中国中西医结合影像学杂志   2019, Vol. 17 Issue (1): 102-105
0
体素内不相干运动成像在胰腺疾病诊断中的应用进展[PDF全文]
陈芙蓉, 李卉
上海交通大学附属第六人民医院放射介入科,上海 200233
摘要:体素内不相干运动扩散加权成像(IVIM-DWI)采用双指数模型,通过多个b值分析,无需使用对比剂即能获得水分子扩散运动和微循环灌注信息,可较准确地量化评估胰腺疾病的微观结构变化,为胰腺常见疾病的诊断、鉴别诊断、病理分级及分期、疗效评估提供了新思路。本文就IVIM-DWI在胰腺疾病中的应用进展做简要综述。
关键词磁共振成像, 弥散    体素内不相干运动    胰腺疾病    
Application progress of IVIM-DWI in the diagnosis of pancreatic diseases

胰腺位于腹膜后,临床起病隐匿,早期诊断困难,预后较差,因此胰腺疾病的早期发现及精确诊断对及时干预治疗、改善预后至关重要。DWI通过检测组织中水分子扩散的方向和程度来反映组织的微观结构,可早期反映疾病的病理生理信息。随着MRI技术的发展,DWI已被用作常规MRI的补充成像技术被广泛用于胰腺疾病的诊断及鉴别诊断。研究[1]表明DWI单指数模型所测得的ADC值是水分子运动和微循环灌注的综合效应,不能真实反映组织微观结构的特性。而体素内不相干运动扩散加权成像(intravoxel incoherent motion diffusion weighted imaging,IVIM-DWI)采用双指数模型,通过多b值分析能同时获得水分子扩散运动和微循环灌注信息,并可将两者分离开来,弥补传统DWI的不足,为胰腺疾病的诊治提供更精确的参考信息。本文将对IVIM-DWI在胰腺疾病中的应用展开综述。

1 IVIM-DWI基本原理

大量研究[2-4]显示,DWI单指数模型测得的ADC可反映水质子的布朗运动,其不仅存在于组织细胞外和细胞间隙,还存在于组织微循环(灌注效应),灌注效应可能会影响ADC值评估微观结构性质的可靠性[1]。Le Bihan等[2]于1986年首次提出的IVIM成像技术,弥补了传统DWI单指数模型的不足。IVIM-DWI通过双指数模型拟合,采用多个b值成像能够同时分别反映纯水分子扩散运动和关于毛细血管灌注的信息[1-6],无需使用对比剂即可同时获得扩散和灌注相关参数。

根据IVIM理论,组织内DWI图像信号衰减和b值间的关系可用以下公式描述:Sb/S0=(1-f).exp(-bD)+f.exp[-b(D+D*)](公式1)。f值为灌注分数,代表体素内灌注扩散效应占总体扩散效应的比例,能够反映组织内血容量;D值为真性扩散系数,反映体素内缓慢的扩散运动(单位mm2/s);D*值为灌注相关扩散系数,反映体素内快速的扩散运动(单位mm2/s),可测定组织内血流量[7];S0及Sb分别为b=0 s/mm2及b取其他值(如10、20 s/mm2等)时的DWI信号强度[7]。应用低b值时(通常指 < 200 s/mm2),DWI测得的信号衰减主要反映灌注信息;高b值时(>200 s/mm2),血流灌注对信号衰减的影响明显减小,DWI测到的信号主要体现水分子扩散。考虑到D*显著>D,当b>200 s/mm2时,其对信号衰减的影响可忽略不计,公式1可简化为:SI/SI0=e(-bD)(公式2)。SI0及SI分别为b取0 s/mm2及其他值时的DWI信号强度。此时D值可通过公式2得到,使用多组b值行IVIM-DWI成像,配合基于公式1的非线性拟合算法就可得到f值和D*值[2]

2 IVIM-DWI在胰腺疾病诊断的应用

随着MRI技术的发展,DWI在腹部脏器良恶性病变的鉴别中越来越受到重视。近年来,DWI已广泛用于胰腺病变的检出和鉴别[5, 8-21]。应用IVIM-DWI模型对多b值DWI图像进行分析,可得到3种参数(f、D*、D),可量化DWI图像中的灌注和扩散信息,较传统MRI能更全面地反映胰腺组织的微观结构变化,为胰腺疾病的诊断、鉴别诊断及疗效评估提供重要信息。

