磁共振功能成像在高级别胶质瘤疗效监测的研究进展

刘叶秋，于韬

脑胶质瘤是最常见的原发性颅内肿瘤，年发病率约为4/10万～5/10万[1]。其中高级别胶质瘤(high-grade gliomas，HGGs)的预后较差，中位总生存期约为14.4个月[2]，术后复发率较高。对于早期诊断的HGGs，目前的标准治疗方案是最大范围地安全切除肿瘤后，替莫唑胺(temozolomide，TMZ)同步放疗联合辅助化疗。但患者的预后仅略有改善，3年生存率从1999-2000年的4%增加到2009-2010年的10%[3]。及时调整治疗策略能显著改善患者的生存状况，可较大幅度提高患者的无进展生存期(progression-free survival，PFS)[4]。 因此，定期复查评估治疗疗效和早期、准确判断预后对临床调整治疗方案具有一定的价值。

但是，HGGs真性进展(progressive disease，PD)与治疗相关改变的常规磁共振成像(magnetic resonance imaging，MRI)检查所见相似，根据单次MRI形态学检查鉴别两者有一定难度，因此亟需引入新的影像学方法。本文将对目前正在临床实践中应用的定量MRI技术以及未来将成为监测HGGs治疗疗效的新兴技术的进展予以综述。

1 治疗后的影像学改变

治疗后的影像学改变主要包括假性进展和假性反应，主要是与PD相区别。

1.1 假性进展

高达30%的HGGs患者在标准治疗后很快出现原有增强病灶体积变大、甚至出现新的增强病灶，但未经任何进一步治疗即可逐渐减退，这一表现与胶质瘤复发或进展极其相似，被称为假性进展(pseudoprogression，PsP)[5]。该现象是一种与治疗相关的亚急性反应，表现为水肿、炎症、血管通透性异常，多发生在放疗后的1～3个月内。Young等[6]的研究发现室管膜强化可能是反映HGGs PsP的特征，特异度为93.3%，除此之外各种结构特征均无法可靠地预测PsP。O6-甲基鸟嘌呤-DNA甲基转移酶(O6-methylguanine-DNA methyltransferase，MGMT)启动子甲基化被认为增加了HGGs中PsP的风险。一项研究显示，23例HGGs中有21例(91%)MGMT启动子甲基化的肿瘤出现PsP[7]。PsP并不是HGGs治疗后所特有的表现，在低级别胶质瘤放疗后也有报道[8]。

1.2 假性反应

假性反应是由于使用抗血管生成药物如贝伐单抗治疗后早期(1～2 d内)产生的一种影像学改变，可以看到增强图像上肿瘤显著缩小和周围水肿减轻，但这不是真正的抗肿瘤效应，可能与血管对对比剂的通透性降低(称为血管正常化)有关。产生该现象的患者中部分人随后出现T2像或FLAIR像上非增强病灶的增加[9]。

2 RANO标准和其局限性

由于HGGs预后差，对治疗疗效的评估显得尤为重要。1990 年提出的 Macdonald 标准主要依据对比增强 T1WI 的变化来评判治疗反应和进展。当面临抗血管生成药物治疗和对非强化肿瘤评估的新情况时，该标准可能会导致缺乏疗效的错误结论。为此，2008年召开了一个国际工作会议，以更新HGGs的治疗反应评估标准，并于2010年出版了一份名为神经肿瘤疗效评价(response assessment in neuro-oncology，RANO)标准的文件(表1)[10]。该标准围绕影像的复杂性进行了改进。然而，RANO标准基于对强化区域的二维测量，当这些区域边界不清晰和/或形态不规则时，测量可能会有困难。因此该标准仍不是很完善，区分治疗后改变和进展依旧是目前的研究热点[11]。

传统的常规MRI图像评估局限于疾病的体积和形态，它缺乏对疗效监测至关重要的残留肿瘤的活性信息，并且无法区分治疗反应与治疗效果。虽然可在毫米范围内测量肿瘤大小，但仍然无法显示微小浸润。此外对比增强不只是活性肿瘤的特征，也不是所有的HGGs都增强。虽然通过优化扫描协议和调整参数可以增加病变区域的对比度，但不同设备成像参数或不规则病变体积造成的伪影难以完全消除，并且可能导致疾病进展的过度诊断[12]。

