磁共振动态增强对鼻腔鼻窦肿瘤良恶性鉴别诊断价值研究

唐维， 周艺默， 任玲， 黄砚玲， 李松柏

·头颈部影像学·

磁共振动态增强对鼻腔鼻窦肿瘤良恶性鉴别诊断价值研究

唐维， 周艺默， 任玲， 黄砚玲， 李松柏

目的：探讨磁共振动态增强(DCE-MRI)时间-信号曲线(TIC)、半定量及定量参数在鼻腔鼻窦肿瘤良恶性鉴别诊断中的应用价值。方法：由手术及病理证实的32例鼻腔鼻窦肿瘤患者(33个病灶)行MR平扫及动态增强扫描及常规增强扫描。经后处理获得时间-信号曲线(TIC)、半定量参数达峰时间(Tpeak)及最大上升斜率(Mxslp)、定量参数容量转移常数(Ktrans)、反流速率常数(Kep)及血管外细胞外间隙容积分数(Ve)，比较TIC及各参数在良恶性肿瘤中的差异，并通过受试者操作特征曲线(ROC)及二分类Logistic回归分析获得各参数或联合参数的曲线下面积(AUC)、良恶性鉴别诊断阈值及其对应的诊断效能参数。结果：良性组表现为持续上升型(10/17)、平台型(6/17)和流出型(1/17)，恶性组以流出型(8/16)、平台型(7/16)为主，持续上升型仅1例(P<0.05)。良性组与恶性组半定量参数分别为Tpeak：(133.94±53.67)s、(74.81±17.40)s，Mxslp：10.88±5.25、18.58±7.42；Ktrans：(0.26±0.17)/min、(0.50±0.36)/min，Kep：(0.42±0.20)/min、(1.15±0.49)/min，Ve：0.62±0.27、0.41±0.15，各参数间差异均具有统计学意义，其中，Kep的AUC最大(0.89)，Ktrans及Kep的诊断效能较好，两者的敏感度均为78.6%，Kep的特异度为88.2%。结论：TIC类型、各半定量及定量参数有助于鼻腔鼻窦肿瘤良恶性的鉴别诊断，参数联合可有效提高诊断准确性。

磁共振成像； 鼻腔，鼻窦； 鼻肿瘤

鼻腔鼻窦肿瘤属临床常见病，常用的检查方法有CT 和MRI，CT可显示病灶周围骨质改变，MRI软组织分辨力高，并可多轴位成像，能更好地确定病变范围。由于鼻腔鼻窦肿瘤的影像表现复杂，实现定性诊断仍相当困难。磁共振动态增强(dynamic contrast enhanced-MR imaging，DCE-MRI)描述对比剂进入和排出肿瘤的血流动力学过程，对病变微循环病理特征进行影像学评价，本文旨在研究时间-信号曲线(time-signal intensity curve，TIC)、半定量及定量参数在鼻腔鼻窦肿瘤良恶性鉴别诊断中的应用价值。

材料与方法

1.研究对象

搜集中国医科大学附属第一医院2014年10月-2016年4月收治的未行放化疗的鼻腔鼻窦肿瘤患者32例(共33个病灶)，所有病例均由手术及病理证实。良性肿瘤17个，男7个，女10个，年龄19～72岁，平均(48.5±18.2)岁，包括内翻性乳头状瘤8例，神经鞘瘤2例，多形性腺瘤2例，血管瘤4例，良性骨瘤1例；恶性肿瘤16个，男7个，女9个，年龄9～70岁，平均(53.0±12.8)岁，鳞状细胞癌6例，嗅神经母细胞瘤4例，淋巴瘤3例，血管外皮细胞瘤2例，横纹肌肉瘤1例。临床表现为鼻塞、鼻塞伴鼻出血及涕中带血，可为清水涕、脓血涕及脓黄涕，头痛，面部胀痛。

