综述
合成磁共振成像技术在恶性肿瘤中的研究进展
磁共振成像, 2023,14(5) : 196-202. DOI: 10.12015/issn.1674-8034.2023.05.035
摘要

合成磁共振成像(synthetic magnetic resonance imaging, SyMRI)是一种新兴的磁共振定量弛豫技术,可以量化组织的弛豫时间和质子密度,仅通过一次扫描就能同时获得多种定量弛豫图,直接用于组织定量分析,为临床提供更多有价值的诊断信息。SyMRI最先应用于颅脑疾病诊断以及脑实质发育情况检测等。随着SyMRI技术发展及恶性肿瘤发病率不断升高,SyMRI技术亦逐渐被应用到临床常见恶性肿瘤的影像诊断中。本文对SyMRI技术的基本原理及其在乳腺癌、恶性胶质瘤、前列腺癌、直肠癌、膀胱癌、子宫内膜癌、宫颈癌等常见恶性肿瘤中的研究进展进行综述,以期为恶性肿瘤的鉴别诊断及分型、诊疗规划和预后评估等提供依据及参考。

引用本文: 张琴, 张玉龙, 刘曦. 合成磁共振成像技术在恶性肿瘤中的研究进展 [J] . 磁共振成像, 2023, 14(5) : 196-202. DOI: 10.12015/issn.1674-8034.2023.05.035.
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

0 前言

随着MRI技术的不断改进与发展,肿瘤的磁共振诊断不再局限于单纯的解剖学成像,如何通过MRI对病灶的组织特征、病理生理状态等进行定量评价已逐渐成为研究热点。众所周知,传统磁共振诊断依赖于病灶形态、信号高低及强化方式等,诊断结果具有一定主观性[1]。此外,组织信号容易受多种技术因素的干扰,如温度、场强等硬件设备[2]。为尽量减少主客观因素对磁共振影像诊断的影响,磁共振定量成像技术应运而生。合成磁共振成像(synthetic magnetic resonance imaging, SyMRI)作为新兴的磁共振定量成像技术,能够测量组织固有的弛豫时间及质子密度值,仅通过1次扫描便可获取多种对比加权图像[3, 4]。以往研究证实,SyMRI获得各项定量参数具有较高可重复性及稳定性[5, 6]。SyMRI当前在颅脑病变诊断及脑发育情况中的研究和应用较多[7, 8, 9, 10],近年来也逐渐被应用于肿瘤相关的研究中。为了对常见恶性肿瘤的鉴别诊断及分型、诊疗规划和预后评估等提供一定的依据和参考,本文将对SyMRI技术在临床常见恶性肿瘤诊断中的研究进展进行综述。

1 SyMRI技术的基本原理

纵向弛豫时间(longitudinal relaxation time, T1)、横向弛豫时间(transverse relaxation time, T2)和质子密度值(proton density, PD)是组织固有的物理参数。在一定场强下不容易受到扫描设备及参数的影响,其主要与顺磁性物质、组织脂肪含量、组织本身水分子含量、水分子和大分子的随机运动等相关。因此,组织的T1、T2和PD值能够一定程度上反映组织本身的细微结构特征,反映组织病理生理状态,对病灶的研究具有重大意义[11]。SyMRI技术利用一种二维多动态多回波序列,能够对T1、T2及PD值进行定量,测量出组织弛豫时间等参数,包括T1、T2、PD、纵向弛豫率R1(1/T1)、横向弛豫率R2(1/T2),提供更多病灶信息,从而对病灶进行更客观的评价[12, 13]。SyMRI进行1次图像采集后,通过专用的SyMRI分析软件,调整各种采集参数,包括重复时间、回波时间和反转时间等,进而生成任何对比度加权的图像[3, 4]。基本的SyMRI图像包括常规使用的对比加权图像,如T1WI、T2WI、质子密度加权成像、T1WI液体衰减反转恢复(fluid attenuated inversion recovery, FLAIR)、T2WI FLAIR、短反转时间反转恢复。先进的软件还包括较少用的对比加权图像,如双反转白质恢复、双反转灰质恢复和相位敏感反转恢复等[4,13]。对于这种绝对定量磁共振扫描及合成的图像,可利用图像校准来补偿因采集过程和图像运动所引起的几何失真,得到的图像不会形成因序列变化及扫描设备相关因素带来的缺陷[14]

2 SyMRI技术在恶性肿瘤中的研究进展
2.1 SyMRI技术在乳腺癌中的研究

乳腺癌是全世界女性最常见的癌症,死亡率居高不下。国际癌症研究机构发布的最新数据显示,女性乳腺癌新发患者已超过肺癌,成为第一癌症,是癌症所致死亡的第五大原因[15]。FUJIOKA等[16]对37例女性乳房的SyMRI与传统MRI的图像质量及效用进行了评价,两位放射科医生独立地对图像整体质量、解剖清晰度、组织间对比、图像均匀性及SyMRI和传统MRI伪影的存在进行评分,结果显示,尽管SyMRI的脂肪抑制T2加权图像较传统图像质量稍差,但SyMRI T1和T2加权图像与传统MRI图像质量相近,表明SyMRI乳腺图像有潜力提供有效的诊断图像。JUNG等[17]对51例乳腺癌患者在SyMRI与多回波自旋回波序列(multi echo spin echo, MESE)获得的T2时间进行比较,评价了SyMRI在临床应用中的实用性,结果显示,SyMRI扫描与MESE获取T2时间呈正相关。表明SyMRI拥有通过测量定量的物理特性来评价组织特征的潜能。MENG等[18]通过对48例乳腺癌和29例乳腺良性病变患者进行常规MRI和SyMRI扫描探讨SyMRI诊断乳腺癌的潜力,测量并统计分析了乳腺病变SyMRI的定量指标,包括T1和T2值,结果发现,乳腺癌T1值明显高于良性病变,T2值明显低于良性病变。受试者工作特性(receiver operator characteristic, ROC)曲线下面积(area under the curve, AUC)值分别为0.931和0.883。T1结合T2的AUC为0.978。表明SyMRI定量T1和T2值有助于区分乳腺良恶性病变,其中T1弛豫时间诊断效率最高,而两种指标结合进一步提高了诊断性能。LI等[19]通过对122例浸润性导管癌(infiltrating ductal carcinoma, IDC)患者行术前SyMRI检查,探索了直方图参数与乳腺癌分子亚型及患者预后因素的相关性。结果发现,病理分级高的IDC与病理分级低的IDC相比,最大PD值、T1均值及中位数差异均有统计学意义。人表皮生长因子受体2(human epidermal growth factor receptor-2, HER-2)阳性患者的PD中位数值明显高于阴性患者。T2均值具有最佳IDC分子亚型识别能力。表明SyMRI的直方图特征能够量化组织T1、T2和PD的分布,可作为鉴别组织病理分级和乳腺癌亚型的潜在生物标志物。MATSUDA等[20]评价了16例三阴性乳腺癌(triple negative breast cancer, TNBC)和63例非TNBC患者的SyMRI特征及动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging, DCE-MRI)的效果,该研究对SyMRI增强前后T1、T2以及PD值进行了分析,发现增强前T2值及增强后病灶边缘强化有助于鉴别TNBC及非TNBC,是TNBC的独立预测因子。表明SyMRI定量参数具有鉴别TNBC与非TNBC的潜力。

