磁共振定量参数在鉴别I型与Ⅱ型子宫内膜癌中的价值

张 云，唐雪飞，王 谦，任金武，王海辰，马聪敏

（保定市第一中心医院医学影像三科 河北 保定 071000）

子宫内膜癌（endometrial carcinoma，EC）是目前最常见的妇科恶性肿瘤之一，其发病率约占妇科恶性肿瘤的56.8%[1]。且近些年来，逐渐呈年轻化趋势。其预后主要取决于肿瘤的组织学类型、FIGO分期、病理分级及淋巴结转移情况[2]。1983年Bokhman首次提出将子宫内膜癌分为Ⅰ型和Ⅱ型[3]，其中Ⅰ型为雌激素依赖性，病理类型为低级别子宫内膜样腺癌（G1、G2），预后一般良好；Ⅱ型为非雌激素依赖型，病理类型包括高级别子宫内膜样腺癌（G3）、透明细胞癌、未分化癌和乳头状浆液性癌等，预后情况较差[4]。以往的研究往往侧重评价磁共振定量参数在子宫内膜癌的术前诊断、术前分级与分期中的价值[5]，而关于磁共振定量参数在鉴别Ⅰ型和Ⅱ型子宫内膜癌中的价值的研究较少。本文将综合运用Logistic回归分析及ROC曲线方法，探讨磁共振定量参数在鉴别Ⅰ型与Ⅱ型子宫内膜癌中的价值。

1 资料与方法

1.1 一般资料

回顾性分析2015年4月—2020年3月于保定市第一中心医院经手术病理证实为子宫内膜癌的87例患者的术前磁共振资料，患者年龄42～74岁，平均年龄为（57.8±7.0）岁；其中Ⅰ型子宫内膜癌68例，Ⅱ型子宫内膜癌19例；主要临床表现包括：月经紊乱或绝经后不规则阴道流血。

纳入标准：①经手术病理证实为子宫内膜癌的患者；②磁共振资料完整清晰者；③未进行术前放疗及化疗，病灶大于1 cm者。排除标准：①图像伪影严重无法测量者；②手术前行化疗或放疗者；③病灶过小者（＜1.0 cm）。

1.2 方法

MR检查：采用GE 1.5T磁共振扫描仪及8通道体部相控阵线圈，扫描序列包括常规T1WI、T2WI、DWI及增强检查，扫描参数如下：①轴位FSE-T1WI序列，矩阵288×192，视野400 mm×400 mm，层厚5 mm，层间距1 mm，TR 520 ms，TE 8.6 ms，激励次数2；② 轴位FRFSE-T2WI（FS）序列，矩阵320×192，视野400 mm×400 mm，层厚5 mm，层间距1 mm，TR 4 000 ms，TE 68 ms，激励次数2；③矢状位FRFSE-T2WI（FS）序列，矩阵288×224，视野260 mm×260 mm，层厚5 mm，层间距1 mm，TR 2 780 ms，TE 92 ms，激励次数2；④轴位DWI，采用SE-EPI序列，矩阵128×128，视野310 mm×310 mm，层 厚5 mm，层 间 距1 mm，TR为4 000 ms/3 600 ms，TE为72 ms，b值为0、800 s/mm2。

1.3 MRI图像分析

由2名影像科主治医师用双盲法分别测量87例子宫内膜癌患者的平均表观弥散系数（ADC）及最大径（LD）。参考T2WI及增强扫描，观察肿瘤在3个层面的边界，测量肿瘤的LD。利用GE的Functool软件包进行后处理，先生成ADC图，再在肿瘤最大层面的ADC图上设置感兴趣区（ROI），ROI的设置参考Inoue等[6]的方法，分别测量三次ADC取平均值。测量过程中要尽量避开正常的组织及坏死囊变区域（图1）。

图1 子宫内膜样腺癌（G2）示例

1.4 统计学方法

采用SPSS 25.0及MedCalc 19.0软件进行数据分析。计量资料均进行one Kolmogorov-Smirnov正态性检验，符合正态分布的以（x-± s）表示，采用独立样本t检验，利用Pearson相关性分析ADC及LD分别与子宫内膜癌术前分型的相关性，并综合运用Logistic回归联合ROC曲线评估ADC及LD对不同分型子宫内膜癌的鉴别效能。以P＜0.05为差异具有统计学意义。

