脑肿瘤是在脑内形成异常细胞时发生的,依据其是否起源于中枢神经系统进一步分类为原发性和转移性脑肿瘤[1]。成人原发性脑肿瘤最常见的类型为星形胶质细胞瘤中的胶质瘤[1],其次为脑膜瘤。大多数病因尚不清楚,目前以手术、放射治疗和化疗的联合治疗方案为主。根据肿瘤不同类型其预后有很大差异,所有脑肿瘤的平均5年生存率为33%[2]。
弥散张量成像(diffusion tensor imaging, DTI)基于弥散加权磁共振(diffusion weighted imaging, DWI),是核磁共振成像(magnetic resonance imaging, MRI)的特殊形式,是目前唯一能够无创观察脑白质纤维束的技术[3]。DWI与DTI同为基于水分子自由运动的功能磁共振技术,前者只反映组织中水分子弥散率的改变,在鉴别脑脓肿、囊性肿瘤和肿瘤坏死方面非常有效。脓腔脓液特性致使弥散受限,DWI序列呈高信号,弥散系数(ADC)值明显降低;与之相反,DWI在囊性肿瘤和肿瘤坏死呈低信号,为鉴别脓肿与肿瘤提供了一种高敏感性的方法[4]。人脑组织中的水分子通常沿着白质束长轴方向进行弥散运动。DTI通过描述机体水分子三维立体的弥散运动,清晰地显示脑白质纤维走行,为脑白质束提供图像的脑功能成像方法[5-6]。通过定量定向描述体素内弥散运动的变化,更好地为肿瘤病变的诊断与鉴别诊断提供信息,辅助指导放疗科医生明确放射治疗靶区勾画界限。本综述总结了DTI理论基础及目前技术的局限性,回顾了DTI在脑肿瘤放射治疗中的价值,并讨论了该领域的未来进展。
一、DTI的成像原理及其描述指标水分子在机体腔隙内液体中各方向以随机方式自由弥散,称为水分子的“各向同性”。然而,各种细胞结构阻碍水分子的随机运动,使它们以某种形式的“各向异性”运动,导致水分子单位时间内特定方向位移减小或出现弥散系数的变化[3, 7]。通过构建水分子弥散运动的椭球体三维模型,经过“对角化”线性代数计算过程,获得的信息用于更全面描述弥散特点,被称为“弥散张量”(diffusion tensor)。弥散张量直接代表水的方向,间接代表脑白质纤维束的方向。弥散张量由3个特征值(λ1,λ2,λ3)表示,它们是弥散幅度的量度;其后由3个特征向量(v1,v2,v3)表示,它们互相正交,表示弥散的方向。基于弥散张量的概念,DTI可利用各向异性分析脑的轴突组织。理论上,如果在6个方向上进行扫描,就有可能获得弥散过程的总体描述,但是通常扫描更多的方向以获得更好的描述参数。其主要的描述参数如下:①表观弥散系数(apparent diffusion coefficient, ADC):用于反映体内水分子向各个方向弥散运动速度与范围的平均值。当水分子沿着轴突弥散运动程度时,速度越快则ADC数值越高;相反,当肿瘤基质越多、细胞外基质越少,则水分子弥散运动受限越明显,速度下降,其ADC数值越低。②平均弥散率(mean diffusivity, MD):是测量水分子发生弥散幅度的量级,与标准扩散加权成像中的ADC值在数学上相当,它只表示弥散的程度,通过计算3个特征值的平均值而得,即MD=(λ1+λ2+λ3)/3,与方向无关。③各向异性分数(fractional anisotropy, FA):用于描述水分子各向异性弥散的趋势,由3个特征值计算而得,其值范围为0至1。0代表弥散分子完全各向同性,1代表完全各向异性。由此,脑白质在平行于神经纤维的方向弥散运动时FA值最大,近似于1。这种方向性通常会以颜色编码图来呈现,一般蓝色代表从上到下传递的纤维(例如皮质脊髓束),绿色代表从前到后(例如弓形束),红色代表左右横向行进(例如胼胝体)[8]。
二、DTI在脑肿瘤放射治疗中的应用随着现代计算机技术的快速发展和放疗设备的不断升级,放疗作为脑肿瘤的重要治疗手段之一,通过给予患者精确照射剂量,提高肿瘤治愈率和患者生活质量。然而另一方面,放疗亦可能损害健康的脑组织,导致患者出现神经功能缺陷。这些症状的发病机制涉及放疗后脑皮质变薄、神经实质性损伤、白质损害及海马功能受损等。如何运用先进的影像学检查技术在脑肿瘤患者的诊疗过程中发挥更精准的描述显得尤为重要。
1.放疗靶区勾画中的应用:高级别胶质瘤是常见的难治性中枢神经系统肿瘤,放疗作为术后重要的治疗方式,显著提高患者生存时间[9]。准确界定临床靶区(clinical target volume, CTV)是术后放疗研究热点之一,范围过大,增加正常结构坏死发生率;范围过小,易使复发率上升。既往研究发现,胶质瘤细胞密度与ADC值具有良好的相关性[10]。倪春霞等[11]对55例高级别胶质瘤术后残留患者行前瞻性研究,发现ADC均值和最小值表现为从残留区、近瘤区至中瘤区逐渐升高,且残留区与近瘤区、中瘤区与远瘤区差异均有统计学意义,改变符合胶质瘤向周围浸润的特点。提示ADC有助于对胶质瘤及周边组织结构性质的确定,对于靶区勾画有意义。大部分脑膜瘤为附着于硬脑膜缓慢生长的良性肿瘤,少数可为恶性,两者的影像表现相似,较难鉴别,这使得放射治疗前明确脑膜瘤在脑解剖结构中的位置、大小、血供及邻近神经间的关系显得尤为重要。