分享:
分享到微信朋友圈
X
综述
功能磁共振成像技术评估肝细胞癌生物学行为的研究进展
周怡然 朱绍成

Cite this article as: Zhou YR, Zhu SC. Research progress of functional magnetic resonance imaging in evaluating biological behavior of hepatocellular carcinoma[J]. Chin J Magn Reson Imaging, 2022, 13(9): 156-159.本文引用格式:周怡然, 朱绍成. 功能磁共振成像技术评估肝细胞癌生物学行为的研究进展[J]. 磁共振成像, 2022, 13(9): 156-159. DOI:10.12015/issn.1674-8034.2022.09.037.


[摘要] 肝细胞癌(hepatocellular carcinoma, HCC)是世界上最常见的恶性肿瘤,它的异质性发生在疾病进展的不同方面。随着功能磁共振成像(functional magnetic resonance imaging, fMRI)技术的发展,特征性影像征象及相关参数在评估HCC生物学行为中扮演核心角色,不仅可以量化HCC组织结构、分型和细胞分子表达的异质性,全方位、深层次地了解肿瘤分子病理层面改变,而且为HCC患者的治疗和预后评估提供指导作用。本文就fMRI目前评估HCC生物学行为的进展展开综述。
[Abstract] Hepatocellular carcinoma (HCC) is the most common malignant tumor in the world. Its heterogeneity occurs in different aspects of disease progression. With the development of functional magnetic resonance imaging (fMRI), characteristic imaging signs and related parameters play a central role in evaluating the biological behavior of HCC. It can not only quantify the heterogeneity of HCC tissue structure, typing and cellular molecular expression, so as to comprehensively and deeply understand the changes of tumor molecular pathology, but also provides guidance for the treatment and prognosis evaluation of HCC patients. In this paper, the progress of fMRI in evaluating biological behavior of HCC is reviewed.
[关键词] 功能磁共振成像;肝细胞癌;生物学行为;病理分级;微血管浸润;分子病理相关因子
[Keywords] functional magnetic resonance imaging;hepatocellular carcinoma;biological behavior;pathological grading;microvascular invasion;molecular pathological related factors

周怡然 1   朱绍成 2*  

1 新乡医学院河南省人民医院医学影像科,新乡 453003

2 河南省人民医院医学影像科,郑州 450003

*朱绍成,E-mail:zsc2686@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: 河南省重点研发与推广专项(科技攻关) 212102310729
收稿日期:2022-05-10
接受日期:2022-07-29
中图分类号:R445.2  R735.7 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2022.09.037
本文引用格式:周怡然, 朱绍成. 功能磁共振成像技术评估肝细胞癌生物学行为的研究进展[J]. 磁共振成像, 2022, 13(9): 156-159. DOI:10.12015/issn.1674-8034.2022.09.037

       原发性肝癌(primary liver cancer)是全球第六大最常见的肿瘤和第三大死亡原因,其中又以肝细胞癌(hepatocellular carcinoma, HCC)为著,约占其总发病率的75%~85%[1]。HCC的生物学行为如肿瘤大小、分化程度、微血管浸润(microvascular invasion, MVI)及组织细胞的侵袭性是影响预后的重要因素[2, 3, 4],HCC生物学行为的判定,对治疗决策选择和预后评估至关重要。近年来,随着功能磁共振成像(functional magnetic resonance imaging, fMRI)技术的发展,影像已超越传统的基于形态学的定性诊断范畴,并向以疾病为中心的病理生理机制探索、生物学行为评估、疗效预测和预后评估进行转变。目前扩散加权成像(diffusion-weighted imaging, DWI)、体素内不相干运动扩散加权成像(intravoxel incoherent motion diffusion weighted imaging, IVIM-DWI)、扩散峰度成像(diffusion kurtosis imaging, DKI)、酰胺质子转移成像(amide proton transfer, APT)、动态增强MRI(dynamic contrast enhanced MRI, DCE-MRI)等技术的发展可以从扩散、灌注等方面评估肿瘤分子病理、免疫微环境等异质性改变,使HCC生物学行为评估成为可能。本文就fMRI评估HCC病理分级、MVI及分子病理相关因子等生物学行为展开综述。

