综述
良恶性椎体压缩骨折的MRI鉴别诊断研究进展
磁共振成像, 2020,11(11) : 1077-1080. DOI: 10.12015/issn.1674-8034.2020.11.029
摘要

良恶性椎体压缩骨折(vertebral compression fractures,VCFs)的临床治疗原则和预后差别极大,准确鉴别二者意义重大。近年来随着MRI技术如扩散加权成像(diffusion weighted imaging,DWI)、动态对比增强MRI (dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)、化学位移成像的发展与应用,尤其是影像组学新技术的发展,诸多影像学特征很大程度上提高了良恶性VCFs鉴别诊断的准确性。该文就MRI技术和影像组学在良恶性VCFs鉴别诊断的应用进展予以综述。

引用本文: 齐凯杰, 张恩龙, 王奇政, 等.  良恶性椎体压缩骨折的MRI鉴别诊断研究进展 [J] . 磁共振成像, 2020, 11(11) : 1077-1080. DOI: 10.12015/issn.1674-8034.2020.11.029.
参考文献导出:   Endnote    NoteExpress    RefWorks    NoteFirst    医学文献王
扫  描  看  全  文

正文
作者信息
基金 0  关键词  0
English Abstract
评论
阅读 0  评论  0
相关资源
引用 | 论文 | 视频

本刊刊出的所有论文不代表本刊编委会的观点,除非特别声明

椎体压缩骨折(vertebral compression fractures,VCFs)有多种病因,包括创伤、骨质疏松和肿瘤等。其中创伤和骨质疏松是50岁以下人群及绝经期妇女良性VCFs最常见的病因[1]。而转移性骨肿瘤是脊柱病理性VCFs的主要病因[2]。此外,恶性VCFs的病因还包括原发性骨肿瘤和淋巴组织增生性疾病,如淋巴瘤和多发性骨髓瘤等。良恶性VCFs常鉴别困难,尤其是对于老年人而言,但二者治疗原则及预后却有极大的差别。因此,对VCFs病因的鉴别有重要的意义。临床上常采用X线平片、CT、PET、SPECT和MRI来鉴别VCFs的性质,目前MRI仍是脊柱、脊髓相关疾病首选的影像学检查方法。近年来,关于化学位移成像、动态对比增强MRI (dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)、扩散加权成像(diffusion weighted imaging,DWI)等新的成像技术,以及结合医学影像图像和机器学习的定量处理方法——影像组学新技术的研究越来越多,这些新技术提供了丰富的生理、代谢以及图像特征信息,可作为常规MR评估的补充,更有助于区分这两种类型的VCFs。本文回顾了各种MRI技术及影像组学在二者鉴别诊断中的应用研究,以期为临床诊疗提供帮助。

1 常规MRI技术
1.1 形态特征

肿瘤浸润通常会累及椎体后部,故椎弓根或椎体后部受累常提示恶性VCFs。相反,多数良性VCFs很少引起椎体后部的信号改变。但少数骨质疏松性的骨折由于生物力学应力或直接损伤等因素所致的炎症反应,可能会累及椎体的后部[3]。此外,由于椎体内正常的骨质结构被病理组织所代替,恶性VCFs单侧或双侧椎弓根内的异常骨髓信号可持续存在。

当恶性VCFs椎体内的肿瘤组织侵犯至硬膜外或椎旁间隙时,可出现硬膜外或椎旁软组织肿块。此时,椎体可不发生骨折或后缘膨隆。硬膜外或椎旁浸润的肿块常呈团块状表现。恶性VCFs腹侧硬膜外间隙的软组织肿块常呈分叶状[4]。若良性VCFs椎旁或硬膜外有出血伴水肿,出现类似软组织肿块时,两者的鉴别比较困难。除了急性外伤性骨折外,与恶性VCFs所见的软组织肿块不同,良性VCFs椎旁的出血和水肿常表现为椎体周围模糊不清、边缘光滑和/或呈环形。如果恶性VCFs的瘤周有炎症或椎体骨皮质没有被肿瘤组织破坏,也可能表现为椎体周围光滑和环形的异常信号。

