徐艷中，汪秀玲

原發(fā)性中樞神經(jīng)系統(tǒng)淋巴瘤（primary central nervous system lymphoma，PCNSL）是一種比較少見的顱內(nèi)惡性腫瘤，約占中樞神經(jīng)系統(tǒng)惡性腫瘤的2%～6%[1]。隨著先天及后天性免疫缺陷患者的增多，PCNSL的發(fā)病率有逐年遞增趨勢[2,3]。PCNSL發(fā)病年齡約50～70歲，多位于幕上，少見于小腦半球者，約62%患者為單發(fā)[4]。小腦PCNSL和單發(fā)轉(zhuǎn)移瘤影像學表現(xiàn)相似，在缺乏原發(fā)腫瘤病史的情況下，鑒別兩者更加困難。紋理分析應用特定的圖像后處理技術，可定量分析影像圖像的體素強度、體素空間排列方式等多種肉眼無法辨別的圖像信息，間接反映病灶的組織病理特點[5]。紋理分析最常用于CT和MRI平掃或增強檢查的圖像分析，可用于輔助腫瘤診斷、鑒別診斷、分級分期、治療效果評估及判斷預后[5,6]。本研究首次將紋理分析應用于小腦半球PCNSL和單發(fā)轉(zhuǎn)移瘤的鑒別診斷，旨在探討增強T1WI紋理分析在兩者鑒別診斷中的價值。

1 資料與方法

1.1 一般資料

回顧性收集本院2010年1月至2017年10月收治的42例影像學資料完整、經(jīng)病理證實的小腦半球PCNSL或單發(fā)腦轉(zhuǎn)移瘤的患者資料。其中PCNSL 20例，男7例，女13例；年齡42～73歲；既往人類免疫缺陷病毒（－）、未使用免疫抑制劑、無中樞神經(jīng)系統(tǒng)以外的全身各系統(tǒng)淋巴瘤的病史。根據(jù)2016年WHO中樞神經(jīng)系統(tǒng)腫瘤最新分類標準[7]，均為彌漫大B細胞淋巴瘤。單發(fā)且以實性為主（實性部分體積≥整個瘤體的2/3）的轉(zhuǎn)移瘤22例，男12例，女10例；年齡38～78歲；其中肺癌轉(zhuǎn)移12例，消化道腫瘤4例，乳腺癌3例，卵巢癌1例，腎癌1例，甲狀腺癌1例。所有患者檢查前均未接受任何放化療或相關手術治療。

1.2 方法

1.2.1 檢測設備及參數(shù) 采用GE Signal 3.0T或Discovery 750W 3.0T磁共振，使用16通道頭部線圈。MRI對比劑：釓噴替酸葡甲胺（GD-DPTA），用量為0.2 mmol/kg，速率為3.0 mL/s。增強掃描，T1WI軸位、矢位和冠位（TR=2500 ms，TE=24 ms），層數(shù)18，層厚6.0 mm，層間距1.0 mm，視野FOV 240×240，NEX 2.0，矩陣 256×256。

1.2.2 紋理分析 紋理分析測量時遵循盲法原則并在有豐富經(jīng)驗的頭頸部影像醫(yī)師監(jiān)督下進行。在T1增強軸位圖像上，對連續(xù)層面的腫瘤邊界及內(nèi)部進行手動勾畫3D立體感興趣區(qū)（region of interest，ROI），包括腫瘤內(nèi)部出血、壞死、囊變、鈣化等所有影像學信息，利用紋理分析軟件FireVoxel自動分析得到平均值、標準差、熵值、偏度、峰度及異質(zhì)性等參數(shù)。

1.3 統(tǒng)計學處理

采用SPSS 22.0軟件處理數(shù)據(jù)。符合正態(tài)分布以及方差齊性的計量資料以（x±s）表示，組間比較采用獨立樣本均數(shù)t檢驗；反之，采用非參數(shù)檢驗。以分組為因變量，應用Logistic回歸分析對紋理分析定量參數(shù)進行多參數(shù)聯(lián)合分析，并以計算模型的預測值繪制受試者工作特征曲線（receiver operator characteristic curve，ROC），獲得曲線下面積（area under the curve，AUC），以約登指數(shù)[(敏感性+特異性)－1]最大時的參數(shù)值為閾值，確定紋理分析各定量參數(shù)鑒別2組腫瘤的效能（敏感性、特異性、準確性）；P＜0.05為差異有統(tǒng)計學意義。

2 結(jié)果

在紋理分析中，2組的標準差、熵值、偏度、峰度和異質(zhì)性5個參數(shù)差異有統(tǒng)計學意義，PCNSL組標準差、熵值、偏度及異質(zhì)性明顯低于轉(zhuǎn)移瘤組，而峰度明顯高于轉(zhuǎn)移瘤組（均P＜0.05）；2組均數(shù)、中位數(shù)差異無統(tǒng)計學意義（P＞0.05），見表1。根據(jù)ROC曲線，確定紋理分析各定量參數(shù)鑒別小腦半球PCNSL與單發(fā)轉(zhuǎn)移瘤的效能，異質(zhì)性參數(shù)鑒別診斷效能明顯優(yōu)于其它參數(shù)值，有較高的敏感性、特異性及準確性，表2、3。利用Logistic回歸分析對紋理定量參數(shù)進行多參數(shù)聯(lián)合分析，其鑒別效能較利用單個紋理分析定量參數(shù)鑒別的效能有所提高，見表4。

