中华放射医学与防护杂志  2023, Vol. 43 Issue (2): 138-142   PDF    
引用本文
张利亚, 张金洲, 朱干, 余文静, 徐慧琴, 汪会. 全身动态18F-FDG PET/CT显像以不同输入函数重建对肺癌定量参数的影响[J]. 中华放射医学与防护杂志, 2023, 43(2): 138-142, DOI: 10.3760/cma.j.cn112271-20220826-00350.
全身动态18F-FDG PET/CT显像以不同输入函数重建对肺癌定量参数的影响
张利亚 , 张金洲 , 朱干 , 余文静 , 徐慧琴 , 汪会     
安徽医科大学第一附属医院核医学科, 合肥 230022
收稿日期: 2022-09-28
基金项目: 国家自然科学基金（81801736，81971643）
通信作者: 汪会, Email: wanghuixyx@163.com
[摘要] 目的 探讨使用两种不同输入函数重建氟-18-氟代脱氧葡萄糖（18F-FDG）正电子发射断层扫描/计算机断层扫描（PET/CT）Patlak多参图像对肺癌病灶定量参数的影响。方法 回顾性分析在安徽医科大学第一附属医院核医学科完成全身动态18F-FDG PET/CT扫描的肺癌患者的扫描原始数据，总扫描时间为75 min。采用两种输入函数进行Patlak多参重建：①以0~75 min降主动脉时间-放射性曲线（TAC）为输入函数（IDIF）。②以耶鲁大学研发的基于人群的输入函数（PBIF）。Patlak多参数分析软件分别以上述输入函数重建获得代谢率（MRFDG）、分布容积（DV）图像，感兴趣区法勾画病灶获得多参定量信息包括MRFDG及DV的最大值（max）、峰值（peak）和平均值（mean），采用配对t检验进行统计分析。结果 27例接受全身动态18F-FDG PET/CT成像的肺癌患者的原始数据，以两种不同输入函数进行Patlak重建，得到肺癌病灶MRFDG-IDIF和MRFDG-PBIF的max、peak及mean值分别为：（0.26 ±0.15）、（0.19 ±0.12）、（0.14 ±0.08）μmol·min-1·ml-1和（0.26 ±0.15）、（0.20 ±0.13）、（0.15 ±0.09）μmol·min-1·ml-1，差异无统计学意义（P>0.05）；DVIDIF和DVPBIF的max、peak及mean值分别为（165.56 ±99.89）%、（117.66 ±72.24）%、（62.16 ±33.65）%和（170.04 ±103.93）%、（121.91 ±73.71）%、（65.05 ±37.17）%，差异无统计学意义（P>0.05）。结论 本研究显示基于人群的输入函数或可成为难以耐受长时间平卧的肿瘤患者全身动态18F-FDG PET/CT Patlak多参显像的替代输入函数。
[关键词] 肺癌    氟-18-氟代脱氧葡萄糖    正电子发射断层扫描/计算机断层扫描    定量参数    输入函数    重建方式    
Effect of different input functions of whole-body dynamic 18F-FDG PET/CT imaging reconstruction on quantitative parameters of lung cancer
Zhang Liya , Zhang Jinzhou , Zhu Gan , Yu Wenjing , Xu Huiqin , Wang Hui     
Department of Nuclear Medicine, The First Affiliated Hospital of Anhui Medical University, Hefei 230022, China
Fund programs: National Natural Science Foundation of China (81801736, 81971643)
Corresponding author: Wang Hui, Email: wanghuixyx@163.com
[Abstract] Objective To investigate the effect of using two different input functions to reconstruct 18F-FDG PET/CT Patlak multi-parameter images on the quantitative parameters of lung cancer lesions. Methods The original whole-body dynamic 18F-FDG PET/CT scan data of lung cancer patients in the Department of Nuclear Medicine, First Affiliated Hospital of Anhui Medical University were retrospectively analyzed. The total scan time was 75 min. Two input functions were used for Patlak multi-parameter reconstruction: ① Image-derived input function(IDIF) using the Time-activity curve(TAC) of descending aorta from 0 min to 75 min. ② Population-based input function (PBIF) developed by Yale University. Metabolic rate of FDG (MRFDG) and Distribution volume (DV) images were obtained by Patlak multi-parameter analysis software using the above input functions. The region of interest (ROI) method was used to delineate the lesions to obtain multi-parameter quantitative information, including the max, peak and mean value of MRFDG and DV. Paired t-test was used for statistical analysis. Results The original data of 27 lung cancer patients who received whole-body dynamic 18F-FDG PET/CT imaging were reconstructed by Patlak with two different input functions. The max, peak and mean values of MRFDG-IDIF and MRFDG-PBIF in lung cancer lesions were as follows: (0.26 ±0.15), (0.19 ±0.12), (0.14 ±0.08)μmol·min-1·ml-1 and (0.26 ±0.15), (0.20 ±0.13), (0.15 ±0.09)μmol·min-1·ml-1, with no statistically significant difference between two functions(P > 0.05). The max, peak and mean values of DVIDIF and DVPBIF were (165.56 ±99.89)%, (117.66 ±72.24)%, (62.16 ±33.65)% and(170.04 ±103.93)%, (121.91 ±73.71)%, (65.05 ±37.17)%, with no statistically significant difference between two functions (P > 0.05). Conclusions The population-based input function may be an alternative for patients who could not lie supine for long time during whole-body dynamic 18F-FDG PET/CT Patlak multi-parameter imaging.
[Key words] Lung cancer    18F-FDG    PET/CT    Quantitative parameters    Input function    Reconstruction method    