椎体边缘轮廓的形态也是VCFs的鉴别要点。椎体边缘膨隆,特别是椎体后缘的膨隆,是恶性VCFs的常见表现[5]。其形成原因是由于肿瘤细胞膨胀性生长,浸润并破坏骨皮质,轴向的压力导致肿瘤组织突入硬膜外间隙,椎体前后径线增大,超过椎体的正常边缘,导致椎体形态的改变。少数良性VCFs中也有类似的影像学表现,主要见于急性创伤导致的硬膜外血肿。而典型的外伤性VCFs,尤其是爆裂性骨折的表现为椎体后部有骨碎片的移位,较易与恶性VCFs相鉴别。VCFs的位置对鉴别骨折性质也有一定帮助[6]。研究表明,与颈椎相比,胸腰椎更容易发生恶性VCFs[6],与胸椎相比,腰椎恶性VCFs的发生率更高。但其临床应用价值有限。

脊柱多发VCFs的常见病因是骨质疏松症,需与多发性骨髓瘤相鉴别。转移性骨肿瘤伴多发性病理骨折较少见。逐渐恢复正常骨髓信号的VCFs或无骨髓水肿的椎体楔形变常提示骨折是良性的。伴有脊柱其他节段内转移性骨肿瘤或不确定的椎体病变提示骨折是恶性的。同一个患者也可能同时存在良性和恶性的VCFs。

1.2 信号改变

MRI观察骨髓信号的变化有明显优势。不同性质的椎体骨折,骨折的发生机制不同。T1WI和T2WI具有一定特征性,可用于鉴别VCFs的性质。由于恶性或转移性VCFs正常的骨髓被肿瘤组织代替,T1WI常呈弥漫性均匀低信号[5]。肿瘤组织进一步破坏骨小梁和骨皮质,最终导致病理性VCFs。多数转移瘤可有此种信号改变。而骨质疏松症导致的骨折是由于骨矿物质和骨基质的减少,进而导致骨组织微细结构的退化,多呈T1WI高信号和T2WI等信号。但是,部分良性VCFs也可因水肿导致椎体在T1WI上表现为弥漫性低信号,增强后呈斑片状强化。

边界的信号特点也是判断VCFs性质的关键。恶性VCFs边缘多呈模糊不清、不规则或浸润性改变,良性VCFs多可见清楚或规则的边界。液体征象是指椎体急性期、亚急性期和慢性期骨折时,T2WI可见局灶性、线性或三角形的高信号,脂肪抑制像上最为明显[7]。这种线性T2WI高信号常出现在椎体弥漫性高信号(水肿)的背景中。当急性骨折后,骨髓水肿的液体聚集在缺血性骨坏死的区域时,就会出现这种情况。有时良性骨折的裂隙中可能充满气体而不是液体,因而在T1WI和T2WI上也可能会呈明显的低信号。例如,椎体内出现邻近终板的低信号线样水平带,常提示为良性VCFs,对应CT表现的骨折线。液体征象多提示良性VCFs,恶性VCFs中较少见。

T1WI增强也有助于鉴别VCFs的性质。如上文所述,硬膜外和椎旁间隙的强化表现有助于鉴别良恶性的VCFs。此外,对比相邻正常椎体或T1WI平扫,骨髓的强化方式和程度也有助于鉴别。不均匀强化或相对强化常提示为恶性的VCFs。良性VCFs的强化程度与邻近的正常椎体信号相似,并可见平行于终板的高或低的线样信号。且恶性VCFs通常表现为持续或渐进性强化,而良性VCFs则常表现为强化的减低或恢复正常的骨髓信号。当出现增强MRI疑似或提示VCFs为恶性,但结合临床及其他检查都不能确诊的情况时,患者可在2~3个月后复查增强MRI。