表1 2組腫瘤紋理分析定量參數(shù)的比較

表2 標準差、熵值、偏度、峰度和異質(zhì)性參數(shù)的ROC曲線AUC

表3紋理分析定量參數(shù)鑒別2組腫瘤的效能

表4紋理分析多參數(shù)聯(lián)合分析鑒別2組腫瘤的效能

3 討論

PCNLS是顱內(nèi)少見的惡性腫瘤，當其發(fā)生部位不典型時，如小腦半球，影像學上很難與轉(zhuǎn)移瘤相鑒別。紋理分析不受影像醫(yī)師主觀判斷因素及臨床經(jīng)驗的影響，可以客觀提供MRI圖像的各種信息，尤其對常規(guī)MRI檢查不易鑒別診斷的病變，紋理分析優(yōu)勢更大[8,9]。本研究結(jié)果顯示，PCNSL組紋理分析參數(shù)標準差、熵值、偏度及異質(zhì)性明顯低于轉(zhuǎn)移瘤組，而峰度明顯高于轉(zhuǎn)移瘤組（均P＜0.05），且異質(zhì)性參數(shù)鑒別診斷效能明顯優(yōu)于其它參數(shù)值，有較高的敏感性、特異性及準確性。

標準差、峰度和偏度反應腫瘤內(nèi)部像素值分布形態(tài)的陡緩程度和對稱性[10]，由于PCNSL以簇狀生長的巨大淋巴樣瘤細胞為主，瘤細胞致密，血腦屏障破壞明顯，強化多均勻、顯著，其內(nèi)部無明顯增生的血管內(nèi)皮細胞及新生血管，較少出現(xiàn)出血、壞死與囊變，而轉(zhuǎn)移瘤原發(fā)腫瘤病理類型多樣，成分混雜，生長較快，內(nèi)部存在顯著血管化，較易出現(xiàn)壞死、囊變及出血，所以兩者直方圖分布的陡緩程度和對稱性不同。與轉(zhuǎn)移瘤相比，PCNSL組圖像像素值總體分布趨勢相對集中，離散程度相對較小，直方圖形態(tài)相對陡峭，峰值相對較高，見圖1；而轉(zhuǎn)移瘤組圖像像素值總體分布趨勢相對較分散，離散程度相對較大，直方圖形態(tài)相對平緩，峰值相對較低，見圖2。熵值、異質(zhì)性與圖像紋理的復雜度和不均質(zhì)度有關，腫瘤內(nèi)部結(jié)構越復雜、越不均勻，熵值、異質(zhì)性就越大；反之，熵值、異質(zhì)性就越小[11]。與轉(zhuǎn)移瘤相比，PCNSL組圖像紋理更規(guī)則、更均勻。小腦PCNSL與轉(zhuǎn)移瘤在常規(guī)MRI上可表現(xiàn)為相似的影像學特點，但轉(zhuǎn)移瘤相對復雜的組織病理學特點使其具有肉眼不能識別的圖像紋理差異，如圖1和圖2腫瘤的MRI表現(xiàn)相似，但圖1（E）PCNSL的標準差（160）、熵值（4.88）、偏度（－0.968）、異質(zhì)性參數(shù)（0.148）要明顯小于圖2（E）轉(zhuǎn)移瘤的標準差（207）、熵值（5.07）、偏度（－0.283）、異質(zhì)性參數(shù)（0.221）。對標準差、熵值、偏度、峰度及異質(zhì)性5個紋理分析定量參數(shù)進行多參數(shù)聯(lián)合分析，其鑒別效能較利用單個紋理分析定量參數(shù)鑒別的效能有所提高。本研究結(jié)果表明，增強T1WI紋理分析的部分定量參數(shù)有助于鑒別小腦半球PCNLS和單發(fā)轉(zhuǎn)移瘤。

圖1 1例PCNSL患者影像學及病理檢查結(jié)果

圖2 1例單發(fā)腦轉(zhuǎn)移瘤患者影像學及病理檢查結(jié)果

目前，國內(nèi)外有許多關于紋理分析在輔助顱內(nèi)腫瘤診斷、鑒別診斷方面的研究。Skogen等[12]研究表明高級別膠質(zhì)瘤異質(zhì)性參數(shù)明顯高于低級別膠質(zhì)瘤，通過量化腫瘤異質(zhì)性，可以為膠質(zhì)瘤分級提供生物學指標。孫振國等[13]研究結(jié)果表明增強T1WI紋理分析的熵值與異質(zhì)性參數(shù)可以提高對PCNSL與高級別膠質(zhì)瘤的鑒別能力。張勝等[14]研究發(fā)現(xiàn)增強T1WI紋理分析參數(shù)峰度可用于鑒別膠質(zhì)母細胞瘤和單發(fā)腦轉(zhuǎn)移瘤。但是在諸上述研究中，均選擇腫瘤強化部分所在的最大層面為ROI，所得到的二維圖像紋理分析不能全面反應腫瘤內(nèi)部信息。本研究是選取整個瘤體的三維立體結(jié)構為ROI，與上述研究相比有所優(yōu)化。但由于本研究中病例數(shù)較少，尤其是腦轉(zhuǎn)移患者，以原發(fā)性肺癌較多，可能引起偏倚，因此，需要大樣本進一步來證實。

綜上所述，紋理分析可用于鑒別小腦半球PCNLS和單發(fā)轉(zhuǎn)移瘤，并能為兩者的鑒別診斷提供可靠、量化的客觀依據(jù)。