Eur J Radiol：T1 mapping在腮腺良恶性肿瘤鉴别中的价值

腮腺肿瘤占唾液腺肿瘤的70%，涉及的病理类型十分广泛，其中大多数是良性肿瘤（BTs）。多形性腺瘤（PA）是最常见的病理类型，其次是Warthin氏瘤（WT）。治疗策略和预后因肿瘤的组织学类型不同而有很大差异。PA的复发率为6.7%-45%，前五年的恶性率为1.5%，并逐渐增加。因此，临床上建议进行根治性手术。然而，WT很少复发，恶性转化占WT的0.1%-0.3%。因此，腮腺部分切除术、切除术或保守治疗是治疗WT的常用方法。然而，腮腺恶性肿瘤（MT）需要进行全腮腺切除术。因此，对BT和MT以及各种亚群肿瘤的准确鉴别诊断对于正确的治疗方法至关重要。

传统的磁共振成像（MRI）可以提供头颈部肿瘤的定位、形态、内部结构、扩散、侵袭和周围神经扩散等信息。然而，MRI是定性检查，缺乏一个客观的评估系统。现阶段，量化MRI已经成为评估肿瘤特征的研究热点。扩散加权成像（DWI）对水分子的运动敏感，由DWI计算出的表观扩散系数（ADC）值可用于定量评估组织中的扩散程度，已被广泛用于头颈部肿瘤的诊断和鉴别 。尽管少数腮腺肿瘤的ADC值因其成分的性质而有重叠，但当DWI与常规MRI结果一起使用时诊断的准确性可以提高。传统的回声平面成像DWI（EPI-DWI）经常受到几何失真和T2*模糊的影响。与传统DWI相比，长可变回波束DWI（RESOLVE-DWI）的读出分割具有更好的信噪比、更少的变形和伪影、质量更高。纵向弛豫时间（T1）是一个基于组织内在生物物理特性的物理参数，一个单一的T1值有可能成为体内的生物标志物。传统的T1加权成像（T1WI）是定性的，其信号强度取决于使用MRI硬件和软件操作的许多互补性对比机制。另外，其与造影剂浓度没有线性关系。T1 mapping可以克服T1WI的缺点，可以评估每个图像体素的T1，从而提供一个独特的、稳定的、可量化的、可重复的内在组织值。总的来说，每种组织类型的T1值都在正常范围内；任何偏离这些值的情况都表明有疾病或生理上的变化。因此，T1 mapping可以作为一种无创和定量的方法来确定生物组织特性，最初用于心肌疾病的研究，但最近也被用于肿瘤研究，包括脑、心脏、前列腺、肝和肾。然而，没有研究将T1 mapping应用于腮腺肿瘤的特征分析。因此，T1 mapping在区分腮腺肿瘤方面的价值尚不明确。

近日，发表在Eur J Radiol杂志的一项研究探讨了增强前和增强后的T1 mapping和RESOLVE-DWI区分良、恶性腮腺肿瘤的可行性，并根据T1、ADC值以及结合多参数进行系统分析。

本项研究共回顾性地招募了128名经组织病理学证实的腮腺肿瘤患者[86名良性肿瘤（BTs）和42名恶性肿瘤（MTs）]。BTs进一步分为多形性腺瘤（PAs，n = 57）和Warthin瘤（WTs，n = 15）。在注射造影剂前后进行MRI检查，测量腮腺肿瘤的纵向弛豫时间（T1）值（T1p和T1e，分别）和表观扩散系数（ADC）值。计算了T1（T1d）值的减少和T1减少的百分比（T1d%）。 

BTs的T1d和ADC值大大高于MTs（所有P <.05）。区分腮腺BTs和MTs的T1d和ADC值的曲线下面积（AUC）分别为0.618和0.804（所有P <.05）。区分PAs和WTs的T1p、T1d、T1d%和ADC值的AUC分别为0.926、0.945、0.925和0.996（所有P>.05）。与T1p、T1d和T1d%相比，ADC和T1d%+ADC值在区分PAs和MTs方面表现更好（AUC值：0.902、0.909、0.660、0.726和0.736）。T1p、T1d、T1d%和T1d%+T1p值在区分WTs和MTs方面都有很高的诊断价值（AUC值：分别为0.865、0.890、0.852和0.897，P均>.05）。 

 图 一名44岁男性患者的右侧多形性腺瘤。(a) T1WI显示，肿瘤呈低信号，边界不清，形状不规则（白色箭头）。(b) FS-DIXON T2WI显示，肿瘤呈高信号（白色箭头）。(c) ADC测量表明，肿瘤的ADC值为0.80 × 10^{- 3} mm²/s。(d) Gd-DTPA给药前的T1图显示肿瘤的T1p值为1854.99ms。(e) Gd-DTPA给药后的T1图显示肿瘤的T1e值为976.94 ms。(f) FS-DIXON增强T1WI显示肿瘤有不均匀的中度强化（白色箭头）

本项研究表明，T1 mapping和RESOLVE-DWI可用于对腮腺肿瘤进行定量区分，并可相互补充，为临床的术前准确诊断提供了技术支持。

原文出处：

Baohong Wen,Zanxia Zhang,Kun Fu,et al.Value of pre-/post-contrast-enhanced T1 mapping and readout segmentation of long variable echo-train diffusion-weighted imaging in differentiating parotid gland tumors.DOI:10.1016/j.ejrad.2023.110748