2 MRI功能成像技术
2.1 扩散加权成像

DWI可以用于评估VCFs的性质,其原理为测量组织中水分子布朗运动的变化。当良性VCFs出现骨髓水肿时,细胞外水分子运动相对自由,弥散不受限,DWI表现为低或等信号;而恶性VCFs由于肿瘤组织常具有较高的细胞密度,弥散受限,DWI则表现为高信号。ADC图可以对扩散程度进行定量评价[8]。目前已经有多种MR成像序列用来研究良恶性VCFs信号强度和ADC值之间的区别,包括稳态进动(SSP)、自旋回波(SE)、快速自旋回波(FSE)、回波平面成像(EPI)等[9,10,11,12]。其中一些研究认为DWI可以像常规MR序列一样区分VCFs的性质[13],而另一些研究却未得到相似的结论[14]。例如,Sung等[9]认为联合DWI与常规影像序列,可能提供更多有用的信息,二者相结合后,能够提高诊断的敏感性、特异性和准确性。而另一项研究对低冲击力创伤、高冲击力创伤和恶性VCFs的患者进行评估,结果显示高冲击力创伤为中等ADC值,与恶性VCFs相似,并不能有效区分VCFs的性质[15]。导致结果不一致的原因可能是由于椎体内血肿的干扰。因此,尚不清楚DWI是否比常规MR成像更有优势,在将来可能会有进一步的研究。

2.2 动态对比增强MRI

DCE-MRI是通过测量不同组织注射对比剂后信号强度的变化,对血管和血流动力学进行定性和定量评估的一种灌注成像。理论上,良、恶性病变可能会在一些半定量参数上有所不同,但是其敏感性和特异性可能会因为患者的年龄、椎体节段、椎体骨髓内脂肪及水分的分布差异等因素的影响而减低。

目前已经有多种评估灌注的参数,包括峰值对比度百分比、增强斜率、时间-强度曲线、间质容积、血浆流量、血浆容积、渗透率、流入斜率和曲线下面积(AUC)等。早期研究认为灌注成像的参数对鉴别VCFs性质的敏感性与常规MR成像无明显差异,尤其是在与急性骨质疏松性VCFs鉴别时[16]。但是,随后的研究使用更先进的分析方法,可以更好地区分急性VCFs的性质[17]。最近已有研究显示,通过示踪动力学的定量模型可以评估骨灌注和渗透率[17]。结果表明,良性和恶性VCFs在间质容积、细胞外体积和血浆流量上均有明显的差异,提示DCE-MRI在良恶性VCFs鉴别方面可能会有更大的应用空间。

2.3 化学位移成像

化学位移成像也称同/反相位成像,其原理是同相位中脂肪和水质子的磁化矢量相加,信号强度增加;反相位水中氢质子的相位与脂肪中氢质子相位差为180°时,两者磁化矢量相互抵消,信号强度减低。

正常椎体的红骨髓和黄骨髓中,脂肪和水的含量不同,故在反相位中信号强度减低。相反,恶性病变浸润骨髓,在反相位上呈高或稍高信号。有研究者认为,良性VCFs中的骨髓水肿以及发生压缩后高度形变的椎体剩余的骨髓量较少,可能会导致假阳性结果。与传统的化学位移成像相比,定量化学位移编码可以准确确定VCFs的椎体内脂肪,用于鉴别VCFs的性质[18]。反相位/同相位信号强度比定量测定的准确性和敏感度均明显高于DWI检查,但特异性不高[19]。近年来,Suh等[20]研究认为,随着化学位移成像特异性的增加,短TR、小翻转角和水脂分离技术更有助于准确的诊断。陈训贵等[21]研究结果显示,非对称回波三点法水脂分离技术(asymmetric echo three-point water-fat separation technique,IDEAL)具有成像简单、图像稳定性好、SNR高等优点,结合SIR值,能够准确鉴别良恶性的VCFs,较三点式DIXON水脂分离技术或化学位移成像更具优势。