DTI对脑结构微观结构变化的灵敏度高于常规T1和T2加权MRI,能完整观察白质纤维束的走向、绕行、中断、破坏等异常,在勾画放疗靶区时能更确切划分正常组织、水肿区与肿瘤组织[6, 12]。张辉等[13]对27例脑膜瘤患者行术前MR平扫、DTI及增强MRI扫描,分别测量脑膜瘤肿瘤细胞实质区、瘤周水肿区、瘤周白质区及其对应健侧结构的ADC值与FA值,并将结果与病理结果进行对照研究。结果发现结合常规MR图像,ADC值有助于区分瘤区实质、瘤周水肿及肿瘤周围大脑白质区。Tang等[14]回顾良性脑膜瘤患者常规磁共振、T1W1增强扫描及DTI序列扫描,神经纤维束成像显示脑膜瘤周围脑白质纤维呈推移、挤压现象,无中断破坏,瘤体与正常白质纤维区FA值差别具有统计学意义,提出使用DTI观察脑膜瘤可清晰地显示肿瘤与神经纤维的关系,对脑膜瘤治疗方案拟定及预后评估具有一定的指导意义。上述研究表明,利用DTI显示肿瘤与重要白质的结构关系,有助于实现在最大限度提高靶区剂量的同时保护重要脑功能,为确定精准的靶区提供重要信息。
2.预测放射治疗疗效:脑转移瘤是成人常见的颅内恶性肿瘤,具有侵袭性强、预后极差等特点。15%~25%的恶性肿瘤会出现脑转移[15]。鞠蓉晖等[16]对经病理证实的33例接受颅脑X-刀联合全脑照射治疗的肺癌脑转移患者进行常规MR、MR增强扫描及MRS、DTI等检查,通过方差分析检验差异,采用多元逐步线性回归分析方法分析不同时间点影像学所得各值与肿瘤体积相关性,结论发现脑转移瘤患者放疗后FA值随着体积的增大而逐渐减小。胶质瘤起源于星形细胞胶质,是最常见的原发性恶性脑肿瘤,具有高增殖性及侵袭性的特征[6, 17]。目前,治疗上一般在外科术后辅以放疗或放化疗。Khayal等[18]通过评估恶性胶质瘤术后患者放疗前、中、后DTI弥散参数,将这些参数作为疾病进展的早期标志物,与6个月无进展存活的临床结果相关联。结果表明,6个月内疾病进展的患者之间,RT中期与后期的变化有显著差异,且意义较前中期和前后期的参数差异更为重要。提示患者在治疗过程中期行DTI扫描的临床意义。有研究报道了与前文获得相同的结论,认为放射治疗杀死肿瘤细胞的机制是损伤DNA双链,通过破坏其完整性,导致染色体畸变、细胞死亡。死亡的细胞使水分子弥散各向异性比例增大,各向异性弥散程度下降,即FA值减少,提示放疗有效[19]。Tomura等[20]对20例立体定向放疗后脑肿瘤患者ADC值进行比较,发现治疗后ADC值明显升高,且数值高低能预测治疗效果。DNA双链损伤启动肿瘤细胞程序性死亡,细胞溶解,肿瘤细胞数量减少,使细胞间隙变大,水分子弥散运动增大,由此放疗后瘤区ADC值升高可有效说明放疗抑制肿瘤细胞增殖。上述研究提示治疗中期及后期随访复查DTI,结合测量参数,有助于综合评判患者病情。
3.对放射性脑损伤的诊断价值:胶质瘤治疗后后极易复发,区分放射性坏死与复发病灶对于治疗计划非常重要。放射性组织坏死的外观结构与临床表现和肿瘤复发非常相似,因此常难以辨别。活检是区分两者最可靠的方法,然而费用昂贵,并带来手术相关风险。理论上复发病灶和坏死病灶具有不同生化性质和组织结构,故其内部水分子弥散能力也不同[21]。有荟萃分析发现,在急性期和早期迟发性放射性脑损伤中,脑白质神经纤维发生脱髓鞘从而使水分子沿纤维方向弥散下降,使λ1值和FA值降低;周围胶质细胞肿胀变形,加速了垂直于神经纤维方向的弥散速率,使λ2和λ3值升高。但这些变化在常规MRI信号无发体现,DTI灵敏地反映放疗后急性及早期迟发性神经纤维损伤[22]。Xu等[23]对胶质瘤术后放疗部位有新的增强信号病变的患者进行常规MRI和DTI检查,在ADC和FA图上手动绘制ROIs,包括增强对比的病变区域、病变周围水肿和对侧正常白质,测量并计算ADC比值和FA比值,结果发现复发性病灶区平均ADC率(1.34±0.15)明显低于放射损伤患者(1.62±0.17,P < 0.01),FA平均比值(0.45±0.03)明显高于放射损伤患者(0.32±0.03,P < 0.01)。根据受检者工作特性曲线分析,当造影增强病变区ADC比值< 1.65或/和FA比值>0.36时,提示肿瘤复发。Razek等[24]对42例高级别胶质瘤患者进行前瞻性研究,使用DTI的FA及MD值联合动脉自旋标记肿瘤血流量(Tumor blood flow, TBF)区分复发胶质瘤与辐射后坏死组织,且联合准确度为95%,灵敏度93.8%,具有鉴别两者的潜在临床意义。Alexiou等[25]分别使用DTI、动态敏感性对比MRI和99Tcm-Tetrofosmin脑单光子发射计算机断层成像(SPECT)对30例脑胶质瘤复发患者行前瞻性研究。所有患者均通过手术切除肿瘤且未发现脑肿瘤残留,随后进行标准的术后放疗和化疗。结果提示,DTI敏感性虽不及其他两者,却也表现出对复发性肿瘤的检测显示出良好的应用前景。
