扩散峰度成像与扩散加权成像在诊断宫颈鳞癌分级中的价值

侯孟岩 孟楠 吴宝林 王竞 韩东明 任继鹏

宫颈癌是女性生殖系统中常见的恶性肿瘤，其发病率逐年递增，且发病人群逐渐趋于年轻化[1]。鳞癌是宫颈癌最常见的组织学亚型，其病理分级程度与治疗方案的选择及预后评价密切相关[2]。低分化鳞癌生物行为差且易复发，其治疗方式与高中分化鳞癌有所不同[3]，因此治疗前准确区分低分化与高中分化宫颈鳞癌尤为重要。扩散加权成像（DWI）可较准确地反映组织微观结构变化，但目前表观扩散系数（ADC）值对于鉴别宫颈癌病理分级的价值仍存在争议。扩散峰度成像（DKI）是在DWI的基础上发展而来，其以非高斯分布为基础，可更详尽、真实地反映组织微观结构信息，目前DKI和DWI已应用于前列腺癌、肝癌、宫颈癌的诊断。本研究旨在比较DKI及DWI参数对低分化与高、中分化宫颈鳞癌的鉴别诊断价值。

1 资料与方法

1.1 研究对象 回顾性纳入新乡医学院第一附属医院2017年11月—2018年12月经手术病理证实为宫颈鳞癌的病人42例，年龄39～69岁，平均（54.9±7.9）岁。 其中高分化 10例，中分化 17例，低分化15例。以病理结果为金标准，将病人分为低分化鳞癌组[15 例，年龄 48～69 岁，平均（57.9±7.3）岁]和高中分化鳞癌组 [27例，年龄45～69岁，平均（53.3±7.9）岁]，2 组年龄差异无统计学意义（t=1.84，P=0.07）。纳入标准：①MRI检查后1周内获取病理结果；②均为早期原发宫颈鳞癌病人 （ⅠB期-ⅡA期），且病理分级明确。排除标准：①MRI检查前接受过手术、放射及化学药物等治疗者；②扫描序列不完整或影像质量影响诊断及数据测量；③病灶最大直径＜1 cm。

1.2 设备与方法 采用GE Discovery MR750 3.0 T MR扫描设备，32通道体部相控阵线圈，检查前嘱病人适度充盈膀胱并行阴道填塞，扫描体位取仰卧位，脚先进，扫描范围从子宫上缘开始，向下至耻骨联合下方。行常规MRI平扫、DWI、DKI扫描。扫描序列包括常规矢状面、冠状面、横断面T1WI/T2WI序列，视野（FOV）36 cm×28 cm，层间距 2.0 mm，层厚 6.0 mm；斜轴面 （垂直于子宫长轴）无抑脂、小视野、薄层T2WI序列，FOV 22 cm×22 cm，层厚 4.0 mm，层间距0；斜轴面（垂直于宫颈长轴）DWI采用单次激发自旋回波-回波平面成像（SE-EPI）序列：TR 2 000 ms，TE57ms，FOV 36cm×28cm，层间距 1mm，层厚 4mm，激励次数 2，矩阵大小 128×128，b=0、800 s/mm2。斜轴面（垂直于宫颈长轴）DKI序列（SE-EPI）：FOV 36cm×28 cm， 层厚 4 mm， 层间距 1 mm，TR 2 500 ms，TE 58.9 ms，b=0、1 000、2 000 s/mm2，30 个均匀分布的扩散方向。

1.3 图像处理及分析 将DWI、DKI图像传至GE AW 4.6工作站，采用Functool工具包中的ADC、DKI软件对图像进行后处理，获得ADC图、平均扩散峰度 （mean kurtosis,MK）、 平均扩散系数（mean diffusion,MD）伪彩图。由2名具有10年及以上工作经验的副主任医师在未知病理结果前提下独立完成DWI、DKI各参数（包括平均 ADC、最小 ADC、MK 及MD值）的测量。具体方法：参照肿瘤常规平扫影像，在DWI、MK、MD图上选取包括肿瘤实质部分的所有连续层面，沿肿瘤边缘分别勾画各个层面的兴趣区（ROI），获得各个层面 ADC、MK、MD 平均值；在 ADC图上，手动将3个大小、形态类似，面积约50 mm2的类圆形ROI放置于肿瘤的每个层面，获取各层面的ADC值，选取最小的ADC值作为肿瘤最小ADC值。ROI选择标准：①尽量置于DWI明显高信号区域；②应与病灶边缘维持适当间距，以避免容积效应；③尽量避开较明显的囊变、坏死及出血等区域。按照如上标准，2名观察者均对每个病灶连续测量3次，记录每名观察者测量的平均值。

1.4 统计学方法 采用SPSS25.0及MedCalc 15.0软件进行统计学分析。采用Kolmogorov-Smirnov检验计量资料是否符合正态分布，符合正态分布的计量资料用均数±标准差（x±s）表示。采用组内相关系数（ICC）分析2名观察者测量结果的一致性（ICC＜0.40表示一致性差，0.40≤ICC＜0.60表示一致性中等，0.60≤ICC＜0.75表示一致性良好，ICC≥0.75表示一致性高）。若一致性为良好以上，以高年资医师所测得的数据作为统计学分析指标。采用独立样本t检验比较2组间各参数值差异；绘制受试者操作特征（ROC）曲线并分析各参数的诊断效能及最佳诊断阈值。P＜0.05为差异有统计学意义。

