汪汉林 范文辉 李自凯 王 佳 梁 奕

长江航运总医院·武汉脑科医院 (湖北 武汉 430010)

研究发现普通人群胸部X线片普查孤立性肺结节(solitary pulmonary nodule，SPN)的发现率约为0.2%，CT扫描发现率达8%～51%，恶性比率为56%～80%[1]。然而一项病理统计数据显示，在经过外科手术切除的肺结节中，良性肺结节占30%左右[2]。随着医学影像技术、人工智能的快速发展和大众健康意识的提高，孤立性肺结节在体检人群中被更多地发现。这意味着如何准确鉴别肺结节良恶性，达到早期诊断以避免对良性肺结节的过度处理已成为影像科医生与临床医生所共同面临的重要难题。临床上，鳞癌与腺癌的治疗方式存在较大差异性，而高龄患者一般对SPN手术及穿刺活检难以耐受，特别是结节位于是肺门周围。因此，运用影像学新技术在孤立性肺结节中筛查出早期肺癌，并对难以进行活检的肺结节进行病理分型可为临床提出最佳的治疗方案。

1 资料与方法

1.1 一般资料收集长江航运总医院·武汉脑科医院2019年1月至2021年7月体检、门诊及住院患者在行肺部CT扫描时发现8-30mm孤立性肺结节47例。男性：30例，女性：17例，年龄范围29～86岁，平均年龄58±5.62岁。

排除标准：(1)实性肺部结节最大径＜8mm或＞30mm；(2)混合亚实性结节，但实性成分在8mm以下；(3)纯磨玻璃样结节。

1.2 检查设备及方法患者均仰卧位于检查床，MR扫描仪采用德国西门子公司3.0T Skyra，16通道体线圈，行MR常规序列、DWI、DCE-MRI及DKI检查。扫描前，首先进行呼吸配合训练，训练患者吐气后憋住气，并嘱咐患者检查过程中全程尽可能地维持平稳呼吸，以减少呼吸所致伪影。

T1WI、T2WI、DCE-MRI、DKI序列扫描参数：(1)横轴位T1-VIBE序列：TE、TR与层厚依次为1.80ms、3.00ms、3mm；(2)横轴位T2-BLADE序列：TE、TR与层厚依次为105ms、2190ms、3mm；(3)DCE-MRI检查采用3D T1-VIBE序列：TE=1.72ms，TR=5.15ms，层厚3mm。对比剂选用钆喷酸葡胺注射液，剂量与团注速度分别为0.2mmol/kg、2.0ml/s。在具体扫描时，先行蒙片扫描，再行动态增强扫描，扫描2期后借助高压注射器进行对比剂的注入，连续进行45期扫描，4秒/期，每屏气3期，休息10秒，扫描时间约7分钟左右。(4)DWI、DKI扫描采用多b值呼吸触发压脂单次激发平面回波(SSEPE)序列，b=0、50、200、400、800、1400、2000s/mm2，TR 2000ms，TE 66ms，FOV 340mm×340mm，矩阵192×128，层厚3mm，扫描时间3min50s。

1.3 图像分析及处理(1)将所有数据导入图像处理软件(西门子，Tissue 4D)，先完成运动矫正与图像匹配，再基于T2WI图像，在病灶实性成分横截面最大层面勾画出感兴趣区(ROI)，避开囊变坏死区与出血区，借助两室血流动力学Tofts模型，对ROI区微血管转运常数(Ktrans)、Kep(反流速率常数)、Ve(血管外细胞外容积分数)、iAUC(初始曲线下面积)进行测量。(2)所有的DKI数据均使用图像处理软件(西门子，MR body diffusion Toolbox)，DKI的参数由其中5个b值计算得到(b=0、400、800、1400、2000s/mm2)，选择DKI模型得到Dapp和Kapp值的伪彩图。ADC值的计算仍采用同一软件处理，选择DWI模型得到ADC值，b值取自同组多b值DWI数据中0与800s/mm2。所有ROI区均测量三次取平均值。如图1所示。

2 结果

2.1 病例术后病理结果47例患者扫描后一周内均行手术或穿刺活检，病理结果显示，良性病变19例(40.6%)，恶性病变28例(59.5%)。在良性病变中，9例为结核性肉芽肿，4例为慢性炎性肉芽肿，3例为炎性渗出结节，肺曲霉菌球与硬化性血管瘤各1例；在恶性病变中，19例为腺癌，4例为鳞癌，腺鳞癌与转移瘤各2例，1例为小细胞肺癌。

2.2 良性病变组与恶性病变组DWI、MR-DCE、DKI定量参数比较采用SPSS 20.0软件进行正态分布检验，如果符合正态分布且方差齐性，则采用T检验比较良性病变组和恶性病变组ADC、Ktrans、Kep、Ve、iAUC、Dapp、Kapp值，同时比较各参数鳞癌、腺癌与良性肺结节之间差异，结果如表1、表2所示。

表1 良性病变组与恶性病变组DWI、MR-DCE、DKI定量参数比较

表2 鳞癌、腺癌与良性肺结节DWI、MR-DCE、DKI定量参数比较

2.3 良性病变组与恶性病变组各参数诊断效能对于表1所示具统计学差异的ADC、Ktrans、Ve、iAUC、Kapp、ADC+iAUC与值，通过受试者工作特征曲线(ROC)进行分析。结果详见表3。