2.研究方法

使用GE Signa HDxT 3.0T磁共振仪，8通道正交头颅线圈，常规SE序列平扫后行DCE序列扫描，最后行常规抑脂T1WI增强扫描。常规扫描序列：所有患者均行横轴面T1WI、T2WI及抑脂T1WI增强扫描，部分加扫矢状面T1WI、冠状面T2WI及冠状面、矢状面抑脂T1WI 增强扫描。扫描参数：T1WI(TR 1900～3300 ms，TE 3～27 ms)；T2WI(TR 2800～5900 ms，TE 80～102 ms)；增强扫描(TR 8～300 ms，TE 2～27 ms)，激励次数1，视野22 cm×22 cm，层厚3.0～4.0 mm，间隔1 mm。DCE：采用三维快速扰相梯度回波(3D-FSPGR)序列：TR 5.1～5.2 ms，TE 0.9 ms，翻转角12°，视野22 cm×22 cm，层厚4 mm，层间距0。经高压注射器以2 mL/s的流率团注Gd-DTPA，剂量0.2 mL/kg，团注结束后用20 mL生理盐水冲洗。连续扫描75个时相，单个扫描时相4.13 s，经第1～5次预扫描，于第5次扫描结束后注射对比剂，总扫描时间5分钟10秒。

后处理采用GE AW 4.4工作站。采用Functool软件生成TIC，根据廓清速率WR(WR=[(最大信号强度SImax-第75个期相信号强度SIphase75)/(最大信号强度SImax-增强前信号强度SIpre)]×100%)将TIC分为三型，持续强化型、平台型和流出型，持续强化型Tpeak>120 s，平台型Tpeak≤120 s且廓清比率(WR)<15%，廓清型Tpeak≤120 s且廓清比率(WR)≥15%[1]。然后用Cinetool软件行kinetic分析，得到半定量参数Tpeak、Mxslp及定量参数Ktrans、Kep、Ve。选择病灶显示最佳的层面，将兴趣区(ROI)置于强化最明显的区域，并避开正常或残存的鼻甲结构及囊变坏死区，ROI面积控制在20 mm2左右。绘制3个ROI连续测量3次，然后计算其平均值作为最后参数值。

3.统计学分析

结 果

1.常规MRI表现

良性组：17例良性肿瘤中，病灶起源于鼻腔9 例，上颌窦6例，筛窦2例，其中同时累及鼻腔上颌窦5例，鼻腔、上颌窦、筛窦及蝶窦1例，鼻腔、筛窦、额窦1例，筛窦及额窦1例，肿瘤最小径1.1 cm，平均(2.63±0.91) cm；最大径6.12 cm，平均(4.06±1.15) cm。肿瘤多表现为非侵袭性生长，呈团块状部分伴分叶，边界清楚，多呈等或长T1略不均匀长T2信号影，增强扫描不同程度强化，内翻性乳头状瘤于T2WI及增强扫描图像上可见“卷曲脑回状”征象，血管瘤增强扫描表现为“椒盐征”(图1)。

恶性组：16例恶性肿瘤中，病灶起源于鼻腔8例，上颌窦4例，筛窦3例，蝶窦1例，其中1例颅骨骨质破坏病灶侵入颅内，同时累及鼻腔筛窦5例，鼻腔、筛窦、额窦2例，筛窦、额窦、上颌窦及鼻腔1例，肿瘤最小径1.40 cm，平均(2.72±0.91) cm；最大径6.41 cm，平均(3.90±1.19) cm。恶性肿瘤表现为鼻腔或鼻窦内软组织肿物，多伴邻近窦壁的骨质破坏，浸润性生长，形态不规则，4例信号较为均匀，余12例肿瘤T1WI 大多呈低、等信号，T2WI呈中、高信号，信号多较混杂，增强扫描不均匀强化(图2)。

2.动态增强表现

TIC类型：根据TIC分类，良性组表现为持续上升型(10/17，58.8%)、平台型(6/17，35.3%)和流出型(1/17，5.9%)，恶性组以流出型(8/16，50%)、平台型(7/16，43.8%)为主，1例低度恶性血管外皮细胞瘤的TIC表现为持续上升型(P<0.05)。

