磁共振擴散峰度成像預測腦膠質瘤分子分型的研究進展

張婕，秦江波，譚艷*

作者單位：1.山西醫科大學醫學影像學院，太原 030001；2.山西醫科大學第一醫院影像科，太原 030001

0 前言

腦膠質瘤是顱內最常見的原發惡性腫瘤，具有進展快、預后差和易復發的特點[1]。2016年世界衛生組織中樞神經系統（World Health Organization Central Nervous System, WHO CNS）腫瘤分類[2]首次將分子學特征納入腦膠質瘤分級診斷的條件中，如異檸檬酸脫氫酶（isocitrate dehydrogenase, IDH）、1 號染色體短臂和19 號染色體長臂（1p/19q）等。這種組織學分類與分子分型相結合的整合模式完善了膠質瘤的分類，提高了膠質瘤診斷的準確性。2021年WHO CNS 腫瘤分類[3]又新增了分子分型指標，如IDH 突變型星形細胞瘤伴細胞周期蛋白依賴性激酶抑制劑2A/B（cyclin dependent kinase inhibitor 2A/B, CDKN2A/B）純合性缺失升級為WHO 4 級；IDH 野生型彌漫性星形細胞瘤存在表皮生長因子受體（epidermal growth factor receptor, EGFR）基因擴增、端粒酶逆轉錄酶（telomerase reverse transcriptase, TERT）啟動子突變、7號染色體擴增/10 號染色體缺失（+7/-10）則升級為膠質母細胞瘤IDH 野生型。2021 年WHO CNS 進一步細化了腫瘤類型，強調準確的分子分型對腦膠質瘤的分級及治療方式選擇起著重要的作用。

目前，分子分型的診斷依賴于病理檢測，需要對腫瘤標本進行穿刺或手術切除，存在操作有創、診斷滯后、價格昂貴的缺點。磁共振擴散峰度成像（diffusion kurtosis imaging, DKI）是一種量化生物組織中水分子擴散呈非高斯分布模型的MRI技術，較傳統擴散成像能更精確地反映生物組織微觀結構的變化[4]，具有操作無創、價格合理、診斷及時等優點，近年來，隨著DKI技術的發展，越來越多的研究表明DKI 在腦膠質瘤的鑒別診斷、術前分級、分子分型及預后評估等方面都展現出了重要價值[5-7]。本文就DKI 技術預測腦膠質瘤分子分型的應用作一綜述，以期為腦膠質瘤患者的臨床治療提供重要參考。

1 DKI基本原理及參數

水分子的擴散運動是一個隨機過程，在宏觀上被描述成水分子隨機運動概率的分布。水分子的擴散根據組織結構的不同，通?？梢苑譃楦咚狗植己头歉咚狗植純煞N[8]。磁共振擴散加權成像（diffusion weighted imaging, DWI）和擴散張量成像（diffusion tensor imaging, DTI）均以高斯分布模型為理論基礎。然而，在生物復雜的組織結構中，由于細胞膜、細胞器、細胞間隔等影響因素的限制，水分子在各個方向的擴散程度并非相同，呈非高斯分布特征，此時水分子擴散信號呈非單數指數形式衰減，常規DTI 模型會導致很大的誤差[9]。DKI 是一種基于非高斯分布模型的擴散成像技術，可同時反映腫瘤組織細胞結構和微觀動力學，由JENSEN 等[10]于2005 年提出，將三維四階的峰度張量引入DTI 公式中，從而量化真實水分子擴散位移與理想的高斯分布水分子擴散位移間的偏離，因此可以更真實地反映細胞的微觀結構變化，描述組織的不均質性。DKI 與傳統DWI 采用同一類型的脈沖序列，但需要的b值更高（一般b＞1000 s/mm2）。在腦中，最大b值約為2000 s/mm2可以獲得合理精度的擴散峰度。此外，DKI 需要使用至少15 個施加方向和至少3 個b 值的擴散敏感梯度場，導致DKI 所需的掃描時間較長，使用3.0 T MRI 采集覆蓋全腦的空間分辨率3 mm×3 mm×3 mm的DKI 數據約需7分鐘[11]。

