分享:
分享到微信朋友圈
X
综述
功能磁共振及放射组学在肝移植中的研究进展
陈浩远 张辉 王永芳

Cite this article as: CHEN H Y, ZHANG H, WANG Y F. Advances in functional magnetic resonance and radiometrics in liver transplantation[J]. Chin J Magn Reson Imaging, 2023, 14(10): 171-176.本文引用格式:陈浩远, 张辉, 王永芳. 功能磁共振及放射组学在肝移植中的研究进展[J]. 磁共振成像, 2023, 14(10): 171-176. DOI:10.12015/issn.1674-8034.2023.10.031.


[摘要] 肝移植已经成为终末期肝病的有效治疗手段,准确评估肝移植前后肝功能以及判断肝移植后复发是临床诊疗的重点。磁共振扩散加权成像、扩散峰度成像、血氧水平依赖成像、磁共振波谱、质子脂肪密度分数和磁共振弹性成像等功能磁共振技术及放射组学可以无创地从扩散、氧合、代谢、脂肪定量、肝脏硬度等方面评估移植肝,其临床价值在于早期发现肝功能受损、评估肝功能损伤程度及预测肝移植后复发进而帮助临床医生早期诊断疾病、为患者制订最优的诊疗方案和监测药物疗效,以提升患者生活质量。同时,其因新型无创并且能揭示肝移植病理改变将逐渐成为今后的研究热点。本文对多种功能磁共振成像及放射组学用于评估肝移植方面的研究现状做一综述,以期能为临床医生预测预后及制订治疗决策提供参考,并指导未来的研究方向。
[Abstract] Liver transplantation has become an effective treatment for end-stage liver disease. Accurate evaluation of liver function before and after liver transplantation and judgment of relapse after liver transplantation are the key points of clinical diagnosis and treatment. Functional magnetic resonance imaging (fMRI) techniques and radiomics such as magnetic resonance diffusion-weighted imaging, diffusion kurtosis imaging, blood oxygen level dependent imaging, magnetic resonance spectroscopy, proton fat density fraction and magnetic resonance elastography can noninvasionally evaluate the transplanted liver in terms of diffusion, oxygenation, metabolism, fat quantification, liver hardness, etc. To provide more information for the evaluation of liver function before and after liver transplantation and the judgment of relapse after liver transplantation. Its clinical value lies in early detection of liver function impairment, assessment of liver function injury degree and prediction of recurrence after liver transplantation, thus helping clinicians to diagnose disease early, formulate optimal diagnosis and treatment plan for patients and monitor drug efficacy, so as to improve the quality of life of patients. At the same time, it will gradually become a research hotspot in the future because it is new and non-invasive and can reveal pathological changes of liver transplantation. This article reviews the current status of fMRI and radiomics in evaluating liver transplantation, in order to provide reference for clinicians to predict prognosis and make treatment decisions, and to guide future research direction.
[关键词] 肝移植;复发;急性排斥反应;磁共振成像:功能磁共振成像;放射组学;预后
[Keywords] liver transplantation;recurrence;acute cellular rejection;magnetic resonance imaging;functional magnetic resonance imaging;radiomics;prognosis

陈浩远 1   张辉 2*   王永芳 2  

1 山西医科大学医学影像学院,太原 030001

2 山西医科大学第一医院影像科,太原030001

通信作者:张辉,E-mail:zhanghui_mr@163.com

作者贡献声明:张辉设计本研究方案,对稿件重要的智力内容进行了修改,获得了国家自然科学基金项目的资助;陈浩远起草和撰写稿件,获取、分析或解释本研究的数据;王永芳获取、分析或解释本研究的数据,对稿件重要内容进行了修改;全体作者都同意发表最后的修改稿,同意对研究的所有方面负责,确保本研究的准确性和诚信。


基金项目: 国家自然科学基金项目 82001807
收稿日期:2023-06-05
接受日期:2023-09-28
中图分类号:R445.2  R735.7 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2023.10.031
本文引用格式:陈浩远, 张辉, 王永芳. 功能磁共振及放射组学在肝移植中的研究进展[J]. 磁共振成像, 2023, 14(10): 171-176. DOI:10.12015/issn.1674-8034.2023.10.031.

