文摘目的:评估动态对比增强磁共振成像(dynamic-contrast enhanced magnetic resonance imaging,DCE-MRI)和表观弥散系数(apparent diffusion coefficient,ADC)在鉴别恶性潜能未定的平滑肌肿瘤(smooth muscle tumours of uncertain malignant potential,STUMP)/恶性子宫间叶性肿瘤与在弥散加权成像(diffusion-weighted imaging,DWI)上表现为弥散受限的平滑肌瘤中的诊断效能。方法:连续收集2016年1月—2021年9月病理证实为子宫间叶性肿瘤患者68例,包括23例STUMP/恶性子宫间叶性肿瘤与45例弥散受限的平滑肌瘤,这些病灶在DWI(b=800 s/mm^(2))上均显示为弥散受限。对病灶进行常规MR特征评估以及ADC和DCE-MRI参数的直方图分析,受试者工作特征(receiver operating characteristic,ROC)曲线用于评估诊断性能。结果:STUMP/恶性子宫间叶性肿瘤囊变坏死的发生率高于非恶性组(34.8%vs.8.9%,P=0.016)。STUMP/恶性组的ADC中位数和Ve中位数显著低于非恶性组(P<0.001,P=0.012),鉴别STUMP/恶性子宫间叶性肿瘤的ROC曲线下面积(area under the curve,AUC)分别为0.795和0.713,ADC_(中位数)+Ve_(中位数)联合可将AUC提高到0.850,ADC_(中位数)+Ve_(中位数)+有无囊变坏死联合得到更高AUC(0.883)。结论:ADC、DCE-MRI参数与常规MR特征联合可作为鉴别STUMP/恶性子宫间叶性肿瘤与弥散受限的平滑肌瘤的敏感指标。
文摘目的 探讨应用平均表观传播子MRI(mean apparent propagator-magnetic resonance imaging, MAP-MRI)及动态对比增强MRI(dynamic contrast enhanced magnetic resonance imaging, DCE-MRI)预测3、4级胶质瘤患者O6-甲基鸟嘌呤-DNA-甲基转移酶(O6-methylguanine-DNA methyhransferase, MGMT)启动子甲基化状态的可行性。材料与方法 前瞻性纳入本院自2018年6月至2022年1月经病理证实的14例MGMT启动子甲基化和17例MGMT启动子非甲基化胶质瘤患者,进行了术前常规MRI、DCE-MRI及MAP-MRI扫描。通过手动勾画肿瘤实质区域为感兴趣区(region of interest, ROI)并提取ROI定量参数特征,测量DCE-MRI参数及MAP-MRI参数。参数与MGMT甲基化间的相关性采用Pearson相关分析。所有参数均采用两独立样本t检验,比较DCE-MRI和MAP-MRI对预测3、4级胶质瘤MGMT启动子甲基化状态的诊断效能。进一步建立单因素和多因素logistic回归模型,分析构建受试者工作特征(receiver operating characteristic, ROC)曲线,以DeLong检验比较DCE-MRI参数、MAP-MRI参数与多参数联合模型预测MGMT甲基化的诊断效果。结果 DCE-MRI参数容积转运常数(volume transfer constant,Ktrans)、血管外细胞外容积分数(fractional volume of the extravascular-extracellular space, Ve)以及MAP-MRI参数非高斯(non-Gaussianity, NG)、非高斯轴向(non-Gaussianity axial, NGAx)、Q空间逆方差(Q-space inverse variance,QIV)、返回原点概率(return to the origin probability, RTOP)、返回轴线概率(return to the axis probability,RTAP)与MGMT启动子甲基化间呈中等相关性,对预测3、4级胶质瘤MGMT启动子甲基化与非甲基化组间差异具有统计学意义(P<0.05);ROC曲线下面积(area under the curve, AUC)分别为0.803、0.815、0.807、0.803、0.765、0.790、0.739。多因素logistic分析显示Ve是预测MGMT启动子甲基化的最佳预测因子,其准确性最高,AUC为0.815(95%CI:0.659~0.971),比值比(odds ratio, OR)为0.891(95%CI:0.815~0.975)。DeLong检验结果表明DCE-MRI和MAP-MRI多参数联合后预测胶质瘤MGMT启动子甲基化状态的诊断效能最高,AUC为0.992。结论 DCE-MRI和MAP-MRI对于预测高级别胶质瘤MGMT启动子甲基化状态具有一定的应用价值,同时应用两者联合诊断将有助于进一步提高诊断的效能。