2.1 IVIM-DWI在胰腺纤维化诊断中的应用

胰腺纤维化与胰腺癌及慢性胰腺炎紧密相关,通过穿刺活检或术后病理检查可明确诊断胰腺纤维化及判断其严重程度,但两者均为有创性检查,不良反应发生率高,如胰腺炎、出血、穿孔等,严重者可危及生命,因而临床应用受限制。IVIM-DWI是一种功能性成像新技术,可作为评价胰腺纤维化重要的辅助手段。Yoon等[22]研究发现,ADC值、D值、f值及D*值随胰腺纤维化加剧呈下降趋势,其中D*值和f值的下降趋势更明显,且差异有统计学意义,刘艳清等[23]认为D值、D*值及f值与胰腺纤维化严重程度呈显著负相关,以上研究与以往研究[24]显示的胰腺纤维化患者微血管密度(microvessel density,MVD)降低等结果相符;表明D*值和f值可能是胰腺纤维化分级的敏感指标。而Hecht等[25]在胰腺癌纤维化的研究中发现,D值与胰腺癌纤维化呈负相关,ADC值在胰腺癌合并致密纤维化时明显降低,有望作为评估胰腺癌纤维化的生物标志物;而f值与前期研究成果不符,他们认为f值与纤维化呈正相关趋势,实验结果出现差异的原因可能是Hecht等[25]将手术切缘非癌灶组织而非健康胰腺组织做对照,可能会包含部分炎性组织,继而影响灌注参数测量。

目前多项实验研究[5, 22-27]表明,IVIM参数能够反映胰腺纤维化时的水分子扩散及灌注效应改变,但各学者意见尚不统一。多数学者[22-25]认为D*、f值有助于胰腺纤维化及正常胰腺组织的鉴别,且增加了胰腺纤维化诊断的敏感性及特异性。总之,IVIM-DWI对胰腺纤维化的检出具有重要价值,但各参数诊断效能及其一致性有待进一步研究论证。

2.2 IVIM-DWI在自身免疫性胰腺炎(autoimmune pancreatitis,AIP)诊断中的应用

AIP以淋巴细胞浸润及胰腺纤维化为特点,类固醇激素为其特效药。Kim等[26]研究表明,f值有助于鉴别AIP与急性胰腺炎,自身免疫性胰腺炎的f值显著高于急性胰腺炎。Klauss等[27]对胰腺导管腺癌(pancreatic ductal adenocarcinoma,PDAC)、AIP及健康志愿者行IVIM-DWI检查发现,AIP组的f值明显低于正常对照组,PDAC组的f值又低于AIP组,这与Klauss等[5]前期研究成果相吻合,其原因可能是自身免疫性疾病导致胰腺闭塞性血管炎,从而引起胰腺血供减少,而PDAC与前者相比富含纤维间质,且乏血供,因此反映微循环灌注的f值更低,故f值可一定程度地将三者区分开来;另外Klauss等[5]对治疗后的AIP患者随访发现,激素治疗后的f值明显升高,且AIP初诊及随访的f值之间差异有统计学意义,提示f值可作为疗效评估的观察指标。

综上所述,研究表明,IVIM-DWI技术中的参数f值有望成为区分PDAC和AIP,以及判断AIP预后的一项无创性影像学指标。

2.3 IVIM-DWI与在胰腺癌诊断中的应用

多数学者认为ADC值有助于诊断PDAC,但报道尚不统一。Yoshikawa等[28]报道,PDAC具有比正常胰腺更高的ADC值,一些研究[9, 17-18]则显示PDAC和正常胰腺实质之间的ADC值无显著差异;更多的研究[13-16]表明,PDAC的ADC值远低于正常胰腺,因此仅依赖传统DWI的ADC值诊断PDAC准确性较低。

Kang等[18]利用IVIM-DWI进行定量分析显示,PDAC的f值明显低于正常对照组,Lee等[19]发现,PDAC的f和ADC值均较正常对照组明显降低;Kim等[26]研究表明,PDAC的f和D*值明显低于正常胰腺,ROC曲线分析显示f值诊断效能最佳。以上研究结果均显示,反映PDAC微循环灌注的f值显著低于正常胰腺组织,可能是胰腺癌细胞富含纤维间质,属于乏血供肿瘤,弥散更加受限。