Ki-67蛋白是一种碱性蛋白质,在维持细胞周期中必不可少,能够作为反映细胞增殖程度的标记物[21]。研究表明,Ki-67表达率高低与肿瘤的生长活跃程度及乳腺癌淋巴结转移情况密切相关,因而对判断肿瘤预后具有重要临床意义[21, 22]。李方正等[23]通过评估SyMRI定量参数图直方图特征及ADC图直方图特征预测乳腺癌Ki-67表达状态的价值,结果显示T1-10th位数(T1百分之十位数)及T2-10th位数(T2百分之十位数)是Ki-67表达状态的独立预测因素,两者联合构建模型预测乳腺癌Ki-67表达状态的AUC为0.809,敏感度为64.8%,特异度为87.5%,准确度为72.8%,表明SyMRI定量参数有助于预测乳腺癌Ki-67的表达状态,为术前无创性评估乳腺癌的肿瘤增殖情况提供了一种有效的辅助诊断方法。MATSUDA等[24]利用SyMRI技术预测雌激素受体阳性乳腺癌的Ki-67状态,研究者对病灶增强前后T1、T2、PD值及标准差(standard deviation, SD)进行分析,结果发现,Ki-67高表达组增强后的T1值(T1-Gd)和T2值(T2-Gd)的SD值显著高于Ki-67低表达组。多变量分析进一步表明,T1-Gd的SD值是Ki-67表达的独立预测因子,其AUC值为0.885。该团队在另一项研究中评价了DCE-MRI联合SyMRI定量参数对乳腺良恶性肿块的鉴别诊断价值[25],比较了基于乳腺影像学报告和数据系统(breast imaging reporting and data system, BI-RADS)的DCE-MRI、SyMRI定量评价、DCE-MRI+SyMRI定量评价相结合三种方法的诊断效能,发现SyMRI获得的增强前乳腺肿块平均T1时间是唯一能独立区分乳腺肿块恶性和良性的显著定量值,DCE-MRI与SyMRI相结合的方法评估乳腺肿块性质的诊断效能显著大于单独的DCE-MRI或SyMRI评价方法。GAO等[26]利用弥散加权成像(diffusion weighted imaging, DWI)联合SyMRI对56例乳腺恶性病变和24例良性病变进行DWI及SyMRI扫描,测量了ADC、T1、T2及PD值,进行良恶性分析,并与乳腺影像报告和数据系统进行比较,结果发现,乳腺恶性病变的T2、PD和ADC值均显著低于乳腺良性病变,T2、PD、ADC联合模型对良恶性病变的鉴别效果最好,其AUC值达到0.904。SUN等[27]对SyMRI联合DCE-MRI及DWI在乳腺BI-RADS 4类病灶中的诊断价值展开了探索,期望通过开发多参数MRI模型来帮助患者减少不必要的活检,该研究对75例BI-RADS 4类乳腺疾病患者(恶性病变45例,良性病变30例)进行了常规MRI和SyMRI检查,测定分析了增强前后T1、T2、T值的变化率(DT%)以及ADC、病灶基本特征、患者临床特征等,结果发现,组合影像和临床模型相结合组(包括DT1%、T2、ADC、内部增强模式、年龄、BMI和更年期状态等)具有最高的诊断性能。SyMRI联合DWI和DCE-MRI的多参数MRI模型是评估乳腺BI-RADS 4类病变中恶性肿瘤的有力工具,而结合临床特征可进一步提高模型的诊断性能。宋美娜等[28]探讨了不同感兴趣区(region of interest, ROI)勾画方法测量SyMRI和DWI定量参数对乳腺良恶性病变的鉴别诊断价值,结果显示三种ROI勾画方法所得的ADC值、T2值、PD值在乳腺良恶性病变间差异均具有统计学意义,表明SyMRI和DWI定量参数对鉴别乳腺良恶性肿块均具有一定诊断价值。

上述研究显示出了SyMRI技术在乳腺癌应用研究中的巨大活力。作为一种新兴的磁共振定量成像技术,SyMRI可以在几分钟内通过1次图像采集而同时获得T1和T2 mapping,不仅不必考虑钆剂在细胞核中的沉积[3,8],还能缩短1/3的扫描时间[17]。SyMRI定量组织弛豫时间和PD不仅在乳腺癌鉴别诊断、分子分型及组织病理学分级方面的评估具有重要价值,也成为区分乳腺癌激素受体和HER-2表达状态的潜在影像学标志物。

