作者：魏依依，李传亭，山东大学附属山东省医学影像学研究所

腮腺肿瘤的病理类型复杂，临床表现缺乏特异性，部分良性肿瘤存在复发及恶变倾向，部分低度恶性肿瘤可具有与良性肿瘤相似的临床特征。因此，准确的术前诊断对肿瘤手术方案的制定具有重要意义。

MRI具有良好的组织对比分辨率，能清晰的显示腮腺肿瘤本身及其周围组织，评估肿瘤范围、局部浸润和神经周围的扩散以及淋巴结远处转移，已成为目前诊断腮腺肿瘤的理想手段。近年来MRI新技术迅速发展，不仅进一步提高了腮腺肿瘤的诊断准确性，而且能够评估肿瘤的生物学特性，能够更好的判断腮腺肿瘤的病理生理过程，对预测肿瘤进展、制定治疗计划和评估预后起到重要作用。

1.磁共振扩散成像

磁共振扩散成像包括扩散加权成像（diffusion weighted imaging，DWI）、扩散张量成像（diffusion tensor imaging，DTI）、扩散峰度成像（diffusion kurtosis imaging，DKI）、体素内不相干运动成像（intravoxel incoherent motion model，IVIM）等。DWI通过测量表观弥散系数（apparent diffusion coefficient，ADC）进行定量评估。ADC可以量化水分子的平移扩散差异。ADC值能够根据与病理生理状态相关的组织微观结构而变化，并且与组织细胞密度成反比。

Elmokadem等通过在轴向平面内使用回波平面单发自旋回波序列对52例患者的研究结果显示，腮腺恶性肿瘤的ADCmean值为1.1×10-3mm2/s，腮腺良性肿瘤的ADCmean值为1.28×10-3mm2/s，其中恶性淋巴瘤的ADCmean值为（0.55±0.1）×10-3mm2/s，多形性腺瘤的ADCmean值为（1.834±0.25）×10-3mm2/s，Warthin的ADCmean值为（0.835±0.19）×10-3mm2/s，尽管不同腮腺肿瘤部分ADC值出现重叠，常见腮腺肿瘤的ADCmean值按以下顺序排列：恶性淋巴瘤＜Warthin肿瘤＜腮腺恶性肿瘤＜多形性腺瘤。

这归因于Warthin肿瘤结缔组织中含滤泡的淋巴组织的增殖及多形性腺瘤的黏液样或软骨样的基质。DTI常见的参数是分数各向异性（FA）和平均扩散率（MD）。FA主要代表组织微结构的水分子扩散方向性的程度。MD揭示了水分子的扩散运动速率。Rozek等对53例涎腺肿瘤患者进行了扩散张量成像，结果显示将FA和MD结合可以区分良恶性涎腺肿瘤、Warthin肿瘤与多形性腺瘤以及恶性肿瘤与多形性腺瘤，而FA则更有助于区分War-thin肿瘤与恶性肿瘤。

有研究报道显示，Warthin肿瘤和恶性腮腺肿瘤之间的ADC和MD值重叠，扩散加权MRI无法区分它们。但是Warthin肿瘤的FA值低于其他恶性肿瘤，这可能归因于Warthin肿瘤的细胞数量较少，而恶性涎腺肿瘤的细胞数量较高。DKI的参数包括扩散峰度系数（Kmean，Krad，Kax或Kapp）和扩散系数（Dmean，Drad，Dax或Dapp）等。Yu等对57例腮腺肿瘤患者进行了DWI和DKI，结果显示DKI对于不同病理特征的腮腺肿瘤具有更好的诊断能力。

该研究发现FA加Kax在Warthin肿瘤诊断中的敏感性，特异性，准确性，阳性预测值和阴性预测值分别为71.43%，95.78%，91.77%，95.78%和94.44%。DKI的组合参数可以准确地将Warthin肿瘤与其他腮腺肿瘤区分开。

当Warthin肿瘤和其他腮腺良性肿瘤具有相似的形态特征和TIC曲线时，DKI参数具有更大的鉴别诊断能力，而且，它对具有恶性表现的Warthin肿瘤和腮腺恶性肿瘤的鉴别诊断能力也更高。在没有形态学特征的情况下，DKI在腮腺肿瘤的准确诊断中具有巨大的潜在价值。

