分享:
分享到微信朋友圈
X
临床研究
全病灶ADC直方图分析在直肠癌组织学分级的临床应用研究
董立杰 张林 杲霄源 姜兴岳 孟红秀 田春梅 陈亮

Cite this article as: Dong LJ, Zhang L, Gao XY, et al. Clinical application of whole-volume apparent diffusion coefficient histogram parameters of histological grading rectal adenocarcinoma[J]. Chin J Magn Reson Imaging, 2022, 13(7): 48-54.本文引用格式:董立杰, 张林, 杲霄源, 等. 全病灶ADC直方图分析在直肠癌组织学分级的临床应用研究[J]. 磁共振成像, 2022, 13(7): 48-54. DOI:10.12015/issn.1674-8034.2022.07.009.


[摘要] 目的 探究基于肿瘤整体体积的表观扩散系数(apparent diffusion coefficient, ADC)直方图分析在直肠癌组织学分级中的临床作用。材料与方法 回顾性分析121例直肠癌患者资料,所有患者术前均行3.0 T MRI检查。采用FireVoxel软件勾画兴趣区并进行直方图分析,通过方差分析比较直肠癌不同组织学分级的直方图参数[ADC最小值(ADCmin)、ADC最大值(ADCmax)、ADC平均值(ADCmean)、第5、10、25、50、75、90、95百分位数值域、偏度、峰度]。Spearman相关检验分析组织学分级与直方图参数之间的相关性。用logistic回归找出最优组合模型。并利用受试者工作特征(receiver operating characteristic, ROC)曲线分析直方图参数对于直肠癌分化程度的诊断能力。结果 直方图参数ADCmean、第75、90百分位、偏度和峰度在高、中和低分化的直肠癌之间有显著性差异(P<0.05)。直肠癌分化程度与上述直方图参数之间存在相关性(r=0.548、0.568、0.563、-0.555,-0.760,P<0.05)。在ADC直方图参数中,峰度在区分低分化直肠癌和高分化/中分化直肠癌时达到了最高ROC曲线下面积(area under the curve, AUC)值,为0.918,最佳截止值为2.045。ADCmean、第75、90百分位、偏度和峰度的组合产生了最高的AUC,为0.928。结论 基于全病灶ADC直方图分析可用于预测直肠癌的组织学分级,并且ADCmean、第75、90百分位、偏度和峰度组合可能是区分低、中高分化直肠癌的最佳选择。
[Abstract] Objective To explore the role of whole-lesion histogram analysis of apparent diffusion coefficient (ADC) in discriminating histological grades of rectal carcinoma.Materials and Methods Altogether, 121 patients with rectal cancer were enrolled in this retrospective study. All patients received preoperative 3.0 T MRI scan. The regions of interest (ROIs) were drawn by FireVoxel software and histogram analysis was carried out. The parameters, which include ADCmin, ADCmax, ADCmean, 5th, 10th, 25th, 50th, 75th, 90th, 95th percentiles, skewness, and kurtosis, and were compared between different histological grades of rectal cancer by variance analysis. The Spearman correlation test was used to analyze correlations between histological grade and histogram parameters. Logistic regression was used to find out the optimal combination model. The diagnostic performance of individual parameters for distinguishing different differentiated tumors was assessed by receiver operating characteristic (ROC) curve analysis.Results There were significant differences for ADCmean, 75th, 90th percentiles, skewness, and kurtosis of diffusion weighted imaging sequence between well, moderately, and poorly differentiated rectal cancers (P<0.05). Significant correlations were noted between histological grades and the above histogram parameters (r=0.548, 0.568, 0.563, -0.555, -0.760, respectively, P<0.05). Among the histogram parameter, kurtosis achieved the highest area under the curve (AUC) of 0.918 with an optimal cutoff value of 2.045 in distinguishing poorly from well/moderately differentiated rectal cancers. The combination of ADCmean, 75th percentile, 90th percentile, skewness and kurtosis yielded the highest AUC of 0.928.Conclusions Quantitative whole-lesion ADC histogram analysis parameters, which include ADCmean, 75th, 90th percentiles, skewness, and kurtosis, could help differentiate histological grades of rectal cancer. The combination of ADCmean, 75th percentile, 90th percentile, skewness and kurtosis may be the best choice.
[关键词] 直肠癌;磁共振成像;表观扩散系数;直方图分析;组织学分级
[Keywords] rectal cancer;magnetic resonance imaging;apparent diffusion coefficient;histogram analysis;histological grade