Ma等[29]应用IVIM技术对38例经手术证实的PDAC患者进行研究,将所得的ADC值、f值、D值及D*值等相关参数与PDAC病理分化程度做相关性对比分析,发现D值与PDAC分化程度呈负相关,即中、高分化PDAC的平均D值显著低于低分化PDAC。腺体结构是PDAC病理学上划分分化程度的主要形态学特征,中高分化的PDAC具有丰富的成纤维细胞和腺体形成,其表现为瘤管状和腺管状结构[30-32],这些管状结构富含大分子蛋白质黏液,这可能是中、高分化PDAC中水分子扩散受限的原因。相反,低分化PDAC则无腺体形成和黏液潴留[30]。因此,中、高分化PDAC中的丰富纤维化可解释体内水分子扩散受限更加明显[9]。此外,该研究还得出f值与肿瘤分化程度、MVD呈正相关,中、高分化PDAC的f值、MVD明显高于低分化PDAC。因此,IVIM-DWI可在一定程度上实现术前评估PDAC病理分级及肿瘤血管密度。

在判断PDAC淋巴结转移的研究中,Rong等[33]对15例胰腺癌患者的59个淋巴结(其中转移性淋巴结14个,非转移性淋巴结45个)进行了IVIM分析,发现ADC值、D值、D*值及f值与淋巴结转移相关,转移组各参数较非转移组明显减低,其中D值较其他参数对于鉴别淋巴结转移与否的效能更佳;参数D反映了与组织微结构相关的扩散,当淋巴结被肿瘤浸润时,细胞密度和核质比增加,细胞间隙缩小,水分子扩散运动受限,故转移组淋巴结的D值较非转移组减低。而Lemke等[34]认为,D值在健康组织和PDAC组织之间无显著差异,究其原因可能是非转移性淋巴结多呈反应性增生与炎症浸润,而不是健康组织。另外,IVIM参数可能在不同的器官或组织中亦有差异,如淋巴结和胰腺组织可能不同。此外,b值的数量和分布可能会对IVIM参数的测量产生影响。

以上研究表明,IVIM相关参数f值有助于PDAC的诊断及预测PDAC的病理学分化程度,D值对判断PDAC有无淋巴结转移有重要指导价值。但IVIM-DWI目前在PDAC的病理分级及淋巴结转移中的研究相对较少,还有待进一步扩大样本量、进行多中心更深层次的研究。

2.4 IVIM-DWI在胰腺肿瘤性病变诊断中的应用

Kang等[18]用IVIM-DWI模型研究了PDAC、胰腺神经内分泌肿瘤和胰腺导管内乳头状黏液瘤(intraductal papillary mucinous neoplasms,IPMNs),结果表明,PDAC的D*值及f值显著低于神经内分泌肿瘤,且在两者鉴别诊断中效能高于ADC及D值,原因可能是,PDAC是乏血供肿瘤,且富含纤维间质,而胰腺神经内分泌肿瘤富血供,导致反映两者灌注信息的参数(D*值及f值)有显著差异,De Robertis等[35-36]研究结果与之相符合。Hwang等[37]研究认为,高级别胰腺神经内分泌肿瘤的D值低于低级别者,差异有统计学意义。除此以外,还发现D值联合肿瘤直径大小可增加低级别胰腺神经内分泌肿瘤诊断的特异性及准确性。另外,Kang等[18]还发现恶性组IPMNs的D*值及f值较良性组明显升高,而ADC值及D值明显减低,ROC曲线显示f值对判断IPMNs有无恶变效果最优。Kim等[26]发现神经内分泌瘤的f值明显高于PDAC,Klau等[38]认为f值与Kim等的研究发现一致,且灌注相关参数f值与MVD之间有良好的相关性,即PDAC组的f值、MVD明显低于胰腺神经内分泌肿瘤组,这一研究结果与PDAC病理学上乏血供特征高度相符。