IVIM可用于评估组织的血流灌注情况，其在肿瘤领域得到大量应用。IVIM的主要参数包括：1）纯扩散系数（pure diffusion coefficient，D），代表纯的水分子扩散运动；2）微血管体积分数（microvascular volume fraction，f），f值可能与正常血管（包括有基底膜厚度和周细胞覆盖的完整血管）生成量有关，因此可以作为完整血管通透性的指标；3）与灌注相关的不相干微循环（perfusion-related incoherent microcirculation，D*），即与灌注相关的扩散运动，D*值很大程度取决于组织的毛细血管密度。

Sumi等对31例涎腺肿瘤患者IVIM的结果显示，Warthin肿瘤的f值高于多形性腺瘤，恶性肿瘤的D值低于多形性腺瘤并高于腺淋巴瘤，恶性肿瘤的D*值则明显低于腺淋巴瘤。将D值和D*值组合使用，可使三种肿瘤类型的鉴别准确率达到100%。在叶德华等的研究中发现腺淋巴瘤与恶性肿瘤的D*差异无统计学意义，这可能与D*的变异度有关。有研究发现，收缩期采集获得的D*值大于舒张期，MRI扫描时未使用心电门控，D*值可能受到心动周期的影响。

Fujima等应用IVIM-DKI混合模型对49例头颈部鳞状细胞癌的患者使用具有12个b值（0～2000）的DWI，计算了原发灶感兴趣区域（ROI）的IVIMDKI参数，结果显示，通过IVIM-DKI混合模型获得的D值和K值可以预测头颈部鳞状细胞癌患者未来是否发生远处转移。其中，多变量分析显示D值是发生远处转移的独立预测因子。

2.动脉自旋标记MRI

动脉自旋标记（arterial spin labeling，ASL）通过测量动脉血中的质子磁化强度来测量组织的血流。ASL技术的不断更新，如二维脉冲ASL（PASL）、伪连续ASL（PCASL）、背景抑制三维伪连续ASL（BS-3D-PCASL）等，选择不同的ASL成像技术和成像参数会严重影响测量结果。PCASL有效克服了传统2DASL技术中因磁化传递效应所导致的灌注偏差，有研究表明，3DPCASL技术较PASL信噪比高50%，较CASL标记率高12%，但也对设备射频系统的稳定性和保真度提出了极高要求。3D-PCASL序列具有更高的信噪比，更少的敏感伪影和更简单的临床实现。

Alsop等建议使用伪连续标记，背景抑制，无血管压迫梯度的分段三维读数，并使用简化模型以绝对单位计算和显示标记/控制差异图像和血流作为ASL技术的最佳默认设置。3D-ASL具有信噪比更高、灌注更均匀、成像范围更广、可重复性更强等优势。Razek等使用通过在颈总动脉分叉以下的标记平面完成的单相动脉自旋标记和场回波-平面成像（FEEPI）序列，对61例腮腺肿瘤患者进行了pCASL成像，并计算了肿瘤血流量（TBF）评估腮腺肿瘤。结果显示腮腺恶性肿瘤具有较高TBF值，可能是由于恶性肿瘤中较高的血管分布，毛细血管通透性和血容量增加，以及动静脉分流和毛细血管通过时间差有关。

Yamamoto等的研究显示，Warthin肿瘤的TBF和微血管密度（MVD）均明显高于多形性腺瘤，Warthin肿瘤的中位TBF与多形性腺瘤的中位TBF有显著差异。取TBF值为60.5ml/100g/min区分多形性腺瘤和Warthin肿瘤的准确度为95.7%。pCASL通过测量腮腺肿瘤的TBF，在鉴别诊断、治疗效果的评估等方面具有重要价值。

3.三维高分辨力MRI

腮腺肿瘤手术的并发症率较高，包括面神经麻痹，唾液瘘，感染，血肿等，面神经麻痹最常见。可靠的术前面神经定位可帮助安全有效地切除肿瘤，并为患者提供有关手术干预后潜在风险和发病率的更好信息。3D高分辨率MRI神经成像技术可显示腮腺段面神经。SHINKEI神经序列（SHeath signal increased with INKed rest-tissue RARE Imaging，SHINKEI）同时利用反转恢复脂肪抑制和iMSDE（改良运动敏感驱动平衡）脉冲做到均匀的脂肪抑制和血流抑制，在高分辨T2加权序列上同时抑制脂肪背景及血流信号，可以做出高分辨率的神经成像。

