Wilms 종양과 정상 반대쪽 신장 조직의 확산 모델 비교
Mar 07, 2022
연락하다:tina.xiang@wecistanche.com
추상적인
목적확산 가중 이미징(DWI)에서 파생된 ADC(Apparent Diffusion Coefficient)는{1}윌름스 종양. 그러나 많은 non-Gaussian 모델이 DWI에 적용될 수 있습니다. 이 연구는 네 가지의 적합성을 비교하는 것을 목표로 했습니다.확산Wilms'tumours 및 영향을 받지 않는 반대쪽에서 모델(단일 지수, IVIM [Intravoxel Incoherent Motion], 신장 지수 및 첨도)신장.
재료 및 방법 DWI 데이터를 후향적으로 검토했습니다(Wilms'tumours 110개 및 정상 신장 데이터 세트 75개). Akaike Information Criteria(AIC)를 사용하여 각 모델에 대한 적합도를 복셀 단위로 측정했습니다. 평균 AIC는 각 종양 부피(또는 반대쪽 정상 신장 조직)에 대해 계산되었습니다. Greenhouse-Geisser 보정을 사용한 일원 분산 분석 및 Bonferroni 보정을 사용한 사후 테스트는 AIC 값 간의 상당한 차이를 평가했습니다. 최적의 모델을 나타내는 가장 낮은 AIC.
결과IVIM 및 확장 지수는 Wilms'tumour DWI 데이터에 가장 적합한 것을 제공했습니다. IVIM은 정상 신장 데이터에 가장 적합했습니다. 모노 지수는 Wilms'tumour 및 정상 신장 데이터 모두에 가장 적합하지 않은 방법이었습니다.
논의확산 가중 신호윌름스 종양그리고 정상신장 조직단일 지수 감쇠를 나타내지 않으며 가우스가 아닌 확산 모델로 더 잘 설명됩니다.
키워드윌름스 종양. 신장. 확산
소개
Wilms' 종양은 가장 흔한 소아 신종양으로[1], 유럽에서는 종양 크기를 줄이기 위해 수술 전에 환자에게 화학요법을 시행한다[2]. 전체 또는 부분 신장 절제술 후에 조직학적 분석은 우세한 세포 유형에 따라 종양을 하위 유형으로 분류합니다[3]. 환자는 종종 DWI(확산 가중 영상)를 자주 획득하여 치료에 대한 반응을 모니터링하기 위해 여러 번의 MRI 스캔을 받습니다.
겉보기 확산 계수(ADC)는 확산 데이터에 단일 지수 피팅(Eq.1)을 적용하여 DWI에서 파생될 수 있습니다.
(1)S(b)= Se-b.ADC
여기서 S(b)는 주어진 b 값에서의 신호이고 S.는 확산 가중치가 없는 신호입니다.
ADC는 Wilms'tumour에서 정량적 이미징 도구로서 큰 가능성을 보여주었습니다. 예를 들어 ADC는 양성 종양과 악성 종양을 구별하는 데 사용되었습니다.
코호트는 Wilms'tumours)[4], Wilms'tumour[5]에서 신경모세포종을 분리하고, 화학요법 반응을 모니터링하고[6, 7], 조직학적 하위유형을 식별하고[7] 괴사된 Wilms'tumour 조직[8]을 식별하는 데 도움을 줍니다.
ADC가 유용한 매개변수이지만 DWI 데이터에 적용하여 광범위한 확산 메트릭. IVIM(Eq.2)은 혈관 외 공간 내에서 뿐만 아니라 무작위로 지향된 미세 모세관 네트워크 내에서 물의 움직임을 설명하는 이중 지수 모델입니다. 그것은 매개 변수 D(느린 확산이라고 하는 모세관 네트워크에서 빠르게 흐르는 물의 영향이 없는 확산 계수), D*(혈액 내 물의 무작위 방향 운동으로 인한 확산 계수)을 생성합니다. 모세관 네트워크 - 빠른 확산) 및 f(빠르게 흐르는 구성 요소와 관련된 부피 분율). (2)S(b)= So[(1-f)e(-bD 더하기 fel-b(D 더하기 D')
확장 지수 모델(Eq. 3)은 단일 복셀 내 확산의 이질성을 설명하고 단일 지수 붕괴로부터의 편차를 설명합니다. 그것은 매개변수 DDC(분포 확산 계수) 및 a(균질 확산으로부터의 편차를 설명하기 위한 신축 매개변수)를 생성합니다.