以上研究结果表明,IVIM-DWI灌注相关参数(D*、f值)有助于判断肿瘤内部血供程度,有助于胰腺肿瘤性病变(PDAC、神经内分泌肿瘤、IPMNs)的诊断、鉴别诊断及指导治疗方案的选择。

3 IVIM-DWI的优势与不足

IVIM-DWI可在分子水平反映组织微观结构的病理生理特点,较传统单指数模型DWI更好地拟合图像信号衰减,更准确地量化并分离出扩散与灌注参数,为疾病的诊断提供更全面、更准确的信息。且IVIM-DWI成像无需使用对比剂,对肾功能不全、过敏体质患者有绝对优势。本研究仅回顾了IVIM-DWI模型的普通拟合算法,因胰腺血液供应的复杂性,其他拟合算法,如贝叶斯IVIM拟合算法可能有助于提高观察者间的一致性及IVIM参数评估的准确性。随着临床对影像学诊断依赖性的提高,MRI新序列如小视野DWI对胰腺的研究是有益的,相信随着MRI技术(RESOLVE技术)的不断更新、IVIM-DWI扫描参数及图像后处理技术的不断优化,IVIM-DWI必将具有广阔的临床应用前景。

综上所述,IVIM-DWI在胰腺疾病的诊断和鉴别诊断及病理分级和疗效评估等方面体现了重要价值,但目前仍存在许多不足:①胰腺易受呼吸运动、胃肠蠕动等影响,图像质量波动较大;②此序列为多b值成像,扫描时间长,脏器难免会有轻微移位导致运动伪影,影响后处理软件勾勒ROI;③b值的具体数值及分布范围的选择仍无国际统一的标准,不同b值所测得的参数间是否具有可比性及其一致性等问题,仍需进一步探索及完善。

