李維，楊淞然，2

中樞神經(jīng)系統(tǒng)外腫瘤腦轉(zhuǎn)移的發(fā)病率在中樞神經(jīng)系統(tǒng)的腫瘤中高于原發(fā)神經(jīng)系統(tǒng)腫瘤，而非小細胞肺癌是腦轉(zhuǎn)移發(fā)生率最高的原發(fā)性腫瘤［1］。在對非小細胞肺癌的治療方案中，放射治療是重要的組成部分，治療過程中更精準的照射部位可在保證治療效果的同時減少治療帶來的神經(jīng)功能與智能損害，因此照射部位的確定是關(guān)鍵環(huán)節(jié)，確定腦轉(zhuǎn)移的空間定位傾向有重要的臨床意義。無論是對轉(zhuǎn)移瘤的立體定向照射治療，或是磁共振引導(dǎo)下的激光消融術(shù)，均需要了解轉(zhuǎn)移瘤的空間位置分布，而對其空間位置進行體素水平的分析，可以更精細地指導(dǎo)臨床手術(shù)與治療。磁共振成像（magnetic resonance imaging，MRI）的軟組織分辨率與對比度高，對顱內(nèi)占位的探查效果好，對MRI 圖像進行分析能獲取精確的腫瘤轉(zhuǎn)移部位，以指導(dǎo)治療過程。

但是在不同的MRI 神經(jīng)影像研究中，圖像處理的參數(shù)的設(shè)置不一致，以及在圖像處理初始引入一個固定的閾值都會對最終結(jié)果的輸出產(chǎn)生影響［2］，其次，在進行研究分析之前很難確定空間平滑量，在不同研究中需要關(guān)注的信號的形狀和大小存在異質(zhì)性，其敏感性也是不一致的［3］。因此不同的參數(shù)設(shè)置會導(dǎo)致對腦轉(zhuǎn)移灶的圖像分析結(jié)果出現(xiàn)波動，導(dǎo)致定位的偏差。為了解決這些問題，一種新的基于簇的，且能保持對簇的閾值水平的敏感性的方法已經(jīng)被提出，即無閾值簇強化（Threshold-Free Cluster Enhancement，TFCE），它是一種基于簇的統(tǒng)計校正方法，去除了圖像處理過程中的參數(shù)的設(shè)置過程，相當有效地控制了假陽性率［3，4］。每個體素的TFCE 值依賴于體素周圍區(qū)域的圖像信號強度，無需引入固定的硬閾值，其已被證明在各種信號形狀與不同信噪比水平下可以提高靈敏度，有研究表明，TFCE 比傳統(tǒng)的t 檢驗統(tǒng)計量更敏感，識別統(tǒng)計顯著體素的數(shù)量有所增加［5］。TFCE 已用于多發(fā)性硬化患者的灰質(zhì)形態(tài)學(xué)研究、多種精神疾病的認知功能與灰白質(zhì)結(jié)構(gòu)的相關(guān)性分析以及膠質(zhì)母細胞瘤不同分子亞型的空間分布［6-9］，但還未用于分析腦轉(zhuǎn)移瘤。TFCE作為一個統(tǒng)計量，本身不能選擇重要性高的體素，在TFCE 的統(tǒng)計值圖像里，增強的體素不攜帶生物或統(tǒng)計學(xué)意義，因此需要使用統(tǒng)計檢驗方法獲取體素的統(tǒng)計學(xué)意義。在神經(jīng)影像研究中，使用參數(shù)檢驗的條件難以滿足，常導(dǎo)致假陽性率與假陰性率的上升［10］，因此在對各種成像模式的數(shù)據(jù)的分析中，非參數(shù)檢驗是更好地提供統(tǒng)計框架的方法。排列測試，作為非參數(shù)檢驗方法中的一種，解決了這一問題，它將每一體素隨機翻轉(zhuǎn)，為每一體素建立經(jīng)驗分布，將體素的分布與真實標簽進行對比以獲取P值［10-12］。本研究擬通過計算體素水平的TFCE 統(tǒng)計值，進行非參數(shù)檢驗，獲取有統(tǒng)計意義的腫瘤轉(zhuǎn)移區(qū)域，體素水平的精確定位可以為非小細胞肺癌的治療提供新的思路。

1 資料與方法

1.1 一般資料

收集孫逸仙紀念醫(yī)院在2017 年1 月至2018 年6 月間，完善術(shù)前MRI 檢查，首次診斷為腦轉(zhuǎn)移瘤，未經(jīng)抗腫瘤治療且術(shù)后病理結(jié)果證實顱內(nèi)非小細胞肺癌轉(zhuǎn)移病灶的住院患者；排除標準：①有其他原發(fā)性腫瘤病史；②有原發(fā)性腦腫瘤病史、顱腦手術(shù)史及外傷史、放化療史或侵入性治療史；③診斷為腦轉(zhuǎn)移后首次MRI 檢查和首個可用的MRI 圖像之間的時間間隔大于一年；④有先天顱內(nèi)結(jié)構(gòu)異?；蚱渌B內(nèi)占位病變，感染，寄生蟲，肉芽腫疾病，原發(fā)性腦梗死或出血；⑤圖像質(zhì)量不佳或不完整；⑥缺少病理結(jié)果或病理結(jié)果不確定；⑦正在進行腦轉(zhuǎn)移的全身治療或預(yù)防性放療。