(3)S(b)= S,e(-(b.DDC)")
첨도 모델(Eq.4)은 가우스 분포에 따른 물 분자의 변위로부터의 편차를 설명하고 매개변수 D(비가우스 변위에 대해 보정된 확산 계수) 및 K(첨도)를 생성합니다.
(4)S(b)= Soe-bD + b2D,?K/6
이러한 모델은 조직 미세구조에 관한 보충 정보를 제공할 가능성이 있습니다. 또한 직장암[12], 전립선암 뼈 전이[13], 난소암[14] 및 건강한 신장 조직[15]에서 단일 지수 모델과 비교하여 확산 데이터에 대한 우수한 설명을 제공하는 것으로 나타났습니다. 그러나 종양 조직의 매우 이질적인 세포 환경으로 인해 유용할 수 있는 Wilms'tumour에 이러한 모델을 적용하는 연구는 제한적입니다. 또한, 관류 수준이 높기 때문에 가정합니다.신장, 그리고 IVIM이 확산 신호의 관류 관련 구성 요소를 설명하도록 설계되었기 때문에 이 모델은 이 DWI 데이터에 우수한 적합성을 제공할 수 있습니다[16].
이 연구의 목적은 이러한 모델(VIM, 신장 지수 및 첨도)이 Wilms'tumours 및 반대쪽 정상에서 단일 지수 모델과 비교하여 확산 가중 신호에 우수한 적합성을 제공하는지 확인하는 것이었습니다.신장. 적합도는 Akaike Information Criterion(AIC)[17]을 사용하여 계산되었으며, 이는 원시 데이터에서 지원하는 것보다 더 많은 자유 매개변수를 포함하는 모델에 불이익을 줍니다. 또한, 2차 목적으로 Wilms'tumours는 특정 모델이 특정 하위 유형을 선호하는지 여부를 결정하기 위해 조직학적 하위 유형으로 분리되었습니다.
재료 및 방법 연구 모집단
기관의 윤리적 승인이 승인되었으며 이 단일 센터 연구에 대한 동의의 필요성을 포기했습니다. 10-우리 기관의 방사선 영상 시스템의 1년 후향적 검토(2017년 4월 2007-3월)는 다음의 조직학적 진단이 입증된 어린이의 모든 복부 MRI 데이터에 대해 수행되었습니다.빌름스 종양. 포함 기준은 다중 b 값 DWI 데이터(최대 b 값 1000 s/mm2 포함) 및 DWI에서 최소 2개의 축 조각을 덮는 종양 크기가 있는 것입니다. 익스트림 모션 인공물이 있는 DWI도 제거되었습니다. MRI 데이터는 화학 요법 전후에 Wilms'tumour 환자로부터 수집되었습니다. 조직학적 하위 유형은 종양의 하위 집합에 대해 수술 후 확인되었습니다. 정상 신장 데이터의 경우 양측 질환이 있는 환자를 제외하고 반대쪽의 영향을 받지 않은 신장을 사용했습니다.
MRI
모든 이미징은 40mT/m 기울기가 장착된 1.5T Siemens Magnetom Avanto 스캐너에서 수행되었습니다. 환자의 크기에 따라 하나 또는 두 개의 바디 매트릭스 코일을 사용하여 전체 적용 범위를 확보했습니다(6 element design, Siemens). 환자들은 나이에 따라 깨어 있거나 마취되어 있었습니다.
모든 환자에 대해 다중 b 값 DWI를 얻었고 자유 호흡 중에 획득했습니다. DWI 프로토콜은 3개의 직교 방향(0, 50,100,250,500,750,1000 s/mm²또는 0,50,100,150,200,250,500,1000mmlice)의 7 또는 8b 값입니다. TR/TE: 2800 ms/89 ms, 시야: 350×350 mm, 복셀 크기: 1.4×1.4×6 mm, 슬라이스 수: 19, 매트릭스 크기: 128×96×19. 각 값 및 추적 이미지(3방향 이상 평균)가 분석에 사용되었습니다. 가돌리늄 기반 조영제 투여 전후의 지방 억제 T w를 포함하는 표준 임상 시퀀스도 함께 획득되었습니다. [18]에서 찾을 수 있다.
