文宝红,张赞霞,朱靖,付坤,张勇,程敬亮

腮腺肿瘤为最常见的涎腺肿瘤,其中发病率最高的是多形性腺瘤,其次为Warthin瘤[1],恶性腮腺肿瘤的发病率有逐年增高的趋势[2]。腮腺肿瘤的临床表现较为相近,但治疗策略与预后却有明显不同[3]。因此,准确定性对治疗方案的选择有重要指导价值。已有较多研究结果显示,DWI获得的表观扩散系数(ADC)值有助于腮腺肿瘤的鉴别,虽然研究结果不尽相同,但可行性已得到认可[1,4]。基于长可变回波链分段读出(readout segmentation of long variable echo-trains,RESOLVE)序列的DWI有助于克服生理性运动的影响,与常规DWI相比,具有伪影少、图像变形小和图像质量高等优点,已逐渐应用于临床[5-7]。T1-mapping是一种测量纵向弛豫时间(T1)的技术,可用于生物组织特征的定量分析,且测量结果具有较高的可重复性[8],近年来的研究结果显示,T1-mapping在评估肿瘤的分化、分级和复发等方面表现出较高的诊断效能[9]。目前尚未见采用T1-mapping对腮腺肿瘤进行研究的相关文献报道。因此,本研究以RESOLVE-DWI作为对照,使用T1-mapping鉴别常见类型的腮腺肿瘤,旨在评估T1-mapping的临床应用前景。

资料和方法

1.研究对象

搜集2018年6月-2022年8月在本院经病理证实的169例腮腺肿瘤患者的MRI资料。其中,良性肿瘤117例,包括多形性腺瘤(pleomorphic adenoma,PA)85例、Warthin瘤(Warthin tumor,WT)32例;恶性腮腺肿瘤(malignant tumor,MT)52例,包括黏液表皮样癌10例、涎腺导管癌7例、鳞状细胞癌6例、淋巴瘤11例、腺泡细胞癌5例、腺样囊性癌3例、分泌性癌和低分化癌各2例、以及肌上皮癌、上皮-肌上皮癌、基底细胞癌、混合性癌、皮质腺癌和癌在多形性腺瘤中各1例。

纳入标准:①MRI检查前未接受相关治疗;②经病理证实;③病变最大径≥6 mm;④MR图像清晰。

本研究经本院伦理委员会审核批准(2019-KY-0015-002)。

2.MRI扫描方法

使用GE skyra 3.0T磁共振扫描仪及20通道头颈联合线圈。患者均行常规MRI平扫和增强、RESOLVE-DWI及T1-mapping扫描。RESOLVE-DWI扫描参数:TR 3900 ms,TE1 55 ms,TE2 91 ms,层厚4.0 mm,矩阵160×160,层间距0.8 mm,视野240 mm×240 mm,b值为0、1000 s/mm2,采集时间107 s。T1-mapping扫描参数:3D容积内插体部检查序列,TR 15.0 ms,TE 2.4 ms,层厚3.0 mm,层间距0.6 mm,2个翻转角分别为5°和26°,矩阵383×383,采集时间4 min 2 s。

3.图像后处理和分析

将采集的图像数据传输至Siemens后处理工作站(syngo.via)。参照常规横轴面T1WI、T2WI、抑脂T2WI、DWI及增强T1WI图像,注意避开肿瘤内坏死、囊变和出血区域,选取肿瘤最大层面(多发病灶取最大病灶)的T1-mapping伪彩图及ADC图,在病灶内手动勾画ROI,由2位具有8年以上工作经验的医师分别测量3次T1值和ADC值,分别取3次测量值的平均值。

4.统计学分析

使用SPSS 22.0统计软件分析进行数据分析。计算组内相关系数(intraclass correlation coefficient,ICC)评价两位医师对定量参数测量的一致性,>0.75为一致性良好。定量资料以均值±标准差表示,多组定量资料的组间比较采用单因素方差分析,组间两两比较采用Tukey法(方差齐)或Tamhane法(方差不齐)。绘制各定量参数对腮腺肿瘤病理类型预测价值的ROC曲线,计算曲线下面积(area under the curve,AUC),采用约登指数来确定最佳诊断阈值,并计算相应的诊断敏感度和特异度等诊断效能指标。采用logistic逐步回归法构建联合模型(T1+ADC),然后应用ROC曲线来分析联合模型的诊断效能。各参数/模型的AUC的比较采用DeLong检验。以P<0.05为差异有统计学意义。