0 前言

       自托马斯·斯塔兹尔于1963年第一次实行人体肝移植手术以来[1],肝移植已经成为急性或晚期慢性肝功能衰竭患者的首选治疗方法。尽管肝移植有很好的效果,但其治疗的过程非常复杂,与之相关的死亡率与发病率仍处于较高水平[2, 3]。目前临床采用的生物学标志物如丙氨酸转氨酶和天冬氨酸转氨酶敏感度和特异度不足、预测价值有限[4],且因肝穿刺活检有创性导致临床应用受限。如今,功能MRI和放射组学不断进步,通过测量图像参数及构建预测模型,对帮助临床实现肝移植前后肝功能评估及预测预后有重要意义。

       扩散加权成像(diffusion weighted imaging, DWI)、扩散峰度成像(diffusion kurtosis imaging, DKI)、血氧水平依赖MRI(blood oxygen level-dependent MRI, BOLD MRI)、磁共振波谱(magnetic resonance spectroscopy, MRS)、质子密度脂肪分数MRI(proton density fat fraction MRI, PDFF-MRI)、磁共振弹性成像(magnetic resonance elastography, MRE)等功能磁共振技术及放射组学有从各方面无创性地评估肝移植前后肝功能及判断肝移植复发的可能,具有动态监测肝移植前后肝功能的巨大潜力。然而,目前为止还没有系统的综述专门讨论功能磁共振及放射组学评估肝移植前后肝功能及判断肝移植预后。因此,本文将重点介绍DWI、DKI、BOLD MRI、MRS、PDFF-MRI、MRE等功能磁共振技术及放射组学在肝移植方面的研究进展,并尝试探讨各项技术的优势和局限性及未来的研究方向,以促进相关研究的发展,帮助临床医生选择合适的治疗方式,提高患者生存率及生活质量。

1 DWI

       DWI是一种在细胞和大分子水平上对水分子的流动性十分敏感的非侵入性成像技术,可以根据各种组织的扩散特性进行定性和定量评估。水的扩散幅度通过表观扩散系数(apparent diffusion coefficient, ADC)来描述,ADC值反映了肝脏的微环境[5],这对肝移植后肝功能的评估起到了重要作用。

       肝移植后肿瘤复发是影响移植后生存的主要危险因素。最近研究发现DWI技术有评估肝移植后肿瘤复发的潜能。CHUANG等[6]通过对活体肝移植(living donor liver transplantation, LDLT)前的肝细胞癌(hepatocellular carcinoma, HCC)患者行DWI扫描发现,所有DWI参数中,只有最小ADC(minimal ADC, ADCmin)值是相关因素,ADCmin值的最佳临界值是≤0.88×10-3 mm2/s,复发组肿瘤的ADCmin值明显较低,曲线下面积(area under the curve, AUC)为0.818,且多因素分析认为ADCmin值≤0.88×10-3 mm2/s是肿瘤复发的独立危险因素。LEE等[7]对肝癌患者进行术前DWI扫描发现,ADCmin值低于最佳临界值(0.773×10-3 mm2/s)时的早期复发率显著高于ADCmin值高于最佳临界值时,所以ADCmin值的测定可能会成为预测肝移植术后肿瘤复发的一个可靠预后指标。NAKANISHI等[8]报道,肝移植术后早期肝癌复发患者的ADCmin值[(0.64±0.24)×10-3 mm2/s]均显著降低。YAMADA等[9]也发现了类似的研究结果,他们招募了102例移植术后的HCC患者,使用DWI计算ADCmin值,发现低ADC组术后复发率明显高于高ADC组。

       综上所述,ADCmin对预测肝移植术后肿瘤复发具有良好的预测性能。然而DWI图像不仅仅取决于组织中水分子的扩散,还受肝移植中血流灌注效应的影响,可能会在一定程度上影响ADC值的测量结果,使得ADC值不能准确反映出体内水分子的实际扩散情况,造成评估肝移植后肝癌复发的准确性降低。因此,在今后研究中应联合体素内不相干运动(intravoxel incoherent motion, IVIM)技术排除血管灌注效应的影响,提高预测性能,为疾病早期复发的诊断提供更有力的依据,从而改善患者预后。

2 DKI

       DKI是DWI技术的延伸,通过量化水分子扩散偏离正态分布的程度,来表示水分子扩散的受限程度及扩散的不均一性,从而反映微观结构的异质性及复杂性[10]。DKI非高斯分布数学模型的公式为Sb/S0=exp(-b•D+1/6•b2•D2•K),其中D反映水分子整体扩散水平及阻力,称为校正后的表观扩散系数;K用来量化扩散偏离正态分布的程度,与实体组织及细胞内复杂程度正相关;b代表扩散磁敏感加权因子[11]

       目前,DKI逐渐被应用于肝移植后的急性排斥反应(acute rejection, ACR)并发症,对于早期诊断和治疗并改善患者预后,有效避免疾病进展为慢性排斥反应或移植肝功能失调具有重要意义[12]。李畅等[13]将肝移植术后的患者分为ACR组和对照组后行DKI扫描结果显示,D值和K值在两组间差异均有统计学意义,ADC值在两组间差异没有统计学意义,这可能是由于ADC值反映的是水分子高斯分布特性,因此对于体内微观结构复杂性的反映并不全面。受试者工作特征(receiver operating characteristic, ROC)曲线分析显示,D值的ROC曲线下面积为0.867,K值的ROC曲线下面积为0.925,因此K值对于ACR的诊断效能最大,证明DKI对于肝移植术后急性排斥的诊断价值优于传统单指数模型扩散加权成像。我们推测,发生急性排斥反应时肝组织内的微观结构改变,表现为汇管区炎症细胞浸润导致细胞外间隙减少,水分子扩散运动受限,从而表现为D值下降;而胆管上皮损伤变性和血管内皮的炎症浸润导致肝脏组织微观结构复杂性增高,水分子非高斯分布的特征更加明显,表现为K值升高。

