第107屆北美放射學(xué)會(huì)年會(huì)亮點(diǎn)：中樞神經(jīng)影像學(xué)

劉心怡，黃飚，曾洪武

作者單位：1.深圳市兒童醫(yī)院放射科，深圳518038；2.汕頭大學(xué)醫(yī)學(xué)院，汕頭515041；3.廣東省人民醫(yī)院放射科，廣州510080

第107 屆北美放射學(xué)會(huì)(Radiological Society of North America，RSNA)年會(huì)于2021年11月28日至12月2日在美國(guó)芝加哥舉行。受新冠疫情影響，大會(huì)采用線上線下結(jié)合模式，本次大會(huì)主題是“Redefining Radiology (重新定義放射學(xué))”。現(xiàn)對(duì)第107 屆RSNA 年會(huì)中樞神經(jīng)系統(tǒng)方面的研究亮點(diǎn)及熱點(diǎn)進(jìn)行簡(jiǎn)要綜述。

1 腦腫瘤

1.1 腦腫瘤影像在診斷分類中的進(jìn)展

世界衛(wèi)生組織(World Health Organization，WHO)于2021 年6 月發(fā)布了中樞神經(jīng)系統(tǒng)腫瘤分類第五版(the fifth edition of the WHO classification of tumors of the central nervous system，WHO CNS 5)。荷蘭鹿特丹大學(xué)醫(yī)學(xué)院的Marion Smits 教授在RSNA 2021 年會(huì)上對(duì)WHO CNS 5的更新要點(diǎn)作出了簡(jiǎn)要概括，她總結(jié)提出WHO CNS 5在結(jié)合組織學(xué)和免疫組織化學(xué)的基礎(chǔ)上，重點(diǎn)推進(jìn)了基因分子診斷在中樞神經(jīng)系統(tǒng)腫瘤分類中的作用，腫瘤分類一直是日新月異的熱點(diǎn)。

WHO CNS 5 更新內(nèi)容主要有：(1)新增并修訂命名多種腫瘤類型，強(qiáng)調(diào)組織/分子特征整合，如新增了原發(fā)性顱內(nèi)肉瘤，DICER1 突變型等等，根據(jù)已確定的分子遺傳差異將膠質(zhì)瘤分為兒童型和成人型，將原兒童腦腫瘤中“膠質(zhì)母細(xì)胞瘤”修訂為“兒童型彌漫性高級(jí)別膠質(zhì)瘤”等等；(2)規(guī)范腫瘤分級(jí)用語，分級(jí)使用阿拉伯?dāng)?shù)字“1，2，3，4”替代羅馬數(shù)字的“Ⅰ，Ⅱ，Ⅲ，Ⅳ”，確立基因和蛋白命名規(guī)則，明確后綴使用，更加簡(jiǎn)單和容易辨認(rèn)；(3)融合新型診斷技術(shù)，即光學(xué)顯微鏡、電子顯微鏡、免疫組化和分子遺傳多種方法相互結(jié)合；(4)體現(xiàn)分層報(bào)告診斷特點(diǎn)，影像診斷應(yīng)盡可能提供腫瘤的WHO CNS 5 分類、組織病理學(xué)分類和相關(guān)分子信息[1]。筆者認(rèn)為，WHO CNS 5 更加突出了基因遺傳、分子蛋白通路在腫瘤進(jìn)展中的關(guān)鍵作用，在今后將推動(dòng)靶向治療或免疫治療的迅猛發(fā)展。