2.2 SyMRI技术在恶性胶质瘤中的研究

恶性胶质瘤是最常见的原发性恶性脑肿瘤,其年发病率约为5/100000,在众多病例中,其预后较差,Ⅳ级胶质瘤的中位生存时间为12~15个月[29, 30]。MRI是脑胶质瘤鉴别诊断、治疗监测以及随访评估的重要工具。近年来,越来越多的定量MRI技术应用于脑胶质瘤的评估中,并不断探索图像定量参数与肿瘤病理生理改变及患者预后之间的关系[31, 32, 33]。SyMRI技术作为一种新兴的定量MRI技术,在6 min内即可获得全脑T1、T2以及PD图像[3,8],目前亦逐渐应用于脑胶质瘤的临床研究。血脑屏障损伤后导致的肿瘤强化往往是恶性胶质瘤的重要标志,然而传统MRI往往不能显示非强化肿瘤对瘤周水肿区域的侵犯。BLYSTAD等[34]利用SyMRI技术对19例恶性胶质瘤患者的瘤周水肿区域进行定量分析,发现瘤周水肿区域的R1、R2值随距肿瘤强化部分的距离增加而降低,而增强后R1值的这种梯度变化更为明显,这可能反映出常规增强图像难以显示的肿瘤浸润病变,而这些信息可能用于手术和放射治疗的规划。NUNEZ-GONZALEZ等[35]对14例高级别胶质瘤术后患者进行了增强扫描前的SyMRI定量扫描,研究人员基于常规图像分割异常组织后,使用深度学习分割技术定义ROI。通过对ROI内的定量T1、T2和PD值与正常白质中发现的定量T1、T2和PD值进行比较,发现在异常组织和健康组织之间,以及T1WI加权图像增强区域和非增强区域之间,对比增强前的T1和T2值有显著差异,提示正常组织、异常组织和T1WI加权相的增强组织可能通过对比前的定量值进行区分。吕瑞瑞等[36]探讨了SyMRI联合三维动脉自旋标记(three dimension arterial spin labeling, 3D-ASL)成像在鉴别胶质瘤复发和假性进展中的应用价值。根据修订版脑胶质瘤治疗反应评估标准,研究者将38例术后行放化疗后的恶性胶质瘤患者分为复发组(22例)和假性进展组(16例),所有患者均行3D-ASL及SyMRI序列扫描,随后测量异常强化区脑血流量(cerebral blood flow, CBF)及T1-Gd、T2-Gd,并绘制ROC曲线,分析评价各参数及其联合诊断的效能,结果表明复发组T1-Gd低于假性进展组T1-Gd(P<0.001),T2-Gd两组间差异无统计学意义(P>0.05),复发组CBF值高于假性进展组(P<0.001)。ROC曲线分析结果显示,T1-Gd、CBF值的AUC值分别为0.882、0.916,而T1-Gd联合CBF值的AUC为0.951。表明SyMRI联合3D-ASL有助于无创性鉴别恶性胶质瘤复发和假性进展,且诊断效能优于单一MRI诊断参数。上述研究表明,SyMRI技术不仅能缩短扫描时间,还能避免不必要的对比剂使用,已然在恶性胶质瘤的诊断、监测治疗等方面显示出巨大潜能,鼓励学者进一步探索使用SyMRI技术对脑胶质瘤进行定量成像。

2.3 SyMRI技术在前列腺癌中的研究

前列腺癌是男性常见的恶性肿瘤之一,也是男性第五位癌症导致死亡的主要原因[15]。目前对前列腺癌磁共振诊断主要基于前列腺影像报告与数据系统(prostate imaging reporting and data System, PI-RADS),通过利用不同组织对比度作出诊断,易受主观经验影响,从而造成诊断偏差[37, 38]。因此,迫切需要一种快速、标准化、可重复性高的定量技术对病灶的病理生理学改变进行定量分析,提高诊断效率。崔亚东等[39]纳入25例前列腺癌患者,利用SyMRI联合ADC值对前列腺良恶性病变进行鉴别,发现前列腺癌与其他良性病变之间的T1、T2以及PD定量值总体差异具有统计学意义,表明通过SyMRI技术获得的定量弛豫图有助于鉴别前列腺良恶性病变。此外,T2及PD值还有助于鉴别低级别和高级别的前列腺癌。孟铁豹等[40]对20例外周带前列腺癌患者及20例正常前列腺受试者进行SyMRI扫描并对弛豫时间等进行定量分析,发现前列腺癌患者的外周带组织的T1值(1251.60±115.90)ms及T2值(77.07±4.09)ms均明显低于正常受试者T1值(2530.30±551.30)ms及T2值(190.02±60.69)ms,表明利用SyMRI技术定量组织T1、T2值,有助于提高前列腺癌的诊断敏感度,具有较高的临床应用价值。前列腺癌骨转移,无论是否为活动性病变,均可表现为骨质硬化,单凭CT影像难以区分。ARITA等[41]探索了SyMRI定量成像技术在诊断前列腺癌骨转移方面的可行性,期望在治疗过程中区分持续进展的成骨细胞骨转移和伴有治疗性硬化症的非持续骨转移,发现96例前列腺癌患者存在93处骨病损,其中活动性骨转移灶PD值明显高于非活动性骨转移灶和红骨髓,硬化性非活性骨转移灶PD值明显低于无硬化性非活性骨转移灶和无红骨髓非活性骨转移灶,logistic回归分析表明PD值是鉴别前列腺癌骨转移病灶活动与否的独立的显著性指标。该团队继续评估了基于双参数磁共振成像(bi-parametric magnetic resonance imaging, bpMRI)的SyMRI扫描序列在临床显著前列腺癌(clinically significant prostate cancer, csPCa)中的诊断性能,并与DCE-MRI进行比较[42],结果显示102例csPCa患者的常规bpMRI诊断性能与合成bpMRI无显著差异。高年资及初级放射科医师利用SyMRI获取T1+T2+PD和DCE-MRI在外周带诊断PI-RADS 3类病变为csPCa之间的诊断效能差异无统计学意义,该研究显示了无须对比剂的SyMRI技术无创性评估csPCa的巨大应用前景。宋娜等[43]探讨了SyMRI技术在前列腺癌诊断及侵袭性评估中的应用价值。前列腺癌组和非前列腺癌组SyMRI图像经后处理得到T1、T2、PD值,同时用相关软件进行后处理生成ADC值,结果显示SyMRI获得的定量T1和T2值能够鉴别前列腺癌和其他良性病变,T2值与ADC值诊断效能相当,表明SyMRI具有较高的临床应用价值,T2值能够区分低危与中高危前列腺癌。上述研究显示了SyMRI技术在前列腺良恶性肿瘤鉴别诊断以及肿瘤分级、骨转移中的重要价值,有待深入研究探索。