MRI-DCE半定量及定量参数(表1，图3)：良性组Tpeak均值高于恶性组(P=0.021)，良性组Mxslp均值低于恶性组(P=0.014)，但是两组的Tpeak、Mxslp数值范围存在一定重叠。

图1 男，57岁，内翻性乳头状瘤。a) T2WI图像(上)及增强扫描图像(下)，左侧上颌窦内团块状等-稍长T2信号影(长箭)，窦口区见不光滑结节，增强扫描强化明显(短箭)； b) 病灶局部ROI的TIC呈持续上升型； c) Ktrans伪彩图，Ktrans=0.15/min； d) Kep伪彩图，Kep=0.45/min； e) Ve伪彩图，Ve=0.32； f) 镜下见上皮细胞呈内翻性生长(HE，×100)。

良性组Ktrans、Kep低于恶性组(P=0.009、0.000)，Ve则高于恶性组(P=0.002)。恶性肿瘤中1例低度恶性血管外皮细胞瘤的Ktrans(0.21/min)、Kep(0.28/min)、Ve(0.75)趋向于良性肿瘤的特点，而良性组中1例多形性腺瘤的Ktrans(0.65/min)明显的高于其他类型的良性肿瘤。

3.MRI-DCE各参数及参数联合诊断效能

通过行ROC分析，各参数AUC、最佳阈值及对应的诊断效能参数见表2。5个参数中，AUC最大的是Kep，Ktrans和Kep的诊断效能较好，两者的敏感度均为78.6%，Kep的特异度为88.2%(图4)。

联合Ktrans、Kep行二分类变量多元回归分析，再对预测变量行ROC分析得到， AUC为0.92，诊断符合率为85.6%。

表2 DCE半定量及定量参数诊断效能比较

讨 论

DCE-MRI可实现对对比剂进入和排出肿瘤的血流动力学过程进行全面的描述。目前关于DCE-MRI的研究多集中在肝脏、乳腺、前列腺、头颈等部位[2-5]，涉及良恶性肿物鉴别诊断[6]、肿瘤放化疗疗效监测[7]、血管生成状态评价[8]，同时为本次研究提供了理论和现实基础。国内外关于DCE-MRI对鼻腔鼻窦肿瘤良恶性鉴别诊断价值的研究较少，未见同时结合定性、半定量、定量分析的相关报道。

动态增强过程由TIC表达，属于定性分析，反应的是信号强度随时间的动态变化过程。Wang等[1]利用动态增强鉴别鼻腔内翻性乳头状瘤(IP)与恶性肿瘤发现，TIC形态的差异是区别两者的有效征象之一，IP与恶性肿瘤TIC持续强化型、平台型、流出型所占比例分别为22%、43%、35%及11%、29%、60%。本研究良性组持续上升型、平台型比例分别为58.8%及35.3%，恶性组50%表现为流出型，43.8%表现为平台型，仅1例表现为持续上升型。许庆刚等[9]研究鼻腔及鼻窦恶性黑色素瘤的TIC特点得到，85.7%(12/14)表现为速升缓降型，速升速降型及持续上升型各占7.1%。Sumi等[10]研究结果显示，92例头颈部肿瘤中，良性组67.9% TIC为上升型(达峰时间≥120 s)，32.1%为平台型及流出型类(达峰时间<120 s)，75%的恶性肿瘤为平台型及流出型，上升型占25%。TIC形态的差异与病灶血管系统状态有关，恶性肿瘤新生血管丰富，对比剂通过迅速，加之新生血管壁通透性强、肿物间质成分少，使得其对比剂的滞留时间短于良性肿瘤，TIC呈现流出型。虽然本研究纳入样本量较少，并与相关研究结果的具体比例存在一定差异，但良恶性组间TIC类型分布总体趋势相同，即持续上升型曲线提示良性可能，流出型曲线提示恶性可能，而平台型曲线在两组间存在重叠，同时为利用TIC辅助肿瘤良恶性鉴别的可行性提供了依据。

