作者：何力兵，陈渺渺，李泓箭，石夕冉，邱志强，徐晓雪，川北医学院附属医院
一旦确诊为脑转移瘤(brain metastases, BMs)，则通常会建议患者接受包括立体定向
磁共振成像(magnetic resonance imaging, MRI)作为当今识别脑部肿瘤的关键非侵入性检查手段，在区分GBM与SBM时仍然存在挑战，因为这两种类型的肿瘤在传统MRI图像上常呈现出相似的影像学特征，如囊变、坏死及周围水肿等，并且强化模式也极为相近，导致约有40%的病例被误诊。
近些年来，随着MRI技术的不断革新，包括神经突定向扩散与密度成像(neurite orientation dispersion and density imaging,NODDI)、平均表观传播扩散MRI(mean apparent propagator-MRI, MAP-MRI)等在内的多种弥散MRI(diffusion MRI, dMRI)技术有望提高GBM与SBM鉴别诊断的准确性。本文就多种dMRI成像技术在GBM与SBM鉴别诊断的应用价值进行综述，以期对临床实践提供有价值的参考。
1. GBM与SBM诊断与鉴别诊断的dMRI研究现状
1.1 磁共振扩散加权成像
磁共振扩散加权成像(diffusion weighted imaging, DWI)通过评估活体组织内水分子扩散受限的方向与程度来间接揭示脑部微观结构的变化。目前，这种技术已被广泛应用于中枢神经系统疾病的诊断。Caravan等人的研究表明，在肿瘤实质区，GBM内部最小的表观扩散系数(apparent diffusion coefficient, ADC)高于SBM，然而两者的平均ADC值没有显示出统计学上的显著差异。这一现象可能与GBM内囊变、坏死及细胞外基质过量生成导致ADC值上升有关。在瘤周水肿区观察到，GBM周围最小ADC值显著低于SBM，此发现支持血管源性与浸润性水肿理论。
相比之下，Mao等人则指出，高级别
后续研究中，Zhang等利用基于ADC的纹理分析技术成功地区分了这两种类型的肿瘤，随后Bae等人采用深度学习方法进一步证实了这一发现的有效性。
1.2 磁共振弥散张量成像
磁共振弥散张量成像(diffusion tensor magnetic resonance image, DTI)能够评估大脑内部不同区域水分子的扩散特性，进而揭示传统MRI技术难以呈现的白质纤维束方向信息。在实际应用中，部分各向异性(fractional anisotropy, FA)作为衡量脑白质结构完整性的关键量化指标被广泛采用；平均扩散系数(mean diffusivity, MD)则用来描述水分子整体扩散的程度，其值与水分子浓度密切相关。
Razek等人指出，在GBM与SBM肿瘤实质区域中，FA值及MD值之间的差异不具有统计学意义；然而，这两种类型病变在瘤周水肿区的FA值和MD值则能够为它们的鉴别诊断提供有价值的参考信息。这一结论与Skogen等人的研究成果相吻合。后者通过应用基于DTI衍生参数的纹理分析方法揭示了GBM瘤周水肿区域相较于SBM具有更高的异质性特征，并且Samani等人采用深度学习技术的研究进一步支持了上述观点。
不过，也有其他研究者提出了不同见解，他们观察到GBM肿瘤实质部分的FA值明显高于SBM，这可能归因于GBM内较高的细胞密度与血管分布，鉴于FA值与这些因素呈正相关关系，因此导致其数值升高。尽管目前最常用于评估此类疾病的指标是DWI产生的ADC值以及DTI生成的FA值，但对于这两项参数能否有效地区分GBM和SBM仍存在较大争议。
Holly等人首次采用了基于扩散张量成像(DTI)技术的体积纤维束成像方法，以区分胶质母细胞瘤(GBM)与转移性脑肿瘤(SBM)。研究结果显示，在GBM患者中，肿瘤实质及其周围区域观察到的纤维束数量和密度显著高于SBM病例。这一现象可能归因于转移性病变过程中，肿瘤组织对正常脑结构的侵袭和替代作用，以及由此引发的大范围纤维束损伤。
此外，这种破坏还促进了更多血管源性水肿的形成，进一步降低了SBM病灶内及周边水肿区的纤维束总量和密度。然而，本研究存在一些局限性，比如参与者的肿瘤大小不一、样本量较小以及所用MRI设备分辨率存在差异等因素，这些都可能影响了纤维束数量和密度测量结果的一致性和准确性。上述多项研究证实，DWI和DTI在临床实践中已被广泛用于区分GBM和SBM。鉴于这两种肿瘤周围水肿形成机制的不同，相关参数在进行鉴别诊断时通常表现出较高的准确性。