文摘目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)定量参数直方图特征联合表观弥散系数(apparent diffusion coefficient,ADC)预测局部晚期宫颈癌(locally advanced cervical cancer,LACC)放化疗疗效的价值。材料与方法于甘肃省人民医院回顾性分析2017年1月至2023年12月88例LACC同步放化疗患者的临床及影像资料,前瞻性收集2023年12月至2024年5月15例LACC患者。按照实体瘤临床疗效评价标准(response evaluation criteria in solid tumor,RECIST)v1.1将患者分为显著反应组与非显著反应组。在DCE-MRI图像上选择肿瘤最大层面全肿瘤轮廓作为感兴趣区(region of interest,ROI)获得转运常数(volume transport constant,K^(trans))、血管外细胞外间隙容积分数(extravascular extracellular volume fraction,Ve)、速率常数(rate constant,K^(ep))原始频数表,导入IBM SPSS Statistics 27软件计算直方图特征,103例患者基于时间序列分层分割策略分为训练集88例,验证集15例,利用机器学习筛选最优DCE-MRI定量参数直方图特征并计算灌注参数评分(DCEscore);同时在ADC图测量ADC值。构建DCE直方图特征模型、ADC值及联合模型预测LACC放化疗疗效。采用受试者工作特征(receiver operating characteristic,ROC)曲线、校准曲线和决策曲线评估模型效能。比较临床参数及直方图特征在LACC患者放化疗疗效显著反应组及非显著反应组间差异,单因素及多因素回归分析筛选宫颈癌放化疗疗效独立危险因素。结果基于DCE-MRI定量参数直方图特征模型预测LACC患者放化疗疗效训练集、验证集ROC曲线下面积(area under the curve,AUC)分别为0.922、0.841;ADC值预测LACC患者放化疗疗效训练集、验证集AUC为0.835、0.705;DCEscore联合ADC值预测LACC患者放化疗疗效效能最佳,训练集、验证集AUC为0.943、0.909。临床参数中,身体质量指数(body mass index,BMI)在显著反应组及非显著反应组之间差异具有统计学意义(P=0.032)。单因素逻辑回归分析结果表明BMI、DCEscore、ADC是LACC放化疗疗效的影响因素(OR值分别为1.264、277.9、0.001;P值分别为0.008、<0.001、0.002),多因素逻辑回归筛选DCEscore及ADC值是宫颈癌放化疗疗效的独立危险因素(OR值分别为518.2、0.002;P值分别为<0.001、0.007)。结论基于DCE-MRI定量参数直方图特征联合ADC值构建的联合模型能够治疗前预测宫颈癌放化疗疗效,提示DCE-MRI定量参数直方图特征联合ADC值可能为LACC患者精准医疗提供一种无创评估方法。
文摘目的探讨乳腺动态增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)、时间-信号强度曲线(time-signal intensity curve,TIC)及表观弥散系数(apparent diffusion coefficient,ADC)预测乳腺癌激素受体(hormone receptor,HR)表达状态的价值,评估MRI特征与激素受体状态之间的相关性及预测价值。材料与方法回顾性分析2019年11月至2025年3月206例经病理证实为浸润性乳腺癌患者的MRI表现,分析DCE-MRI中形态学特征、TIC与ADC值在不同HR表达状态(HR+/HR-)乳腺癌之间的差异,对差异有统计学意义的MRI表现进行单因素及多因素联合的logistic回归分析,并绘制ROC曲线,评估MRI特征预测乳腺癌激素受体表达状态的效能。结果HR+组与HR-组的形态学特征(包括肿瘤最大径、边缘、毛刺征、强化方式)、TIC与ADC的差异均具有统计学意义(P<0.05),HR+更容易表现为最大径≤2 cm、边缘不清晰、有毛刺、不均匀强化和TIC为Ⅲ型曲线,且平均ADC值低于HR-。其中MRI形态学特征、ADC值可以预测激素受体阳性或阴性乳腺癌,曲线下面积(area under the curve,AUC)分别为0.806(95%CI:0.747~0.864)、0.669(95%CI:0.593~0.744),敏感度分别为74.1%、75.3%、特异度分别为74.4%、51.2%,而将二者联合预测HR表达状态的AUC为0.837(95%CI:0.784~0.890),敏感度、特异度分别为84.0%、65.6%,其中MRI形态学特征联合ADC值的鉴别价值最高。结论MRI形态学特征、ADC值联合模型对于乳腺癌激素受体表达状态具有较好的预测价值,从而为临床治疗方案的制订和调整提供依据。
