So sánh các mô hình phân chia trong khối u Wilms và mô thận bên bình thường

Tiếp xúc:tina.xiang@wecistanche.com

trừu tượng

Khách quanADC (Hệ số khuếch tán biểu kiến) có nguồn gốc từ Hình ảnh có trọng số khuếch tán (DWI) đã cho thấy hứa hẹn là một dấu ấn sinh học hình ảnh định lượng không xâm lấn -1 trongWilms'tumours. Tuy nhiên, nhiều mô hình không phải Gauss có thể được áp dụng cho DWI. Nghiên cứu này nhằm so sánh sự phù hợp của bốnkhuếch tánmô hình (monoexponential, IVIM [Intravoxel Inco Microsoft Motion], kéo dài theo cấp số nhân và kurtosis) trong Wilms'tumours và bên cạnh không bị ảnh hưởngthận.

Vật liệu và phương pháp Dữ liệu DWI đã được xem xét lại (110 bộ dữ liệu Wilms'tumours và 75 bộ dữ liệu thận bình thường). Mức độ phù hợp đối với từng mô hình được đo lường bằng cách sử dụng Tiêu chí Thông tin Akaike (AIC). AIC trung bình được tính toán cho từng thể tích khối u (hoặc mô thận bình thường bên cạnh). ANOVA một chiều với hiệu chỉnh Greenhouse-Geisser và các bài kiểm tra hậu kỳ sử dụng hiệu chỉnh Bonferroni đã đánh giá sự khác biệt đáng kể giữa các giá trị AIC; AIC thấp nhất cho thấy mô hình tối ưu.

Kết quảIVIM và kéo dài theo cấp số nhân cung cấp sự phù hợp nhất với dữ liệu DWI của Wilms'tumour. IVIM cung cấp sự phù hợp nhất cho dữ liệu thận bình thường. Mono mũ là phương pháp phù hợp nhất cho cả dữ liệu thận bình thường và thận Wilms'tumour.

Thảo luậnTín hiệu có trọng số khuếch tán trongWilms'tumoursvà bình thườngmô thậnkhông biểu hiện sự phân rã theo cấp số nhân đơn và được mô tả tốt hơn bằng các mô hình khuếch tán không theo Gauss.

Từ khóaWilms'tumour. Thận. Khuếch tán

Để biết thêm thông tin, bấm vào đây

Giới thiệu

Khối u Wilms là khối u thận ở trẻ em phổ biến nhất [1], và ở Châu Âu, bệnh nhân được điều trị bằng hóa trị liệu trước khi phẫu thuật để giảm kích thước khối u [2]. Sau khi cắt bỏ toàn bộ hoặc một phần thận, phân tích mô học phân loại khối u thành một loại phụ tùy thuộc vào loại tế bào ưu thế [3]. Bệnh nhân thường sẽ được chụp MRI nhiều lần để theo dõi đáp ứng với điều trị, với chẩn đoán hình ảnh có trọng số khuếch tán (DWI) thường mắc phải.

Hệ số khuếch tán biểu kiến ​​(ADC) có thể được tính từ DWI bằng cách áp dụng phép phù hợp theo cấp số nhân (Eq.1) cho dữ liệu khuếch tán.

(1) S (b)=Se-b.ADC

trong đó S (b) là tín hiệu tại một giá trị b nhất định và S. là tín hiệu không có trọng số khuếch tán.

ADC đã cho thấy nhiều hứa hẹn như một công cụ hình ảnh định lượng trong Wilms'tumour. Ví dụ, ADC đã được sử dụng để phân biệt khối u lành tính với khối u ác tính (một tập hợp con của khối u này

thuần tập là Wilms'tumours) [4], tách khối u nguyên bào thần kinh khỏi Wilms'tumour [5], theo dõi phản ứng hóa trị [6, 7], xác định các phân nhóm mô học [7] và hỗ trợ xác định mô Wilms'tumour hoại tử [8].