董立杰 1   张林 1   杲霄源 1   姜兴岳 1   孟红秀 2   田春梅 3   陈亮 1*  

1 滨州医学院附属医院放射科,滨州 256603

2 无棣县人民医院消化内科,滨州 251900

3 滨州医学院附属医院儿科,滨州 256603

陈亮,E-mail:byfychl@163.com

作者利益冲突声明:全体作者均声明无利益冲突。


基金项目: 山东省自然科学基金项目 ZR2018LH015 滨州医学院科技计划项目 BY2019KJ29
收稿日期:2022-03-22
接受日期:2022-07-04
中图分类号:R445.2  R735.37 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2022.07.009
本文引用格式:董立杰, 张林, 杲霄源, 等. 全病灶ADC直方图分析在直肠癌组织学分级的临床应用研究[J]. 磁共振成像, 2022, 13(7): 48-54. DOI:10.12015/issn.1674-8034.2022.07.009

       直肠腺癌是胃肠道常见的恶性肿瘤,约占胃肠道恶性肿瘤的24.7%;近年来,中国结直肠癌发病率及死亡率呈现明显上升趋势,分别居于第三位、第二位[1]。无淋巴、血行转移并局限于黏膜或黏膜下层的高-中分化直肠癌可直接内镜下切除;低分化直肠癌需要先行新辅助放化疗(chemoradiotherapy, CRT)后再行手术治疗[2]。术前组织学分级非常重要,临床上采用内镜下病理组织学活检确定肿瘤组织学分级,但是存在组织学分级准确性较低的缺陷。术前影像学检查是直肠癌治疗方案的重要依据,包括超声内镜、电子计算机断层扫描(computer tomography, CT)、正电子发射计算机断层显像(positron emission tomography-computed tomography, PET-CT)及MRI等。超声内镜可早期检测直肠癌肠壁内的肿瘤侵袭深度,但难以检测到较小或距离肿瘤较远的淋巴结;CT检查对远处转移瘤进行筛查,但不能显示病变侵犯肠壁的深度;PEC-CT可用于复发性病灶的检出与评估,但不推荐用于直肠癌的局部病灶浸润深度、直肠周围血管侵犯的评估。MRI既可以评估直肠癌的局部病灶浸润深度、直肠周围血管是否侵犯,也可以检测到周围淋巴结的转移[3],是直肠癌术前评估及新辅助放化疗后再评估的重要方法[4]

       扩散加权成像(diffusion weighted imaging, DWI)可以通过表示肿瘤组织中水分子的扩散受限程度来反映肿瘤的恶性程度。表观扩散系数(apparent diffusion coefficient, ADC)是DWI反映组织内水分子运动情况的定量指标。既往研究证实ADC值与直肠癌的分期具有相关性[5],并且多采用在肿瘤最大层面勾画圆形ROI计算平均值的方法;若肿瘤体积较大时,内部病理成分显然不单一,测量单层面的ADC值必然存在局限性,从而会导致部分诊断信息的缺失。而ADC直方图分析作为影像组学一阶数据分析方法,通过计算整个组织内部ADC值分布情况,为肿瘤组织提供定量信息[6];并且可以将ROI面积缩小至单个像素的大小,并描述各ADC值像素的频数分布情况,这种方法可以通过对病灶的多个影像层面乃至全部影像层面进行整体分割来消除传统ROI勾画方式的主观选择性偏差[7]。既往研究发现ADC直方图分析可用于评估前列腺癌[8, 9]、胃癌[10]、子宫内膜癌[11, 12]的病理分级。蒋恒等[13]发现ADC直方图分析在直肠癌TNM分期中具有一定的价值;但是全病灶ADC直方图分析在直肠癌组织学分化方面的应用尚未有很好的报道。因此,本研究探讨通过术前ADC直方图分析中各个参数与直肠癌组织学分化程度的相关性,为治疗方案的制订及直肠癌预后评估提供参考信息。

