陈志强; 张丹; 王卓; 宋娜; 马爱玲; 张少茹; 蔡磊

doi:10.3760/cma.j.cn112137-20221018-02176

点赞 0
分享 0
收藏 0
纠错

• MRI在前列腺癌诊治中的应用 •

DISCO和MUSE-DWI联合前列腺特异性抗原密度在前列腺癌的诊断及危险分层中的价值

中华医学杂志, 2023,103(19) : 1461-1468. DOI: 10.3760/cma.j.cn112137-20221018-02176

摘要

目的

探究基于笛卡尔采集的K空间共享三维容积快速动态成像（DISCO）和复合灵敏度编码的高分辨率扩散成像（MUSE-DWI）联合前列腺特异性抗原密度（PSAD）在前列腺癌（PCa）的诊断及危险分层中的价值。

方法

回顾性收集2020年7月至2021年8月宁夏医科大学总医院183例［年龄：48~86（68±8）岁］前列腺疾病患者的资料。根据疾病情况分为非PCa组115例，PCa组68例，其中PCa组又根据危险程度分为低危PCa组14例，中高危PCa组54例。分析组间容积转移常数（Ktrans）、速率常数（Kep）、血管外细胞外体积分数（Ve）、表观扩散系数（ADC）和PSAD的差异。采用受试者工作特征（ROC）曲线评估各定量参数值及PSAD鉴别非PCa和PCa、低危PCa和中高危PCa的诊断效能。采用多因素logistic回归模型对非PCa组和PCa组间差异有统计学意义的指标进行分析，筛选出PCa的预测因子。

结果

PCa组的Ktrans、Kep、Ve值和PSAD均高于非PCa组，ADC值低于非PCa组，差异均有统计学意义（均P<0.001）；中高危PCa组的Ktrans、Kep值和PSAD均高于低危PCa组，ADC值低于低危PCa组，差异均有统计学意义（均P<0.001）。鉴别非PCa和PCa时，联合模型（Ktrans+Kep+Ve+ADC+PSAD）的ROC曲线下面积（AUC）高于单一指标［0.958（95%CI：0.918~0.982）比0.881（95%CI：0.825~0.924）、0.836（95%CI：0.775~0.887）、0.672（95%CI：0.599~0.740）、0.940（95%CI：0.895~0.969）、0.816（95%CI：0.752~0.869），均P<0.05］；鉴别低危PCa和中高危PCa时，联合模型（Ktrans+Kep+ADC+PSAD）的AUC高于Ktrans、Kep和PSAD［0.933（95%CI：0.845~0.979）比0.846（95%CI：0.738~0.922）、0.782（95%CI：0.665~0.873）、0.848（95%CI：0.740~0.923），均P<0.05］。多因素logistic回归分析显示Ktrans（OR=1.005，95%CI：1.001~1.010）和ADC值（OR=0.992，95%CI：0.989~0.995）是PCa的预测因子（P<0.05）。

结论

DISCO和MUSE-DWI联合PSAD可以鉴别前列腺良恶性病变，Ktrans和ADC值是PCa的预测因子；Ktrans、Kep、ADC值和PSAD有助于预测PCa的生物学行为。

引用本文: 陈志强, 张丹, 王卓, 等. DISCO和MUSE-DWI联合前列腺特异性抗原密度在前列腺癌的诊断及危险分层中的价值 [J] . 中华医学杂志, 2023, 103(19) : 1461-1468. DOI: 10.3760/cma.j.cn112137-20221018-02176.

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

阅读 0 评论 0

相关资源

引用 | 论文 | 视频

版权归中华医学会所有。

未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。

除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。

动态增强（dynamic contrast-enhanced，DCE）磁共振和扩散加权成像（diffusion-weighted imaging，DWI）为前列腺癌（prostate cancer，PCa）的诊断和侵袭性评估提供了重要依据^{［1, 2, 3］}。然而受制于传统的K空间逐期填充方式，DCE的时间分辨率和空间分辨率严重相互制约，低空间分辨率会导致小病灶显示不清，影响前列腺良恶性病变的鉴别。而基于笛卡尔采集的 K空间共享三维容积快速动态成像（differential subsampling with cartesian ordering，DISCO）^［4］是一种新兴的DCE-MR技术，具有并行成像K空间视图共享重建等优势，能够在保持高空间分辨率的同时，改善时间分辨率。其次传统DWI基于单次激发平面回波成像，其图像易模糊、变形，影响ADC值测量的准确性；而基于复合灵敏度编码的高分辨率扩散成像（multiplexed sensitivity-encoding diffusion-weighted imaging，MUSE-DWI）^［5］是一种多次激发扩散成像技术，具有高的空间分辨率，其图像变形小、图像质量更好。目前，DISCO和MUSE-DWI已经成功地应用于肝脏、乳腺、胰腺、小肠病变^{［6, 7, 8, 9, 10, 11］}等，但在前列腺病变中的应用少有报道。此外，前列腺特异性抗原密度（prostate specific antigen density，PSAD）可以为前列腺活检提供参考信息，使部分患者免于活检和避免低危PCa的过度诊断，但是仍会漏诊部分高危PCa^［12］。因此，本研究旨在通过比较定量参数值及PSAD的差异，评估各定量参数值及PSAD的诊断效能，以及筛选PCa的预测因子，探究DISCO和MUSE-DWI联合PSAD在PCa的诊断及危险分层中的价值。