1.2 腦腫瘤影像在基因預(yù)測(cè)中的進(jìn)展

人工智能(artificial intelligence，AI)方興未艾，特別是深度學(xué)習(xí)的成熟和廣泛應(yīng)用，本次RSNA 年會(huì)神經(jīng)影像的熱點(diǎn)主題為“AI在神經(jīng)成像中的應(yīng)用：我們身處何境？”。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新領(lǐng)域，基于神經(jīng)網(wǎng)絡(luò)模擬人腦進(jìn)行分析學(xué)習(xí)，模仿人腦的機(jī)制來解釋數(shù)據(jù)，如圖像、聲音、文本等。印第安納大學(xué)醫(yī)學(xué)院的Jason Glenn Parker 團(tuán)隊(duì)將深度學(xué)習(xí)的前饋神經(jīng)網(wǎng)絡(luò)模型融入腦膠質(zhì)瘤立體定向手術(shù)，用于預(yù)測(cè)基因外顯子單核苷酸點(diǎn)突變。該研究納入8 名腦膠質(zhì)瘤患者的術(shù)前MRI 圖像信息以及術(shù)中病理標(biāo)本全外顯子組基因處理數(shù)據(jù)，設(shè)計(jì)了一個(gè)4 層前饋神經(jīng)網(wǎng)絡(luò)，預(yù)測(cè)分析腫瘤基因(包括PTEN、IDH1、TP53、EGFR、PIK3R1、PIK3CA、NF1和RB1)單核苷酸點(diǎn)突變情況，模型預(yù)測(cè)準(zhǔn)確度為0.540～0.997，提示該模型具有較好的研究潛力，后續(xù)優(yōu)化模型參數(shù)和擴(kuò)增樣本量有助于提高預(yù)測(cè)模型的準(zhǔn)確度。美國(guó)加利福尼亞大學(xué)Evan DC Calabrese 等利用400 例膠質(zhì)母細(xì)胞瘤患者的術(shù)前多模態(tài)MRI 數(shù)據(jù)構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)模型，并提取腫瘤影像組學(xué)特征，結(jié)合兩種方法預(yù)測(cè)患者CDKN2A/B 基因缺失情況，該組合模型的敏感度和特異度分別為0.70 和0.88，因此將深度學(xué)習(xí)和影像組學(xué)有機(jī)結(jié)合可以無創(chuàng)性地預(yù)測(cè)患者腫瘤基因突變位點(diǎn)，有助于提升放射科醫(yī)師的臨床決策權(quán)，輔助改進(jìn)臨床決策機(jī)制，造福更多患者。

1.3 腦腫瘤影像在隨訪評(píng)估中的進(jìn)展

同樣采用深度學(xué)習(xí)，美國(guó)麻省總醫(yī)院Jay Biren Patel團(tuán)隊(duì)納入兩家機(jī)構(gòu)共215 名腦轉(zhuǎn)移瘤患者治療后的顱腦MRI T1WI 高分辨率結(jié)構(gòu)像信息，基于神經(jīng)腫瘤學(xué)界通用的神經(jīng)腫瘤反應(yīng)評(píng)價(jià)(response assessment in neuro-oncology，RANO)標(biāo)準(zhǔn)對(duì)所有腦轉(zhuǎn)移瘤病灶邊界進(jìn)行人工分割，同時(shí)構(gòu)建3D U-Net 卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行病灶邊界自動(dòng)化分割，比較兩種分割方法的一致性，組內(nèi)相關(guān)系數(shù)(intraclass correlation coefficient，ICC)為0.88，研究表明深度學(xué)習(xí)方法可高效準(zhǔn)確地量化評(píng)估腦轉(zhuǎn)移瘤患者的治療反應(yīng)，對(duì)于評(píng)估和優(yōu)化患者治療方案具有重要價(jià)值。

磁共振三維偽連續(xù)式動(dòng)脈自旋標(biāo)記成像(3D-pulsed continuous arterial spin labeling，3D-pCASL)通過設(shè)定多個(gè)標(biāo)記后延遲時(shí)間量化前向血流和側(cè)支循環(huán)血流，利用三維角度定向且定量評(píng)估全腦或ROI灌注情況。倫敦大學(xué)學(xué)院國(guó)民保健署信托基金醫(yī)院Meghavi Mashar 等將此改良技術(shù)應(yīng)用于腦轉(zhuǎn)移瘤患者放療后分層評(píng)估，收集45例腦轉(zhuǎn)移患者放療后多次定期隨訪的MRI 3D-pCASL信息，分別評(píng)價(jià)ROI灌注情況(包括病變區(qū)域、病變周圍區(qū)域及對(duì)側(cè)大腦半球灰質(zhì)區(qū)域)，對(duì)比患者立體定性放療后及6個(gè)月后隨訪的治療反應(yīng)，結(jié)果表明3D-pCASL可對(duì)腦轉(zhuǎn)移灌注作出準(zhǔn)確評(píng)估，患者放療后進(jìn)行3D-pCASL掃描可預(yù)測(cè)未來6 個(gè)月內(nèi)的療效。影像大數(shù)據(jù)與AI 相結(jié)合能化“未知”為“已知”，精準(zhǔn)評(píng)估腫瘤患者的療效，有助于及時(shí)調(diào)整臨床方案并改善病情預(yù)后，為患者爭(zhēng)取更大的生存空間。