1 材料与方法

1.1 研究对象

       本研究经滨州医学院伦理委员会批准,免除受试者知情同意,批准文号:LW-25。本研究为回顾性研究,选取2021年1月至2021年12月滨州医学院附属医院收治的132例直肠癌患者资料为研究对象。纳入标准:(1)MRI检查前组织活检明确为直肠腺癌,活检和MRI扫描之间的时间间隔大于等于3 d;(2)MRI检查前患者均未接受任何相关治疗;(3)术前有完整的MRI平扫以及ADC影像学资料;(4)术后取得完整的病理结果。排除标准:(1)因身体不能耐受或因肝、网膜等广泛转移而未行手术根治性切除术者;(2)ADC图像质量差;(3)术后病理确诊为黏液癌。最终纳入研究的病例数为121例,其中男72例,女49例,年龄31~82(56.4±10.5)岁。

1.2 研究方法

1.2.1 MRI检查

       患者MRI图像采集采用3.0 T超导MR扫描仪(General Electric Company,美国,GE 750w),应用16通道体表相控阵列线圈进行扫描。所有患者取仰卧位,头先进,行直肠MRI平扫以及DWI扫描。患者不使用抗痉挛药物。成像方案包括:轴位T1快速自旋回波(fast spin echo, FSE)序列、轴位T2 FSE序列、矢状位T2 FSE序列、冠状位T2 FSE序列以及轴位DWI序列。T1 FSE序列参数:TR/TE 700 ms/10 ms;层厚 3 mm;层间距0.5 mm;FOV 360 mm×360 mm;矩阵256×192;重聚翻转角度111°。轴位T2 FSE序列参数:TR/TE 5795 ms/115 ms;层厚 3 mm;层间距 0.5 mm;FOV 360 mm×360 mm;矩阵 320×256;重聚翻转角度111°。矢状位T2 FSE序列参数:TR/TE 6032 ms/117 ms;层厚3 mm;层间距0.3 mm;FOV 260 mm×260 mm;矩阵 320×256;重聚翻转角度111°。冠状位T2 FSE序列参数:TR/TE 6156 ms/118 ms;层厚3.5 mm;层间距0.5 mm;FOV 240 mm×240 mm;矩阵320×256;重聚翻转角度111°。轴位成像与矢状位T2序列所示的直肠肿瘤长轴垂直。DWI扫描参数:TR/TE 6200 ms/73.5 ms;层厚5 mm;层间距0.5 mm;矩阵128×64;FOV 200 mm×100 mm;b值取0和1000 s/mm2

1.2.2 图像分析及数据处理

       所有的图像数据通过Firevoxel软件(https://files.nyu.edu/hr18/public/projects.html)进行分析。由2名具有6年以上腹盆部MRI诊断经验的放射科诊断医师用双盲法对每例患者MRI图像共同评估;如果出现分歧,由另一位有25年腹盆部MRI诊断经验的放射科医生做最终决定。直肠癌以直肠壁不规则增厚或腔内肿物病变为特征,T2WI呈中高信号,DWI呈高信号。在DWI图像(b=1000 s/mm2)上,诊断医师利用T2WI序列作为参考标准,沿着整个病变的边缘直接勾画ROI,勾画出的ROI覆盖每层病变的边缘,并沿直肠壁内缘绘制,以避开腔内气体、水和其他内容物。勾画完覆盖整个直肠癌病灶的所有ROI后,自动生成基于体素的ADC直方图,相应参数如下:ADC最小值(ADCmin)、ADC最大值(ADCmax)、ADC平均值(ADCmean)、第5、10、25、50、75、90和95百分位、偏度、峰度和肿瘤体积。ADC直方图横坐标代表ADC值的大小,纵坐标代表相应ADC值对应的体素频数。导出每个病灶对应的频率表,通过SPSS 22.0(IBM,Armonk,NY,USA)计算上述直方图参数。

1.2.3 手术及病理

       全直肠系膜切除术(total mesorectal excision, TME)和MRI扫描之间的中位时间间隔为3 d(范围为1~5 d)。通过苏木精和伊红染色对手术标本进行组织病理学评价。切除的手术标本的宏观和显微组织学分析由有10年胃肠道肿瘤诊断经验的病理学专家进行。根据第5版世界卫生组织(World Health Organization, WHO)结肠直肠肿瘤组织学分级标准评估和记录直肠癌的分化程度[14]