氟-18-氟代脱氧葡萄糖(18F-FDG)正电子发射断层扫描/计算机断层扫描(PET/CT)在肺癌的诊断、分期及疗效评估中发挥着重要作用[1]。目前临床PET/CT扫描为静态扫描，在注射18F-FDG后50~60 min后采集平台期的图像，其定量参数标准摄取值(SUV)反映组织或病灶中代谢18F-FDG和游离18F-FDG的综合，虽诊断敏感性高，但特异性不足。肺癌、炎性肉芽肿、结核等均可表现出对18F-FDG的高摄取，导致鉴别诊断困难[2]。Patlak模型是通过注射显像剂后多时间点采集血液，测量放射性计数，拟合代谢动力学的数学模型，进一步区分被病灶组织真正捕获的18F-FDG和游离18F-FDG[3]。将Patlak模型用于临床PET/CT诊断是核医学研究者的热点方向之一。由于传统PET/CT扫描为分床位采集，难以取得连续动态的放射性数据，故而Patlak模型一直未能用于临床。

国内首批数字化PET/CT，实现从注射显像剂开始的全身连续动态采集，数据可用于Patlak多参软件分析与重建。有研究发现，Patlak多参分析所得的代谢率(MRFDG)及分布容积(DV)图像可实现同等或更好的病变检测性，提高小病灶的检出，对降低PET/CT病灶假阳性、提升靶本比及信噪比有重要价值[4]。然而，全身动态18F-FDG PET/CT Patlak多参显像时间长，需60 min以上，部分老年或合并基础病的受检者因难以耐受长时间静止平卧而限制使用。因此本研究回顾性分析行全身动态18F-FDG PET/CT的肺癌患者原始数据，分别使用两种输入函数进行Patlak多参数重建，比较所得多参数定量数据的差异，为临床18F-FDG PET/CT Patlak多参数采集方案优化提供参考。

资料与方法

1. 研究对象：本研究回顾性分析了2020年8月至2022年8月在安徽医科大学第一附属医院核医学科行全身动态18F-FDG PET/CT显像的并经病理确诊的27例肺癌患者原始数据(男性15例，女性12例；平均年龄(64.67±10.55)岁。所有未接受放化疗的新诊断肺癌患者在术前或穿刺前行多参数动态全身PET/CT成像。所有涉及人体参与者的研究程序均经安徽医科大学附属第一医院伦理委员会批准，所有参与者均给予知情同意。