参考文献
[1]
Iima M, Le Bihan D. Clinical intravoxel incoherent motion and diffusion MR imaging:Past, present, and future[J]. Radiology, 2016, 278: 13-32. DOI:10.1148/radiol.2015150244
[2]
Le Bihan D, Breton E, Lallemand D, et al. MR imaging of intravoxel incoherent motions:application to diffusion and perfusion in neurologic disorders[J]. Radiology, 1986, 161: 401-407. DOI:10.1148/radiology.161.2.3763909
[3]
Le Bihan D, Breton E, Lallemand D, et al. Separation of diffusion and perfusion in intravoxel incoherent motion MR imaging[J]. Radiology, 1988, 168: 497-505. DOI:10.1148/radiology.168.2.3393671
[4]
Le Bihan D, Turner R, Moonen CT, et al. Imaging of diffusion and microcirculation with gradient sensitization:design, strategy, and significance[J]. J Magn Reson Imaging, 1991, 1: 7-28. DOI:10.1002/(ISSN)1522-2586
[5]
Klauss M, Lemke A, Grunberg K, et al. Intravoxel incoherent motion MRI for the differentiation between mass forming chronic pancreatitis and pancreatic carcinoma[J]. Invest Radiol, 2011, 46: 57-63. DOI:10.1097/RLI.0b013e3181fb3bf2
[6]
Koh DM, Collins DJ, Orton MR. Intravoxel incoherent motion in body diffusion-weighted MRI:reality and challenges[J]. AJR Am J Roentgenol, 2011, 196: 1351-1361. DOI:10.2214/AJR.10.5515
[7]
Luciani A, Vignaud A, Cavet M, et al. Liver cirrhosis:intravoxel incoherent motion MR imaging-pilot study[J]. Radiology, 2008, 249: 891-899. DOI:10.1148/radiol.2493080080
[8]
De Robertis R, Tinazzi Martini P, Demozzi E, et al. Diffusion-weighted imaging of pancreatic cancer[J]. World J Radiol, 2015, 7: 319-328. DOI:10.4329/wjr.v7.i10.319
[9]
Wang Y, Chen ZE, Nikolaidis P, et al. Diffusion-weighted magnetic resonance imaging of pancreatic adenocarcinomas:association with histopathology and tumor grade[J]. J Magn Reson Imaging, 2011, 33: 136-142. DOI:10.1002/jmri.v33.1
[10]
Jang KM, Kim SH, Kim YK, et al. Imaging features of small (≤ 3 cm) pancreatic solid tumors on gadoxetic-acid-enhanced MR imaging and diffusion-weighted imaging:an initial experience[J]. Magn Reson Imaging, 2012, 30: 916-925. DOI:10.1016/j.mri.2012.02.017
[11]
Klauss M, Gaida MM, Lemke A, et al. Fibrosis and pancreatic lesions:counterintuitive behavior of the diffusion imaging-derived structural diffusion coefficient d[J]. Invest Radiol, 2013, 48: 129-133. DOI:10.1097/RLI.0b013e31827ac0f1
[12]
Wiggermann P, Grutzmann R, Weissenbock A, et al. Apparent diffusion coefficient measurements of the pancreas, pancreas carcinoma, and mass-forming focal pancreatitis[J]. Acta Radiol, 2012, 53: 135-139. DOI:10.1258/ar.2011.100252
[13]
Hao JG, Wang JP, Gu YL, et al. Importance of b value in diffusion weighted imaging for the diagnosis of pancreatic cancer[J]. World J Gastroenterol, 2013, 19: 6651-6655. DOI:10.3748/wjg.v19.i39.6651
[14]
Kim H, Arnoletti PJ, Christein J, et al. Pancreatic adenocarcinoma:a pilot study of quantitative perfusion and diffusion-weighted breath-hold magnetic resonance imaging[J]. Abdom Imaging, 2014, 39: 744-752. DOI:10.1007/s00261-014-0107-z
[15]
Yao XZ, Yun H, Zeng MS, et al. Evaluation of ADC measurements among solid pancreatic masses by respiratory-triggered diffusion-weighted MR imaging with inversion-recovery fat-suppression technique at 3.0T[J]. Magn Reson Imaging, 2013, 31: 524-528. DOI:10.1016/j.mri.2012.09.006
[16]
Fukukura Y, Takumi K, Kamimura K, et al. Pancreatic adenocarcinoma:variability of diffusion-weighted MR imaging findings[J]. Radiology, 2012, 263: 732-740. DOI:10.1148/radiol.12111222
[17]
Barral M, Sebbag-Sfez D, Hoeffel C, et al. Characterization of focal pancreatic lesions using normalized apparent diffusion coefficient at 1.5-Tesla:preliminary experience[J]. Diagn Interv Imaging, 2013, 94: 619-627. DOI:10.1016/j.diii.2013.02.011
[18]
Kang KM, Lee JM, Yoon JH, et al. Intravoxel incoherent motion diffusion-weighted MR imaging for characterization of focal pancreatic lesions[J]. Radiology, 2014, 270: 444-453. DOI:10.1148/radiol.13122712
[19]
Lee SS, Byun JH, Park BJ, et al. Quantitative analysis of diffusion-weighted magnetic resonance imaging of the pancreas:usefulness in characterizing solid pancreatic masses[J]. J Magn Reson Imaging, 2008, 28: 928-936. DOI:10.1002/jmri.v28:4
[20]
