论文部分内容阅读
随着磁共振成像(magnetic resonance imaging,MRI)技术的进步,MRI不仅能够显示颅内动脉瘤(intracranial aneurysms,IAs)的结构特征,而且能够显示IAs的功能特征。钆剂增强血管壁磁共振成像(vessel wall MRI,VW-MRI)有超高的空间分辨率,能够提示IAs壁的炎症反应等病理学信息。动态对比增强磁共振成像(dynamic contrast enhanced MRI,DCE-MRI)有超高的时间分辨率,能够评估 IAs 壁的容量转移常数(the contrast agent permeability rate,Ktrans)等药代动力学信息。基于较高的时间和空间分辨率,4D-flow-MRI能够评估IAs的壁面切应力(wall shear stress,WSS)等血流动力学信息。本研究基于采用MRI的前沿技术,通过对IAs的功能特征进行多模态MRI研究。一方面,评价MRI的前沿技术对IAs破裂风险的筛查能力等;另一方面,基于MRI的前沿技术进一步理解IAs发生、发展和破裂等过程中的功能变化。本研究分为以下三个部分。第一部分 颅内动脉瘤稳定性的增强血管壁磁共振成像评价目的未破颅内动脉瘤(unruptured intracranial aneurysms,UIAs)在中国 35-75 岁的人群中患病率为7%。随着磁共振血管成像(magnetic resonance angiography,MRA)和电子计算机断层扫描血管成像(computed tomography angiography,CTA)等无创影像技术在临床实践中的广泛应用,UIAs的检出率仍在持续增加。UIAs破裂导致了 80%的非外伤性蛛网膜下腔出血(subarachnoid Hemorrhage,SAH)等。UIAs手术或血管内治疗的累积发病率或死亡率在3%-10%之间,而UIAs每年自然破裂的风险不到1%。因此,个体化的破裂风险评估对UIAs临床管理有重要意义。不稳定IAs(症状性UIAs、随访中增大的UIAs以及破裂IAs等)较稳定IAs(偶然发现的IAs或影像学随访中未增大的IAs等)的破裂风险更高,需接受更积极的治疗。综上,筛查出破裂风险校低或相对稳定的UIAs,以避免不必要的手术也有重要意义。本研究基于钆剂增强VW-MRI,探讨颅内动脉瘤壁强化(aneurysm wall enhancement,AWE)和瘤壁强化指数(wall enhancement index,WEI)在筛查UIAs稳定性中的价值,并进进一步理解IAs发生、发展和破裂等过程中的功能变化。方法1.对2014年10月至2019年10月于我院前瞻性同时行3.0T磁共振钆剂增强 VW-MRI 检查及数字剪影血管造影(digital subtracted angiography,DSA)的IAs患者进行回顾性分析。通过多学科会诊(multidisciplinary consultation,MDT)明确症状性UIAs及破裂IAs并定义为不稳定状态IAs,偶然发现的IAs定义为稳定状态IAs。共入组283例患者,其中稳定状态IAs患者174例,不稳定状态IAs患者109例。前述患者均采用3.0T Siemens磁共振扫描仪行VW-MRI检查,其中54例患者基于3.0T Siemens Verio/Skyra磁共振扫描仪(16通道头颈联合线圈)完成钆剂增强2D-VW-MRI检查,229例患者基于3.0T Siemens Prisma磁共振扫描仪(64通道头颈联合线圈)完成钆剂增强3D-VW-MRI检查。2.由2名高年资神经影像医师于影像归档和通信系统(picture archiving and communication systems,PACS)平台独立进行盲法阅片,以明确IAs是否出现AWE,并进一步对AWE强化模式(AWE Pattern,AWEP)进行分型:AWEP 0(无强化)、AWEP 1(局部强化)及AWEP2(环形强化)。3.由2名有经验的神经影像医师通过Vessel-MASS 2014-EXP软件对IAs的VW-MRI图像独立进行盲法分析,并计算AWE的半定量指标-WEI。4.采用MedCalc 18.2软件进行统计学处理。