IVIM及DKI在乳腺病變的臨床研究進(jìn)展

柯承露，李靜

擴(kuò)散加權(quán)成像(diffusion weighted imaging，DWI)模型假設(shè)人體內(nèi)水分子擴(kuò)散運(yùn)動為符合高斯分布的自由、隨機(jī)的運(yùn)動，通過單指數(shù)模型線性擬合信號強(qiáng)度的衰減，運(yùn)用表觀擴(kuò)散系數(shù)(apparent diffusion coefficient，ADC)量化分析體內(nèi)水分子擴(kuò)散運(yùn)動，反映組織內(nèi)分子擴(kuò)散運(yùn)動，進(jìn)而間接反映微觀結(jié)構(gòu)的變化，其中磁場的梯度強(qiáng)度、方向以及時間剖面線會影響擴(kuò)散運(yùn)動的敏感性，上述因素一般簡化成參數(shù)b值(s/mm2)。既往多個研究認(rèn)為b值越高，所獲得的擴(kuò)散運(yùn)動信息越接近真實的體內(nèi)微觀結(jié)構(gòu)及微環(huán)境變化[1-3]。但體內(nèi)擴(kuò)散運(yùn)動復(fù)雜多樣，除單純水分子擴(kuò)散運(yùn)動外，毛細(xì)血管內(nèi)血液微循環(huán)無規(guī)律方向灌注運(yùn)動所致的“假擴(kuò)散”也為較主要的部分，尤其b值(b＜200 s/mm2)越低，此影響愈明顯[4]。此外由于大部分活體組織內(nèi)水分子擴(kuò)散運(yùn)動受限，并不完全符合高斯分布，且隨著b值的升高(尤其b＞1000 s/mm2)，非高斯擴(kuò)散現(xiàn)象愈顯著[5-6]。鑒于DWI所獲得的擴(kuò)散信息與真實的體內(nèi)擴(kuò)散運(yùn)動存在一定程度的偏離，相繼有學(xué)者提出了基于毛細(xì)血管微循環(huán)灌注的體素內(nèi)不相干運(yùn)動(intravoxel incoherent motion imaging，IVIM)模型[7-8]以及基于非高斯分布的DKI模型，以期探究更真實的體內(nèi)組織擴(kuò)散現(xiàn)象和組織微結(jié)構(gòu)。

1 基本原理

1.1 IVIM的基本原理

IVIM為雙指數(shù)模型，通過多b值DWI上組織信號強(qiáng)度的變化，經(jīng)過雙指數(shù)擬合分別獲得單純水分子擴(kuò)散系數(shù)(D值)、灌注相關(guān)擴(kuò)散系數(shù)(D*)及灌注分?jǐn)?shù)(f值)[7-8]。

其信號變化與b值關(guān)系：Sb/S0=(1-f)×exp(-bD)+f×exp (-bD*)

目前研究普遍認(rèn)為，低b值(0～200 s/mm2)時擴(kuò)散信號包含了水分子擴(kuò)散運(yùn)動及毛細(xì)血管微循環(huán)灌注效應(yīng)，且b值愈小灌注效應(yīng)愈明顯；b值較高(200～1000 s/mm2)時則基本反映單純水分子擴(kuò)散運(yùn)動[9]。

1.2 DKI的基本原理

DKI為多參數(shù)模型，其信號改變與b值關(guān)系：ln (Sb)=ln (S0)-bDapp+b2Dapp2Kapp/6+0 (b3)

峰度參數(shù)Kapp值是一個無量綱微觀指標(biāo)，用來量化真實水分子擴(kuò)散位移偏離高斯分布的程度，其大小取決于感興趣區(qū)域內(nèi)組織結(jié)構(gòu)的復(fù)雜程度，即成像體素內(nèi)生物組織結(jié)構(gòu)越復(fù)雜，水分子擴(kuò)散偏離高斯分布程度越大，Kapp值越大；擴(kuò)散系數(shù)Dapp值(×10-3mm2/s)為經(jīng)非高斯分布矯正過的ADC值，表示單位時間內(nèi)水分子的擴(kuò)散位移距離，反映組織水分子的整體擴(kuò)散水平和擴(kuò)散阻力[5，10]。

DKI可以獲得多個方向上的參數(shù)值，如軸向峰度Kax(axial kurtosis)、軸向擴(kuò)散系數(shù)Dax(axial diffusivity)等，目前臨床應(yīng)用研究中多采用平均值，即平均峰度參數(shù)(mean kurtosis，MK)和平均擴(kuò)散系數(shù)(mean diffusivity，MD)。

