肾脏实性肿瘤的CT及MRI影像学研究进展

罗诗维，林婉锨，张婉丽，谌丹丹，赵越，杨蕊梦

肾脏实性肿瘤是泌尿系统的常见肿瘤，近年来，随着临床上CT、MRI的广泛应用，其检出率大大提高。目前，肾脏实性肿瘤影像学检查的重点和难点在于良恶性的诊断、病理类型的评估以及肿瘤侵袭性的判断等。虽然临床上采用的经皮肾穿刺活检可用于肾肿瘤组织学鉴定，但其作为有创性检查存在出血、病灶种植转移及其他并发症的可能，诊断效能依赖于取样操作技术及准确的定位。因此，若能通过CT或MRI检查对肾脏实性肿瘤进行无创性评估以代替活检，有望为临床治疗决策的制定提供更便捷及重要的指导。因此，本文将从CT及MRI常规检查方法、影像学新技术和影像组学三个方面对肾脏实性肿瘤的CT及MRI影像学研究进展进行综述。

1 肾脏实性肿瘤概述

肾脏实性肿瘤据其生物学行为可分为良性和恶性，前者主要包括血管平滑肌脂肪瘤（AML）和嗜酸细胞瘤（RO），后者主要包括肾细胞癌（RCC）、移行细胞癌、淋巴瘤和转移瘤等。RCC是最常见的肾脏原发恶性实性肿瘤，约占肾脏恶性肿瘤的90%。根据组织学和基因型的不同可将RCC分为不同的病理亚型，主要包括透明细胞型肾细胞癌（ccRCC）、乳头状肾细胞癌（pRCC）和嫌色细胞肾细胞癌（chRCC），其中ccRCC是最常见的亚型，预后不佳。

2 肾脏实性肿瘤的CT及MRI常规检查方法研究

常规CT/MRI检查主要包括平扫和多期（皮髓质期、实质期和排泄期）动态增强扫描，主要根据病灶的解剖学、形态学及血流动力学特征对病灶进行定性诊断。CT/MRI平扫通过观察肿瘤的部位、大小、形态、密度/信号、边界及其与周围组织结构的关系等来辅助鉴别肾脏实性肿瘤的良、恶性。RCC多呈膨胀性生长，与肾实质多分界清晰，而移行细胞癌常呈浸润性生长，与肾实质分界不清。chRCC起源于肾脏髓质的远端集合管，其发生部位多位于髓质或靠近集合系统处，而ccRCC及pRCC则较常发生于皮髓质区，多突出于肾脏轮廓之外。AML平扫多呈等、稍高密度/信号，病灶无包膜，与邻近肾实质交界面呈“劈裂征”或“杯口征”，其内常见脂肪成分。CT/MRI多期动态增强扫描主要用于观察肿瘤的血供情况，评估肾周结构是否受侵，肾静脉内是否有癌栓等。ccRCC为富血供肿瘤，动态增强多表现为“快进快出”的强化特点，而pRCC及chRCC是相对乏血供肿瘤，动态增强皮髓质期呈轻度强化，肾实质期及排泄期呈持续性强化。此外，通过识别病灶内瘢痕及“节段性强化反转”的存在，有助于鉴别RO与RCC。

随着影像学检查操作及影像学诊断的规范化和精确化，量化评估在肾脏肿瘤的临床应用与科学研究中愈发重要。近年来提出的肾脏肿瘤CT密度量化评估和基于多参数MRI的肾透明细胞癌似然评分（ccLS）系统等，引起了广大研究者的关注。Grajo团队探索了基于动态增强CT的腹主动脉与肾脏实性肿瘤病灶CT值差值（ALAD）的量化评估在鉴别RO与chRCC中的价值，结果显示RO与chRCC在肾实质期、排泄早期及排泄晚期的ALAD差异均有统计学意义，其中肾实质期的AUC值在训练集和验证集可分别高达1和0.93。因此，CT动态增强肾实质期的ALAD值可作为鉴别RO和chRCC的有效CT定量参数。ccLS系统是由Pedrosa团队所提出的基于多参数MRI评估良恶性待定肾脏实性小肿块（≤4 cm）为ccRCC可能性的量化评分系统。ccLS系统是一个五层李克特量表（1=非常不可能，2=不太可能，3=中等可能，4=可能，5=非常可能；所对应的临床决策指导建议分别为：ccLS 1～2：主动监测；ccLS 3：可考虑肿块活检；ccLS4～5：手术或消融），多参数MRI主要指标包括病灶T2W信号强度、皮髓质期强化程度和有无微观脂肪，辅助征象包括是否存在弥散受限、节段性强化反转及动脉期延迟期增强比。该系统临床应用可行性较高，在2～4cm肾脏实性肿瘤中的应用具有优势，可达到较理想的ccRCC预测效果，但在＜1 cm的肾脏实性肿瘤中的应用仍面临挑战。

