见有分歧时协商后达成一致，采用ImageJ(Version 1.46r)图像处理软件，获得各参数的伪彩图，以增强T1WI及T2WI图像为参考，在肿瘤实质区及对侧正常脑白质(normal appearing white matter， NAWM)区分别选取5～10个不规则形ROI，大小100～150 mm2，分别测定DKI参数平均扩散峰度(mean kurtosis， MK)、轴向峰度(axial kurtosis， Ka)和径向峰度(radial kurtosis， Kr)、平均扩散系数(mean diffusion， MD)、部分各向异性分数(fractional anisotropy， FA)值和DWI参数ADC值，并取均值。

1.4病理分级和免疫组织化学分析 由1名有经验的病理科医师对术后胶质瘤标本进行HE染色及免疫组化染色。根据2016年WHO中枢神经系统肿瘤分类标准，将胶质瘤分为I～IV级，I、II级为低级别胶质瘤(low-grade glioma， LGG；LGG组)，III、IV级为高级别胶质瘤(high-grade glioma， HGG；HGG组)[1]。在200倍视野显微镜下，对Ki-67染色最密集的区域计数阳性表达瘤细胞个数，重复3次后取均值，获得Ki-67的标记指数。

1.5统计学分析 采用SPSS 20.0统计分析软件，对数据进行正态分布检验，均不符合正态分布，以中位数和上、下四分位数表示。HGG组和LGG组MK、Ka、Kr、FA、MD、ADC值及Ki-67标记指数的比较均采用Mann-WhitneyU检验。以病理分级为“金标准”，采用ROC曲线分析比较各参数诊断高、低级别胶质瘤的诊断效能及最佳诊断界值。采用Spearman秩相关分析各参数值与Ki-67标记指数的相关性。P<0.05为差异有统计学意义。

2 结果

32例患者中，HGG组18例(胶质母细胞瘤WHO Ⅳ级13例，间变型星形细胞瘤WHO Ⅲ级2例，间变型少突胶质细胞瘤WHO Ⅲ级3例)，LGG组14例(星形细胞瘤WHO Ⅱ级7例，少突胶质细胞瘤WHO Ⅱ级6例，混合性少突-星形细胞瘤WHO Ⅱ级1例)，低级别和高级别胶质瘤的参数图及免疫组化Ki-67标记图见图1、2。

图1 患者男，26岁，左侧额叶混合性少突⁃星形细胞瘤WHOⅡ级 T1WI增强扫描(A)肿瘤实质区无明显强化，MK图(B)呈低信号，MD图(C)呈高信号，FA图(D)呈低信号，免疫组化染色Ki⁃67阳性细胞稀疏(E，×400)图2 患者男，61岁，左侧额叶胶质母细胞瘤WHOⅣ级 T1WI增强扫描(A)肿瘤实质区呈环形明显强化，MK图(B)呈不均匀高信号，MD图(C)和FA图(D)呈低信号，免疫组化染色Ki⁃67阳性细胞密集(E，×400)

2.1DKI和DWI参数 HGG和LGG组各参数差异均有统计学意义(P均<0.01)，HGG组的MK、Ka、Kr、FA值高于LGG组，MD、ADC值低于LGG组，见表1。胶质瘤实质部分与对侧NAWM各参数差异均有统计学意义(P均<0.01)，胶质瘤的MK、Ka、Kr和FA值低于对侧NAWM，而MD和ADC值高于对侧NAWM，见表2。NAWM的Kr值高于Ka值(Z=12.08，P<0.01)，胶质瘤的Kr、Ka间差异无统计学意义(Z=-1.55，P=0.12)。

2.2各参数诊断效能 Ka、MK、Kr、FA、MD、ADC值诊断高、低级别胶质瘤的ROC曲线下面积(area under curve， AUC)、最佳界值、敏感度、特异度见表3、图3。其中MK在鉴别高、低级别胶质瘤的ROC曲线下面积最大(0.82，P<0.01)，特异度最高(90.4%)；而ADC值敏感度最高(80.2%)。

