囊性成分在鉴别儿童髓母细胞瘤和室管膜瘤中的价值

李 娅 张 勇 程敬亮

囊性成分在鉴别儿童髓母细胞瘤和室管膜瘤中的价值

李 娅 张 勇 程敬亮

髓母细胞瘤；室管膜瘤；磁共振成像；病理学，外科；诊断，鉴别；儿童

儿童颅内肿瘤主要发生在后颅窝，以毛细胞型星形细胞瘤、髓母细胞瘤和室管膜瘤最常见[1]。毛细胞型星形细胞瘤、髓母细胞瘤和室管膜瘤具有发病年龄相近、均可为囊实性、易发于中线区等共性，3种肿瘤形态相似，影像学表现缺乏特异性，其中髓母细胞瘤和室管膜瘤均易侵犯四脑室，故增加了鉴别的难度[2-3]。传统的鉴别诊断主要从髓母细胞瘤和室管膜瘤的发病部位、MR信号强度、表观扩散系数（ADC）值等方面进行。本研究通过分析两种肿瘤囊性成分分布、大小、数量、边缘特征和信号强度，为临床医师提供新的鉴别诊断方法。

1 资料与方法

1.1 研究对象 回顾性分析郑州大学第一附属医院2008年5月－2015年8月经手术病理证实的髓母细胞瘤35例和室管膜瘤22例患者的影像资料。所有患儿年龄均＜14岁，且对应3幅显示肿瘤最大层面的MRI图像。

1.2 仪器与方法 采用 Siemens 3.0T MR仪，标准头颅线圈。平扫行矢状位及轴位T1WI、轴位T2WI及轴位扩散加权成像（DWI）；增强扫描行矢状位、轴位及冠状位T1WI，造影剂采用钆喷酸葡胺，剂量0.1 mmol/kg。轴位扫描，层厚6 mm，间隔1 mm，FOV 24 cm×24 cm，矩阵128×128，成像时间48 s。

1.3 图像分析 由2位主任医师对图像采用盲法进行分析。分析两种肿瘤囊性成分分布、大小、数量、边缘和信号强度。根据囊性成分所占肿瘤面积的比例将其分为4种分布类型：1%～25%为小范围型；26%～50%为中范围型；51%～75%为大范围型；76%～100%为扩散型[4]。两种肿瘤囊性成分的边缘均存在不规则性。根据囊性成分在肿瘤中的位置将其分为3种类型：偏心型、中央型和整体型。同时测量两种肿瘤最大的囊性成分直径。

1.4 统计学方法 采用SPSS 18.0软件。采用独立样本t检验比较两种肿瘤囊性成分的平均最大直径；采用χ2检验比较两种肿瘤囊性成分的发生率、边缘特征、分布类型。P＜0.05表示差异有统计学意义。

2 结果

髓母细胞瘤和室管膜瘤图像的定性分析和定量测量结果见表1及图1、2。

表1 髓母细胞瘤和室管膜瘤囊性成分比较

图1 男，5岁，髓母细胞瘤。T1图像表现为低信号（A）；T2图像表现为高信号（B）；箭示肿瘤部分

图2 男，4岁，室管膜瘤。T1图像表现为稍低信号（A）；T2图像表现为高信号（B）；箭示肿瘤部分

髓母细胞瘤和室管膜瘤的囊性成分均易发生在肿瘤周边（P＜0.01）。髓母细胞瘤囊性成分的分布类型大多为小范围型，室管膜瘤囊性成分分布类型大多为扩散型（P＜0.01）。由此可见，室管膜瘤更易发生囊性变，且囊性成分所占的面积更多。见表2。

3 讨论

髓母细胞瘤和室管膜瘤均为儿童常见的后颅窝肿瘤。髓母细胞瘤发病高峰年龄为7岁，多为实性，但肿瘤内可见小囊变；室管膜瘤多见于儿童和青少年，肿瘤坏死囊变多见[5]。通过以下特点相鉴别：髓母细胞瘤起源于后髓帆原始胚胎残留组织，可突入四脑室，易发生脊髓和软脑膜转移；室管膜瘤常位于四脑室经外侧孔向桥小脑角延伸，向下方通过正中孔呈铸型生长到达延髓后方[6-8]。尽管室管膜瘤较髓母细胞瘤的ADC 值增高，但由于这两种肿瘤内部成分的病理变化（钙化或者出血）导致两者间的ADC 值有部分重叠，当ADC值以0.66×10－3mm2/s为标准时，诊断髓母细胞瘤的阳性预测值、阴性预测值及准确率分别是86%、97%、93%[9]。但Pillai等[10]报道10例髓母细胞瘤的ADC值，其中2例ADC值＞1×10－3mm2/s，这可能缘于肿瘤内网状纤维聚集，导致ADC值升高。故仅凭ADC 值不能可靠鉴别[11]。