후처리
확산데이터는 4가지 다른 확산 모델을 사용하여 복셀 단위로 Matlab(버전 2019a, MathWorks Inc., Natick, MA, USA)에서 설계된 추적 이미지 및 사내 모델 피팅 루틴을 사용하여 처리되었습니다. monoexponential(Eq. 1), IVIM(식 2), 신축 지수(식 3) 및 첨도(식 4).
각각의 경우에 Swa는 b{{{{10}}}}에서 신호로 정의되었으며 단일 지수 모델의 경우 모든 b 값에 대한 In(S/S.)의 선형 피팅은 다음과 같습니다. 수행. 가우스가 아닌 모델의 경우 모든 b 값(IVIM 모델 제외)에 대해 Levenberg-Mar-quat 비선형 최소제곱 알고리즘(Matlab의 'lsq-curve-fit 함수 사용)을 사용하여 피팅을 수행했습니다. IVIM 모델의 경우, 먼저 높은 b 값(200-1000 s/mm2)에서 b에 대한 In(S/S.)의 선형 피팅을 계산하여 D 값을 결정했습니다. 다음으로 D* 및 f D는 상한에 대한 제약이 없었고 f는 0와 1 사이에서 제약되었습니다. 신축 지수 모델의 경우 DDC는 상한 조건이 없었고 0 사이에서 제약을 받았습니다. 1. 첨도의 경우 Dk와 K 모두 상한에 구속되지 않았으며 K의 하한은 0입니다.
관심 영역(ROI)
ROI는 Mango Software(Research Imaging Institute, UTHSCSA)를 사용하여 생성되었습니다. ROI는 전체 종양 부피 주위의 b{{0}} 이미지에 그려졌으며, 이는 소아 방사선과(MV3)를 전문으로 하는 방사선 전문의가 편집 및 검증했습니다. 년 헌신 소아 방사선). 정상 신장 조직은 또한 반대측 신장(양측 질환이 있는 경우 제외)을 사용하여 전체 신장 용적 주위의 b0 이미지에서 정의되었으며 신우를 둘러싸는 영역과 같은 고유량 영역은 제외되었습니다. 예는 그림 1에서 볼 수 있습니다. 모델 비교에 관한 모든 분석은 이러한 ROI로 제한되었습니다.
모델 비교 분석
AIC는 4가지 모델(단일지수, IVIM, 신장 지수 및 첨도)을 비교하는 데 사용되었습니다. 종양 ROI 및 정상 신장 ROI 내의 모든 복셀에 대해. AIC는 모델별로 계산되었습니다. 평균 AIC는 모델당 전체 ROI 볼륨에서 계산되었습니다. 그런 다음 각 모델에 대한 평균 AIC 값을 비등분산을 설명하기 위해 Greenhouse-Geis-ser 보정과 함께 일원 반복 측정 ANOVA를 사용하여 비교하고 Bonferroni 보정을 사용하여 사후 테스트를 수행했습니다. 유의한 차이는 p로 정의되었습니다.<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="">
결과
연구 인구
확산 모델 비교 분석을 위해 총 11개의{18} Wilms'tumours가 포함되었습니다. 49개의 화학 요법 전 종양과 61개의 화학 요법 후 종양으로 구성되었습니다(화학 요법 전 종양 중 38개가 61개 화학 요법 후 코호트의 일부로 포함됨). 사례의 포함 및 제외를 자세히 설명하는 순서도는 그림 2에서 볼 수 있습니다. 화학 요법 전 스캔에서 환자의 평균 연령은 2.43세(SD:2.2)였고, 화학 요법 후 스캔에서 평균 연령은 3.0세(SD:2.8)였습니다.
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>). 이는 이 연구와 관련이 없는 이유로 이 연구 기간 동안 프로토콜이 변경되었기 때문입니다. 49개의 종양은 7b 값 프로토콜(화학 요법 전 22개 및 화학 요법 후 27개)을 가졌고 61개 종양은 8b 값 프로토콜(화학 요법 전 27개 및 화학 요법 후 34개)을 가졌습니다.
61개의 화학요법 후 종양 중 56개는 조직학적으로 확인된 아형(7개는 모세포, 9개는 상피, 13개는 기질, 8개는 퇴행성, 18개는 혼합 및 1개는 완전 괴사성)을 갖고 있었습니다. 하위 유형은 SIOP-2001 프로토콜[3]에 따라 정의되었습니다.