DKI 能獲得更多的參數，不僅包括DTI 的相關參數，如平均擴散率（mean diffusion, MD）、各向異性分數（fractional anisotropy, FA）、軸向擴散率（axial diffusion, AD）和 徑 向 擴 散 率（radial diffusion, RD），同時還能獲得峰度參數，如平均峰度（mean kurtosis, MK）、峰度各向異性（kurtosis anisotropy, KA）、軸向峰度（axial kurtosis, AK）和徑向峰度（radial kurtosis, RK）。MK 是多個b 值下擴散峰度在所有梯度方向上的平均值，反映組織微結構的復雜性，結構越復雜，水分子擴散受限越顯著，即MK 值越大[12]；KA 類似于FA，但使用峰度張量進行計算，使其不易受到交叉纖維等復雜白質纖維排列的影響；AK 指平行于主擴散方向的峰度參數，并反映軸突的完整性和纖維束的密度；RK 為垂直于主擴散方向的峰度參數，與髓鞘的完整性和軸突密度有關[13-14]。

2 DKI預測腦膠質瘤分子分型的研究進展

腦膠質瘤的發生發展與多種表觀遺傳學現象密切相關，如組蛋白修飾、DNA 甲基化、染色體重塑、microRNA異常等[15-16]，控制這些改變的基因和蛋白質已經成為治療腦膠質瘤的新靶點[17-18]。目前發現與治療和預后相關的已鑒定基因型包括IDH 基因突變、1p/19q共缺失、TERT啟動子突變、O6-甲基鳥嘌呤-DNA甲基轉移酶（O6-methylguanine-DNA methyltransferase,MGMT）啟動子甲基化及α-地中海貧血/精神發育遲滯綜合征X 連鎖（alpha-thalassemia/mental retardation syndrome X-linked, ATRX）基因突變等。

2.1 DKI預測IDH突變

IDH 是三羧酸循環的關鍵限速酶之一，能夠減緩腫瘤增殖，提升其對治療的敏感性，IDH 狀態是判斷腦膠質瘤患者生存和預后的重要因素，IDH1 和IDH2 突變被認為是腦膠質瘤發生的早期征象[19]，在低級別膠質瘤中比在膠質母細胞瘤中更常見[20]，許多研究證實IDH 突變型腦膠質瘤患者的治療效果及預后優于IDH野生型[21-23]。

近年來，應用DKI 預測IDH 狀態的研究越來越多。XU等[24]研究了51例腦膠質瘤患者發現，IDH突變組的MD 顯著高于IDH 野生組，曲線下面積（area under the curve, AUC）為0.77；MK 和FA 顯著低于IDH 野生組，AUC 分別為0.86、0.67，證實了DKI 預測IDH狀態的可行性。TAN等[25]研究了58例腦星形細胞瘤患者，發現IDH 突變組中MK、AK、RK 值顯著低于IDH野生組（P＜0.001、P=0.002、P＜0.001），MD 顯著高于IDH野生組（P=0.005）；其中MK組和RK組中的AUC值顯著高于MD 組，分別為0.811、0.800、0.704。ZHAO 等[26]研究52例患者，顯示AK 在預測IDH1 突變型腦膠質瘤方面有著最好的效能，AUC 為0.72，敏感度為74%，特異度為75%，而MD 的診斷效能最低，AUC 為0.67；多元逐步logistic 回歸分析包括所有擴散參數，結果顯示，只有AK 與IDH1 突變狀態存在統計學顯著相關性。上述研究表明，DKI 在預測腦星形細胞瘤IDH 狀態方面有著重要價值，比DTI更準確、穩定。CHU等[27]選擇了三種不同的感興趣區（region of interest,ROI）建立DKI 模型，即ROI-10s（10 個腫瘤實質小斑點）、ROI-3s（3 個最大尺寸的腫瘤實質切片）和ROI-whole（全腫瘤實質），以探究不同ROI 的選擇對DKI 預測IDH1 突變性能的影響，發現ROI-10s 耗費的時間最短，且相較ROI-3s 和ROI-whole 具有更好的診斷效能，AUC 值分別為0.85、0.81、0.77，但差異無統計學意義。此外，研究還發現隨著所涉及的腫瘤實質的增加（ROI-10s＜ROI-3s＜ROI-whole），AK 在預測IDH1突變狀態中比其他參數起更重要的作用。

上述研究表明，DKI 對預測腦膠質瘤IDH 狀態具有良好的效能，比DTI 更準確、穩定，并且選擇10 個腫瘤實質小斑點為ROI 耗時更短，效能更高。此外，DKI 還可以反映腫瘤間的異質性[28]，越大的峰度參數表示腫瘤中的結構越復雜，提示IDH野生型腦膠質瘤細胞增殖活躍、血管增生廣泛、出血壞死較多；而IDH突變型腦膠質瘤的細胞密度較低，細胞結構更均勻。

2.2 DKI預測1p/19q共缺失

目前研究認為染色體1p/19q共缺失主要發生于少突膠質細胞瘤中，被用作診斷少突膠質細胞瘤的可靠分子標志物[29]。1p/19q 共缺失是低級別膠質瘤的獨立預后因素，與沒有共缺失的患者相比，共缺失的患者生存期顯著延長[30-32]。

