卵巢肿瘤是较常见的女性生殖系统疾病，由于其发病部位隐匿、深在，且早期常无特征性临床表现，故早期发现及诊断困难，大部分患者就诊时已属晚期，预后较差，5年生存率不足20%^[1-2]。因此，卵巢肿瘤早期诊断、早期治疗有助于提高患者生活质量，也是提高患者生存率的关键。

MRI对卵巢肿瘤病变的诊断除结构、组织显示外还有功能成像的优势，其中DWI可观察组织中水分子的扩散运动，对肿瘤的良恶性具有间接的提示作用，而动态对比增强MRI（dynamic contrast enhanced-MRI，DCE-MRI）更能通过观察肿瘤组织的血流动力学改变反映病变的供血情况和变化特征，对肿瘤定性诊断具有一定特异性。本文旨在探讨多b值DWI联合DCE-MRI在卵巢肿瘤中的应用，特别是尝试探讨高b值DWI和DCE-MRI定量分析对卵巢肿瘤的诊断价值，从而有助于无创、准确、可重复地早期诊断卵巢肿瘤。

收集2015年10月至2017年2月于福建中医药大学附属人民医院术后病理证实为卵巢肿瘤的患者40例，其中，良性肿瘤19例，年龄18~77岁，平均（42.5±15.8）岁；恶性肿瘤21例，年龄26~79岁，平均（49.1±13.2）岁。纳入标准：①考虑卵巢囊实性或实性肿瘤；②能够获得完整的MRI常规、DWI及DCE-MRI资料；③具有详尽的病理及手术治疗资料。排除标准：①考虑为卵巢囊肿、子宫内膜异位囊肿及畸胎瘤；②有幽闭恐惧症、金属起搏器置入等相关MRI检查禁忌证；③后处理匹配不良或图像不全的患者；④伴严重肝、肾、肺、甲状腺和造血等原发性疾病及精神病。患者术前均未行放化疗。本研究以术后组织病理结果为诊断金标准，病理结果依据WHO 2014年卵巢肿瘤分类法，分为良性、交界性及恶性，本研究中卵巢交界性肿瘤仅1例，故将其纳入恶性组进行统计、分析。

采用Siemens Verio 3.0 T超导型MRI扫描仪，6通道体表相控阵列线圈，腹部可用沙袋加压以减少呼吸运动伪影。常规序列扫描参数：横断面FSE T₁WI TR 450 ms，TE 12 ms，FOV 250 mm×250 mm，层厚5 mm；横断面FSE脂肪抑制T₂WI TR 2 511.9 ms，TE 87 ms，FOV 250 mm×250 mm，层厚5 mm；矢状面FSE T₂WI TR 3 310 ms，TE 91 ms，FOV 230 mm×230 mm，层厚4 mm。DWI扫描参数：TR 5 000 ms，TE 77 ms，FOV 306 mm×306 mm，层厚5 mm，b值分别取0、400、800、1 200、1 600 s/mm²。注射对比剂前先行横断面T₁-vibe-fs扫描：TR 4.09 ms，TE 1.39 ms，FOV 260 mm×260 mm，层厚3.5 mm，翻转角2°、15°；增强扫描参数：TR 5.08 ms，TE 1.77 ms，FOV 260 mm×260 mm，层厚3.5 mm，采集次数35次。

将各组DWI图像传入后处理工作站，自动生成4组ADC图，将ROI置于病灶的实性和囊性部分测量其ADC值，实性成分ROI选取信号较均匀的地方，尽量避开囊变、出血及坏死部分，测量3次，取其最低ADC值为最终结果，并对数据的一致性进行检验。所有卵巢肿瘤组间ADC图（b值取400、800、1 200、1 600 s/mm²时）所测实性部分的ADC值分别称为ADC1、ADC2、ADC3、ADC4，所测囊性部分的ADC值分别称ADC01、ADC02、ADC03、ADC04。

