多模态 MRI 参数：区分泪腺淋巴瘤、IgG4 相关性泪腺疾病与泪腺炎性假瘤的新利器

为区分泪腺淋巴瘤（LGL）等疾病，研究人员分析多模态 MRI 参数，发现 ADC比值等有诊断价值，助力精准诊断。

　　在医学领域，泪腺相关疾病的准确诊断一直是个棘手的问题。泪腺淋巴瘤（Lacrimal gland lymphoma，LGL）、免疫球蛋白 G4 相关性泪腺疾病（Immune globulin G4-related lacrimal disease，IgG4-RLD）和泪腺炎性假瘤（Lacrimal gland inflammatory pseudotumor，LGIP）这三种疾病，虽然名字听起来有些陌生，但它们却困扰着不少患者。LGL 需要放射治疗，LGIP 对类固醇和手术治疗有反应，IgG4-RLD 则依赖类固醇或免疫抑制治疗 。然而，仅依靠传统的磁共振成像（Magnetic Resonance Imaging，MRI），很容易将它们误诊，这就好比在迷雾中辨别方向，一不小心就会走错路。一旦误诊，不仅会耽误患者的治疗，还可能给患者带来不必要的痛苦和经济负担。

为了拨开这层迷雾，来自长沙市第四医院（湖南师范大学附属长沙医院、长沙市中西医结合医院）、烟台市烟台山医院和首都医科大学附属北京同仁医院的研究人员开展了一项极具意义的研究。他们的研究成果发表在《Chinese Journal of Academic Radiology》上。

研究人员为了找到区分这三种疾病的有效方法，采用了多种关键技术方法。首先，他们收集了 2010 年 10 月至 2021 年 8 月期间经组织病理学确诊的 LGL、IgG4-RLD 和 LGIP 患者的 MRI 数据，这些数据就像是解开谜题的关键线索。数据涵盖了常规 MRI、扩散加权成像（Diffusion weighted imaging，DWI）和动态对比增强 MRI（Dynamic contrast-enhanced MRI，DCE-MRI）。接着，由两位经验丰富且不知晓组织病理学结果的影像科医生对这些 MR 图像进行分析和测量，尽可能保证结果的准确性。最后，运用方差分析、最小显著差异检验、秩和检验以及多变量逻辑回归分析等统计方法对数据进行处理，从复杂的数据中挖掘出有价值的信息。

下面来看看具体的研究结果：

• 患者临床数据比较：研究人员发现，LGL、IgG4-RLD 和 LGIP 三组患者在性别、年龄、临床症状（如疼痛、泪腺红肿）以及症状持续时间方面并没有显著差异。这意味着不能通过这些常规的临床特征来区分这三种疾病，需要从其他方面寻找突破口。
• MRI 信号强度结果：LGL 在 T1 加权成像（T1WI）和 T2 加权成像（T2WI）上多呈等信号，在 DWI 上多呈高信号，且强化均匀；IgG4-RLD 在 T1WI 上多呈低信号，在 DWI 上多呈等信号，强化不均匀；LGIP 在 T1WI 上多呈低信号，在 T2WI 上多呈高信号，在 DWI 上多呈等信号，强化均匀。这些信号强度的差异虽然有一定特点，但还不足以准确区分三种疾病。
• MRI 参数比较：ADC 比值在三组患者间存在显著差异。同时，DWI 信号强度（DWI-SI）、ADC 信号强度（ADC-SI）和血管外细胞外间隙容积（Ve）在 LGL 和 LGIP 组间也有明显不同。通过进一步分析，发现 DWI-SI 和 ADC 比值是预测和诊断 LGL 最有价值的参数。
• 诊断效能评估：通过受试者工作特征曲线（ROC）评估各参数的诊断效能，结果显示 DWI-SI、ADC-SI、ADC 值、ADC 比值和 Ve 值预测 LGL 效能的曲线下面积（AUC）分别为 0.83、0.77、0.78、0.87 和 0.73。其中，ADC 比值的诊断效能最佳，其 AUC 为 0.87，敏感性为 100%，特异性为 77%。
• 建立预测模型：研究人员以综合诊断结果为因变量，以具有统计学意义的 MRI 参数为协变量，通过逻辑回归分析建立了 LGL 预测模型。该模型的 AUC 为 0.95，最佳阈值为 1.58，敏感性为 89%，特异性为 94% ，诊断性能优于其他单一参数。

在研究结论和讨论部分，研究人员指出，定量 DWI 和 DCE-MRI 有助于区分 LGL 与 IgG4-RLD 和 LGIP，这为临床诊断提供了新的思路和方法。ADC 比值可能是区分 LGL 与 IgG4-RLD 或 LGIP 的潜在成像生物标志物。基于 DWI-SI 和 ADC 比值建立的逻辑回归分析模型在预测 LGL 方面表现出色，优于其他单一参数。这一模型结合了定性和定量参数，能更准确地预测 LGL，对治疗前的精准诊断具有重要意义。

不过，这项研究也存在一些局限性。例如，这是一项回顾性研究，缺乏泪腺病变大体标本与 MRI 扫描的准确对比，而且样本量较小，这可能会影响研究结果在更广泛人群中的适用性。但这并不影响该研究的价值，它为后续更大规模、更严谨的研究奠定了基础。相信在未来，随着研究的不断深入，泪腺相关疾病的诊断难题将得到更好的解决，患者也能得到更及时、准确的治疗。