三、目前DTI技术的局限性当使用DTI辅助界定放射治疗肿瘤范围时,仍有一些问题亟待解决。目前DTI技术与其他传统的生物学检查有较好的一致性,但在空间分辨率、信噪比(signal to noise ratio, SNR)等方面仍有不足[26]:①DTI分辨率的数量级为毫米,而描述脑白质束模型来源的弥散过程发生在分子级水平。因此,DTI尚且无法描述分子实际弥散过程及实际运动轨迹。②DTI的数据获取存在对操作者参数设置的依赖性,例如扫描方向的数量、脉冲序列的设置及图像处理算法等[27]。在计算弥散张量的诸多算法中,常使用的是光纤分配连续跟踪(fiber assignment by a continuous tracking, FACT)算法[27]。这种确定性方法基于假设“纤维的取向可以通过单个取向来描述”来进行,显然是一个将数据简化的步骤[27]。其后出现的概率算法无需依赖实际解剖结构,常用于纤维方向较难确定的区域,然而耗时严重[28]。目前,将交叉纤维计算在内的新一代方法学正在研发中,高角分辨率弥散成像和弥散光谱成像等。③SNR是用于比较MRI信号与噪声强度的定量度量,当SNR值较低时,测量FA值的精确度和可重复性受到负面影响。噪声将更多的弥散各向同性转换为各向异性,影响成像真实性。
虽然DTI技术目前存在一些限制和缺陷,需要进一步规范化,但是我们认为这项技术可用于增加肿瘤及其区域的形态学信息,优化临床决策[29-30]。现阶段,临床上使用直接电刺激作为金标准来评估纤维束成像,DTI纤维束成像与直接电刺激之间存在很高的一致性,这也从正面证实了纤维束成像的结果[31]。可以说,DTI提供了需要我们加以解释的辅助信息。
四、总结与展望DTI可更好地在活体无创显示肿瘤与大脑白质纤维束之间的关系。通过对水分子弥散运动定量定向的描述,肿瘤放射治疗科医师得以对脑肿瘤及其浸润范围作出预判,更好地为肿瘤病变的诊断与鉴别诊断提供信息,辅助明确放射治疗靶区勾画界限。为放疗方案的制定、最低程度破坏功能纤维束的同时最大程度杀灭肿瘤提供影像学指导,从而实现延长患者生存时间、提高生存质量。随着现代技术设备性能不断提高,脑功能相关研究正逐步朝着多波谱方向发展,结合DTI、磁共振波谱成像(magnetic resonance spectroscopy, MRS)、血氧水平依赖功能磁共振成像(blood oxygen level dependent functional magnetic resonance imaging, BOLD-fMRI)以及常规核磁共振技术综合评价大脑功能,从而获得神经系统疾病更准确的诊断以及更切当的治疗方案。虽然DTI在成像分析与解读上仍有需要完善的地方,但已经可以看到其在脑肿瘤放射治疗上广阔的临床应用前景。
利益冲突 本文由署名作者按以下贡献声明独立开展,不涉及各相关方的利益冲突作者贡献声明 吴凌云负责文献的搜集与整理;严丹方负责文章的撰写和修改;严森祥负责审阅并提出修改建议
[1] |
Saxena T, Lyon JG, Pai SB, et al. Engineering controlled peritumoral inflammation to constrain brain tumor growth[J]. Adv Healthc Mater, 2019, 8(4): e1801076. DOI:10.1002/adhm.201801076 |
[2] |
GBD 2015 Disease and Injury Incidence and Prevalence Collaborators. Global, regional, and national incidence, prevalence, and years lived with disability for 310 diseases and injuries, 1990-2015:a systematic analysis for the Global burden of disease study 2015[J]. Lancet, 2016, 388(10053): 1545-1602. DOI:10.1016/S0140-6736(16)31678-6 |
[3] |
Tae WS, Ham BJ, Pyun SB, et al. Current clinical applications of diffusion-tensor imaging in neurological disorders[J]. J Clin Neurol, 2018, 14(2): 129-140. DOI:10.3988/jcn.2018.14.2.129 |
[4] |
Bükte Y, Paksoy Y, Genç E, et al. Role of diffusion-weighted MR in differential diagnosis of intracranial cystic lesions[J]. Clin Radiol, 2005, 60(3): 375-383. DOI:10.1016/j.crad.2004.05.019 |
[5] |