3 影像组学

影像组学是近些年来的研究热点,其通过结合机器学习、深度学习等技术高通量提取影像特征,并且可将图像转换为可挖掘的高维数据,可以增强决策支持[22]。近年来有诸多研究表明,影像组学能够识别正常椎体与压缩椎体[23],在将形状及纹理特征相结合后进行分析时,诊断的准确性可达到95.34%[24],在检测压缩椎体和定位骨折位置时,其敏感性可达95.7%[25]

在良恶性VCFs的鉴别诊断中,Frighetto-Pereira等[26]通过分析62例患者MRI的感兴趣区,提取纹理及形状特征,利用影像组学方法进行分析,结果认为影像组学方法不仅在区分正常椎体及压缩椎体之间有较高诊断效能,而且在鉴别椎体良恶性VCFs方面,也有很大帮助。Thawait等[27]的研究也表明,能够用MRI的小部分征象及患者年龄将良恶性VCFs进行鉴别,并且研究所使用的四种模型的诊断效能是相近的。因此,未来影像组学有望在良恶性VCFs的鉴别诊断中发挥更大作用,以辅助临床诊疗决策。

4 需要解决的问题及展望

综上所述,MRI技术在良恶性VCFs的诊断及鉴别诊断中有重要的应用价值,MRI检查安全、无创,其功能性信息能够定量反映活体组织的微观病理改变,对于早期识别、准确诊断良恶性VCFs具有很大临床意义。但是,现阶段MRI功能成像技术的评估参数较多,尚未形成统一的评价标准,实际应用受限。另外,影像组学的相关研究基本处于起步阶段,也同样存在诸多局限性。首先,需要控制图像采集的差异性,保证图像质量,才能实现多中心间的可比性,进而实现数据共享。其次,在数据采集过程中,图像分割目前多采取手工或半自动方式勾画感兴趣区,存在主观性差异,而计算机自动分割算法尚不完善。最后,影像组学的诊断效能仍有待提高,其结论并不能得到有效验证。放射组学目前较多应用于肿瘤学研究,期望未来,可以适用于更多的疾病当中,且可以将临床特征合并到诊断预测模型中,同时进行预后评估,从而得到VCFs的定量生物学标记物,使影像信息对病变的分析更加客观,以帮助指导临床制定诊疗方案,降低骨折进展的风险。总之,在良恶性VCFs的诊断及鉴别诊断中,影像、临床和病理,相互补充、相互印证,才能得到精准的诊断结果。随着技术的不断进步,相信未来MRI在良恶性VCFs的鉴别诊断中能够发挥更大的作用。

利益冲突
利益冲突:

参考文献[References]
[1]
LuoL, SunXF, PiPZ, et al. The prevalence of osteoporosis in Chinese middle aged and elderly population in recent 10 years: a meta analysis. Chin J Osteoporosis, 2018, 24(11): 1415-1420. DOI:10.3969/j.issn.1006-7108.2018.11.005
罗令孙晓峰皮丕喆近10年来我国中老年人群骨质疏松症患病率的荟萃分析中国骨质疏松杂志, 2018, 24(11): 1415-1420. DOI :10.3969/j.issn.1006-7108.2018.11.005
[2]
BarzilaiO, McLaughlinL, AmatoMK, et al. Predictors of quality of life improvement after surgery for metastatic tumors of the spine: prospective cohort study. Spine J, 2018, 18(7): 1109-1115. DOI:10.1016/j.spinee.2017.10.070
[3]
LehmanVT, WoodCP, HuntCH, et al. Facet joint signal change on MRI at levels of acute/subacute lumbar compression fractures. AJNR Am J Neuroradiol, 2013, 34(7): 1468-1473. DOI:10.3174/ajnr.A3449
[4]
KimDH, RosenblumJK, PanghaalVS, et al. Differentiating neoplastic from nonneoplastic processes in the anterior extradural space. Radiology, 2011, 260(3): 825-830. DOI: 10.1148/radiol.11102287
[5]
YamamotoY, IwataE, ShigematsuH, et al. Differential diagnosis between metastatic and osteoporotic vertebral fractures using sagittal T1-weighted magnetic resonance imaging. J Orthop Sci, 2019, S0949-2658(19): 30324. DOI:10.1016/j.jos.2019.10.004
[6]
DammersR, BijvoetHW, DriesseMJ, et al. Occurrence of malignant vertebral fractures in an emergency room setting. Emerg Med J, 2007,24(10): 707-709. DOI:10.1136/emj.2007.051375
[7]
IshiyamaM, NumaguchiY, MakidonoA, et al. Contrast-enhanced MRI for detecting intravertebral cleft formation: relation to the time since onset of vertebral fracture. AJR Am J Roentgenol, 2013, 201(1): W117-W123. DOI:10.2214/AJR.12.9621
[8]
SuhCH, YunSJ, JinW, et al. ADC as a useful diagnostic tool for differentiating benign and malignant vertebral bone marrow lesions and compression fractures: a systematic review and meta-analysis. Eur Radiol, 2018, 28(7): 2890-2902. DOI:10.1007/s00330-018-5330-5
[9]
SungJK, JeeWH, JungJY, et al. Differentiation of acute osteoporotic and malignant compression fractures of the spine: use of additive qualitative and quantitative axial diffusion-weighted MR imaging to conventional MR imaging at 3.0 T. Radiology, 2014, 271(2): 488-498. DOI:10.1148/radiol.13130399
[10]
ParkHJ, LeeSY, RhoMH, et al. Single-shot echo-planar diffusion-weighted MR imaging at 3 T and 1.5 T for differentiation of benign vertebral fracture edema and tumor infiltration. Korean J Radiol, 2016, 17(5): 590-597. DOI:10.3348/kjr.2016.17.5.590
[11]
LuoZ, LitaoL, GuS, et al. Standard-b-value vs low-b-value DWI for differentiation of benign and malignant vertebral fractures: a meta-analysis. Br J Radiol, 2016, 89(1058): 20150384. DOI:10.1259/bjr.20150384
[12]
DietrichO, GeithT, ReiserMF, et al. Diffusion imaging of the vertebral bone marrow. NMR Biomed, 2017, 30(3): e3333. DOI:10.1002/nbm.3333
[13]
MaQ, MiaoH, ZhangS, et al. DWI and ADC values and conventional MRI sequences in diagnosis of benign and malignant spinal vertebral compression fractures. Med Pharmac J Chin People's Liberation Army, 2018, 30(9): 61-64. DOI:10.3969/j.issn.2095-140X.2018.09.017
马茜苗红张帅. DWI及ADC值与常规MRI序列对脊柱椎体良恶性压缩骨折的诊断价值解放军医药杂志, 2018, 30(9): 61-64. DOI:10.3969/j.issn.2095-140X.2018.09.017
[14]
FuZ, LaiXD. The Application value of in-phase and opposed-phase, apparent diffusion coefifcient and diffusion-weighted imaging in diagnosis benign and malignant spinal lesion. Chin J CT MRI, 2016,14(10): 121-123, 136. DOI:10.3969/j.issn.1672-5131.2016.10.038