3 肾脏实性肿瘤的CT及MRI影像学新技术研究

随着医学影像设备的不断发展，影像学新技术层出不穷。应用于肾脏实性肿瘤的CT影像学新技术主要包括双能CT成像和CT灌注成像（CTPI）；MRI影像学新技术主要包括扩散成像[如MR扩散加权成像（DWI）、体素内不相干运动（IVIM）成像和扩散峰度成像（DKI）]、MRI灌注成像（PWI）[如动态对比增强磁共振成像（DCE-MRI）和动脉自旋标记成像（ASL）]、血氧水平依赖磁共振成像（BOLD-MRI）、T1mapping成像和磁共振波谱（MRS）等。

与常规CT相比，双能CT可在一次扫描后获得双能量图像，基于后处理技术可以对物质进行准确的定量分析，进而同时获得解剖、功能和能量信息。Udare等报道双能CT的物质特异性碘成像和脂肪成像有助于鉴别ccRCC和其他肾脏肿瘤，通过纳入ccRCC、pRCC和其他肾脏肿瘤患者，对其进行双能CT扫描并在物质特异性碘-水和脂-水图像上分别测量碘浓度和脂肪分数。对测量数据进行分析显示，ccRCC中的碘浓度高于pRCC，但与其他肿瘤无显著性差异；36.0%的ccRCC和9.1%的pRCC中可见瘤内脂肪。因此，碘浓度值可较准确的鉴别ccRCC和pRCC，但与其他肾脏肿瘤有一定重叠。物质特异性脂肪图像上微观脂肪的存在是ccRCC的特征，有助于区分ccRCC与其他增强的肾脏肿瘤。

CTPI是指在静脉注射对比剂的同时对目标组织进行连续多次扫描，得到相应的时间-密度曲线及灌注参数，从而评价组织器官的灌注情况。有学者探索了CTPI技术在肾实性肿瘤良恶性鉴别诊断中的应用价值，通过对RCC和RO患者行CTPI检查，测得各组研究对象正常肾实质及病灶的血流量（BF）、血容量（BV）、对比剂平均通过时间（MTT）及表面通透性（PS）等参数值。结果显示RCC患者肿瘤实质BF、MTT和PS值明显高于RO，经ROC曲线分析，当正常肾脏皮质与肿瘤PS差值的阈值为2.5 ml·100g-1·min-1时，其预测RCC的准确性、敏感性和特异度分别为95.92%、100%和66.7%。由此可见，CTPI可以较好地反映肾脏血流动力学的变化，在肾脏良恶性肿瘤鉴别诊断中具有一定的价值。

MRI扩散成像技术在腹部肿瘤中的应用日益广泛。DWI通过探索水分子在体内的随机运动情况，间接反映组织微观结构信息，同时可以对组织的表观扩散系数（ADC）进行定量分析。Tordjman团队探索了ADC值在鉴别ccRCC与其他肾脏肿瘤中的作用。结果显示在排除囊性或坏死区域后的选择性肾脏肿瘤实质ADC值较全病灶ADC值更能准确鉴别ccRCC与其他类型肾肿瘤，AUC值分别为0.852和0.785（P=0.02）。因此，选择性ADC值可为MRI鉴别ccRCC和其他肾脏肿瘤的提供辅助信息。IVIM成像可区分组织中进行布朗运动的纯水分子的扩散与进行非布朗运动的微循环灌注相关的扩散，可同时反映病灶的组织微观结构及微循环情况。DKI基于水在人体内呈非正态分布的理论基础，可更客观地反映水分子扩散受限的程度。Ding等定量比较了DWI、IVIM和DKI在鉴别肾脏良恶性肿瘤中的诊断价值，对ccRCC组、非ccRCC组和肾良性肿瘤组的180例肾肿瘤患者行多b值DWI和DKI扫描，得到相应参数并进行对比分析，结果显示较DWI和DKI成像方法，IVIM成像参数鉴别良恶性肾肿瘤的效能最佳。

MRI-PWI是反映组织微循环分布及其血流灌注情况，评估局部组织活力和功能的MRI检查技术。DCE-MRI是一种通过注射对比剂无创检测和评估组织或器官血管情况的MRI成像方法。Xi等应用统计聚类算法将DCE-MRI信息整合到单个肿瘤MRI图像中以鉴别T1b期ccRCC的Fuhrman高、低核级别。他们采用模糊C均值聚类算法对ccRCC血管内外转移常数（Ktrans）、速率常数（Kep）和初始浓度曲线下面积（iAUC）参数图进行统计聚类，将每个肿瘤分割为3个区域（低、中、高活性区），与组织病理学进行比较，构建模型并选择预测高级别ccRCC的最佳参数。结果显示组织学高级别与较高比例的高活性区域相关。ASL采用反转脉冲预先标记动脉血中质子而成像，具有完全非侵入性和无需外源性对比剂等优点。Ye等探索了磁共振ASL成像鉴别乏脂AML与ccRCC的价值。他们对纳入患者进行ASL灌注扫描，对所得图像进行感兴趣区血流量测量及分析。结果显示ccRCC组的肿瘤血流量值显著高于乏脂AML组，这说明ASL MRI在鉴别乏脂AML和ccRCC方面具有良好的定性和定量价值。

