作者:许佳宸,
MRI 因其卓越的软组织对比度而被认为是评估垂体瘤等鞍区肿瘤疾病的首选成像方式。其较高的成像质量为垂体瘤的临床诊断和治疗计划制定提供了有效指导。但常规的MRI 仅能显示与
1. 典型MRI 序列及其在垂体瘤诊治中的应用价值
1.1 典型MRI 序列
冠状位、矢状位的T1 加权成像(T1 Weighted Imaging,T1WI)以及T2 加权成像(T2 Weighted Imaging,T2WI)均是典型的MRI 扫描序列。其中,T1WI 主要展示了组织的纵向弛豫时间,即有效反映质子在磁场中从激发状态恢复到平衡状态的所需时间。在T1 加权图像中,脂肪组织信号较强,显示为高信号;而水和液体信号较弱,显示为低信号。
T1WI 常用于显示解剖结构,尤其是脑灰白质的对比和内脏器官的细节。T2WI 的原理则主要基于组织中水分子的横向弛豫时间差异,其主要反映质子在磁场中横向磁化矢量的衰减时间。与T1WI 不同,水和液体等在T2 加权图像中信号较强;而脂肪组织信号较弱。故T2WI 更适用于检测
T1WI 序列显示,正常垂体通常呈现中等信号强度,与大脑灰质信号相似,形态规整,边缘清晰,高度一般介于5 至8 毫米之间。T2WI 序列中,正常垂体则呈现低信号或等信号强度,与邻近的脑白质形成显著对比。此外,在T1WI 序列中,垂体后叶常见到一高信号亮点,即垂体后叶高信号,这归因于垂体后叶储存的
综上,正常垂体的MRI表现向临床提供了关键的解剖学参考信息,同时为垂体瘤的早期发现与诊断提供了坚实的基础。
1.2 典型MRI 序列在垂体瘤诊治中的应用价值
在垂体瘤的术前评估、病情诊断以及治疗方案选择等方面,不同典型MRI 序列的成像均有其独特的临床价值。在垂体瘤的影像学与临床研究领域,对大腺瘤与微腺瘤进行区分对于治疗策略的制定具有至关重要的意义。大腺瘤在T1WI 序列中常呈现为低信号或等信号强度,与正常垂体相比,其形态不规则,边缘模糊,且可能向周围组织侵犯。
在T2WI序列中,大腺瘤可能呈现高信号强度,这通常是由于肿瘤内部出血、囊变或坏死所导致。此外,大腺瘤还可能压迫周围的脑组织,导致视交叉上移、脑室受压等临床表现。微腺瘤体积较小,在MRI 检查中的表现则相对隐匿。在T1WI 序列中,微腺瘤可能呈现为低信号或等信号强度的小结节,其边界通常较为清晰,但由于体积小,可能不易察觉。
在T2WI 序列中,微腺瘤的信号强度可能略有增高,但同样由于体积限制,其表现可能并不明显。此外,微腺瘤还可能引起垂体柄的偏移或垂体高度的增加等间接征象,这些都可以作为诊断微腺瘤的线索。微腺瘤的临床表现多样,可能包括
2. MRI 新技术
2.1 弥散加权成像及其在垂体瘤诊治中的应用价值
2.1.1 弥散加权成像
与常规MRI 不同,弥散加权成像(Diffusion Weighted Imaging,DWI)的作用原理主要基于水分子的弥散运动。通过在磁共振扫描序列中加入灵敏度较高的梯度脉冲,DWI 能区分不同方向上的水分子扩散,并有效反映组织中的水分子弥散运动情况。DWI 序列扫描主要产生两种图像:DWI图和表观扩散系数(Apparent Diffusion Coefficient,ADC)图。其中,DWI 图像主要用于评估组织内的微观水扩散情况;而ADC 图则通常表示每个体素的平均扩散水平。
2.1.2 DWI 在垂体瘤诊治中的应用价值
基于DWI、ADC 图像的术前综合评估对垂体大腺瘤患者手术策略的选择至关重要。初步证据表明,DWI/ADC 可对垂体大腺瘤的一致性进行无创评估,而仅通过常规 MRI 检测则无法得到准确、可靠的信息。此外,常规MRI 仅能显示与垂体腺瘤浸润海绵窦的相关解剖特征组合,而并未能提供与垂体瘤细胞增殖潜力相关的有效信息。而DWI 技术则能比传统序列更准确地定义肿瘤细胞、组织的结构和行为特点。
