全身磁共振成像在前列腺癌中的研究现状

张配配，闵祥德，王良

作者单位：华中科技大学同济医学院附属同济医院放射科，武汉 430030

世界范围内，前列腺癌是男性患者最常见的实体器官恶性肿瘤[1-2]。近年来我国前列腺癌的发病率呈上升趋势，不同于欧美国家的是，我国初诊前列腺癌患者中转移性前列腺癌患者占较大比例[3]。晚期前列腺癌易发生骨及淋巴结转移，确定转移负荷对于前列腺癌准确分期、治疗方式的选择及预测预后具有重要意义。目前公认多参数磁共振成像是前列腺检查的最佳方式[4-6]。全身磁共振成像(whole-body magnetic resonance imaging，WB-MRI)突破单部位的限制，可在一次检查中实现对头颈、胸部、腹部、盆腔、大腿的全面显示，包含全身解剖及功能成像，可用于转移性前列腺癌的定性、定量评估，有助于精准评估前列腺癌转移负荷及治疗反应[7]。WB-MRI也是评估淋巴瘤[8]、多发性骨髓瘤[9]等系统性肿瘤疾病以及恶性肿瘤如肺癌及结直肠癌[10]、黑色素瘤[11]等全身转移的重要影像技术之一[12-13]。相比于正电子发射计算机断层显像(positron emission tomography and computed tomography，PET-CT)，WB-MRI具有价格低廉、无创、无辐射、无需对比剂等优点。2017 年国际前列腺癌转移报告和数据系统(METastasis Reporting and Data System for Prostate Cancer，MET-RADS-P)指南[14]对WB-MRI 在前列腺癌的应用提出了明确规范。笔者主要综述WB-MRI 在前列腺癌中的应用现状，为WB-MRI的临床应用和进一步研究提供参考。

1 WB-MRI扫描方案

目前关于WB-MRI 的扫描序列尚不统一，WB-MRI 检查的解剖学覆盖范围通常是从颅顶至大腿中部，类似于PET-CT，在特定情况下，也可覆盖颅顶至脚。通常大视野扫描，FOV 40 cm×40 cm～25 cm×45 cm，分段扫描，一般4～7段。2017年欧洲泌尿协会前列腺癌指南中推荐[14]的WB-MRI检查核心序列如下：

(1)全脊柱T1 加权成像(T1 weighted imaging，T1WI)，矢状位，快速自旋回波序列(turbo spin echo，TSE)，层厚4～5 mm；(2)全脊柱T2加权成像(T2 weighted imaging，T2WI)，矢状位，短时反转恢复序列(short tau inversion recovery，STIR)(preferred)或脂肪抑制，层厚4～5 mm；(3)全身T1WI，轴位(层厚5 mm)或冠位(层厚2 mm)，梯度回波序列(gradient echo，GRE) Dixon，其中轴位T1WI 层厚与轴位弥散加权成像(diffusion weighted imaging，DWI)匹配以便于观察；(4)全身DWI，轴位，STIR，层厚5～7 mm，无间距扫描，分段成像，2 个b 值(分别介于50～100、800～1000 s/mm2)，其中ADC 使用单指数模型拟合；取b值800～1000 s/mm2图像重建成连续的2D冠状位图像，层厚5 mm；用最高b 值图像行3D 最大密度投影(maximum intensity projection，MIP)重建，使用灰度反转。

2 WB-MRI在前列腺癌中的应用

骨转移是前列腺癌最常见的转移方式，前列腺癌死亡病例中有90%存在骨转移。目前临床上将前列腺癌分为器官局限性、寡转移性(转移灶≤5 个)和广泛转移性前列腺癌(转移灶＞5 个)，其中寡转移性前列腺癌患者的生存率显著高于广泛转移性前列腺癌患者，并且可能从补救性转移靶向治疗中获益[15]。近年来多西他赛或阿比特龙联合去势药物治疗初诊高转移负荷前列腺癌被纳入指南，大大延长了患者的生存时间[3]。Meta 分析显示，PET-CT 和WB-MRI 比计算机断层显像(computed tomography，CT)和骨扫描更准确地检测前列腺癌转移负荷及治疗反应[16]。孙元元等[17]的Meta 分析显示胆碱PET-CT 与全身弥散加权成像(whole-body diffusion weighted imaging，WB-DWI)诊断前列腺癌淋巴结转移的敏感度相当，PET-CT 的特异性更高，然而，WB-MRI 对治疗反应的评估优于骨扫描和PET-CT，且由于WB-MRI 无辐射，使得其在前列腺癌的分期和随访中具有更大的潜力。Robertson 等[7]研究表明，一站式前列腺癌专用WB-MRI 检查在常规临床环境中可行，可用于评估前列腺癌根治术后可疑复发，该一站式无辐射策略有助于减少影像检查次数和患者就诊次数，从而简化分期过程，而不会影响诊断效能。