BOLD-MRI反映组织内血红蛋白氧含量，可评估组织内氧生物利用度。Wu等探讨了BOLD-MRI在RCC与良性肿瘤、ccRCC与非ccRCC中的鉴别诊断及分级诊断价值。对纳入的患者进行BOLD-MRI扫描，获得肿瘤最大横截面及整个肿瘤的R2*值，采用ROC曲线进行分析，结果显示BOLD-MRI可作为RCC与肾良性肿瘤鉴别诊断及ccRCC分级的参考指标。

T1mapping成像通过测量图像体素中的T1值实现对生物组织的定量分析。Adams等利用T1mapping成像鉴别高级别ccRCC，并与胶原容积分数进行组织学相关性分析。他们对ccRCC患者进行MR扫描，测定感兴趣区的T1值，同时使用组织学切片对胶原容积分数进行定量分析。结果显示低级别ccRCC（ISUP 1和2级）的T1值显著低于高级别ccRCC（ISUP 3和4级），T1值与组织学胶原容积分数显著相关。由此可见，T1mapping可作为鉴别低、高级别ccRCC的有效影像学生物标志物。

MRS可以无创性对活体组织代谢、生化改变及化合物进行定量分析。Sevcenco等探索了MRS测定胆碱峰对肾脏实性肿瘤的诊断价值。他们对肾脏实性占位患者进行MRS检查并进行后处理分析，结果显示恶性肿瘤组的胆碱峰值高于良性肿瘤组，核分级3级的RCC组胆碱峰值高于核分级2级RCC组。这表明MRS可以用作鉴别肾脏良恶性肿瘤的工具，其中胆碱峰值可作为RCC侵袭性评估的影像学生物标志物。

4 肾脏实性肿瘤的CT及MRI影像组学研究

近年来，影像组学的研究受到越来越多的关注，其通过对高通量医学图像进行定量评估来指导临床决策。目前影像组学在肾脏实性肿瘤中的研究热点问题主要包括肾脏肿瘤良恶性鉴别、RCC病理核分级或临床分期、基于基因表达的分子生物标志物预测和疾病进展及预后预测等。其中，影像组学研究以CT居多，影像组学分析方法以基于传统机器学习模型居多，也有一部分研究选用深度学习方法。

肾脏肿瘤的良恶性鉴别是临床放射科医生工作中面临的关键问题。影像组学方法的应用通过深度挖掘传统医学影像中潜藏的数据，可为临床提供更多的参考信息。笔者团队开发了一种基于四期增强CT的机器学习模型用于鉴别RCC和乏脂AML。结果显示由平扫期CT图像中提取的特征建立的机器学习模型与其他三期相比，显示出最好的鉴别效能，最优模型的AUC达0.90。Xi等以MR图像为研究对象，开发了基于常规MRI的深度学习模型。他们将深度学习模型的结果与放射科医师分析的结果相比较，发现深度学习模型显示出更高的准确性、敏感性及特异性。

病理核分级是ccRCC的独立预后因素，影响着临床诊疗策略的制定。Bektas等评估了基于不同机器学习分类器的CT纹理分析鉴别Fuhrman低、高核级别ccRCC的效能，结果显示基于支持向量机的模型表现最佳，AUC达0.86。Cui等探讨并证实了基于MRI或CT的机器学习模型对ccRCC WHO/ISUP核分级均具有较好的预测价值。

影像基因组学是指研究疾病的影像学特征与其潜在遗传模式或分子表型之间的关联，以无创性获得疾病诊断、预后和最佳治疗评估的预测数据。Kocak等探索了基于机器学习的定量CT纹理分析在预测ccRCC患者PBRM-1基因突变状态中的价值。他们从皮髓质期CT图像中提取纹理特征，建立机器学习模型以预测PBRM-1基因突变状态。其结果显示最优模型可准确区分95.0%的ccRCC，AUC达0.987。因此，基于机器学习的定量CT纹理分析可能是预测ccRCC患者PBRM-1基因突变状态的一种可行且具有潜力的方法。

治疗反应和预后预测也是临床中面临的又一大关键问题。筛选出复发转移风险较高的患者，从而更好地选择最有可能从辅助治疗中获益的患者十分重要。Kang等开发并验证了一种预测T1期ccRCC患者复发转移风险的临床-影像组学诺模图。此诺模图纳入的指标包括性别、年龄、Fuhrman核分级、实验室指标、CT征象和影像组学评分。结果显示此诺模图在训练集和验证集的AUC分别达0.91和0.92。因此，临床-影像组学诺模图有助于预测T1期ccRCC的复发转移风险，可为临床医师制定精准治疗方案提供帮助。

5 展望

CT及MRI影像学在肾脏实性肿瘤的诊断及评估中起着重要作用。基于CT及MRI的影像学新技术和影像组学的迅猛发展，在肾脏实性肿瘤研究中已成为了传统影像学检查方法强有力的补充。未来将会见证上述研究领域的进一步发展，但也需要更大数据的研究予以实现。影像学的发展将会为肾脏实性肿瘤的个体化管理提供更有价值的信息，从而使患者得到更有效的管理与治疗。

（参考文献略，读者需要可向编辑部索取）