由于常规MRI区分困难，因此需要应用一些新的影像学方法以改善疗效评价标准，其中热点集中在扩散成像、灌注成像以及波谱分析。

表1 RANO标准的总结Tab.1 Summary of RANO response criteria

3 扩散成像

3.1 扩散加权成像

扩散加权成像(diffusion weighted imaging，DWI)通过检测水分子的运动反映病变的不同成分，用表观扩散系数(apparent diffusion coefficient，ADC)反映扩散运动的程度。复发或进展的胶质瘤比非肿瘤性的治疗后改变有更高的细胞密度、扩散受限程度更大，因此就会出现扩散信号的差别。

许多研究报道了PsP和PD的ADC值差异，但目前关于平均 ADC 值在鉴别HGGs复发或进展与治疗后改变的意义上尚存在争议。Hein等[13]的早期研究显示平均ADC值在肿瘤进展比稳定病灶高。然而，Asao等[14]的另一项研究发现平均ADC值在鉴别诊断中的差异无统计学意义(P＞0.05)。先前的研究结果不一致可能是由于抽样偏倚造成的。因为HGGs治疗后不均匀坏死，感兴趣区域(region of interest，ROI)常包含小坏死灶。为了消除抽样偏倚，许多研究已经深入对整个增强区域的ADC值进行直方图分析，而不是手动选择ROI。其考虑了增强部分中有助于鉴别PsP和PD的所有组织成分，更好地反映了肿瘤的异质性。

Song等[15]认为累积ADC直方图的第5百分位数是鉴别PsP与PD的较好的预测因子(具有90%的灵敏度和特异性)。但Chu等[16]研究显示应用ADC C5值的特异性仅有66.7%。Yamasaki等[14]的研究指出，DWI中的高b值(反映磁扩散梯度的强度和持续时间)可以比Macdonald和RANO标准更早显示PsP的一些情况。在低扩散敏感梯度场下，灌注效应可以中和肿瘤细胞降低的ADC值。所以与标准b值(1000 s/mm2)相比，在高b值(3000 s/mm2)下获得的累积ADC直方图的第5百分位数诊断性能更好[16]。

在假性反应方面，与抗血管内皮生长因子(vascular endothelial growth factor，VEGF)治疗相关的对应于非增强病灶的扩散受限面积增大长期以来是诊断的难点，因为不清楚这些区域到底是活性肿瘤还是治疗反应的坏死组织。一项研究表明，在整个肿瘤和肿瘤边缘将低ADC值区域与病理学结果进行比较，发现这些区域与复发的HGGs浸润一致。这一结果与所有受试者的不良预后相关[17]。

DWI作为一种肿瘤细胞密度的生物标记物，改进后的分析方法提高了其在胶质瘤治疗疗效监测中的应用价值。

3.2 扩散张量成像

扩散张量成像(diffusion tensor imaging，DTI)是DWI的发展和深化，它提供了一种定量的描述水分子在介质内扩散特征和各向异性的方法，主要用部分各向异性(fraction anisotropy，FA)值代表运动的一致性。而用在两个或3个正交方向采集的扩散加权像或ADCs，达到上述目的是不可能的。假性进展区域的正常白质的神经纤维束未受损，表现为高的FA值，肿瘤进展破坏周围正常白质组织，水分子的运动方向改变，较分散，一致性差，表现为低的 FA 值。虽然DTI主要用于术前纤维束示踪成像，也有研究表明DTI能够在早期发现HGGs放化疗后正常脑白质的变化[18]，但是DTI尚未被广泛验证用于治疗监测。

3.3 扩散峰度成像

临床广泛使用的DWI和DTI假设水分子呈高斯扩散，实际上细胞内、外复杂的体内环境导致水分子的扩散与这种模式显著偏离，因此存在不准确之处。扩散峰度成像(diffusion kurtosis imaging，DKI)是通过提供更准确的扩散模型并捕获真实扩散行为作为组织异质性的标记来试图解释这种变化[19]，其中陡峭(“尖峰厚尾”)曲线与高级别胶质瘤相关。DKI是传统DTI模型的简单扩展，使用了更高的b值，更多的扩散梯度方向。Jiang等[20]最先揭示了DKI评估胶质瘤细胞增殖的能力，并采用半自动方法对胶质瘤进行精确测量。这些结果可能会对胶质瘤的诊断和治疗策略的选择产生重大影响，但对DKI评估疗效方面的价值有待进一步研究。