2.3相关性分析 HGG组的Ki-67标记指数[30.00(20.00，53.50)]%高于LGG组[3.00(2.50，5.00)]%，差异有统计学意义(Z=-4.49，P<0.001)。MK、Ka、Kr与Ki-67标记指数呈正相关性(MK：rs=0.61，P<0.01；Ka：rs=0.60，P<0.01；Kr：rs=0.55，P<0.01)，MD、ADC与Ki-67标记指数呈负相关(MD：rs=-0.42，P=0.03；ADC：rs=-0.364，P=0.04)，FA值与Ki-67标记指数间无明显相关性(rs=0.17，P=0.39)，见图4。

3 讨论

WHO中枢神经系统肿瘤分类将胶质瘤分为I～IV级[1]，对其准确分级有利于临床治疗方案的选择和预后评估。DKI是一种非高斯扩散成像技术，可描绘非高斯分布水分子扩散运动偏离高斯分布的程度，可用来量化水分子扩散受限程度和扩散的不均质性，反映生物组织微结构的复杂性。DKI数据采集至少需要15个不同方向的扩散敏感梯度场和2个非零b值，可同时获得DKI和DTI的参数，包括MK、Ka、Kr、MD和FA。MK是所有扩散方向上的平均峰度值，Ka是平行于最大本征矢量值方向的峰度值，Kr是垂直于最大本征矢量值方向的峰度值。生物组织微结构越复杂，DKI参数值越大[3]。近几年，DKI已被初步应用于神经系统疾病的研究，如脑梗死[4]、脑胶质瘤[5-6]、脑外伤[7]、神经系统退行性疾病[8]、脱髓鞘疾病[9]等。多项研究[6，10-11]表明，DKI比传统的DWI和DTI更能反映组织微结构的改变。

表1 各组胶质瘤实质区参数指标比较[中位数(上、下四分位数)]

表2 胶质瘤实质区与对侧NAWM参数指标比较[中位数(上、下四分位数)，n=32]

表3 各参数鉴别高级别与低级别胶质瘤的诊断效能

图3 MK、Ka、Kr、FA值(A)和MD、ADC值(B)诊断高、低级别胶质瘤的ROC曲线

本研究对比DKI和DWI各参数在高、低级别胶质瘤之间差异和诊断效能，发现HGG组的MK、Ka和Kr值明显高于LGG组(P均<0.01)，提示HGG组织微结构复杂程度更高。HGG增殖活跃，细胞密度高，细胞核异型性明显，核浆比大，细胞间隙狭窄，且新生肿瘤血管丰富，坏死、囊变、出血常见，这些微结构改变导致水分子扩散运动受限更明显，偏离高斯分布的程度更高[12-13]。本研究还发现胶质瘤的MK、Ka和Kr值小于NAWM(P均<0.01)，可能是由于NAWM的组织结构更加复杂，髓鞘、神经元轴突、细胞器和细胞内外间质等阻碍使水分子扩散运动更偏离高斯分布。胶质瘤的Ka、Kr值差异无统计学意义(Z=-1.55，P=0.12)，而NAWM的Kr值高于Ka值 (Z=12.08，P<0.01)，提示肿瘤内部结构杂乱，水分子扩散运动倾向于圆形球体，无明显的方向性，而NAWM由于髓鞘和轴突的存在使水分子扩散运动在轴向的受限程度明显高于径向。与Van Cauter等[11]的研究结果基本一致。FA在胶质瘤分级的应用价值存在一定争议，本研究发现HGG组的FA值高于LGG组，与Van Cauter等[11]研究结果一致，而有些研究[7,10]发现FA在高、低级别胶质瘤中差异无统计学意义，提示FA用于胶质瘤分级的价值有限。