       综上所述,DKI可以通过探测组织的微观结构来检测肝移植后肝功能状态以及提高对ACR的诊断。然而,由于尚未设定统一参数,且易受心脏搏动、呼吸、胃肠道蠕动等的影响,同时感兴趣区(region of interest, ROI)大小的选择也会产生差异,因此DKI在肝移植中的应用仍需要进一步研究。

3 BOLD MRI

       BOLD MRI是一种利用脱氧血红蛋白作为内源性标记物来测量组织氧合的技术[14]。其原理是基于血红蛋白磁性的变化,脱氧血红蛋白是顺磁性的,浓度的增加可以降低局部磁场的不均匀性,从而导致T2*加权图像中的信号损失,和以T2*为特征的表观T2弛豫值(R2*)增加[15]

       肝移植后ACR患者病理改变主要包括汇管区三联征(门管区炎症、门管区内小叶间胆管炎、血管炎)及中央静脉周围炎,可能有血流动力学改变,从而导致同种异体移植组织中脱氧血红蛋白浓度的改变,尤其当门静脉血供异常减少时,动脉血流量增加以补偿,从而导致氧合血红蛋白水平升高和R2*值降低。因此BOLD MRI可以用来检测肝移植后的ACR并发症。CHIANG等[15]对肝移植术后高度怀疑ACR的肝病患者在治疗前进行肝脏BOLD MRI扫描、血液生化采集和肝组织病理活检时发现,出现ACR患者的肝脏R2*值明显低于未出现ACR的患者,ROC分析显示R2*值检测ACR的敏感度和特异度分别为82.1%和89.9%,此研究证实了无创BOLD MRI技术可能有助于评估肝移植后的ACR。BOLD技术为目前依靠组织活检作为金标准的有创检查提供了一种无创的可能,如果今后其诊断效能得到临床认可,会大大减少患者ACR发生的风险。

       BOLD MRI技术通过监测肝的氧合状况为肝移植后肝功能的评估提供了新的研究手段和重要的影像学标志物,但该技术也存在一定的局限性,由于其属于间接指标,容易受其他因素的影响,如存在混杂因素、没有直接测量血氧分压等,并且目前对于肝移植的应用较少,需要大量的研究来证实BOLD MRI的可靠性。

4 MRS

       MRS成像的基本原理是将一个空间内许多信号通过不同的峰值曲线显示出来,并得到不同部位的代谢物曲线[16]。肝脏脂肪变性的量化对于LDLT的供体选择至关重要,因为无论是供体还是受体,移植肝脂肪变性都与肝移植后并发症风险增加相关[17],因此,MRS有望在肝移植患者的术前对肝功能的检测发挥重要作用。ZHENG等[18]利用Meta分析肝移植术前的患者,发现MRS检测活体肝移植供肝脂肪变性的合并敏感度、合并特异度、合并阳性及阴性比均有较好的相关性,且ROC曲线下面积为0.92。CHIANG等[16]也得到了相似的结果,发现MRS对检测肝脂肪变性具有高敏感度和高特异度,分别为95.2%和98.3%。BURIAN等[19]对肝移植术前的患者进行了研究,使用MRS技术计算脂肪变性等级以及肝脏中脂肪酸的饱和、不饱和和多不饱和部分,发现相对肝脂肪饱和度随着肝脂肪含量(hepatic fat content, HFC)的升高而增加,而不饱和度则降低。与非脂肪变性患者相比,肝移植后非酒精性脂肪肝(non-alcoholic fatty liver disease, NAFLD)患者的相对肝脏脂肪饱和度增加,而不饱和度和多不饱和度均降低。并且将MRS测量的脂肪变性等级与组织学脂肪变性等级进行比较发现,通过体内MRS测量的HFC与组织学结果有很好的相关性。

       综上所述,MRS在肝移植中对供者的肝脂肪变性可以进行无创且较为精确的评估。目前的研究中MRS主要用于肝移植脂肪变性的评估,然而易受患者不配合、运动及匀场等的影响,且光谱分析较为复杂,使MRS在肝移植的评估中较为困难,因此在未来的研究中,这些问题需要进一步解决。

5 PDFF-MRI

       PDFF-MRI是一种化学位移编码的MRI方法,用于评估包括肝脏在内的许多器官中的甘油三酯含量。即PDFF组织内甘油三酯的质子密度与甘油三酯和水中总质子密度的比值。最近,有研究发现PDFF-MRI是离体肝脏脂肪变性的非侵入性成像标记物[20],可以用来检测肝移植前肝脂肪变性程度。中度至重度巨大脂肪变性的同种异体移植肝很少用于肝移植,因为它们增加了早期同种异体移植肝功能障碍(early allograft dysfunction, EAD)、原发性无功能(primary nonfunction, PNF)和胆道并发症的风险[21, 22],因此确定活体供体的肝脏脂肪变性程度至关重要。

