高阶扩散模型在脑胶质瘤中的应用研究进展

胡万均, 甘铁军, 白玉萍, 李洁, 马玉荣, 张静

脑胶质瘤是中枢神经系统最常见的原发脑肿瘤。传统分类方法将胶质瘤根据恶性程度分为高级别与低级别两大类,不同级别胶质瘤治疗方案及预后差别较大[1]。随着基因及分子生物学标记物检测的广泛应用以及靶向药物研究进展,越来越多研究发现胶质瘤治疗及预后与某些特定基因及分子生物学标记物密切相关[2];因此2016及2021年WHO中枢神经系统肿瘤新分类中对胶质瘤分类更加强调了基因及分子表型的重要性。胶质瘤免疫治疗是近年来研究的热点,然而免疫治疗疗效与肿瘤微环境密切相关。上述所提及的胶质瘤分级、基因、分子表型及肿瘤微环境都是在术后病理下获得,目前临床一直在寻求一种可以术前无创了解以上信息的检查方法[3-5]。

扩散成像是一种基于水分子随机运动的成像方式[6-8],近年来随着技术的进步,衍生出多种高阶扩散模型,如扩散张量成像(diffusion tensor imaging,DTI)、体素内不相干运动扩散加权成像(intra-voxel incoherent motion diffusion weighted imaging,IVIM-DWI)、扩散峰度成像(diffusion kurtosis imaging,DKI)、高角分辨率扩散成像(high angular resolution diffusion imaging,HARDI)、扩散频谱成像(diffusion spectrum imaging,DSI)、平均表观传播扩散成像(mean apparent propagator-MRI,MAP-MRI)、神经突方向分散度和密度成像(neurite orientation dispersion an density imaging,NODDI)等,这些高阶扩散模型相较于术后病理金标准,具有无创、可重复性等优点[9,10]。本文就高阶扩散模型在胶质瘤分级、基因型、分子表型、肿瘤微环境等应用研究进展予以综述。

扩散加权成像

Padhani等[11]在2008年国际医学磁共振学会会议期间就DWI作为癌症成像生物标志物达成一致,并建议利用DWI对肿瘤进行研究时应获得表观扩散系数( apparent diffusion coefficient,ADC)。ADC可真实反映肿瘤所处的细胞微环境及水分子的运动状态,从而为胶质瘤分级及分子分型的预测提供更准确、稳定、可靠的结果[12,13]。

Baehring等[14]研究指出DWI可以对早期胶质瘤进行有效诊断,并可以早于病理活检提示肿瘤发生恶变;当病理结果也无法明确胶质瘤是否恶变时,结合DWI表现可明确诊断。细胞的增殖是胶质瘤分级的重要因素之一[15,16],高级别胶质瘤细胞增殖比低级别胶质瘤明显加快,因此细胞外水分子扩散受限间接反映了低级别胶质瘤进展为高级别胶质瘤过程[17]。目前研究尚缺乏胶质瘤基因分型确切生物学标志,Maynard等[18]在WHO胶质瘤队列中利用肿瘤实质部分ADC值与正常白质ADC比值预测胶质瘤异柠檬酸脱氢酶(isocitrate dehydrogenase,IDH)状态,结果表明对两个独立队列胶质瘤IDH状态预测的准确率分别为82%、86%,且准确率高于单ADC值模型及多b值模型,这说明ADC值与胶质瘤IDH基因状态的潜在微环境存在显著相关性。DWI是基于水分子高斯分布的扩散模型,它与人体实际水分子所处细胞状态不符,尽管在预测胶质瘤分级、基因型状态方面有很多研究,但水分子非高斯分布情况以及单b值的单指数模型的影响导致其准确性降低从而无法进一步在临床广泛应用。