2 腦卒中

2.1 顱內(nèi)腦血管成像技術(shù)在腦卒中的應(yīng)用

MRI 血管壁成像(vessel wall imaging，VWI)通過抑制血管內(nèi)血液流動(dòng)信號(hào)從而清晰顯示血管壁本身情況及斑塊的病理特征。VWI 是目前唯一可在人體中進(jìn)行高分辨率血管成像的無創(chuàng)性檢查，具有高空間分辨率和高信噪比等優(yōu)勢(shì)，對(duì)評(píng)估顱內(nèi)血管性病變至關(guān)重要[2]。RSNA 2021 年會(huì)針對(duì)腦血管成像進(jìn)展開設(shè)了討論主題，意大利卡利亞里大學(xué)Luca Saba 團(tuán)隊(duì)指出血管壁斑塊的MRI 特征與腦卒中預(yù)后密切相關(guān)，此外，他們認(rèn)為顱內(nèi)動(dòng)脈斑塊MRI 評(píng)估要點(diǎn)為斑塊負(fù)荷及強(qiáng)化特點(diǎn)，而顱外血管斑塊如頸動(dòng)脈斑塊的MRI 評(píng)估則更應(yīng)注重斑塊內(nèi)出血情況。鈍性腦血管損傷(blunt cerebrovascular injury，BCVI)是指頸動(dòng)脈和椎動(dòng)脈的非穿透性損傷[3]，改良Denver 分級(jí)系統(tǒng)可根據(jù)CT 血管造影表現(xiàn)將BCVI 嚴(yán)重程度分為五個(gè)等級(jí)，提示不同的卒中發(fā)生率[4]，Luca Saba 團(tuán)隊(duì)提出，隨著BCVI的Denver評(píng)價(jià)等級(jí)升高，腦卒中的發(fā)生率及死亡率也隨之增高，因此應(yīng)大力推廣VWI在BCVI患者中的臨床應(yīng)用。美國(guó)猶他大學(xué)Hediyeh Baradaran 團(tuán)隊(duì)則概括了顱內(nèi)VWI 的臨床應(yīng)用范疇，包括鑒別血管狹窄的成因、區(qū)別腔隙性梗死灶和腦卒中區(qū)域、評(píng)估動(dòng)脈粥樣硬化斑塊及血管炎的活動(dòng)性、識(shí)別動(dòng)脈瘤破裂部位以及劃定中樞神經(jīng)血管炎的活檢靶區(qū)；另外，他們指出提升VWI圖像質(zhì)量需要：(1)有效抑制腦脊液及血管內(nèi)血液流動(dòng)；(2)高空間分辨率(推薦3 T 或者7 T 磁共振)；(3)多平面2D 或者3D 采集；(4)多對(duì)比加權(quán)采集(時(shí)間飛躍MRA，T2WI和增強(qiáng)掃描前后的T1WI)。

筆者認(rèn)為，由于顱內(nèi)血管較頸動(dòng)脈纖細(xì)且迂曲，在顱內(nèi)應(yīng)用VWI 技術(shù)仍具一定挑戰(zhàn)性，目前臨床影像急需解決的問題包括快速準(zhǔn)確鑒別斑塊出血或血栓，以及挖掘血栓持續(xù)強(qiáng)化或強(qiáng)化減弱的病理生理意義，相信顱內(nèi)VWI 在未來仍有廣闊的研究空間。