不过，在肿瘤实质区域，基于DWI的ADC值及基于DTI的FA值的应用却存在较多争议，这可能归因于感兴趣区域选取、未严格控制SBM原发部位组织学类型以及MRI图像分辨率等因素的影响。未来的研究应当扩大样本量，并结合其他MRI技术手段，以期为这两种肿瘤的准确诊断及其鉴别提供更多维度的信息支持。
2. GBM与SBM诊断与鉴别诊断的dMRI研究进展
2.1 磁共振扩散峰度成像
扩散峰度成像技术(diffusion kurtosis imaging, DKI)由Jensen等人于2005年首次引入，作为DTI的一种扩展形式，它属于新兴的dMRI技术范畴。这种技术能够量化分析细胞内外水分子的非高斯扩散特性，从而提供更为详尽、精确且真实的组织微结构信息。在DKI中常用的量化指标不仅涵盖了平均扩散峰度(mean kurtosis, MK)、径向峰度(radial kurtosis,RK)以及轴向峰度(axial kurtosis, AK)等自身特有的参数，还包括了那些传统上用于DTI评估中的关键指标。
利用基于DKI的弥散模型，可以在疾病早期阶段敏感地评估由
Gao等人的研究表明，在肿瘤实质区及整个肿瘤范围内，GBM组的FA值与MD值均显著高于SBM组。这一结论与之前的研究成果一致。这可能是因为GBM通常以浸润性生长模式发展，并生成大量的细胞外基质以支持细胞迁移。此外，有研究显示，GBM内存在微囊肿且毛细血管网络密度较高，这意味着水分子在该环境下的扩散限制较少，导致了FA值和MD值的增加。
值得注意的是，Gao及其团队还首次观察到，在肿瘤实质区以及全肿瘤区域内，GBM组的MK值明显低于SBM组，此现象或许同样归因于GBM中存在的微囊肿结构。在这种环境下，较低的细胞密度促进了水分子的扩散，进而降低了组织微观结构的复杂程度。不过，这一发现与Mao等人报告的结果存在差异。因此，仅依赖单一DKI弥散参数来区分GBM与SBM具有较大争议性，未来的研究应当考虑结合基于DKI衍生指标的纹理分析方法及其他影像组学技术，以期提高诊断准确性。
2.2 神经突定向扩散与密度成像
神经突定向扩散与密度成像(neurite orientation dispersion and density imaging，NODDI)首次由Zhang等人于2012年提出。作为一种三隔室生物物理模型，NODDI能够在一个体素内区分出细胞内、细胞外以及脑脊液这三种不同的组织微结构，并据此生成相应的弥散参数：通过计算细胞内体积分数(intra-neurite volume fraction, ICVF)，可以评估神经纤维束的密集程度；利用神经突方向离散度(orientation dispersion index, ODI)，则能衡量神经突走向的变化情况；而各向同性体积分数(volume fraction of the isotropic compartment,VISO)则反映了体素中自由水分子进行各向同性扩散的比例。
相较于传统的DTI技术，NODDI提供了更加特异且优势明显的定量指标，对于髓鞘及轴突损伤状况的评价具有重要意义。Kadota等人的研究中，采用NODDI技术分析了GBM和SBM肿瘤实质区域，但未观察到显著的参数差异。这一发现与Mao等人所报告的结果存在分歧，后者通过对比五种不同的dMRI技术来鉴别GBM与SBM，指出基于NODDI模型计算出的VISO值在区分这两种类型脑瘤方面表现优于其他扩散参数，并显示出最高的诊断效能。
此外，在进一步探讨瘤周水肿区时，研究表明，相较于SBM患者，GBM患者的VEC显著较高，这可能反映了肿瘤细胞沿白质纤维路径侵袭的现象。然而，截至目前为止，利用NODDI方法来区分GBM和SBM的研究案例相对较少，且该技术对于量化组织微结构变化的精确度仍需进一步验证。因此，未来还需要更大规模样本的研究以及多角度探索以支持当前的研究结论。
2.3 平均表观传播扩散磁共振成像