对象与方法

一、研究对象

本研究为基于横断面研究的诊断试验。回顾性收集2020年7月至2021年8月在宁夏医科大学总医院行多参数磁共振（multi-parameter magnetic resonance，mp-MRI）检查的前列腺疾病患者的影像、临床及病理资料。纳入标准：（1）MRI检查序列完整，包括T₁加权像、T₂加权像（轴位、冠状位、矢状位）、MUSE-DWI及DISCO序列；（2）所有患者行MRI检查后，1个月内行穿刺或根治术。排除标准：（1）MRI检查前接受过任何相关治疗；（2）MRI图像质量差，影响感兴趣区（region of interest，ROI）的勾画；（3）病灶最大径<5 mm。本研究最终纳入183例患者，年龄48~86（68±8）岁。根据病理结果分为PCa组和非PCa组［包括前列腺良性增生和（或）前列腺炎］，其中非PCa组115例为前列腺良性病变，PCa组68例为PCa。本研究已通过宁夏医科大学总医院医学伦理委员会批准（2018-339），受试者知情同意豁免。

二、研究方法

1.扫描方法：扫描所用设备为GE SIGNA^TM Architect 3.0 T MR扫描仪（美国GE公司）和32通道心脏相控线圈。具体扫描序列及参数见表1。MUSE-DWI的b值取0、1 000 s/mm²。DISCO共扫描64个时相（共5 min 12 s），于第2时相开始经肘静脉以3.0 ml/s的流速团注对比剂钆双胺0.1 mmol/kg及生理盐水20 ml。

点击查看表格

表1

前列腺多参数MRI的扫描序列及参数

表1

前列腺多参数MRI的扫描序列及参数

扫描序列	激发序列	TR（ms）	TE（ms）	FOV（cm）	矩阵	层厚（mm）	层间距（mm）
轴位T₂WI	FRFSE-PROP	6 947	105	24	320×320	3	1
轴位T₂WI压脂	FRFSE-PROP	6 809	103	24	320×320	3	1
矢状位T₂WI	FRFSE-PROP	5 945	96	20	320×320	4	1
冠状位T₂WI	FRFSE-PROF	5 189	98	28	384×384	3.5	1
轴位MUSE-DWI	MS-EPI	4 800	76	26	108×108	3	1
轴位DISCO	SPGR-DE DISCO	3.3	1	26	320×256	4	0

注：T₂WI为T₂加权像；MUSE-DWI为基于复合灵敏度编码的高分辨率扩散成像；DISCO为基于笛卡尔采集的K空间共享三维容积快速动态成像；FRFSE-PROP为基于螺旋桨技术的快速恢复自旋回波序列；MS-EPI为多次激发平面回波成像；SPGR-DE DISCO为扰相梯度回波序列与Dixon水脂分离、K空间随机欠采集技术、视图共享重建相结合；TR为重复时间；TE为回波时间；FOV为视野

2.临床指标及病理：血清前列腺特异性抗原（prostate specific antigen，PSA）在mp-MRI检查前2周内检测（本研究的PSA指前列腺特异性总抗原），PSAD=PSA/前列腺体积（prostate volume，PV）。通过经直肠超声引导下穿刺活检或根治术获得病理结果。穿刺或根治术后，根据2005年国际泌尿外科病理学会共识的新Gleason系统^［13］，对所有PCa病变进行分级：低危PCa：Gleason评分≤6分；中高危PCa：Gleason评分≥7分。

3.图像后处理：将MRI图像导入GE ADW 4.7后处理工作站，由两名放射科医师（在前列腺诊断方面分别有3年和5年经验），参考PI-RADS v2.1对所有病灶的病理结果与之对应的MRI图像达成共识。对于多灶病例，选取Gleason评分最高的病灶。ROI的选取避开所有影响因素（尿道口、血管、精囊腺等）。在GenIQ软件包打开DISCO图像，参考T₂加权成像（T₂WI）和MUSE-DWI图像，选择病灶强化最显著时相，分别在病灶最大层面及其上下两层勾画ROI（10~30 mm²），同时在容积转移常数（volume transfer constant，Ktrans）、速率常数（rate constant，Kep）、血管外细胞外体积分数（extravascular extracellular volume fraction，Ve）伪彩图上自动生成相应的ROI及参数值，取平均值。然后在READYView软件包中打开MUSE-DWI图像，将ROI匹配到MUSE-DWI图像上，同时在表面扩散系数（ADC）图上自动生成相应的ROI及ADC值，取平均值。最终的结果取两名放射科医师测量结果的平均值；病例图像见图1, 2, 3, 4。