1.3 统计学分析

       采用SPSS 22.0(IBM,Armonk,NY,USA)软件进行统计分析。使用组内相关系数(intraclass correlation coefficient, ICC)检验评估观察者间变异。采用Kolmogorov-Smirnov检验对直方图参数进行正态性检验。根据正态分布检验的结果,符合正态分布的资料采用方差分析,不符合正态分布的资料采用Kruskal-Wallis H检验比较不同分化程度的直方图参数。用Spearman相关分析检验得到的ADC直方图参数与分化程度之间的关系(0.00~0.19为很弱;0.20~0.39为弱相关;0.40~0.59为中等相关;0.60~0.79为明显相关;0.80~1.00为显著相关)。用logistic回归建立预测模型,采用ROC曲线分析评估模型预测性能,判断直方图参数在鉴别低分化与中/高分化直肠腺癌中的诊断效能。检测AUC以评估每个直方图参数的诊断能力,包括ADC测量值、偏度和峰度。以P<0.05为差异具有统计学意义。用MedCalc软件中的Delong检验进行AUC的比较。

2 结果

2.1 组织病理学研究

       患者及肿瘤特征如表1所示。所有121例患者均接受了手术,且组织病理学检查结果显示32例(26.4%)直肠腺癌分化良好,72例(59.5%)为中等分化,17例(14.0%)为低分化。肿瘤体积为1.44~30.08(11.11±6.85)cm3

表1  患者临床资料及病理诊断
Tab. 1  Clinical data and pathological diagnosis of patients

2.2 全病灶直肠癌不同分化程度的ADC直方图参数分析

       基于全病灶的直肠癌不同分化程度的ADC直方图参数如表2所示。在高、中、低分化直肠癌中ADC直方图参数ADCmean、第75、90百分位、偏度和峰度差异均有统计学意义(P<0.05),而在低、中分化直肠癌中ADC第5、10、25、50、95百分位的差异无统计学意义(P>0.05)。其他参数包括ADCmin、ADCmax、肿瘤体积差异无统计学意义(P>0.05)。图1, 2, 3分别显示了高分化、中分化和低分化直肠癌的典型病例。

图1  男,65岁,高分化直肠腺癌。1A:横轴位T2WI图像显示直肠中段直肠壁不规则增厚,呈中等信号强度;1B:对应相同病灶的扩散加权成像(DWI)重建表观扩散系数(ADC)测量;1C:基于全病灶ADC直方图,直方图参数ADCmean、第75、90百分位依次为:1644.78×10-6 mm2/s、2054.00×10-6 mm2/s、2363.00×10-6 mm2/s,偏度=0.1459,峰度=-0.8894;1D:组织病理学(HE 10×4)图像显示侵袭直肠壁浅肌层的高分化癌。
Fig. 1  A 65-year-old male patient with well-differentiated rectal adenocarcinoma. 1A: An axial T2-weighted image showing irregular thickening of the rectal wall with intermediate signal intensity in the middle segment of the rectum. 1B: The corresponding diffusion weighted imaging (DWI) with the identical the reconstruction of apparent diffusion coefficient (ADC) measurements. 1C: A whole-lesion histogram based on the DWI technique. The ADCmean, 75th, 90th percentiles are 1644.78×10-6 mm2/s, 2054.00×10-6 mm2/s, 2363.00×10-6 mm2/s, respectively; skewness=0.1459 and kurtosis=-0.8894. 1D: Histopathological staining image (HE 10×4) shows a well-differentiated adenocarcinoma invading the superficial muscular layer of the rectal wall.
图2  女,62岁,中分化直肠腺癌。2A:横轴位T2WI图像显示直肠下段直肠壁不规则增厚,呈中等信号强度;2B:对应相同病灶的扩散加权成像(DWI)重建表观扩散系数(ADC)测量;2C:基于全病灶ADC直方图,直方图参数ADCmean、第75、90百分位依次为917.76×10-6 mm2/s、1060.00×10-6 mm2/s、1376.00×10-6 mm2/s,偏度=1.2882,峰度=1.8077;D:组织病理学(HE 10×4)图像显示侵袭直肠壁肌层的中分化癌。
Fig. 2  A 62-year-old female patient with moderately-differentiated rectal adenocarcinoma. 2A: An axial T2-weighted image showing irregular thickening of the rectal wall with intermediate signal intensity in the lower segment of the rectum. 2B: The corresponding diffusion weighted imaging (DWI) with the same lesion for the reconstruction of apparent diffusion coefficient (ADC) measurements. 2C: Whole-lesion histogram based on the DWI technique. The ADCmean, 75th, 90th percentiles were 917.76×10-6 mm2/s, 1060.00×10-6 mm2/s, 1376.00×10-6 mm2/s, respectively; skewness=1.2882 and kurtosis =1.8077. 2D: Histopathological staining image (HE 10×4) shows a moderate differentiated adenocarcinoma invading the whole layer of the rectal wall.
图3  男,70岁,低分化直肠腺癌。3A:横轴位T2WI图像显示直肠上段直肠壁不规则增厚,呈中等信号强度;3B:对应相同病灶的扩散加权成像(DWI)重建表观扩散系数(ADC)测量;3C:基于全病灶ADC直方图,直方图参数ADCmean、第75、90百分位依次为844.10×10-6 mm2/s、930.00×10-6 mm2/s、1075.00×10-6 mm2/s,偏度=2.6392,峰度=5.1348;D:组织病理学(HE 10×4)图像显示低分化腺癌浸润整个直肠壁及周围脂肪组织。
Fig. 3  A 70-year-old male patient with poorly differentiated rectal adenocarcinoma. 3A: An axial T2-weighted image showing irregular thickening of the rectal wall with intermediate signal intensity in the lower segment of the rectum. 3B: The corresponding diffusion weighted imaging (DWI) with the same lesion for the reconstruction of apparent diffusion coefficient (ADC) measurements. 3C: A whole-lesion histogram based on the DWI technique. The ADCmean, 75th, 90th percentiles were 844.10×10-6 mm2/s, 930.00×10-6 mm2/s, 1075.00×10-6 mm2/s, respectively; skewness=2.6392 and kurtosis=5.1348. 3D: Histopathological staining image (HE 10×4) shows a poorly differentiated adenocarcinoma invading the whole layer of the rectal wall and surrounding adipose tissues.
表2  直肠癌组织分化程度的表观扩散系数(ADC)直方图参数
Tab. 2  Apparent diffusion coefficient histogram parameters for degrees of histological differentiation of rectal cancer