表2 髓母细胞瘤和室管膜瘤内囊性成分分布位置及范围比较（%）

MR图像可显示两种肿瘤囊性成分的位置和大小，可通过分析肿瘤囊性成分的发生位置、发生率、边缘特征及MR信号强度相鉴别。本研究发现，室管膜瘤比髓母细胞瘤更易发生囊变，且室管膜瘤囊性成分的平均最大直径达（30.2±12.3）mm，而髓母细胞瘤囊性成分边缘更不规则，室管膜瘤发生囊性成分的类型主要为大范围型和扩散型。既往研究报道利用囊性成分的特征可鉴别腮腺肿瘤的性质[4]，与本研究结果一致。

肿瘤内的囊性成分主要由出血、坏死造成；囊性成分的MR信号强度也会因成分不同而存在差异。此方法需与两种肿瘤的临床特点及MR图像特点相结合，从而减少临床误诊和漏诊率。本研究也存在一定的局限性，仅在轴位对两种肿瘤的囊性成分进行分析，今后将扩大样本量针对矢状位和冠状位开展进一步的研究。

[1] Poretti A, Meoded A, Huisman TA. Neuroimaging of pediatric posterior fossa tumors including review of the literature. J Magn Reson Imaging, 2012, 35(1): 32-47.

[2] Fetit AE, Novak J, Peet AC, et al. Three-dimensional textural features of conventional MRI improve diagnostic classification of childhood brain tumours. NMR Biomed, 2015, 28(9): 1174-1184.

[3] Orphanidou-Vlachou E, Vlachos N, Davies NP, et al. Texture analysis of T1-and T2-weighted MR images and use of probabilistic neural network to discriminate posterior fossa tumours in children. NMR Biomed, 2014, 27(6): 632-639.

[4] Kato H, Kanematsu M, Watanabe H, et al. Salivary gland tumors of the pariotid gland: CT and MR imaging findings with emphasis on intratumoral cystic components. Neuroradiology, 2014, 56(9): 789-795.

[5] 李晓光, 张伟国, 康厚艺. 第四脑室菊形团形成型胶质神经元肿瘤1例. 中国医学影像学杂志, 2013, 21(5): 330-331.

[6] Jaremko JL, Jans LB, Cleman LT, et al. Value and limitations of diffusion-weighted imaging in grading and diagnosis of pediatric posterior fossa tumors. Am J Neuroradiol, 2010, 31(9): 1613-1616.

[7] Yuh EL, Barkovich AJ, Gupta N. Imaging of ependymomas: MRI and CT. Childs Nerv Syst, 2009, 25(10): 1203-1213.

[8] Koller KK, Rushing EJ. From the archives of the AFIP: pilocytic astrocytoma: radiologic-pathologic correlation. Radiographics, 2004, 24(6): 1693-1708.

[9] 卜春晓, 张勇, 程敬亮, 等. ADC值在儿童常见小脑肿瘤鉴别诊断中的应用. 实用放射学杂志, 2015, 31(6): 998-1001.

[10] Pillai S, Singhal A, Byrne AT, et al. Diffusion-weighted imaging and pathological correlation in pediatric medulloblastomas-"They are not always restricted!". Childs Nerv Syst, 2011, 27(9): 1407-1411.

[11] Jaremko JL, Jans LB, Coleman LT, et al. Value and limitations of diffusion-weighted imaging in grading and diagnosis of pediatric posterior fossa tumors. Am J Neuroradiol, 2010, 31(9): 1613-1616.

R445.2；R739.4

2016-09-22 【收回日期】2016-12-25

（本文编辑 闻 浩）

郑州大学第一附属医院磁共振科 河南郑州 450052

张 勇 E-mail: zzuzhangyong2013@163.com

10.3969/j.issn.1005-5185.2017.03.009