全肿瘤表观弥散系数直方图在腮腺分泌性癌与腺泡细胞癌中的鉴别价值

程景风 唐作华 姚振威 王宇喆 占 杨,3 王 胤 颜姝瑜 袁 源谌灵心 魏子勋

腮腺乳腺样分泌性癌（mammary analogue secretory carcinoma， MASC）是一种少见的恶性肿瘤，由Skalova 等1］于2010年首次提出［。2017年，MASC被纳入世界卫生组织头颈部肿瘤分类中，简称为分泌性癌（secretory carcinoma， SC）［2］。尽管作为一个新的涎腺肿瘤，但SC 和腺泡细胞癌（acinic cell carcinoma， AciCC）有着相似的临床表现与组织结构特点，这给临床鉴别工作带来挑战［3］。此外，据报道，SC 的平均无病生存期要短于AciCC，分别为92、121 个月［4］，且SC 的淋巴结转移率高于AciCC，分别为33.3%（2/6）、11.6%（5/43）［5］，提示SC 可能更具侵袭性。因此，术前准确鉴别二者对临床选择合适治疗方式与提高患者预后有着重要价值。

影像学检查例如超声、CT、MRI 已被广泛应用于腮腺肿瘤的鉴别诊断。Ding 等［6］基于超声联合CT的结果，提出形状和囊变是鉴别SC 和AciCC 的关键特点，可获得57.1%的灵敏度、100%的特异度。先前研究［7-8］显示，SC 一般表现为囊实性肿块，且伴有出血与黄铁血黄素沉着在T2 加权成像（T2-weighted image， T2WI）上表现为低信号，而AciCC则以实性肿块居多，T2WI 呈均匀或不均匀高信号。然而，超声联合CT 的研究［6］鉴别SC 和AciCC 的灵敏度较低，且准确性未见报道。常规MRI 表现有助于提高腮腺良恶性肿瘤鉴别诊断的灵敏度［9］，但是常规MRI 表现在腮腺恶性肿瘤中存在部分重叠，对SC和AciCC的鉴别诊断带来一些困难。

与常规MRI 相比，弥散加权成像（diffusion weighted imaging， DWI）能评估病灶内水分子的运动情况，并以表观弥散系数（apparent diffusion coefficient， ADC）对其进行定量表示［10］，在腮腺恶性肿瘤的诊断与鉴别诊断中发挥着重要作用。同时，相较于常规ADC 值测量，全肿瘤ADC 直方图分析可以描述单个体素的ADC 数值分布，可以更加全面地反映肿瘤内部异质性。另外，这种分析方法可以有效地降低操作者对感兴趣区（region of interest， ROI）的主观选择差异，能够准确反映肿瘤内部水分子弥散情况。目前，ADC 直方图分析已经应用到腮腺良恶性肿瘤、恶性肿瘤亚组的鉴别诊断中［11］，但关于ADC 直方图鉴别SC 和AciCC 的研究尚未见文献报道。本研究回顾性分析腮腺SC 和AciCC 的DWI 以及ADC 资料，旨在探究全肿瘤ADC 直方图在二者鉴别诊断中的应用价值，以期提高术前鉴别诊断能力。

方法

1. 临床资料

回顾性分析 2016年 4月至 2023年 3月于本院经病理学确诊的6 例SC 和14 例AciCC 的临床与MRI 资料。6例SC 患者中，男4例、女2例，年龄15~57岁，平均年龄（39.83±14.41）岁。14 例AciCC 患者中，男5 例、女9 例，年龄16~67 岁，平均年龄（46.50±15.05）岁。临床表现为腮腺区肿物伴或不伴有胀痛。20 例患者均接受常规MRI 与DWI 检查，并且图像无明显伪影。

2. MRI

使用3.0 T 西门子Magnetom Verio 或Prisma 扫描仪，配有12 通道相控头线圈。扫描序列包括冠状位的T2WI、增强T1WI 以及轴位的T1WI、T2WI、DWI、增强T1WI。DWI 序列参数：TR=3 600 ms，TE=65 ms，视野=240 mm，矩阵=160×160，b 值为0和1 000 s/mm2，层厚3 mm。