2 IVIM及DKI在乳腺病變的臨床應(yīng)用

2.1 IVIM的臨床應(yīng)用

目前，IVIM在乳腺病變的臨床應(yīng)用研究主要集中在良惡性病變鑒別、乳腺癌病理分型及預(yù)后預(yù)測，以及乳腺癌新輔助化療療效評估等方面。

雖然目前有研究認(rèn)為IVIM在鑒別診斷乳腺良惡性病變上仍存在爭議，其臨床價值并未比DWI的表現(xiàn)更突出[11-12]，但仍有大量研究結(jié)果表明IVIM有助于乳腺良惡性病變的鑒別診斷[13-25]。國內(nèi)外有學(xué)者研究發(fā)現(xiàn)IVIM鑒別診斷乳腺良惡性病變的價值高于DWI或動態(tài)增強(qiáng)掃描磁共振成像(dynamic contrast-enhanced magnetic resonance imaging，DCE-MRI)，它是DWI及DCE-MRI的一個有力補(bǔ)充，IVIM聯(lián)合DCE-MRI可以有效提高DCE-MRI在診斷乳腺病變良惡性的準(zhǔn)確性[13-18]。Bokacheva等[19]則發(fā)現(xiàn)乳腺纖維腺體的f值顯著高于良性腫瘤，而D*值則相反，從而認(rèn)為IVIM有助于鑒別良性腫瘤與纖維腺體，同時D*值與f值的聯(lián)合應(yīng)用可以提高鑒別診斷良惡性病變的準(zhǔn)確性。但有研究則認(rèn)為反映細(xì)胞結(jié)構(gòu)的D值和反映血管生成情況的D*值及f值均有助于鑒別良惡性乳腺病變，D值和f值的聯(lián)合可獲得最高敏感性[20]。關(guān)于乳腺癌病理分型、分子亞型及臨床預(yù)后相關(guān)因素的研究，有結(jié)果表明Dslow在ER陽性與陰性組間存在差異，同時f值與腫瘤浸潤性成分的大小相關(guān)，這一結(jié)果可能與腫瘤內(nèi)的血管生成有關(guān)[21]。Liu等[22]研究則發(fā)現(xiàn)IVIM除了有助于鑒別乳腺腫物良惡性外，其灌注相關(guān)系數(shù)f與DCE-MRI顯著相關(guān)，此結(jié)果可能與腫瘤內(nèi)血管生成有關(guān)。Kim等[23]的研究則發(fā)現(xiàn)低D值與乳腺癌Ki-67受體高表達(dá)及l(fā)uminal B亞型密切相關(guān)。此外，有研究結(jié)果認(rèn)為D*值及f值與乳腺癌人類表皮生長因子受體-2(human epiderma1 receptor-2，HER-2)表達(dá)密切相關(guān)[24]。而在Ostenson等[25]的研究中，IVIM量化值及標(biāo)準(zhǔn)化攝取值與臨床預(yù)后都有一定的相關(guān)性，而一體化正電子發(fā)射斷層顯像/磁共振成像掃描能夠同時獲得兩種量化值，從而構(gòu)建一個判斷和監(jiān)測進(jìn)展期乳腺癌治療反應(yīng)的框架。

關(guān)于乳腺癌新輔助化療療效的預(yù)測研究，Che等[26]發(fā)現(xiàn)D值及f值在局部進(jìn)展期乳腺癌的治療前預(yù)測及早反應(yīng)監(jiān)測上的潛在價值，同時ΔD值在預(yù)測新輔助化療后病理反應(yīng)上表現(xiàn)最佳。

2.2 DKI的臨床應(yīng)用

相比IVIM在乳腺病變的臨床應(yīng)用研究，目前乳腺DKI的相關(guān)臨床研究較少?，F(xiàn)有關(guān)于DKI對乳腺良惡性病變鑒別診斷價值的研究結(jié)果均顯示乳腺惡性病變的MK值顯著高于良性病變，良性病變的MD值則明顯高于惡性病變，其中部分研究認(rèn)為DKI診斷乳腺良惡性病變的效能優(yōu)于傳統(tǒng)的單指數(shù)DWI及DCE-MRI[27-33]。Nogueira等[27]的研究還發(fā)現(xiàn)浸潤性導(dǎo)管癌與乳腺纖維腺瘤間ADC、MD、MK值存在顯著差異，同時纖維腺瘤和纖維囊性病變僅在MK值上存在顯著差異(0.48±0.09 vs 0.25±0.14，P=0.016)。