图2 女，47岁，嗅神经母细胞瘤。a) T2WI图像(上)及增强扫描图像(下)左侧鼻腔及上颌窦见团块状较均匀稍长T2信号影(长箭)，呈不均匀强化(短箭)； b) 病灶局部ROI的TIC呈流出型； c) Ktrans伪彩图，Ktrans=0.40/min； d) Kep伪彩图，Kep=1.55/min； e) Ve伪彩图，Ve=0.29； f) 镜下见小圆形瘤细胞团块分布，核深染，细胞形态类似(HE，×100)。

图3 a) DCE半定量参数箱式图； b) DCE定量参数箱式图。

图4 a) DCE半定量参数ROC； b) DCE定量参数ROC。

Tpeak及Mxslp相当于TIC的半定量描述，均可量化表示病变组织的血流动力学特点，主要取决于病灶血管密度以及进入血管外间隙对比剂的多少。本研究良性组Tpeak高于恶性组，而Mxslp低于恶性组。国内有学者研究显示[1]，43例鼻腔内翻性乳头状瘤中，59%的Tpeak>80 s，恶性肿瘤中，76%的Tpeak<80 s。Matsuzaki等[11]研究DCE-MRI在32例口腔小唾液腺肿瘤的诊断价值发现，良、恶性肿瘤的Tpeak平均值分别为185 s、113 s，可以将160 s作为良恶性肿瘤的鉴别诊断阈值；一项13例眼眶淋巴瘤动态增强特点的研究结果显示，Tpeak平均值为(58.7±8.5) s[12]。结合本次实验结果与既往相关研究，Tpeak有助于肿物的良恶性鉴别诊断，但尚无关于Mxslp在鼻腔或鼻窦肿物诊断应用的类似报道。

DCE-MRI常用的定量分析参数包括容量转移常数(Ktrans)，描述对比剂经血管扩散至肿瘤间隙的转运参数；反流速率常数(Kep)，其方向与Ktrans相反，以描述对比剂经肿瘤间隙流回至血管；血管外细胞外间隙容积分数(Ve)则表示单位体积的组织内血管外细胞外间隙所占的比例。

本研究行定量分析，良性组Ktrans值及Kep值低于恶性组(P=0.009，0.000)，这取决于恶性肿瘤新生血管丰富、内皮细胞发育不完善，导致血管壁通透性强、肿瘤血管对大分子对比剂通透性增加；良性组Ve值高于恶性组，笔者分析与恶性肿瘤细胞数量增多、拥挤，加之新生血管丰富使得细胞外间隙减少。Langer等[13]发现，前列腺癌组织的Ktrans、Kep高于正常的组织，Ve在两组间差异不存在统计学意义，Ktrans及Kep与笔者得出的结果相符，Ve代表血管外细胞外间隙容积分数，属不稳定因素，与细胞密度、血管密度、缺氧部分及间隙内液体压力有关[14]，Tofts等[15]认为Ve易受病灶周围水肿的影响，另有学者认为Ve与组织坏死及组织细胞化程度相关[16]，综合导致Ve易变。有学者研究DCE-MRI定量参数在乳腺癌及其良性病变中的应用发现[17]，乳腺癌的Ktrans值大于良性病变，Kep具有同样趋势，但由于恶性组织细胞分布密集且排列紊乱，导致其Ve值小于良性病变。

Xian等[18]分析了DCE-MRI定量参数在鼻腔鼻窦肿瘤诊断应用中的可行性及价值，鼻腔鼻窦良恶性肿瘤的三个参数具有显著的差异：恶性组的三个参数值分别为(0.72±0.22)/min、(3.47±1.03)/min、0.21±0.10，良性组的三个参数值分别为(0.52±0.24)/min、(2.13±1.13)/min、0.28±0.12，差异均有统计学意义。以上良性组与恶性组间各定量参数的比较趋势与本研究结果相符，但具体数值范围差异较大，可归因于本研究入组病例数太少、病理类型组成不同、参数设定、后处理软件及规范未能得到统一所致。Ng等[19]则认为除非动态增强分析方法标准化，否则各个研究中动态增强参数的绝对值难以进行对比。