3. 数据处理

2 名放射科医师使用Firevoxel 软件独立分析数据。ADC 通过单指数扩散模型计算，使用公式如下：Sb = S0*exp（-b*ADC），其中Sb 和S0 分别指特定b值和b=0 s/mm2时的信号强度。2 名放射科医生参照T2WI 和增强序列，在DWI 图像上沿着病灶的边缘逐层勾画ROI，且包括囊变、坏死区域，ROI 略微小于病灶的大小以减少部分容积效应的影响。勾画完毕之后可获取ADC 的最小值、平均值、最大值、百分位数值（5%、25%、50%、75%、95%）、偏度、峰度和熵。以上参数的解释如下：百分位数值表示低于该测量值的百分比；偏度是体现直方图的不对称程度；峰度反映直方图平坦度；熵反映直方图不规则的程度。组内相关系数用于检测2 名医师之间的测量可重现性，同时将2 名医师测量结果的平均值用于统计学检测。

4. 统计学分析

SPSS 26.0 统计学软件分析两组肿瘤的ADC 直方图参数，根据正态分布与方差齐性的结果，将ADC直方图参数以平均值±标准差或者中位数（四分位数间距）表示，并分别采用独立样本t检验、曼-惠特尼U检验。使用R 4.2.2 绘制ROC 曲线，获得曲线下面积（AUC）。P＜0.05界定为有统计学意义。

结果

1. 一致性检验与ADC 直方图参数在SC 和AciCC鉴别诊断中的比较

ADC 直方图各参数的组内相关系数为0.942～0.999，说明测量可重复性好。SC的ADC平均值、最大值、第5 百分位数值、第25 百分位数值、第50 百分位数值、第75 百分位数值、第95 百分位数值大于AciCC，而SC 的偏度小于AciCC，以上这些参数的差异在2 组肿瘤的鉴别诊断中均有统计学意义（P＜0.05）。但是两者ADC 的最小值、峰度以及熵的差异在2 组肿瘤的鉴别诊断中无统计学意义（P＞0.05），详见表1。代表性病例见图1和图2。

图1 典型病例1（男性，42岁，左侧腮腺SC）

图2 典型病例2（女性，28岁，左侧腮腺AciCC）

表1 腮腺SC和AciCC的ADC直方图参数比较

2. ADC 直方图参数在SC 和AciCC 鉴别诊断中的ROC分析

ADC 的平均值，最大值，第5、第25、第50、第75、第95 百分位数值，偏度在2 组肿瘤鉴别诊断中有统计学意义（P＜0.05），有助于二者的鉴别诊断。其中第95 百分位数值在鉴别2 组肿瘤中的AUC最大，为0.917，阈值为2.03×10-3mm2/s，灵敏度100.00%，特异度78.57%，准确度85.00%。此外，ADC 的偏度在鉴别SC 和AciCC 中的特异度最高、达92.86%， 阈值-0.21， 灵敏度66.67%， 准确度85.00%，详见表2、图3。

图3 鉴别腮腺SC和AciCC的ADC直方图参数的ROC曲线

表2 腮腺SC和AciCC的ADC直方图参数诊断效能比较

讨论

SC 属于少见的腮腺恶性肿瘤，由于SC 和AciCC的组织结构特点相似，先前多数SC 被诊断为AciCC［8］。为了提高对SC 的认识，并将其与AciCC进行鉴别，本研究基于全肿瘤直方图分析以评估SC和AciCC的ADC图的灰阶分布。

本研究发现全肿瘤ADC 直方图参数在腮腺SC 和AciCC 的鉴别诊断中有统计学意义，SC 的ADC 平均值，最大值，第5、第25、第50、第75、第95 百分位数值均显著大于AciCC，而偏度显著小于AciCC，其中以第95 百分位数值的鉴别诊断能力最高，表明全肿瘤ADC直方图有助于鉴别腮腺SC和AciCC。