除與DWI及DCE-MRI相比較，有研究對IVIM及氫質(zhì)子磁共振頻譜(proton MR spectroscopy，1H-MRS)及DKI鑒別診斷乳腺良惡性病變的價值進(jìn)行了比較研究。李嫣等[28]的研究探討了IVIM技術(shù)聯(lián)合DKI對乳腺良惡性病變的鑒別診斷價值，結(jié)果顯示良惡性病灶的D值、f值、MK值、ADC值和MD值的中位數(shù)差異有統(tǒng)計學(xué)意義，且各參數(shù)中以D值的診斷效能最大，聯(lián)合診斷則以D值和MK值的診斷效能最高。林艷等[29]的研究結(jié)果認(rèn)為DKI能夠鑒別診斷乳腺良惡性病變，其中MK的診斷效能較高，DKI聯(lián)合DWI和1H-MRS診斷的特異度提高，但敏感度下降。

還有部分研究探索了DKI與乳腺癌分級及病理因素的相關(guān)性。Sun等[30]的研究結(jié)果指出在侵襲性乳腺癌患者中，擴(kuò)散峰度K值與乳腺癌的病理分級及Ki-67蛋白的表達(dá)正相關(guān)，與擴(kuò)散系數(shù)D值為負(fù)相關(guān)。但成芳等[31]的研究結(jié)果表明ADC值、MD值和MK值在不同級別浸潤性乳腺癌之間差異沒有統(tǒng)計學(xué)意義，僅發(fā)現(xiàn)ADC值和MD值對雌激素受體有統(tǒng)計學(xué)意義(P＜0.05)，而不同表達(dá)水平的孕激素受體、HER-2及Ki-67間差異均無統(tǒng)計學(xué)意義，研究認(rèn)為該結(jié)果可能源于ADC值、MD值、MK值與腫瘤細(xì)胞結(jié)構(gòu)有相關(guān)性，但目前尚無研究證明腫瘤細(xì)胞結(jié)構(gòu)與組織學(xué)分級有關(guān)；至于MK值、MD值與Ki-67高低表達(dá)間無相關(guān)性，可能與研究采用20%作為Ki-67高低表達(dá)界值，不同于之前研究所采用的界值有關(guān)。

3 總結(jié)

目前IVIM在乳腺病變的相關(guān)臨床研究較多，相比于單指數(shù)模型DWI，IVIM能獲得D值、D*值、f值，區(qū)分組織內(nèi)水分子擴(kuò)散及毛細(xì)血管微循環(huán)灌注情況，但Panek等[34]發(fā)現(xiàn)約一半乳腺癌及正常乳腺組織中未發(fā)現(xiàn)假性擴(kuò)散及體素內(nèi)各向異質(zhì)性的效量誤差，因此他們認(rèn)為IVIM模型可能還只限于局部研究階段而不能夠用于全面范圍內(nèi)的腫瘤評估。

DKI通過參數(shù)量化分析生物組織內(nèi)水分子非高斯擴(kuò)散活動，獲得更精確的擴(kuò)散信息，更真實地反映復(fù)雜的組織微觀結(jié)構(gòu)，從而能夠在無對比劑情況下較好地評價病變，成為多參數(shù)成像的一個重要評估部分。對于DKI模型而言，信噪比低、偽影重、參數(shù)測量的可重復(fù)性問題是目前迫切需要解決的關(guān)鍵。

目前，IVIM及DKI模型大多仍只處于研究階段，現(xiàn)階段仍需要大量臨床數(shù)據(jù)來進(jìn)一步評價IVIM及DKI模型，同時建立一個控制標(biāo)準(zhǔn)來提高成像質(zhì)量及參數(shù)測量的可重復(fù)性，以期IVIM或DKI模型更廣闊地應(yīng)用于臨床。

參考文獻(xiàn) [References]

[1]García Santos JM, Ordó?ez C,Torres del Río S, et al. ADC measurements at low and high b values: insight into normal brain structure with clinical DWI. Magn Reson Imaging, 2008, 26(1):35-44.

[2]Yoshiura T, Mihara F, Tanaka A, et al. High b value diffusionweighted imaging is more sensitive to white matter degeneration in Alzheimer's disease. Neuroimage, 2003, 20(1): 413-419.

