需要JoVE订阅才能观看此内容。 请登录或开始免费试用

研究文章

酰胺质子转移成像在鉴别胶质瘤与脑膜瘤及评估肿瘤浸润中的应用

62 次观看

⸱

DOI:

10.3791/71626

⸱

2026年8月11日

本文内容

摘要

本研究评估了酰胺质子转移(APT)成像结合常规磁共振成像(MRI)在区分脑膜瘤与低级别及高级别胶质瘤中的应用,并分析了与肿瘤浸润相关的影像学特征,表明该技术有望提高术前分类的准确性,并提供基于影像的信息以指导手术规划。

摘要

区分胶质瘤与脑膜瘤以及评估与胶质瘤浸润相关的影像学特征在常规磁共振成像(MRI)中仍具挑战性。酰胺质子转移(Amide Proton Transfer, APT)成像是一种化学交换饱和转移技术,可检测组织蛋白质含量和pH值的变化,为脑肿瘤提供潜在的功能信息。本项回顾性研究纳入105例经病理证实的脑肿瘤患者(55例脑膜瘤、20例低级别胶质瘤[low-grade gliomas, LGGs]和30例高级别胶质瘤[high-grade gliomas, HGGs]),评估APT成像联合常规MRI的应用价值。采用APT成像-derived平均信号强度(APT平均值以及测量并比较了各组间APT异常区域与T2高信号区域的比值(RAPT/T2)和与对比增强区域的比值(RAPT/E)。APTmean在高级别胶质瘤(HGGs)中显著高于低级别胶质瘤(LGGs)和脑膜瘤(中位值分别为4.60%、2.95%和2.70%,P < 0.001)。在高级别胶质瘤(HGGs)中,RAPT/T2和RAPT/E也显著升高。在区分高级别胶质瘤与脑膜瘤时,APTmean表现出优异的诊断效能(曲线下面积[AUC] = 0.969),优于RAPT/E(0.836)和RAPT/T2(0.800)。在区分低级别胶质瘤(LGGs)与脑膜瘤时,RAPT/E(AUC = 0.781)和RAPT/T2(AUC = 0.734)表现出良好的诊断性能,而APT平均值 差异无统计学意义。在胶质瘤分级(高级别胶质瘤 vs. 低级别胶质瘤)中,APTmean的AUC为0.916,优于对比增强程度(0.823)。这些结果表明,APT成像可有效区分脑膜瘤与不同级别的胶质瘤,并为推断肿瘤浸润范围提供有价值的影像学信息。APTmean与空间范围比值的联合应用为术前诊断的优化和手术规划的制定提供了实用的影像学工具,尤其适用于难以判断的非典型病例。

引言

颅内肿瘤是神经系统最常见的疾病之一。其全球发病率正在上升,对人类健康构成严重威胁1。根据组织病理学起源,颅内肿瘤可分为两大类:原发性肿瘤和继发性(转移性)肿瘤。在原发性颅内肿瘤中,脑膜瘤和胶质瘤是最常见的两种类型,其起源和生物学行为截然不同2。胶质瘤起源于胶质细胞,是最常见的恶性颅内肿瘤,具有浸润性生长、边界不清、高复发倾向以及预后差的特点3,4。世界卫生组织(WHO)根据其恶性程度将胶质瘤分为I至IV级。其中,高级别胶质瘤(HGG,WHO III–IV级)侵袭性强,患者生存期短5,6。相比之下,脑膜瘤起源于蛛网膜帽细胞,绝大多数为良性(WHO I级),生长缓慢,与周围脑组织界限清晰。在完全手术切除后,患者通常预后良好7,8。因此,术前准确通过影像学区分这两种肿瘤类型,并评估与胶质瘤浸润范围相关的影像学特征,具有重要的临床意义。这对于制定个体化的手术方案、确定安全的切除边界,以及最终改善患者预后至关重要。

目前,由于磁共振成像(MRI)具有优异的软组织分辨率、多参数成像能力以及非电离辐射的优势,已成为颅内肿瘤术前诊断与评估的常用影像学方法9,10。常规MRI序列,如T1加权成像(T1WI)、T2加权成像(T2WI)、液体衰减反转恢复(FLAIR)以及增强后T1加权成像(CE-T1WI),能够清晰显示肿瘤的位置、大小、形态、内部结构及其与邻近组织的关系11,12。典型的脑膜瘤在MRI上表现为边界清楚的脑外占位,T1WI上呈等信号或稍低信号,T2WI上呈等信号或稍高信号,增强后呈现明显且均匀的强化,常伴有"硬脑膜尾征"13。相比之下,高级别胶质瘤(HGGs)通常表现为形态不规则、边界不清的肿块,T2WI/FLAIR序列上常见广泛的瘤周水肿,增强后呈现不均匀的环形或花环样强化14,15。