Mặc dù ADC là một tham số hữu ích, nhưng có những mô hình không phải Gaussian khác (VIM [9] [Chuyển động kết hợp ntravoxel], kéo dài theo cấp số nhân [10] và kurtosis [11]) có thể được áp dụng cho dữ liệu DWI để tạo ra một loạt các số liệu khuếch tán. IVIM (Eq.2) là một mô hình hàm mũ không chỉ mô tả chuyển động của nước trong không gian ngoài mạch mà còn trong mạng lưới vi mao quản được định hướng ngẫu nhiên. Nó tạo ra các thông số D (hệ số khuếch tán không bị ảnh hưởng bởi nước chảy nhanh trong mạng lưới mao mạch, được gọi là khuếch tán chậm), D * (hệ số khuếch tán do chuyển động ngẫu nhiên có định hướng của nước trong máu trong mạng mao mạch khuếch tán nhanh), và f (phần thể tích liên quan đến thành phần chảy nhanh). (2) S (b)=Vậy [(1- f) e (-bD cộng với fel-b (D cộng với D ')

Mô hình kéo dài-lũy thừa (Phương trình 3) mô tả sự không đồng nhất trong sự khuếch tán trong một voxel duy nhất, mô tả độ lệch so với một phân rã theo cấp số nhân đơn. Nó tạo ra các tham số DDC (hệ số khuếch tán phân bố) và a (tham số kéo dài để mô tả độ lệch so với khuếch tán đồng nhất).

(3) S (b)=S, e (- (b.DDC) ")

Mô hình kurtosis (Eq.4) mô tả độ lệch so với chuyển vị của các phân tử nước theo phân bố Gauss và tạo ra các tham số D (hệ số khuếch tán được hiệu chỉnh cho chuyển vị không theo Gauss) và K (kurtosis).

(4) S (b)=Soe-bD cộng với b2D,? K / 6

Những mô hình này có tiềm năng cung cấp thông tin bổ sung liên quan đến cấu trúc vi mô của mô. Ngoài ra, chúng đã được chứng minh là cung cấp mô tả tốt hơn về dữ liệu khuếch tán so với mô hình hàm mũ đơn trong ung thư trực tràng [12], ung thư tuyến tiền liệt di căn xương [13], ung thư buồng trứng [14] và mô thận khỏe mạnh [15]. Tuy nhiên, có một số nghiên cứu hạn chế trong việc áp dụng các mô hình này ở Wilms'tumour nơi chúng có thể hữu ích, do môi trường tế bào không đồng nhất của mô khối u. Hơn nữa, người ta giả thuyết rằng do mức độ tưới máu cao trongthậnvà IVIM được thiết kế để tính đến thành phần liên quan đến tưới máu trong tín hiệu khuếch tán, mô hình này có thể cung cấp sự phù hợp cao hơn với dữ liệu DWI này [16].

Mục đích của nghiên cứu này là để xác định xem liệu các mô hình này (VIM, hàm mũ kéo dài và kurtosis) cung cấp sự phù hợp vượt trội cho tín hiệu có trọng số khuếch tán so với mô hình đơn hàm mũ, trong Wilms'tumours và bình thường bên cạnhquả thận. Mức độ phù hợp được tính toán bằng cách sử dụng Tiêu chí Thông tin Akaike (AIC) [17], tiêu chuẩn này xử phạt các mô hình chứa nhiều tham số tự do hơn được dữ liệu thô hỗ trợ. Ngoài ra, với tư cách là một mục đích phụ, Wilms'tumours được phân tách theo kiểu phụ mô học để xác định xem một số mô hình nhất định có ủng hộ các kiểu phụ nhất định hay không.

Vật liệu và phương pháp Nghiên cứu dân số

Sự chấp thuận về đạo đức của tổ chức đã được cấp và từ bỏ sự cần thiết phải có sự đồng ý cho nghiên cứu trung tâm duy nhất này. Đánh giá hồi cứu 10- năm (tháng 4 2007- tháng 3 năm 2017) của hệ thống hình ảnh X quang tại cơ sở của chúng tôi đã được thực hiện đối với tất cả dữ liệu MRI bụng ở trẻ em với chẩn đoán mô học đã được chứng minh làWilms'tumour. Tiêu chí đưa vào là những người có nhiều dữ liệu DWI giá trị b (bao gồm giá trị b tối đa là 1000 s / mm2) và kích thước khối u bao phủ ít nhất 2 lát cắt trục trên DWI. DWI với các đồ tạo tác chuyển động cực đoan cũng bị loại bỏ. Dữ liệu MRI được thu thập từ bệnh nhân Wilms'tumour cả trước và sau hóa trị liệu. Các kiểu phụ logic lịch sử đã được xác nhận sau phẫu thuật đối với một tập hợp con của các khối u. Đối với dữ liệu về thận bình thường, thận bên không bị ảnh hưởng được sử dụng, ngoại trừ những bệnh nhân bị bệnh hai bên.

MRI

Tất cả hình ảnh được thực hiện trên máy quét Siemens Magnetom Avanto 1,5 T được trang bị với độ dốc 40mT / m. Tùy thuộc vào kích thước bệnh nhân, một hoặc hai cuộn dây ma trận cơ thể được sử dụng để có được phạm vi bao phủ đầy đủ (thiết kế 6 phần tử, Siemens). Bệnh nhân tỉnh táo hoặc gây mê tùy theo tuổi.