정상 신장 데이터는 반대쪽의 영향을 받지 않은 신장을 사용했습니다. 양측 사례를 제외해야 하므로 총 75개의 정상 신장 데이터 세트가 포함되었습니다.38화학요법을 받은 환자와 받지 않은 환자의 37명. 75개의 정상 신장 데이터 세트 중 31개는 7b 값 프로토콜(화학 요법 전 15개 및 화학 요법 후 16개)을 가지고 있고 44개에는 8b 값 프로토콜(화학 요법 전 22개 및 후 22개)이 있습니다.
Wilms의 종양 결과
Greenhouse-Geisser 보정이 포함된 일원 분산 분석에서는 AIC 값이 모든 조건에서 확산 모델 간에 크게 다른 것으로 나타났습니다. 전체 코호트:(F(1.08, 117.91)=157.08,p=1.68 ×10-24), 사전 화학 요법:(F(1.05,50.53)=79.35,p=3.11×10-12),화학 요법 후:( F(1.13,67.92)=85.92,p=1.34×10-14),7b 값:(F(1.21,58.16)=76.23,p{ {39}}.10×10-13) 및 8b 값:(F(1.04,62.49)=95.51,p=1.68×10-14).
그림 3은 Bonferroni 보정을 사용한 사후 테스트 결과를 강조 표시하는 중요한 막대와 함께 각 조건의 상자 그림을 보여줍니다. 모든 조건에서 단일 지수 모델에 대한 AIC 값은 다른 세 가지 모델보다 상당히 높았으며, 이는 이것이 Wilms'tumour 데이터에 가장 적합하지 않은 모델임을 나타냅니다. 전체 Wilms의 종양 및 화학 요법 후 코호트에 대해 확장 지수가 가장 낮은 AIC 값을 제공했기 때문에 확산 데이터를 맞추는 데 가장 적합한 모델이었습니다. 그림 4는 모델이 화학요법 후 Wilms'tumour의 단일 복셀에서 확산 감쇠 신호를 얼마나 잘 맞추는지에 대한 예를 보여줍니다.
화학 요법 전 코호트의 경우 데이터가 7 및 8b 값 범위로 분할되었을 때 IVIM과 확장 지수가 모두 가장 적절한 모델로 간주되었으며 이 두 모델의 AIC 값 사이에는 큰 차이가 없었습니다.
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).
정상적인 신장 결과
Greenhouse-Geisser 보정이 포함된 일원 분산 분석에서는 정상 신장 데이터에 대한 모든 조건에서 AIC 값이 확산 모델 간에 크게 다른 것으로 나타났습니다. 전체 코호트:(F(1.51,85.2){8}}. 07, p=2.57×10-30), 화학요법 전:(F(1.43, 41.13)=119.38,p=1.16×{{22} }), 화학 요법 후: (F(1.16,42.81)=157.33,p=1.10×10-15,7 b 값:(F(1.14,34.10){{ 38}}.49,p=1.06×10-1) 및 8b 값:(F(1.14,49.10)=193.30,p=1.19× 10-19.
그림 6은 Bonferroni 보정을 사용한 사후 테스트 결과를 강조 표시하는 유의 막대와 함께 각 조건의 상자 그림을 보여줍니다. 정상 신장 데이터는 Wilms'tumour 데이터와 유사한 결과를 제공했습니다. 모든 조건에서 단일 지수 모델에 대한 AIC 값은 다른 3개 모델보다 유의하게 높았으며, 이는 이것이 정상 신장 데이터에 가장 적합하지 않은 모델임을 나타냅니다. Wilms'tumour 데이터와 달리 모든 조건에 대해 정상적인 신장 데이터는 IVIM이 가장 낮은 AIC 값을 제공하는 것으로 나타나 이 확산 데이터에 가장 적합한 모델임을 나타냅니다. 그림 7은 화학 요법 후 Wilms'tumour 환자의 반대쪽 정상 신장 데이터에서 모델이 확산 감쇠 신호에 얼마나 잘 맞는지 보여주는 예를 보여줍니다.