HEMPEL 等[33]納入了50 例患者研究發現，1p/19q共缺失組中的MK 值和MD 值分別為0.47±0.05 和1.63±0.25，而1p/19q完整組中的MK值和MD值分別為0.46±0.13和1.74±0.45，兩組間的MK值和MD值均無顯著差異，這表明MK和MD參數無法對1p/19q狀態進行預測。CHU 等[27]進行單因素分析認為，無論腦膠質瘤分級如何，所有DTI 和DKI 指標均不能有效區分1p/19q 共缺失狀態；但當使用所有DKI、DTI 聯合臨床（年齡和性別）特征時，基于ROI-10s（10 個腫瘤實質小斑點）的模型具有良好的診斷價值，AUC 為0.86。上述研究表明，DKI預測1p/19q共缺失的能力欠佳，但是采用ROI-10s選擇方式聯合臨床特征后可以提高診斷價值。

2.3 DKI預測MGMT啟動子甲基化

MGMT是一種普遍存在的DNA修復蛋白，主要修復烷化基在DNA 特點位點（O6位點）所引起的損傷。因此，MGMT可以修復烷化劑引起的DNA損傷、致突變性、細胞毒性，是腫瘤對化療藥物烷化劑產生耐藥性的主要原因[34]。既往的一些研究結果表明，MGMT 甲基化患者的生存期較非甲基化組顯著延長，且在接受輔助放化療后還會得到明顯改善[35-37]。因此，MGMT可作為評估預后的有效分子標志物。

WANG等[38]研究了66例腦星形細胞瘤患者發現，經Spearman等級相關分析顯示，MK值和FA值與MGMT的表達無線性相關性。WANG等[34]通過分析29例MGMT低表達和22例MGMT高表達患者間的DKI參數，認為這些參數在兩組間的差異無統計學意義。HEMPEL 等[33]對50 例患者進行了DKI 掃描得到了同樣的結論，即MGMT 甲基化及非甲基化患者間的MD 值和MK 值均無顯著差異。上述研究表明，DKI參數預測MGMT甲基化狀態效能欠佳。

2.4 DKI預測TERT、ATRX突變

在腦膠質瘤中，端粒的維持與TERT 啟動子突變以及ATRX 狀態有關[39-40]。研究認為，TERT 啟動子突變是不良預后因素，但主要見于IDH 野生型腦膠質瘤[41]。ARITA 等[42]的研究表明，TERT 啟動子突變將會對IDH 突變型腦膠質瘤患者生存產生積極影響；相反，在IDH 野生型組中，TERT 啟動子突變的腫瘤患者較TERT 野生型患者預后較差。此外，研究發現ATRX突變與IDH 突變密切相關，但與1p/19q 共缺失相互排斥[43]。ATRX 突變已被確定為新的治療靶點，并與更好的預后相關[41,44]。

呂曉姝等[45]對33 例低級別腦膠質瘤患者研究表明，在IDH 野生型患者中，TERT 突變組的相對平均峰度（relative mean kurtosis, rMK）、相對徑向峰度（relative radial kurtosis, rRK）、相對軸向峰度（relative axial kurtosis, rAK）值顯著大于TERT野生組，其中rAK 的診斷效能最好（AUC 為0.867），這可能是由于腦膠質瘤主要沿軸突和纖維束生長，軸突破壞顯著。WANG 等[34]和HEMPEL 等[33]都對DKI 預測ATRX 狀態的價值進行了研究，卻得出不同的結論。WANG 等[34]通過對51 例腦膠質瘤患者的研究得出，不同ATRX 表達狀態的腦膠質瘤中的DKI 參數無顯著差異（P＞0.05）。HEMPEL 等[33]的研究則表示MK 值在ATRX表達缺失的腫瘤中（0.41±0.11）顯著低于ATRX表達陽性的腫瘤（0.51±0.10；P=0.004），AUC 為0.763，敏感度為79%，特異度為73%。出現分歧的原因可能是兩項研究的選擇對象范圍不同，存在選擇偏倚。目前利用DKI 預測這兩種分子分型的研究還較少，以上這些結論提示DKI 參數作為TERT 和ATRX分子分型的預測指標仍需進一步深入研究。