1.2 MRI 數(shù)據(jù)處理

將MRI 數(shù)據(jù)以醫(yī)學(xué)數(shù)字圖像與通訊（digital imaging and communications in medicine，DICOM）格式存儲到可讀光盤。將原始數(shù)據(jù)使用MRIcroGL（http：//www.mccauslandcenter.sc.edu/mricrogl/）軟件重建為連續(xù)的神經(jīng)影像信息技術(shù)（neuroimaging informatics technology initiative，NIFTI）圖 像。在MRIcroGL 上以T2w 以及T1 增強序列為參照手動分割T1w 序列圖像上的腫瘤區(qū)域，獲取腫瘤區(qū)域ROI（region of interest）的空間掩膜，用于后續(xù)處理。對NIFTI 圖像使用python 3.0 進行偏置場矯正以及圖像強度歸一化預(yù)處理，將預(yù)處理后的圖像在FSL（Functional Magnetic Resonance Imaging of the Brain Software Library）［10］軟件中使用FSL-BET去除顱骨，保留腦組織，再使用FSL-FLIRT 配準至標準MNI（Montreal Neurological Institute）空間，使不同個體的圖像可以進行比較。

1.3 頻率分布圖

將配準圖像產(chǎn)生的轉(zhuǎn)換矩陣應(yīng)用于腫瘤區(qū)域的空間掩膜，獲得標準空間內(nèi)的腫瘤區(qū)域。將轉(zhuǎn)移腫瘤的圖像疊加后獲取轉(zhuǎn)移瘤在顱內(nèi)分布的頻率分布圖。

1.4 無閾值簇強化（Threshold-Free Cluster Enhancement，TFCE）與排列測試

將腫瘤的配準后圖像分別進行串聯(lián)獲取4D腫瘤圖像，使用FSL-Randomise 計算TFCE 后進行單樣本的5000 次排列測試，TFCE 圖像的統(tǒng)計值被轉(zhuǎn)化為體素水平的P值后，使用FWER（familywise error rate）校正多重比較后每個簇的P值，將校正后的FWEP＜0.05 作為顯著性閾值。TFCE 分析的計算公式如下：

h為體素的信號強度值，e為體素周圍連續(xù)信號區(qū)域的尺寸，E，H 根據(jù)經(jīng)驗設(shè)定為0.5，2［4］。排列測試獲取p 值的方法如下：

J是進行隨機翻轉(zhuǎn)的次數(shù)，T0為體素水平的實際值，T*j為體素水平翻轉(zhuǎn)后重新計算的統(tǒng)計值。

2 結(jié) 果

2.1 一般情況

2017～2018 年，經(jīng)過納排標準篩選之后，共35例患者納入本研究。（詳見表1）

表1 臨床基線資料特征

2.2 頻率分布圖

在體素水平上，非小細胞肺癌最高發(fā)生頻數(shù)為8，頻率為22.86%，該體素所在的簇位于頂葉與枕葉交界后中線處，見圖1 與圖2。

圖1 頻率分布圖 在軸線水平、矢狀水平、冠狀水平切片上顯示非小細胞肺癌病灶分布頻率，紫色代表頻率高，藍色代表頻率低，病變高頻區(qū)域相對較多且分散，在基底節(jié)區(qū)，頂葉與枕葉均有高頻區(qū)域分布

圖2 3D 頻率分布圖 非小細胞肺癌病灶分布頻率3D 頻率圖，紫色代表頻率高，藍色代表頻率低，病變最高頻位于頂枕葉交界處后正中線處，全腦可見數(shù)個高頻區(qū)，分別位于頂枕葉交界處與基底節(jié)區(qū)

2.3 TFCE 非參數(shù)分析與排列測試結(jié)果

圖3 顯示了非小細胞肺癌中經(jīng)過TFCE 分析與排列測試后認定顯著的簇（以P＜0.05 為顯著水平）。由于輸出結(jié)果圖為1-P值，所以圖像顯示的值越接近1，P值越小。FEW 校正后的全腦水平分析發(fā)現(xiàn)p 值最小的簇位于側(cè)腦室旁基底節(jié)區(qū)的灰白質(zhì)交界處，1-P值為0.9998，即校正后的FWEP＜0.001，其余的顯著簇則位于頂枕葉交界處。

圖3 非小細胞肺癌TFCE+排列測試結(jié)果圖 在軸線水平、矢狀水平、冠狀水平切片上顯示非小細胞肺癌TFCE 分析與進行排列測試后的校正P 值，紫色代表P 值接近0，藍色代表P 值接近0.05，統(tǒng)計顯著的簇主要分布于基底節(jié)區(qū)與頂枕葉交界處