2.3 全病灶ADC直方图参数与直肠癌组织学分化程度的相关性研究

       直肠癌组织分化程度与直方图参数ADCmean、第50、75、90和95个百分位数、偏度和峰度之间存在相关性(P<0.05)(表3)。在直方图参数中,峰度与分化度的相关性最强,为-0.760(95% CI:-0.850~-0.647)。

表3  全病灶ADC直方图参数与直肠癌组织学分化程度的相关性研究
Tab. 3  Correlation coefficients between differentiation degrees of rectal cancer and apparent diffusion coefficient parameters

2.4 全病灶ADC的直方图参数对直肠癌鉴别分化程度的ROC曲线分析比较。

       在与直肠癌分化程度具有相关性的ADC直方图参数中,其ROC曲线分析结果显示(表4),在鉴别低分化和中/高分化直肠癌时,最高AUC为峰度,AUC为0.918(95% CI: 0.855~0.960),而最低AUC为ADCmean,AUC为0.744;峰度的最佳阈值为2.045,敏感度为96.2%,特异度为83.3%。将具有相关性的ADC直方图参数进行logistic向前-LR回归分析并构建最佳模型,结果显示ADCmean、第75、90百分位数、偏度及峰度组合是最佳预测模型(P<0.05)。第75、90百分位数、偏度及峰度组合(AUC=0.927,P<0.001)的AUC高于相应的个体参数,尽管与偏度、峰度之间差异没有统计学意义,但与其他个体参数相比差异均有统计学意义(表5表6图4)。

图4  受试者工作特征(ROC)曲线。基于全病灶表观扩散系数(ADC)直方图分析技术鉴别良/中/低分化直肠癌的全病变直方图参数ADCmean、第75、90百分位、偏度、峰度和五个参数的组合的ROC曲线下面积(AUC)分别为0.744、0.759、0.766、0.838、0.918和0.927。
Fig. 4  Receiver operating characteristic (ROC) curves demonstrating the sensitivity and specificity of whole-lesion histogram parameters for distinguishing well-/moderately vs. poorly differentiated rectal cancers based on the diffusion weighted imaging (DWI) technique. The areas under the curve (AUC) of ROC for ADCmean, 75th, 90th percentiles, skewness, kurtosis and and the combination of these five parameters were 0.744、0.759、0.766、0.838、0.918 and 0.927, respectively.
表4  中/高等分化与低分化直肠癌的ADC直方图参数的受试者工作特征曲线分析
Tab. 4  Receiver operating characteristic analysis of apparent diffusion coefficient histogram parameters for well/moderately vs. poorly differentiated tumors
表5  ADC直方图各参数之间的ROC曲线比较
Tab. 5  Comparison of receiver operating characteristic curve among ADC histogram parameters
表6  logistics回归模型参数
Tab. 6  Parameters of logistic regression model