       QI等[23]对供肝者的肝脏脂肪变性通过PDFF-MRI进行分级分析PDFF-MRI所确定的供体脂肪变性与供体及受体的相关性,研究发现PDFF-MRI所确定的轻度脂肪变性不影响供体的肝再生或受体的移植结果。SATAPATHY等[24]对移植前的供体进行了PDFF-MRI时发现大泡性脂肪变性的AUC预测EAD为73%,小泡性加大泡性脂肪变性为76%,PDFF值的AUC预测EAD为67%,证实了PDFF-MRI可以量化供体肝中的脂肪变性,因此有潜力作为与肝移植脂肪变性相关的EAD的无创性标志物。

       目前,MRS已被证明可以准确地测量肝脂含量。然而,如前所述,其临床应用有限。近年来,PDFF-MRI方法在定量肝脏脂肪含量方面取得了一些进展,解决了准确脂质分数量化的混杂因素,可以量化整个肝脏的脂肪含量[25],这方面明显优于MRS。轻度肝脂肪变性的PDFF相关性优于中度或重度脂肪变性的相关性[26]。但与无肝纤维化的患者相比,肝纤维化合并PDFF对脂肪变性的测量会出现偏差,并且有时PDFF值无法正确测量[27]

6 MRE

       MRE是基于相位对比度的MRI技术,被认为是一种高精度、非侵入性的肝脏硬度测量方法,可以选择ROI的区域来评估肝脏的大部分区域[28]。MRE最初是基于梯度回波序列开发的,随着三维指数的加入,有研究[29]认为三维MRE失败率更低,诊断性能更好,还具有可用于硬度测量的更大体积的肝实质的潜在优势,从而对肝脏硬度进行更全面的评估。

       肝移植患者在同种异体移植物中发展成肝纤维化的风险很高,并且可能是部分患者肝移植失败的原因,因此有研究逐步将MRE应用于肝移植后肝纤维化的评估中[30, 31],但仍缺乏大量的经验。原位肝移植后,受移植者仍然处于同种异体移植物纤维化发展的高风险中,并且有可能导致部分患者移植失败。SINGH等[32]对肝移植术后的患者建立ROC回归模型发现,MRE对肝移植后晚期纤维化诊断的ROC曲线下面积可达0.83。El-EL-METEINI等[33]的研究与之有相似结果,他们对肝移植后患者的MRE检查发现,MRE预测移植肝晚期纤维化的敏感度和特异度均较高,分别为71.43%和75.00%,阴性预测值可达90.00%,而阳性预测值较低仅为45.50%,表明MRE是评估活体供肝移植后肝纤维化的可靠工具。

       总之,相比于目前金标准的肝活检,非侵入性的MRE用于肝移植后肝脏纤维化的评估被证明是可靠的且有良好的价值,因为它与肝活检的纤维化程度呈正相关,不受患者生化实验室的影响[33]。然而由于发现磁场强度不同、扫描序列不同、图像处理方式不同(二维和三维)、ROI选择方式不同,都会影响最终的测量数据。排除影像学客观因素下不同病因、不同病理状态对MRI信号不同程度的影响,这是MRE在肝脏病变临床应用中的难点。因此,MRE在临床上的应用多局限于临床研究而难以达成统一的评估标准,MRE是否能代替肝活检技术仍需进一步印证。

7 放射组学

       近年来,基于图像信息提取和新数据分析的进步,放射组学已广泛用于肝脏的研究[34, 35, 36]。放射组学是一种高通量的图像定量特征数据挖掘技术,把放射组学提取的数据信息与精准医疗相结合,应用于临床帮助临床提高诊断能力[37],实现对病理分级、治疗效果、预后等临床终点的预测[38]。因此通过放射组学来预测肝移植术后预后有一定的潜力。

       GUO等[39]研究了肝移植后确诊为肝癌的患者,通过勾画CT图像上病灶的ROI来提取放射组学特征,评估其与无复发生存率(recurrence-free survival, RFS)之间的关系来建立临床模型,研究发现基于放射组学特征和临床危险因素的临床模型对RFS具有良好的预测性能。因此,从CT图像中提取的放射组学特征可能是一种潜在的肝癌侵袭的成像生物标志物,并可准确预测肝移植后的肝癌复发。IVANICS等[40]利用肝移植数据库开发了用于预测肝移植后复发的模型,其评分与无病生存率的总体一致性达0.743,优于肝细胞癌肝移植相关危害(the hazard associated with liver transplantation in HCC, HALT-HCC)评分和甲胎蛋白(alpha-fetal protein, AFP),因此可以认为通过机器学习开发此模型是可行的,并且比其他可用风险评分有更高的准确性。赵经纬等[41]构建肝移植术后预测模型,发现预测模型在训练组中AUC为0.828,在验证组中AUC为0.856。由此可知术前增强CT影像组学技术构建的模型,对预测肝癌肝移植术后复发具有一定价值。ZHAO等[42]从增强的CT图像中提取特征,引入临床模型构建列线图,得出训练组AUC为0.882,验证组AUC为0.917,经研究发现,研究表明放射组学列线图在术前预测肝移植后肿瘤复发情况中有很好的性能。综上所述,基于CT的影像组学可以评估肝移植术后复发,且通过影像组学与临床特征因素建立的联合模型有很好的预测效能。

