肿瘤的精准治疗是当前研究热点，而肿瘤疗效的早期预测，可为治疗方案的制定提供参考，对肿瘤的精准治疗至关重要。
大多数肿瘤疗效评估方法是借助结构成像技术，通过肿瘤形态学变化对肿瘤疗效进行评判。然而这种方法有明显的局限性，肿瘤形态学的变化滞后于肿瘤细胞的生理变化。放化疗后，肿瘤形态的改变比肿瘤细胞生理的变化晚 1—3 个月，因此很难借助结构成像技术实现肿瘤疗效早期预测。近年来，随着分子功能成像的快速发展，动态增强磁共振成像（Dynamic Contrast-Enhanced Magnetic Resonance Imaging, DCE-MRI）等成像方法可获得肿瘤生理参数信息，通过监测生理参数变化情况，有望在肿瘤形态变化之前对治疗效果进预测。以软组织肉瘤为例，由于其生长具有血管依赖性，利用 DCE-MRI 对血流灌注检测灵敏度高的特性，可获取肿瘤区域血流灌注参数变化情况。
中国科学院苏州生物医学工程技术研究所医学影像室高欣、夏威等以软组织肉瘤为实验对象，开展了肿瘤疗效早期预测的可行性研究，提出了用于肿瘤疗效早期预测的 DCE-MRI 容积转移常数（Ktrans）体素分析方法。研究利用放化疗前与放化疗早期（两周）软组织肉瘤患者的 DCE-MRI 影像数据，以及放化疗结束后手术病理确认得到的肿瘤细胞坏死率（Tumor Cell Necrosis Rate, TCNR），TCNR 越大则疗效越好。将 TCNR≥95% 的病例定义为治疗效果良好，TCNR<95% 的病例定义为治疗效果不佳。利用三维图像弹性配准技术将放化疗前与放化疗早期的 DCE-MRI 影像对齐，然后采用药代动力学建模方法构建基于体素的 Ktrans 变化图，根据 Ktrans 变化图采用统计学方法计算肿瘤区域 Ktrans 显著增加、显著减少和无明显变化的体积分数（F+, F- 和 F0），将这三个体积分数作为疗效的预测指标，使用 ROC 曲线分析评估体积分数作为疗效早期预测指标的效果，并采用线性回归分析体积分数与肿瘤细胞坏死率之间的线性关系。此外，该研究对比了肿瘤及正常组织各区域的 Ktrans 的变化情况，分析了所得结果的可能原因。
实验结果表明，研究人员提出的方法生成的体积分数 F - 和 F0 的疗效预测能力优于肿瘤最长径的改变量（ΔD）和肿瘤区域 Ktrans 的平均改变量（∆Ktrans）等传统的肿瘤疗效评估指标，且 F - 和 F0 与 TCNR 具有较强的线性关系，F- 越小或 F0 越大则 TCNR 越大，治疗效果越好。实验结果可由肿瘤血管正常化理论解释，具有较好的临床意义。
研究结果发表在 European Journal of Radiology 上。该研究工作得到了国家自然科学基金等的资助。
图 1. Ktrans 显著增加（红）、显著减少（蓝）和无明显变化（绿）的三类体素的分布图及 Ktrans 变化散点图。第一行是治疗效果良好的病例（TCNR≥95%），第二行是治疗效果不佳的病例（TCNR<95%）。a, c：三类体素的分布图；b, d：Ktrans 变化散点图；红线表示 y =x，黑线分别代表 y =x+0.32 和 y =x-0.31。
图 2. 不同疗效病例的体素分布图。由 a 到 d，F0 依次减少（绿色区域），F- 依次增加（蓝色区域），TCNR 依次减少，疗效依次降低。a: TCNR>95%, F0=85%, F-=11%; b: TCNR=85%, F0=63%, F-=30%; c: TCNR=50%, F0=50%, F-=31%; d: TCNR=30%, F0=27%, F-=67%.
图 3. 预测指标与 TCNR 的线性回归结果。红线为回归直线，阴影区域为回归结果的 95% 置信区间。相对于其他预测指标，F0 和 F - 的散点更加集中分布于回归直线附近，且回归系数更大，说明 F0 和 F - 与 TCNR 的线性关系更强。
微博|
手机
