从科研走向临床:磁共振成像技术在神经退行性疾病中的应用潜力巨大

MRI技术近年来不断取得新的发展,可以为脑组织的形态学结构、血流灌注、白质及轴突微结构、神经元活动及多种代谢物负荷等提供丰富的信息,因此在神经退行性疾病中的应用也越来越广泛。本述评对MRI技术在神经退行性疾病中的应用及研究现状进行了点评,强调了MRI技术对神经退行性疾病潜在病理生理机制的揭示及其在疾病诊断及鉴别诊断、病情进展评估及预测中的作用,同时也指出这些技术在由科研向临床应用转化方面面临着的诸多挑战,并对MRI技术在神经退行性疾病中的未来发展方向作出展望。

化学交换饱和转移成像在神经退行性疾病中的研究进展

化学交换饱和转移(chemical exchange saturation transfer,CEST)成像是基于化学交换及磁化转移所发展出来的一种新型成像方法,可以选择性饱和特定代谢物中的可交换质子并向自由水进行磁化转移,从而通过检测自由水的信号强度间接反映特定代谢物的信号强度。基于此,CEST可以无需对比剂或放射性示踪剂的参与即可实现在体低浓度代谢物的无创检测,因而在中枢神经系统疾病中得到大量应用。神经退行性疾病是中枢神经系统疾病的重要组成部分。本文将主要阐述CEST成像在神经退行性疾病中的应用现状及进展。

基于动脉自旋标记技术的帕金森病伴抑郁患者脑灌注研究

目的探究帕金森病(Parkinson’s disease,PD)伴抑郁患者脑血流灌注改变,并评估抑郁与脑区灌注变化之间的相关关系。材料与方法前瞻性纳入2021年9月至2022年7月于北京医院就诊的PD患者34例,其中PD伴抑郁(Parkinson’s disease with depression,PD-d)患者15例,PD不伴抑郁(Parkinson’s disease without depression,PD-n)患者19例;招募30例健康志愿者作为正常对照(normal control,NC)组。使用汉密尔顿抑郁量表(Hamilton Depression Scale,HAMD)评估PD患者抑郁状态。所有受试者在3.0 T MRI上行T1加权磁化准备快速梯度回波序列(T1-weighted magnetization-prepared rapid acquisition gradient echo,T1 MPRAGE)及伪连续动脉自旋标记(pseudo-continuous arterial spin labeling,p CASL)序列扫描,基于MATLAB搭载的SPM12软件生成每个脑区的平均脑血流量(cerebral blood flow,CBF)值。应用两独立样本t检验法检验PD组与NC组、PD-n与PD-d组间的各脑区CBF值差异性(FDR校正)。采用偏相关相关分析对PD-n与PD-d组差异脑区的CBF值与HAMD评分的相关性进行分析。结果与NC组相比,PD组右侧壳核、右侧海马、右侧岛叶、双侧顶叶、枕叶、颞叶灰质及白质灌注减低(P<0.05)。PD-d组左侧丘脑、左侧海马、双侧顶叶灰质、双侧枕叶白质、右侧扣带回灌注低于PD-n组(P<0.05),其中右侧扣带回(r=-0.410,P=0.018)、右侧枕叶白质(r=-0.370,P=0.034)CBF值与HAMD呈负相关。结论利用动脉自旋标记技术可以直观地显示PD患者的脑血流灌注改变,脑血流灌注减低可能为PD的基本特征之一,且大脑边缘系统血流灌注减低与PD伴抑郁的发生有相关性。

Bookend磁共振定量灌注技术在胶质瘤术前分级评估中的优势

目的探讨Bookend磁共振定量灌注技术在胶质瘤术前分级评估中的优势。方法回顾性分析我院37例行Bookend磁共振定量灌注扫描的胶质瘤患者数据。定量脑血流量(quantitative cerebral blood flow,qCBF)图、脑血容量(quantitative cerebral blood volume,qCBV)图以及定量平均通过时间图(quantitative mean transit time,qMTT)用来评估图像质量,分为0~3级共4级;肿瘤强化区域的灌注平均值(CBV肿瘤)作为Bookend技术的评估参数,CBV肿瘤与对侧正常白质脑血容量平均值的比值(rCBV肿瘤)等效于常规灌注序列的评估参数。方差分析用于评估组间的参数是否有统计学差异;Spearman相关性分析用来评估灌注参数与胶质瘤WHO分级的相关性;组内相关系数分析(ICC)用于观察者间的一致性评估。结果2级及以上评分的qCBF图、qCBV图及qMTT图分别占其总数的100%、100%及94.5%。CBV肿瘤及rCBV肿瘤不同分级间均具有统计学差异(P<0.001),CBV肿瘤及rCBV肿瘤与胶质瘤分级间具有相关性(P<0.001),但CBV肿瘤相关性更高(0.679 vs 0.587)。CBV肿瘤比rCBV肿瘤具有更高的观察者间一致性(0.903 vs 0.817)。结论在胶质瘤术前分级评估方面,相对于传统的磁共振灌注技术,Bookend定量磁共振灌注技术不仅具有合格的图像质量,还具有更高的诊断效能和观察者间的一直性。