1 fMRI对HCC病理分级的评估

       HCC的病理分级与预后密切相关,是肝癌切除术后复发和长期生存的独立预测因素之一[3]。然而病理分级通常由术后标本或活检组织所得,故精准的HCC术前病理学分级是精准治疗决策的关键。fMRI的快速发展,使精准HCC术前病理分级可以使用特征性影像征象和定量参数进行无创性评估。

       DWI用于在微观水平上评估水分子的布朗运动,使水分子移动可用表观扩散系数(apparent diffusion coefficient, ADC)定量描述[5]。近年来,越来越多的学者研究HCC病理分级与ADC参数的相关性,Surov等[6]认为最小ADC值评估肿瘤病理分级较敏感,这是因为ADC值与细胞计数和总核面积相关,而HCC病理分级基于肿瘤细胞的形态特征、核酸含量和结构异质性。Xu等[7]研究也认同此观点,并且他们还利用ADC直方图参数得出了第25百分位ADC值与HCC病理分级相关性更强的结论。

       传统DWI是单指数模型计算ADC值,忽略微血管灌注的影响而不能完全代表水分子的扩散,而IVIM-DWI则可以更好地区分水分子的扩散和微血管灌注[8],它不仅应用于有对比剂禁忌证的患者(如肾功能严重受损),还不涉及电离辐射或注入放射性同位素等危害[9]。Zhu等[10]分析了IVIM-DWI衍生参数和HCC病理分级的相关性,他们认为来自传统DWI的ADC值和IVIM-DWI的真实扩散系数(D)值与HCC病理分级均呈显著负相关,这可能是因为肿瘤分化差导致细胞密度增加和细胞间物质数量减少,水分子在肿瘤组织中的扩散受限,除此之外D值比ADC值具有更高的敏感性和准确性。而对于IVIM相关扩散系数(D*)值和灌注分数(f)值,Sokmen等[11]认为f值可以反映高级别HCC灌注增加和血管的新生,故f值对评估HCC分级特异性较高。DKI相较于传统DWI而言,可以检测水分子在组织中非高斯扩散的特性,从而更加精确地反映组织微观结构的复杂性[12]。Wang[13]等认为与传统DWI参数值相比,DKI的衍生参数平均扩散峰度(mean kurtosis, MK)值和病理分级有更好的相关性,可以作为HCC患者术前预测病理分级的重要参数。

       APT成像作为化学交换饱和转移(chemical exchange saturation transfer, CEST)成像技术的一个延伸和发展,是通过选择性预饱和内源性游离蛋白及多肽中的酰胺质子,并和自由水中氢质子进行交换,探测与酰胺质子交换之后自由水信号的过程[14]。APT成像已应用于脑肿瘤及其他疾病,对于肝脏肿瘤的应用,Lin等[15]评估了高、低级别HCC的APT加权(APT weighted, APTw)和ADC值之间的差异,结果显示APTw值与病理分级之间存在中等相关性且优于ADC值。高级别HCC的APTw值显著高于低级别HCC,但ADC值却显著降低。他们还把APTw和ADC两种MRI参数组合预测高级别HCC,敏感度竟可以提高到100%。Wu等[16, 17]评估APT、IVIM-DWI和DKI三种成像方式与HCC病理分级的相关性,他们认为与IVIM和DKI的衍生参数相比,APT信号强度(signal intensity, SI)与HCC病理分级的相关性更强。此外,受试者工作特征(receiver operating characteristic, ROC)曲线比较也表明了APT SI的曲线下面积(area under the curve, AUC)显著高于各IVIM衍生参数和DKI衍生参数。因此,APT成像作为一种新型fMRI技术能检测肿瘤内源性蛋白质水平,并在分子层面上探索疾病变化,应用APT成像联合多种MRI技术可以更准确、全面地评估HCC病理分级。

       DCE-MRI可以量化药物在生理方面的药代动力学分布,是一种评价局部组织微灌注和血管通透性的影像方法[18]。Chen等[19]研究了DCE-MRI参数与Ki-67指数、病理分级和微血管密度(microvessel density, MVD)之间的关系,其结果是容量转移常数(Ktrans)与Ki-67增殖状态和HCC病理分级呈显著相关,较低速率常数(Kep)值和较高血管外细胞外间隙容积分数(Ve)值与HCC的较高MVD有关,这表明了DCE-MRI的定量参数可作为一种无创性影像生物标记物来评估HCC的组织学分级和微循环状态。