3 讨论

       本研究结果显示全病灶直肠癌ADC直方图参数(包括ADCmean、第75、90百分位、偏度和峰度)可用于区分直肠癌的分化程度(P<0.05)。在ADC直方图参数中,ADCmean、第50、75、90和95个百分位数、偏度和峰度与直肠癌组织分化程度之间存在相关性(P<0.05),其中峰度与分化度的相关性最强(r=-0.760)。并且峰度在区分低分化和中/高分化直肠癌时AUC最高(0.918),最佳阈值为2.045,敏感度为96.2%,特异度为83.3%。而ADCmean、第75、90百分位数、偏度及峰度组合提高了直肠癌组织学分级的诊断效能(AUC=0.927,P<0.001),具有更高的特异度(86.8%)。

3.1 ADC直方图参数与直肠癌组织分化程度相关性分析

       对于肿瘤的大小与ADC参数值的相关性,各国学者得出了不同的结果。本研究结果显示肿瘤的大小与ADC值之间无相关性,这一结果与Tezcan等[15]研究者的研究结果相一致。原因可能是肿瘤生长过程中瘤体微血管环境复杂、分布不均,存在坏死、囊变等。

       本研究结果显示,基于全病灶ADC直方图参数ADCmean、第75、90百分位在评估直肠癌组织学分化程度时差异具有统计学意义;肿瘤ADC值在以上参数中随着直肠癌分化程度的升高而增高,与An等[11]和Gihr等[16]研究者在ADC直方图参数、评估子宫内膜癌和胶质瘤分级中的研究结果一致。但有研究发现,ADC直方图低百分位参数在肝癌[17]、胃癌[10]组织学分级中表现出更好的诊断性能。上述现象表明,ADC直方图参数的测量是量化肿瘤分级的有效工具,但是关于与肿瘤分级有关的是ADC直方图低百分位数还是高百分位数仍然存在争议。ADC直方图参数在评估不同器官的肿瘤生物学特征中发挥着不同的作用;对于直肠癌,高百分位数在组织学分级评价中具有显著意义。

       直方图的峰度是指在给定ROI范围内像素灰度强度分布形态陡缓程度,偏度是指在给定ROI范围内像素灰度强度分布的不对称性;峰度和偏度值越高,表明ROI成分的复杂性和病变异质性增加[18, 19]。本研究结果显示,直肠癌分化程度与直方图参数偏度、峰度之间存在相关性(r=-0.555、-0.760,P<0.05),其中峰度与分化度的相关性最强,为-0.760(95% CI:-0.850~-0.647)。峰度和偏度值随着直肠癌分化程度的降低而增大,这一结果与Liu等[20]的研究结果一致,其发现ADC直方图的偏度与胶质瘤分化程度具有显著相关性。这是因为低分化肿瘤的特征通常是正常腺体结构的消失和上皮极性的丧失,而对于中分化或高分化的直肠癌,在一定程度上保留了正常的腺结构和细胞排列。因此,偏度值和峰度值与直肠癌的组织学分化程度呈负相关。

3.2 各参数对组织分化程度相关性诊断效能的分析

       对于临床来说,术前鉴别低分化和中/高分化直肠癌是很重要的,因为低分化肿瘤与其预后、制订治疗方案有关[21],所以术前对直肠癌的组织分化程度的评估至关重要。我们的研究结果显示,ADC直方图参数ADCmean、75、90百分位、偏度、峰度的AUC值分别为0.744、0.759、0.766、0.838和0.918,其中峰度具有最大的AUC(0.918)。因此,这些参数可作为判别直肠癌组织学分化程度的有效预测指标。此外,ADCmean、第75、90百分数、偏度和峰度组合产生了最高的AUC,其特异度(86.8%)高于峰度的特异度(83.3%),说明其提高了对直肠癌组织学分级的诊断准确率。这一发现表明,ADCmean、第75、90百分数、偏度和峰度组合是评估直肠癌组织学分级的最有效指标。

       本研究有几个局限性:首先,本研究是基于不可避免的患者选择偏差的回顾性分析;其次,我们只应用0、1000 s/mm2的b值进行分析,而DWI的限制扩散b值越高越好,今后寻找最佳的b值和利用内相干运动是改进ADC测量结果的必要条件。