논의
이 연구는 네 가지 모델을 비교했습니다.확산AIC에 따르면 DWI 신호 감쇠에 얼마나 잘 맞는지에 따라 (단일 지수, IVIM, 확장 지수 및 첨도). 이러한 비교는 화학 요법 전후의 Wilms'tumours와 정상 신장 조직의 척도로서 반대쪽의 영향을 받지 않은 신장에서 이루어졌습니다. 확산 데이터는 7 및 8 b 값 범위에서 가져왔습니다. Wilms'tumour 데이터의 경우 신장 지수 모델이 전체적으로 가장 잘 맞는 것으로 나타났습니다. 이 결과는 분석이 화학요법 후 그룹에 국한된 경우에도 유지되었습니다. 그러나 분석이 화학 요법 전 데이터에 초점을 맞추고 b 값 획득으로 분리된 경우 IVIM과 확장 지수 간에 유의한 차이가 없었으며 두 모델 모두 가장 낮은 AIC 값을 제공했습니다. 또한, 종양이 조직학적 하위 유형별로 그룹화되었을 때 특정 모델 선호도가 없었습니다. 정상 신장 데이터의 경우 IVIM이 모든 분석에서 가장 적합했습니다. 단일 지수 모델은 AIC에 따라 가장 적절하지 않은 모델로 나타났습니다. 두 모델 모두에 대해 다른 모델에 비해 일관되게 상당히 높은 AIC 값을 제공합니다.빌름스 종양및 정상적인 신장 데이터 세트.
이 조사의 주요 발견은 Wilms'tumour와 정상 신장 조직 모두에서 non-Gaussian 모델이 단일 지수에 비해 확산 데이터에 대한 더 나은 설명을 제공한다는 것입니다. 단일 지수 붕괴로부터의 편차는 이전에 강조되고 탐구되었습니다. 간에서 더 낮은 값에서 신호의 급격한 감소가 있었고 더 높은 b 값에서 더 점진적인 감소가 있는 것으로 나타났습니다[19]. 이 초기 감소는 낮은 b 값이 관류로 인한 신호 감쇠에 민감한 것으로 생각되기 때문에 혈관 관류로 인한 것으로 제안되었으며 [9], IVIM 모델이 이러한 데이터에 적합하도록 만듭니다. 이것은 신호가 단일 지수가 아닌 이중 지수인 것으로 나타난 건강한 신장 조직의 경우인 것으로 나타났습니다[20,21]. 신장은 관류가 잘되는 기관이기 때문입니다. 본 연구는 IVIM이 정상 신장 조직의 다른 모델보다 선호되기 때문에 이러한 결과를 뒷받침합니다. 이 발견은 화학 요법 후 정상 신장 데이터 세트에서 유지되었으며, 이는 치료가 DWI 데이터에 의해 검출될 수 있는 방식으로 정상 신장 조직에 영향을 미치지 않았음을 시사합니다.
확장 지수 모델은 DWI Wilms'tumour 데이터에 잘 맞습니다. 직장암 및 건강한 직장 조직[12], 전립선암 골 전이[13] 및 난소암[14]에 대한 이전에 언급된 연구에서는 모두 이 모델이 IVIM 및 단일 지수와 비교할 때 DWI 데이터에 가장 잘 맞는다는 것을 보여주었습니다. 확장 지수 모델은 두 개의 매개변수와 DDC를 제공합니다. 의 정확한 생리학적 근거는 알려져 있지 않지만 조직 이질성을 나타내는 것으로 생각되며 값이 낮을수록 환경이 더 이질적임을 암시합니다[10]. Wilms'tumour 조직은 매우 이질적이므로 신장 지수 모델이 이러한 데이터를 잘 설명한다는 것은 놀라운 일이 아닙니다.
확장 지수 모델 외에도 IVIM은 화학 요법 전 Wilms'tumours에 동등하게 좋은 적합성을 제공했지만 치료 후의 경우는 그렇지 않았습니다. 치료 후 괴사 조직이 증가하여 관류가 감소할 가능성이 있으므로 관류 효과에 중점을 둔 모델인 IVIM이 적합하지 않을 수 있습니다.
특정 모델을 선호하는 특정 조직학적 하위 유형은 나타나지 않았지만 각 그룹의 숫자는 적었습니다. 또한, 조직학적 하위 유형은 하위 섹션만 분석한 후 정의된다는 점에 유의하는 것이 중요합니다.
전체 종양 부피의. Wilms'tumours는 매우 이질적이며 단일 종양에 걸쳐 뚜렷한 세포 환경 영역이 있습니다. 이러한 별개의 영역 내의 복셀은 다양한 확산 모델 기본 설정을 표시했을 수 있습니다. 그러나 고급 조직학이 부족하여 이 분석이 불가능했습니다.