弥散频谱成像(diffusion spectrum imaging, DSI)作为一种新兴的dMRI技术，在近年来得到了广泛的应用。它能够精确地描绘人体内纤维束的具体走向。在此基础上发展起来的平均表观传播扩散磁共振成像(mean apparent propagator-MRI, MAP-MRI)，则是一种更加先进的磁共振弥散模型。该技术利用多b值及不同方向上的q空间成像方法，能够更准确地反映出脑白质纤维结构的变化，对于中枢神经系统相关疾病的诊断与治疗具有重要的辅助作用。
已有研究者运用MAP-MRI的扩散模型对胶质瘤进行了多角度探讨，包括肿瘤分级、基因分型及患者皮质脊髓束损伤情况等，均获得了较为理想的研究成果。特别是在区分GBM与SBM方面，Wang等人指出，基于MAP-MRI计算得出的多参数指标如均方位移(mean squared displacement, MSD)、返回原点概率(return-to-origin probability, RTOP)以及返回平面概率(return-to-plane probabilities, RTPP)，无论是在肿瘤实质还是周边水肿区域，都显示出良好的鉴别效果；其中，围绕肿瘤周围的组织中这些参数可能最具诊断价值。
对于GBM而言，观察到MSD显著下降，而RTOP和RTPP则呈现相反趋势，这一现象可归因于GBM的高度异质性及其复杂构成，加之其侵袭性生长模式破坏了正常脑组织并形成了不规则血脑屏障结构，从而限制了水分子扩散距离。以上发现与Mao等人的结论相吻合。在以往的研究中，使用MAP-MRI技术进行图像采集时，由于弥散参数获取过程耗时较长，这一因素在某种程度上制约了该技术的临床应用。
然而，Setsompop等人通过引入同时多层(simultaneous multi-slice, SMS)MRI技术显著缩短了扫描所需的时间，并且进一步提升了对脑白质纤维束结构细节的可视化效果，从而为MAP-MRI技术实际应用于临床环境开辟了新的可能性。尽管如此，关于MAP-MRI技术是否能够有效地鉴别GBM与SBM之间的差异，仍需更多大规模研究来提供支持证据。
2.4 扩散微结构成像
扩散微结构成像(diffusion microstructure imaging, DMI)作为一种与NODDI类似的三室生物物理模型，通过采用基于贝叶斯估计器的监督机器学习方法替代传统拟合手段，显著增强了模型在定量分析上的准确性和处理效率。该技术当前被视为一种颇具潜力的弥散磁共振成像解决方案，在多种白质疾病的研究中展现出广泛的应用前景，特别是在急性
Würtemberger等利用DMI技术研究了GBM和SBM患者的瘤周水肿区域，结果显示，相较于GBM组，SBM组的自由水分数(free water/CSF volume fraction, V-CSF)显著升高，而轴突内体积分数(intra-axonal volume fraction, V-intra)及轴突外体积分数(extra-axonal volume fraction, V-extra)则明显减少。这种差异可能源于SBM周边的瘤周水肿主要是由血管源性因素引起，而GBM还涉及不同程度的肿瘤细胞侵袭。
后续，Würtemberger等人扩大了样本规模，进一步验证了上述观察结果。此外，在与其他dMRI模型对比中，基于DMI技术的V-CSF显示出最佳的区分性能。鉴于DMI在当前临床实践中的应用相对有限，其对临床研究的具体贡献仍有待进一步探索。
3. 小 结
近年来，随着新兴弥散磁共振成像技术的不断发展，它已经成为评估脑组织微观结构变化的重要工具。在鉴别诸如GBM和SBM这样的脑内肿瘤时，dMRI技术展现出了良好的诊断性能，并且当与其他方法联合使用时，能够进一步提升其临床应用价值。然而，仅依靠单一的磁共振成像技术难以实现精准区分，这提示我们未来或许可以通过采用多模态MRI技术或结合功能性磁共振成像(fMRI)等影像组学手段来提高诊断准确性，从而为临床实践带来更多益处。
来源：何力兵,陈渺渺,李泓箭,等.多模型弥散定量成像技术在胶质母细胞瘤与孤立性脑转移瘤鉴别诊断中的研究进展[J].中国CT和MRI杂志,2025,23(05):195-198.
(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。)