体素内不相干运动扩散加权成像

人体内由于细胞、髓鞘、微血管等影响,水分子扩散并不服从单指数模型,在低b值情况下微血管间灌注会影响信号变化,因此Le Bihan等[19]提出基于双指数模型的扩散加权成像既IVIM-DWI,该模型需要至少6个小于200 s/mm2的b值来反映微血管的灌注,2个大于500 s/mm2的b值来反映水分子的真实扩散状态。IVIM-DWI定量参数包括伪扩散系数(pseudo-diffusion coefficient,D*)、真扩散系数(diffusion coefficient,D)及灌注分数(perfusion fraction,f),其中D*值反映微血管灌注,D值反映水分子真实扩散,f值反映血流量。

Wang等[20]研究表明D*值、D值及f值可以作为鉴别胶质瘤分级、基因分型的有效定量参数。f值与D值能有效鉴别高低级别胶质瘤,而低级别胶质瘤中IDH野生型的f值高于IDH突变型,且f值预测效能高于其他灌注指标;高级别胶质瘤新生血管增多是导致f值增加的直接影响因素,在低级别胶质瘤中IDH野生型相比于IDH突变型侵袭性强,血管增殖程度越明显灌注效应越强,f值变化更明显。另一项研究指出,IDH突变状态会导致缺氧诱导因子(hypoxia-inducible factor,HIF)的降低,因而能降低缺氧导致的新生血管形成,且f值可能是评价胶质瘤血管功能、基因分型的可靠定量参数[21]。有研究根据IVIM-DWI以上特性将其用于胶质瘤治疗疗效及真、假性进展的评估,结果显示胶质瘤真性进展与假性进展磁共振信号常相似,临床难以鉴别[22];而真性进展常伴随血管增殖更明显,与假性进展相比常表现为高灌注效应,所以f值、D*值及D值可以有效鉴别两者且能有效预测胶质瘤治疗疗效。有关IVIM-DWI技术在胶质瘤的应用非常广泛、可重复性强,但其准确性受到b值数量、b值大小及肿瘤细胞内外所处微环境影响。

扩散张量成像

DTI是目前唯一能在人活体大脑进行无创性白质纤维成像方法,与DWI相比需要最少6个扩散梯度方向及更高的b值。DTI常用定量参数指标有各向异性分数(fractional anisotropy,FA)、平均扩散率(mean diffusivity,MD)等,在DTI中FA值是最重要的量化指标之一且可以表征白质纤维束完整性;白质纤维束中水分子异常扩散改变先于白质结构异常改变,而FA值可以敏感地探测这种变化,并为白质纤维束中水分子异常改变提供定量参数指标。

高级别的胶质瘤中FA值的减低比ADC值异常减低更为敏感,Lu等[23]通过测量位于正常白质和血管源性水肿的感兴趣区及每个肿瘤周围的T2异常信号强度,发现胶质瘤周围FA值的改变不仅与含水量增加有关,还与肿瘤浸润有关,病理诊断也提示高级别胶质瘤相较低级别胶质瘤常常出现肿瘤浸润;浸润严重时,肿瘤周围白质结构及完整性被破坏会导致含水量增加,从而进一步导致FA值减低,而细胞周围水分子增加有可能导致ADC值测量产生一定误差,因此FA值相比ADC值对肿瘤浸润表征更加敏感,间接提供胶质瘤分级的证据。高级别胶质瘤周围浸润性水肿的FA值相比脑外肿瘤及转移瘤周围水肿FA值明显降低[24],且可能与转移瘤转移时间有关,早期转移瘤并未破坏相应区域白质纤维束。脑外肿瘤并非中枢神经系统胶质细胞来源,因而不会出现较为明显的纤维束破坏,通常是由于肿瘤体积过大对白质推挤所致[25,26]。胶质瘤生长常伴有肿瘤细胞增殖与新生血管增生,这可能是鉴别胶质瘤IDH基因型状态的重要因素之一;有研究表明IDH野生型胶质瘤易向瘤周浸润性生长并破坏神经纤维的髓鞘导致FA值明显减低,且与IDH野生型胶质瘤的不良预后显著相关,IDH突变型胶质瘤则很少伴有神经纤维的髓鞘破坏,因此FA值无明显变化,这与Aliotta等[27]的研究结果一致。有部分研究利用DTI构建影像组学模型预测胶质瘤IDH基因型状态[28,29],结果表明MD值预测胶质瘤IDH基因型的准确率(AUC=0.83)高于其它模型,该研究进一步证实DTI可以更好表征胶质瘤肿瘤微环境及肿瘤细胞增殖情况;由于人体细胞微环境及血管影响,水分子呈非高斯分布,而DTI模型是基于水分子高斯分布所提出,尽管以上研究证明DTI可以有效预测胶质瘤分级、基因型状态及不良预后,但其准确性仍然欠佳,因此需要在水分子非高斯分布情况下验证其准确性,探索其临床应用价值。

