磁共振成像指标作为术前确定脑外组织恶性程度的放射标记物

封面

如何引用文章

详细

论证。脑外结构是最难进行初级鉴别诊断的组之一。 放射组标志物的测定及其标准化是现代医学发展阶段的主要基础问题。

目的是确定用于术前评估脑外肿块恶性程度的放射组标记。

材料与方法。回顾性分析使用磁共振成像 (1.5 T) 对 156 名脑外形成患者的研究结果。 将患者分为 2 组:(1)存在病灶周围改变(n=106)和(2)无病灶周围改变的脑外肿块(n=50)。 扩散和灌注序列包括在扫描协议中。 感兴趣的区域被定义为(1)主要焦点和(2)焦点周围变化的区域。从主焦点和测量扩散系数图上的焦周变化区域进行测量,T2*动态磁敏感对比 (DSC),进行动态对比增强 (DCE) 系列分析。

结果。第 1 组主要病灶(结节)的最大尺寸为 2.2 厘米 (1.4;4.3),第 2 组的为 1.2 厘米 (0.9;3.5); 第 1 组 42 人 (39.6%) 和第 2 组 7 人 (14%) 检测到主要病灶扩散受限。 第 1 组的最大焦周变化为 2.85 厘米 (1.5; 4.7)。 在 52 例 (49.1%) 病例中检测到来自外周区的扩散受限。 在第 1 组确诊脑膜瘤患者(n=66)中,多元线性回归分析显示,主要病变区的最大尺寸使病灶周围变化区的体积血流系数(rCBF)增加了 3.3 倍(βcoef. 3.3, CI 1.27; 5.28; p=0.003),但将局部血容量 (rCBV) 降低了 4 倍 (βcoef. 4, CI -7.46; -0.71; p=0.02)。

结论。灌注和扩散方法与解剖序列相结合显示出潜力,可以作为诊断和治疗脑外病变的放射组学标志物。 未来,最有希望的是从焦周变化区域识别放射功能标志物。

作者简介

Tatyana A. Bergen

E. Meshalkin National Medical Research Center

Email: tbergen@yandex.ru
ORCID iD: 0000-0003-1530-1327
SPIN 代码: 5467-7347

MD, Cand. Sci (Med)

俄罗斯联邦, 15, Rechkunovskaya str., Novosibirsk, 630055

Ilya A. Soynov

E. Meshalkin National Medical Research Center

Email: i_soynov@mail.ru
ORCID iD: 0000-0003-3691-2848
SPIN 代码: 8973-2982

MD, Cand. Sci (Med)

俄罗斯联邦, 15, Rechkunovskaya str., Novosibirsk, 630055

Mariya G. Pustovetova

E. Meshalkin National Medical Research Center

编辑信件的主要联系方式.
Email: patophisiolog@mail.ru
ORCID iD: 0000-0003-2409-8500
SPIN 代码: 4694-2576

MD, Dr. Sci. (Med), Professor

俄罗斯联邦, 15, Rechkunovskaya str., Novosibirsk, 630055

参考

  1. Mahmoud MA, Shihab M, Saad SS, et al. Imaging differentiation of malignant hepatic tumors: radiomics and metabolic features of 18F-FDG PET/CT. REJR. 2021;11(2):165–170. doi: 10.21569/2222-7415-2021-11-1-230-237
  2. Lambin Ph, Rios-Velazquez E, Leijenaar R, et al. Radiomics: extracting more information from medical images using advanced feature analysis. Eur J Cancer. 2012;48(4):441–446. doi: 10.1016/j.ejca.2011.11.036
  3. Singh G, Manjila S, Sakla N, et al. Radiomics and radiogenomics in gliomas: a contemporary update. Br J Cancer. 2021;125(5):641–657. doi: 10.1038/s41416-021-01387-w
  4. Xiaoai K, Qing Z, Lei H, Junlin Z. Differentiating microcystic meningioma from atypical meningioma using diffusion-weighted imaging. Neuroradiology. 2020;62(5):601–607. doi: 10.1007/s00234-020-02374-3
  5. Backer-Grøndahl T, Moen BH, Torp SH. The histopathological spectrum of human meningiomas. Int J Clin Exp Pathol. 2012;5(3):231–242.
  6. Aslan K, Gunbey HP, Tomak L, Incesu L. The diagnostic value of using combined MR diffusion tensor imaging parameters to differentiate between lowand high-grade meningioma. Br J Radiol. 2018;91(1088):20180088. doi: 10.1259/bjr.20180088
  7. Louis D, Perry A, Reifenberger G, et al. The 2016 World Health Organization Classification of Tumors of the Central Nervous System: a summary. Acta Neuropathol. 2016;131(6):803–820. doi: 10.1007/s00401-016-1545-1
  8. Upadhyay N, Waldman A. Conventional MRI evaluation of gliomas. Br J Radiol. 2011;84(2):S107–S111. doi: 10.1259/bjr/65711810
  9. Hale A, Wang L, Strother M, Chambless L. Differentiating meningioma grade by imaging features on magnetic resonance imaging. J Clin Neuroscience. 2018;48:71–75. doi: 10.1016/j.jocn.2017.11.013
  10. Schneider J, Kulason K, White T, et al. Management of tiny meningiomas: to resect or not resect. Cureus. 2017;9(7):е1514. doi: 10.7759/cureus.1514
  11. Heye AK, Culling RD, Hernández MC, et al. Assessment of blood-brain barrier disruption using dynamic contrast-enhanced MRI. A systematic review. Neuroimage Clin. 2014;6:262–274. doi: 10.1016/j.nicl.2014.09.002
  12. Jelescu I, Leppert I, Narayanan S, et al. Dual-temporal resolution dynamic contrast-enhanced MRI protocol for blood-brain barrier permeability measurement in enhancing multiple sclerosis lesions. J Magnetic Resonance Imaging. 2011;33(6):1291–1300. doi: 10.1002/jmri.22565
  13. Essig M, Shiroishi M, Nguyen T, et al. Perfusion MRI: the five most frequently asked technical questions. Am J Roentgenol. 2013;200(1):24–34. doi: 10.2214/ajr.12.9543
  14. Sourbron S, Buckley D. Classic models for dynamic contrast-enhanced MRI. NMR Biomed. 2013;26(8):1004–1027. doi: 10.1002/nbm.2940
  15. Siempis T, Tsakiris C, Alexiou GA, et al. Diagnostic performance of diffusion and perfusion MRI in differentiating high from low-grade meningiomas: A systematic review and meta-analysis. Clin Neurol Neurosurg. 2020;190:105643. doi: 10.1016/j.clineuro.2019.105643

补充文件

附件文件
动作
1. JATS XML
2. 图 1线性回归分析:肿瘤大小与rCBF之间的关系

下载 (96KB)
3. 图 2线性回归分析:肿瘤大小与rCBV之间的关系

下载 (103KB)
4. 图 3非典型脑膜瘤:ADC——表观扩散系数;CBF——脑血流量;CBV——脑血容量;MTT——平均排出时间。

下载 (175KB)
5. 图 4诊断首次出现的脑外肿块的MRI算法。

下载 (136KB)

版权所有 © Bergen T., Soynov I., Pustovetova M., 2022

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。

##common.cookie##