       此外,肝细胞特异性对比剂也用于预测HCC的病理分级。钆塞酸二钠(Gd-EOB-DTPA)具有独特的生物学特征,可通过肝细胞肝血窦膜上有机阴离子转运多肽1B3(organic anion transporting polypeptide 1B3, OATP1B3)被正常肝细胞吸收,然后通过多药耐药相关蛋白2(multidrug resistance protein 2, MRP2)经胆道排出[20],Haimerl等[21]研究认为Gd-EOB-DTPA的摄取与HCC的恶性程度相关,随着HCC病理分级的增加,OATP1B3的吸收会降低,MRP2表达一致或稍增加,这可能是由于高级别HCC的Gd-EOB-DTPA摄取较少而胆汁排泄率较高。通过对不同分化程度的HCC定量评估平扫和Gd-EOB-DTPA增强MRI之间的T1弛豫降低率,可以得知高、低级别HCC的T1弛豫降低率有显著差异,辅助T1弛豫测量可以帮助进一步区分HCC分级。另外,关于应用MRI征象预测HCC病理分级已有较多研究,其中Huang等[22]分析了Gd-EOB-DTPA增强MRI的各种定性和定量影像特征,发现肿瘤体积较大、不规则的肿瘤边缘、肿瘤内新生血管和肝胆期(hepatobiliary phase, HBP)瘤周低信号等影像特征与较高的HCC病理分级有关。

       目前关于fMRI预测HCC病理分级的研究和报道众多,在肯定fMRI预测肿瘤分化程度有巨大潜力的同时也面临一些挑战:首先,当前DWI和IVIM-DWI预测病理分级的参数有许多差异,可能与不同病灶的血供不同、数据统计算法不同、b值选择和感兴趣区(region of interest, ROI)放置不同有关;其次,DKI和APT图像是使用自由呼吸成像采集获得,图像会有较低的分辨率和信噪比;另外,关于DKI和APT预测HCC病理分级的国内外研究较少,将两者联合预测病理分级是否更加高效、准确有待进一步研究。

2 fMRI对HCC MVI的评估

       MVI是指在显微镜下看到肿瘤细胞覆盖在内皮细胞的血管腔中,Wang等[23]认为HCC的预后不良取决于MVI的生物学侵袭性,同样其他研究也证明了MVI是影响患者生存和复发的危险因素[24, 25]。Yamashita等[26]认为肿瘤周围(<1 cm)是MVI的高发区,在进行肝切除术时需要更大的切缘;同时预测MVI也有助于HCC复发患者选择最佳治疗方式[27],因此术前及时评估MVI是进一步延长患者生存时间的重要病理因素。影像技术的发展使肿瘤血流动力学、细胞功能和分化水平的评估成为可能,所以应用fMRI术前精准预测MVI有巨大的潜力。

       有研究者系统化评估单指数ADC模型和双指数IVIM模型预测MVI的效力,认为最小ADC值和D值均可作为术前预测MVI的重要参数[6]。但是Wei等[28]比较了两种成像方式却认为D值在评估MVI方面明显优于ADC值。也有研究采用拉伸指数(stretched exponential model, SEM)模型生成分布扩散系数(distribute diffusion coefficient, DDC)、水分子各向异质性(alpha, α)和ADC值术前预测MVI,结果显示MVI阳性的DDC和ADC值均降低,其中根据直方图得知第5百分位DDC值有较高的诊断效力[29]。这可能是当MVI存在时,门静脉、肝静脉以及其他肝血管微小分支有肿瘤栓塞从而限制了水分子的扩散和肿瘤微循环灌注的下降。Song等[30]分别比较DCE-MRI和IVIM-DWI两种成像方式评价原发性小肝癌微循环功能状态,结果表明Ktrans值和Kep值在敏感性和特异性方面优于D*值和f值,即应用DCE-MRI在评价原发性小肝癌微循环灌注功能方面有更好的作用。目前基于DWI和IVIM模型术前预测MVI的研究很多,但由于b值选择的不同及机器设备、后处理方法差异等因素存在造成不同的预测截断值,从而缺乏统一的标准。