       综上所述,基于全病灶ADC直方图分析参数能为直肠癌组织学分化程度的诊断提供有价值的信息。较高的百分位数、偏度和峰度可能是术前评估直肠癌组织学分化程度的有用指标。

[1]
Sung H, Ferlay J, Siegel RL, et al. Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin, 2021, 71(3): 209-249. DOI: 10.3322/caac.21660.
[2]
Hasegawa S, Takahashi R, Hida K, et al. Revisiting the treatment strategy for rectal cancer through the pattern of local recurrence[J]. Eur J Surg Oncol, 2016, 42(11): 1674-1679. DOI: 10.1016/j.ejso.2016.05.014.
[3]
吕晗, 张晓燕, 刘文娟, 等. 结直肠癌病人影像学检查临床适用性评价指南(2021版)[J]. 中国实用外科杂志, 2021, 41(10): 1104-1110. DOI: 10.19538/j.cjps.issn1005-2208.2021.10.04.
Lü H, Zhang XY, Liu WJ, et al. Guideline for medical imaging clinical appropriateness in patients with colorectal cancer(2021 Edition)[J]. Chin J Pract Surg, 2021, 41(10): 1104-1110. DOI: 10.19538/j.cjps.issn1005-2208.2021.10.04.
[4]
Cianci R, Cristel G, Agostini A, et al. MRI for rectal cancer primary staging and restaging after neoadjuvant chemoradiation therapy: how to do it during daily clinical practice[J/OL]. Eur J Radiol, 2020, 131 [2022-03-22]. https://linkinghub.elsevier.com/retrieve/pii/S0720-048X(20)30427-7/fulltext. DOI: 10.1016/j.ejrad.2020.109238.
[5]
牟安娜, 李奎德, 蒲红, 等. 三种不同感兴趣区ADC值测量与直肠癌分期的关系[J]. 实用医学杂志, 2020, 36(11): 1519-1524. DOI: 10.3969/j.issn.1006-5725.2020.11.022.
Mou AN, Li KD, Pu H, et al. Investigation of the relationship between ADC measurements in three different region of interest selection and staging in rectal cancer[J]. J Pract Med, 2020, 36(11): 1519-1524. DOI: 10.3969/j.issn.1006-5725.2020.11.022.
[6]
Ozturk M, Polat AV, Selcuk MB. Whole-lesion ADC histogram analysis versus single-slice ADC measurement for the differentiation of benign and malignant soft tissue tumors[J/OL]. Eur J Radiol, 2021, 143 [2022-03-22]. https://www.ejradiology.com/article/S0720-048X(21)00415-0/fulltext. DOI: 10.1016/j.ejrad.2021.109934.
[7]
方少伯, 朱逸峰, 王绍武. 表观扩散系数直方图分析在肿瘤中的应用进展[J]. 国际医学放射学杂志, 2021, 44(6): 706-711. DOI: 10.19300/j.2021.Z18850.
Fang SB, Zhu YF, Wang SW. Apparent diffusion coefficient histogram analysis and its application in evaluation of tumors[J]. Int J Med Radiol, 2021, 44(6): 706-711. DOI: 10.19300/j.2021.Z18850.
[8]
Zhang Z, Xu HZ, Xue YN, et al. Risk stratification of prostate cancer using the combination of histogram analysis of apparent diffusion coefficient across tumor diffusion volume and clinical information: a pilot study[J]. J Magn Reson Imaging, 2019, 49(2): 556-564. DOI: 10.1002/jmri.26235.
[9]
龚梅林, 李莲, 李康, 等. 前列腺癌表观扩散系数与病理分级及淋巴转移的关系研究[J]. 中华男科学杂志, 2020, 26(10): 881-887. DOI: 10.13263/j.cnki.nja.2020.10.003.
Gong ML, Li L, Li K, et al. Relationship of ADC histogram parameters with pathological grade and lymph node metastasis of prostate cancer[J]. Natl J Androl, 2020, 26(10): 881-887. DOI: 10.13263/j.cnki.nja.2020.10.003.
[10]
Zhang YJ, Chen J, Liu S, et al. Assessment of histological differentiation in gastric cancers using whole-volume histogram analysis of apparent diffusion coefficient maps[J]. J Magn Reson Imaging, 2017, 45(2): 440-449. DOI: 10.1002/jmri.25360.
[11]