点击查看大图

图1

前列腺癌患者的MRI图 55岁，PSA为24.50 ng/ml，病灶位于左侧外周带，1A：T₂WI呈低信号；1B：MUSE-DWI呈明显高信号；1C：ADC图呈低信号；1D：DISCO呈明显强化；1E~1G：依次为Ktrans、Kep、Ve伪彩图

图2

前列腺癌患者的病理图结果为前列腺癌，Gleason评分=5+4分（苏木精-伊红染色 ×100）

图3

前列腺良性病变患者的MRI图 76岁，PSA为14.57 ng/ml，病灶位于左侧外周带，3A：T₂WI呈低信号；3B：MUSE-DWI呈局灶性高信号；3C：ADC图呈局灶低信号；3D：DISCO呈轻度强化；3E~3G：依次为Ktrans、Kep、Ve伪彩图

图4

前列腺良性病变患者的病理图结果为前列腺增生并前列腺炎（苏木精-伊红染色 ×100）

点击查看大图

注：PSA为前列腺特异性抗原；T₂WI为T₂加权成像；MUSE-DWI为基于复合灵敏度编码的高分辨率扩散成像；ADC为表观扩散系数；DISCO为基于笛卡尔采集的K空间共享三维容积快速动态成像；Ktrans为容积转移常数；Kep为速率常数；Ve为血管外细胞外体积分数

图1

图2

前列腺癌患者的病理图结果为前列腺癌，Gleason评分=5+4分（苏木精-伊红染色 ×100）

图3

图4

前列腺良性病变患者的病理图结果为前列腺增生并前列腺炎（苏木精-伊红染色 ×100）

三、统计学分析

使用SPSS 26.0和Medcalc19.0.4软件进行统计学分析。对计量资料行正态性及方差齐性检验；符合正态分布者以 $\bar{x} \pm s$ 表示，采用独立样本t检验进行组间单因素分析；不符合正态分布者以M（Q₁，Q₃）表示，采用Mann-Whitney U检验进行组间单因素分析。采用受试者工作特征（receiver operating characteristic，ROC）曲线评估诊断效能，采用Z检验比较曲线下面积（area under curve，AUC）之间的差异。采用多因素logistic回归模型对非PCa组和PCa组间差异有统计学意义的指标进行分析，筛选出PCa的预测因子。双侧检验，检验水准α=0.05。

结果

一、患者临床特征的比较

非PCa组和PCa组患者的年龄、PSA、PV、PSAD和病灶最大径差异均有统计学意义（均P<0.05，表2）；低危PCa组和中高危PCa组患者的PSA、PV、PSAD和病灶最大径差异均有统计学意义（P<0.05，表3），年龄差异无统计学意义（P=0.417，表3）。

点击查看表格

表2

非PCa组和PCa组患者临床特征比较

表2

非PCa组和PCa组患者临床特征比较

项目	非PCa组（n=115）	PCa组（n=68）	t/Z值	P值
年龄（岁）^a	66.30±7.79	70.13±7.63	-3.24	0.001
PSA（ng/ml）^b	12.92（6.37，18.00）	32.73（15.08，100.00）	-6.53	<0.001
PV（ml）^b	59.73（39.31，78.60）	46.69（34.62，70.76）	-1.97	0.049
PSAD（ng/ml）^b	0.18（0.10，0.18）	0.79（0.31，1.45）	-7.14	<0.001
病灶最大径（mm）^b	14.00（11.00，16.00）	20.00（12.25，34.75）	-4.85	<0.001

注：^a $\bar{x} \pm s$ ；^b M（Q₁，Q₃）；PCa为前列腺癌；PSA为前列腺特异性抗原；PV为前列腺体积；PSAD为前列腺特异性抗原密度

点击查看表格

表3

低危PCa组和中高危PCa组患者临床特征比较

表3

低危PCa组和中高危PCa组患者临床特征比较

项目	低危PCa组（n=14）	中高危PCa组（n=54）	t/Z值	P值
年龄（岁）^a	68.64±6.54	70.52±7.90	-0.82	0.417
PSA（ng/ml）^b	12.90（9.25，22.65）	55.62（18.20，100.00）	-3.04	0.002
PV（ml）^b	60.21（47.90，88.25）	41.40（32.80，63.49）	-2.43	0.015
PSAD（ng/ml）^b	0.27（0.12，0.46）	0.96（0.50，1.71）	-3.99	<0.001
病灶最大径（mm）^b	12.00（9.00，16.25）	25.50（16.75，36.00）	-3.28	0.001

注：^a $\bar{x} \pm s$ ；^b M（Q₁，Q₃）；PCa为前列腺癌；PSA为前列腺特异性抗原；PV为前列腺体积；PSAD为前列腺特异性抗原密度

二、各组定量参数值的比较

PCa组的Ktrans、Kep、Ve值均高于非PCa组［712.0（530.5，1 068.3）×10^-3/min比（356.5±156.1）×10^-3/min，3 018.0（1 770.3，3 918.0）×10^-3/min比1 156.0（842.0，1 802.0）×10^-3/min，（381.3±145.0）×10^-3/min比（308.1±105.2）×10^-3/min］（Z/t=-8.61、-7.60、-3.94，均P<0.001），ADC值低于非PCa组［（630.9±229.4）mm²/s比（1 189.1±280.5）mm²/s］（t=13.89，P<0.001）（表4）。