비 가우스 모델을 사용하면 데이터에 더 잘 맞을 뿐만 아니라 추가 임상 정보를 제공할 수도 있습니다. 예를 들어, 첨도의 D는 췌장암에서 종양과 비종양을 구별하는 데 ADC에 비해 더 높은 진단 정확도를 제공할 수 있는 것으로 나타났습니다[22]. 또한, (stretched exponential)은 ADC에 비해 최소 지방 혈관 근지방종과 신세포 암종을 구별할 때 민감도와 특이도가 더 높았습니다[23]. 또한 D와 f(IVIM) 모두 만성 신장 질환이 있는 사람들의 추정 사구체 여과율과 관련된 두 매개변수를 사용하여 신장 기능을 강조하는 가능성을 보여주었습니다[24]. 따라서 비 가우스 모델은 신장 조직 미세 구조에 대한 추가 정보를 제공할 가능성도 있습니다.
단일 지수 모델이 DWI 데이터에 가장 잘 맞는 것은 아니지만 임상적으로 사용해서는 안 된다는 의미는 아닙니다. 이전에 언급한 바와 같이 ADC는 Wilms'tumour[4-8]에서 임상적으로 유용한 것으로 나타났습니다. 또한 ADC에는 여러 b 값이 필요하지 않으므로 많은 센터에서 여러 b 값을 표준으로 사용하는 DWI를 획득하지 못할 수 있으므로 이점이 있습니다. 따라서 단일 지수 신호 감쇠로부터의 편차를 보여주는 현재 연구에도 불구하고 모델이 DWI 데이터의 최상의 설명자가 아닐 수 있지만 그럼에도 불구하고 임상적으로 유용하다는 점을 인식하는 것이 중요합니다.
가장 적합한 모델을 선택하는 방법은 본 연구의 잠재적인 약점입니다. AIC는 모델의 복잡성과 적합도를 고려하므로 모델 비교 및 선택에 적합한 선택으로 보입니다. 한 모델이 전체 조직에 대해 분명히 가장 좋은지 또는 모델 간에 약간의 차이가 있는지 고려하는 것이 중요합니다. 이것은 이전에 Manikis et al. [25] 직장암에서 전체 단일 지수가 IVIM보다 선호되었지만 조직 전반에 걸쳐 높은 이질성이 있었습니다. 이것은 IVIM과 확장 지수 모델 모두 데이터에 잘 맞는 것을 보여주는 본 연구의 Wilms'tumours에서도 입증되었습니다. 이를 염두에 두고 특정 모델이 데이터에 가장 적합하다고 주장하기 전에 주의해야 합니다. 많은 모델이 피팅 품질이 거의 동일할 수 있기 때문입니다.
또한 1000 s/mm²의 최대 b 값은 더 높은 b 값에서 더 민감해지기 때문에 첨도 모델의 제한 사항일 수 있습니다[26]. 따라서 더 최적화된 b 값 범위를 사용하면 이 모델이 현재 데이터보다 더 나은 성능을 발휘할 수 있습니다. 그러나 신장에서 첨도의 가능성에 관한 연구에서 최대 b{2}} s/mm'도 사용되었습니다[27]. 또한, 본 연구는 매우 높은 b 값을 갖지 않는 일상적으로 획득한 임상 데이터에 맞추는 데 초점을 맞추고자 했습니다. 이 감정은 최대 b=1000 s/mm²[28]를 사용하여 단일 지수 모델을 간의 첨도와 비교한 이전 작업에서도 제안되었습니다.
전반적으로 이 연구는 단일 지수 모델이 DWWI 데이터와 IVIM, Wilms'tumour 조직 또는 정상 신장 조직의 신장 지수 또는 첨도에 적합하지 않음을 보여주었습니다. 또한 에 대한 모델 선호도가 없었습니다.
IVIM은 정상 신장 조직에 가장 적합하며 Wilms'tumours에서는 IVIM과 stretched-exponential 모델 모두 데이터의 가장 좋은 설명을 제공했습니다. ADC는 임상 연구에서 자주 사용되므로 가정은 다음과 같습니다. 신호 감쇠는 단일 지수입니다. 그러나 이러한 결과는 Wilms'tumour 및 정상 신장 조직에서 DWI 신호가 단일 지수 감쇠를 나타내지 않음을 시사합니다. 따라서 다른 모델을 활용하면 기본 조직 환경에 대한 보다 정확한 표현을 제공할 수 있으며 파생된 매개변수는 임상적으로 유용한 정보를 제공할 수 있습니다.