分类变量由百分比表示,连续变量由x±s或中位数(四分位间距)表示。用kappa检验评价2名医师评估AWE 及其分型的一致性。用组内相关系数(intraclass correlation coefficient,ICC)评价2名医评估WEI的一致性。用χ2检验对分类变量进行组间比较,用U检验对连续变量进行组间比较。对组间比较结果P<0.2的变量,纳入单变量回归分析。对单变量回归分析结果P<0.05的变量,纳入多变量logistic回归分析,以获得预测UIAs不稳定性的95%置信区间(confidence interval,CI)和优势比(odds ratio,OR)等。通过受试者工作特性(receiver operating characteristic,ROC)曲线对分类变量或连续变量等进行分析,以获得到敏感性、特异性等;并通过约登指数明确ROC曲线的截断值(cut-off value)等。通过χ2检验对分类变量进行趋势分析,通过Jonckheere-Terpstra检验对连续变量进行趋势分析。以P<0.05为差异有统计学意义。结果1.283例患者中共发现362个IAs。医师对AWE诊断(k=0.83;95%CI为:0.77 至 0.89)、分型(k=0.87;95%CI 为:0.83 to 0.92)及对 WEI 测量(ICC=0.98;95%CI为:0.97 to 0.98)的一致性均较好。-2.与UIAs的稳定状态对比,WEI的中位数于UIAs的不稳定状态中更高(1.3 VS 0.3;P<0.001);AWEP在UIAs不稳定状态中的构成比存在差异(P<0.001)。3.AWEP(OR:2.0,95%CI:1.2 to 3.3;P=0.005)和 WEI(OR:2.9,95%CI:1.5 to 5.5;P=0.001)是UIAs不稳定状态的独立危险因素。4.AWEP筛查UIAs稳定状态的截断值为≤0(敏感性:69.0%,特异性:81.7%),线下面积(areaunder curve,AUC)为:0.79(95%CI:0.74 to 0.83),约登指数为:0.51,P<0.001。WEI筛查UIAs稳定状态的截断值为≤0.98(敏感性:77.4%,特异性:78.5%),AUC 为:0.78(95%CI:0.73 to 0.82),约登指数为:0.56,P<0.001。联合AWEP及WEI筛查UIAs稳定状态的截断值为≤0.20(敏感性:73.4%,特异性:95.7%),AUC 为:0.91(95%CI:0.88 to 0.94),约登指数为:0.69,P<0.001。结论1.AWEP及WEI均是UIAs不稳定状态的独立危险因素。2.AWEP0能对UIAs的稳定状态进行有效筛查。WEI≤0.98也能对UIAs的稳定状态进行有效筛查。联合AWEP及WEI筛查UIAs稳定状态的特异性最高。第二部分 联合动态对比增强磁共振成像及VW-MRI对颅内动脉瘤壁不稳定状态的研究目的IAs是颅内动脉的病理性膨大,在不分种族与地域的成年人群中发病率3%～5%。相对于UIAs自然破裂的风险,由UIAs治疗所带来的风险可能更高。因此,为了平衡UIAs患者治疗的风险和获益,研究个体化的IAs破裂风险评价标志物有重要意义。在日常临床实践中,对IAs的风险评估多是基于直径等形态学因素,基于IAs壁的病理学标志物可能有助于补充单纯的形态学标志物。目前,对IAs壁的无创影像学研究多是基于VW-MRI。在临床实践中,预警IAs破裂风险较高的警示性头痛也多被认为是血液的微量渗出所致,而SAH则是IAs壁破裂所致大量血液外涌至蛛网膜下腔的脑脊液中所致。前述血液的渗出可能通过钆对比剂被DCE-MRI探测到,并且基于后处理算法得到Ktrans进行量化评估。本研究联合应用DCE-MRI和VW-MRI,探讨Ktrans和AWE在筛查UIAs不稳定状态中的价值,并进一步理解IAs发生、发展和破裂等过程中的功能变化。方法1.前瞻性收集我院2018年1月至2019年10月同时行3.0T磁共振钆剂增强DCE-MRI和VW-MRI及DSA的IAs患者进行分析。通过MDT明确症状性UIAs及破裂IAs并定义为不稳定状态IAs,偶然发现的IAs定义为稳定状态IAs。