       目前,肝移植优先用于小肝癌(<5 cm)患者[43],然而有研究报道,大肝癌和小肝癌的肝移植表现出同等的生存与预后[44]。为了改变仅在小肝癌患者中才能实现成功移植和长期无复发的观念,HE等[37]希望将移植选择扩大到大肝癌的患者(>5 cm),他们基于MRI图像和报告建立了一个融合瞬时临床数据与定量组织学和放射学特征的融合人工智能模型,最终该组合模型在数据中的总准确率可达82%。因此他们认为,此模型可用于发现肝移植后除肿瘤大小和生物标志物之外的复发风险因素。

       有证据表明,中度至重度脂肪肝患者移植物预后不良的风险增加,而使用具有轻度脂肪变性的移植肝是安全的[45, 46]。最近有研究发现放射组学在预测肝移植供体的大泡性脂肪变性(macrovesicular steatosis, MaS)的等级中有一定的价值,而MaS被认为是预测移植物功能不全最重要的预后组织学参数[47, 48],这将会有效降低肝移植失败的风险。DING等[49]对患有MaS的潜在供体建立多变量逻辑回归分析放射组学模型,研究发现在训练集中的AUC为0.907,在测试集中为0.906,优于临床模型。CHEN等[50]对40个肝脏进行PDFF-MRI并获得ROI的全肝体积的直方图参数,研究发现与脂肪含量正常组相比,MaS组具有更高的平均值、中值和熵,PDFF中值的曲线下面积大于其他参数,在组织学上,平均PDFF与熵表现出极好的相关性。由此可以认为放射组学模型可为预测肝移植前患者MaS分级提供重要参考。

       综上,放射组学具有高维的影像特征,在一定程度上可以超越肿瘤解剖和形态数据的界限。利用人工智能和大数据技术充分挖掘图像,克服传统评估方法的局限性,提高肝移植术后肝癌复发的预测性能及移植肝MaS分级,便于临床实践中合理分配供体,对患者进行必要的术中或术后预防性治疗。之后的研究中,为使预测模型得到充分训练和多重验证,最大程度上模拟真实状态以减少非生物学差异,建立肝移植影像数据库和实现数据共享的需求日益迫切。

8 结论与展望

       目前,功能磁共振技术已经能够从扩散、氧合、代谢、脂肪定量、肝脏硬度等方面对患者肝功能受损情况进行定量分析,且放射组学可以通过对特征数据的采集和分析,从图像中提取大量的特征信息,从而建立对疾病预后准确判断。随着多模态的功能磁共振技术和放射组学逐渐成为近年来的研究热点,将为临床医生提供更全面的肝脏的病理生理学特征。目前大多数功能磁共振新技术还处于科研阶段,相信随着磁共振及后处理技术的不断提高,功能磁共振技术将逐渐应用于肝移植,未来其在评估肝移植的应用价值将会得到更全面的展现。