2.2 AI在腦卒中的應(yīng)用

為提高腦卒中的急診CT 診斷效能，基于深度學(xué)習(xí)的顱內(nèi)出血影像智能檢測(cè)軟件已開始臨床應(yīng)用。美國(guó)阿勒格尼健康聯(lián)盟醫(yī)院Warren Chang 團(tuán)隊(duì)回顧驗(yàn)證了1388 名顱內(nèi)出血的急診和住院患者顱腦CT 的AI 檢測(cè)報(bào)告，以神經(jīng)放射領(lǐng)域?qū)＜业脑\斷意見作為標(biāo)準(zhǔn)，得出AI 檢測(cè)顱內(nèi)出血的總體敏感度與特異度分別是0.79 和0.95。韓國(guó)建國(guó)大學(xué)醫(yī)院Jin Wook Choi 等同樣關(guān)注著AI 提升顱內(nèi)出血的CT 診斷效能，該團(tuán)隊(duì)安排9 名測(cè)試醫(yī)師(包括3 名非放射科的醫(yī)生，3 名放射科擅長(zhǎng)神經(jīng)影像診斷的醫(yī)生以及3 名放射科擅長(zhǎng)其他系統(tǒng)影像診斷的醫(yī)生)對(duì)146 名顱內(nèi)出血患者和150 名正常對(duì)照組進(jìn)行顱腦CT 診斷，記錄他們?cè)贏I 輔助前和輔助后的診斷結(jié)果并驗(yàn)證分析，結(jié)果顯示AI 均可提升診斷醫(yī)師對(duì)CT 顱內(nèi)出血的診斷準(zhǔn)確率，其中對(duì)非放射科醫(yī)生的診斷輔助效果最為顯著。

美國(guó)辛辛那提大學(xué)醫(yī)療中心的Achala Vagal 教授在年會(huì)中概括了目前AI 在急性缺血性腦卒中(acute ischemic stroke，AIS)的應(yīng)用與挑戰(zhàn)，展示了一系列利用手機(jī)AI軟件觀測(cè)患者AIS 的日常應(yīng)用圖片，對(duì)AI 在缺血性腦卒中病灶快速準(zhǔn)確識(shí)別的應(yīng)用價(jià)值中給予了充分的肯定，同時(shí)也指出AI 影像診斷依然存在漏診誤診情況，AI永遠(yuǎn)不會(huì)取代放射科醫(yī)生。Alberta 卒中計(jì)劃早期CT 評(píng)分(Alberta stroke program early CT score，ASPECTS)是一種基于CT 平掃技術(shù)半定量評(píng)估急性缺血性腦卒中病變區(qū)域的評(píng)分系統(tǒng)[5]，德國(guó)弗里德里希-亞歷山大大學(xué)的Philip Hoelter 團(tuán)隊(duì)研究表明，目前三種全自動(dòng)ASPECTS 評(píng)估AIS 軟件(Syngo.via Frontier ASPECT Score Prototype V2，Brainomix e-ASPECTS? 和RAPID ASPECTS)與專家評(píng)估之間的評(píng)分結(jié)果存在較高一致性，AUC分別為0.752、0.759和0.734，提示這三種全自動(dòng)影像評(píng)估軟件可輔助提高AIS 影像診斷準(zhǔn)確率，具有良好的評(píng)估性能[6]。

腦卒中的治療爭(zhēng)分奪秒，快速且準(zhǔn)確診斷是臨床診療的關(guān)鍵。筆者認(rèn)為，使用AI 輔助算法不僅可以提升放射科醫(yī)師的診斷準(zhǔn)確性，而且可以有效縮短診斷時(shí)間，減少患者急診周轉(zhuǎn)耗時(shí)，爭(zhēng)取早期干預(yù)以改善患者臨床預(yù)后。

3 腦發(fā)育及認(rèn)知功能障礙

3.1 腦結(jié)構(gòu)成像進(jìn)展

認(rèn)知障礙是記憶力進(jìn)行性衰退的漫長(zhǎng)過程，輕度認(rèn)知障礙(mild cognitive impairment，MCI)患者存在三分之一的風(fēng)險(xiǎn)進(jìn)展為阿爾茨海默病(Alzheimer′s disease，AD)[7]，嚴(yán)重影響患者生活質(zhì)量，對(duì)患者家庭和社會(huì)帶來沉重負(fù)擔(dān)。基于體素的形態(tài)學(xué)測(cè)量等等的MRI 微結(jié)構(gòu)分析技術(shù)已在認(rèn)知障礙相關(guān)疾病中取得顯著成就[8]，有助于尋找認(rèn)知障礙相關(guān)的神經(jīng)影像學(xué)生物標(biāo)志物。美國(guó)伊利諾伊理工大學(xué)Wu Yingjuan 等在社區(qū)招募了400名非癡呆癥老年人，收集所有受試者的MRI高分辨率T1WI及彌散張量成像(diffusion tensor imaging，DTI)圖像信息，構(gòu)造了0.5 mm 級(jí)別的高質(zhì)量磁共振多模態(tài)老年人腦模板，完善了伊利諾伊理工學(xué)院與拉什大學(xué)老齡化圖譜，有助于更精準(zhǔn)探索老年人認(rèn)知相關(guān)腦結(jié)構(gòu)改變的病理機(jī)制。