共入组82例患者,其中稳定状态IAs患者51例,不稳定状态IAs患者31例。所有患者均基于3.0T Siemens Prisma磁共振扫描仪(64通道头颈联合线圈)完成钆剂增强DCE-MRI及3D-VW-MRI检查。2.由2名有经验的神经影像医师通过西门子syngo.via工作站TISSUE 4D软件对IAs的DCE-MRI图像独立进行盲法分析,并计算相应动脉瘤的全定量药代动力学指标-Ktrans。3.由2名高年资神经影像医师于PACS平台独立进行盲法阅片,以明确IAs是否出现AWE,并进一步对AWEP进行分型:AWEP 0(无强化)、AWEP 1(局部强化)及AWEP2(环形强化)。4.采用MedCalc 18.2软件进行统计学处理。分类变量由百分比表示,连续变量由x±s或中位数(四分位间距)表示。用kappa检验评价2名医师评估AWE及其分型的一致性。用Bland-Altman图、Passing and Bablok回归以及ICC评价2名医评估Ktrans的一致性。用χ2检验对分类变量进行组间比较,用U检验对连续变量进行组间比较。对组间比较结果P<0.2的变量,纳入单变量回归分析。对单变量回归分析结果P<0.05的变量,纳入多变量logistic回归分析,以获得预测UIAs不稳定状态的95%CI和OR等。通过ROC曲线对分类变量或连续变量等进行分析,以获得到敏感性、特异性等;并通过约登指数明确ROC曲线的截断值等。通过χ2检验对分类变量进行趋势分析,通过Jonckheere-Terpstra检验对连续变量进行趋势分析。以P<0.05为差异有统计学意义。结果1.82例患者中共发现101个IAs。医师对AWE诊断(k=0.85;95%CI为:0.75 to 0.96)、分型(k=0.81;95%CI 为:0.71 to 0.92)及对 Ktrans 测量(ICC=0.98;95%CI 为:0.97 to 0.99)的一致性均较好。2.与UIAs的稳定状态对比,Ktrans的中位数于UIAs的不稳定状态中更高(0.9VS 0.3 s-1;P<0.001);AWEP在UIAs不稳定状态中的构成比存在差异(P<0.001)。3.AWEP(OR:4.1,95%CI:2.06 to 8.16;P<0.001)和 Ktrans(OR:2.77,95%CI:1.49 to 5.17;P=0.01)是不稳定UIAs的独立危险因素。4.AWEP筛查UIAs不稳定状态的截断值为>1(敏感性:59.3%,特异性:87.0%),AUC 为:0.75(95%CI:0.65 to 0.83),约登指数为:0.50,P<0.001。Ktrans筛查UIAs不稳定状态的截断值为>0.65 s-1(敏感性:59.3%,特异性:78.3%),AUC 为:0.70(95%CI:0.60 to 0.79),约登指数为:0.38,P=0.01。联合Ktrans及AWEP筛查UIAs不稳定状态的截断值为>0.18(敏感性:85.2%,特异性:76.8%),AUC 为:0.83(95%CI:0.74 to 0.90),约登指数为:0.62,P<0.001。结论1.Ktrans及AWEP均是UIAs不稳定状态的独立危险因素。2.Ktrans>0.65 s-1能对UIAs的不稳定状态进行有效筛查。AWEP也能对UIAs的不稳定状态进行有效筛查。联合Ktrans及AWEP筛查UIAs不稳定状态的敏感性最高。第三部分 未破裂颅内动脉瘤壁强化的4D-flow与DCE-MRI研究目的UIAs破裂导致了约80%的自发性SAH。钆剂增强VW-MRI中的AWE被证实可能和UIAs的不稳定状态或破裂风险有关,并有助于对相应患者进行个体化的风险分层。这一发现首次将基于动脉瘤的破裂风险评价方式从瘤囊解剖学拓展到了瘤壁病理学,为UIAs的破裂风险评价带来了新的视角和思路。AWE可能和动脉瘤壁的病理性炎症反应有密切关系,UIAs的血流动力学指标-WSS也被认为和动脉瘤壁的病理学炎症密切相关。UIAs的增大和破裂等不稳定状态不仅可能和动脉瘤壁内剧烈的炎症反应有关,而且可能和动脉瘤壁内皮细胞凋亡等有关。UIAs壁的内皮细胞凋亡可能导致动脉瘤壁渗透率的增加,这一改变可能被Ktrans所反映。