扩散峰度成像

人体内水分子自由扩散运动受细胞间隙、血管间隙等因素影响,水分子主要呈非高斯分布,因此DTI无法反映真实的水分子扩散分布程度,而DKI恰好可以反映这种微观的变化,DKI常用参数指标包括平均扩散峰度(mean kurtosis,MK)、径向峰度 (radial kurtosis,RK)、轴向峰度(axial kurtosis,AK)、峰度各向异性(kurtosis anisotropy,KA)等。MK值越高代表水分子偏离高斯分布状态越远,间接反映了细胞增殖多,血管增生快。

Tietze等[30]研究表明MK值可以作为胶质瘤基因分型的生物学标志,在胶质瘤RANO反应评估中起非常关键的作用,2021年世界卫生组织(world health organization,WHO)中枢神经系统肿瘤分类、分级标准修定版已明确将基因型作为胶质瘤的重要诊断依据[31];而利用MK和AK值可以预测肿瘤细胞增殖和IDH-1基因型状态,其预测IDH-1野生型的敏感度分别为0.70和0.72,因此MK和AK值等量化指标可以有效区分胶质瘤IDH-1基因型状态[32]。一项Meta分析指出DKI在预测脑胶质瘤分级及IDH基因型应用中具有较高的一致性,且MD值与FA值预测胶质瘤级别IDH基因型突变状态的准确性显著低于MK值与AK值[33]。高级别胶质瘤中MK值的增加与胶质瘤潜在的微观结构特征有关,但原因尚不清楚,可能是由于高级别胶质瘤中细胞增殖、细胞内外蛋白的数量增加以及血管破坏及增生导致水分子偏离高斯分布引起MK改变。不仅如此,Zhang等[34]研究也表明ki67的增殖情况与MK密切相关。Tan等[28]通过建立DKI影像组学模型,发现基于MK值的支持向量机模型在预测IDH基因型状态中的准确率为0.86,这也充分证明MK值与肿瘤细胞微环境结构变化息息相关。以上研究均发现,DKI可用于预测胶质瘤基因型突变状态及预后,但在复杂交叉纤维存在区域DKI也无法获得准确定量参数,因此复杂交叉纤维限制了DKI的进一步发展,要解决复杂交叉纤维就必须进一步改进高阶扩散模型。

高角分辨率扩散成像

HARDI由Tuch等[35]在2002年第一次被提出,是指相比于单b值下的DTI而言更密集或更多的梯度方向采样;DTI只能解决体素为单纤维的情况,而无法解决体素中包含交叉纤维等复杂结构的情况。轴突半径一般为0.1～10.0 μm,而目前MRI数据体素分辨率一般为1～5 mm。因此一个体素可以包含上千个轴突,形成大脑复杂的纤维结构,HARDI则很好地解决了复杂交叉纤维的问题。