点击查看表格

表4

两组前列腺疾病患者动态增强MRI中Ktrans、Kep、Ve及ADC参数的比较

表4

两组前列腺疾病患者动态增强MRI中Ktrans、Kep、Ve及ADC参数的比较

项目	非PCa组（n=115）	PCa组（n=68）	t/Z值	P值
Ktrans（10^-3/min）	356.5±156.1^a	712.0（530.5，1 068.3）^b	-8.61	<0.001
Kep（10^-3/min）^b	1 156.0（842.0，1 802.0）	3 018.0（1 770.3，3 918.0）	-7.60	<0.001
Ve^a	308.1±105.2	381.3±145.0	-3.94	<0.001
ADC（mm²/s）^a	1 189.1±280.5	630.9±229.4	13.89	<0.001

注：^a $\bar{x} \pm s$ ；^b M（Q₁，Q₃）；PCa为前列腺癌；Ktrans为容积转移常数；Kep为速率常数；Ve为血管外细胞外体积分数；ADC为表观扩散系数

中高危PCa组的Ktrans、Kep值均高于低危PCa组［817.0（577.0，1 152.3）×10^-3/min比（488.6±111.8）×10^-3/min，3 171.5（2 006.5，4 733.5）×10^-3/min比（1 892.3±769.4）×10^-3/min］（Z=-3.97、-3.23，均P<0.001），ADC值低于低危PCa组［（572.6±197.9）mm²/s比（855.6±207.6）mm²/s］（t=4.72，P<0.001）（表5）。

点击查看表格

表5

两组PCa患者动态增强MRI中Ktrans、Kep、Ve及ADC参数的比较

表5

两组PCa患者动态增强MRI中Ktrans、Kep、Ve及ADC参数的比较

项目	低危PCa组（n=14）	中高危PCa组（n=54）	t/Z值	P值
Ktrans（10^-3/min）	488.6±111.8^a	817.0（577.0，1 152.3）^b	-3.97	<0.001
Kep（10^-3/min）	1 892.3±769.4^a	3 171.5（2 006.5，4 733.5）^b	-3.23	<0.001
Ve^a	343.0±147.0	391.3±144.2	-1.11	0.270
ADC（mm²/s）^a	855.6±207.6	572.6±197.9	4.72	<0.001

注：^a $\bar{x} \pm s$ ；^b M（Q₁，Q₃）；PCa为前列腺癌；Ktrans为容积转移常数；Kep为速率常数；Ve为血管外细胞外体积分数；ADC为表观扩散系数

三、各定量参数值及PSAD单独及联合的诊断效能

鉴别非PCa和PCa时，联合模型（Ktrans+Kep+Ve+ADC+PSAD）的诊断效能（AUC）高于Ktrans、Kep、Ve、ADC值和PSAD（0.958比0.881、0.836、0.672、0.940、0.816；Z=3.22、4.18、6.71、2.47、4.48，均P<0.05）（表6和图5A）。

点击查看表格

表6

动态增强MRI中Ktrans、Kep、Ve、ADC参数及PSAD鉴别非PCa和PCa的诊断效能

表6

动态增强MRI中Ktrans、Kep、Ve、ADC参数及PSAD鉴别非PCa和PCa的诊断效能

项目	AUC（95%CI）	P值	截断值	灵敏度（%）	特异度（%）	阳性预测值（%）	阴性预测值（%）
Ktrans	0.881（0.825~0.924）	<0.001	0.522	77.94	86.09	76.8	86.8
Kep	0.836（0.775~0.887）	<0.001	1.444	89.71	66.96	61.6	91.7
Ve	0.672（0.599~0.740）	<0.001	0.335	67.65	64.35	52.9	77.1
ADC	0.940（0.895~0.969）	<0.001	0.917	91.18	83.48	76.5	94.1
PSAD	0.816（0.752~0.869）	<0.001	0.429	67.65	87.83	76.7	82.1
联合模型	0.958（0.918~0.982）	<0.050	0.460	86.76	94.78	90.8	92.4

注：PCa为前列腺癌；Ktrans为容积转移常数；Kep为速率常数；Ve为血管外细胞外体积分数；ADC为表观扩散系数；PSAD为前列腺特异性抗原密度

点击查看大图

图5

动态增强MRI中Ktrans、Kep、Ve、ADC参数及PSAD单独及联合鉴别非PCa和PCa、低危PCa和中高危PCa的受试者工作特征曲线 5A：非PCa和PCa的鉴别；5B：低危PCa和中高危PCa的鉴别

点击查看大图

注：Ktrans为容积转移常数；Kep为速率常数；Ve为血管外细胞外体积分数；ADC为表观扩散系数；PSAD为前列腺特异性抗原密度；PCa为前列腺癌

图5

鉴别低危PCa和中高危PCa时，联合模型（Ktrans+Kep+ADC+PSAD）的诊断效能（AUC）高于Ktrans、Kep和PSAD（0.933比0.846、0.782、0.848；Z=2.49、2.90、2.39，均P<0.05），略高于ADC值（Z=1.59，P=0.112）（表7和图5B）。