将DCE-MRI图像导入Tissue 4D软件后处理工作站，随后分步骤进行运动校正、图像匹配、选取ROI（尽量大，选取实性最明显部位，避开出血、坏死、囊变及周围组织血管区域）、拟合受试者TIC，利用Tofts双室药代动力学模型，测得定量参数值：容量转移常数（K^trans）值、速率常数（K_ep）值及血管外细胞外间隙容积比（V_e）值，测量2次，取其平均值作为最终结果，并对数据的一致性进行检验。

采用SPSS 20.0统计软件，比较各组间ADC值和定量参数值的差异，符合正态分布和方差齐者行两独立样本t检验，不符合者行非参数检验，检验水准α=0.05，后采用ROC曲线分析，确定最佳诊断值，并评估相应的诊断效能。以P＜0.05为差异为统计学意义。

卵巢良恶性肿瘤组间所测实性部分ADC值差异均有统计学意义（均P＜0.05）（表 1），所测囊性部分ADC值差异均无统计学意义（均P＞0.05）（表 2）。

表 1

表 1 良恶性肿瘤所测卵巢肿瘤实性部分ADC值比较（mm2/s，x±s）

表 1 良恶性肿瘤所测卵巢肿瘤实性部分ADC值比较（mm2/s，x±s） 组别 n ADC1 ADC2 ADC3 ADC4 良性 19 1 842.2±412.9* 1 708.2±442.8* 1 523.9±443.9* 1 289.5±373.5* 恶性 21 1 119.6±277.9 1 002.5±300.3 860.6±228.4 768.1±210.8   注：与恶性组比较，*P＜0.05。

表 2

表 2 良恶性肿瘤所测卵巢肿瘤囊性部分ADC值比较（mm2/s，中值±四分位距）

表 2 良恶性肿瘤所测卵巢肿瘤囊性部分ADC值比较（mm2/s，中值±四分位距） 组别 n ADC01 ADC02 ADC03 ADC04 良性 19 2 976.4±249.0* 2 852.3±385.9* 2 729.4±378.9* 2 208.2±379.5* 恶性 21 2 726.1±565.2 2 679.6±369.1 2 542.2±359.1 2 135.4±228.3   注：与恶性组比较，*P＞0.05。

将各参数值行ROC曲线分析，卵巢肿瘤实性部分ADC1、ADC2、ADC3、ADC4值的ROC曲线下面积（area under the curve，AUC）分别为0.922、0.922、0.937、0.932，当b=1 200 s/mm²时AUC最大，诊断效能较其他3组高。参照Youden指数最大值得出，1 200 s/mm²为最佳扫描b值，Youden指数为0.8，AUC为0.937，ADC值的最佳诊断阈值为1.17×10^-3 mm²/s，相对应的敏感度、特异度、阳性预测值、阴性预测值分别为90.5%、89.5%、89.6%、90.4%。

由于部分患者图像不全或为子宫切除术后，仅有26例纳入TIC分析。12例卵巢良性肿瘤TIC呈Ⅰ型，2例呈Ⅱ型；14例卵巢恶性肿瘤TIC Ⅲ型为主（12/14），余为Ⅱ型（2/14）。采用Pearson检验分析可知，各组间TIC类型差异有统计学意义（P＜0.01），说明TIC类型对卵巢肿瘤的良恶性鉴别具有肯定的价值。

表 3

表 3 巢良恶性肿瘤实性部分DCE-MRI定量参数值比较（中值±四分位距）

表 3 巢良恶性肿瘤实性部分DCE-MRI定量参数值比较（中值±四分位距） 组别 n Ktrans（min-1） Kep（min-1） Ve 良性 19 0.05±0.08* 0.22±0.27# 0.42±0.23# 恶性 21 0.18±0.67 0.43±1.03 0.65±0.44   注：Ktrans，容积转移常数；Kep，速率常数；Ve，血管外细胞外间隙容积比。与恶性组比较，*P＜0.01，#P＜0.05。