2.4 SyMRI技术在直肠癌中的研究

直肠癌是常见的消化道来源恶性肿瘤,在我国发病率呈上升趋势[15,44]。能否准确评估直肠癌术前分期、淋巴结(lympho nodus, LN)的状态及壁外静脉侵犯(extramural venous invasion, EMVI)情况等对制订患者诊疗计划至关重要,也是预测肿瘤复发和总生存率的重要因素。ZHAO等[45]对94例直肠癌患者的常规和SyMRI的T2WI图像进行了分析,发现两者在对比度噪声比、信噪比、病灶显著性、病灶边缘清晰度及整体图像质量等方面差异均无统计学意义。此外,常规MRI和SyMRI获得的T2WI对直肠癌T分期和EMVI的诊断准确率并无显著差异,表明SyMRI通过1次采集提供合成T2WI及定量图,有助于评价直肠癌术前分期和EMVI。在另一项研究中,ZHAO等[46]对70例经手术证实的直肠癌患者进行了术前SyMRI扫描,探讨了SyMRI衍生的直方图参数在预测直肠癌LN转移中的潜在价值,并与传统形态学表现和化学位移效应(chemical shift effect, CSE)进行比较。研究发现,T1、T2和PD mapping的能量值在LN转移阴性组与LN转移阳性组间存在显著差异,AUC值分别为0.838、0.858和0.823,而T1 mapping和MRI EMVI是淋巴结转移的显著预测因子,与传统形态学特征和CSE相比,T1 mapping能量值显著提高了预测性能。在相似的研究中,作者探讨了SyMRI直方图参数对直肠癌EMVI的预测价值[47],研究发现EMVI阳性组与阴性组间的T1、T2和PD mapping能量值及PD mapping偏度值差异具有统计学意义,表明了SyMRI的直方图参数有助于预测直肠癌的EMVI。SyMRI对直肠癌患者的预后同样具有重要价值,该团队在最近一项研究中探索了SyMRI定量弛豫图预测直肠癌预后因素的可行性,比较了定量值与传统主观评价的预测效果[48],结果显示淋巴结转移(lymph node metastasis, LNM)、神经周侵犯、EMVI阳性以及直肠癌T期较高的患者合成所获得的T2值均显著降低,LNM、EMVI阳性组T1值显著低于阴性组,T2值预测性能优于T1值及放射科医师主观评价,表明SyMRI定量弛豫图在无创性评价直肠癌患者预后的重要潜能。LIAN等[49]利用SyMRI预测局部晚期直肠癌患者对新辅助放化疗的反应,测量参数包括ADC值及SyMRI衍生的T1、T2、PD值,结果显示,63例晚期直肠癌患者新辅助放化疗后部分患者出现完全病理缓解(pathologic complete response, pCR)或T-降期,pCR组的T1、T2均值明显低于非pCR组,T-降期组的T1、T2均值亦明显低于非T-降期组,而两组PD、ADC值差异无统计学意义,表明了SyMRI获取的T1及T2值有望成为预测新辅助放化疗反应的影像学标志物。MA等[50]探讨了SyMRI和ADC值是否有助于预测直肠癌的预后因素,该研究获取了87例直肠癌患者术前SyMRI的T1、T2、PD值以及ADC值,统计分析了SyMRI对直肠癌的诊断性能,研究显示直肠癌分化差、LNM患者T2、PD值明显降低,而ADC和T1值在直肠癌的鉴别诊断或临床分期中无显著性意义,表明SyMRI定量T2和PD值可用于无创评价直肠癌预后因素。上述研究显示了SyMRI技术在直肠癌鉴别诊断、肿瘤分期、治疗监测以及预后评估中的重要价值。