4 灌注成像

灌注加权成像(perfusion weighted imaging，PWI)可以利用肿瘤伴随新生血管生成的特性对肿瘤进行定性和定量的评估。另一方面，治疗相关的变化是血管通透性增加而没有新生血管生成。鉴于这一重要区别，灌注加权成像可以帮助区分高级别胶质瘤与治疗相关的假性进展。灌注加权成像方法有多种，临床实践的主要技术是动态磁敏感对比增强MRI(dynamic susceptibility contrast MRI，DSC-MRI)、动态对比增强MRI(dynamic contrast enhancement MRI，DCE-MRI)和动脉自旋标记(arterial spin labeling，ASL)。

4.1 动态磁敏感对比增强MRI

DSC-MRI是最常见的灌注成像方法，其经静脉注射对比剂后，在对比剂首次通过受检组织过程中采用快速扫描序列进行连续多层面多次成像，获得一系列动态图像，通过对上述图像的后处理，可以得到脑血流量(cerebral blood flow，CBF)、脑血容量(cerebral blood volume，CBV)等相关参数，反映组织的血流动力学特性。相对脑血容量(relative cerebral blood volume，rCBV)已成为DSC-MRI最有效的灌注参数，其与肿瘤分级、血管分布和局灶性间分化可靠相关[21]。

由于肿瘤进展时细胞代谢十分旺盛，刺激VEGF的释放，新生血管数量快速增加，血管密度增加，而PsP所致的脑组织损伤无新生血管，常常导致血管内皮细胞受损或坏死、通透性略增加，血流灌注较正常侧减少，因此可以通过检测病变区域血管内的血流量、血容量与正常脑组织的差异分析病变的性质。Patel等[22]证实了DSC-MRI在鉴别PsP和PD方面具有较高的准确性，rCBVmean和rCBVmax的总敏感性和特异性大约为90%，但这一结果仅适用于具有特定度量和阈值的单一机构中。而且在各机构之间很难对rCBV阈值进行统一，因为对比剂的量、推注时间和扫描参数都可能影响DSC信号，而且该影响在一定程度上比医师后处理造成的变化更大[23-24]。

出于这些考虑，再加上对所有新的rCBV升高的病变取活检是不切实际的，所以需要通过短期内DSC复查观察rCBV升高是一过性还是持续性，以此来帮助判断是什么原因引起的rCBV升高。事实上，rCBV值的变化趋势在鉴别PsP与PD方面可能比单一的rCBV值更有用[24]。 其次，这里可以考虑多参数方法，例如Wang等[25]发现将DSC与DTI结合起来应用具有较高的准确度(曲线下面积为0.91)，这样不仅可以鉴别PsP和PD，还可以鉴别混合反应(假性反应与假性进展同时存在)和PD。

尽管DSC-MRI可用于治疗监测，但是抗血管生成药物治疗如贝伐单抗等可能对病灶灌注和通透性产生直接影响，在已接受抗血管生成治疗的患者中重新界定鉴别PsP和PD的rCBV阈值的困难加剧[26]。

4.2 动态对比增强MRI

DCE-MRI以双室血流动力学为模型，通过线性定量分析血管内皮细胞的渗透量，联合多个参数评估胶质瘤微环境的变化，反映肿瘤新生不成熟血管的渗漏情况，可辅助用于病灶出血、钙化引起较大的磁敏感伪影干扰DSC-MRI评价病变的情况。DCE-MRI的定量参数主要有容量转移常数(volume transfer constant，Ktrans)、血浆容积分数(blood plasma fraction，Vp)、血管外细胞外容积分数(extracellular extravascular volume fraction，Ve)。Yun等[27]比较了Ktrans、Ve、Vp在治疗后有PD的17例和PsP的16例胶质母细胞瘤(glioblastoma，GBM)患者间的差异，认为Ktrans和Ve具有区分价值。以Ktrans=0.347 min-1为阈值，敏感度较低(59%)但特异度非常高(94%)，对进一步选择治疗方案具有重要指导意义。Thomas等[28]认为与PD相比，PsP具有较低的Vp灌注值(P=0.0002)，Vp(平均值)阈值3.6 min-1在鉴别PsP和PD的方面具有69%的灵敏度和79%的特异性。