3 討 論

本研究的目的是更客觀地評價腫瘤腦轉(zhuǎn)移的空間分布，把患者個體的腫瘤圖像被配準至標準模板空間進行空間標化后進行比較。某些研究使用病灶中心為球心的球形區(qū)域進行分析，我們認為病灶中心并不能完全代表腫瘤起源位置，因為不能認定腫瘤生長趨勢是均勻的［13］，因此本研究使用腫瘤腦轉(zhuǎn)移的真實空間區(qū)域進行分析。使用TFCE 統(tǒng)計值可以在控制假陽性率的基礎(chǔ)上增加對轉(zhuǎn)移灶的敏感性，以獲取更精準的轉(zhuǎn)移空間分布。本研究結(jié)果顯示非小細胞肺癌腦轉(zhuǎn)移傾向于后顱窩與灰白質(zhì)交界區(qū)域。既往已有研究揭示部分腫瘤空間分布的模式，如Quattrocchi 等［14］研究發(fā)現(xiàn)85%的轉(zhuǎn)移病灶位于灰白質(zhì)交界處，其余15%位于皮質(zhì)下結(jié)構(gòu)；67%的病灶位于幕上區(qū)域，其余33%位于幕下區(qū)域，大多數(shù)位于小腦，而腦干幾乎沒有轉(zhuǎn)移病灶（2%），乳腺癌在小腦中病變更普遍，非小細胞肺癌則多位于頂枕葉與小腦的深灰質(zhì)。Yanagihara 等［15］研究發(fā)現(xiàn)額葉、枕葉外側(cè)皮質(zhì)、緣上回與顳葉的相較基于其體積預(yù)測的病灶數(shù)量更少。Mampre 等［16］的研究表明，原發(fā)性乳腺癌的轉(zhuǎn)移在大腦后動脈供血區(qū)少見，黑色素瘤則少見于小腦血管供血區(qū)內(nèi)而多見于豆紋動脈供血區(qū)，結(jié)直腸癌更易轉(zhuǎn)移至腦膜，而原發(fā)性肺癌則沒有顯著轉(zhuǎn)移的區(qū)域。以上研究只以頻率分布圖為依據(jù)，并未進行統(tǒng)計分析，本研究中使用排列測試對TFCE 的統(tǒng)計值進行非參數(shù)分析，獲取了有統(tǒng)計顯著性的體素，更嚴謹?shù)卮_定了腫瘤轉(zhuǎn)移的傾向。

本研究中顯示出的非小細胞肺癌轉(zhuǎn)移傾向的具體原因可能有：在腦轉(zhuǎn)移的進程中，轉(zhuǎn)移灶可以使用不同的方法獲取血供，如生成新血管［17］或使用已存在的血管［18］，而在多項研究中顯示，非小細胞肺癌多使用已有的血管進行轉(zhuǎn)移與生長，新生血管生成較少，血流供應(yīng)更豐富的灰白質(zhì)交界區(qū)會為轉(zhuǎn)移瘤使用已有血管提供更好的基礎(chǔ)［19-21］。腫瘤轉(zhuǎn)移對基底節(jié)區(qū)的傾向可以由腫瘤栓子的機械捕獲理論解釋，在基底節(jié)區(qū)域血管直徑變小，腫瘤栓子更易停滯而發(fā)生轉(zhuǎn)移；而對后顱窩區(qū)域的轉(zhuǎn)移傾向可能與后循環(huán)的每分鐘血液灌注量更大、小腦腦回密度比大腦更大以及小腦血管舒縮性更強所致的更明顯的血管擴張等相關(guān)［22-25］，但這超出了本研究的范圍，進一步研究需要血管流域的血流量變化情況與血流動力學(xué)參數(shù)情況。而在不同顱內(nèi)區(qū)域之間的不均勻分布原因在于不同的腦組織與腫瘤細胞的相互作用影響著腫瘤細胞的表面表達模式從而影響腫瘤轉(zhuǎn)移的傾向。最近也有研究揭示腦轉(zhuǎn)移分布的部分分子機制，如肺癌中EGFR 變異的腦轉(zhuǎn)移瘤更傾向于轉(zhuǎn)移到尾狀核和小腦等［26-29］。大腦內(nèi)特定區(qū)域優(yōu)先參與腫瘤腦轉(zhuǎn)移的分子機制很大程度上仍然是未知的，腫瘤對大腦內(nèi)特定區(qū)域的微環(huán)境的親和力被認為是影響轉(zhuǎn)移空間分布的因素之一［30］。

在臨床對非小細胞肺癌腦轉(zhuǎn)移的治療過程中，更精確的腫瘤區(qū)域劃定意味著放療與激光消融治療對瘤周區(qū)域影響更小，對神經(jīng)認知功能影響也更小，而確定腦轉(zhuǎn)移的高傾向性區(qū)域?qū)τ陬A(yù)防性放射治療同樣可以減少對患者認知能力的損害。本研究首次通過TFCE 結(jié)合排列測試的非參數(shù)檢驗方法獲取了體素水平的腦轉(zhuǎn)移分布，并確定了有統(tǒng)計學(xué)意義的腫瘤轉(zhuǎn)移分布，為非小細胞肺癌腦轉(zhuǎn)移的治療提供新的思路。