然而,常规MRI在临床实践中仍面临诸多挑战。在鉴别诊断方面,某些病例表现出非典型特征。例如,某些高级别胶质瘤(HGG)可能呈现相对边界清晰、均匀强化的"假包膜",使其难以与脑膜瘤相区分。相反,某些高级别、细胞密集的非典型或间变性脑膜瘤(WHO II-III级)由于其侵袭性生长模式,在影像学上也可能模拟胶质瘤的表现16。此外,常规MRI在准确评估胶质瘤浸润范围方面能力有限。T2加权成像(T2WI)/液体衰减反转恢复序列(FLAIR)上观察到的高信号区域,病理学已证实为肿瘤细胞浸润、血管源性水肿和反应性胶质增生的混合物。常规MRI无法有效区分这些成分17。同样,增强T1加权成像(CE-T1WI)上显示的强化区域主要代表血脑屏障破坏的肿瘤核心。大量增殖的肿瘤细胞已浸润至该强化区域之外,进入甚至超出周围正常脑实质中T2高信号区域18,19。这种影像学边界与病理学边界之间的不匹配,是导致胶质瘤术后高复发率的关键因素。因此,临床上迫切需要新型的分子影像工具,以更直接、更敏感地反映肿瘤细胞密度和代谢活性。

酰胺质子转移(Amide Proton Transfer, APT)成像是近年来发展起来的一种分子磁共振成像技术,其原理基于化学交换饱和转移(Chemical Exchange Saturation Transfer, CEST)机制20,21。该技术通过选择性饱和组织中可移动蛋白质和多肽骨架上的酰胺质子(-NH),并将该磁化状态传递至周围的水分子,从而间接检测组织蛋白质含量以及细胞内/外pH值的变化22,23。在肿瘤微环境中,恶性细胞通常表现出强烈的增殖活性,导致蛋白质合成显著增加24。同时,肿瘤组织中糖酵解增强(即Warburg效应)常引起细胞外微环境酸化25。这些病理生理改变通常导致APT信号在高级别恶性肿瘤中呈现特征性的高信号。此外,APT在鉴别胶质瘤复发与放射性坏死方面展现出潜在应用价值,可为常规MRI及其他功能成像技术提供补充信息26。这是因为复发性肿瘤组织具有细胞密度高、代谢活跃的特点,表现为较高的APT信号;而放射性坏死主要由细胞碎片和炎性反应构成,其APT信号较低。多项临床研究已证实,APT在区分肿瘤复发与治疗相关改变方面优于常规MRI27。

然而,目前的研究主要集中在胶质瘤的分级或与其他颅内病变(如转移瘤或淋巴瘤)的鉴别诊断上28,29,30。专门针对APT成像在区分脑膜瘤与不同级别胶质瘤(尤其是同时包含低级别和高级别胶质瘤)中的应用价值的系统性研究仍相对有限。此外,APT信号异常区域是否可作为影像学替代指标,更准确地反映胶质瘤(特别是高级别胶质瘤,HGGs)细胞浸润的实际范围,仍有待进一步深入研究。

在临床上,APT成像可能有助于术前鉴别高级别胶质瘤(HGGs)与脑膜瘤,并评估与胶质瘤浸润相关的影像学特征,尤其是在常规MRI结果不明确时。然而,其常规应用面临实际挑战:较长的扫描时间增加了运动伪影的风险;信号定量对磁场不均匀性和后处理算法较为敏感,需要标准化的扫描协议;此外,由于某些低级别胶质瘤(LGGs)与良性脑膜瘤之间可能存在信号重叠,APT指标应作为常规MRI的补充而非替代。为推动临床应用,我们建议从疑难病例开始,待本地技术经验与质量控制体系建立后,再逐步将其纳入常规实践。最终,APT成像可提供独特的生物学信息,但应在多参数MRI框架内谨慎合理地使用。