Becker等[36]指出相比于DTI,基于QBI技术的HARDI纤维束重建能更清晰地显示交叉纤维且能更好地显示边缘及末端纤维束,恶性胶质瘤的边缘及末端纤维束破坏明显多于低级别胶质瘤,普通DTI白质纤维束无法显示边缘及末端纤维束,进而影响术中肿瘤患者切除范围,无法有效保证肿瘤患者功能区结构功能,降低了患者术后生存质量,HARDI则弥补了DTI的这一缺点[37]。最近一项研究表明胶质瘤患者额叶白质纤维束通路的完全离断会影响患者的认知功能,且90%的患者认知功能会出现短暂甚至永久性的障碍,术中电刺激可更直观地明确交叉纤维[38]。而常规DTI算法无法呈现大脑真实纤维束的走行,尤其是在复杂的交叉纤维束区域,HARDI可以很好显示交叉纤维,明确手术切除范围,最大程度保护患者认知功能。Sanvito等[39]研究也得到了相同的结论,同时该研究使用基于HARDI纤维密度成像(Track-density imaging,TDI)对胶质瘤周围纤维通路损伤进行评估,进而预测胶质瘤患者术后功能恢复程度;HARDI对复杂交叉纤维的显示较DTI和DKI更优,同时为胶质瘤术前计划及术后生存质量预测提供了先进研究方法,但其缺乏具体定量参数图,因此在预测胶质瘤IDH基因型状态、预后上需要更进一步探索相关定量参数的临床应用价值。

扩散频谱成像

DSI最早由Wedeen等[40]于2008年提出,它与之前的扩散成像算法完全不同,DSI利用概率密度函数(probability density function,PDF)对纤维的方向进行描述与计算,真正意义上解决了目前DTI、DKI无法解决的复杂交叉纤维问题。

Young等[41]使用压缩感知成像技术对25例胶质瘤患者分别行DTI及DSI扫描,最后分别重建其皮质脊髓束、弓状束等,并计算纤维束条数、各向异性和长度,最终研究结果表明DSI纤维束重建明显优于DTI纤维束重建,在追踪复杂交叉纤维上DTI显示不清易导致肿瘤浸润范围的误判从而影响肿瘤分级的准确性;DSI追踪复杂交叉纤维及肿瘤浸润而导致的U型纤维破坏可以有效评估肿瘤分级。近期研究表明DSI纤维束成像可以有效鉴别原发性脑胶质瘤与转移瘤,通过更精准的纤维束追踪可以有效预测肿瘤复发,从而判断患者预后及生存质量[42],作者也认为DSI比DTI在复杂交叉纤维追踪、评估胶质瘤分级上有较高的鲁棒性。虽然DSI目前被广泛应用于精神分裂、癫痫等中枢系统疾病的脑拓扑网络研究中[43],但由于DSI对设备、硬件要求高以及计算时间长等原因,DSI应用于胶质瘤的研究少见报道,而随着压缩感知及多层同时采集技术等方法的出现,DSI在胶质瘤领域的研究将更进一步。

平均表观传播扩散成像

MAP-MRI于2013年被Lemkaddem等[44]提出,是一种基于q空间数据采集策略的扩散成像模型即DSI的一种定量模型,其主要定量参数指标有回归原点概率(return to the origin probability,RTOP),主要量化质子处于第一和第二个扩散梯度位置的概率,RTOP越高说明质子受限越明显,总体表现为CSF的RTOP低而脑白质RTOP高。回归轴向概率(return to axis probability,RTAP)主要量化质子轴向受限的大小,与轴突直径密切相关。回归平面概率(return to plane probability,RTPP)主要量化质子垂直于扩散平面受限大小。均方位移(mean squared displacement,MSD)是对质子扩散多远的测量,MSD降低表明质子扩散受限,正常脑组织中脑脊液的MSD值高,脑白质的MSD低。信号方差(Q-space inverse variance,QIV)是信号中方差的度量,对组织成份变化具有很高的敏感性。