Đa giá trị b DWI thu được cho tất cả các bệnh nhân và có được khi thở tự do. Giao thức DWI như sau: giá trị 7 hoặc 8b theo 3 hướng trực giao (0, 5 0, 100.250.500.750.1000 s / mm² hoặc 0,50.100.150.200.250.500.1000 s / mm²） độ dày lát∶6 mm, TR / TE: 2800 ms / 89 ms, trường nhìn: 350 × 350 mm, kích thước voxel: 1,4 × 1,4 × 6 mm, số lát cắt: 19, kích thước ma trận: 128 × 96 × 19. Chín mức trung bình được thu thập cho từng giá trị và hình ảnh dấu vết (trung bình trên 3 hướng) được sử dụng để phân tích. Các trình tự lâm sàng tiêu chuẩn cũng được thu thập kết hợp, bao gồm T w ức chế chất béo trước và sau khi sử dụng chất cản quang dựa trên gadolinium; chi tiết đầy đủ về trình tự hình ảnh lâm sàng có thể được tìm thấy trong [18].

Xử lý hậu kỳ

Khuếch tándữ liệu được xử lý bằng cách sử dụng hình ảnh theo dõi và quy trình điều chỉnh mô hình nội bộ được thiết kế trong Matlab (phiên bản 2019a, MathWorks Inc., Natick, MA, USA) trên cơ sở voxel-by-voxel sử dụng bốn mô hình khuếch tán khác nhau: monoexponential (Eq. 1), IVIM (Phương trình 2), kéo dài theo hàm mũ (Phương trình 3) và kurtosis (Phương trình 4).

Trong mỗi trường hợp, Swas được xác định là tín hiệu tại b {{{{1 0}}}} và đối với mô hình cấp số nhân đơn, sự phù hợp tuyến tính của In (S / S.) Với tất cả các giá trị b là đã thực hiện. Đối với các mô hình không phải Gaussian, việc điều chỉnh được thực hiện bằng cách sử dụng thuật toán bình phương nhỏ nhất phi tuyến Levenberg-Mar-quart (sử dụng hàm 'lsq-curve-fit trong Matlab), trên tất cả các giá trị b (ngoại trừ mô hình IVIM). Đối với mô hình IVIM, trước tiên, sự phù hợp tuyến tính của In (S / S.) Với b được tính toán ở các giá trị b cao (200-1000 s / mm2) để xác định giá trị của D. Sau đó, D * và f phù hợp đồng thời (với D cố định) .D không có ràng buộc về ranh giới trên và f bị giới hạn trong khoảng từ 0 đến 1. Đối với mô hình hàm mũ kéo dài, DDC không có điều kiện biên trên và bị giới hạn trong khoảng 0 và 1. Đối với kurtosis, cả Dk và K đều không bị giới hạn bởi các giới hạn trên và K có giới hạn dưới là 0.

Khu vực quan tâm (ROI)

ROI được tạo bằng phần mềm Mango (Viện nghiên cứu hình ảnh, UTHSCSA). ROI được vẽ trên hình ảnh b {{0}} xung quanh toàn bộ thể tích khối u, những hình ảnh này đã được chỉnh sửa và xác minh bởi một bác sĩ chuyên khoa X quang nhi khoa (MV3 năm dành riêng cho X quang nhi khoa). Mô thận bình thường cũng được xác định trên hình ảnh b0 bằng cách sử dụng thận bên (không bao gồm những người bị bệnh hai bên) xung quanh toàn bộ thể tích thận và các khu vực có dòng chảy nhiều, chẳng hạn như các khu vực xung quanh bể thận đã được loại trừ; một ví dụ có thể được nhìn thấy trong Hình 1. Tất cả các phân tích liên quan đến so sánh mô hình được giới hạn trong các ROI này.