       MVI的存在会导致肿瘤细胞增殖、坏死和细胞外异质环境的变化,而MK值代表了病变组织结构的复杂性,Wang等[31]评估DKI、DWI和肿瘤的影像特征术前预测HCC患者MVI的作用,发现MK值比ADC值有更高的预测准确性,另外较高的MK值和不规则的环形强化也是预测MVI的潜在影像标志物。Rao等[32]在Gd-EOB-DTPA增强MRI上结合T1弛豫时间和ADC值预测MVI,结果显示MVI阳性的HCC患者T1弛豫时间降低率明显低于MVI阴性患者。

       静脉浸润的双预测因子(two-trait predictor of venous invasion, PPTVI)是指在动脉期肿瘤内持续离散的动脉强化和在门静脉期或延迟期出现的低信号光晕。Zhang等[33]认为肿瘤大小、分化程度以及PPTVI与病理性微血管浸润(pathological microvascular invasion, PMVI)有显著的相关性,其中PPTVI是唯一重要的风险因素。也有研究者将基于Gd-EOB-DTPA增强MRI中肿瘤大小、包膜、瘤周强化、HBP期瘤周低信号、非光滑的肿瘤边缘,晕状强化等影像特征认为是术前预测MVI的重要因素[34]。还有王静等[35]认为动脉期瘤周高信号环、HBP期瘤周低信号及肿瘤边缘是预测MVI分级的有效指标。更有学者将肿瘤的形态学特征详细分类,认为HBP期肿瘤的毛刺征能预测小肝癌的MVI发生[36]。目前使用影像特征预测MVI的研究结果各异,因其易受图像处理、观察者之间差异性等人为因素的影响,故预测MVI的准确性尚待考证。虽然fMRI对预测MVI提供了可靠的影像学依据,但其中一些技术对设备和患者的要求较高,较长的操作时间及呼吸、胃肠蠕动等伪影的存在使fMRI常规应用于肝脏疾病受限。

3 fMRI对HCC分子病理相关因子表达的评估

       HCC是具有组织学、遗传畸变和蛋白质表达异质性的肿瘤,可根据转录组学特征分为许多分子亚型[37],HCC分子病理特征改变有促肿瘤的微血管生成、转移和复发的功能,术前通过影像检查预测与HCC侵袭性相关的分子病理相关因子有助于HCC早期的诊断和提供相应的靶向治疗。

       角蛋白位于上皮细胞胞浆中,是构成细胞骨架的一类中间丝状物。肝祖细胞可以分化为肝细胞或胆管细胞,并表达特异性标志物如上皮细胞黏附分子和细胞角蛋白(cytokeratin 19, CK19)[38]。既往研究证实CK19阳性HCC侵袭性高,对放化疗有耐药性,并在肝切除术或肝移植术后预后差,有较高的复发率及转移率[39, 40];有学者认为CK19阳性HCC与血清甲胎蛋白(AFP)升高(≥400 ng/mL)相关[41],这同样提示着预后不良。因此术前预测CK19的表达对HCC患者的治疗和预后有重要意义。一些研究者认为在Gd-EOB-DTPA增强MRI中,HBP期肿瘤不规则边缘、动脉期边缘强化、较低的肿瘤/肝脏ADC比值和肿瘤/肝脏SI比值是预测CK19阳性HCC的定性指标[42]。Guo等[43]评估和比较了从DWI、IVIM-DWI、SEM、DKI和分数阶微积分(fractional order calculus, FROC)中获得的各种参数值术前预测CK19表达的有效性。在所有个体参数中,HCC患者CK19阳性的ADC、DDC、Dt、Dp、AD和D值明显低于CK19阴性的HCC,但FROC衍生空间分数导数(β)值显著高于CK19阴性组,其中AD值在区分CK19阳性和阴性方面表现出最好的诊断性能。由于来自细胞数量相关(AD值)、血管灌注(Dp值)和微观结构异质性(β值)的不同生物学信息可以反映肿瘤发生、转移和侵袭引起的不同组织特性,所以结合β、Dp和AD值建立诊断模型较所有个体参数而言有更好的诊断效果。