然而，拟合适当的药代动力学模型进行定量分析是有困难的，因此文献[22]中描述了成像和后处理分析的多种方法，其中一些生理机制不清楚，这导致DCE-MRI在疗效监测中的使用不太普遍。

4.3 动脉自旋标记

ASL通过反转标记自体动脉血中的氢质子来评价脑组织灌注，与DSC-MRI和DCE-MRI技术相比，具有无需外源性对比剂、完全无创、可重复性强的优点。目前ASL技术仅可获得CBF参数。最近，Choi等[29]探究了DSC-MRI联合ASL在区分PsP和PD方面的应用价值。在定性分析中，联合使用ASL后的诊断准确性从75.8%提高到88.7%，但是此改善无统计学意义。关于半定量分析，ASL Ⅲ级(即与血管灌注相当的肿瘤灌注)的发生率在PD中显著高于PsP。此外，根据ASL等级，DSC-MRI灌注直方图参数的最大值和范围也显著不同。随后的分析显示ASL分级(白质Ⅰ级、灰质Ⅱ级和血管Ⅲ级)是肿瘤早期进展的独立预测因子(比值比为4.73，P=0.0017)，曲线下面积为0.774，敏感性为79.4%，特异性为64.3%。然而，尽管ASL不太容易受到血脑屏障破坏和易感性伪影的影响，但与DSC-MRI相比，它具有较低的空间分辨率和较长的扫描时间，这可能会降低其临床效用。

5 波谱分析

MR波谱(MR spectroscopy，MRS)是一种无创性的测定活体组织代谢与生化指标的MRI技术，它可以作为单体素(single voxel technique，SVS)进行，或通过同时分析几个体素以获得ROI的平均代谢物值。SVS在大多数临床MRI系统中作为标准技术是可以快速和容易获得的，但其不能捕获空间组织异质性；而多体素技术在准备步骤和数据后处理方面要求更高。MRS在区分胶质瘤与其他颅内肿瘤和胶质瘤分级[30]方面具有很大的价值，其最佳验证比是胆碱/N-乙酰天门冬氨酸(choline/N-acetyl-aspartate，Cho/NAA)和胆碱/肌酸(Cho/creatine，Cho/Cr)。

Kazda等[31]发现，将Cho/NAA比值分水岭定在1.3，高于1.3代表肿瘤进展，小于1.3代表假性进展，灵敏度为100.0%，特异性为94.7%，但此研究的局限性在于患者不足40名，仍需前瞻性多中心研究。由于胶质瘤的PD和PsP过程中都会出现神经元的缺失或功能低下、无氧代谢增强及血管内皮细胞的损伤，因而会同时伴随NAA减少、Cho值升高以及大量无氧代谢产物的蓄积(主要是乳酸盐堆积)，因此MRS在治疗后成像中的实用性不太有效。最近一项对455例放疗后疑似胶质瘤复发患者的Meta分析结果表明，单独使用Cho/Cr和Cho/NAA比值在鉴别胶质瘤复发和放射性坏死方面的诊断性能中等，强烈建议将MRS与其他先进的成像技术相结合[32]。

6 多参数成像

由于DTI、PWI、MRS分别反映肿瘤的不同生物学特征和行为，所以有许多研究通过将上述多个检查方法进行结合，来提高区分PsP和PD的准确性。在一项研究中，与单个磁共振参数诊断结果相比，联合多个参数(ADC比值、Cho/Cr值、Cho/NAA值)评分结果建立多参数评分系统，可明显提高鉴别HGGs术后复发与放射性脑损伤的准确性，从单一参数的84%～87%增长到多参数的93%[33]。有研究通过机器学习技术，对病灶形态、DTI、PWI等多参数进行分析，就能依靠术前的图像推断未来复发的位点和严重程度，其灵敏度和特异度都超过了90%[34]。尽管多参数成像方法的诊断性能往往高于单参数分析方法，但仍需进一步研究其他各种参数组合的阈值，以提高诊断性能。