通过行ROC分析，得到各参数鉴别诊断阈值：Tpeak 90.91 s，Mxslp 13.14 s，Ktrans 0.28/min，Kep 0.65/min，Ve 0.48，其中，AUC最大的是Kep(0.89)，Ktrans和Kep的诊断效能较好，两者的敏感度均为78.6%，Kep的特异度为88.2%。将定量参数Ktrans和Kep联合高于单个参数的诊断效能，其AUC为0.92，诊断符合率为85.6%。

本次研究结合了DCE-MRI的TIC、各半定量及定量参数，结果显示均有助于鼻腔鼻窦肿瘤良恶性的鉴别诊断，但仍存在不足之处，最大的问题是样本量不足，肿瘤病理类型多样，仍需后续扩大样本量加以证实。综上所述，DCE-MRI能够反映病灶局部的血液循环情况，有助于鼻腔鼻窦肿瘤良恶性的鉴别诊断，参数联合可提高诊断准确性。

[1] Wang Xinyan,Zhang Zhengyu,Chen Xiaoli,et al.Value of magnetic resonance imaging including dynamic contrastenhanced magnetic resonance imaging in differentiation between inverted papilloma and malignant tumors in the nasal cavity[J].Chinese Medical J,2014,127(9):1696-1701.

[2] Chen BB,Shih TT.DCE-MRI in hepatocellular carcinoma-clinical and therapeutic image biomarker[J].World J Gastroenterol,2014,20(12):3125-3134.

[3] Abramson RG,Arlinghaus LR,Weis JA.et al.Current and emerging quantitative magnetic resonance imaging methods for assessing and predicting the response of breast cancer to neoadjuvant therapy[J].Breast Cancer (Dove Med Press),2012,2012(4):139-154.

[4] Fennessy FM,McKay RR,Beard CJ,et al.Dynamic contrast-enhanced magnetic resonance imaging in prostate cancer clinical trials:potential roles and possible pitfalls[J].Transl Oncol,2014,7(1):120-129.

[5] Yuan J,Chow SK,Yeung DK,et al.Quantitative evaluation of dual-flip-angle T1mapping on DCE-MRI kinetic parameter estimation in head and neck[J].Quant Imaging Med Surg,2012,2(4):245-253.

[6] Malek M,Pourashraf M,Mousavi AS,et al.Differentiation of benign from malignant adnexal masses by functional 3 tesla MRI techniques:diffusion-weighted imaging and time-intensity curves of dynamic contrast-enhanced MRI[J].Asian Pac J Cancer Prev,2015,16(8):3407-3412.

[7] Wang CH,Yin FF,Horton J,et al.Review of treatment assessment using DCE-MRI in breast cancer radiation therapy[J].World J Methodol,2014,4(2):46-58.

[8] Tuncbilek N,Unlu E,Karakas HM,et al.Evaluation of tumor angiogenesis with contrast-enhanced dynamic magnetic resonance mammography[J].Breast J,2003,9(5):403-408．

[9] 许庆刚,尹红霞,鲜军舫,等.MRI及动态增强扫描对鼻腔及鼻窦恶性黑色素瘤的诊断价值[J].放射学实践,2016,31(2):155-158.

[10] Sumi M,Nakamura T.Head and neck tumours:combined MRI assessment based on IVIM and TIC analyses for the differentiation of tumors of different histological types[J].Eur Radiol,2014,24(1):223-231.

[11] Matsuzaki H,Yanagi Y,Hara M,et al.Minor salivary gland tumors in the oral cavity:diagnostic value of dynamic contrast-enhanced MRI[J].Eur J Radiol,2012,81(10):2457-2926.

[12] 何立岩,鲜军舫,王振常,等.MR及动态增强扫描诊断眼眶淋巴瘤的价值[J].中华放射学杂志,2007,41(9):918-921.