Lecouvet 等[18]在《Lancet Oncology》上发表的综述认为WB-MRI 能够对前列腺癌各个阶段如初诊、生化复发或去势抵抗阶段等进行高效诊断和疗效评估，可以对前列腺癌转移灶进行精准计数和定位。WB-MRI 可识别寡转移性前列腺癌患者，并指导其进行转移靶向治疗，以此推迟转移进程及全身治疗的使用，从而提高患者总体生存率。Johnston 等[19]研究表明WB-MRI识别前列腺癌转移灶的敏感度高于单光子发射计算机断层成像(single-photon emission computed tomography，SPECT)，并与PET-CT 性能相当。Metser 等[20]研究显示前列腺癌转移灶在DWI或增强T1加权容积内插体部检查(T1 weighted volume interpolated body examination，T1W-Vibe)序列中显示最佳。增强T1W-Vibe 序列的病灶检出率最高、病灶显示最佳且最省时。Perez-Lopez 等[21]研究表明用WB-DWI 评估的骨转移瘤体积减小和中位ADC 值升高可以作为转移性去势抵抗性前列腺癌患者对奥拉帕尼(一种选择性PARP1/2 抑制剂)的治疗反应标记物。Razek 等[22]研究表明WB-DWI 在检测癌症患者的骨转移和骨外转移方面具有极好的观察者间一致性(k=0.887，一致性=94.44%)。前列腺癌生化复发后准确的全身分期对于确定最佳疾病管理至关重要，WB-MRI 可用于对前列腺癌放疗后生化复发患者进行重新分期[23]。Sawicki等[24]前瞻性纳入28 例前列腺癌根治术后生化复发患者，研究显示68Ga-前列腺特异性膜抗原(prostate-specific membrane antigen，PSMA) PET-CT 在前列腺癌根治性切除术后生化复发的检测中明显优于WB-MRI。Iwamura 等[25]研究认为诱导疾病进展的活性肿瘤细胞可能主要存在于原发灶而不是转移灶，使用WB-MRI检测活性病灶可能使我们能够为转移性去势抵抗性前列腺癌患者设计最佳治疗策略。

3 扫描时间长是制约WB-MRI临床应用的主要难题

目前，WB-MRI 并未在临床中常规使用。扫描时间过长是制约WB-MRI发展的主要难题，国际上文献报道的WB-MRI扫描用时大约45～60 min[19,26-29]。2017 年MET-RADS-P[14]指南推荐的WB-MRI 扫描序列所需检查时间亦长达45～50 min。长时间扫描可能会让前列腺癌转移性骨痛患者或无法久卧的人感到痛苦及不耐受，也会影响MRI 仪器的使用率和诊断的及时性，还会引入运动伪影而导致图像失真。

目前关于WB-MRI 加速成像的报道较少，2020 年比利时学者Lecouvet 等[29]在《European Radiology》上发表的研究，该研究仅对WB-T1WI序列进行加速，用3D T1WI梯度回波序列替代3D T1WI 快速自旋回波序列，结果表明该方法可将WB-MRI总体采集时间缩短在少于20 min，但该研究中未探讨WB-DWI和全身T2 加权成像(whole-body T2 weighted imaging，WB-T2WI)的加速，而WB-DWI 和WB-T2WI 在前列腺癌转移筛查中具有重要的价值。WB-MRI 快速成像的实现，可以让更多的患者使用这项检查并从中获益，并且避免与CT、PET-CT 相关的辐射。目前国内外尚缺乏关于WB-MRI 加速成像的研究，缩短WB-MRI扫描时间仍然亟待解决。