傅忠赖晓东. MRI中同反相位成相、表观扩散系数以及DWI序列在诊断椎体良恶性疾病中的应用价值中国Ct和Mri杂志, 2016, 14(10): 121-123, 136. DOI:10.3969/j.issn.1672-5131.2016.10.038
[15]
RumpelH, ChongY, PorterDA, et al. Benign versus metastatic vertebral compression fractures: combined diffusion-weighted MRI and MR spectroscopy aids differentiation. Eur Radiol, 2013, 23(2): 541-550. DOI:10.1007/s00330-012-2620-1
[16]
ChenWT, ShihTT, ChenRC, et al. Blood perfusion of vertebral lesions evaluated with gadolinium-enhanced dynamic MRI: in comparison with compression fracture and metastasis. J Magn Reson Imaging, 2002, 15(3): 308-314. DOI:10.1002/jmri.10063
[17]
GeithT, BiffarA, SchmidtG, et al. Quantitative analysis of acute benign and malignant vertebral body fractures using dynamic contrast-enhanced MRI. AJR Am J Roentgenol, 2013, 200(6): W635-W643. DOI:10.2214/AJR.12.9351
[18]
YooHJ, HongSH, KimDH, et al. Measurement of fat content in vertebral marrow using a modified dixon sequence to differentiate benign from malignant processes. J Magn Reson Imaging, 2017, 45(5): 1534-1544. DOI:10.1002/jmri.25496
[19]
ZhaiTJ, LiuZY. Application effect and value of diffusion-weighted MR imaging and chemical shift imaging in early differential diagnosis of benign and malignant vertebral fracture. Chin Med Pharmacy, 2017, 7(11): 161-163, 210. DOI:10.3969/j.issn.2095-0616.2017.11.049
翟锦添刘准液磁共振扩散加权成像和化学位移成像在良恶性椎体骨折早期鉴别诊断中的应用效果及价值中国医药科学, 2017, 7(11): 161-163, 210. DOI:10.3969/j.issn.2095-0616.2017.11.049
[20]
SuhCH, YunSJ, JinW, et al. Diagnostic performance of in-phase and opposed-phase chemical-shift imaging for differentiating benign and malignant vertebral marrow lesions: a meta-analysis. AJR Am J Roentgenol, 2018, 211(4): W188-W197. DOI:10.2214/AJR.17.19306
[21]
ChenXG, SangQZ, ChenJ. The value of MRI IDEAL technique in the etiological analysis of vertebral compression fracture. Journal of Practical Radiology, 2019, 35(6): 985-987. DOI:10.3969/j.issn.1002G1671.2019.06.033
陈训贵桑强章陈军. MRIDEAL技术在椎体压缩性骨折病因分析中的价值实用放射学杂志, 2019, 35(6): 985-987. DOI:10.3969/j.issn.1002G1671.2019.06.033.
[22]
GilliesRJ, KinahanPE, HricakH. Radiomics: images are more than pictures, they are data. Radiology, 2016, 278(2): 563-577. DOI:10.1148/radiol.2015151169
[23]
LessmannN, van GinnekenB, de JongPA, et al. Iterative fully convolutional neural networks for automatic vertebra segmentation and identification. Med Image Anal, 2019, 53(4): 142-155. DOI:10.1016/j.media.2019.02.005
[24]
ArpithaA, RangarajanL. Computational techniques to segment and classify lumbar compression fractures. Radiol Med, 2020, 125(6): 551-560. DOI:10.1007/s11547-020-01145-7
[25]
BurnsJE, YaoJ, SummersRM. Vertebral body compression fractures and bone density: automated detection and classification on CT images. Radiology, 2017, 284(3): 788-797. DOI :10.1148/radiol.2017162100
[26]
Frighetto-PereiraL, RangayyanRM, MetznerGA, et al. Shape, texture and statistical features for classification of benign and malignant vertebral compression fractures in magnetic resonance images. Comput Biol Med, 2016, 73(6): 147-156. DOI:10.1016/j.compbiomed.2016.04.006
[27]
ThawaitSK, KimJ, KlufasRA, et al. Comparison of four prediction models to discriminate benign from malignant vertebral compression fractures according to MRI feature analysis. AJR Am J Roentgenol, 2013, 200(3): 493-502. DOI:10.2214/AJR.11.7192
 
 
展开/关闭提纲
查看图表详情
回到顶部
放大字体
缩小字体
标签
关键词