[1]
HUGHES C B, HUMAR A. Liver transplantation: current and future[J]. Abdom Radiol (NY), 2021, 46(1): 2-8. DOI: 10.1007/s00261-019-02357-w.
[2]
LONARDO A, MANTOVANI A, PETTA S, et al. Metabolic mechanisms for and treatment of NAFLD or NASH occurring after liver transplantation[J]. Nat Rev Endocrinol, 2022, 18(10): 638-650. DOI: 10.1038/s41574-022-00711-5.
[3]
VERNUCCIO F, WHITNEY S A, RAVINDRA K, et al. CT and MR imaging evaluation of living liver donors[J]. Abdom Radiol (NY), 2021, 46(1): 17-28. DOI: 10.1007/s00261-019-02385-6.
[4]
DANIELLE B. Progress in liver transplantation, but better access is needed[J]. Liver Transplant, 2023, 29(4): 347-348. DOI: 10.1097/lvt.0000000000000081.
[5]
WANG Y X J, HUANG H, ZHENG C J, et al. Diffusion-weighted MRI of the liver: challenges and some solutions for the quantification of apparent diffusion coefficient and intravoxel incoherent motion[J]. Am J Nucl Med Mol Imaging, 2021, 11(2): 107-142.
[6]
CHUANG Y H, OU H Y, YU C Y, et al. Diffusion-weighted imaging for identifying patients at high risk of tumor recurrence following liver transplantation[J/OL]. Cancer Imag, 2019, 19(1): 74 [2022-07-13]. https://pubmed.ncbi.nlm.nih.gov/31730015/. DOI: 10.1186/s40644-019-0264-y.
[7]
LEE S, KIM S H, HWANG J A, et al. Pre-operative ADC predicts early recurrence of HCC after curative resection[J]. Eur Radiol, 2019, 29(2): 1003-1012. DOI: 10.1007/s00330-018-5642-5.
[8]
NAKANISHI M, CHUMA M, HIGE S, et al. Relationship between diffusion-weighted magnetic resonance imaging and histological tumor grading of hepatocellular carcinoma[J]. Ann Surg Oncol, 2012, 19(4): 1302-1309. DOI: 10.1245/s10434-011-2066-8.
[9]
YAMADA S, MORINE Y, IKEMOTO T, et al. Impact of apparent diffusion coefficient on prognosis of early hepatocellular carcinoma: a case control study[J/OL]. BMC Surg, 2023, 23(1): 6 [2022-04-22]. https://pubmed.ncbi.nlm.nih.gov/36631851/. DOI: 10.1186/s12893-022-01892-6.
[10]
CAO X, SHI H, DOU W Q, et al. Can DKI-MRI predict recurrence and invasion of peritumoral zone of hepatocellular carcinoma after transcatheter arterial chemoembolization?[J]. World J Gastrointest Surg, 2022, 14(10): 1150-1160. DOI: 10.4240/wjgs.v14.i10.1150.
[11]
WANG J, DOU W, SHI H, et al. Diffusion kurtosis imaging in liver: a preliminary reproducibility study in healthy volunteers[J]. MAGMA, 2020, 33(6): 877-883. DOI: 10.1007/s10334-020-00846-4.
[12]
LEVITSKY J, GOLDBERG D, SMITH A R, et al. Acute rejection increases risk of graft failure and death inRecent liver transplant recipients[J/OL]. Clin Gastroenterol Hepatol, 2017, 15(4): 584-593.e2 [2022-07-13]. https://pubmed.ncbi.nlm.nih.gov/27567694/. DOI: 10.1016/j.cgh.2016.07.035.
[13]
李畅, 黄丽, 杨广奇, 等. 磁共振扩散峰度成像对肝移植术后急性排斥反应的诊断价值[J]. 影像诊断与介入放射学, 2021, 30(1): 29-33. DOI: 10.3969/j.issn.1005-8001.2021.01.006.
LI C, HUANG L, YANG G Q, et al. Diagnostic value of MR diffusion kurtosis imaging in acute cellular rejection after liver transplantation[J]. Diagn Imag Interv Radiol, 2021, 30(1): 29-33. DOI: 10.3969/j.issn.1005-8001.2021.01.006.
[14]
PRASAD P V. Update on renal blood oxygenation level-dependent MRI to assess intrarenal oxygenation in chronic kidney disease[J]. Kidney Int, 2018, 93(4): 778-780. DOI: 10.1016/j.kint.2017.11.029.
[15]
CHIANG H J, CHOU M C, CHUANG Y H, et al. Correction: use of blood oxygen level-dependent magnetic resonance imaging to detect acute cellular rejection post-liver transplantation[J/OL]. Eur Radiol, 2023, 33(10): 7355 [2022-12-04]. https://pubmed.ncbi.nlm.nih.gov/35247088/. DOI: 10.1007/s00330-023-09670-5.
[16]
CHIANG H J, CHANG W P, CHIANG H W, et al. Magnetic resonance spectroscopy in living-donor liver transplantation[J]. Transplant Proc, 2016, 48(4): 1003-1006. DOI: 10.1016/j.transproceed.2015.10.068.
[17]
CHENG Y, CHEN C, LAI C Y, et al. Assessment of donor fatty livers for liver transplantation. transplantation 2001; 71: 1221[J]. Transplantation, 2001, 71(9): 1206-1207. DOI: 10.1097/00007890-200105150-00003.
[18]