2.5 SyMRI技术在其他恶性肿瘤中的相关研究

SyMRI技术在其他恶性肿瘤,例如膀胱癌、子宫内膜癌(endometrial carcinoma, EC)、宫颈癌(cervical carcinoma, CC)等中的应用亦有少数相关报道。CAI等[51]对60例膀胱癌患者行术前常规MRI及SyMRI扫描,探讨了SyMRI对膀胱癌组织学分级的诊断价值,SyMRI来源T1、T2、PD值及常规MRI获得ADC值在33例高级别膀胱癌与27例低级别膀胱癌组间均存在显著差异;使用不同参数的ROC来区分肿瘤级别时,ADC值显示的AUC值最高,达到0.869,T1、T2、PD值的AUC值依次为0.755、0.740、0.723。该研究表明,SyMRI衍生参数有助于评估膀胱癌的组织学分级,但稍低于ADC值。虽然ADC值对鉴别膀胱癌组织学分级具有较高的诊断性能,但由于缺乏标准化的采集协议和数据分析程序,其重现性有限,高级别和低级别肿瘤的ADC值重叠也会降低分化的准确性。因此,为了开发术前影像学工具,对膀胱癌的组织学分级进行无创评估仍有很大的需求。虽然该研究样本量较小,参与中心有限,但显示出SyMRI作为无创成像工具在鉴别膀胱癌组织学分级中的重要价值,值得进行更为深入的科学研究。WANG等[52]探讨了ADC和SyMRI衍生T1、T2、PD值与EC组织病理学特征的关系,研究中囊括了肌层侵犯深度、肿瘤分级、宫颈间质侵犯、淋巴血管侵犯等组织病理学特征,结果显示EC合并基层侵犯组的T2、PD、ADC明显低于未发生肌层侵犯组,有淋巴血管侵犯的2~3级EC和EC的ADC分别显著低于1级EC和无淋巴血管侵犯的EC。而有无宫颈间质侵犯的EC的MRI指标差异无统计学意义,三种模型下的平均AUC为0.83,表明了SyMRI提供了定量指标,以表征EC的单一采集。低T2、PD和ADC值与EC的侵袭性组织病理特征相关,在判断EC的侵袭性组织病理特征方面具有良好的表现。ZHANG等[53]评价了ADC和SyMRI定量指标在CC预后因素中的价值,74例经病理证实的CC患者纳入了研究,定量指标包括T1、T2和ADC值,结果显示宫旁侵犯阴性组的T1、T2值明显高于阳性组,而ADC值无明显差异,T1和T2值的AUC分别为0.743和0.831;只有T2值显示淋巴血管侵犯阴性组与阳性组间有显著差异,T2值判别是否发生淋巴血管侵犯的AUC为0.814。中、高度分化的CC与低分化CC的T1、T2、ADC值差异有统计学意义。T1、T2和ADC值预测分化程度的AUC分别为0.762、0.830和0.808。所有指标的组合模型被证明具有良好的诊断性能,AUC为0.866。表明SyMRI可作为评估CC患者宫旁侵犯、淋巴血管受累以及分化程度等预后因素的一种潜在的无创工具,且综合定量指标的整体诊断性能优于ADC值,特别是在判断有无宫旁及淋巴血管受侵方面。尽管膀胱癌、EC及CC是临床常见的恶性肿瘤,但是SyMRI技术在该领域的研究仍较为匮乏。目前有限的研究已然显示出SyMRI在这些恶性肿瘤的诊断、预后评估等方面的巨大潜能,未来需要更大样本量的相关多中心研究进行验证。

3 小结及展望

SyMRI作为一种磁共振定量成像技术,能够通过一次扫描同时产生T1、T2和PD定量弛豫图及多种对比加权图像,不仅可以直接用于组织定量分析,还可对数据进行后处理,提供更为丰富的病灶信息。它克服了常规磁共振加权成像的不足,以一种较为客观、快速及稳定的方法对病灶的特性进行定量评价,近年来已经逐渐被应用于临床常见恶性肿瘤的影像诊断,并且显示出良好的诊断效果。但SyMRI技术在该领域的应用仍然存在一些不足:(1)目前SyMRI技术在恶性肿瘤中的研究多为小样本量、单中心,联合多中心的更大样本量的验证研究有待探索;(2)扫描参数及增强后SyMRI开始扫描的时间欠规范,可能无法保证测量值的一致性;(3)肿瘤区域的勾画目前多是选择最大切面,而不是整个肿瘤体积,这可能导致部分生物学信息的丢失;(4)肿瘤ROI勾画不够精确,无法与病理区域完全匹配从而产生系统误差。

总之,已有的研究表明,SyMRI技术在鉴别肿瘤良恶性、治疗监测、预后评估等方面都具有潜在的巨大价值。随着该技术的进一步改良和发展,结合人工智能等分析方法,SyMRI作为恶性肿瘤常规MRI的重要补充,显示出广阔的科研与临床应用前景。

本文引用格式:

张琴, 张玉龙, 刘曦. 合成磁共振成像技术在恶性肿瘤中的研究进展[J]. 磁共振成像, 2023, 14(5): 196-202.

Cite this article as:

ZHANG Q, ZHANG Y L, LIU X. Research progress of synthetic magnetic resonance imaging technology in malignant tumors[J]. Chin J Magn Reson Imaging, 2023, 14(5): 196-202.

ACKNOWLEDGMENTS

Chongqing Natural Science Foundation of China (No. cstc2021jcyj-msxmX0727).

利益冲突
利益冲突:

全体作者均声明无利益冲突。

参考文献References
[1]
GARCIA-REYESK, PASSONIN M, PALMERIM L, et al. Detection of prostate cancer with multiparametric MRI (mpMRI): effect of dedicated reader education on accuracy and confidence of index and anterior cancer diagnosis[J]. Abdom Imaging, 2015, 40(1): 134-142. DOI: 10.1007/s00261-014-0197-7.
[2]
朱柳红, 刘豪, 周建军. 磁共振T2 mapping技术在体部恶性肿瘤中的研究进展[J]. 磁共振成像, 2020, 11(5): 398-400. DOI: 10.12015/issn.1674-8034.2020.05.019.
ZHUL H, LIUH, ZHOUJ J. Research progress of magnetic resonance T2-mapping in body malignant tumors[J]. Chin J Magn Reson Imaging, 2020, 11(5): 398-400. DOI: 10.12015/issn.1674-8034.2020.05.019.
[3]
HAGIWARAA, WARNTJESM, HORIM, et al. SyMRI of the brain: rapid quantification of relaxation rates and proton density, with synthetic MRI, automatic brain segmentation, and myelin measurement[J]. Invest Radiol, 2017, 52(10): 647-657. DOI: 10.1097/RLI.0000000000000365.
[4]
WARNTJESJ B, LEINHARDO D, WESTJ, et al. Rapid magnetic resonance quantification on the brain: Optimization for clinical usage[J]. Magn Reson Med, 2008, 60(2): 320-329. DOI: 10.1002/mrm.21635.
[5]
HAGIWARAA, HORIM, COHEN-ADADJ, et al. Linearity, bias, intrascanner repeatability, and interscanner reproducibility of quantitative multidynamic multiecho sequence for rapid simultaneous relaxometry at 3 T: a validation study with a standardized phantom and healthy controls[J]. Invest Radiol, 2019, 54(1): 39-47. DOI: 10.1097/RLI.0000000000000510.
[6]
刘雅文, 牛海军, 尹红霞, . 合成MRI与传统定量方法对T1、T2弛豫值测定的模体验证对比研究[J]. 磁共振成像, 2022, 13(4)89-93. DOI: 10.12015/issn.1674-8034.2022.04.016
LIUY W, NIUH J, YINH X, et al. A comparative study on phantom verification of T1 and T2 relaxation values determined by synthetic MRI and conventional mapping methods[J]. Chin J Magn Reson Imaging, 2022, 13(4)89-93. DOI: 10.12015/issn.1674-8034.2022.04.016
[7]
ANDRÉJ, BARRITS, JISSENDIP. Synthetic MRI for stroke: a qualitative and quantitative pilot study[J/OL]. Sci Rep, 2022, 12(1): 11552 [2022-12-25]. https://pubmed.ncbi.nlm.nih.gov/35798771/. DOI: 10.1038/s41598-022-15204-8.
[8]
ANDICAC, HAGIWARAA, HORIM, et al. Review of synthetic MRI in pediatric brains: basic principle of MR quantification, its features, clinical applications, and limitations[J]. J De Neuroradiol, 2019, 46(4): 268-275. DOI: 10.1016/j.neurad.2019.02.005.
[9]
COBANG, PARLAKS, GUMELERE, et al. Synthetic MRI in neurofibromatosis type 1[J]. AJNR Am J Neuroradiol, 2021, 42(9): 1709-1715. DOI: 10.3174/ajnr.A7214.
[10]
CAOJ B, XUX H, ZHUJ Y, et al. Rapid quantification of global brain volumetry and relaxometry in patients with multiple sclerosis using synthetic magnetic resonance imaging[J]. Quant Imaging Med Surg, 2022, 12(6): 3104-3114. DOI: 10.21037/qims-21-970.
[11]
LIUL, YINB, GENGD Y, et al. Changes of T2 relaxation time from neoadjuvant chemotherapy in breast cancer lesions[J/OL]. Iran J Radiol, 2016, 13(3): e24014 [2021-11-11]. https://sci-hub.se/10.5812/iranjradiol.24014. DOI: 10.5812/iranjradiol.24014.
[12]
GONÇALVESF G, SERAIS D, ZUCCOLIG. Synthetic brain MRI: review of current concepts and future directions[J]. Top Magn Reson Imaging, 2018, 27(6): 387-393. DOI: 10.1097/RMR.0000000000000189.
[13]
HWANGK P, FUJITAS. Synthetic MR: physical principles, clinical implementation, and new developments[J]. Med Phys, 2022, 49(7): 4861-4874. DOI: 10.1002/mp.15686.
[14]
HUIZINGAW, POOTD H, GUYADERJ M, et al. PCA-based groupwise image registration for quantitative MRI[J]. Med Image Anal, 2016, 29: 65-78. DOI: 10.1016/j.media.2015.12.004.
[15]
BRAYF, FERLAYJ, SOERJOMATARAMI, et al. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin, 2018, 68(6): 394-424. DOI: 10.3322/caac.21492.
[16]
FUJIOKAT, MORIM, OYAMAJ, et al. Investigating the image quality and utility of synthetic MRI in the breast[J]. Magn Reson Med Sci, 2021, 20(4): 431-438. DOI: 10.2463/mrms.mp.2020-0132.
[17]
JUNGY, GHOS M, BACKS N, et al. The feasibility of synthetic MRI in breast cancer patients: comparison of T2 relaxation time with multiecho spin echo T2 mapping method[J/OL]. Br J Radiol, 2018, 92(1093): 20180479 [2021-11-11]. https://pubmed.ncbi.nlm.nih.gov/30215550/. DOI: 10.1259/bjr.20180479.
[18]
MENGT B, HEN, HEH Q, et al. The diagnostic performance of quantitative mapping in breast cancer patients: a preliminary study using synthetic MRI[J]. Cancer Imaging, 2020, 20(1): 88. DOI: 10.1186/s40644-020-00365-4.
[19]
LIQ, XIAOQ, YANGM, et al. Histogram analysis of quantitative parameters from synthetic MRI: correlations with prognostic factors and molecular subtypes in invasive ductal breast cancer[J/OL]. Eur J Radiol, 2021, 139: 109697 [2021-11-11]. https://sci-hub.se/10.1016/j.ejrad.2021.109697. DOI: 10.1016/j.ejrad.2021.109697.
[20]