[3]Ichikawa T, Erturk SM, Motosugi U, et al. High-b value diffusionweighted MRI for detecting pancreatic adenocarcinoma: preliminary results. AJR Am J Roentgenol, 2007, 188(2): 409-414.

[4]Luciani A, Vignaud A, Cavet M, et al. Liver cirrhosis: intravoxel incoherent motion MR imaging-pilot study. Radiology, 2008, 249(3):891-892.

[5]Jensen JH, Helpern JA, Ramani A, et al. Diffusional kurtosis imaging: the quantification of non-Gaussian water diffusion by means of magnetic resonance imaging. Magn Reson Med, 2005,53(6): 1432-1440.

[6]Tamura T, UsuiS, Murakami S, et al. Biexponential signal attenuation analysis of diffusion-weighted imaging of breast. Magn Reson Med Sci, 2010, 9(4): 195-207.

[7]Le Bihan D, Breton E, Lallemand D, et al. MR imaging of intravoxel incoherent motions: application to diffusion and perfusion in neurologic disorders. Radiology, 1986, 161(2): 401-407.

[8]Le Bihan D, Breton E, Lallemand D, et al. Separation of diffusion and perfusion in intravoxel incoherent motion MR imaging.Radiology, 1988, 163(2): 497-505.

[9]Takahara T, Kwee TC. Low b-value diffusion-weighted imaging:emerging applications in the body. J Magn Reson Imaging, 2012,35(6): 1266-1273.

[10]Jensen JH, Helpern JA. MRI quantification of non-Gaussian water diffusion by kurtosis analysis. NMR Biomed, 2010, 23(7): 698-710.

[11]Yuan J, Wong OL, Lo GG, et al. Statistical assessment of biexponential diffusion weighted signal characteristics induced by intravoxel incoherent motion in malignant breast tumors. Quant Imaging Med Surg, 2016, 6(4): 418-429.

[12]Wang GY, Yang GZ, Dong HB, et al. The value of DWI based on intraVoxel incoherent motion in identifying benign and malignant breast lesions. J Clin Radiol, 2016, 35(3): 348-352.王高燕, 楊光釗, 董海波, 等. 基于體素內(nèi)不相干運(yùn)動DWI在乳腺良惡性病變鑒別中的價值. 臨床放射學(xué)雜志, 2016, 35(3): 348-352.

[13]Dijkstra H, Dorrius MD, Wielema M, et al. Semi-automated quantitative intravoxel incoherent motion analysis and its implementation in breast diffusion-weighted imaging. J Magn Reson Imaging, 2016, 43(5): 1122-1131.

[14]Iima M, Yano K, Kataoka M, et al. Quantitative non-gaussian diffusion and intravoxel incoherent motion magnetic resonance imaging: differentiation of malignant and benign breast lesions.Invest Radiol, 2015, 50(4): 205-211.

[15]Wang Q, Guo Y, Zhang J, et al. Contribution of IVIM to conventional dynamic contrast-enhanced and diffusion-weighted MRI in differentiating benign from malignant breast masses. Breast Care(Basel), 2016, 11(4): 254-258.

[16]Ma D, Lu F, Zou X, et al. Intravoxel incoherent motion diffusionweighted imaging as an adjunct to dynamic contrast-enhanced MRI to improve accuracy of the differential diagnosis of benign and malignant breast lesions. Magn Reson Imaging, 2017, 36(2): 175-179.[17]Dijkstra H, Dorrius MD, Wielema M, et al. Quantitative DWI implemented after DCE-MRI yields increased specificity for BIRADS 3 and 4 breast lesions. Chin J Magn Reson Imag, 2016, 44(6):1642-1649.

[18]Che SN, Cui XL, Li J, et al. The value of intravoxel incoherent motion model of diffusion weighted imaging in differentiating benign from malignant breast lesions. Chin J Magn Reson Imag, 2015, 6(7):506-512.車樹楠, 崔曉琳, 李靜, 等. MR擴(kuò)散加權(quán)成像體素內(nèi)不相干運(yùn)動模型對于乳腺良惡性病變診斷價值的研究. 磁共振成像, 2015, 6(7):506-512.

[19]Bokacheva L, Kaplan JB, Giri DD, et al. Intravoxel incoherent motion diffusion-weighted MRI at 3.0 T differentiates malignant breast lesions from benign lesions and breast parenchyma. J Magn Reson Imaging, 2014, 40(4): 813-823.