ZHENG D, GUO Z, SCHRODER P M, et al. Accuracy of MR imaging and MR spectroscopy for detection and quantification of hepatic steatosis in living liver donors: a meta-analysis[J]. Radiology, 2017, 282(1): 92-102. DOI: 10.1148/radiol.2016152571.
[19]
BURIAN M, HAJEK M, SEDIVY P, et al. Lipid profile and hepatic fat content measured by 1H MR spectroscopy in patients before and after liver transplantation[J/OL]. Metabolites, 2021, 11(9): 625 [2022-07-14]. https://pubmed.ncbi.nlm.nih.gov/34564441/. DOI: 10.3390/metabo11090625.
[20]
BANNAS P, KRAMER H, HERNANDO D, et al. Quantitative magnetic resonance imaging of hepatic steatosis: validation in ex vivo human livers[J]. Hepatology, 2015, 62(5): 1444-1455. DOI: 10.1002/hep.28012.
[21]
CROOME KRISTOPHER P, LEE DAVID D, BURCIN T C. The "skinny" on assessment and utilization of steatotic liver grafts: a systematic review[J]. Liver Transplant, 2019, 25(3): 488-499. DOI: 10.1002/lt.25408.
[22]
VODKIN I, KUO A. Extended criteria donors in liver transplantation[J]. Clin Liver Dis, 2017, 21(2): 289-301. DOI: 10.1016/j.cld.2016.12.004.
[23]
QI Q, WEINSTOCK A K, CHUPETLOVSKA K, et al. Magnetic resonance imaging-derived proton density fat fraction (MRI-PDFF) is a viable alternative to liver biopsy for steatosis quantification in living liver donor transplantation[J/OL]. Clin Transplant, 2021, 35(7): e14339 [2022-07-08]. https://pubmed.ncbi.nlm.nih.gov/33963602/. DOI: 10.1111/ctr.14339.
[24]
SATAPATHY S K, GONZALEZ H C, VANATTA J, et al. A pilot study of ex-vivo MRI-PDFF of donor livers for assessment of steatosis and predicting early graft dysfunction[J/OL]. PLoS One, 2020, 15(5): e0232006 [2022-07-15]. https://pubmed.ncbi.nlm.nih.gov/32407331/. DOI: 10.1371/journal.pone.0232006.
[25]
HAMILTON G, SCHLEIN A N, WOLFSON T, et al. The relationship between liver triglyceride composition and proton density fat fraction as assessed by 1H MRS[J/OL]. NMR Biomed, 2020, 33(6): e4286 [2022-07-15]. https://pubmed.ncbi.nlm.nih.gov/32128921/. DOI: 10.1002/nbm.4286.
[26]
IDILMAN I S, ANIKTAR H, IDILMAN R, et al. Hepatic steatosis: quantification by proton density fat fraction with MR imaging versus liver biopsy[J]. Radiology, 2013, 267(3): 767-775. DOI: 10.1148/radiol.13121360.
[27]
YOSHIZAWA E, YAMADA A. MRI-derived proton density fat fraction[J]. J Med Ultrasonics, 2021, 48(4): 497-506. DOI: 10.1007/s10396-021-01135-w.
[28]
OZTURK A, OLSON M C, SAMIR A E, et al. Liver fibrosis assessment: MR and US elastography[J]. Abdom Radiol, 2022, 47(9): 3037-3050. DOI: 10.1007/s00261-021-03269-4.
[29]
CATANIA R, LOPES VENDRAMI C, BOLSTER B D, et al. Intra-patient comparison of 3D and 2D magnetic resonance elastography techniques for assessment of liver stiffness[J]. Abdom Radiol (NY), 2022, 47(3): 998-1008. DOI: 10.1007/s00261-021-03355-7.
[30]
SANDRIN L, FOURQUET B, HASQUENOPH J M, et al. Transient elastography: a new noninvasive method for assessment of hepatic fibrosis[J]. Ultrasound Med Biol, 2003, 29(12): 1705-1713. DOI: 10.1016/j.ultrasmedbio.2003.07.001.
[31]
NAVIN P J, OLSON M C, KNUDSEN J M, et al. Elastography in the evaluation of liver allograft[J]. Abdom Radiol (NY), 2021, 46(1): 96-110. DOI: 10.1007/s00261-019-02400-w.
[32]
SINGH S, VENKATESH S K, KEAVENY A, et al. Diagnostic accuracy of magnetic resonance elastography in liver transplant recipients: a pooled analysis[J]. Ann Hepatol, 2016, 15(3): 363-376. DOI: 10.5604/16652681.1198808.
[33]
EL-METEINI M, SAKR M, ELDORRY A, et al. Non-invasive assessment of graft fibrosis after living donor liver transplantation: is there still a role for liver biopsy?[J]. Transplant Proc, 2019, 51(7): 2451-2456. DOI: 10.1016/j.transproceed.2019.01.197.
[34]
HARDING-THEOBALD E, LOUISSAINT J, MARAJ B, et al. Systematic review: radiomics for the diagnosis and prognosis of hepatocellular carcinoma[J]. Aliment Pharmacol Ther, 2021, 54(7): 890-901. DOI: 10.1111/apt.16563.
[35]
CARBONELL G, KENNEDY P, BANE O, et al. Precision of MRI radiomics features in the liver and hepatocellular carcinoma[J]. Eur Radiol, 2022, 32(3): 2030-2040. DOI: 10.1007/s00330-021-08282-1.