结 果

1.人口学资料的比较

三组人口学资料的比较结果见表1。三组之间年龄和性别构成的差异均有统计学意义(P<0.05)。

表1 良性和恶性腮腺肿瘤人口学资料的比较

2.一致性分析

ICC分析结果显示两位医师测量的肿瘤T1值和ADC值的一致性均为良好,ICC分别为0.970(95%CI:0.959～0.978)和0.976(95%CI:0.967～0.982)。

3.T1值和ADC值的比较

三组肿瘤T1值和ADC值的比较结果详见表2。多形性腺瘤的T1值和ADC值最高,恶性肿瘤次之,Warthin瘤最低(图1～3);三组间T1值和ADC值的总体差异均有统计学意义(P<0.05),组间两两比较差异均有统计学意义(P<0.05)。

图1 右侧腮腺多形腺腺瘤。a)T2WI示右侧腮腺肿瘤(与肌肉组织相比)呈高信号(黄箭);b)ADC图示肿瘤呈高信号;c)T1-mapping伪彩图示肿瘤呈红色高信号。 图2 右侧腮腺Warthin瘤。a)T2WI示肿瘤呈稍高信号(黄箭);b)ADC图示肿瘤呈低信号;c)T1-mapping伪彩图示肿瘤呈绿色为主的中等信号。图3 右侧涎腺导管癌。a)T2WI示肿瘤形态不规则,呈稍高信号(黄箭);b)ADC图示肿瘤呈低信号;c)T1-mapping伪彩图示肿瘤呈红色高信号。

表2 三组腮腺肿瘤T1值和ADC值的比较

3.各参数的诊断效能

T1、ADC及T1+ADC鉴别三种类型腮腺肿瘤的诊断效能指标值详见表3。T1、ADC及T1+ADC鉴别多形性腺瘤与Warthin瘤的AUC分别为0.914、0.997和1.000(图4a);进一步两两比较结果显示,ADC和T1+ADC的AUC均大于T1值,差异均有统计学意义(Z=3.216,P=3.3770;Z=0.001,P=0.0007),而ADC和T1+ADC之间AUC的差异无统计学意义(Z=1.170,P=0.2420)。将三者鉴别三种类型腮腺肿瘤的结果与病理结果进行一致性检验,Kappa值分别为0.628、0.917和1.000,表明ADC和T1+ADC鉴别腮腺多形性腺瘤和Warthin瘤与病理结果之间均具有极高的一致性。

图4 T1值、ADC值及T1+ADC鉴别三种类型腮腺肿瘤的ROC曲线。a)鉴别多形性腺瘤与Warthin瘤,以T1+ADC的AUC最高,ADC值次之,T1最低;b)鉴别多形性腺瘤与恶性肿瘤,以T1+ADC的AUC最高,ADC次之,T1最低;c)鉴别Warthin瘤与恶性肿瘤,以T1+ADC的AUC最高,T1次之,ADC最低。

表3 T1、ADC及二者联合对腮腺肿瘤的鉴别诊断效能

T1值、ADC值和T1+ADC鉴别腮腺多形性腺瘤与恶性肿瘤的AUC分别为0.664、0.869和0.873(图4b);进一步两两比较结果显示,ADC和T1+ADC的AUC均大于T1,差异均有统计学意义(Z=3.952、4.297,P均<0.001),而ADC和T1+ADC之间AUC的差异无统计学意义(Z=0.706,P=0.4800)。与病理结果行一致性检验,Kappa值分别为0.258、0.681和0.698,提示T1值鉴别腮腺多形性腺瘤和恶性肿瘤与病理结果的一致性较差,ADC和T1+ADC鉴别腮腺多形性腺瘤和恶性肿瘤与病理结果具有较高一致性。