Muraoka N, Uematsu H, Kimura H, et al. Apparent diffusion coefficient in pancreatic cancer:characterization and histopathological correlations[J]. J Magn Reson Imaging, 2008, 27: 1302-1308. DOI:10.1002/jmri.21340
[21]
Ichikawa T, Erturk SM, Motosugi U, et al. High-b value diffusion-weighted MRI for detecting pancreatic adenocarcinoma:preliminary results[J]. AJR Am J Roentgenol, 2007, 188: 409-414. DOI:10.2214/AJR.05.1918
[22]
Yoon JH, Lee JM, Lee KB, et al. Pancreatic Steatosis and Fibrosis:Quantitative Assessment with Preoperative Multiparametric MR Imaging[J]. Radiology, 2016, 279: 140-150. DOI:10.1148/radiol.2015142254
[23]
刘艳清, 刘莹, 史凯宁, 等. 体素内不相干运动扩散加权成像评价胰腺纤维化的初步研究[J]. 中国临床医学影像杂志, 2017, 28(10): 736-741. DOI:10.3969/j.issn.1008-1062.2017.10.011
[24]
Ba li, M A, Metens T, Denolin V, et al. Tumoral and nontumoral pancreas:correlation between quantitative dynamic contrast-enhanced MR imaging and histopathologic parameters[J]. Radiology, 2011, 261: 456-466. DOI:10.1148/radiol.11103515
[25]
Hecht EM, Liu MZ, Prince MR, et al. Can diffusion-weighted imaging serve as a biomarker of fibrosis in pancreatic adenocarcinoma?[J]. J Magn Reson Imaging, 2017, 46: 393-402. DOI:10.1002/jmri.v46.2
[26]
Kim B, Lee SS, Sung YS, et al. Intravoxel incoherent motion diffusion-weighted imaging of the pancreas:Characterization of benign and malignant pancreatic pathologies[J]. J Magn Reson Imaging, 2017, 45: 260-269. DOI:10.1002/jmri.25334
[27]
Klauss M, Maier-Hein K, Tjaden C, et al. IVIM DW-MRI of autoimmune pancreatitis:therapy monitoring and differentiation from pancreatic cancer[J]. Eur Radiol, 2016, 26: 2099-2106.
[28]
Yoshikawa T, Kawamitsu H, Mitchell DG, et al. ADC measurement of abdominal organs and lesions using parallel imaging technique[J]. AJR Am J Roentgenol, 2006, 187: 1521-1530. DOI:10.2214/AJR.05.0778
[29]
Ma W, Zhang G, Ren J, et al. Quantitative parameters of intravoxel incoherent motion diffusion weighted imaging(IVIM-DWI):potential application in predicting pathological grades of pancreatic ductal adenocarcinoma[J]. Quant Imaging Med Surg, 2018, 8: 301-310. DOI:10.21037/qims
[30]
Kloppel G, Lingenthal G, von Bülow M, et al. Histological and fine structural features of pancreatic ductal adenocarcinomas in relation to growth and prognosis:studies in xenografted tumours and clinico-histopathological correlation in a series of 75 cases[J]. Histopathology, 1985, 9: 841-856. DOI:10.1111/his.1985.9.issue-8
[31]
Jaster R, Emmrich J. Crucial role of fibrogenesis in pancreatic diseases[J]. Best Pract Res Clin Gastroenterol, 2008, 22: 17-29.
[32]
Erkan M, Hausmann S, Michalski CW, et al. How fibrosis influences imaging and surgical decisions in pancreatic cancer[J]. Front Physiol, 2012, 3: 389.
[33]
Rong D, Mao Y, Hu W, et al. Intravoxel incoherent motion magnetic resonance imaging for differentiating metastatic and nonmetastatic lymph nodes in pancreatic ductal adenocarcinoma[J]. Eur Radiol, 2018, 28: 2781-2789.
[34]
Lemke A, Laun FB, Klauss M, et al. Differentiation of pancreas carcinoma from healthy pancreatic tissue using multiple b-values:comparison of apparent diffusion coefficient and intravoxel incoherent motion derived parameters[J]. Investigative Radiology, 2009, 44: 769-775. DOI:10.1097/RLI.0b013e3181b62271
[35]
De Robertis R, Cardobi N, Ortolani S, et al. Intravoxel incoherent motion diffusion-weighted MR imaging of solid pancreatic masses: reliability and usefulness for characterization[J/OL]. Abdom Radiol (NY), 2018. DOI: 10.1007/s00261-018-1684-z.
[36]
马婉玲, 赵娓娓, 宦怡, 等. IVIM-DWI在胰腺癌和神经内分泌肿瘤诊断和鉴别中的应用价值[J]. 中国临床医学影像杂志, 2017, 28(1): 49-54. DOI:10.3969/j.issn.1008-1062.2017.01.014
[37]
Hwang EJ, Lee JM, Yoon JH, et al. Intravoxel incoherent motion diffusion-weighted imaging of pancreatic neuroendocrine tumors:prediction of the histologic grade using pure diffusion coefficient and tumor size[J]. Invest Radiol, 2014, 49: 396-402. DOI:10.1097/RLI.0000000000000028
[38]
Klau M, Mayer P, Bergmann F, et al. Correlation of histological vessel characteristics and diffusion-weighted imaging intravoxel incoherent motion-derived parameters in pancreatic ductal adenocarcinomas and pancreatic neuroendocrine tumors[J]. Invest Radiol, 2015, 50: 792-797. DOI:10.1097/RLI.0000000000000187