点击查看表格

表7

动态增强MRI中Ktrans、Kep、ADC参数及PSAD鉴别低危PCa和中高危PCa的诊断效能

表7

动态增强MRI中Ktrans、Kep、ADC参数及PSAD鉴别低危PCa和中高危PCa的诊断效能

项目	AUC（95%CI）	P值	截断值	灵敏度（%）	特异度（%）	阳性预测值（%）	阴性预测值（%）
Ktrans	0.846（0.738~0.922）	<0.001	0.610	70.37	92.86	97.4	44.8
Kep	0.782（0.665~0.873）	<0.001	2.046	75.93	78.57	93.2	45.8
ADC	0.862（0.757~0.934）	<0.001	0.809	92.59	71.43	92.6	71.4
PSAD	0.848（0.740~0.923）	<0.001	0.686	66.67	100.00	100.0	43.8
联合模型	0.933（0.845~0.979）	<0.001	0.878	75.93	100.00	100.0	51.9

注：PCa为前列腺癌；Ktrans为容积转移常数；Kep为速率常数；ADC为表观扩散系数；PSAD为前列腺特异性抗原密度

四、各定量参数值及PSAD的logistic回归模型及效能

单因素分析结果显示非PCa组和PCa组的Ktrans、Kep、Ve、ADC值和PSAD的差异均有统计学意义（均P<0.001，表2和4），将以上指标纳入二元logistic回归模型，多因素分析结果显示Ktrans和ADC值是PCa的预测因子（OR=1.005，P=0.010；OR=0.992，P<0.001）（表8），二者联合预测PCa的AUC为0.956（Z=33.83，P<0.001），优于Ktrans和ADC值（Z=3.28、2.41，均P<0.05），与联合模型相当（Z=0.40，P=0.690）；当截断值>0.414时，灵敏度为88.24%，特异度为91.30%。

点击查看表格

表8

动态增强MRI中Ktrans、Kep、Ve、ADC参数及PSAD诊断PCa的logistic回归分析

表8

动态增强MRI中Ktrans、Kep、Ve、ADC参数及PSAD诊断PCa的logistic回归分析

项目	OR值（95%CI）	P值
Ktrans	1.005（1.001~1.010）	0.010
Kep	1.000（0.999~1.001）	0.597
Ve	1.005（0.999~1.011）	0.087
ADC	0.992（0.989~0.995）	<0.001
PSAD	2.028（0.477~8.623）	0.338

注：PSAD为前列腺特异性抗原密度；PCa为前列腺癌；Ktrans为容积转移常数；Kep为速率常数；Ve为血管外细胞外体积分数；ADC为表观扩散系数

讨论

既往研究中关于Ktrans、Kep、Ve和ADC值联合PSAD鉴别非PCa和PCa、低危PCa和中高危PCa的文献鲜有报道。本研究分析了5个指标单独及联合鉴别非PCa和PCa、4个指标单独及联合鉴别低危PCa和中高危PCa的效能；确定了PCa的预测因子，并评价了各预测因子的联合预测效能。结果显示鉴别非PCa和PCa时，联合模型的效能最大，Ktrans和ADC值是PCa的预测因子，二者联合预测PCa效能与联合模型相当；鉴别低危PCa和中高危PCa时，联合模型的诊断效能最大，且与ADC值相当。

Ktrans反映对比剂经血浆向血管外细胞外扩散的能力（摄取对比剂的能力），受组织血浆流量和血管通透性的影响；Kep反映对比剂从血管外细胞外间隙返回血浆的能力；Ve反映血管外细胞外间隙的比例。本研究结果显示PCa组的Ktrans、Kep、Ve值均显著高于非PCa组，这与Ma等^［14］研究结果类似，提示Ktrans、Kep和Ve值有助于鉴别前列腺良恶性病变；这可能由于PCa组织内富有大量新生血管^［15］，血管迅速生长、血管通透性增加，血管生长导致血管内皮细胞间隙增加，从而Ktrans和Kep值增加。本研究结果显示中高危PCa组的Ktrans和Kep值均显著高于低危PCa组，提示Ktrans和Kep值在一定程度上可以反映肿瘤的恶性程度；但Ve值无显著差异。Park等^［16］研究结果得出前列腺癌Gleason 6分组和Gleason≥7分组的Ve值具有显著差异，这与本研究的结果不一致，可能与肿瘤的血管分布不均匀，影响血流的时空分布平衡、血管外细胞外间隙容积、组织静水压和缺血分数等因素，导致了Ve值的可变性有关^［17］。

ADC值可以反映肿瘤的微环境，如细胞膜完整性和细胞密度^［18］。本研究结果表明PCa组的ADC值显著低于非PCa组、中高危PCa组的ADC值显著低于低危PCa组，这可能由于ADC值与细胞密度有关，肿瘤组织细胞排列紧密，水分子运动受限，ADC值减低；肿瘤恶性程度越高，细胞排列越紧密，水分子运动越受限，ADC值越低。此外有研究亦表明ADC值可用于PCa的危险分层^{［19, 20］}。