2. 全身动态18F-FDG PET/CT显像: 采用德国西门子Biograph Vision PET/CT仪。18F-FDG购自南京江原迪科正电子研究发展有限公司。扫描前要求患者禁食6 h以上，安静休息15 min后，血糖水平在8.1 mmol/L以下。受试者本人及其家属签署知情同意书后进行动态全身PET/CT成像。基于体重给患者注射18F-FDG显像剂(3.71 ± 1.05)MBq/kg，注射显像剂同时开始扫描，共采集75 min。扫描方法及参数：从头顶到大腿中部低剂量全身CT(层厚1.0 mm，管电压100 kV，管电流43 mA/s)，用于衰减校正；注射18F-FDG显像剂与以心脏区域为中心的6 min动态单床PET扫描同时开始(12 pass × 5 s，6 pass × 10 s，8 pass × 30 s)；随后的16次全身PET扫描，以捕获血浆和组织中示踪剂的晚期动态(5 pass × 2 min，11 pass × 5 min)。

3. 重建方法: 完成全身动态18F-FDG PET/CT扫描后，采用两种输入函数(图 1)进行Patlak多参重建：①在西门子工作站上直接以0~75 min降主动脉时间-放射性曲线(TAC)为输入函数(IDIF)+ 0~75 min的动态PET扫描全程数据Patlak重建获得MRFDG-IDIF、DVIDIF图像。②在西门子工作站上直接以基于人群的输入函数(PBIF) + 60~75 min的动态PET扫描数据Patlak重建获得MRFDG-PBIF、DVPBIF图像。最后3次动态扫描的PET数据是在18F-FDG注射后60~75 min进行的，这也是临床常规静态18F-FDG PET/CT的扫描时间，因此取最后3次动态扫描数据重建生成SUV图像。图像重建采用有序子集最大期望值迭代法(4次迭代，5个子集，220矩阵)。

A. 以0~75 min降主动脉时间-放射性曲线为输入函数(IDIF); B.以耶鲁大学研发的基于人群的输入函数(PBIF) 图 1 两种不同的输入函数 A. The time-radioactivity curve of descending aorta from 0 to 75 min was used as the input function; B. Using a population-based input function developed at Yale University Figure 1 Two different input functions

4. 图像分析：由2名核医学主治医生在西门子工作站上对SUV、MRFDG和DV图像进行双盲视觉比较。在SUV图的病变区域上采用最大像素值的41%作为分割阈值绘制感兴趣区(ROI)，并将SUV图像上病灶的ROIs复制到采用2种不同输入函数进行Patlak重建的多参图像中以获得代谢率(MRFDG)及分布体积(DV)的最大值(max)、峰值(peak)和均值(mean)，分析两者之间的差异性。

5. 统计学处理：使用Graphpad Prism 8.0.2统计软件处理数据，计量资料用x±s表示，所有数据均符合正态分布。两组数据的比较采用配对t检验进行统计分析。P＜0.05为差异有统计学意义。

结果

获得27例接受全身动态18F-FDG PET/CT成像的肺癌患者的原始数据。以2种不同输入函数进行Patlak重建均生成高质量的MRFDG图像和DVFDG图像，并且2种重建方法之间的图像没有视觉区别。得到肺癌病灶的不同输入函数重建所得多参数值，通过配对t检验分析两种输入函数进行Patlak重建所得代谢率(MRFDG)的最大值(max)、峰值(peak) 及均值(mean)差异无统计学意义(P＞0.05)，分布体积(DV)的最大值(max)、峰值(peak)及均值(mean)差异均无统计学意义(P＞0.05)，见表 1。

表 1 肺癌病灶的不同输入函数重建所得多参数值 Table 1 Multi-parameter values lung cancer lesions with different input functions

讨论

肺癌是呼吸系统最常见的恶性肿瘤之一，严重威胁人类健康，也是肿瘤相关死亡的主要原因之一，预后较差，5年生存率仅为22%[5]。早期诊断对改善肺癌患者预后至关重要。在本研究中，发现使用基于人群的输入函数(PBIF) + 60~75 min的动态PET显像数据进行Patlak重建生成多参数图像是可行的。动态PET显像生成的时间-放射性活度曲线和血浆输入函数通过不可逆的二隔室模型的Patlak动力学建模分析，不仅能够生成时间依赖性较小的、具有生理学意义的定量参数图像，即FDG代谢率(MRFDG)和游离FDG的分布体积(DV)，还能得到SUV图像，其图像质量可能略高于传统静态显像得到的SUV图像[6]。MRFDG代表18F-FDG进入组织的代谢率，通常用MRFDG=示踪剂净流入速率常数(Ki)×血糖来计算。由于常规动态PET扫描时间较长，增加了患者的负担，多参数动态全身PET显像的临床应用受到严重限制[7]。