蒋延伟等对30例健康志愿者和40例腮腺肿瘤患者均行3DiMSDE及三维T2加权快速梯度回波（3D-T2-FFE）序列扫描，在健康志愿者中，3D-iMSDE对面神经的一级分支颞面干、颈面干的显示明显优于3D-T2-FFE；在腮腺肿瘤患者中3DiMSDE-MRN序列对腮腺内面神经及其一级分支、腮腺导管都有较高的空间分辨率和信号强度比，能够清晰显示腮腺肿瘤与面神经分支的位置关系。

Fujii等应用3D-DESS-WE序列能够直观地显示腮腺内面神经，可以将面神经显示为高信号强度结构。对腮腺深叶病变定位的诊断准确性，敏感性，特异性，阳性预测值和阴性预测值分别为97.8%，87.5%，100%，100%和97.4%。Chu等应用不同线圈对21例健康志愿者进行3D-PSIFDWI序列扫描，结果表明应用表面线圈对腮腺段面神经主干、一级分支和二级分支的显示优于头线圈。腮腺由于其较小的尺寸和表浅位置而适合于表面线圈成像。随着线圈尺寸的减小噪声减小，提高了SNR和图像分辨率。

4.影像组学

影像组学通过自动高通量提取大量的医学图像定量特征来改善图像分析，结合临床和病理，最后将分析结果用于疾病诊断、指导临床选择治疗方案及预后分析。影像组学的工作流程主要包括：1）标准化影像图像的获取；2）图像分割与重建；3）高通量特征提取与筛选；4）临床预测模型建立；5）构建共享数据库和个体化数据的分析。纹理分析是通过CT和MRI的灰度级和（或）像素强度直方图研究病变组织异质性的图像后处理技术，可对人眼观察不到的变化引起的图像异质性进行量化。

纹理分析是影像组学特征数据提取中的一类，相较于传统的仅从视觉层面解读医学影像，纹理分析可深入挖掘图像的生物学特性。Fruehwald-Pallamar等回顾性分析了38例经活检或手术证实的腮腺肿块的MR图像，研究表明基于标准MRI序列和DWI的纹理分析能够鉴别腮腺良恶性肿瘤及良性肿瘤中的Warthin肿瘤和多形性腺瘤，并且鉴别良恶性肿瘤的能力优于鉴别多形性腺瘤和Warthin肿瘤的能力。不同的纹理分析软件所得出的纹理特征参数虽略有差异，但都包含有直方图参数、灰度共生矩阵参数和灰度游程矩阵参数，其中以直方图参数分析的研究最多。

Chen等回顾性研究了161例腮腺肿瘤患者，使用ADC直方图来探索ADC直方图的参数是否可以区分良性和恶性肿瘤，并进一步区分肿瘤亚组。直方图参数采用均值、不均匀性、偏度、峰度以及来自ADC单指数模型的第10、25、50、75、90个百分位。结果显示除了峰度和第90个百分位，良性和恶性组之间的所有其他ADC参数都有显著差异。在良性肿瘤的亚组分类中，多形性腺瘤和Warthin肿瘤之间的所有ADC参数都有显著差异（曲线下面积0.988；敏感性93.8%；特异性94.7%；P＜0.05）。

在恶性肿瘤的亚组分类中，低风险腮腺癌的平均值（曲线下面积0.912；敏感性84.6%；特异性100%，P＜0.05）均高于恶性淋巴瘤，分别位于第10、25个百分位。全域测量直方图分析测量病灶内所有体素的信息，可充分反映病灶内全部体素的信号特征，较以往的单层最大层面测量ROI更具有客观性，测量误差更小。

高鑫等研究发现，基于T2WI的全域直方图分析可为鉴别腮腺多形性腺瘤与腺淋巴瘤提供可靠信息，其中第50、90百分位数的诊断效能较好，能够辅助鉴别诊断两种肿瘤。目前影像组学与纹理分析处于起步阶段，仍存在着很多技术问题需要进一步探索和解决，但是影像组学与纹理分析是精准医疗和大数据发展的必然产物，一定会对疾病的诊断、监测及治疗计划的制定产生深远影响综上所述，随着MRI新技术迅速发展，必将在腮腺肿瘤鉴别诊断、预测疾病的发展、制定治疗计划和评估预后方面产生革新。

来源：魏依依,李传亭.磁共振成像新技术在腮腺肿瘤中的应用进展[J].医学影像学杂志,2021,31(02):336-339.