MATSUDAM, TSUDAT, EBIHARAR, et al. Triple-negative breast cancer on contrast-enhanced MRI and synthetic MRI: a comparison with non-triple-negative breast carcinoma[J/OL]. Eur J Radiol, 2021, 142: 109838 [2021-11-11]. https://sci-hub.se/10.1016/j.ejrad.2021.109838. DOI: 10.1016/j.ejrad.2021.109838.
[21]
水若鸿, 杨文涛. 乳腺癌Ki-67阳性指数的检测和评估[J]. 中华病理学杂志, 2013, 42(6): 420-423. DOI: 10.3760/cma.j.issn.0529-5807.2013.06.019.
SHUIR H, YANGW T. Detection and evaluation of Ki-67 positive index in breast cancer[J]. Chin J Pathol, 2013, 42(6): 420-423. DOI: 10.3760/cma.j.issn.0529-5807.2013.06.019.
[22]
杨雪琴, 李雁. Ki67在乳腺癌的研究进展[J]. 武汉大学学报(医学版), 2011, 32(6)852-856. DOI: 10.3969/j.issn.1000-467X.2004.10.014
YANGX Q, LIY. Progress of Ki67 protein study in breast cancer[J]. Med J Wuhan Univ, 2011, 32(6)852-856. DOI: 10.3969/j.issn.1000-467X.2004.10.014
[23]
李方正, 李芹, 吴莎莎, . 合成MRI定量参数图与ADC图直方图特征对乳腺癌Ki-67表达状态的预测研究[J]. 磁共振成像, 2022, 13(7)29-34, 67. DOI: 10.12015/issn.1674-8034.2022.07.006
LIF Z, LIQ, WUS S, et al. Histogram features of quantitative parameters from synthetic MRI and ADC map in predicting the expression of Ki-67 in breast cancer[J]. Chin J Magn Reson Imaging, 2022, 13(7)29-34, 67. DOI: 10.12015/issn.1674-8034.2022.07.006
[24]
MATSUDAM, KIDOT, TSUDAT, et al. Utility of synthetic MRI in predicting the Ki-67 status of oestrogen receptor-positive breast cancer: a feasibility study[J/OL]. Clin Radiol, 2020, 75(5): 398.e1-398398.e8 [2021-11-12]. https://sci-hub.se/10.1016/j.crad.2019.12.021. DOI: 10.1016/j.crad.2019.12.021.
[25]
MATSUDAM, TSUDAT, EBIHARAR, et al. Enhanced masses on contrast-enhanced breast: differentiation using a combination of dynamic contrast-enhanced MRI and quantitative evaluation with synthetic MRI[J]. J Magn Reson Imaging, 2021, 53(2): 381-391. DOI: 10.1002/jmri.27362.
[26]
GAOW B, ZHANGS Q, GUOJ X, et al. Investigation of synthetic relaxometry and diffusion measures in the differentiation of benign and malignant breast lesions as compared to BI-RADS[J]. J Magn Reson Imaging, 2021, 53(4): 1118-1127. DOI: 10.1002/jmri.27435.
[27]
SUNS Y, DINGY Y, LIZ L, et al. Multiparameter MRI model with DCE-MRI, DWI, and synthetic MRI improves the diagnostic performance of BI-RADS 4 lesions[J/OL]. Front Oncol, 2021, 11: 699127 [2021-11-15]. https://pubmed.ncbi.nlm.nih.gov/34722246/. DOI: 10.3389/fonc.2021.699127.
[28]
宋美娜, 董磊, 何花, . 不同感兴趣区勾画方法测量集成MRI和DWI定量参数对乳腺良恶性病变的鉴别诊断价值[J]. 磁共振成像, 2022, 13(6): 17-22, 27. DOI: 10.12015/issn.1674-8034.2022.06.004.
SONGM N, DONGL, HEH, et al. Value of syMRI and DWI quantitative parameters measured using different regions of interest method in differentiating benign and malignant breast lesions[J]. Chin J Magn Reson Imaging, 2022, 13(6): 17-22, 27. DOI: 10.12015/issn.1674-8034.2022.06.004.
[29]
OSTROMQ T, BAUCHETL, DAVISF G, et al. The epidemiology of glioma in adults: a "state of the science" review[J]. Neuro Oncol, 2014, 16(7): 896-913. DOI: 10.1093/neuonc/nou087.
[30]
JOHNSOND R, O'NEILLB P. Glioblastoma survival in the United States before and during the temozolomide era[J]. J Neurooncol, 2012, 107(2): 359-364. DOI: 10.1007/s11060-011-0749-4.
[31]
BOONZAIERN R, LARKINT J, MATYST, et al. Multiparametric MR imaging of diffusion and perfusion in contrast-enhancing and nonenhancing components in patients with glioblastoma[J]. Radiology, 2017, 284(1): 180-190. DOI: 10.1148/radiol.2017160150.
[32]
BADVEC, YUA, DASTMALCHIANS, et al. MR fingerprinting of adult brain tumors: initial experience[J]. AJNR Am J Neuroradiol, 2017, 38(3): 492-499. DOI: 10.3174/ajnr.A5035.
[33]
RAOA, RAOG, GUTMAND A, et al. A combinatorial radiographic phenotype may stratify patient survival and be associated with invasion and proliferation characteristics in glioblastoma[J]. J Neurosurg, 2016, 124(4): 1008-1017. DOI: 10.3171/2015.4.JNS142732.
[34]
BLYSTADI, WARNTJESJ B M, SMEDBYÖ, et al. Quantitative MRI for analysis of peritumoral edema in malignant gliomas[J/OL]. PLoS One, 2017, 12(5): e0177135 [2022-12-25]. https://pubmed.ncbi.nlm.nih.gov/28542553/. DOI: 10.1371/journal.pone.0177135.
[35]
NUNEZ-GONZALEZL, VAN GARDERENK A, SMITSM, et al. Pre-contrast MAGiC in treated gliomas: a pilot study of quantitative MRI[J/OL]. Sci Rep, 2022, 12(1): 21820 [2022-12-25]. https://pubmed.ncbi.nlm.nih.gov/36528673/. DOI: 10.1038/s41598-022-24276-5.
[36]
吕瑞瑞, 杨治花, 葛鑫, . 集成MRI联合三维动脉自旋标记成像鉴别胶质瘤复发和假性进展的初步研究[J]. 磁共振成像, 2022, 13(8)19-23, 35. DOI: 10.12015/issn.1674-8034.2022.08.004
R R, YANGZ H, GEX, et al. Preliminary study of synthetic MRI combined with three-dimensional arterial spin labeling imaging in differentiating recurrence and pseudoprogression of glioma[J]. Chin J Magn Reson Imaging, 2022, 13(8)19-23, 35. DOI: 10.12015/issn.1674-8034.2022.08.004
[37]