T1值、ADC值和T1+ADC鉴别腮腺Warthin瘤与恶性肿瘤的AUC分别为0.835、0.695和0.895(图4c);两两比较结果显示,T1+ADC的AUC均大于ADC和T1,差异均有统计学意义(Z=3.411,P=0.0006;Z=2.121,P=0.0340),ADC值和T1值之间AUC的差异无统计学意义(Z=1.821,P=0.0690)。与病理结果行一致性检验,Kappa值分别为0.518、0.443和0.555,提示T1、ADC和T1+ADC鉴别腮腺Warthin瘤和恶性肿瘤与病理结果均具有较高的一致性。

讨 论

MRI常规序列可为腮腺肿瘤的鉴别诊断提供有用的线索,但仅通过常规MRI的形态学征象难以准确鉴别低度恶性肿瘤与良性肿瘤[6]。T1-mapping可以反映组织成分和含水量的细微差异,并可以直接量化T1值,某些病理状态可导致组织T1值发生改变[10]。目前T1-mapping主要应用于心血管领域,已经成为表征心肌组织的重要成像工具,并逐渐拓展应用于人体肿瘤的研究[9,11-13],但是其在腮腺肿瘤中的应用价值尚不清楚。本研究证实了T1-mapping与RESOLVE-DWI均可用于无创性鉴别常见病理类型的腮腺肿瘤。

T1值主要检测组织中的自由水和增加的自由水含量[14]。T1值随着水含量和局部大分子环境而变化,并且映射在彩色图中显示数值[15]。ADC值对腮腺肿瘤的鉴别诊断价值已获得了较多研究者的关注[4,16]。本研究结果显示T1和ADC测量值均有很高的观察者间一致性,与既往的研究结果相符[10],为临床应用提供了进一步支持。

本研究结果显示多形性腺瘤的T1值及ADC值最高,恶性肿瘤次之,Warthin瘤最低,且三组间两两比较,T1值和ADC值的组间差异均有统计学意义。多形性腺瘤由黏液样、软骨样或透明物质组成,基质中有丰富的自由水,可能与其T1值和ADC值较高有关[17];而恶性肿瘤细胞密度增加导致细胞外间隙变小,自由水变少,故其T1值及ADC值较低;Warthin瘤由嗜酸细胞上皮和致密的淋巴间质构成[18],自由水少,故其T1值及ADC值低。

在鉴别腮腺多形性腺瘤与Warthin瘤方面,ADC和T1+ADC的AUC高于T1,差异均有统计学意义,但ADC与T1+ADC之间AUC的差异无统计学意义。在鉴别腮腺多形性腺瘤与恶性肿瘤方面,ADC和T1+ADC的AUC高于T1,差异均有统计学意义,而ADC和T1+ADC之间AUC的差异无统计学意义。在鉴别腮腺Warthin瘤与恶性肿瘤方面,T1+ADC的诊断效能高于ADC和T1,差异均有统计学意义,ADC和T1之间AUC的差异无统计学意义。本研究结果提示T1联合ADC在一定程度上可提高对腮腺肿瘤的鉴别诊断效能,与文献报道的结论基本相符[10]。

本研究存在一定的不足之处:首先,部分肿瘤类型的样本量较小,有待增加样本量,使研究结果的准确性进一步提高;其次,腮腺淋巴瘤的某些病理特征与其它类型腮腺恶性肿瘤之间存在较大差异,但在本研究中未对其独立分组,可能会影响对定量参数的诊断效能进行分析时的准确性,有待在今后的研究中细化腮腺恶性肿瘤的分组;再者,本研究中为手动勾画ROI,虽尽量注意避开肿瘤内坏死、囊变和出血区域,但难免会有误差,有待于今后对肿瘤进行全域分析,来避免选择偏倚等。

总之,T1-mapping具有较好的可重复性,腮腺肿瘤T1值在观察者之间具有很高的一致性,且其与ADC值一样,可用于常见腮腺肿瘤的鉴别,二者联合可提高鉴别诊断效能,具有一定的研究和临床应用前景。