本研究应用两种不同输入函数，通过Patlak动力学建模分析可以重建获得两种多参数MRFDG和DV图像，通过复制勾画ROI得到肺癌病灶的两种不同重建方法所得MRFDG、DV的max、peak及mean值，新的多参数图像补充了传统的SUV图像，提供了更好的量化和图像支持。本研究将以0~75 min降主动脉时间-放射性曲线(TAC)为输入函数(IDIF)+ 0~75 min的动态PET扫描全程数据重建获得MRFDG-IDIF、DVIDIF图像与以耶鲁大学研发的基于人群的输入函数(PBIF) + 60~75 min的动态PET扫描数据重建获得MRFDG-PBIF、DVPBIF图像进行了比较，结果表明，两组重建方法产生的MRFDG图像和DV图像质量均良好，两种重建方法的图像无视觉区别。两组重建方法的MRFDG图像和DV图像对病变的视觉表现相似。说明在动态多参数PET扫描技术的基础上缩短采集时间是可行的。量化评价时，两组不同重建病灶的MRFDG、DV的max、peak及mean值差异无统计学意义。但有个别数值出现了偏差，MRFDG值的差异不大，主要差异表现在DV值中, 其中最大的偏差为1例DVmax(IDIF：246.00、PBIF：318.02)，这主要是由于DV值对于运动的影响比较敏感[8]，包括呼吸运动、身体移动伪影及PTE/CT融合匹配偏差等，所以极个别数值出现偏差。这表明，本研究提出的方法有可能改善全身Patlak参数成像的临床工作流程，并且因难以耐受长时间静止平卧的部分老年或合并基础病的受检者也可以进行此方法扫描，为诊断增加更多的数据和图像。

随着核医学仪器和软件的发展，PET扫描模式从分床模式转变为连续入床模式，使连续动态采集成为的可能[9]。因此，全身动态多参数成像已在临床实践中逐步开展。Dias等[10]完成了103例全身动态18F-FDG PET/CT扫描，证明动态全身18F-FDG PET/CT在临床环境中是可行的，并且可以产生良好的视觉质量和优越的病灶对比度的多参数图像。但全身动态18F-FDG PET/CT与标准的临床静态扫描比起来更耗时，因此对于患者来说是相对不太舒适的，它也将降低扫描患者的总量。全身动态PET扫描广泛的应用到临床受到一定的限制，而是作为一种新的技术，其包含了更多示踪剂动力学的信息，因此不太容易受到静态成像所产生的信号差异的限制，在较长的扫描时间和舒适患者检查体验之间的权衡，有时采用动态PET扫描是合理的。为了减少动态PET扫描的持续时间，Wu等[11]证实采用非线性估计方法对7例患者进行全身PET扫描，不仅显著缩短PET扫描时间，并且可以获得良好Ki参数图像。Wu等[12]研究显示使用双时间点扫描(每次扫描5 min) 生成了Ki参数图像，并提供准确的Ki定量，其明显高于临床上常用的SUV的定量精度。但在任何情况下，基于人群的输入函数+ 60~75 min的动态PET扫描对肺癌病灶的定量参数的影响都没有被研究。在本研究中，60~75 min的动态PET扫描数据集从完整的75 min的动态扫描中获得，其他数据被切除。在临床60~75 min的动态扫描中，患者在扫描之前是不在扫描仪上的，大大缩短了显像时间，并可以获得预期的定量参数, 该扫描方案可以增加扫描患者的数量。常规动态扫描方案扫描时间较长，患者的运动伪影不可避免[8]，基于人群的输入函数(PBIF) + 60~75 min的动态PET扫描数据重建方案缩短了显像时间，明显减少了运动伪影，可以获得良好的定量参数图像。基于人群的输入函数或可成为难以耐受长时间平卧的肿瘤患者全身动态18F-FDG PET/CT Patlak多参显像的替代输入函数。