[20]Liu C, Liang C, Liu Z, et al. Intravoxel incoherent motion (IVIM) in evaluation of breast lesions: comparison with conventional DWI. Eur J Radiol, 2013, 82(12): 782-789.

[21]Lee YJ, Kim SH, Kang BJ, et al. Intravoxel incoherent motion(IVIM)-derived parameters in diffusion-weighted MRI: Associations with prognostic factors in invasive ductal carcinoma. J Magn Reson Imaging, 2017, 45(5): 1394-1406.

[22]Liu C, Wang K, Chan Q, et al. Intravoxel incoherent motion MR imaging for breast lesions: comparison and correlation with pharmacokinetic evaluation from dynamic contrast-enhanced MR imaging. Eur Radiol, 2016, 26(11): 3888-3898.

[23]Kim Y, Ko K, Kim D, et al. Intravoxel incoherent motion diffusion-weighted MR imaging of breast cancer: association with histopathological features and subtypes. Br J Radiol, 2016, 89(1063):20160140.

[24]Cho GY, Moy L, Kim SG, et al. Evaluation breast cancer using intravoxel incoherent motion (IVIM) histogram analysis: comparison with malignant status, histological subtype, and molecular prognostic factors. Eur Radiol, 2016, 26(8): 2547-2558.

[25]Ostenson J, Pujara AC, Mikheev A, et al. Voxelwise analysis of simultaneously acquired and spatially correlated 18 F-f l uorodeoxyglucose (FDG)-PET and intravoxel incoherent motion metrics in breast cancer. Magn Reson Med, 2016, 78(3): 1147-1156.

[26]Che S, Zhao X, Ou Y, et al. Role of the intravoxel incoherent motion diffusion weighted imaging in the pre-treatment prediction and early response monitoring to neoadjuvant chemotherapy in locally advanced breast cancer. Medicine (Baltimore), 2016, 95(4): e2420.

[27]Nogueira L, Brand?o S, Matos E, et al. Application of the diffusion kurtosis model for the study of breast lesions. Eur Radiol, 2014,24(6): 1197-1203.

[28]Li Y, Ai T, Hu YQ, et al. The value of IVIM-DKI model in differentiating benign from malignant breast lesions. Radiology Practice, 2016, 31(12): 1191-1195.李嫣, 艾濤, 胡益祺, 等. 體素內(nèi)不相干運(yùn)動聯(lián)合擴(kuò)散峰度成像模型對乳腺良惡性病灶的鑒別診斷價值. 放射學(xué)實踐, 2016, 31(12):1191-1195.

[29]Lin Y, Huang Y, Lin WX, et al. Evaluation of diffusion kurtosis imaging and its combination with diffusion weighted imaging and proton MR spectroscopy in differentiation of breast lesions. Chin J Radiol, 2017, 51(5): 350-354.林艷, 黃瑤, 林偉洵, 等. 擴(kuò)散峰度成像參數(shù)及其聯(lián)合擴(kuò)散加權(quán)成像與 MR 頻譜參數(shù)鑒別乳腺良、惡性病變的價值. 中華放射學(xué)雜志, 2017, 51(5): 350-354.

[30]Sun K, Chen X, Chai W, et al. Breast cancer: diffusion kurtosis MR imaging-diagnostic accuracy and correlation with clinical-pathologic factors. Radiology, 2015, 277(1): 46-55.

[31]Cheng F, Suo ST, Kang JW, et al. The study on the application value of DKI in the classification of invasive breast carcinoma and its correlation with prognostic factors. Chin J Magn Reson Imag, 2017,8(3): 164-169.成芳, 所世騰, 康記文, 等. MR擴(kuò)散峰度成像在浸潤性乳腺癌分級及與預(yù)后因素的相關(guān)性應(yīng)用研究. 磁共振成像, 2017, 8(3): 164-169.

[32]Wu D, Li G, Zhang J, et al. Characterization of breast tumors using diffusion kurtosis imaging (DKI). PLoS One, 2014, 11(9): e113240.

[33]Christou A, Ghiatas A, Priovolos D, et al. Accuracy of diffusion kurtosis imaging in characterization of breast lesions. Br J Radiol,2017, 90(1073): 20160873.

[34]Panek R, Borri M, Orton M, et al. Evaluation of diffusion models in breast cancer. Med Phys, 2015, 42(8): 4833-4839.