磁共振酰胺质子转移成像与表观扩散系数在膀胱癌术前病理分级评估中的应用

徐兴华，常玲玉，吴广太，程连华，李淑祎，王芳，王青

0 前言

膀胱癌是世界范围内最常见的泌尿系统恶性肿瘤之一[1]。膀胱癌的治疗策略根据肿瘤侵袭深度和组织学分级而定。对于低级别非肌肉浸润性膀胱癌患者，经尿道膀胱肿瘤切除术通常是首选手术方法[2-3]，而高级别非肌肉浸润性或肌肉浸润性膀胱癌患者需要采取根治性或膀胱部分切除术，部分患者术后需配合辅助放化疗[2-3]。因此，术前准确地评估膀胱癌组织学分级对于制订治疗方案至关重要。目前膀胱癌术前分级多采用膀胱镜活检，但膀胱镜为有创性操作，且具有操作者依赖性及可能取样位置偏差等缺点[4-5]。MRI为无创性检查，具有较高的软组织分辨率，目前已广泛应用于膀胱肿瘤的检出与分期[6-9]，随着功能成像技术的快速发展，多参数MRI 可进一步提供实体肿瘤分子水平方面的信息[10-12]。

酰胺质子转移加权（amide proton transfer,APT）MRI是一种分子MRI技术，是化学交换饱和转移成像的一种亚型，主要反映+3.5 ppm处酰胺质子的化学位移特性，从而间接测量蛋白质和多肽等可移动大分子的浓度[13-14]。扩散加权成像（diffusion-weighted imaging, DWI）是一种无创的微结构成像技术，通过检测水分子的扩散程度来反映组织细胞的数量和细胞膜的完整性，通常用DWI 衍生的表观扩散系数（apparent diffusion coefficient, ADC）来量化水分子在组织中的扩散情况[15-16]。目前研究表明，APT 在神经系统和体部肿瘤中应用较多[17-20]，DWI 已于人体多个系统广泛应用[21-22]，但是，APT技术在膀胱癌术前分级方面的作用尚不清楚，此外，目前尚不清楚联合两种成像方式（APT和DWI）在评估膀胱癌的术前病理分级的诊断价值。因此，本研究应用APT 及ADC 定量参数对膀胱癌组织学分级进行评估，分别探讨单指标及联合指标对于术前预测膀胱癌分级的应用价值。

1 材料与方法

1.1 研究对象

本回顾性研究遵守《赫尔辛基宣言》，得到了山东大学齐鲁医院伦理委员会批准，免除受试者知情同意，批准文号：KYLL-2022（ZM）-353。回顾性分析2022 年1 月到2023 年2 月在本院行膀胱3.0 T MRI检查的患者病例资料，64 例临床疑似膀胱肿瘤的患者在术前2 个月内进行了盆腔MRI 检查。纳入标准：（1）临床拟诊膀胱肿瘤且未进行任何治疗、经手术切除并经术后病理证实为膀胱尿路上皮癌患者；（2）MRI图像完整，包含T2WI、T1WI、DWI、APT 及动态对比增强（dynamic contrast enhanced, DCE）序列的图像；（3）肿瘤体积较大（直径≥10 mm）。排除标准：（1）缺乏完整的病理分级；（2）图像质量差，无法绘制ROI。最终，纳入54例符合条件的膀胱癌患者病例资料，根据术后病理结果分为低级别组和高级别组，其中低级别组18例，高级别组36例。

1.2 检查方法

使用GE 3.0 T (Discovery MR750W, GE Healthcare,USA) MRI仪，体部16 通道相控阵线圈对所有患者进行术前检查，取仰卧位，并要求患者在检查前至少1 h内禁止排尿，以适度充盈膀胱。首先进行常规序列扫描，包括横断面、矢状面T2WI 和横断面T1WI；其次行横断面DWI 序列（b 值分别为0 和1000 mm2/s）及APT 序列扫描，APT 序列选择病变显示最大的层面定位单层扫描；之后注射钆双胺注射液（欧乃影，GE 医疗集团，爱尔兰）行DCE-MRI扫描，注射流速2.0 mL/s，剂量0.1 mmol/kg。扫描总时间为15 min。各序列扫描参数详见表1。

表1 MRI不同序列扫描参数Tab.1 Different sequence scanning parameters of MRI

1.3 图像处理与数据测量

将APT 和DWI 图像上传到工作站（Advantage Workstation 4.6, GE Healthcare, Milwaukee, USA），分别与横断面T2WI 图像融合后，由两名经验丰富的放射科副主任医师（从事腹部影像诊断分别为10年、8 年）运用双盲法，选取肿瘤最大层面及相邻两层面，于融合的横断面图像上勾画感兴趣区（region of interest, ROI），测量肿瘤的APT 值及ADC 值，ROI 面积约10～30 mm2，每位医生连续测量3 次取平均值。ROI的勾画原则：根据病变大小选择适当的ROI；在尽量避开囊变、坏死、出血及肿瘤边缘等区域的前提下尽可能包括全实性成分。最后分析结果采用两位医师测量的APT及ADC值的平均值。