       Glypican-3(GPC3)是通过糖基磷脂酰肌醇锚定附着在细胞膜上的癌胚蛋白多糖,GPC3在人类胚胎中广泛表达,但在健康成年人肝脏中不表达,与正常肝脏和非肿瘤性肝病相比,HCC细胞中GPC3表达显著升高[44]。研究发现GPC3主要通过经典WNT信号通路影响和刺激HCC的发生和发展,GPC3的高表达是HCC患者根治性肝切除术后预后不良的重要因素[45],GPC3既可以作为HCC的分子标志物,也可成为HCC治疗干预的靶点。由于GPC3高表达可以促进HCC侵袭性发展,因此GPC3阳性HCC的早期识别对治疗选择和预后评估极为重要。Zhao等[46]研究认为血清AFP>20 ng/mL以及从DWI直方图得出的低于75% ADC值有助于预测GPC3阳性HCC,而且他们认为GPC3阳性HCC更容易出现MVI。还有Chen等[47]认为基于最小二乘法估计和不对称回波迭代分解水和脂肪的脂肪成像(iterative decomposition of water and fat with echo asymmetry and least squares estimation, IDEAL-IQ)得出R2*值可以在术前检测GPC3的表达,达到对HCC免疫治疗的指导作用。

       CK19及GPC3阳性是HCC预后重要的分子病理表达,虽然fMRI成为术前预测HCC分化及肿瘤细胞侵袭性的一种新方式,但事实上目前大多都是小样本量、单中心以及回顾性研究,MRI参数与分子病理相关因子的相关性机制尚未清楚,还需要大样本、联合多学科或影像组学、人工智能等方法进一步探索和验证。

4 总结和展望

       探索HCC生物学行为的无创影像评价体系是实现精准诊疗和提高预后的关键所在。既往研究得知fMRI参数与HCC异质性相关,应用fMRI可以对HCC组织分化程度及分子病理特征进行多层面的可视化、定量化评估,其影像征象和相关参数在评估生物学行为中有较高的敏感性和特异性,具有良好的应用前景,不仅可以为临床提供个性化治疗方案,甚至可以延长HCC患者生存期。但目前大多数研究处于科研阶段,仍存在差异性的研究方法和欠规范化操作流程等问题,在未来具体实践中需要有规范化及统一化的执行标准,能多方面联合诊断,为临床提供可靠的影像学依据。相信在不久的将来,fMRI能在评估HCC生物学行为中广泛应用。