Phân tích so sánh mô hình

AIC được sử dụng để so sánh bốn mô hình (monoexponential, IVIM, kéo dài hàm mũ và kurtosis). Đối với mỗi voxel trong ROI của khối u và ROI của thận bình thường. AIC đã được tính toán cho mỗi mô hình. AIC trung bình được tính toán trên toàn bộ khối lượng ROI trên mỗi mô hình. Sau đó, các giá trị AIC trung bình cho mỗi mô hình được so sánh bằng cách sử dụng các biện pháp lặp lại một chiều ANOVA với hiệu chỉnh Greenhouse-Geis-ser để giải thích cho phương sai không bằng nhau và các bài kiểm tra hậu kỳ được thực hiện bằng cách sử dụng hiệu chỉnh Bonferroni. Một sự khác biệt đáng kể được xác định là p<0.05.anovas were="" calculated="" for="" the="" entire="" wilms'tumour="" and="" normal="" kidney="" populations,="" as="" well="" as="" within="" different="" subgroups="" (pre-chemotherapy,="" post-chemotherapy,="" and="" different="" b="" value="" acquisitions="" [7="" and="" 8="" b="" value="" ranges]).="" additionally,="" models="" were="" compared="" between="" wilms'tumour="" histological="" subtypes="" to="" determine="" whether="" a="" certain="" subtype="" favoured="" a="" particular="" model.="" the="" post-chemotherapy="" data="" were="" used="" for="" this="" comparison="" as="" it="" was="" the="" nearest="" time="" point="" to="">

Kết quả

Nghiên cứu dân số

Tổng cộng 11 0 Wilms'tumours đã được đưa vào để phân tích so sánh mô hình khuếch tán; bao gồm 49 khối u trước hóa trị và 61 khối u sau hóa trị (38 trong số các khối u trước hóa trị được bao gồm như một phần của 61 nhóm thuần tập sau hóa trị). Một biểu đồ chi tiết các trường hợp bao gồm và loại trừ có thể được nhìn thấy trong Hình 2. Tuổi trung bình của bệnh nhân khi quét trước hóa trị là 2,43 tuổi (SD: 2,2) và tuổi trung bình khi quét sau hóa trị là 3,0 tuổi (SD: 2,8).

The diffusion data were acquired using either 7 or 8 b values（0,50,100,250,500,750,1000 s/mm²or 0,50,100,150,200,250,500,1000 s/mm>Điều này là do giao thức đã thay đổi trong suốt thời gian của nghiên cứu này, vì những lý do không liên quan đến nghiên cứu này. Bốn mươi chín khối u có giao thức giá trị 7 b (22 khối u trước hóa trị và 27 khối u sau hóa trị liệu), và 61 khối u có giao thức giá trị 8b (27 khối u trước hóa trị liệu và 34 khối u sau hóa trị liệu).

Trong số 61 khối u sau hóa trị, 56 khối u đã được xác nhận về mặt mô học: 7 khối u dạng khối u, 9 khối u biểu mô, 13 khối u mô đệm, 8 khối u thoái triển, 18 khối u hỗn hợp và 1 khối u hoại tử hoàn toàn. Các kiểu phụ được xác định theo giao thức SIOP -2001 [3].

Thận không bị ảnh hưởng bên cạnh được sử dụng làm dữ liệu thận bình thường. Do nhu cầu loại trừ các trường hợp hai bên, tổng số 75 bộ dữ liệu thận bình thường đã được đưa vào; 38từ những bệnh nhân đã được hóa trị và 37 từ những bệnh nhân chưa được hóa trị. Trong số 75 bộ dữ liệu thận bình thường, 31 có giao thức giá trị 7 b (15 trước hóa trị và 16 sau hóa trị), và 44 có giao thức giá trị 8b (22 trước và 22 sau hóa trị).

Kết quả khối u của Wilms

ANOVA một chiều với hiệu chỉnh Greenhouse-Geisser tiết lộ rằng các giá trị AIC khác nhau đáng kể giữa các mô hình khuếch tán, trong mọi điều kiện: toàn bộ nhóm: (F (1.08, 117.91) =157. 08, p =1. 68 × 10-24), tiền hóa trị: (F (1,05,50,53) =79. 35, p =3. 11 × 10-12), hậu hóa trị :( Giá trị F (1,13,67,92) =85. 92, p =1. 34 × 10-14), 7b: (F (1,21,58,16) =76. 23, p { Giá trị {39}}. 10 × 10-13) và 8b: (F (1,04,62,49) =95. 51, p =1. 68 × 10-14).

Hình 3 cho thấy các khung hình hộp của mỗi điều kiện, với các thanh quan trọng làm nổi bật kết quả kiểm tra post hoc bằng cách sử dụng hiệu chỉnh Bonferroni. Trong tất cả các điều kiện, giá trị AIC cho mô hình đơn mũ cao hơn đáng kể so với ba mô hình còn lại, cho thấy rằng đây là mô hình kém thích hợp nhất cho dữ liệu Wilms'tumour. Đối với toàn bộ khối u và sau hóa trị liệu của Wilms, hàm mũ kéo dài là mô hình tốt nhất để điều chỉnh dữ liệu khuếch tán, vì điều này cung cấp các giá trị AIC thấp nhất. Hình 4 cho thấy một ví dụ về mức độ phù hợp của các mô hình với tín hiệu phân rã khuếch tán trong một voxel của Wilms'tumour sau hóa trị.