Goebell E, Paustenbach S, Vaeterlein O, et al. Low-grade and anaplastic gliomas:differences in architecture evaluated with diffusion-tensor MR imaging[J]. Radiology, 2006, 239(1): 217-222. DOI:10.1148/radiol.2383050059 |
[6] |
Tummala RP, Chu RM, Liu H, et al. Application of diffusion tensor imaging to magnetic-resonance-guided brain tumor resection[J]. Pediatr Neurosurg, 2003, 39(1): 39-43. DOI:10.1159/000070879 |
[7] |
Banaszek A, Bladowska J, Podgórski P, et al. Role of diffusion tensor MR imaging in degenerative cervical spine disease:a review of the literature[J]. Clin Neuroradiol, 2016, 26(3): 265-276. DOI:10.1007/s00062-015-0467-y |
[8] |
Witwer BP, Moftakhar R, Hasan KM, et al. Diffusion-tensor imaging of white matter tracts in patients with cerebral neoplasm[J]. J Neurosurg, 2002, 97(3): 568-575. DOI:10.3171/jns.2002.97.3.0568 |
[9] |
Kristiansen K, Hagen S, Kollevold T, et al. Combined modality therapy of operated astrocytomas grade Ⅲ and Ⅳ. Confirmation of the value of postoperative irradiation and lack of potentiation of bleomycin on survival time:a prospective multicenter trial of the Scandinavian Glioblastoma Study Grou[J]. Cancer, 1981, 47(649): 649-652. DOI:10.1002/1097-0142 |
[10] |
Nakai T, Muraki S, Bagarinao E, et al. Application of independent component analysis to magnetic resonance imaging for enhancing the contrast of gray and white matter[J]. Neuroimage, 2004, 21(1): 251-260. DOI:10.1016/j.neuroimage.2003.08.036 |
[11] |
倪春霞, 汪洋, 盛晓芳, 等. 应用DWI和DTI勾画高级别胶质瘤术后放疗靶区的初步研究[J]. 临床神经外科杂志, 2015, 12(3): 223-226. Ni CX, Wang Y, Sheng XF, et al. Primary study of DWI and DTI in delineation of radiotherapy target volume with post-operative high-grade glioma[J]. J Clin Neurosurg, 2015, 12(3): 223-226. DOI:10.3969/j.issn.1672-7770.2015.03.018 |
[12] |
Coenen VA, Krings T, Mayfrank L, et al. Three-dimensional visualization of the pyramidal tract in a neuronavigation system during brain tumor surgery:first experiences and technical note[J]. Neurosurgery, 2001, 49(1): 86-92. |
[13] |
张辉, 贺业新, 苏晋生, 等. 磁共振弥散张量成像在脑膜瘤诊断中的应用价值[J]. 中国医学影像技术, 2005, 12(2): 1806-1809. Zhang H, He YX, Su JS, et al. Diagnosis of meningioma with MR diffusion tensor imaging[J]. Chin J Med Imaging Technol, 2005, 12(2): 1806-1809. |
[14] |