此外，腦結(jié)構(gòu)分析結(jié)合AI 可進(jìn)一步實(shí)現(xiàn)從宏觀成像到虛擬細(xì)微組織的突破，是近年來的磁共振研究熱點(diǎn)，對(duì)研究人腦發(fā)育和認(rèn)知變化起著重要作用。美國(guó)辛辛那提圖像研究中心Li Zhiyuan 等的研究利用足月兒顱腦MRI 體素及皮層形態(tài)學(xué)特征進(jìn)行建模，用于早期預(yù)測(cè)辛辛那提兒童醫(yī)院197名早產(chǎn)兒在兩歲時(shí)的認(rèn)知障礙情況，最終預(yù)測(cè)模型的準(zhǔn)確度、敏感度和特異度分別為0.680、0.702 和0.673，表現(xiàn)出該預(yù)測(cè)模型的高度臨床實(shí)用性和可靠性。常規(guī)用于結(jié)構(gòu)分析的磁共振成像序列耗時(shí)較長(zhǎng)，不利于臨床實(shí)際應(yīng)用，美國(guó)第三方影像中心——RadNet公司的Suzie Bash 等多中心前瞻性研究納入40 名受試者進(jìn)行深度學(xué)習(xí)重建處理后的fast-MRI 增強(qiáng)掃描，掃描時(shí)間縮短了60%，該研究還對(duì)AI 處理后的快速掃描圖像進(jìn)行腦結(jié)構(gòu)體積定量分析，用于受試者認(rèn)知障礙程度分級(jí)，結(jié)果與臨床護(hù)理分級(jí)完全一致。韓國(guó)國(guó)立首爾大學(xué)醫(yī)院Eun Kyoung Hong 團(tuán)隊(duì)先前開發(fā)的MRI AI 深度學(xué)習(xí)模型可用于預(yù)測(cè)AD 發(fā)病的可能性，該團(tuán)隊(duì)將此預(yù)測(cè)模型回顧性應(yīng)用于284名MCI患者(包括144 例早期MCI 和140 例晚期MCI)的MRI 3D T1WI 圖像中進(jìn)行腦結(jié)構(gòu)分析，近20%的患者在確診MCI 后3 年內(nèi)轉(zhuǎn)變?yōu)锳D，結(jié)果顯示該預(yù)測(cè)模型總體準(zhǔn)確率高達(dá)0.83，AUC 為0.77。綜上，筆者認(rèn)為MRI 結(jié)構(gòu)定量分析結(jié)合深度學(xué)習(xí)模型可極大縮短掃描時(shí)間，嚴(yán)格保證圖像質(zhì)量及定量分析的精準(zhǔn)度，并具有較高的預(yù)測(cè)評(píng)估性能。

3.2 腦功能成像結(jié)合AI的應(yīng)用

磁共振腦功能成像蓬勃發(fā)展，越來越多神經(jīng)影像研究者將任務(wù)態(tài)或靜息態(tài)功能成像應(yīng)用于腦發(fā)育研究當(dāng)中。比利時(shí)布魯塞爾圣盧克大學(xué)Valeria Onofri 等納入88 名健康新生兒進(jìn)行靜息態(tài)功能磁共振掃描，并利用多變量數(shù)據(jù)驅(qū)動(dòng)模型(即機(jī)器學(xué)習(xí)模型)評(píng)估受試嬰兒重要腦網(wǎng)絡(luò)功能連接情況，表明分析腹側(cè)和背側(cè)注意網(wǎng)絡(luò)、默認(rèn)模式網(wǎng)絡(luò)連接性可用于準(zhǔn)確推斷嬰兒出生時(shí)胎齡，該研究還發(fā)現(xiàn)了嬰兒早期大腦腹側(cè)和背側(cè)注意網(wǎng)絡(luò)存在相互影響的作用，有利于揭示新生兒注意力系統(tǒng)的早期發(fā)展規(guī)律。