综上所述，随着影像学的进步，越来越多的MR新技术应用于临床，为胶质瘤的疗效监测提供了更加全面的信息，使得准确性和敏感性也逐渐提高。但PD和PsP之间仍有交叉，有时还是难以鉴别，这些技术依旧有各自的不足之处。而且MR常规检查所提供的形态学信息对于胶质瘤疗效监测依然有非常重要的意义，如何将这些功能性成像技术与常规检查结合，优化检查方案对将来可能更有意义。目前这些新技术的一部分仍处于临床前科研阶段，还有大量的经验和数据需要总结，未来需要多中心的研究来更加科学和全面地进行评价。

参考文献 [References]

[1]Oberoi RK, Parrish KE, Sio TT, et al. Strategies to improve delivery of anticancer drugs across the blood-brain barrier to treat glioblastoma. Neuro Oncol, 2016, 18(1): 27-36.

[2]Tao J, Ying M, Ma W, et al. CGCG clinical practice guidelines for the management of adult diffuse gliomas. Cancer Lett, 2016, 375(2):263-273.

[3]Desouza RM, Shaweis H, Han C, et al. Has the survival of patients with glioblastoma changed over the years?. Br J Cancer, 2015,114(2): 146-150.

[4]Stupp R, Brada M, Mj VDB, et al. High-grade glioma: ESMO Clinical Practice Guidelines for diagnosis, treatment and follow-up.Ann Oncol, 2014, 25(Suppl 3): 93-101.

[5]Knudsenbaas KM, Moen G, Fluge Ø, et al. Pseudoprogression in high-grade glioma. Acta Neurol Scand, 2013, 127(196): 31-37.

[6]Young RJ, Gupta A, Shah AD, et al. Potential utility of conventional MRI signs in diagnosing pseudoprogression in glioblastoma.Neurology, 2011, 76(22): 1918-1924.

[7]Brandsma D, Stalpers L, Taal W, et al. Clinical features, mechanisms,and management of pseudoprogression in malignant gliomas. Lancet Oncol, 2008, 9(5): 453-461.

[8]Van West SE, De Bruin HG, Van DLB, et al. Incidence of pseudoprogression in low-grade gliomas treated with radiotherapy.Neuro Oncol, 2017, 19(5): 719-725.

[9]Narayana A, Kelly P, Golf i nos J, et al. Antiangiogenic therapy using bevacizumab in recurrent high-grade glioma: impact on local control and patient survival. J Neurosurg, 2009, 110(1): 173-180.

[10]Wen PY, Macdonald DR, Reardon DA, et al. Updated response assessment criteria for high-grade gliomas: response assessment in neuro-oncology working group. J Clin Oncol, 2010, 28(11):1963-1972.

[11]Chinot OL, Macdonald DR, Abrey LE, et al. Response assessment criteria for glioblastoma: practical adaptation and implementation in clinical trials of antiangiogenic therapy. Curr Neurol Neurosci Rep,2013, 13(5): 347.

[12]Ellingson BM, Bendszus M, Boxerman J, et al. Consensus recommendations for a standardized Brain Tumor Imaging Protocol in clinical trials. Neuro Oncol, 2015, 17(9): 1188-1198.

[13]Hein PA, Eskey CJ, Dunn JF, et al. Diffusion-weighted imaging in the follow-up of treated high-grade gliomas: tumor recurrence versus radiation injury. AJNR Am J Neuroradiol, 2004, 25(2): 201-209.

[14]Asao C, Korogi Y, Kitajima M, et al. Diffusion-weighted imaging of radiation-induced brain Injury for differentiation from tumor recurrence. AJNR Am J Neuroradiol, 2005, 26(6): 1455-1460.

[15]Song YS, Hong CS, Chul-Kee P, et al. True progression versus pseudoprogression in the treatment of glioblastomas: a comparison study of normalized cerebral blood volume and apparent diffusion coefficient by histogram analysis. Korean J Radiol, 2013, 14(4): 662-672.

[16]Chu HH, Choi SH, Ryoo I, et al. Differentiation of true progression from pseudoprogression in glioblastoma treated with radiation therapy and concomitant temozolomide: comparison study of standard and high-b-value diffusion-weighted imaging. Radiology,2013, 269(3): 831-840.