图4 MK(A)、FA(B)、ADC值(C)与Ki-67标记指数的相关性

本研究中，HGG组的MD值和ADC值均低于LGG组(P均<0.01)。DKI参数(MK、Ka)在鉴别高、低级别胶质瘤的AUC比传统扩散参数(FA、MD和ADC)大；而DKI参数特异度均高于传统扩散参数，MK值的AUC(0.82，P<0.01)最大及特异度最高(90.4%，P<0.01)，提示MK是理想的诊断高、低级别胶质影像学指标，而FA值的AUC(0.65，P<0.01)最小，诊断效能最低，与Raab等[10-11]的研究结果一致。分析原因为脑组织的结构复杂，受细胞间隙，细胞膜、细胞器等阻碍，水分子运动受限，导致其扩散偏离了高斯分布，因此用DWI和DTI描述水分子的扩散行为不够准确。而DKI反映水分子偏离高斯分布的程度，更接近反映生物组织水分子扩散运动的真实情况，也更能反映组织微环境的复杂性和不均质性[14]。

另外，本研究探讨各参数与肿瘤细胞增殖的相关性，发现除FA值，其他参数与Ki-67标记指数均有相关性，DKI的参数与Ki-67标记指数的相关性高于传统扩散参数，与Jiang等[15-16]的研究结果一致。Ki-67抗原是一种细胞增殖核抗原，其标记指数能反映肿瘤细胞增殖活跃程度，与肿瘤的分化程度、浸润、转移密切相关，是临床与病理评价脑胶质瘤生物学行为及预测预后的重要参考指标[2]。Ki-67标记指数越高往往提示肿瘤恶性程度越高，肿瘤细胞增殖及有丝分裂越活跃，细胞密度越高，同时新生肿瘤血管越丰富，肿瘤增长迅速往往更容易导致肿瘤内部的囊变、坏死、出血等，继而增加胶质瘤的不均质性和微结构的复杂性，因此DKI可能对预测胶质瘤细胞增殖具有潜在的价值[3,10-11]。

本研究勾画ROI时以常规T2WI和增强扫描T1WI图作为参考，并且结合ImageJ软件中的自动阈值选择工具和魔法工具，降低了因DWI和DKI参数图分辨率低导致的ROI选取误差，同时在肿瘤实质区选取5～10个ROI，提高了ROI选取的准确性和统计数据的可靠性。本研究的不足在于样本量较少，可能存在抽样误差，需要扩大样本量进一步进行相关研究。

总之，DKI对诊断高、低级别胶质瘤有较高的诊断效能，并可预测胶质瘤细胞增殖活跃程度。对比传统扩散成像技术DTI和DWI，DKI可更准确地反映随着胶质瘤级别的增高其微环境复杂程度的改变和细胞增殖指数的增高，对胶质瘤的诊断价值更高。

[1] Louis DN, Perry A, Reifenberger G, et al. The 2016 World Health Organization Classification of Tumors of the central nervous system: A summary. Acta Neuropathologica, 2016,131(6):803-820.

[2] 中国中枢神经系统胶质瘤诊断和治疗指南编写组.中国中枢神经系统胶质瘤诊断和治疗指南(2015).中华医学杂志,2015,96(7):485-509.

[3] Steven AJ, Zhuo J, Melhem ER. Diffusion kurtosis imaging: An emerging technique for evaluating the microstructural environment of the brain. AJR Am J Roentgenol, 2014,202(1):W26-W33.

[4] 张顺，姚义好，张水霞，等.脑梗死不同时期的MR扩散峰度成像表现.中华放射学杂志,2014，48(6):443-447.

[5] Bai Y, Lin Y, Tian J, et al. Grading of gliomas by using monoexponential, biexponential, and stretched exponential diffusion-weighted MR imaging and diffusion kurtosis MR imaging. Radiology, 2016,278(2):496-504.

[6] Tietze A, Hansen MB, Østergaard L, et al. Mean diffusional kurtosis in patients with glioma: Initial results with a fast imaging method in a clinical setting. AJNR Am J Neuroradiol, 2015,36(8):1472-1478.

[7] Grossman EJ, Ge Y, Jensen JH, et al. Thalamus and cognitive impairment in mild traumatic brain injury: A diffusional kurtosis imaging study. J Neurotrauma, 2012,29(13):2318-2327.

[8] 胡瑞，谭凡，陈学强，等.扩散峰度成像评价阿尔茨海默病患者脑白质微观结构的改变.中国医学影像技术,2016,32(1):35-39.