全肿瘤ADC 直方图分析能够全面且准确地反映肿瘤内各个区域水分子弥散情况，分析病灶内部的不均质性与复杂性，为术前鉴别诊断SC 和AciCC 提供客观且可靠的弥散信息。本研究结果显示SC 的ADC平均值，最大值，第5、25、50、75、95 百分位数值大于AciCC，差异有统计学意义，推测其原因可能是AciCC 的肿瘤细胞排列紧密，水分子弥散受限制，而SC 的肿瘤细胞密集程度不如AciCC，且SC 容易发生囊变坏死［6］，囊变坏死区域无明显水分子弥散受限，导致SC 内部水分子弥散受限程度低于AciCC。因此，SC 的以上ADC 直方图参数显著大于AciCC，对2 组肿瘤的鉴别诊断有较高价值。与既往研究［7，12］结果一致，本研究中SC 的ADC 平均值大于AciCC，提示ADC值对SC和AciCC的术前鉴别有一定的价值。

偏度、峰度、熵均是体现肿瘤异质性的重要参数，分别反映了ADC 直方图的不对称性、平坦度以及不规则的程度。本研究结果显示偏度在SC 和AciCC 的鉴别诊断中存在统计学意义，SC 的ADC 直方图以负偏度为主，而AciCC以正偏度为主。正偏度代表大多数体素的ADC 值低于平均值，曲线的尾部指向右侧［13］。因此，与SC 相比，AciCC 含有更多低于平均ADC 值的体素，有助于鉴别SC 和AciCC。同时，相比于其他参数，偏度在鉴别SC 和AciCC 中的特异度最高，提示偏度在鉴别SC 和AciCC 中的作用较大。此外，既往关于头颈部鳞状细胞癌ADC 直方图的研究［14］发现，偏度在鉴别人乳头状瘤病毒阳性与阴性的鳞状细胞癌中存在统计学意义，表明偏度在评估肿瘤内部微环境方面有一定优势，通过比较ADC 直方图不对称的程度（偏度），有助于二者的鉴别诊断。另外，本研究中2 组肿瘤ADC 的峰度和熵的差异无统计学意义，推测可能与样本量较小有关，有待基于更大样本的进一步分析。

本研究ROC 分析显示第95百分位数值在鉴别SC和AciCC 中的AUC（0.917）最大，提示ADC 高百分位数值在鉴别二者中的优势，其原因可能是本次研究中的ROI包含囊变、坏死区域，该区域水分子弥散受限不明显，因而可以使ADC 高百分位数值的鉴别诊断效能更高［15］。目前，主要存在两种ROI 的勾画方式，一种是仅包含肿瘤的实性成分，另一种是包含肿瘤实性成分以及囊变坏死区域。为了更好地评估肿瘤内部的不均质性，并在一定程度上减小观察者之间ROI的采样误差，同时鉴于SC 是一种容易发生囊变、坏死的肿瘤，因此本研究采用包含肿瘤实性成分以及囊变坏死区域的ROI勾画方式，更全面地反映肿瘤内部的不均质性，通过比较ADC 直方图参数的差异，从而更加准确地鉴别SC和AciCC。

本研究存在以下局限性：①样本量较小，这与SC 和AciCC 的发病率相对较低有关，今后需要扩大样本来验证本研究的结果，并且进一步观察这两类患者长期随访结果之间的差异；②回顾性研究，不可避免地存在选择偏移；③本组病例未进行动态对比增强MRI检查，其定性、半定量和定量分析可以为腮腺肿瘤提供较高的诊断价值。

总之，本研究证实了ADC 的平均值，最大值，第5、25、50、75、95 百分位数值，偏度能够准确鉴别腮腺SC 和AciCC，其中偏度的特异度最高，而第95 百分位数值的鉴别诊断效能最高。全肿瘤ADC 直方图分析能够通过揭示肿瘤内部的不均质性，有助于鉴别腮腺SC 和AciCC，为临床治疗与改善患者预后提供有效信息。