ADC 值被认为与肿瘤侵袭性有关,且研究表明,ADC 与Ki-67 表达指数呈负相关性。Ki-67 是细胞周期蛋白依赖性激酶抑制剂家族主要成员,主要在有丝分裂期高度表达,临床常作为评估细胞增殖活性的重要标志物。故垂体患者术前的ADC 值监测可实现对垂体瘤侵袭潜能的无创性预测,并为外科医生手术规划及患者预后评估提供有效指导。
2.2 灌注加权成像及其在垂体瘤诊治中的应用价值
2.2.1 灌注加权成像(PWI)
灌注加权成像(Perfusion Weighted Imaging,PWI)是用于颅内疾病诊断的高级MRI 技术,能在毛细血管水平对脑部血流动力学进行成像和评估。根据是否使用对比剂,PWI 分为两种技术:动态磁敏感对比增强(Dynamic susceptibility weight-ed,DSC)以及动脉自旋标记(Arterial spin-labeled,ASL)。DSC 通过注射对比剂快速成像,反映组织血流灌注信息,帮助判断组织缺血或缺氧。ASL使用动脉血中的氢质子作为示踪剂,无需对比剂,适合无法配合的病人或儿童。
2.2.2 PWI 在垂体瘤诊治中的应用价值
垂体神经内分泌肿瘤和脑膜瘤在常规MRI 影像上可能呈现相似的外观,这给鉴别诊断带来了极大的挑战性。PWI 等高级序列能指导临床医师获取更多肿瘤相关信息,从而提高疾病诊断的准确性。
Korbecki 等研究分析对比了24 例脑部和垂体MRI检查以及DSC 序列,结果显示,在DSC-PWI 检测中,rCBV 值可作为区分无功能/激素分泌垂体腺瘤与脑膜瘤(最佳截断值分别为3.45、3.54)的有效评估指标,且具备较高敏感性和特异性(第一、二截断点为65% 和88% 以及88% 和82%)。提示DSC 检测为位于鞍区和鞍旁区域的病变的常规MRI 检查提供了重要的附加价值,可有效区分常规 MR 检查中区分模棱两可的PitNET 和脑膜瘤诊断影像。但DSC 也存在,易受磁敏感伪影干扰、不利于较小体积肿瘤的评价等不足,而在临床应用中受限。
与DSC 不同,ASL 因无需注入外源性对比剂等优势,有效减轻了肝脏代谢负担,降低了肾源性系统纤维化等相关并发症发生风险。同时,在垂体腺瘤中,ASL 可有效预测和提供肿瘤内血管密度信息,预测术中出血情况,并指导医师手术方案选择及针对性制定围术期干预措施。既往研究也表明,肿瘤血液灌注与术中出血之间存在显著相关性。当然这些结论仍需在临床实践中进一步证实。目前,PWI 检测技术在垂体瘤特异性研究以及诊治方面的临床应用仍相对局限,其在PA 评估中的真正效用仍有待未来进一步研究和补充。
2.3 动态增强磁共振成像及其在垂体瘤诊治中的应用价值
2.3.1 动态增强磁共振成像
动态增强磁共振成像(Dynamic enhanced magnetic resonance Imaging ,DCE-MRI)技术通过观察对比剂在组织中的分布和信号强度变化来评估血管和组织灌注情况。它依赖于信号强度变化与时间的关系,并通过时间-信号强度曲线计算血流动力参数。DCE-MRI 比传统MRI 提供更多病变结构和功能信息,具有更高的稳定性和可重复性,能显著提高垂体腺瘤的诊断准确性。
垂体瘤在DCE-MRI 上的典型增强表现通常呈现为早期明显强化,随后逐渐减弱。这种强化模式反映了垂体瘤的血供特点,即肿瘤血管丰富,血流速度快。在DCE-MRI 图像上,垂体瘤的边缘通常较为清晰,与周围正常垂体组织形成鲜明对比。此外,部分垂体瘤还可能表现出不均匀强化,这可能与肿瘤内部的血管分布不均或坏死、囊变等因素有关。通过观察DCE-MRI 上的垂体瘤增强表现,医生可以更加准确地判断肿瘤的大小、形态、位置以及与周围组织的毗邻关系,为制定治疗方案提供重要参考。