[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]
Xu XF, Xing H, Han J, et al. Risk factors, patterns, and outcomes of late recurrence after liver resection for hepatocellular carcinoma: a multicenter study from China[J]. JAMA Surg, 2019, 154(3): 209-217. DOI: 10.1001/jamasurg.2018.4334.
[3]
Zhou L, Rui JA, Zhou WX, et al. Edmondson-Steiner grade: a crucial predictor of recurrence and survival in hepatocellular carcinoma without microvascular invasio[J]. Pathol Res Pract, 2017, 213(7): 824-830. DOI: 10.1016/j.prp.2017.03.002.
[4]
Lee HA, Lee YS, Kim BK, et al. Change in the recurrence pattern and predictors over time after complete cure of hepatocellular carcinoma[J]. Gut Liver, 2021, 15(3): 420-429. DOI: 10.5009/gnl20101.
[5]
Serai SD. Basics of magnetic resonance imaging and quantitative parameters T1, T2, T2*, T1rho and diffusion-weighted imaging[J]. Pediatr Radiol, 2022, 52(2): 217-227. DOI: 10.1007/s00247-021-05042-7.
[6]
Surov A, Pech M, Omari J, et al. Diffusion-weighted imaging reflects tumor grading and microvascular invasion in hepatocellular carcinoma[J]. Liver Cancer, 2021, 10(1): 10-24. DOI: 10.1159/000511384.
[7]
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.
[8]
Szubert-Franczak AE, Naduk-Ostrowska M, Pasicz K, et al. Intravoxel incoherent motion magnetic resonance imaging: basic principles and clinical applications[J/OL]. Pol J Radiol, 2020 [2022-05-10]. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7757509. DOI: 10.5114/pjr.2020.101476.
[9]
Iima M. Perfusion-driven intravoxel incoherent motion (IVIM) MRI in oncology: applications, challenges, and future trends[J]. Magn Reson Med Sci, 2021, 20(2): 125-138. DOI: 10.2463/mrms.rev.2019-0124.
[10]
Zhu SC, Liu YH, Wei Y, et al. Intravoxel incoherent motion diffusion-weighted magnetic resonance imaging for predicting histological grade of hepatocellular carcinoma: comparison with conventional diffusion-weighted imaging[J]. World J Gastroenterol, 2018, 24(8): 929-940. DOI: 10.3748/wjg.v24.i8.929.
[11]
Sokmen BK, Sabet S, Oz A, et al. Value of intravoxel incoherent motion for hepatocellular carcinoma grading[J]. Transplant Proc, 2019, 51(6): 1861-1866. DOI: 10.1016/j.transproceed.2019.02.027.
[12]
Granata V, Fusco R, Amato DM, et al. Beyond the vascular profile: conventional DWI, IVIM and kurtosis in the assessment of hepatocellular carcinoma[J]. Eur Rev Med Pharmacol Sci, 2020, 24(13): 7284-7293. DOI: 10.26355/eurrev_202007_21883.
[13]
Wang GZ, Guo LF, Gao GH, et al. Magnetic resonance diffusion kurtosis imaging versus diffusion-weighted imaging in evaluating the pathological grade of hepatocellular carcinoma[J]. Cancer Manag Res, 2020, 12: 5147-5158. DOI: 10.2147/CMAR.S254371.
[14]
Zhou JY, Heo HY, Knutsson L, et al. APT-weighted MRI: techniques, current neuro applications, and challenging issues[J]. J Magn Reson Imaging, 2019, 50(2): 347-364. DOI: 10.1002/jmri.26645.
[15]
Lin Y, Luo XJ, Yu L, et al. Amide proton transfer-weighted MRI for predicting histological grade of hepatocellular carcinoma: comparison with diffusion-weighted imaging[J]. Quant Imaging Med Surg, 2019, 9(10): 1641-1651. DOI: 10.21037/qims.2019.08.07.
[16]
Wu BL, Jia F, Li XK, et al. Comparative study of amide proton transfer imaging and intravoxel incoherent motion imaging for predicting histologic grade of hepatocellular carcinoma[J/OL]. Front Oncol, 2020 [2022-7-12]. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7659984. DOI: 10.3389/fonc.2020.562049.
[17]
Wu BL, Jia F, Li XK, et al. Amide proton transfer imaging vs diffusion kurtosis imaging for predicting histological grade of hepatocellular carcinoma[J]. J Hepatocell Carcinoma, 2020, 7: 159-168. DOI: 10.2147/JHC.S272535.
[18]
Zhou IY, Catalano OA, Caravan P. Advances in functional and molecular MRI technologies in chronic liver diseases[J]. J Hepatol, 2020, 73(5): 1241-1254. DOI: 10.1016/j.jhep.2020.06.020.