本研究采用回顾性的研究方法，后续需要结合前瞻性研究，进一步深入研究全身动态PET在肿瘤诊断、治疗、分期及预后等方面的影响。

利益冲突  所有研究者未因进行该研究而进行任何不正当的职务和财务利益，在此对研究的独立性和科学性予以保证

作者贡献声明  张利亚负责收集、分析数据及论文撰写；张金洲、朱干和余文静协助完善数据整理及VOI勾画；徐慧琴、汪会负责研究设计及论文写作指导

参考文献
[1]
Hu WD, Wang HC, Wang YB, et al. Correlation study on 18F-FDG PET/CT metabolic characteristics of primary lesion with clinical stage in lung cancer[J]. Q J Nucl Med Mol Imaging, 2021, 65(2): 172-177. DOI:10.23736/S1824-4785.19.03146-7
[2]
刘永, 陈鹏, 孙振国, 等. 18F-FDG PET/CT诊断孤立性肺结节良恶性的效能分析[J]. 中华核医学与分子影像杂志, 2020, 40(7): 411-414.
Liu Y, Chen P, Sun ZG, et al. Efficacy of 18F-FDG PET/CT in the diagnosis of benign and malignant isolated pulmonary nodules[J]. Chin J Nuc Med Mol Imaging, 2020, 40(7): 411-414. DOI:10.3760/cma.j.cn321828-20191125-00182
[3]
Patlak CS, Blasberg RG, Fenstermacher JD. Graphical evaluation of blood-to-brain transfer constants from multiple-time uptake data[J]. J Cereb Blood Flow Metab, 1983, 3(1): 1-7. DOI:10.1038/jcbfm.1983.1
[4]
Fahrni G, Karakatsanis NA, Di Domenicantonio G, et al. Does whole-body Patlak 18F-FDG PET imaging improve lesion detectability in clinical oncology?[J]. Eur Radiol, 2019, 29(9): 4812-4821. DOI:10.1007/s00330-018-5966-1
[5]
Siegel RL, Miller KD, Fuchs HE, et al. Cancer statistics, 2022[J]. CA Cancer J Clin, 2022, 72(1): 7-33. DOI:10.3322/caac.21708
[6]
Rahmim A, Lodge MA, Karakatsanis NA, et al. Dynamic whole-body PET imaging: principles, potentials and applications[J]. Eur J Nucl Med Mol Imaging, 2019, 46(2): 501-518. DOI:10.1007/s00259-018-4153-6
[7]
Shinya T, Otomi Y, Kubo M, et al. Preliminary clinical assessment of dynamic 18F-fluorodeoxyglucose positron emission tomography/computed tomography for evaluating lymph node metastasis in patients with lung cancer: a prospective study[J]. Ann Nucl Med, 2019, 33(6): 414-423. DOI:10.1007/s12149-019-01350-z
[8]
Kaji T, Osanai K, Nakata T, et al. Dynamic whole-body 18F-FDG PET for minimizing patient motion artifact[J]. Clin Nucl Med, 2020, 45(11): 880-882. DOI:10.1097/RLU.0000000000003253
[9]
Chalampalakis Z, Stute S, Filipović M, et al. Use of dynamic reconstruction for parametric Patlak imaging in dynamic whole body PET[J]. Phys Med Biol, 2021, 66(18). DOI:10.1088/1361-6560/ac2128
[10]
Dias AH, Pedersen MF, Danielsen H, et al. Correction to: clinical feasibility and impact of fully automated multiparametric PET imaging using direct Patlak reconstruction: evaluation of 103 dynamic whole-body 18F-FDG PET/CT scans[J]. Eur J Nucl Med Mol Imaging, 2021, 48(3): 837-850. DOI:10.1007/s00259-020-05007-2
[11]
Wu Y, Feng T, Zhao Y, et al. Whole-Body parametric imaging of 18F-FDG PET using uEXPLORER with reduced scanning time[J]. J Nucl Med, 2022, 63(4): 622-628. DOI:10.2967/jnumed.120.261651
[12]
Wu J, Liu H, Ye Q, et al. Generation of parametric Ki images for FDG PET using two 5-min scans[J]. Med Phys, 2021, 48(9): 5219-5231. DOI:10.1002/mp.15113