赵雪梅, 王啸, 王利娜, . PI-RADS v2评分、T2WI及DWI在前列腺癌的诊断与比较[J]. 临床放射学杂志, 2018, 37(11): 1879-1882. DOI: 10.3760/cma.j.issn.1005-1201.2015.10.023.
ZHAOX M, WANGX, WANGL N, et al. The comparison of the value of PI-RADS v2, DWI and T2WI in the diagnosis of prostate cancer[J]. J Clin Radiol, 2018, 37(11): 1879-1882. DOI: 10.3760/cma.j.issn.1005-1201.2015.10.023.
[38]
WEINREBJ C, BARENTSZJ O, CHOYKEP L, et al. PI-RADS Prostate Imaging-Reporting and Data System: 2015, Version 2[J]. Eur Urol, 2016, 69(1):16-40. DOI: 10.1016/j.eururo.2015.08.052.
[39]
崔亚东, 李春媚, 韩思圆, . 合成MRI定量参数对前列腺癌的诊断价值[J]. 中华放射学杂志, 2021, 55(9): 975-980. DOI: 10.3760/cma.j.cn112149-20200721-00935
CUIY D, LIC M, HANS Y, et al. The diagnostic value of synthetic MRI quantitative parameters for prostate cancer[J]. Chin J Radiol, 2021, 55(9): 975-980. DOI: 10.3760/cma.j.cn112149-20200721-00935
[40]
孟铁豹, 刘辉明, 张蔚菁, . 集成磁共振成像弛豫时间定量在前列腺癌诊断中的应用[J]. 临床放射学杂志, 2020, 39(3): 605-608.
MENGT B, LIUH M, ZHANGW J, et al. Quantification of relaxation time by synthetic MRI in diagnosis of prostate cancer[J]. J Clin Radiol, 2020, 39(3): 605-608.
[41]
ARITAY, TAKAHARAT, YOSHIDAS, et al. Quantitative assessment of bone metastasis in prostate cancer using synthetic magnetic resonance imaging[J]. Invest Radiol, 2019, 54(10): 638-644. DOI: 10.1097/RLI.0000000000000579.
[42]
ARITAY, AKITAH, FUJIWARAH, et al. Synthetic magnetic resonance imaging for primary prostate cancer evaluation: diagnostic potential of a non-contrast-enhanced bi-parametric approach enhanced with relaxometry measurements[J/OL]. Eur J Radiol Open, 2022, 9: 100403 [2022-12-26]. https://pubmed.ncbi.nlm.nih.gov/35242886/. DOI: 10.1016/j.ejro.2022.100403.
[43]
宋娜, 王涛, 张丹, . 集成MRI弛豫时间定量技术在前列腺癌诊断及侵袭性评估中的价值[J]. 中华医学杂志, 2022, 102(15): 1093-1099. DOI: 10.3760/cma.j.cn112137-20211018-02304
SONGN, WANGT, ZHANGD, et al. The value of relaxation time quantitative technique from synthetic magnetic resonance imaging in the diagnosis and invasion assessment of prostate cancer[J]. Natl Med J China, 2022, 102(15): 1093-1099. DOI: 10.3760/cma.j.cn112137-20211018-02304
[44]
PARKH M, WOOH, JUNGS J, et al. Colorectal cancer incidence in 5 Asian countries by subsite: an analysis of Cancer Incidence in Five Continents (1998-2007)[J]. Cancer Epidemiol, 2016, 45: 65-70. DOI: 10.1016/j.canep.2016.09.012.
[45]
ZHAOL, LIANGM, WUP Y, et al. A preliminary study of synthetic magnetic resonance imaging in rectal cancer: imaging quality and preoperative assessment[J/OL]. Insights Imaging, 2021, 12(1): 120 [2021-11-16]. https://pubmed.ncbi.nlm.nih.gov/34420097/. DOI: 10.1186/s13244-021-01063-w.
[46]
ZHAOL, LIANGM, SHIZ, et al. Preoperative volumetric synthetic magnetic resonance imaging of the primary tumor for a more accurate prediction of lymph node metastasis in rectal cancer[J]. Quant Imaging Med Surg, 2021, 11(5): 1805-1816. DOI: 10.21037/qims-20-659.
[47]
ZHAOL, LIANGM, WANGS C, et al. Preoperative evaluation of extramural venous invasion in rectal cancer using radiomics analysis of relaxation maps from synthetic MRI[J]. Abdom Radiol (NY), 2021, 46(8): 3815-3825. DOI: 10.1007/s00261-021-03021-y.
[48]
ZHAOL, LIANGM, XIEL Z, et al. Prediction of pathological prognostic factors of rectal cancer by relaxation maps from synthetic magnetic resonance imaging[J/OL]. Eur J Radiol, 2021, 138: 109658 [2021-11-13]. https://pubmed.ncbi.nlm.nih.gov/33744506/. DOI: 10.1016/j.ejrad.2021.109658.
[49]
LIANS S, LIUH M, MENGT B, et al. Quantitative synthetic MRI for predicting locally advanced rectal cancer response to neoadjuvant chemoradiotherapy[J]. Eur Radiol, 2023, 33(3): 1737-1745. DOI: 10.1007/s00330-022-09191-7.
[50]
MAL D, LIANS S, LIUH M, et al. Diagnostic performance of synthetic magnetic resonance imaging in the prognostic evaluation of rectal cancer[J]. Quant Imaging Med Surg, 2022, 12(7): 3580-3591. DOI: 10.21037/qims-22-24.
[51]
CAIQ, WENZ H, HUANGY P, et al. Investigation of synthetic magnetic resonance imaging applied in the evaluation of the tumor grade of bladder cancer[J/OL]. J Magn Reson Imaging, 2021, 54(6): 1989-1997 [2021-11-14]. https://sci-hub.se/10.1002/jmri.27770. DOI: 10.1002/jmri.27770.
[52]
WANGY A, HEM G, CAOP, et al. Tissue characteristics of endometrial carcinoma analyzed by quantitative synthetic MRI and diffusion-weighted imaging[J]. Diagnostics (Basel), 2022, 12(12): 2956 [2022-12-25]. https://pubmed.ncbi.nlm.nih.gov/36552962/. DOI: 10.3390/diagnostics12122956.
[53]
ZHANGW J, LUN, HEH Q, et al. Application of synthetic magnetic resonance imaging and DWI for evaluation of prognostic factors in cervical carcinoma: a prospective preliminary study[J/OL]. Br J Radiol, 2023, 96(1141): 20220596 [2022-12-25]. https://pubmed.ncbi.nlm.nih.gov/36341699/. DOI: 10.1259/bjr.20220596.
 
 
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