[19]
Chen J, Chen CY, Xia CC, et al. Quantitative free-breathing dynamic contrast-enhanced MRI in hepatocellular carcinoma using gadoxetic acid: correlations with Ki67 proliferation status, histological grades, and microvascular density[J]. Abdom Radiol (NY), 2018, 43(6): 1393-1403. DOI: 10.1007/s00261-017-1320-3.
[20]
Li X Q,Wang X,Zhao D W, et al. Application of Gd-EOB-DTPA-enhanced magnetic resonance imaging (MRI) in hepatocellular carcinoma[J/OL]. World J Surg Oncol, 2020 [2022-7-12]. https://wjso.biomedcentral.com/articles/10.1186/s12957-020-01996-4. DOI: 10.1186/s12957-020-01996-4.
[21]
Haimerl M, Utpatel K, Gotz A, et al. Quantification of contrast agent uptake in the hepatobiliary phase helps to differentiate hepatocellular carcinoma grade[J/OL]. Sci Rep, 2021 [2022-7-12]. https://www.nature.com/articles/s41598-021-02499-2. DOI: 10.1038/s41598-021-02499-2.
[22]
Huang K, Dong Z, Cai H, et al. Imaging biomarkers for well and moderate hepatocellular carcinoma: preoperative magnetic resonance image and histopathological correlation[J/OL]. BMC Cancer, 2019 [2022-7-12]. https://bmccancer.biomedcentral.com/articles/10.1186/s12885-019-5574-8. DOI: 10.1186/s12885-019-5574-8.
[23]
Yanhan W, Lianfang L, Hao L, et al. Effect of Microvascular Invasion on the Prognosis in Hepatocellular Carcinoma and Analysis of Related Risk Factors: A Two-Center Study[J/OL]. Front Surg, 2021 [2022-7-12]. https://www.frontiersin.org/articles/10.3389/fsurg.2021.733343/full. DOI: 10.3389/fsurg.2021.733343.
[24]
Zhou L, Wang SB, Chen SG, et al. Risk factors of recurrence and poor survival in curatively resected hepatocellular carcinoma with microvascular invasion[J]. Adv Clin Exp Med, 2020, 29(7): 887-892. DOI: 10.17219/acem/76750.
[25]
Erstad DJ, Tanabe KK. Prognostic and therapeutic implications of microvascular invasion in hepatocellular carcinoma[J]. Ann Surg Oncol, 2019, 26(5): 1474-1493. DOI: 10.1245/s10434-019-07227-9.
[26]
Yamashita YI, Imai K, Yusa T, et al. Microvascular invasion of single small hepatocellular carcinoma ≤3 cm: Predictors and optimal treatments[J]. Ann Gastroenterol Surg, 2018, 2(3): 197-203. DOI: 10.1002/ags3.12057.
[27]
Chen SL, Xiao H, Xie ZL, et al. The presence of microvascular invasion guides treatment strategy in recurrent HBV-related HCC[J]. Eur Radiol, 2020, 30(6): 3473-3485. DOI: 10.1007/s00330-019-06640-8.
[28]
Wei Y, Huang ZX, Tang HH, et al. IVIM improves preoperative assessment of microvascular invasion in HCC[J]. Eur Radiol, 2019, 29(10): 5403-5414. DOI: 10.1007/s00330-019-06088-w.
[29]
李宏翔, 薛蕴菁, 王莉莉, 等. 拉伸指数弥散加权成像模型直方图分析预测单发肝细胞癌微血管侵犯[J]. 中国医学影像技术, 2021, 37(12): 1844-1848. DOI: 10.13929/j.issn.1003-3289.2021.12.020.
Li HX, Xue YJ, Wang LL, et al. Histogram analysis of stretched exponential diffusion weighted imaging model for predicting microvascular invasion of single hepatocellular carcinoma[J]. Chin J Med Imaging Technol, 2021, 37(12): 1844-1848. DOI: 10.13929/j.issn.1003-3289.2021.12.020.
[30]
Song Q, Guo YX, Yao XZ, et al. Comparative study of evaluating the microcirculatory function status of primary small HCC between the CE (DCE-MRI) and Non-CE (IVIM-DWI) MR Perfusion Imaging[J]. Abdom Radiol (NY), 2021, 46(6): 2575-2583. DOI: 10.1007/s00261-020-02945-1.
[31]
Wang WT, Yang L, Yang ZX, et al. Assessment of microvascular invasion of hepatocellular carcinoma with diffusion kurtosis imaging[J]. Radiology, 2018, 286(2): 571-580. DOI: 10.1148/radiol.2017170515.
[32]
Rao C, Wang X, Li M, et al. Value of T1 mapping on gadoxetic acid-enhanced MRI for microvascular invasion of hepatocellular carcinoma: a retrospective study[J/OL]. BMC Med Imaging, 2020 [2022-7-12]. https://bmcmedimaging.biomedcentral.com/articles/10.1186/s12880-020-00433-y. DOI: 10.1186/s12880-020-00433-y.
[33]