[36]
SUNG Y S, PARK B, PARK H J, et al. Radiomics and deep learning in liver diseases[J]. J Gastroenterol Hepatol, 2021, 36(3): 561-568. DOI: 10.1111/jgh.15414.
[37]
HE T, FONG J N, MOORE L W, et al. An imageomics and multi-network based deep learning model for risk assessment of liver transplantation for hepatocellular cancer[J/OL]. Comput Med Imaging Graph, 2021, 89: 101894 [2022-07-22]. https://pubmed.ncbi.nlm.nih.gov/33725579/. DOI: 10.1016/j.compmedimag.2021.101894.
[38]
胡文墨, 杨华瑜, 毛一雷. 基于人工智能的影像组学在肝脏疾病中的应用[J]. 中华普通外科杂志, 2019, 34(7): 646-648. DOI: 10.3760/cma.j.issn.1007-631X.2019.07.033.
HU W M, YANG H Y, MAO Y L. The application of imageology based on artificial intelligence in liver diseases[J]. Chin J Gen Surg, 2019, 34(7): 646-648. DOI: 10.3760/cma.j.issn.1007-631X.2019.07.033.
[39]
GUO D, GU D, WANG H, et al. Radiomics analysis enables recurrence prediction for hepatocellular carcinoma after liver transplantation[J]. Eur J Radiol, 2019, 117: 33-40. DOI: 10.1016/j.ejrad.2019.05.010.
[40]
IVANICS T, NELSON W, PATEL M S, et al. The Toronto postliver transplantation hepatocellular carcinoma recurrence calculator: a machine learning approach[J]. Liver Transpl, 2021, 28(4): 593-602. DOI: 10.1002/lt.26332.
[41]
赵经纬, 陈晓霞, 郭晓东, 等. CT影像组学模型预测肝移植术后肝癌早期复发的价值[J]. 武警医学, 2021, 32(5): 399-402, 406. DOI: 10.14010/j.cnki.wjyx.2021.05.008.
ZHAO J W, CHEN X X, GUO X D, et al. Prediction of early recurrence of hepatocellular carcinoma after liver transplantation based on CT radiomics model[J]. Med J Chin People's Armed Police Force, 2021, 32(5): 399-402, 406. DOI: 10.14010/j.cnki.wjyx.2021.05.008.
[42]
ZHAO J W, SHU X, CHEN X X, et al. Prediction of early recurrence of hepatocellular carcinoma after liver transplantation based on computed tomography radiomics nomogram[J]. Hepatobiliary Pancreat Dis Int, 2022, 21(6): 543-550. DOI: 10.1016/j.hbpd.2022.05.013.
[43]
MAZZAFERRO V, REGALIA E, DOCI R, et al. Liver transplantation for the treatment of small hepatocellular carcinomas in patients with cirrhosis[J]. N Engl J Med, 1996, 334(11): 693-699. DOI: 10.1056/nejm199603143341104.
[44]
VICTOR D W, MONSOUR H P, BOKTOUR M, et al. Outcomes of liver transplantation for hepatocellular carcinoma beyond the university of California San francisco criteria: a single-center experience[J]. Transplantation, 2020, 104(1): 113-121. DOI: 10.1097/tp.0000000000002835.
[45]
CHU M J J, DARE A J, PHILLIPS A R J, et al. Donor hepatic steatosis and outcome after liver transplantation: a systematic review[J]. J Gastrointest Surg, 2015, 19(9): 1713-1724. DOI: 10.1007/s11605-015-2832-1.
[46]
MIKOLASEVIC I, FILIPEC-KANIZAJ T, MIJIC M, et al. Nonalcoholic fatty liver disease and liver transplantation-Where do we stand?[J]. World J Gastroenterol, 2018, 24(14): 1491-1506. DOI: 10.3748/wjg.v24.i14.1491.
[47]
FLECHTENMACHER C, SCHIRMACHER P, SCHEMMER P. Donor liver histology—a valuable tool in graft selection[J]. Langenbecks Arch Surg, 2015, 400(5): 551-557. DOI: 10.1007/s00423-015-1298-7.
[48]
POLLOK J M, TINGUELY P, BERENGUER M, et al. Enhanced recovery for liver transplantation: recommendations from the 2022 International Liver Transplantation Society consensus conference[J]. Lancet Gastroenterol Hepatol, 2023, 8(1): 81-94. DOI: 10.1016/s2468-1253(22)00268-0.
[49]
DING S, YANG W, SUN X, et al. Computed tomography-based radiomic analysis for preoperatively predicting the macrovesicular steatosis grade in cadaveric donor liver transplantation[J/OL]. Biomed Res Int, 2022, 2022: 2491023 [2023-01-05]. https://pubmed.ncbi.nlm.nih.gov/35103236/. DOI: 10.1155/2022/2491023.
[50]
CHEN G, JIANG J P, WANG X Q, et al. Evaluation of hepatic steatosis before liver transplantation in ex vivo by volumetric quantitative PDFF-MRI[J]. Magn Reson Med, 2021, 85(5): 2805-2814. DOI: 10.1002/mrm.28592.

上一篇 静息态功能磁共振成像在轻度创伤性脑损伤研究中的应用
下一篇 MRI在胰腺癌新辅助治疗疗效评估中的研究进展
  
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