Ma等^［14］研究分析了DCE和DWI定量参数诊断PCa的效能，研究得出Ktrans+Kep+Ve+ADC联合诊断的效能（AUC=0.940）最高，Zhu等^［17］研究结果得出诊断PCa时，Ktrans、Kep和ADC的AUC分别为0.665、0.658和0.782，而Ktrans+Kep+ADC的AUC为0.904；提示诊断PCa时，联合诊断的效能优于单一指标。此外，已有研究探讨双参数MRI联合PSAD诊断中高危PCa的诊断效能^［21］，并且PSAD能够消除前列腺体积变化对PSA的影响，更加真实地反映腺体的破坏情况。因此，本研究在Ktrans、Kep、Ve和ADC值的基础上，联合PSAD进行研究，结果显示鉴别非PCa和PCa病变时，联合模型的效能最高（AUC=0.958），ADC值和Ktrans次之；此外，logistic回归模型显示Ktrans和ADC值是PCa的预测因子，二者联合预测的效能与联合模型相当，提示ADC值和Ktrans可作为诊断PCa的主要指标；鉴别低危PCa和中高危PCa病变时，联合模型的诊断效能（AUC=0.933）与ADC值（AUC=0.862）相当，PSAD次之，提示ADC值是PCa危险分层最重要的指标，PSAD亦可以作为主要指标。此外，诊断PCa时，本研究中Ktrans、Kep和ADC值的AUC较Ma等^［14］和Zhu等^［17］研究有所提高，可能与纳入的病例数、不同Gleason评分的PCa比例存在差异有关，还可能与DISCO和MUSE-DWI具有更高的空间和时间分辨率有关，这有待进一步的临床研究验证。

本研究的不足：（1）病理结果大多数来自穿刺活检标本，较难与MRI病灶完全一一对应；（2）ROI仅勾画最大层面及其上下两个层面方便临床应用，但涉及一定程度的主观性；（3）低危PCa病例数偏少。

综上所述，DISCO和MUSE-DWI联合PSAD可以鉴别前列腺良恶性病变，Ktrans和ADC值是PCa的预测因子；Ktrans、Kep、ADC值和PSAD有助于预测PCa的生物学行为。

引用本文：

陈志强, 张丹, 王卓, 等. DISCO和MUSE-DWI联合前列腺特异性抗原密度在前列腺癌的诊断及危险分层中的价值[J]. 中华医学杂志, 2023, 103(19): 1461-1468. DOI: 10.3760/cma.j.cn112137-20221018-02176.

利益冲突

利益冲突：

所有作者均声明不存在利益冲突

参考文献

[1]

YangL, TanY, DanH, et al. Diagnostic performance of diffusion-weighted imaging combined with dynamic contrast-enhanced magnetic resonance imaging for prostate cancer: a systematic review and meta-analysis[J]. Acta Radiol, 2021, 62(9):1238-1247. DOI: 10.1177/0284185120956269.

[2]

TamadaT, PrabhuV, LiJ, et al. Prostate cancer: diffusion-weighted MR imaging for detection and assessment of aggressiveness-comparison between conventional and kurtosis models[J]. Radiology, 2017, 284(1):100-108. DOI: 10.1148/radiol.2017162321.

[3]

Sanz-RequenaR, Martí-BonmatíL, Pérez-MartínezR, et al. Dynamic contrast-enhanced case-control analysis in 3T MRI of prostate cancer can help to characterize tumor aggressiveness[J]. Eur J Radiol, 2016, 85(11):2119-2126. DOI: 10.1016/j.ejrad.2016.09.022.

[4]

SaranathanM, RettmannDW, HargreavesBA, et al. Variable spatiotemporal resolution three-dimensional Dixon sequence for rapid dynamic contrast-enhanced breast MRI[J]. J Magn Reson Imaging, 2014, 40(6):1392-1399. DOI: 10.1002/jmri.24490.

[5]

HuY, IkedaDM, PittmanSM, et al. Multishot diffusion-weighted MRI of the breast with multiplexed sensitivity encoding (MUSE) and shot locally low-rank (Shot-LLR) reconstructions[J]. J Magn Reson Imaging, 2021, 53(3):807-817. DOI: 10.1002/jmri.27383.

[6]

KimYY, KimMJ, GhoSM, et al. Comparison of multiplexed sensitivity encoding and single-shot echo-planar imaging for diffusion-weighted imaging of the liver[J]. Eur J Radiol, 2020, 132:109292. DOI: 10.1016/j.ejrad.2020.109292.

[7]

IchikawaS, MotosugiU, OishiN, et al. Ring-like enhancement of hepatocellular carcinoma in gadoxetic acid-enhanced multiphasic hepatic arterial phase imaging with differential subsampling with cartesian ordering[J]. Invest Radiol, 2018, 53(4):191-199. DOI: 10.1097/RLI.0000000000000428.