Zhang T, Pandey G, Xu L, et al. The value of TTPVI in prediction of microvascular invasion in hepatocellular carcinoma[J]. Cancer Manag Res, 2020, 12: 4097-4105. DOI: 10.2147/CMAR.S245475.
[34]
Hong SB, Choi SH, Kim SY, et al. MRI features for predicting microvascular invasion of hepatocellular carcinoma: a systematic review and Meta-analysis[J]. Liver Cancer, 2021, 10(2): 94-106. DOI: 10.1159/000513704.
[35]
王静, 征锦, 孙骏, 等. 钆塞酸二钠增强MRI对肝细胞癌微血管侵犯及其分级的预测价值[J]. 磁共振成像, 2021, 12(12): 79-83, 88. DOI: 10.12015/issn.1674-8034.2021.12.016.
Wang J, Zheng J, Sun J, et al. The value of Gd-EOB-DTPA enhanced MRI in predicting microvascular invasion of hepatocellular carcinoma and its grade[J]. Chin J Magn Reson Imaging, 2021, 12(12): 79-83, 88. DOI: 10.12015/issn.1674-8034.2021.12.016.
[36]
Zhou M, Shan D, Zhang C, et al. Value of gadoxetic acid-enhanced MRI for microvascular invasion of small hepatocellular carcinoma: a retrospective study[J/OL]. BMC Med Imaging, 2021 [2022-7-12]. https://bmcmedimaging.biomedcentral.com/articles/10.1186/s12880-021-00572-w. DOI: 10.1186/s12880-021-00572-w.
[37]
Calderaro J, Ziol M, Paradis V, et al. Molecular and histological correlations in liver cancer[J]. J Hepatol, 2019, 71(3): 616-630. DOI: 10.1016/j.jhep.2019.06.001.
[38]
Holczbauer A, Wangensteen K J, Shin S. Cellular origins of regenerating liver and hepatocellular carcinoma[J/OL]. JHEP Rep, 2022 [2022-7-12]. https://linkinghub.elsevier.com/retrieve/pii/S2589555921001920. DOI: 10.1016/j.jhepr.2021.100416.
[39]
Zhuo JY, Lu D, Tan WY, et al. CK19-positive hepatocellular carcinoma is a characteristic subtype[J]. J Cancer, 2020, 11(17): 5069-5077. DOI: 10.7150/jca.44697.
[40]
Rhee H, Kim H, Park YN. Clinico-radio-pathological and molecular features of hepatocellular carcinomas with keratin 19 expression[J]. Liver Cancer, 2020, 9(6): 663-681. DOI: 10.1159/000510522.
[41]
Wang HQ, Yang C, Zeng MS, et al. Magnetic resonance texture analysis for the identification of cytokeratin 19-positive hepatocellular carcinoma[J]. Eur J Radiol, 2019, 117: 164-170. DOI: 10.1016/j.ejrad.2019.06.016.
[42]
Choi SY, Kim SH, Park CK, et al. Imaging features of gadoxetic acid-enhanced and diffusion-weighted MR imaging for identifying cytokeratin 19-positive hepatocellular carcinoma: a retrospective observational study[J]. Radiology, 2018, 286(3): 897-908. DOI: 10.1148/radiol.2017162846.
[43]
Guo Y, Chen J, Zhang Y, et al. Differentiating Cytokeratin 19 expression of hepatocellular carcinoma by using multi-b-value diffusion-weighted MR imaging with mono-exponential, stretched exponential, intravoxel incoherent motion, diffusion kurtosis imaging and fractional order calculus models[J/OL]. Eur J Radiol, 2022 [2022-7-12]. https://www.ejradiology.com/article/S0720-048X(22)00087-0/fulltext. DOI: 10.1016/j.ejrad.2022.110237.
[44]
Zhou FB, Shang WT, Yu XL, et al. Glypican-3: a promising biomarker for hepatocellular carcinoma diagnosis and treatment[J]. Med Res Rev, 2018, 38(2): 741-767. DOI: 10.1002/med.21455.
[45]
Li N, Spetz MR, Ho M. The role of glypicans in cancer progression and therapy[J]. J Histochem Cytochem, 2020, 68(12): 841-862. DOI: 10.1369/0022155420933709.
[46]
Zhao J, Gao S, Sun W, et al. Magnetic resonance imaging and diffusion-weighted imaging-based histogram analyses in predicting glypican 3-positive hepatocellular carcinoma[J/OL]. Eur J Radiol, 2021 [2022-7-12]. https://www.ejradiology.com/article/S0720-048X(21)00212-6/fulltext. DOI: 10.1016/j.ejrad.2021.109732.
[47]
Chen RS, Bai Y, Liu TY, et al. Evaluation of glypican-3 expression in hepatocellular carcinoma by using IDEAL IQ magnetic resonance imaging[J/OL]. Acad Radiol, 2021 [2022-07-12]. https://linkinghub.elsevier.com/retrieve/pii/S1076-6332(20)30291-9. DOI: 10.1016/j.acra.2020.05.015.

上一篇 术前MRI预测乳腺癌腋窝淋巴结转移的研究进展
下一篇 影像基因组学在预测结直肠癌肝转移基因突变中的应用进展
  
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