唐艳云. 磁共振弥散张量成像DTI及DTT在脑膜瘤诊断中的应用价值[J]. 世界最新医学信息文摘, 2017, 17(67): 132. Tang YY. The value of DTI and DTT in the diagnosis of meningiomas[J]. World Latest Med Iinform, 2017, 17(67): 132. DOI:10.19613/j.cnki.1671-3141.2017.67.095 |
[15] |
Almeida-Freitas DB, Pinho MC, Otaduy MC, et al. Assessment of irradiated brain metastases using dynamic contrast-enhanced magnetic resonance imaging[J]. Neuroradiology, 2014, 56(6): 437-443. DOI:10.1007/s00234-014-1344-0 |
[16] |
鞠蓉晖.磁共振功能成像对脑转移瘤放射治疗疗效评价的应用研究[D].沈阳: 中国医科大学, 2009. Ju RH. Application of MR functional imaging in evaluating the efficacy of patients with brain metastasis treated by radiotherapy[D]. Shenyang: China Medical University, 2009. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y1488776 |
[17] |
Chen YH, Zeng WJ, Wen ZP, et al. Under explored epigenetic modulators:role in glioma chemotherapy[J]. Eur J Pharmacol, 2018, 833: 201-209. DOI:10.1016/j.ejphar.2018.05.047 |
[18] |
Khayal IS, Polley M-YC, Jalbert L, et al. Evaluation of diffusion parameters as early biomarkers of disease progression in glioblastoma multiforme[J]. Neuro Oncol, 2010, 12(9): 908-916. DOI:10.1093/neuonc/noq049 |
[19] |
Huang RH, Hu B, Shen JL, et al. The value of diffusion tensor imaging in the radiotherapy for brain gliomas[J]. J Chin Oncol, 2013, 19(8): 628-631. DOI:10.11735/j.issn.1671-170X.2013.08.B009 |
[20] |
Tomura N, Narita K, Izumi J, et al. Diffusion changes in a tumor and peritumoral tissue after stereotactic irradiation for brain tumors:possible prediction of treatment response[J]. J Comput Assist Tomogr, 2006, 30(3): 496-500. DOI:10.1097/00004728-200605000-00024 |
[21] |
Armstrong CL, Gyato K, Awadalla AW, et al. A critical review of the clinical effects of therapeutic irradiation damage to the brain:the roots of controversy[J]. Neuropsychol Rev, 2004, 14(1): 65-86. DOI:10.1023/b:nerv.0000026649.68781.8e |
[22] |
李俊晨, 李国华, 胡春洪. DTI诊断参数早期放射性脑损伤Meta分析[J]. 中华放射肿瘤学杂志, 2017, 26(5): 508-512. Li JC, Li GH, Hu CH. A meta-analysis of diffusion tensor imaging for diagnosis of early radiation-induced brain injury[J]. Chin J Radiat Oncol, 2017, 26(5): 508-512. DOI:10.3760/cma.j.issn.1004-4221 |
[23] |