DCE-MRI定量参数值K^trans值、K_ep值及V_e值在卵巢良恶性肿瘤实性部分间差异均有统计学意义（均P＜0.05）。利用ROC曲线分析得出，K^trans值、K_ep值及V_e值的AUC分别为0.857、0.739、0.796，可知，K^trans值AUC最大，具有更高的诊断效能（图 1）。参照Youden指数最大值得出，Youden指数为0.579，AUC为0.857，K^trans值最佳诊断阈值为0.093 min^-1，相应的敏感度为85.7%，特异度为72.2%，阳性预测值为75.5%，阴性预测值为83.5%。

图 1

图 1 女，36岁，卵巢转移性腺癌 图 1a，1b 分别为横断面脂肪抑制T2WI和T1WI，见盆腔巨大囊实性占位性病变，T1WI呈低信号，脂肪抑制T2WI呈混杂高低信号 图 1c DWI（b=1 200 s/mm2）见病灶内实性部分高b值下呈高信号 图 1d ADC图，实性部分呈低信号 图 1e 横断面脂肪抑制T1WI增强扫描图像，病变呈不均匀强化 图 1f~1h DCE-MRI分析图，所测ROI的TIC呈Ⅲ型曲线，为速升缓降型，定量参数值为Ktrans=0.623 min-1、Kep=5.418 min-1、Ve值=0.114

表 4

表 4 DWI、DCE-MRI及两者联合对卵巢肿瘤定性结果的诊断效能

表 4 DWI、DCE-MRI及两者联合对卵巢肿瘤定性结果的诊断效能 % 检查方式 敏感度 特异度 阳性预测值 阴性预测值 准确度 DWI 90.5 89.5 90.5 89.5 90.0 DCE-MRI 81.0 68.4 81.0 76.5 75.0 DWI+DCE-MRI 94.7 100 100 95.5 97.5

比较各个b值DWI扫描结果可知，b=1 200 s/mm²时DWI诊断效能最高，为联合应用最佳参数；另外，DCE-MRI扫描各定量参数值中以K^trans值对卵巢肿瘤的定性诊断效能最高，为最优指标。当ADC值＜1.17×10^-3 mm²/s时为阳性，K^trans值＞0.093 min^-1时为阳性，比较3种检查方式，DWI和DCE-MRI两者联合应用诊断效能最高。

研究^[3-5]表明，卵巢恶性肿瘤实性部分的ADC值均较正常卵巢间质和良性肿瘤实性部分低，而囊性部分组间差异均无统计学意义。卵巢恶性肿瘤实性部分因组织密度较大，排列密集，核浆比增大，组织间细胞外间隙狭窄，导致水分子弥散受限，DWI呈相对高信号，ADC值偏低；而囊性部分的ADC值主要与囊液的黏滞度相关。这些研究在一定程度上证明了DWI具有分析囊液构成、鉴别肿瘤良恶性的功能。b值越高越能反映水分子真正的扩散运动，但却伴随着伪影的增加及图像的SNR下降，从而影响影像诊断。目前，大多数研究b值取0~1 000 s/mm²之间^[3-6]，而本研究采用了多个高低b值扫描，低b值DWI扫描下膀胱、肠管内气体及血管等信号并未被抑制，对病变部分的观察影响较大，无法清除辨别病灶在DWI上的信号改变。高b值下DWI图像，虽SNR相对较差，但在b=1 200 s/mm²时，卵巢肿瘤的实性部分能够较清晰、较多显示，并与囊性部分较好的区分，恶性程度高者在高b值扫描条件下DWI仍呈较高信号，有助于病理取材。这在一定程度上说明，高b值对卵巢肿瘤病变显示具有一定的意义及价值，可间接判断卵巢肿瘤的恶性程度。

本研究中，恶性肿瘤实性部分的ADC值明显低于良性肿瘤实性部分的ADC值，利用ROC曲线分析得出，当b值为1 200 s/mm²时具有较高诊断效能，敏感度、特异度、阳性预测值及阴性预测值分别为90.5%、89.5%、89.6%及90.4%。综合各项结果，笔者认为当b值取1 200 s/mm²时，DWI对卵巢肿瘤的观察最佳；ADC值为1.17×10^-3 mm²/s时为卵巢肿瘤良恶性的判断提供了可参考的量化指标。ROI的选择对ADC值的大小有着直接关系，具有一定的主观性：①在选取ROI时，无法完全避免血管、坏死及囊变区的影响，尤其是在个别体积较小且密度不均匀肿瘤实性部分上的选取上，ADC的测量值多少会有所偏差；②各个研究所采用的扫描机型、扫描参数及扫描时间不统一，研究结果仅代表在该机型一定扫描条件下所得出的研究结果。因此，研究时应尽可能地避开这些影响ADC值测量的可控性因素，提高所测ADC值的准确性。