本研究联合应用4D-flow-MRI、DCE-MRI和VW-MRI,探讨UIAs的WSS和Ktrans与AWE之间的关系,并进进一步理解UIAs发生、发展和破裂等过程中的功能变化。方法1.前瞻性收集我院2018年1月至2019年10月同时行3.0T磁共振4D-flow-MRI、钆剂增强DCE-MRI和VW-MRI及DSA的UIAs患者进行分析。共入组78例患者。所有患者均基于3.0T Siemens Prisma磁共振扫描仪(64通道头颈联合线圈)完成4D-flow-MRI、钆剂增强DCE-MRI和VW-MRI检查。2.由2名有经验的神经影像医师通过CVI42 5.11.2软件对UIAs的4D-flow-MRI图像独立进行盲法分析,并计算相应动脉瘤的血流动力学指标-WSS。3.由2名有经验的神经影像医师通过西门子syngo.via工作站TISSUE 4D软件对UIAs的DCE-MRI图像独立进行盲法分析,并计算相应动脉瘤的全定量药代动力学指标-Ktrans。4.由2名高年资神经影像医师于PACS平台独立进行盲法阅片,以明确UIAs是否出现AWE,并进一步对AWEP进行分型:AWEP 0(无强化)、AWEP1(局部强化)及AWEP2(环形强化)。5.由2名有经验的神经影像医师通过Vessel-MASS 2014-EXP软件对UIAs的VW-MRI图像独立进行盲法分析,并计算AWE的半定量指标-WEI。6.由1名神经影像医师计算PHASES评分对每一个UIAs的破裂风险进行量化评估。7.采用MedCalc 18.2软件进行统计学处理。分类变量由百分比表示,连续变量由x±s或中位数(四分位间距)表示。用kappa检验评价2名医师评估AWE及其分型的一致性。用Bland-Altman图、Passing and Bablok回归以及ICC评价2名医评估WSS、Ktrans及WEI的一致性。用χ2检验对分类变量进行组间比较,用U检验对连续变量进行组间比较。选择目标变量,纳入单变量logistic回归分析。对单变量回归分析结果P<0.05的变量,纳入多变量logistic回归分析,以获得预测导致动脉瘤壁出现AWE变量的95%CI和OR等。采用Spearman相关分析,对连续变量间的相关性进行分析。采用带回归线的散点图,呈现连续变量间的数量变化趋势。P<0.05为差异有统计学意义。结果1.78例患者中共发现96个UIAs。医师对AWE诊断(k=0.85;95%CI为:0.75to0.96)、对 WSS 测量(ICC=0.94;95%CI 为:0.91 to 0.96)、对 Ktrans 测量(ICC=0.97;95%CI 为:0.95 to 0.98)及对 WEI 测量(ICC=0.99;95%CI 为:0.99 to 1)的一致性均较好。2.与没有出现AWE的UIAs对比,出现AWE-UIAs的WSS的中位数较低(1.8 VS 3.4 Pa;P<0.001),出现 AWE-UIAs 的 Ktrans 的中位数较高(2.3 VS 0.9 s-1;P<0.001),出现 AWE-UIAs 的 WEI 的中位数较高(4.2 VS 0.8;P<0.001),出现AWE-UIAs的PHASES评分的平均数较高(7.3 VS 3.3;P<0.001)。3.WSS(OR 为:0.70,95%CI 为:0.52 to 0.93;P=0.01)是 UIAs 出现 AWE的独立保护性因素,Ktrans(OR 为:1.69,95%CI 为:1.17 to 2.44;P=0.01)是UIAs出现AWE的独立危险因素。4.WEI 与 WSS 之间呈负相关关系(rs=-0.5,P<0.001,95%CI 为:-0.59 to-0.27),WEI 与 Ktrans 之间呈正相关关系(rs=0.4,P<0.001,95%CI 为:0.24 to 0.57),WEI与PHASES评分之间呈正相关关系(rs=0.5,P<0.001,95%CI为:0.31 to 0.62)。结论1.有AWE组的WSS低于无AWE组。有AWE组的Ktrans、WEI及PHASES评分均高于无AWE组。WEI与WSS呈负相关。WEI与Ktrans及PHASES评分均呈正相关。2.WSS是UIAs出现AWE的独立保护性因素,Ktrans是UIAs出现AWE的独立危险因素。