Xu JL, Li YL, Lian JM, et al. Distinction between postoperative recurrent glioma and radiation injury using MR diffusion tensor imaging[J]. Neuroradiology, 2010, 52(12): 1193-1199. DOI:10.1007/s00234-010-0731-4 |
[24] |
Razek AAKA, El-Serougy L, Abdelsalam M, et al. Differentiation of residual/recurrent gliomas from postradiation necrosis with arterial spin labeling and diffusion tensor magnetic resonance imaging-derived metrics[J]. Neuroradiology, 2018, 60(2): 169-177. DOI:10.1007/s00234-017-1955-3 |
[25] |
Alexiou GA, Zikou A, Tsiouris S, et al. Comparison of diffusion tensor, dynamic susceptibility contrast MRI and (99m)Tc-Tetrofosmin brain SPECT for the detection of recurrent high-grade glioma[J]. Magn Reson Imaging, 2014, 32(7): 854-859. DOI:10.1016/j.mri.2014.04.013 |
[26] |
Jones DK, Knösche TR, Turner R. White matter integrity, fiber count, and other fallacies:the do's and don'ts of diffusion MRI[J]. Neuroimage, 2013, 73: 239-254. DOI:10.1016/j.neuroimage.2012.06.081 |
[27] |
Potgieser AR, Wagemakers M, van Hulzen AL, et al. The role of diffusion tensor imaging in brain tumor surgery:a review of the literature[J]. Clin Neurol Neurosurg, 2014, 124: 51-58. DOI:10.1016/j.clineuro.2014.06.009 |
[28] |
Behrens TE, Johansen-Berg H, Woolrich MW, et al. Non-invasive mapping of connections between human thalamus and cortex using diffusion imaging[J]. Nat Neurosci, 2003, 6(7): 750-757. DOI:10.1038/nn1075 |
[29] |
Wu JS, Zhou LF, Tang WJ, et al. Clinical evaluation and follow-up outcome of diffusion tensor imaging-based functional neuronavigation:a prospective, controlled study in patients with gliomas involving pyramidal tracts[J]. Neurosurgery, 2007, 61(5): 935-948. DOI:10.1227/01.neu.0000303189.80049.ab |
[30] |
Duffau H. Diffusion tensor imaging is a research and educational tool, but not yet a clinical tool[J]. World Neurosurg, 2014, 82(1-2): e 43-45. DOI:10.1016/j.wneu.2013.08.054 |
[31] |
Niizuma K, Fujimura M, Kumabe T, et al. Surgical treatment of paraventricular cavernous angioma:fibre tracking for visualizing the corticospinal tract and determining surgical approach[J]. J Clin Neurosci, 2006, 13(10): 1028-1032. DOI:10.1080/002229305003/2244 |