Đối với thuần tập trước khi hóa trị và khi dữ liệu được chia thành các dải giá trị 7 và 8 b, cả IVIM và hàm mũ kéo dài được coi là các mô hình thích hợp nhất, không có sự khác biệt đáng kể giữa các giá trị AIC cho hai mô hình này.

Additionally, one-way ANOVAs were used to investigate whether the best fit model was related to Wilms'tumour histological subtypes, using the post-chemotherapy data as they were the closest timepoints to histology. Only one tumour was classified as necrotic and was therefore removed from this section of the analysis. Figure 5 shows the AIC values for each subtype based on different diffusion models. There were no significant differences between AIC values across the subtypes (blastemal [n=7], epithelial [n=9], mixed [n=18], stromal [n=13], regressive [n=8]), for any of the models (p>0.05).

Kết quả thận bình thường

ANOVA một chiều với tương quan Greenhouse-Geisser cũng tiết lộ rằng các giá trị AIC khác nhau đáng kể giữa các mô hình khuếch tán, trong tất cả các điều kiện đối với dữ liệu thận nor-mal: toàn bộ nhóm thuần tập: (F (1.51,85,2) =276. 07, p =2. 57 × 10-30), tiền hóa trị: (F (1.43, 41.13) =119. 38, p =1. 16 × {{22} }), sau hóa trị: (F (1,16,42,81) =157. 33, p =1. 10 × 10-15, 7 giá trị b: (F (1,14,34.10) {{ Giá trị 38}}. 49, p =1. 06 × 10-1) và 8b: (F (1,14,49.10) =193. 30, p =1. 19 × 10-19.

Hình 6 cho thấy các đồ thị của mỗi điều kiện, với các thanh ý nghĩa làm nổi bật các kết quả kiểm tra post hoc bằng cách sử dụng hiệu chỉnh Bonferroni. Dữ liệu thận bình thường cung cấp kết quả tương tự với dữ liệu Wilms'tumour: trong mọi điều kiện, giá trị AIC cho mô hình hàm mũ đơn cao hơn đáng kể so với ba mô hình còn lại, cho thấy rằng đây là mô hình kém thích hợp nhất đối với dữ liệu thận bình thường. Không giống như dữ liệu Wilms'tumour, đối với tất cả các điều kiện, dữ liệu thận bình thường cho thấy IVIM cung cấp giá trị AIC thấp nhất, cho thấy đây là mô hình thích hợp nhất cho dữ liệu khuếch tán này. Hình 7 cho thấy một ví dụ về mức độ phù hợp của các mô hình với tín hiệu phân rã khuếch tán trong dữ liệu thận bình thường bên cạnh của một bệnh nhân Wilms'tumour sau hóa trị.

Thảo luận

Nghiên cứu này đã so sánh bốn mô hình củakhuếch tán(monoexponential, IVIM, kéo dài theo cấp số nhân và kurtosis) dựa trên mức độ phù hợp của chúng với sự phân rã tín hiệu DWI, theo AIC. Những so sánh này được thực hiện ở Wilms'tumours, cả trước và sau hóa trị, và trên thận không bị ảnh hưởng bên cạnh, như một phép đo mô thận bình thường. Dữ liệu khuếch tán đến từ cả hai dải giá trị 7 và 8 b. Đối với dữ liệu Wilms'tumour, nó được chỉ ra rằng mô hình hàm mũ kéo dài cung cấp tổng thể phù hợp nhất. Kết quả này được duy trì khi phân tích chỉ giới hạn ở nhóm sau hóa trị. Tuy nhiên, khi phân tích tập trung vào dữ liệu trước khi hóa trị và khi phân tách bằng cách thu nhận giá trị b, không có sự khác biệt đáng kể giữa IVIM và hàm mũ kéo dài, với cả hai mô hình đều cung cấp giá trị AIC thấp nhất. Ngoài ra, không có tùy chọn mô hình cụ thể nào khi các khối u được nhóm theo kiểu phụ mô học. Đối với dữ liệu thận bình thường, IVIM cung cấp sự phù hợp nhất trong tất cả các phân tích. Mô hình đơn mũ được cho là mô hình kém thích hợp nhất theo AIC; luôn cung cấp giá trị AIC cao hơn đáng kể so với các mô hình khác cho cả haiWilms'tumourvà bộ dữ liệu thận bình thường.