4 深度学习有望实现WB-MRI的快速成像

目前通过改变磁共振前端的物理条件来加速MRI 扫描相当困难，一种有效的快速磁共振成像方法是对k 空间进行欠采样，通过减少k 空间数据采集量来减少扫描时间，然而欠采样的k 空间会导致重建质量较差。为此许多研究专注于如何利用欠采样k空间数据重建出较高质量的MRI图像。目前欠采样重建方法主要有三种：并行成像[30-31]、压缩感知(compressed sensing，CS)[32-33]和深度学习[34-35]。并行成像采用多通道线圈采集，利用线圈的空间敏感度差异对空间信息进行编码，从而降低成像所需的相位编码数，以获得更快的扫描速度。但由于线圈灵敏度有限，在高加速倍数下，图像有较严重的伪影存在。压缩感知理论主要利用MR 图像的稀疏性和不相干性通过非线性算法从欠采样本中重建出原始信号。尽管压缩感知具有完备的理论支撑，但存在以下不足：非线性迭代重建非常耗时；复杂的调参过程；在高倍加速下，CS-MRI 重建往往会丢失细节信息。基于以上限制，目前临床上大多数MRI 扫描仪仍然是基于全采样序列或者仅使用简单的并行成像技术来进行低倍(通常为2倍)加速。

近年来，随着大数据和深度学习的快速发展，深度神经网络成为快速MR成像领域新的突破[34-37]。基于深度学习的快速磁共振成像的关键是要训练人工神经网络学习欠采样图像(或降采样低分辨率图像)和全采样图像之间的映射关系，以便在加速扫描中补充省略的视图。自2016 年中国科学院深圳先进技术研究院Wang 等[34]将深度学习引入MR 图像重建领域，深度学习MRI一跃成为快速MR成像领域的热点研究方向。现有的大部分文献中，将直接欠采样傅里叶变换得到的伪影图像作为网络的输入，全采样图像作为网络的输出，输入输出之间的关系通过深度神经网络如多层感知器(multi-layer perceptron，MLP)、U-net、ResNet 等学习得到。Zhu 等[38]在Nature 上发表的AUTOMAP 则是直接学习从欠采样k 空间到全采样图像之间的映射。Schlemper 等[36]提出使用深度级联卷积神经网络(deep cascade convolutional neural networks，DC-CNN)对心脏动态MRI 进行重建加速，在网络中加入了数据一致性层，以确保每个级联的重建与所测量的k 空间数据之间的一致性，从而提高网络的表现能力。Dong等[39]首次提出基于CNN 的超分辨率重建算法(super-resolution CNN，SRCNN)，基于图像训练集建立了一个端到端的映射关系，由于训练过程离线，在应用过程中该方法速度很快并且复原质量很高。美国北卡罗来纳大学Hong 等[37]提出一种基于CNN 的超分辨率重建方法，用于从欠采样数据重构高质量全脑DWI 图像，结果表明该方法能够以最小的信息损失实现高达5 倍的DWI 采集加速。图像超分辨率重建目的在于从一个低分辨率图像得到一个高分辨率图像，刘鹏飞等[40]针对浅层结构在处理内部结构复杂数据时表征能力不足的问题，提出一个基于特征转移的八层CNN 网络结构来实现图像超分辨率重建，实验证明该算法的峰值信噪比、网络收敛速度及精细度方面均有所提高。

5 总结与展望

WB-MRI 突破单部位的限制，可对转移性前列腺癌患者全身肿瘤负荷、疗效评估及前列腺癌生化复发做出精准评估，为临床治疗方式的选择及生存获益预测提供重要依据。然而，过长的扫描时间制约了WB-MRI 在临床上的广泛应用，缩短WB-MRI采集时间是亟待解决的重要难题。近年来兴起的深度学习技术是一种从海量数据中提取有用信息的有效工具，已在计算机视觉与图像分析领域得到广泛应用，在加快成像速度提高成像质量方面也显示出了巨大的潜力。目前，基于深度学习的快速MR 成像，已成为快速MR 成像领域的研究热点。但目前主要是基于单部位或单器官的研究，尚缺乏关于WB-MRI 加速成像的报道。以后的研究中，有望将深度学习技术应用于WB-MRI 快速成像，实现在保证图像质量的同时尽可能缩短WB-MRI 扫描时间，从而为转移性前列腺癌患者的定性、定量检测和疗效评估提供一种快速、全面、无辐射的有效方法，推进前列腺癌患者个体化诊疗。

作者利益冲突声明：全体作者均声明无利益冲突。