Gao等[45]使用MAP-MRI对肿瘤实质及瘤周水肿行直方图特征分析,并预测胶质瘤患者的IDH突变状态及1p/19q缺失状态,基于直方图分析结果表明MAP-MRI定量参数可用于IDH基因突变状态分类,同时能有效识别胶质瘤中IDH突变的1p/19q缺失状态。MAP-MRI的定量参数在对IDH突变的1p/19q缺失状态的所有预测模型中诊断效能最高,AUC为0.83,准确率为77%,基于MAP-MRI的定量参数预测IDH突变状态的1p/19q缺失状态值得推向临床,且无论是单一指标模型还是多指标联合模型的预测效能均令人满意。一项利用MAP-MRI评估胶质瘤分级、Ki-67表达和IDH-1突变状态的研究表明与IDH-1野生型胶质瘤相比,IDH-1突变型胶质瘤的MSD、QIV和MD显著升高,而RTAP、RTOP、RTPP和FA显著降低(P<0.05)[46];RTAP在所有胶质瘤中表现最好,QIV在低级别胶质瘤中表现最好,因此MAP-MRI定量参数是评估不同级别、细胞增殖和IDH-1突变状态胶质瘤显微结构变化的有效方法。此外还有研究表明,基于帕金森患者苍白球、 丘脑、 壳核等结构量化指标的ROC曲线分析结果表明,与DTI指标(FA,MD等)相比,MAP-MRI指标(MSD、RTOP、RTAP、RTPP)具有更高的准确率[47]。也有研究表明MAP-MRI还可用于颞叶癫痫患者海马及胶质瘤诱发的癫痫纤维束量化评估,且可以作为颞叶癫痫检测的无创性生物学标记[48,49]。近年来MAP-MRI作为刚提出的定量参数模型,参数特异度、敏感度更强,不仅能准确预测胶质瘤IDH基因型状态、1p/19q缺失,还可作为中枢神经系统及其认知相关疾病诊断的生物学标记物,值得向临床推广其应用。

神经突方向分散度和密度成像

Zhang等[50]在2012年提出的NODDI能用于评估细胞内外的间隙,对神经纤维髓鞘、轴突尤其是针对树突进行特定的成像评估,并且可以量化神经突触方向、密度以及突起的直径[51],NODDI的定量参数包括神经突内体积分数(intracellular volume fraction,Vic或 ICVF)、神经突密度(neurite density index,NDI)、神经突方向离散度(orientation dispersion index,ODI)、脑脊液体积分数(isotropic volume fraction,Vis或Iso)和神经突外体积分数(entracellular volume fraction,Vec)。

Zhao等[52]通过研究肿瘤实质和瘤周区域的ICVF值预测胶质瘤分级(AUC=0.92,P<0.001),其敏感度和特异度分别为92%和89%;即高级别胶质瘤实质部分ICVF值增高而瘤周区域ICVF值减低,而在肿瘤实质中ICVF值减低和瘤周区域ICVF值增高则提示低级别胶质瘤可能。王婧妍等[53]通过测量肿瘤实质区及正常侧脑白质区内ICVF值对比得出ICVF值是鉴别胶质瘤分级的重要量化指标。Figini等[54]研究表明NODDI有助于补充解释在预测胶质瘤IDH基因突变状态时FA值及KA值变化,先前研究认为FA减低是由于肿瘤细胞破坏神经纤维髓鞘所致,而胶质瘤IDH野生型细胞增殖多,但无法确定细胞内外水分子变化,因此无法准确判断FA值及KA值减低原因;根据NODDI定量参数ODI及Vec可以很好解释和判断这种变化,即FA值及KA值减低有可能是细胞外水分子增加而细胞体积减少所致。NODDI在胶质瘤研究目前仍集中在胶质瘤分级上,而关于胶质瘤IDH基因状态研究并未发现IDH突变型与IDH野生型之间存在显著差异,这可能和样本量大小有关。因此, NODDI在鉴别胶质瘤IDH基因状态上需进一步探索其结合影像组学等研究方式后的临床研究价值。

启示与展望

综上所述,高阶扩散模型不仅可以较好地反映组织类型、结构、物理和生理的状态以及微环境,同时还可以提供胶质瘤额外信息,如胶质瘤分级、基因型、分子表型、肿瘤微环境、术中功能区保护及术后治疗疗效的评估等信息。尽管目前对于胶质瘤分级的MRI研究相比于病理金标准而言仍存在很多争议与不足,如扫描时间长、计算复杂等,但随着设备及技术的不断更新,如多层同时采集技术、压缩感知成像技术及深度学习算法的出现,将大大缩短复杂扩散模型的扫描时间,影像组学以及深度学习的应用与发展也必将进一步推动复杂扩散模型等对胶质瘤的深入研究,实现临床精准分类、精准诊疗,从而改善患者的治疗策略及预后。