蒽环类药物所致心脏毒性的磁共振研究进展

蒽环类药物(anthracycline, ATC)是常见的化疗药物,具有突出的心脏毒性。蒽环类药物所致心脏毒性(anthracycline-induced cardiotoxicity,AIC)是影响癌症患者生存质量的重要因素。准确检测及正确评估AIC能够为临床诊疗提供重要信息,降低癌症患者出现心血管并发症的风险。心脏磁共振(cardiac magnetic resonance,CMR)具有无创、可重复性好、空间分辨率高、多序列成像等优势,在AIC的基线评估及跟踪随访中起到了重要作用。近年来,包括特征追踪(feature-tracking,FT)技术及mapping技术在内的一系列CMR新技术的发展更是在AIC的早期检测方面发挥了重要的作用。本文将对CMR在检测和评估AIC中的应用及研究进展作一综述。

3.0 T脑肿瘤酰胺质子转移加权成像临床应用及检查技术规范专家共识解读

酰胺质子转移加权(APTw)成像是通过检测距离水共振频率3.5 ppm处的酰胺基中可移动质子与水之间的交换速率,来反映组织中酰胺基浓度的技术。基于此,APTw成像可以根据组织中的内源性移动蛋白和肽生成图像对比度,从而在肿瘤性疾病中得到应用。2022年,国际化学交换饱和转移成像工作组APTw成像小组首次发布了3.0 T脑肿瘤APTw成像临床应用的专家共识,旨在推动APTw成像在脑肿瘤中的进一步普及规范应用。本文将结合现有文献,就APTw成像目前在脑肿瘤临床应用中的现状及所面临的问题进行综述,并对共识中推荐的检查技术规范进行解读。

黑质、红核化学交换饱和转移成像定量指标在帕金森病中的研究

目的采用化学交换饱和转移(CEST)成像分析帕金森病(PD)患者双侧黑质、红核定量指标的改变,并探讨其临床应用价值。方法该研究为横断面研究。回顾性收集2012年12月至2015年7月在北京医院就诊的45例PD患者(PD组)和同期年龄、性别、认知功能相匹配的21名正常对照者(NC组)。所有受试者均接受头部常规MRI及CEST-MRI检查。基于MATLAB平台软件包,采用4池洛伦兹拟合模型方法,分析受试者双侧黑质、红核CEST成像的信号改变,获得相应的酰胺基(Amide)、核奥氏效应(NOE)、直接水饱和(DS)效应和半固体磁化转移(MT)效应值。采用独立样本t检验及Mann-Whitney U检验比较PD组、NC组双侧黑质、红核的CEST参数值,以Bonferroni校正控制多重比较;取校正后P<0.05的参数建立联合模型。以受试者操作特征曲线及曲线下面积(AUC)评估CEST参数及联合模型诊断PD的效能。结果与NC组相比,PD组左侧黑质Amide值、左侧红核Amide值、右侧黑质NOE值减低,差异有统计学意义(t=-3.59,校正P=0.026;t=-3.77,校正P=0.016;Z=-3.27,校正P=0.017)。左侧黑质Amide值、左侧红核Amide值、右侧黑质NOE值及联合模型均对PD具有较好的诊断效能(AUC分别为0.78、0.79、0.75、0.81),其中联合模型具有最高的AUC值(0.81)和最高的特异度(97.78%),左侧黑质Amide值具有最高的灵敏度(93.33%)。结论基于4池洛伦兹拟合模型的CEST成像技术量化分析显示PD组与NC组的黑质、红核部分CEST定量指标存在显著差异,在PD诊断中具有较好的临床应用潜力。

基于可解释性心脏磁共振参数的机器学习模型预测儿童心肌炎的预后

目的探讨基于可解释性心脏磁共振(CMR)参数的机器学习模型对儿童心肌炎患者预后的预测价值。方法回顾性收集2012年9月至2017年11月临床诊断为儿童心肌炎患者45例,其中男28例,女17例,4~16岁,平均(9.8±3.4)岁。根据随访过程中是否出现心血管不良事件(ACE),将患者分为预后不良组(n=18例)和预后良好组(n=27例)。所有患者于住院治疗后进行CMR扫描,获取心功能、心肌应变、首过灌注及延迟强化(LGE)相关方面共206个可解释性的CMR参数。利用MATLAB分类学习应用程序对参数进行训练,挑选精度最高的模型作为预测模型。采用受试者工作特征曲线(ROC)对模型的预测效能进行评估。结果提取出14个可解释性的CMR参数,挑选其中无显著相关性的参数构建组合参数。单一参数中,美国心脏协会(AHA)分段法中的第7节段最大信号强度百分比(SI%)预测性能最佳,曲线下面积(AUC)、预测敏感性和特异性分别为0.790、0.667和0.833;组合参数达到了最高的预测性能,AUC、预测敏感性和特异性分别为0.940、0.750和0.889。结论根据可解释性的CMR参数建立的机器学习模型对儿童心肌炎患者预后的预测具有良好价值,且在预后评估中组合参数比单一参数预测性能更高。