腦發(fā)育及認(rèn)知科學(xué)與AI 的交叉融合，可有助于突破現(xiàn)有理論與方法的局限性，利用大量既往樣本訓(xùn)練出科學(xué)的計(jì)算模型，解決新的臨床問題以及預(yù)測(cè)未來腦發(fā)育認(rèn)知模式，從而提升人類智能上閾。

4 腦成像技術(shù)優(yōu)化

良好的影像圖像質(zhì)量是放射科診斷質(zhì)量和醫(yī)療安全保證的關(guān)鍵所在。美國(guó)麻省總醫(yī)院Bernardo Canedo Bizzo 團(tuán)隊(duì)自主研發(fā)了一款基于機(jī)器學(xué)習(xí)的顱腦MRI 運(yùn)動(dòng)偽影檢測(cè)軟件，開發(fā)模型過程包括識(shí)別1530 次顱腦MRI 檢查中的運(yùn)動(dòng)偽影、基于人工神經(jīng)網(wǎng)絡(luò)構(gòu)建集成模型，多中心測(cè)試集驗(yàn)證以及最后放射科醫(yī)師進(jìn)行圖像質(zhì)量評(píng)估，該軟件可準(zhǔn)確檢測(cè)并量化顱腦MRI 中的運(yùn)動(dòng)偽影，及時(shí)提示掃描技術(shù)人員并自動(dòng)觸發(fā)重新掃描程序，從而優(yōu)化MRI 圖像質(zhì)量。韓國(guó)國(guó)立首爾大學(xué)醫(yī)院Woojin Jung 等在MRI 高分辨率3D-MPRAGE 序列基礎(chǔ)上結(jié)合圖像去噪(Noise2Noise)深度學(xué)習(xí)算法，在不增加序列掃描時(shí)間的前提下，有效抑制了欠采樣磁共振圖像的噪聲，5 min 內(nèi)在3 T 磁共振機(jī)器上獲得了類7 T 的高分辨率T1WI圖像，有助于檢測(cè)腦部精細(xì)結(jié)構(gòu)病變。

如何在保證影像診斷效果的同時(shí)降低對(duì)比劑用量，從而減少對(duì)比劑帶來的不良反應(yīng)，也是放射科一直關(guān)注的人文關(guān)懷要點(diǎn)。美國(guó)AI 醫(yī)學(xué)影像公司(深透醫(yī)療公司) Srivathsa Pasumarthi Venkata 等研究利用腦腫瘤MRI 平掃和釓對(duì)比劑低劑量(10%)增強(qiáng)圖像數(shù)據(jù)作為訓(xùn)練集，構(gòu)建深度學(xué)習(xí)模型，可以重建出常規(guī)全劑量(100%)增強(qiáng)圖像，結(jié)果表明深度學(xué)習(xí)合成增強(qiáng)圖像與實(shí)際全劑量增強(qiáng)圖像具有良好一致性，腫瘤分類一致性達(dá)98%(49/50)，即深度學(xué)習(xí)算法可以降低MRI增強(qiáng)掃描中的釓對(duì)比劑劑量，同時(shí)保證圖像診斷的等效性和圖像質(zhì)量。

影像學(xué)成像技術(shù)的優(yōu)化需要技術(shù)創(chuàng)新，融合深度學(xué)習(xí)算法不僅可以減少圖像偽影，提高圖像的分辨率，而且可減少患者對(duì)比劑使用劑量，真正做到科學(xué)與人文相結(jié)合。

5 超高場(chǎng)MRI

超高場(chǎng)MRI一直是每年RSNA年會(huì)的熱門話題，是中樞神經(jīng)系統(tǒng)影像研究最強(qiáng)有力的武器。早在2001年，法國(guó)CEA原子能委員會(huì)NeuroSpin研究中心的Denis Le Bihan教授就提出了大于10 T 超高場(chǎng)MRI 設(shè)備的構(gòu)想，2006 年代號(hào)為“Iseult 計(jì)劃”的11.7 T磁共振項(xiàng)目由德國(guó)和法國(guó)共同設(shè)立。2017年首臺(tái)11.7 T全身MRI開始安裝，由法國(guó)原子能委員會(huì)CEA和德國(guó)西門子醫(yī)療公司聯(lián)合研制，主磁體重達(dá)132 噸，總重量超過150 噸，歷經(jīng)兩年安裝調(diào)試后于2019 年7 月18 日成功完成勵(lì)磁，巨大磁體內(nèi)填充超過7000升海量液氦，升場(chǎng)中進(jìn)行了超過1300 個(gè)工序的復(fù)雜調(diào)試。2021 年第107 屆RSNA 年會(huì)開幕前，11.7 T 人體全身MRI 貢獻(xiàn)了第一張超高分辨率的圖像——具有400 μm 分辨率的南瓜圖，預(yù)示著超高場(chǎng)MRI 將造福于影像基礎(chǔ)研究和大腦病理機(jī)制探索。據(jù)法國(guó)CEA 原子能委員會(huì)透露，未來的14 T MRI 研究計(jì)劃將在美國(guó)(波士頓和斯坦福大學(xué))、中國(guó)(北京和深圳)、荷蘭(奈梅亨)以及德國(guó)(海德堡)進(jìn)行。