1.4 统计学方法

使用统计软件SPSS 23.0和MedCalc 15.0对数据进行分析。 使用组内相关系数（intra-class correlation coefficient, ICC）对两位诊断医生所测数据进行一致性分析。Kolmogorov-Smirnov检验用于检测数据是否服从正态分布。比较各组间差异时，符合正态分布的数据采用独立样本t检验，非正态分布的数据则采用Mann-WhitneyU秩和检验。受试者工作特征（receiver operating characteristic, ROC）曲线用以评估各参数的诊断效能，并计算曲线下面积（area under the curve, AUC）、敏感度及特异度，采用logistic 回归计算APT 联合ADC 鉴别不同级别膀胱癌的AUC。采用DeLong 检验分析各参数AUC 之间的差异。P＜0.05为差异具有统计学意义。

2 结果

2.1 一般资料

本研究共纳入54 例膀胱癌患者，其中低级别组18例，高级别组36例。两组患者在年龄、性别、身体质量指数（body mass index, BMI）、病变部位及病变大小间差异均无统计意义（P＞0.05），如表2所示。

表2 低级别组与高级别组患者临床资料比较Tab.2 Comparison of general clinical data in different histological grades of bladder cancer

2.2 两名观察者测量数据的一致性检验

本研究中所有参数值均符合正态分布。两位医师测量的各参数值的组内相关系数分别为：APT 0.88（95%CI: 0.74-0.94）；ADC 0.84（95%CI: 0.68-0.93），ICC均＞0.75，表明结果一致性良好。

2.3 低级别和高级别膀胱癌之间的APT 和ADC 值的比较

低级别和高级别膀胱癌APT 和ADC 值的比较见表3，图1、2。低级别膀胱癌的APT 值显著低于高级别膀胱癌（t=-5.34,P＜0.01），低级别膀胱癌的ADC值显著高于高级别膀胱癌（t=2.58,P=0.01），差异均具有统计学意义。

表3 膀胱癌不同组织学分级APT及ADC值的比较Tab.3 Comparison of APT and ADC values for different histological grades of bladder cancer

2.4 APT 和ADC 值在评估膀胱癌组织分级中的诊断性能

APT及ADC鉴别低级别和高级别膀胱癌的诊断效能比较结果见表4，图3、4。APT 及ADC 值的AUC 分别为0.80，0.76。APT 与ADC 值联合时，其AUC 为0.94。与单一的APT或ADC值相比，APT与ADC值的联合显示出更高的诊断性能，差异具有统计学意义（Z值分别为2.36、2.79；P＜0.05）。

图3 APT、ADC及两者联合指标鉴别低、高级别膀胱癌的ROC曲线，AUC值分别为：0.80、0.76、0.94。APT：酰胺质子转移；ADC：表观扩散系数。Fig.3 The ROC curves of APT value, ADC value and combin APT and ADC value to differentiate low grade and high grade bladder cancers, and AUC values are 0.80, 0.76, 0.94, respectively.APT: amide proton transfer;ADC: apparent diffusion coefficient.

图4 低、高级别膀胱癌之间酰胺质子转移加权（APT; 4A）和表观扩散系数（ADC; 4B）值的箱式图。Fig.4 Box diagram of the amide proton transfer-weighted (APT; 4A)and apparent diffusion coefficient (ADC; 4B) values between low-and high-grade bladder cancer.

表4 APT、ADC值对膀胱癌组织学分级的诊断效能Tab.4 Diagnostic efficacy of APT and ADC values on the histological grade of bladder cancer

3 讨论

组织病理学分级是膀胱癌的重要预后因素之一。本研究主要探讨了APT和DWI两种功能MRI技术在评估膀胱癌术前分级中的准确性，结果显示APT和ADC 值在低级别、高级别膀胱癌中不同，两个定量参数在术前预测膀胱癌的组织学分级中有较好价值，且APT 与ADC 值联合应用可进一步提高膀胱癌分级的诊断效能。