[13] Langer DL,van der Kwast TH,Evans AJ,et al.Prostate cancer detection with multi-parametric MRI:logistic regression analysis of quantitative T2,diffusion-weighted imaging,and dynamic contrast-enhanced MRI[J].Magn Reson Imaging,2009,30(2):327-334.

[14] Benjaminsen IC,Brurberg KG,Ruud EB,et al.Assessment of extravascular extracellular space fraction in human melanoma xenografts by DCE-MRI and kinetic modeling[J].Magn Reson Imaging,2008,26(2):160-170.

[15] Tofts PS.Modeling tracer kinetics in dynamic Gd-DTPA MR imaging[J].J Magn Reson Imaging,1997,7(1):91-101.

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

[17] Li L,Wang K,Sun X,et al.Parameters of dynamic contrast-enhanced MRI as imaging markers for angiogenesis and proliferation in human breast cancer[J].Med Sci Monit,2015,21(2):376-382.

[18] Xian Junfang,Du Huarui,Wang Xinyan.Feasibility and value of quantitative dynamic contrast enhancement MR imaging in the evaluation of sinonasal tumors[J].Chinese Medical J,2014,127(12):2259-2264.

[19] Ng CS,Wei W,Bankson JA,et al.Dependence of DCE-MRI biomarker values on analysis algorithm[J].PLoS One,2015,10(7):e0130168.

Value of dynamic contrast enhanced-MR imaging for differentiating benign and malignant sinonasal tumors

TANG Wei,ZHOU Yi-mo,REN Ling,et al.

Department of Radiology,the First Affiliated Hospital,China Medical University,Shenyang 110001,China

Objective:To assess the value of dynamic contrast enhanced-MR imaging (DCE-MRI) for differentiating benign and malignant sinonasal tumors.Methods:32 patients (with 33 neoplasms) with sinonasal tumors confirmed by surgery or pathology all underwent DCE-MRI scan.By data post-processing we got time-signal intensity curve (TIC),semi-quantitative parameters time to peak (Tpeak) and maximum slope of increase (Mxslp),quantitative parameters endothelial transfer constant (Ktrans),contrast agent reflux rate constant (Kep) and extracellular extravascular space volume fraction (Ve).Statistical tests were conducted to determine whether TIC and each parameter of benign lesions differed significantly from those of malignancies.ROC analysis and Binary logistic analysis were conducted obtaining area under the curve (AUC),suitable threshold value,and their corresponding single or combined diagnostic efficiency parameters.Results:Persistent type (10/17),platform type (6/17) and washout type (1/17) were seen in benign group,while malignant tumors mostly performed as washout type (8/16) and platform type (7/13),only 1 case was persistent type (P<0.05).Semi-quantitative parameters of benign and malignant group were Tpeak:(133.94±53.67)s,(74.81±17.40)s,Mxslp:10.88±5.25,18.58±7.42;quantitative parameters Ktrans: (0.26±0.17)/min,(0.50±0.36)/min,Kep:(0.42±0.20)/min,(1.15±0.49)/min,Ve:0.62±0.27,0.41±0.15.Each parameter showed statistically significant difference between benign and malignant tumors.Among which,AUC of Kep reached to 0.89.Diagnostic capacity of Ktrans and Kep was better with sensitivity of 78.6%.Kep's diagnostic specificity reached to 88.2%.Conclusion:TIC type,semi-quantitative and quantitative parameters contribute to differential diagnosis of benign and malignant sinonasal tumors.Applications of combined parameters can effectively increase diagnostic accuracy.

Magnetic resonance imaging; Nasal cavity,paranasal sinus; Nose neoplasms

110001 沈阳，中国医科大学附属第一医院放射科

唐维(1988-)，女，山东临沂人，硕士研究生，主要从事头颈部影像诊断工作。

李松柏，E-mail：songbaili001@163.com

辽宁省自然基金面上项目(2015020533)。

R445.2； R739.62

A

1000-0313(2017)03-0227-06

10.13609/j.cnki.1000-0313.2017.03.005

2016-04-26)