Phát hiện chính từ cuộc điều tra này là các mô hình không phải Gaussian cung cấp các mô tả tốt hơn về dữ liệu khuếch tán so với mô hình đơn nhân, ở cả mô thận Wilms'tumour và bình thường. Sự sai lệch so với phân rã theo cấp số nhân đơn đã được làm nổi bật và khám phá trước đây: nó đã được chứng minh rằng có sự suy giảm tín hiệu nhanh chóng ở các giá trị thấp hơn sau đó là sự suy giảm dần dần ở các giá trị b cao hơn trong gan [19]. Sự suy giảm ban đầu này được cho là do tưới máu mạch máu, vì giá trị b thấp hơn được cho là nhạy cảm với sự suy giảm tín hiệu từ tưới máu [9], làm cho mô hình IVIM rất phù hợp với những dữ liệu này. Điều này đã được chứng minh là trường hợp ở mô thận khỏe mạnh [20,21], nơi tín hiệu được hiển thị là hai hàm mũ trái ngược với một cấp số nhân; vì thận là một cơ quan được tưới máu tốt. Nghiên cứu hiện tại ủng hộ những phát hiện này vì IVIM được ưa chuộng hơn các mô hình khác trong mô thận bình thường. Phát hiện này được duy trì trong bộ dữ liệu thận bình thường sau hóa trị, cho thấy rằng việc điều trị không ảnh hưởng đến mô thận bình thường theo cách mà dữ liệu DWI có thể phát hiện được.

Mô hình kéo dài theo cấp số nhân cung cấp sự phù hợp tốt với dữ liệu DWI Wilms'tumour. Các nghiên cứu đã đề cập trước đây về ung thư trực tràng và mô trực tràng khỏe mạnh [12], ung thư tuyến tiền liệt di căn xương [13] và ung thư buồng trứng [14], tất cả đều cho thấy mô hình này phù hợp nhất với dữ liệu DWI khi so sánh với IVIM và cấp số nhân. Mô hình hàm mũ kéo dài cung cấp hai tham số và DDC; trong khi cơ sở sinh lý chính xác của chưa được biết, nó được cho là đại diện cho sự không đồng nhất của mô, với giá trị thấp hơn cho thấy một môi trường không đồng nhất hơn [10]. Vì mô Wilms'tumour rất không đồng nhất, không có gì ngạc nhiên khi mô hình hàm mũ kéo dài mô tả tốt những dữ liệu này.

Ngoài mô hình kéo dài theo cấp số nhân, IVIM đã cung cấp một sự phù hợp không kém với Wilms'tumours trước khi hóa trị, trong khi đây không phải là trường hợp sau điều trị. Sau khi điều trị, có thể có sự gia tăng mô hoại tử và do đó giảm tưới máu, do đó IVIM (một mô hình tập trung vào hiệu ứng tưới máu) có thể trở nên ít phù hợp hơn.

Tuy nhiên, không có kiểu phụ mô học cụ thể nào ủng hộ một mô hình nhất định, tuy nhiên, số lượng trong mỗi nhóm là nhỏ. Hơn nữa, điều quan trọng cần lưu ý là các kiểu phụ mô học được xác định sau khi chỉ phân tích một phần phụ

của toàn bộ thể tích khối u. Wilms'tumours rất không đồng nhất và trên một khối u duy nhất, sẽ có những vùng của môi trường tế bào riêng biệt. Các voxels trong các vùng riêng biệt này có thể đã cho thấy các tùy chọn mô hình khuếch tán khác nhau. Tuy nhiên, do thiếu mô học tiên tiến, phân tích này không thể thực hiện được.

Việc sử dụng các mô hình không phải của Gauss có thể không chỉ cung cấp dữ liệu phù hợp hơn mà còn có thể cung cấp thêm thông tin lâm sàng. Ví dụ, nó đã được chứng minh rằng D, từ kurtosis, có thể cung cấp độ chính xác chẩn đoán cao hơn so với ADC trong việc phân biệt khối u với không phải khối u trong ung thư tuyến tụy [22]. Ngoài ra, (kéo dài theo cấp số nhân) có mức độ nhạy và độ đặc hiệu cao hơn khi phân biệt giữa u mạch mỡ tối thiểu và ung thư biểu mô tế bào thận so với ADC [23]. Hơn nữa, cả D và f (IVIM) đều cho thấy nhiều hứa hẹn trong việc làm nổi bật chức năng thận, với cả hai thông số đều liên quan đến mức lọc cầu thận ước tính ở những người bị suy thận mãn tính [24]. Do đó, các mô hình không phải Gaussian cũng có thể có tiềm năng cung cấp thêm thông tin về vi cấu trúc mô thận.