2.3.2 DCE 在垂体瘤诊治中的应用价值
DCE 技术对微腺瘤的诊断至关重要,能揭示常规扫描无法显示的肿瘤垂体微腺瘤。由于正常垂体组织无血脑屏障,强化明显,而微腺瘤强化延迟。因此,在对比剂注入后的30 至90 秒和1 至3 分钟内扫描,是发现微腺瘤的最佳时机。Zhai 等研究指出,DCE 的Ktrans 和Kep 参数有助于检测和鉴定微腺瘤亚型,其中Ktrans 更能反映血液灌注变化。此外,DCE 在评估垂体大腺瘤的血管异质性和侵袭性方面同样重要,研究发现Ktrans 的灰度级不均匀性、Ve 的体素值总和及Kep 的游程不均匀性是诊断垂体大腺瘤的关键特征,且与侵袭性潜能正相关,为侵袭性垂体大腺瘤的评估提供了新的无创预测方法。
3. 基于MRI 的人工智能技术
3.1 影像组学的发展及应用
机器学习、影像组学等本质上属于人工智能(Artificial Intelligence,AI)领域中的分支学科,这些技术对于提升疾病诊断的精确度、预测肿瘤的生物学特性、评估治疗效果以及预测预后均具有显著的辅助作用。近年来,随大数据及机器学习技术的高速发展,影像组学作为一种新兴的研究手段,在医学影像学领域获得了广泛的应用。通过构建复杂的算法模型,影像组学能对垂体瘤的影像学图像进行深入细致分析,并进而识别出肿瘤在形态、纹理、密度等方面的细微差异;而这些差异通常反映了肿瘤的生物学特性,并可为临床医师提供更精确的诊断依据。
3.2 人工智能技术在肿瘤领域的发展情况
目前,AI 技术已在脑肿瘤的检测、分类、诊断以及侵袭力评估等方面均展现出相当的高准确性。通过分析复杂的数据集,AI 可识别特定模式并生成有助于癌症诊断、个性化治疗计划和药物研发的见解。同时,还有助于提高诊断准确性,并预测临床治疗反应和监测治疗结果。此外,AI 还通过识别生物标志物、揭示分子机制和发现新的关系来支持癌症研究。
3.3 基于MRI 的人工智能技术在垂体瘤诊治中的应用价值
基于MRI 的AI 技术在预测垂体瘤质地、Ki-67增殖活性和侵袭力,复发风险以及早期术后结果方面发挥着重要价值。Li 等研究基于MRI 建立了无创方式术前预测Ki-67 标记指数状态的深度学习模型,并证实了该模型作为垂体腺瘤术前Ki-67 状态预测中的良好应用价值,并为临床医生做出更好垂体腺瘤疗决策,提供了一种新的辅助诊断工具。
预后评估方面,Shen 等构建了放射组学-临床模型,以预测术切除后无功能垂体大腺瘤的亚群可能表现出的早期进展或复发情况。该研究结果显示,该模型在初步研究对垂体大腺瘤复发的预测准确率高达82%,AUC 值为0.78,提示术前MRI 的放射组学分析可为垂体大腺瘤的治疗及预后计划提供有价值的参考信息。
目前,AI 技术已在垂体瘤放射学领域取得显著成果。但其所面临的临床代表性训练数据收集不充足、医学影像数据标准化程度欠缺以及模型泛化能力等问题,也使其发展充满诸多挑战。
来源:许佳宸,王慧博,陈正新,等.多模态磁共振成像技术在垂体瘤诊治中的研究进展[J].分子诊断与治疗杂志,2025,17(05):977-980.DOI:10.19930/j.cnki.jmdt.2025.05.002.
(本网站所有内容,凡注明来源为“医脉通”,版权均归医脉通所有,未经授权,任何媒体、网站或个人不得转载,否则将追究法律责任,授权转载时须注明“来源:医脉通”。本网注明来源为其他媒体的内容为转载,转载仅作观点分享,版权归原作者所有,如有侵犯版权,请及时联系我们。)