2 结果

2.1 病理结果

87例患者均经手术病理证实：Ⅰ型子宫内膜癌68 例（78.2%），Ⅱ型子宫内膜癌19例（21.8%）。病理分型：G1 32例（36.8%），G2 36例（41.4%），G3 19例（21.8%）。见表1。

表1 病理分型结果[n（%）]

2.2 不同分型子宫内膜癌的LD、ADC比较及相关性分析

2位观察者对子宫内膜癌ADC测量结果的一致性良好，ICC=0.9836。两独立样本t检验显示，Ⅰ、Ⅱ型子宫内膜癌的LD及ADC差异具有统计学意义（P＜0.05），见图2、表2。Pearson等级相关分析显示，LD与组织学分型呈正相关（r=0.254，P=0.018）。ADC与组织学分型呈负相关（r=-0.528，P＜0.001）。

表2 不同分型子宫内膜癌的LD、ADC比较（x- ± s）

图2 不同组织分型的子宫内膜癌LD、ADC结果

2.3 Logistic回归分析

Logistic回归分析显示ADC可独立预测不同分型子宫内膜癌（P＜0.001），LD（P=0.449）不能独立预测，见表3。

表3 Logistic回归分析结果

2.4 应用ROC曲线评价各参数预测子宫内膜癌术前分型的诊断效能

以ADC进行ROC曲线分析（图3）。ADC的AUC、灵敏度、特异度及诊断界值分别为0.887、76.5%、94.7%、0.974。见表4。

表4 ADC鉴别I、Ⅱ型子宫内膜癌的ROC曲线结果

图3 I、Ⅱ型子宫内膜癌的ROC曲线分析

3 讨论

Ⅱ型子宫内膜癌具有较高的异质性，且容易发生淋巴血管浸润，影响患者的生存率[7-9]。因此，在术前准确预测Ⅱ型子宫内膜癌有助于临床制定适合的手术及评估患者的预后情况。虽然ADC值应用于子宫内膜癌的临床研究较多，但关于利用ADC值来进行Ⅰ型和Ⅱ型子宫内膜癌鉴别诊断的研究较少，以往的研究表明，ADC值在肿瘤术前组织学分级中具有重要的价值。其中Inoue等[10]认为肿瘤的分级越高，ADC值越低。本研究也得到了相似的结果。本研究中Ⅱ型内膜癌的ADC显著低于Ⅰ型（P＜0.001），随着分型的增高，ADC降低，两者呈负相关（r=-0.528，P＜0.001）这可能与不同组织学分型间的生物学特性不同有关，Ⅱ型子宫内膜癌由于细胞增殖快，核大致密，细胞外间隙相对减小，水分子扩散运动明显受限，导致ADC值下降明显[11-13]。

Jung等[14]的研究显示肿瘤最大径与肿瘤的分级有显著相关性（P＜0.001）。本研究也得到了相似的结果，不同组织学分型的子宫内膜癌LD的差异具有统计学意义（P=0.018）；随着分级的增高，LD增大，两者呈正相关（r=0.254，P=0.018）。

Logistic回归以往应用于Ⅰ、Ⅱ型子宫内膜癌的鉴别诊断中较少，且多侧重于探讨单个参数的研究，多个参数联合的研究更少。本研究中，尝试利用LD及ADC从不同角度分析其预测子宫内膜癌的能力，但Logistic回归分析显示ADC可独立预测不同分型子宫内膜癌（P＜0.001），LD（P=0.449）不能独立预测。这可能是因为Ⅰ、Ⅱ型子宫内膜癌的生长方式不同有关，Ⅱ型子宫内膜癌更倾向于替换性生长模式（肿瘤替代正常组织），而Ⅰ型子宫内膜癌更倾向于膨胀性生长，从而可能导致Ⅰ、Ⅱ型子宫内膜癌的LD存在重叠。

本研究存在的一些局限性。首先，ADC值反映肿瘤细胞密集程度的能力强于反映细胞分化程度的能力；当肿瘤细胞密集程度不高，但不典型分化明显时，ADC值就可能会低估其组织学分型。其次，本研究大部分患者的病理类型为Ⅰ型子宫内膜样腺癌，Ⅱ型子宫内膜癌的病例数较少；再次，由于不同分型子宫内膜癌的LD之间存在一定的重叠，在临床应用中具有局限性，需要结合ADC对病变进行综合评估。

综上所述，MRI定量参数对鉴别Ⅰ型及Ⅱ型子宫内膜癌有一定的价值，综合运用Logistic回归分析和ROC曲线可以提高鉴别不同分型子宫内膜癌的准确性。