3 基于DKI的影像組學預測膠質瘤分子分型

影像組學是一種從醫學影像中定量提取特征并將其轉換為可挖掘的高維數據的分析方法。影像組學過程包括圖像的采集和預處理、分割、特征提取和選擇以及使用機器學習算法的高級統計等多個步驟，憑借對數據進行更深層次的挖掘、預測和分析可以輔助醫師做出最準確的診斷[46-47]。近來，影像組學在綜合評估腦膠質瘤方面展現出重要的潛在價值[48]。

有研究表明，基于DKI的影像組學可以提高DKI對IDH以及MGMT狀態的預測效能。BISDAS等[49]對37例患者的平均擴散峰度（mean diffusive kurtosis, MDK）圖像進行一階統計和紋理特征的提取，并采用基于支持向量機（support vector machines, SVM）的遞歸特征消除（recursive feature elimination,RFE）方法選擇出4 種最具有區分能力的DKI 生物標志物，發現與使用一階統計生物標志物相比，使用紋理生物標志物的AUC值提高了49%（0.88 vs.0.59），進一步提高了DKI預測IDH狀態方面的效能。TAN等[50]分別在62 例腦星形細胞瘤患者的MK 以及MD 圖像中提取整個腫瘤的364 個放射組學特征，研究發現對于IDH 預測，放射組學模型（AUC=0.831）與臨床模型（AUC=0.775）和放射學模型（AUC=0.810）相比具有更好的診斷效能，當聯合放射組學評分、年齡和水腫程度后，該組合模型使診斷效能顯著提升（AUC=0.885，P=0.025）；放射組學模型、放射學模型和臨床模型預測MGMT 甲基化狀態的AUC 分別 為0.836、0.768 和0.671，而放射組學評分和水腫程度建立的聯合模型對MGMT 甲基化的預測性能無明顯影響（AUC=0.859，P=0.081）。PAN 等[51]對84 例腦膠質瘤患者做DKI 直方圖分析，發現表觀擴散系數（apparent diffusion coefficient, Dapp）和表觀峰度系數（apparent kurtosis coefficient, Kapp）的直方圖分析特征均能鑒別IDH 狀態（P均＜0.05），且IDH 突變組中的Dapp 直方圖參數較IDH 野生組更高，而IDH 野生組中的Kapp 直方圖參數較IDH 突變組更高，該結果同樣提示，IDH 突變型膠質瘤具有細胞密度較低和更均一的特征，相反，IDH 野生型膠質瘤的細胞結構以及結構異質性增加；此外，該研究將DKI 直方圖分析同動態增強MRI 紋理分析聯合用于診斷IDH 突變狀態得出，AUC較單一分析提高到0.978，敏感度為94.1%，特異度為96%。

以上研究表明，基于DKI的影像組學模型提高了對IDH 以及MGMT 狀態的預測性能，且加入臨床特征后可以進一步改善對IDH的診斷效能。

4 局限性及前景展望

DKI 作為一種先進的成像技術，在腦膠質瘤的分子分型方面展現出良好的預測性能，但其仍然存在一些局限性：（1）雖然有部分關鍵基因被納入研究，但2021年新增的CDKN2A/B純合性缺失以及7號染色體擴增/10 號染色體缺失尚未被納入研究，這可能是DKI 技術的后續研究方向；（2）多數研究是單中心、小樣本研究，可以得出的結論有限，因此，有必要進行多個中心、更大規模的研究以檢驗及完善研究成果；（3）當前各研究基于不同磁共振設備和掃描參數得出的結論可能存在分歧，因此，需要建立統一的標準來規范研究；（4）目前DKI 的掃描時間和數據后處理時間相對較長，應使用更新、更快的DKI后處理方法，以便在臨床研究中實現更大規模的實施。

5 小結

DKI 技術作為DTI 技術的延伸，能夠敏銳地發現微觀組織結構的變化，有效提高了腦膠質瘤IDH分子分型的診斷效能，但對于其他分子分型診斷效能欠佳，仍需要與其影像學技術相結合，共同提高診斷效能?；贒KI 的影像組學有望協助臨床進一步提升腦膠質瘤分子分型預測效能，以便為患者提供精準的個性化治療。

作者利益沖突聲明：全體作者均聲明無利益沖突。

作者貢獻聲明：譚艷設計本研究的方案，指導撰寫稿件，對稿件重要的智力內容進行了修改；張婕起草和撰寫稿件，獲取、分析并解釋本綜述的參考文獻；秦江波整理、分析并解釋本綜述的參考文獻，對稿件重要的智力內容進行了修改；譚艷獲得國家自然科學基金及山西省留學人員科研項目的基金資助，秦江波獲得山西省基礎研究計劃項目的基金資助；全體作者都同意最后的修改稿發表，都同意對本研究的所有方面負責，確保本綜述的準確性和誠信。