表3 良性病变组与恶性病变组DWI、MR-DCE、DKI各参数诊断效能

3 讨论

孤立性肺结节的良恶性的鉴别诊断多年以来一直是医学影像学领域的一大难题，因肺组织自身氢质子含量少，同时常会受到病人心脏大血管搏动、呼吸运动等磁敏感伪影的干扰，因此国内外研究人员在肺部病变的MR研究较少。然而，近年来随着MR技术的飞速发展，国内外学者利用MR技术在鉴别孤立性肺结节良恶性中取得了不容忽视的成绩[3-7]。

扩散加权成像(diffusion weighted imaging，DWI)是唯一能够于宏观成像中显示活体组织内水分子的微观扩散运动，能够用于分析病理环境中细胞外间隙与细胞内外水分子的扩散状况[8]。Usuda等[9]在对29例良性肺结节与150例恶性肺结节采用DWI及PET-CT进行鉴别诊断时发现，当ADC值取1.440×10-3mm2/s，其诊断效能较SUVmax高(阈值为3.43)。因此，在鉴别孤立性肺结节和肿块良恶性方面，DWI是具有可行性的。本研究表面，恶性肺结节ADC显著低于良性肺结节(P=0.001)，当ADC值取1.387×10-3mm2/s 时，AUC=0.785,说明了DWI有助于肺部良恶性结节的鉴别诊断。而在鳞癌、腺癌与良性肺结节三组中腺癌组ADC值最低1.23×10-3mm2/s，表明腺癌组织中肿瘤细胞密度高，细胞核和细胞外空间减少，从而限制水分子在肿瘤组织中扩散。

采用动态增强磁共振成像(dynamic contrast-enhanced MRI，DCE-MRI)，经动态监测对比剂到达组织时T1弛豫时间的变化特点，能够得到病变组织血流动力学灌注信息。Yoshiharu报道[10]，DCEMRI对肺部病变性质的诊断与病理学的符合率与CT、PET-CT相比较具有较高的诊断价值，CT增强的准确率为80.7%，PET-CT的准确率为83.7%，而DCE-MRI的准确率可达88.1%。然而，以往DCE-MRI在孤立性肺部结节鉴别诊断中多采用半定量的参数分析，通过半定量参数对比剂到达时间(BAT)、达峰时间(TTP)、曲线斜率及最大斜率、廓清速率等指标来鉴别病变的良恶性。但是这种分析方法易受MR设备、检查条件及检查技术员主观因素的影响，不能定量地反映组织内对比剂浓度的真实变化情况，也不能准确地反映组织生理学信息，在良、恶性病变中存在交叉情况，具有一定的局限性。

常规DWI单指数模型假设水分子弥散是不受阻碍的自由运动，水分子在随机运动的情况下其弥散运动位移满足高斯分布。而在人体组织内，水分子弥散是在细胞间隙内非自由运动，真实的水分子弥散的运动位移是非高斯分布。扩散峰度成像(DKI)可定量弥散偏离高斯分布的程度，与传统的扩散加权成像(DWI)相比，DKI能更准确地评估组织微观结构环境的复杂性。

本研究采用DWI、DKI联合DCE-MR全定量分析孤立性肺结节，可更加准确客观地分析孤立性肺结节的血管通透性、血流灌注、组织微观结构环境等情况，提高磁共振在SPN良恶性鉴别中的诊断效能。研究结果显示恶性组孤立性肺结节的Kapp、Ktrans、Ve和iAUC值显著高于良性组孤立性肺结节(P＜0.035)，而ADC值恶性组显著低于良性组(P=0.001)。而在鳞癌、腺癌与良性肺结节三组中腺癌的ADC值最低，Kapp值最高，对于Ktrans、Kep、Ve、iAUC、Dapp值三组之间无明显差异。这一结果在一定程度上与既往研究相似[11-13]。恶性SPN的Kapp值显著高于良性，而Dapp值无差异，说明恶性SPN的扩散较良性SPN更偏离高斯分布。Ktrans值的升高表明肿瘤组织中未成熟血管通透性和渗漏性增加，Ve值升高可能是由于肺腺癌中存在腺体结构，因肺腺癌占本组恶性组的大部分(68.2%)，而结核和炎性孤立性肺结节占良性组的80%，从而导致血管外细胞外间隙减少。Kep虽无显著性差异，但在结果中有较高的趋势。

虽然DWI、DCE-MRI、DKI均可用来鉴别SPN的良恶性，但从表2中可见看出各参数的AUC值并不理想(0.695-0.785)，敏感度为72.7%，特异度为66.7% -80.0%，准确度为67.6% -75.7%。而ADC与iAUC联合应用，其AUC值为0.864，灵敏度提高到81.8%，特异性提高到86.7%，准确度提高到83.8%。因此，采用常规DWI与DCE-MRI结合，可以显著提高影像检查在鉴别孤立性肺结节良恶性中的能力。与传统的DWI和DCE-MRI相比，DKI具有更高的灵敏度和准确性，可能是另一种很有前景的鉴定和评价SPN的方法。

本研究虽然收集了47例孤立性肺结节患者，但入组病例仍相对较少，可能存在一定的选样偏倚，需要增加样本量进一步研究证实。随着MRI技术不断更新、发展以及先进软硬件技术的进步，相信更新颖的观察角度(影像组学、影像基因组学、人工智能机器学习算法)将会加快各种半定量、定量的数据处理，以促进MRI在孤立性肺结节中的深入研究。