Mặc dù mô hình đơn mũ không cung cấp sự phù hợp nhất với dữ liệu DWI, nhưng điều đó không có nghĩa là nó không nên được sử dụng trên lâm sàng. Như đã đề cập trước đây, ADC đã được chứng minh là hữu ích về mặt lâm sàng trong Wilms'tumour [4-8]. Ngoài ra, ADCdoes không yêu cầu nhiều giá trị b, đó là một lợi ích vì nhiều trung tâm có thể không thu được DWI với nhiều giá trị b làm tiêu chuẩn. Do đó, mặc dù nghiên cứu hiện tại cho thấy sự sai lệch so với phân rã tín hiệu theo cấp số nhân, nhưng điều quan trọng cần lưu ý là mặc dù mô hình có thể không phải là bộ mô tả tốt nhất của dữ liệu DWI, nhưng nó vẫn hữu ích về mặt lâm sàng.

Phương pháp lựa chọn mô hình phù hợp nhất là một điểm yếu tiềm ẩn của nghiên cứu này. AIC tính đến độ phức tạp của mô hình và độ phù hợp tốt và do đó dường như là một lựa chọn thích hợp để so sánh và lựa chọn mô hình. Điều quan trọng là phải xem xét liệu một mô hình rõ ràng là tốt nhất cho toàn bộ mô hay nếu chỉ có một sự khác biệt nhỏ giữa các mô hình. Điều này trước đây đã được nhấn mạnh bởi Manikis et al. [25] trong ung thư trực tràng, nơi mặc dù tổng thể theo cấp số nhân đơn nguyên được ưu tiên hơn IVIM, nhưng có sự không đồng nhất cao trên toàn bộ mô. Điều này cũng đã được chứng minh trong Wilms'tumours trong nghiên cứu này, với cả IVIM và mô hình hàm mũ kéo dài chứng tỏ sự phù hợp tốt với dữ liệu. Với suy nghĩ này, người ta nên thận trọng trước khi tuyên bố rằng một mô hình cụ thể phù hợp nhất với dữ liệu, vì có thể nhiều mô hình gần như ngang nhau về chất lượng phù hợp.

Hơn nữa, giá trị b tối đa 1000 s / mm² có thể là một hạn chế đối với mô hình kurtosis vì nó trở nên nhạy cảm hơn ở các giá trị b cao hơn [26]. Do đó, với phạm vi giá trị b được tối ưu hóa hơn, mô hình này có thể đã hoạt động tốt hơn so với dữ liệu hiện tại. Tuy nhiên, trong một nghiên cứu về tính khả thi của kurtosis trong thận, tối đa là b =1000 s / mm 'cũng đã được sử dụng [27]. Ngoài ra, nghiên cứu này muốn tập trung vào việc phù hợp với dữ liệu lâm sàng thu được thường xuyên không có giá trị b cực cao. Tình cảm này cũng đã được đề xuất trong nghiên cứu trước đó, so sánh mô hình hàm mũ đơn với mô hình tiêu biến trong gan cũng sử dụng tối đa là b =1000 s / mm² 【28】.

Nhìn chung, nghiên cứu này đã chứng minh rằng mô hình đơn mũ không phù hợp với dữ liệu DWwI cũng như IVIM, kéo dài theo cấp số nhân hoặc kurtosis trong mô Wilms'tumour hoặc mô thận bình thường. Ngoài ra, không có tùy chọn mô hình nào cho

các kiểu phụ tế bào khác biệt. phân rã tín hiệu là một cấp số nhân. Tuy nhiên, những kết quả này cho thấy rằng trong mô thận Wilms'tumour và bình thường, tín hiệu DWI không biểu hiện sự phân rã theo cấp số nhân đơn. Do đó, việc sử dụng các mô hình khác có thể cung cấp các đại diện chính xác hơn về môi trường mô bên dưới và các thông số thu được có thể cung cấp thông tin hữu ích về mặt lâm sàng.