3.1 APT成像在膀胱癌病理分级中的价值

APT 是一种基于化学饱和转移（chemical exchange saturation transfer, CEST）的分子MRI技术，可以非侵入性地检测酰胺质子和水分子之间的交换过程，揭示细胞代谢的信息[13]。其原理是通过施加特定频率的射频脉冲对氨基质子进行饱和标记，被饱和的氨基质子通过与未被饱和的水中的氢质子进行交换，使部分水中的氢质子被饱和，经过多次反复的化学交换后可导致水的信号降低，从而通过水的信号降低程度间接得到氨基质子的浓度或交换速率[23-24]。其信号强度与游离蛋白和多肽的浓度有关[25]。本研究结果显示高级别膀胱癌患者的APT值明显高于低级别膀胱癌患者，这与以往的研究结果一致[26-27]。另外，既往研究证明APT 成像在评估其他体部肿瘤的组织学分级方面有潜在价值，如HOU等[19]使用APT MRI 评估了66 例宫颈鳞癌患者的组织学分级，表明宫颈鳞癌的APT值与组织学分级呈正相关；WU 等[28]用APT MRI 对88 例肝细胞肝癌患者进行组织学评估，发现APT 值与肝细胞肝癌分级呈正相关；QIN等[29]用APT及ADC值对180例前列腺癌患者进行组织学分级，发现APT 与ADC 联合应用可提高前列腺癌分级的诊断效能。上述结果的病理基础可能与以下原因有关：首先，由于高级别肿瘤细胞增殖较快，细胞密度增高，从而导致产生更多的游离蛋白和多肽[26]；其次，高级别肿瘤细胞核异型性增加，可诱导大分子物质和细胞膜之间的交换加快，促使蛋白及多肽的释放[25,30]；此外，由于血管生成因子的刺激作用，高级别肿瘤的快速生长更容易导致组织的缺氧、坏死，从而释放更多的蛋白及多肽[18,31]。因此，MRI的APT 成像是预测膀胱癌组织学分级的一种有前景的技术，需要进一步挖掘其临床应用价值。

3.2 DWI技术在膀胱癌病理分级中的价值

DWI 是一种无创性评价组织中水分子运动情况的功能MRI技术，其扩散程度的量化指标是ADC值，ADC值是反映水分子在组织中扩散受限程度的扩散系数，间接反映组织微观结构的变化，其主要受细胞密度及肿瘤结构的影响[32-33]。本研究结果显示，高级别膀胱癌的平均ADC值低于低级别膀胱癌，可能是由于高级别膀胱癌的细胞数量增加、组织结构紊乱和细胞外空间弯曲度降低从而限制水分子的运动所致[34]，这一结果与部分文献结果相似[16,35]。KOBAYASHI 等[16]比较了132 例膀胱癌患者的ADC 值与组织学分级程度的关系，发现ADC 值与膀胱癌的分级程度呈负相关，但是ADC 值（0.90×10-3mm2/s）低于本研究结果（1.30×10-3mm2/s），其原因可能是所用机型及磁场强度（1.5 T）与本研究不同。WANG 等[35]通过研究45 例不同级别膀胱癌患者的ADC值发现，高级别膀胱癌组的ADC 值较低级别组明显降低，其获得的ADC 值与本研究相似。因此，ADC 在预测膀胱癌组织学分级方面具有临床价值，但可能由于磁场强度、设备厂商及测量方法等之间的差异，ADC 用于膀胱癌分级的截断值差异较大。

3.3 APT联合DWI在膀胱癌病理分级中的价值

ADC 与肿瘤分级相关，主要受细胞水平的水分子扩散的影响。APT 成像主要反映了由于细胞代谢而导致的肿瘤细胞所产生的蛋白质和多肽浓度的增加。一方面，APT 在反映细胞密度和分子扩散方面不如ADC 敏感。另一方面，APT 成像为肿瘤微环境提供额外的信息，这是对ADC 的补充，在区分膀胱癌分级方面能提供更多的诊断信息。因此，功能MRI与分子MRI 相结合是一种有效、无侵袭性预测膀胱癌组织学分级的方法。我们的研究结果显示APT 及ADC 值联合鉴别低级别和高级别膀胱癌AUC值为0.94，较单独使用单参数具有更高的诊断效能差异。这一结果表明，与单独使用单一参数相比，DWI联合APT成像可能是预测膀胱癌组织学分级的有效方法。

3.4 本研究的局限性

本研究存在一定的局限性。第一，该研究为单中心研究，样本量较小，尤其是高级别组患者，可能存在偏倚。第二，本研究采用的DWI 和APT 序列是基于回波平面采集，分辨率偏低，部分小病变的图像质量欠佳，可能会影响试验结果的准确性。随着技术的进步可以提高参数测量精度。第三，APT 成像选择了肿瘤的最大的横截面积而不是整个肿瘤来绘制ROI，不利于全面评估肿瘤特征。第四，ADC 值不能反映纯粹的活体组织内水分子扩散，它同时也受毛细血管网血流灌注效应的影响，计划后期应用高阶模型进行研究，进一步提高准确性。

4 结论

综上所述，APT 及ADC 值可对膀胱癌进行量化研究，可应用于膀胱癌术前分级预测，且两者联合后诊断效能较单一序列显著提升，可为临床提供有价值的信息，进而指导临床采取合理治疗决策。

作者利益冲突声明：全体作者均声明无利益冲突。

作者贡献声明：王青设计本研究的方案，对稿件重要内容进行了修改，获得了山东省自然科学基金项目资助；徐兴华起草和撰写稿件，获取、分析或解释本研究的数据；常玲玉、吴广太、程连华、李淑祎、王芳获取、分析或解释本研究数据，对稿件重要内容进行了修改；全体作者都同意发表最后的修改稿，同意对本研究的所有方面负责，确保本研究的准确性和诚信。