[8]

郭亚飞, 陆林, 赵鑫, 等. DISCO成像技术在乳腺良恶性病变中的诊断价值[J]. 郑州大学学报(医学版), 2021, 56(3):397-400. DOI: 10.13705/j.issn.1671-6825.2020.08.140.

[9]

Daimiel NaranjoI, Lo GulloR, MorrisEA, et al. High-spatial-resolution multishot multiplexed sensitivity-encoding diffusion-weighted imaging for improved quality of breast images and differentiation of breast lesions: a feasibility study[J]. Radiol Imaging Cancer,2020, 2(3):e190076. DOI: 10.1148/rycan.2020190076.

[10]

DonatiF, BoraschiP, CervelliR, et al. 3 T MR perfusion of solid pancreatic lesions using dynamic contrast-enhanced DISCO sequence: usefulness of qualitative and quantitative analyses in a pilot study[J]. Magn Reson Imaging, 2019, 59:105-113. DOI: 10.1016/j.mri.2019.03.001.

[11]

ChangHC, ChenG, ChungHW, et al. Multi-shot diffusion-weighted MRI with multiplexed sensitivity encoding (MUSE) in the assessment of active inflammation in Crohn′s disease[J]. J Magn Reson Imaging, 2022, 55(1):126-137. DOI: 10.1002/jmri.27801.

[12]

NordströmT, AkreO, AlyM, et al. Prostate-specific antigen (PSA) density in the diagnostic algorithm of prostate cancer[J]. Prostate Cancer Prostatic Dis, 2018, 21(1):57-63. DOI: 10.1038/s41391-017-0024-7.

[13]

化宏金, 张智弘. 基于前列腺癌Gleason评分系统的新分级系统[J]. 中华病理学杂志, 2016, 45(7):495-497. DOI: 10.3760/cma.j.issn.0529-5807.2016.07.020.

[14]

MaXZ, LvK, ShengJL, et al. Application evaluation of DCE-MRI combined with quantitative analysis of DWI for the diagnosis of prostate cancer[J]. Oncol Lett, 2019, 17(3):3077-3084. DOI: 10.3892/ol.2019.9988.

[15]

KaygusuzG, TulunayO, BaltaciS, et al. Microvessel density and regulators of angiogenesis in malignant and nonmalignant prostate tissue[J]. Int Urol Nephrol, 2007, 39(3):841-850. DOI: 10.1007/s11255-006-9144-z.

[16]

ParkH, KimSH, KimJY. Dynamic contrast-enhanced magnetic resonance imaging for risk stratification in patients with prostate cancer[J]. Quant Imaging Med Surg, 2022, 12(1):742-751. DOI: 10.21037/qims-21-455.

[17]

ZhuG, LuoJ, OuyangZ, et al. The assessment of prostate cancer aggressiveness using a combination of quantitative diffusion-weighted imaging and dynamic contrast-enhanced magnetic resonance imaging[J]. Cancer Manag Res, 2021, 13:5287-5295. DOI: 10.2147/CMAR.S319306.

[18]

BollineniVR, KramerG, LiuY, et al. A literature review of the association between diffusion-weighted MRI derived apparent diffusion coefficient and tumour aggressiveness in pelvic cancer[J]. Cancer Treat Rev, 2015, 41(6):496-502. DOI: 10.1016/j.ctrv.2015.03.010.

[19]

ShaishH, KangSK, RosenkrantzAB. The utility of quantitative ADC values for differentiating high-risk from low-risk prostate cancer: a systematic review and meta-analysis[J]. Abdom Radiol (NY), 2017, 42(1):260-270. DOI: 10.1007/s00261-016-0848-y.

[20]

宋娜, 王涛, 张丹, 等. 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.

[21]

LeeSJ, OhYT, JungDC, et al. Combined analysis of biparametric MRI and prostate-specific antigen density: role in the prebiopsy diagnosis of Gleason Score 7 or greater prostate cancer[J]. AJR Am J Roentgenol, 2018, 211(3):W166-W172. DOI: 10.2214/AJR.17.19253.

贡献者信息

陈志强

宁夏医科大学总医院放射科，银川　750004

张丹

宁夏医科大学临床医学院，银川　750004

王卓

宁夏医科大学临床医学院，银川　750004

宋娜

宁夏医科大学临床医学院，银川　750004

马爱玲

宁夏医科大学总医院病理科，银川　750004

张少茹

宁夏医科大学临床医学院，银川　750004

蔡磊

宁夏医科大学总医院放射科，银川　750004

通信作者

陈志强

宁夏医科大学总医院放射科，银川　750004

Email：zhiqiang_chen99@163.com

关键词

放射学; 前列腺癌; 基于笛卡尔采集的K空间共享三维容积快速动态成像; 基于复合灵敏度编码的高分辨率扩散成像; 前列腺特异性抗原密度; 横断面研究;