常规增强扫描一般仅限于对动脉期、静脉期及延迟期图像的采集。而DCE-MRI是以快速成像为基础，根据其药代动力学原理评估肿瘤组织的血管功能特性，利用各种半定量及定量分析反映各项指标，是研究肿瘤微血管特征的检查技术，能够动态观察肿瘤血管的强化特征。本研究中，良恶性肿瘤TIC类型差异有统计学意义（P＜0.01），其中Ⅰ型曲线对于卵巢良性肿瘤的诊断意义较大，恶性肿瘤多表现为Ⅲ型曲线。

目前，DCE-MRI定量分析已较广泛应用于颅脑、前列腺、乳腺及宫颈疾病的诊断中^[7-8]，应用于卵巢肿瘤的研究尚不多。本研究中，恶性肿瘤的K^trans值明显大于良性肿瘤（P＜0.01），这与部分研究^[9-11]结果一致。本研究中K^trans值ROC的AUC最大。一般认为，AUC越接近1，其诊断效能越高，故说明K^trans值对卵巢肿瘤良恶性的鉴别具有较肯定的价值，且参照Youden指数最大值可知，当K^trans值＞0.093 min^-1，偏向于恶性，反之，则考虑良性。近年来，多项研究^[12-14]表明，大多恶性肿瘤的动态增强参数值与肿瘤血管生成及其血管生成标志物密切相关。肿瘤组织在乏血管供应条件下呈缓慢生长，而一旦血管供应丰富，肿瘤组织则迅速生长、转移。因此，研究肿瘤组织血管生成的机制及过程，对疾病的防治起关键作用。另外，本研究中K_ep值和V_e值在卵巢肿瘤良恶性中差异亦有统计学意义（均P＜0.05），这与部分研究结果^[15]相似。Tofts等^[16-17]研究显示，K^trans值和K_ep值一般较稳定。这些定量参数值在卵巢肿瘤的应用需更多的研究进一步验证。

在常规MRI平扫的基础上，DWI能初步对卵巢肿瘤进行定性诊断，并结合DCE-MRI观察肿瘤组织的血管供血情况，两者联合筛查明显提高了对卵巢肿瘤定性诊断的敏感度和特异度，本研究中达到94.7%和100%，具有较单一检查方式更高的诊断效能，可作为卵巢肿瘤诊断的有利补充及工具。本研究将卵巢肿瘤的定性诊断阈值进行量化，认为ADC值＜1.17×10^-3 mm²/s时为阳性，K^trans值＞0.093 min^-1时为阳性，将2种检查方法联合应用可互相补充，避免误诊，对患者的治疗及预后有着重要的临床价值。

目前大部分研究的DWI扫描中b值多取0~1 000 s/mm²之间，本研究尝试探索多b值甚至高b值对卵巢肿瘤的诊断价值。另外，DCE-MRI在卵巢肿瘤的研究中，多以半定量分析为主，而本研究主要进行定量分析，并将诊断值进行量化，对临床诊断有一定的帮助。另外，本研究有以下不足：①未能对卵巢肿瘤的良性、交界性及恶性进行分类统计分析；②未能对卵巢肿瘤的具体组织病理类型进行细致分类处理；③为单中心样本研究，样本量仍较少，这对分析卵巢肿瘤定性的ADC值诊断阈值和TIC类型的价值具有一定的影响，还需进一步扩大样本量以提高统计可信度。此外，如何提高SNR以获得高质量的扫描图像、如何选择最优数据拟合模型及提高测量数据的准确性有待进一步解决。