[9] Yoshida M, Hori M, Yokoyama K, et al. Diffusional kurtosis imaging of normal-appearing white matter in multiple sclerosis: Preliminary clinical experience. Jpn J Radiol, 2013,31(1):50-55.

[10] Raab P, Hattingen E, Franz K, et al. Cerebral gliomas: Diffusional kurtosis imaging analysis of microstructural differences. Radiology, 2010,254(3):876-881.

[11] Van Cauter S, Veraart J, Sijbers J, et al. Gliomas: Diffusion kurtosis MR imaging in grading. Radiology, 2012,263(2):492-501.

[12] Kleihues P, Soylemezoglu F, Schäuble B, et al. Histopathology, classification, and grading of gliomas. Glia, 1995,15(3):211-221.

[13] Cha S. Update on brain tumor imaging: From anatomy to physiology. AJNR Am J Neuroradiol, 2006,27(3):475-487.

[14] Hui ES, Cheung MM, Qi L, et al. Towards better MR characterization of neural tissues using directional diffusion kurtosis analysis. Neuroimage, 2008,42(1):122-134.

[15] Jiang R, Jiang J, Zhao L, et al. Diffusion kurtosis imaging can efficiently assess the glioma grade and cellular proliferation. Oncotarget, 2015,6(39):42380-42393.

[16] 李道伟,王晓明.扩散峰度成像在脊髓损伤性病变中的研究进展.中国医学影像技术,2015,31(9):1422-1425.

Efficacy of diffusion kurtosis imaging in grading gliomas and predicting cell proliferation

WANGYuliang1,ZHAOJing1,LIXinbei1,YANXu2,JIANGLi1,YANGZhiyun1,LUOBoning1,CHUJianping1*

(1.DepartmentofRadiology,theFirstAffiliatedHospital,SunYat-senUniversity,Guangzhou510080,China; 2.MRCollaborationNorthEastAsia,SiemensHealthcare,Shanghai100102,China)

Objective To quantitatively evaluate the diagnostic efficacy of diffusion kurtosis imaging (DKI) in grading gliomas and to assess the correlation between diffusion parameters and cell proliferation biomarker (Ki-67). Methods Thirty-two patients with pathologically proved glioma (18 high-grade glioma [HGG group], 14 low-grade glioma [LGG group]) were included. All patients underwent routine MR, DWI and DKI scan. The values of mean kurtosis (MK), axial kurtosis (Ka), radial kurtosis (Kr), mean diffusivity (MD), fractional anisotropy (FA), apparent diffusion coefficient (ADC) were calculated. The difference of each parameter between LGG and HGG group were compared. The diagnostic efficiency of each parameter were evaluated using ROC analysis, and their correlation with Ki-67 was performed. Results All diffusion parameters had significantly differentiate between HGG and LGG group (P<0.01). MK, Ka, Kr, FA were significantly higher, whereas MD and ADC was significantly lower in HGG group than those in LGG group. Area under the ROC (AUC) was highest for MK (0.82，P<0.01). The highest specificity diffusion parameter was MK (90.40%), whereas the highest sensitivity diffusion parameter was ADC (80.20%). MK, Ka, Kr, MD and ADC values were positively correlated with Ki-67 values; the correlation coefficient was highest for MK (rs=0.61,P<0.01). Conclusion DKI parameters have a certain value in differentiating high and low grade gliomas, and their diagnostic efficiency is higher than traditional diffusion parameters. DKI parameter values have potential value in predicting tumor cell proliferation.

Glioma; Magnetic resonance imaging; Diffusion kurtosis imaging

国家自然科学基金青年科学基金项目(81201074)、中央高校基本科研业务费(中山大学青年教师培育计划，13ykpy14)。

王玉亮(1988—)，女，广东湛江人，在读硕士。研究方向：神经影像学。E-mail： wyliang1222_sysu@163.com

初建平，中山大学附属第一医院放射科，510080。E-mail： truechu@hotmail.com

2016-08-16

2016-12-01

中枢神经影像学

10.13929/j.1003-3289.201608068

R739.41; R445.2

A

1003-3289(2017)02-0177-06