2 结果

2.1 观察者间一致性分析 2位观察者测得MK、MD、平均ADC、最小ADC值的一致性均良好（均ICC＞0.60，均 P＜0.001），见表 1。

表1 2名观察者测得的DKI和DWI各参数值的一致性分析

2.2 2组间DKI和DWI参数比较 低分化组MK值高于高中分化组，低分化组MD、平均ADC、最小ADC值均低于高中分化组（均P＜0.05），详见表2，图 1、2。

表2 2组间DKI和DWI定量参数比较

2.3 DKI和DWI各参数的诊断效能 采用单一参数鉴别时，MK为0.88时，鉴别低分化与高中分化宫颈鳞癌的 AUC 最大（0.877），约登指数（0.593）及敏感度最高（92.6%）；MD 为 1.04×10-3mm2/s时，特异度最高（86.7%）。联合MK、MD和最小ADC诊断时，AUC 最大（0.937），敏感度最高（96.3%）。 详见表 3、图3。

表3 DKI和DWI定量参数鉴别不同分级宫颈鳞癌的诊断效能

3 讨论

常规MRI仅能反映肿瘤的形态学信息，不适于肿瘤的病理分级。DWI以高斯分布模型为基础，无法真实反映水分子运动特点。DKI基于组织内水分子扩散运动服从非高斯分布的假设，可准确反映微观组织的复杂程度[4]，能为临床提供更丰富、可靠的信息。

图1 病人女，49岁，中分化宫颈鳞癌。A-C图为常规斜轴面扫描。A图，DWI上示病变部位呈高信号（箭）；B图，MK伪彩图示病变部位呈黄绿色信号（箭）；C图，MD伪彩图示病变部分呈蓝、绿色信号（箭）；D图，镜下显示肿瘤细胞排列相对稀疏（HE，×400）。

图2 病人女，52岁，低分化宫颈鳞癌。A-C图为常规斜轴面扫描。A图，DWI上示病变呈高信号（箭）；B图，MK伪彩图示病变部位呈黄绿色信号（箭）；C图，MD伪彩图示病变部分呈蓝、浅蓝色信号（箭）；D图，镜下显示肿瘤细胞排列密集，异型性明显（HE，×400）。

图3 DKI和DWI定量参数鉴别诊断不同级别宫颈鳞癌的ROC曲线。

低分化宫颈鳞癌病人预后差，易复发及发生远处转移[5]，且在治疗方式上与高中分化鳞癌病人有所不同，因此本研究依据病理结果对病人进行分组，并由2名不知病理结果的观察者完成DWI、DKI各参数的独自测量。本研究结果显示2名观察者测得的MK、MD、平均ADC、最小ADC值均具有良好的一致性（均 ICC＞0.60）。本研究通过对比 MK、MD、平均ADC、最小ADC值在低分化与高中分化之间的差异，发现低分化组的MK值高于高中分化组，而MD、平均ADC、最小ADC值低于高中分化组，与文献[6-7]报道一致。可能是由于低分化较高中分化宫颈鳞癌组织的有丝分裂活跃，增殖能力旺盛，细胞异型性明显，引起组织微观结构更复杂，水分子偏离高斯分布程度更大，故MK值增高；此外，低分化宫颈鳞癌组织细胞密度大，细胞间隙小，而且更易发生囊变坏死，引起细胞外间隙的坏死成分及炎细胞数量增加，从而导致细胞间液黏稠度增加，而细胞密度及细胞间液黏稠度增加均可加大水分子运动受限程度[8]，导致MD、平均ADC、最小ADC值降低。

本研究中MK值鉴别低分化与高中分化宫颈鳞癌的ROC曲线下面积最大，且约登指数及敏感度最高，MD值的特异度最高。由于传统DWI单指数模型假设水分子扩散分布服从高斯分布[9]，但实际上肿瘤组织微观结构复杂，细胞密度、细胞膜及细胞器等因素均可影响水分子扩散运动，故引起水分子扩散偏离高斯分布[10-11]。DKI能更真实地分析微观组织内水分子扩散的受限程度，比传统的DWI更能反映组织微观结构改变[12]，而MD、MK值均以水分子扩散服从非高斯分布模型为基础获得，可较准确反映组织微观结构的复杂性及不均质性。另外，MK值可量化微观组织中水分子扩散位移偏离高斯分布模型扩散位移的程度，因此MK值鉴别不同分化程度宫颈鳞癌时具有最高的诊断效能。

本研究结果还显示，最小ADC值的诊断效能优于平均ADC值，可能是因为最小ADC值能有效反映肿瘤细胞增殖最旺盛的区域，故较平均ADC值更能真实反映肿瘤组织中最大异质性部分的特征[13]。另外，MK联合MD及最小ADC的AUC高于单一参数诊断，提示联合应用DKI和DWI参数可有效提高诊断效能，与柯等[14]研究结果相似。

本研究尚存在一些不足：①相比常规MRI平扫序列，DKI序列显示解剖结构欠佳，本研究也仅探讨功能成像参数的诊断效能而未结合形态学分析，因此DKI各参数的测量结果可能存在误差。②DKI序列仅用3个b值，最高 b值为2 000 s/mm2，而且无法确定本研究所选的b值是否为最佳b值。③ROI的选择具有一定的主观性。因此，有待今后扩充样本量，并优化DKI扫描参数及确定最佳b值进行进一步研究。

综上，在鉴别低分化与高中分化宫颈鳞癌中，DKI诊断效能高于传统DWI，且联合应用DKI和DWI参数可有效提高诊断效能，可更准确反映体内水分子的扩散运动特点，具有无创评估肿瘤分级的潜能，为临床选择治疗方案及评估预后提供更多信息。