超高場(chǎng)MRI 將為中樞神經(jīng)系統(tǒng)研究打開新的領(lǐng)域：(1)具備“活體顯微鏡”功能，重新定義人腦解剖，空間分辨率可達(dá)亞毫米級(jí)別；(2)開辟新研究領(lǐng)域，如超高場(chǎng)MRI 分子成像，神經(jīng)或精神疾病的全新生物學(xué)標(biāo)記研究，新型對(duì)比劑研制，腦代謝與功能的研究等。

6 新型冠狀病毒肺炎

關(guān)于新型冠狀病毒肺炎(corona virus disease 2019，COVID-19)與神經(jīng)系統(tǒng)損害方面，中南大學(xué)湘雅二醫(yī)院劉軍教授團(tuán)隊(duì)點(diǎn)明了影像學(xué)檢查的優(yōu)勢(shì)，指出在COVID-19 急性期，T2-FLAIR 及DWI 等常規(guī)序列對(duì)新冠肺炎患者并發(fā)AIS 或腦炎等癥狀進(jìn)行輔助診斷具有重要意義，而3D-T1WI、DTI 和fMRI序列更有助于對(duì)患者大腦結(jié)構(gòu)和功能進(jìn)行長(zhǎng)期隨訪觀察[9]。德國(guó)慕尼黑大學(xué)Sophia St?cklein 團(tuán)隊(duì)的MRI 研究納入33 例感染COVID-19 的妊娠期患者(平均懷孕28 周左右)，平均在懷孕18 周以上開始出現(xiàn)臨床癥狀，最常見為嗅覺和味覺喪失或減弱、干咳、發(fā)燒和呼吸急促，而胎兒顱腦MRI 未見顯著異常陽(yáng)性征象，表明妊娠期COVID-19 感染對(duì)胎兒的中樞發(fā)育沒有影響。筆者認(rèn)為，隨著全球COVID-19 病例數(shù)量持續(xù)增加，影像學(xué)檢查依然在COVID-19 并發(fā)神經(jīng)系統(tǒng)急性損傷和長(zhǎng)期后遺癥的發(fā)現(xiàn)與隨訪中扮演著重要角色，但未來仍需要更多的基礎(chǔ)研究來探索此類合并癥的發(fā)病機(jī)制。

第107 屆RSNA 年會(huì)主題是重新定義放射學(xué)，“重新定義”意指摒棄數(shù)量和利益至上的觀念，堅(jiān)持以價(jià)值、專業(yè)服務(wù)和人文關(guān)懷作為導(dǎo)向，實(shí)現(xiàn)放射學(xué)的全面提升。在COVID-19 席卷全球的大背景下，我們應(yīng)更加注重放射科醫(yī)師的環(huán)境適應(yīng)性、同理心和人文關(guān)懷，以及提升放射科醫(yī)師在臨床中的醫(yī)療決策權(quán)。隨著以人為本、智慧醫(yī)療時(shí)代的開啟，腦腫瘤影像診斷更加精確和具有可預(yù)測(cè)性，腦卒中影像檢查更加便捷高效，腦發(fā)育及認(rèn)知科學(xué)更加接近人類智慧的奧秘，加上AI、高新影像設(shè)備和其他創(chuàng)新影像技術(shù)源源不斷地賦能，相信中樞神經(jīng)影像將大有作為，真正做到以人為本，為放射發(fā)展和健康世界的實(shí)現(xiàn)貢獻(xiàn)堅(jiān)實(shí)力量。

作者利益沖突聲明：本文所有作者均無利益沖突。