基金项目

宁夏回族自治区重点研发计划（2019BEG03033）

宁夏自然科学基金（2022AAC03472）

作者声明

作者贡献声明

陈志强：研究指导、论文撰写、论文修改、经费支持；张丹：试验设计、统计学分析、论文撰写；王卓、宋娜、张少茹：整理数据；马爱玲：病理支持；蔡磊：临床支持

陈志强现在海南医学院第一附属医院放射科，海口 570102

利益冲突

利益冲突：

所有作者均声明不存在利益冲突

历史

出版日期：2023-05-23

收稿日期：2022-10-18

本文编辑

李君

Application of MRI in the Diagnosis and Treatment of Prostate Cancer

The value of DISCO and MUSE-DWI combined with prostate specific antigen density in the diagnosis and risk stratification of prostate cancer

Chen Zhiqiang, Zhang Dan, Wang Zhuo, Song Na, Ma Ailing, Zhang Shaoru, Cai Lei

Published 2023-05-23

Cite as Natl Med J China, 2023, 103(19): 1461-1468. DOI: 10.3760/cma.j.cn112137-20221018-02176

Abstract

Objective

To explore the value of differential subsampling with cartesian ordering (DISCO) and multiplexed sensitivity-encoding diffusion weighted-imaging (MUSE-DWI) combined with prostate specific antigen density (PSAD) in the diagnosis and risk stratification of prostate cancer (PCa).

Methods

The data of 183 patients [aged from 48 to 86 (68±8) years] with prostate diseases in the General Hospital of Ningxia Medical University from July 2020 to August 2021 were retrospectively collected. Those patients were divided into non-PCa group (n=115) and PCa group (n=68) based on the disease condition. According to the risk degree, PCa group was subdivided into low risk PCa group (n=14) and medium-to-high risk PCa group (n=54). The differences of volume transfer constant (Ktrans), rate constant (Kep), extracellular volume fraction (Ve), apparent diffusion coefficient (ADC) and PSAD between groups were analyzed. Receiver operating characteristic (ROC) curves analysis were conducted for evaluating the diagnostic efficacy of quantitative parameters and PSAD in distinguishing non-PCa and PCa, low-risk PCa and medium-high risk PCa. Multivariate logistic regression model was used for screening out the predictors, which was statistically significant differences between non-PCa group and PCa group, for PCa prediction.

Results

Ktrans, Kep, Ve and PSAD of PCa group all were higher than those of non-PCa group, and ADC value was lower than that of non-PCa group, and the differences all were statistically significant (all P<0.001). Ktrans, Kep and PSAD of medium-to-high risk PCa group all were higher than those of low risk PCa group, and ADC value was lower than that of low risk PCa group, and the differences were all statistically significant (all P<0.001). When distinguishing non-PCa from PCa, the area under ROC curve (AUC) of the combined model (Ktrans+Kep+Ve+ADC+PSAD) was higher than that of any single index [0.958 (95%CI: 0.918-0.982) vs 0.881 (95%CI: 0.825-0.924), 0.836 (95%CI: 0.775-0.887), 0.672 (95%CI: 0.599-0.740), 0.940(95%CI: 0.895-0.969), 0.816(95%CI:0.752-0.869), all P<0.05]. When distinguishing low-risk PCa and medium-to-high risk PCa, the AUC of the combined model (Ktrans+Kep+ADC+PSAD) were higher than those of Ktrans, Kep and PSAD[0.933 (95%CI: 0.845-0.979) vs 0.846 (95%CI:0.738-0.922), 0.782 (95%CI:0.665-0.873), 0.84 8(95%CI: 0.740-0.923), all P<0.05]. The multivariate logistic regression analysis showed that Ktrans (OR=1.005, 95%CI:1.001-1.010) and ADC values (OR=0.992, 95%CI:0.989-0.995) were predictors of PCa (P<0.05).

Conclusions

DISCO and MUSE-DWI combined with PSAD can distinguish benign and malignant prostate lesions. Ktrans and ADC values were predictors of PCa; Ktrans, Kep, ADC values and PSAD are helpful in predicting the biological behavior of PCa.

Key words:

Radiology; Prostate cancer; Differential subsampling with cartesian ordering; Multiplexed sensitivity-encoding Diffusion-weighted imaging; Prostate specific antigen density; Cross-sectional study

Contributor Information

Chen Zhiqiang

Department of Radiology, General Hospital of Ningxia Medical University, Yinchuan 750004, China

Zhang Dan

Clinical Medicine School of Ningxia Medical University, Yinchuan 750004, China

Wang Zhuo

Clinical Medicine School of Ningxia Medical University, Yinchuan 750004, China

Song Na

Clinical Medicine School of Ningxia Medical University, Yinchuan 750004, China

Ma Ailing

Department of Pathology, General Hospital of Ningxia Medical University, Yinchuan 750004, China

Zhang Shaoru

Clinical Medicine School of Ningxia Medical University, Yinchuan 750004, China

Cai Lei

Department of Radiology, General Hospital of Ningxia Medical University, Yinchuan 750004, China

共有条评论

验证码

本文被引情况 CSCD: 0次万方数据： 0次 Scopus: 0次

施引文献(最多仅列5条文献，进入CSCD官网发现更多)

未获取施引文献信息...

暂无相关资源