[17]Jr RFB, Butowski NA, Phillips JJ, et al. The development of reduced diffusion following bevacizumab therapy identifies regions of recurrent disease in patients with high-grade glioma. Acad Radiol,2016, 23(9): 1073-1082.

[18]Hope TR, Vardal J, Bjørnerud A, et al. Serial diffusion tensor imaging for early detection of radiation-induced injuries to normalappearing white matter in high-grade glioma patients. J Magn Reson Imaging, 2015, 41(2): 414-423.

[19]Wu EX, Cheung MM. MR diffusion kurtosis imaging for neural tissue characterization. NMR Biomed, 2010, 23(7): 836-848.

[20]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.

[21]Lacerda S, Meng L. Magnetic resonance perfusion and permeability imaging in brain tumors. Neuroimaging Clin N Am, 2009, 19(4):527-557.

[22]Patel P, Baradaran H, Delgado D, et al. MR perfusion-weighted imaging in the evaluation of high-grade gliomas after treatment: a systematic review and meta-analysis. Neuro Oncol, 2017, 19(1):118-127.

[23]Kelm ZS, Korf i atis PD, Lingineni RK, et al. Variability and accuracy of different software packages for dynamic susceptibility contrast magnetic resonance imaging for distinguishing glioblastoma progression from pseudoprogression. J Med Imaging (Bellingham),2015, 2(2): 26001.

[24]Boxerman JL, Ellingson BM, Jeyapalan S, et al. Longitudinal DSCMRI for distinguishing tumor recurrence from pseudoprogression in patients with a high-grade glioma. Am J Clin Oncol, 2017, 40(3):228-234.

[25]Wang S, Martinez-Lage M, Sakai Y, et al. Differentiating tumor progression from pseudoprogression in patients with glioblastomas using diffusion tensor imaging and dynamic susceptibility contrast MRI. AJNR Am J Neuroradiol, 2016, 37(1): 28-36.

[26]Choi SH, Jung SC, Kim KW, et al. Perfusion MRI as the predictive/prognostic and pharmacodynamic biomarkers in recurrent malignant glioma treated with bevacizumab: a systematic review and a time-toevent meta-analysis. J Neurooncol, 2016, 128(2): 185-194.

[27]Yun TJ, Park CK, Kim TM, et al. Glioblastoma treated with concurrent radiation therapy and temozolomide chemotherapy:differentiation of true progression from pseudoprogression with quantitative dynamic contrast-enhanced MR imaging. Radiology,2015, 274(3): 830-840.

[28]Thomas AA, Arevalo-Perez J, Kaley T, et al. Dynamic contrast enhanced T1 MRI perfusion differentiates pseudoprogression from recurrent glioblastoma. J Neurooncol, 2015, 125(1): 183-190.

[29]Choi YJ, Kim HS, Jahng GH, et al. Pseudoprogression in patients with glioblastoma: added value of arterial spin labeling to dynamic susceptibility contrast perfusion MR imaging. Acta Radiol Open,2013, 54(4): 448-454.

[30]Wang Q, Zhang H, Zhang J, et al. The diagnostic performance of magnetic resonance spectroscopy in differentiating high-from lowgrade gliomas: A systematic review and meta-analysis. Eur Radiol,2015, 26(8): 2670-2684.

[31]Tomas K, Martin B, Petr P, et al. Advanced MRI increases the diagnostic accuracy of recurrent glioblastoma: Single institution thresholds and validation of MR spectroscopy and diffusion weighted MR imaging. Neuroimage Clin, 2016, 11: 316-321.

[32]Zhang H, Ma L, Wang Q, et al. Role of magnetic resonance spectroscopy for the differentiation of recurrent glioma from radiation necrosis: a systematic review and meta-analysis. Eur J Radiol, 2014, 83(12): 2181-2189.

[33]Matsusue E, Fink JR, Rockhill JK, et al. Distinction between glioma progression and post-radiation change by combined physiologic MR imaging. Neuroradiology, 2010, 52(4): 297-306.

[34]Akbari H, Macyszyn L, Da X, et al. Imaging surrogates of infiltration obtained via multiparametric imaging pattern analysis predict subsequent location of recurrence of glioblastoma. Neurosurgery,2016, 78(4): 572-580.