Người giới thiệu

1. Pastore G, Znaor A, Spreafco F và cộng sự (2006) Tỷ lệ mắc và tỷ lệ sống sót của khối u thận ác tính ở trẻ em châu Âu (1978– 1997): báo cáo từ dự án Hệ thống thông tin ung thư trẻ em tự động. Eur J Cancer 42: 2103–2114. https: // doi. org / 10.1016 / j.ejca.2006.05.010

2. van den Heuvel-Eibrink MM, Hol JA, Pritchard-Jones K và cộng sự (2017) Vị trí nghiên cứu: Cơ sở lý luận điều trị khối u Wilms trong phác đồ UMBRELLA SIOP – RTSG 2016. Bản chất Rev Urol 14: 743–752. https://doi.org/10.1038/nrurol.2017.163

3. Vujanić GM, Sandstedt B, Harms D và cộng sự (2002) Điều chỉnh của Hiệp hội Ung thư Nhi khoa Quốc tế (SIOP) làm việc phân loại các khối u thận ở trẻ em. Med Pediatr Oncol 38: 79–82

4. Gawande RS, Gonzalez G, Messing S và cộng sự (2013) Vai trò của chẩn đoán hình ảnh khuếch tán trong việc phân biệt các khối u ổ bụng trẻ em lành tính và ác tính. Bức xạ nhi 43: 836–845. https: // doi.org/10.1007/s00247-013-2626-0

5. Aslan M, Aslan A, Habibi HA và cộng sự (2017) MRI có trọng số khuếch tán để phân biệt khối u Wilms với khối u nguyên bào thần kinh. Chẩn đoán Interv Radiol 23: 403–406. https://doi.org/10.5152/dir.2017.16541

6. Littooij AS, Humphries PD, Olsen ØE (2015) Sự biến thiên trong và ngoài máy chủ của phép đo hệ số khuếch tán biểu kiến ​​toàn khối u trong u nguyên bào thận: một nghiên cứu thí điểm. Radiol nhi 45: 1651–1660. https://doi.org/10.1007/s00247-015-3354-4

7. Hales PW, Olsen ØE, Sebire NJ và cộng sự (2015) Một mô hình đa Gaussian để phân tích biểu đồ hệ số khuếch tán biểu kiến ​​của phân loại khối u Wilms và phản ứng với hóa trị. NMR Biomed 28: 948–957. https://doi.org/10.1002/nbm.3337

8. Rogers HJ, Verhagen MV, Shelmerdine SC và cộng sự (2018) Một cách tiếp cận thay thế cho hình ảnh tăng cường độ tương phản: hình ảnh phân đôi và hình ảnh có trọng số T 1- xác định và định lượng hoại tử trong khối u Wilms. Eur Radiol. https: // doi. org / 10.1007 / s 00330-018-5907- z

9. Le Bihan D, Breton E, Lallemand D và cộng sự (1988) Tách truyền dịch và tưới máu trong hình ảnh MR chuyển động không mạch lạc intravoxel. X quang 168: 497–505. https://doi.org/10.1148/radio logy.168.2.3393671

10. Bennett KM, Schmainda KM, Bennett RT và cộng sự (2003) Đặc điểm của tốc độ khuếch tán nước vỏ não phân bố liên tục với mô hình hàm mũ kéo dài. Magn Reson Med 50: 727–734. https://doi.org/10.1002/mrm.10581

11. Jensen JH, Helpern JA, Ramani A và cộng sự (2005) Hình ảnh kurtosis khuếch tán: định lượng sự khuếch tán nước không gauss bằng phương pháp chụp cộng hưởng từ. Magn Reson Med 53: 1432–1440. https://doi.org/10.1002/mrm.20508

12. Zhang G, Wang S, Wen D và cộng sự (2 0 16) So sánh các mô hình khuếch tán không Gauss và Gauss về hình ảnh có trọng số khuếch tán của ung thư trực tràng ở 3.0 T MRI. Đại diện khoa học https: // doi. org / 10.1038 / srep38782

13. Reischauer C, Patzwahl R, Koh DM và cộng sự (2017) Phân tích hàm mũ không đơn nguyên của hình ảnh phân chia trọng số để theo dõi điều trị trong di căn xương ung thư tuyến tiền liệt. Đại diện khoa học https://doi.org/10.1038/s41598-017-06246-4

14. Winfield JM, deSouza NM, Priest AN và cộng sự (2015) Lập mô hình dữ liệu DW-MRI từ các khối u buồng trứng nguyên phát và di căn. Eur Radiol 25: 2033–2040. https://doi.org/10.1007/s0033 0-014-3573-3

15. Pentang G, Lanzman RS, Heusch P và cộng sự (2014) Hình ảnh kurtosis khuếch tán của thận người: một nghiên cứu khả thi. Hình ảnh Magn Reson 32: 413–420. https://doi.org/10.1016/j.mri.2014.01.006

16. Caroli A, Schneider M, Friedli I và cộng sự (2018) Chụp cộng hưởng từ có trọng số khuếch tán để đánh giá bệnh lý thận lan tỏa: một bài báo cáo và đánh giá có hệ thống. Cấy ghép quay số Nephrol 33: ii29 – ii40. https://doi.org/10.1093/ndt/gfy163