참고문헌
1. Pastore G, Znaor A, Spreafco F et al(2006) 유럽 어린이의 악성 신장 종양 발생률 및 생존율(1978–1997): Automated Childhood Cancer Information System 프로젝트 보고서. Eur J Cancer 42:2103–2114. https://도이. org/10.1016/j.ejca.2006.05.010
2. van den Heuvel-Eibrink MM, Hol JA, Pritchard-Jones K et al(2017) 입장 논문: UMBRELLA SIOP-RTSG 2016 프로토콜에서 Wilms 종양 치료에 대한 이론적 근거. Nature Rev Urol 14:743–752. https://doi.org/10.1038/nrurol.2017.163
3. Vujanić GM, Sandstedt B, Harms D et al(2002) 개정된 국제 소아 종양 학회(SIOP) 아동기의 신장 종양 분류 작업. Med Pediatr Oncol 38:79–82
4. Gawande RS, Gonzalez G, Messing S et al(2013) 양성 및 악성 소아 복부 종양을 구별하는 확산 강조 영상의 역할. Pediatr Radiol 43:836–845. https:// doi.org/10.1007/s00247-013-2626-0
5. Aslan M, Aslan A, Habibi HA et al(2017) 신경모세포종에서 Wilms 종양을 구별하기 위한 확산 가중 MRI. 진단 Interv Radiol 23:403–406. https://doi.org/10.5152/dir.2017.16541
6. Littooij AS, Humphries PD, Olsen ØE (2015) 신모세포종의 전체 종양 겉보기 확산 계수 측정의 관찰자 내 및 관찰자 간 변동성: 파일럿 연구. Pediatr Radiol 45:1651–1660. https://doi.org/10.1007/s00247-015-3354-4
7. Hales PW, Olsen ØE, Sebire NJ et al(2015) Wilms의 종양 하위 유형 및 화학 요법에 대한 반응의 겉보기 확산 계수 히스토그램 분석을 위한 다중 가우스 모델. NMR Biomed 28:948–957. https://doi.org/10.1002/nbm.3337
8. Rogers HJ, Verhagen MV, Shelmerdine SC et al(2018) 조영제 강화 영상에 대한 대안 접근 방식: 확산 강조 영상 및 T{3}} 강조 영상은 Wilms 종양의 괴사를 식별하고 정량화합니다. 에르 라디올. https://도이. org/10.1007/s00330-018-5907-z
9. Le Bihan D, Breton E, Lallemand D et al(1988) 복셀 내 일관성 없는 모션 MR 영상에서 확산 및 관류의 분리. 방사선과 168:497–505. https://doi.org/10.1148/radio logy.168.2.3393671
10. Bennett KM, Schmainda KM, Bennett RT et al(2003) 확장 지수 모델을 사용한 연속적으로 분포된 피질 물 확산 속도의 특성화. Magn Reson Med 50:727–734. https://doi.org/10.1002/mrm.10581
11. Jensen JH, Helpern JA, Ramani A et al(2005) 확산 첨도 영상: 자기 공명 영상을 통한 비정규 수분 확산의 정량화. Magn Reson Med 53:1432–1440. https://doi.org/10.1002/mrm.20508
12. Zhang G, Wang S, Wen D et al(2{5}}16) 3.0 T MRI에서 직장암의 확산 강조 영상의 비가우시안 및 가우스 확산 모델 비교. 과학 대표 https://doi. org/10.1038/srep38782
13. Reischauer C, Patzwahl R, Koh DM et al(2017) 전립선암 뼈 전이의 치료 모니터링을 위한 확산 가중 영상의 비단일 지수 분석. 과학 담당자 https://doi.org/10.1038/s41598-017-06246-4
14. Winfield JM, deSouza NM, Priest AN 외(2015) 원발성 및 전이성 난소 종양의 DW-MRI 데이터 모델링. Eur Radiol 25:2033–2040. https://doi.org/10.1007/s0033 0-014-3573-3
15. Pentang G, Lanzman RS, Heusch P et al(2014) 인간 신장의 확산 첨도 영상화: 타당성 연구. Magn Reson Imaging 32:413–420. https://doi.org/10.1016/j.mri.2014.01.006
16. Caroli A, Schneider M, Friedli I et al(2018) 확산 신장 병리를 평가하기 위한 확산 가중 자기 공명 영상: 체계적인 검토 및 성명서. Nephrol 다이얼 이식 33:ii29–ii40. https://doi.org/10.1093/ndt/gfy163