An T, Kim CK. Pathological characteristics and risk stratification in patients with stage I endometrial cancer: utility of apparent diffusion coefficient histogram analysis[J/OL]. Br J Radiol, 2021, 94(1126) [2022-03-22]. https://www.birpublications.org/doi/full/10.1259/bjr.20210151. DOI: 10.1259/bjr.20210151.
[12]
Ma XL, Shen MH, He YM, et al. The role of volumetric ADC histogram analysis in preoperatively evaluating the tumour subtype and grade of endometrial cancer[J/OL]. Eur J Radiol, 2021, 140 [2022-03-22]. https://www.ejradiology.com/article/S0720-048X(21)00226-6/fulltext. DOI: 10.1016/j.ejrad.2021.109745.
[13]
蒋恒, 陆志华, 翁晓燕, 等. 直肠癌TNM分期的表观扩散系数直方图分析[J]. 中国医学影像学杂志, 2020, 28(6): 436-440. DOI: 10.3969/j.issn.1005-5185.2020.06.008.
Jiang H, Lu ZH, Weng XY, et al. Histogram analysis for assessing apparent diffusion coefficient of TNM stages of rectal cancer[J]. Chin J Med Imaging, 2020, 28(6): 436-440. DOI: 10.3969/j.issn.1005-5185.2020.06.008.
[14]
Nagtegaal ID, Odze RD, Klimstra D, et al. The 2019 WHO classification of tumours of the digestive system[J]. Histopathology, 2020, 76(2): 182-188. DOI: 10.1111/his.13975.
[15]
Tezcan Ş, Uslu N, Öztürk FU, et al. Diffusion-weighted imaging of breast cancer: correlation of the apparent diffusion coefficient value with pathologic prognostic factors[J]. Eur J Breast Health, 2019, 15(4): 262-267. DOI: 10.5152/ejbh.2019.4860.
[16]
Gihr GA, Horvath-Rizea D, Hekeler E, et al. Histogram analysis of diffusion weighted imaging in low-grade gliomas: in vivo characterization of tumor architecture and corresponding neuropathology[J/OL]. Front Oncol, 2020, 10 [2022-03-22]. https://www.frontiersin.org/articles/10.3389/fonc.2021.604428/full. DOI: 10.3389/fonc.2020.00206.
[17]
Xu YS, Liu HF, Xi DL, et al. Whole-lesion histogram analysis metrics of the apparent diffusion coefficient: a correlation study with histological grade of hepatocellular carcinoma[J]. Abdom Radiol (NY), 2019, 44(9): 3089-3098. DOI: 10.1007/s00261-019-02109-w.
[18]
Bozdağ M, Er AL, Çinkooğlu A. Histogram analysis of ADC maps for differentiating brain metastases from different histological types of lung cancers[J]. Can Assoc Radiol J, 2021, 72(2): 271-278. DOI: 10.1177/0846537120933837.
[19]
Li CM, Yu L, Jiang YW, et al. The histogram analysis of intravoxel incoherent motion-kurtosis model in the diagnosis and grading of prostate cancer-a preliminary study[J/OL]. Front Oncol, 2021, 11 [2022-03-22]. https://www.frontiersin.org/articles/10.3389/fonc.2021.604428/full. DOI: 10.3389/fonc.2021.604428.
[20]
刘杨颖秋, 尚劲, 田诗云, 等. 利用肿瘤全域表观扩散系数信号强度直方图鉴别Ⅱ级与Ⅲ级胶质瘤[J]. 磁共振成像, 2017, 8(4): 276-282. DOI: 10.12015/issn.1674-8034.2017.04.008.
Liu Y, Shang J, Tian SY, et al. Whole tumor volume based histogram analysis of ADC signal intensity for differentitating between WHO grade Ⅱ and Ⅲ glioma[J]. Chin J Magn Reson Imaging, 2017, 8(4): 276-282. DOI: 10.12015/issn.1674-8034.2017.04.008.
[21]
Haggstrom L, Kang S, Winn R, et al. Factors influencing recurrence of stage Ⅰ-Ⅲ rectal cancer in regional Australia[J]. ANZ J Surg, 2020, 90(12): 2490-2495. DOI: 10.1111/ans.16187.

上一篇 基于磁共振T2WI纹理分析对直肠癌淋巴结转移的预测价值评估
下一篇 基于MRI-T2WI影像组学列线图鉴别卵巢交界性与恶性上皮源性肿瘤
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2