Zhang 等人先前的研究31初步探讨了APT成像在区分脑膜瘤与胶质瘤方面的应用价值,提出了RAPT/T2和RAPT/E比值作为肿瘤浸润的潜在标志物。然而,该研究受限于相对较小的样本量(50例患者),且未通过全面的受试者工作特征(ROC)曲线分析,系统评估APT参数与传统MRI特征在所有临床相关成对鉴别中的诊断效能。此外,关于APT所定义的空间异常范围在手术及放射治疗规划中的临床意义,尚未得到充分讨论。基于上述背景,本研究旨在回顾性分析经病理确诊的不同级别脑膜瘤与胶质瘤患者的APT及传统MRI数据。我们系统比较了这两类肿瘤之间的APT参数,以评估APT成像在术前区分脑膜瘤与胶质瘤方面的诊断效能。同时,通过比较APT异常区域与T2WI高信号区域及CE-T1WI增强区域的空间范围,本研究初步探索APT成像作为推断肿瘤浸润性生长边界的影像学工具的潜在应用价值。目标是为临床医生提供基于影像的信息,以增强手术规划的依据,尽管此类推断尚需病理学验证。

访问受限。请登录或开始试用以查看此内容。

方案

本研究方案遵循《赫尔辛基宣言》中规定的伦理原则,并已获得深圳市宝安区松岗人民医院伦理审查委员会批准(批准号:IRB-YJ-2025-045)。由于本研究为回顾性设计,仅涉及对存档的临床和影像学数据的分析,所有可识别患者身份的信息均被严格匿名化处理。

研究设计与研究对象

本研究为回顾性诊断分析。我们回顾性收集了2024年1月至2025年6月期间在中国广东省深圳市宝安区松岗人民医院神经外科肿瘤科和深圳市第二人民医院收治的脑肿瘤患者的临床及影像学资料。所有患者均经术后病理确诊。最终共纳入105例患者,所有患者术前均接受了常规磁共振成像(MRI)和酰胺质子转移(APT)成像检查。根据2021年《世界卫生组织中枢神经系统肿瘤分类》32,将患者分为三组:脑膜瘤组:55例,病理确诊为WHO I-II级;低级别胶质瘤(LGG)组:20例,病理确诊为WHO I-II级;高级别胶质瘤(HGG)组:30例,病理确诊为WHO III-IV级。所有患者术前均接受了常规MRI和APT成像检查。详细的研究流程图见图1。

纳入与排除标准

纳入标准为:(1)接受初次手术切除,并经组织病理学确诊为脑膜瘤(WHO Ⅰ-Ⅱ级)、低级别胶质瘤(LGGs,WHO Ⅰ-Ⅱ级)或高级别胶质瘤(HGGs,WHO Ⅲ-Ⅳ级)的患者;(2)术前一周内完成无对比剂头颅 MRI、T1 加权增强扫描及 APT 成像;(3)具备完整的影像学数据,图像质量良好,无明显伪影,适用于诊断评估和测量;(4)具备完整的临床资料和随访记录。

排除标准包括:(1)术前接受过任何抗肿瘤治疗(如放疗、化疗、靶向治疗或免疫治疗)的患者;(2)存在复发性脑肿瘤或其他颅内占位性病变的患者;(3)存在磁共振成像(MRI)检查禁忌证的患者;(4)图像存在严重运动伪影或磁敏感伪影,影响后续数据分析的患者;(5)经病理诊断为上述规定类型以外的中枢神经系统肿瘤的患者。

样本量计算

本研究为回顾性诊断分析,样本量主要由研究期间所有符合纳入标准的可获得病例决定。为评估当前样本量是否足以检测组间APT参数的统计学显著差异,我们参考了既往文献中报道的不同级别胶质瘤与脑膜瘤之间APT信号值的差异33。设定α = 0.05,统计检验效能为0.80,并采用两样本均数比较公式进行估算,确定每组至少需要15例样本。基于最终纳入的105例患者(55例脑膜瘤、20例低级别胶质瘤、30例高级别胶质瘤),事后效能分析显示,当前样本量下检测三组间APTmean差异的检验效能超过0.95。这表明本研究的样本量足以支持统计推断。

图像采集与后期处理

MRI 扫描方案:

所有患者均使用配备标准8通道头部线圈的磁共振(MR)扫描仪进行扫描34。扫描序列及参数如下:

常规序列:采用三维扰相梯度回波序列(3D T1-SPGR,重复时间/回波时间 [TR/TE] = 8.5/3.4 ms,翻转角 = 12°,层厚 = 1.2 mm,层间距 = 0 mm,视野 [FOV] = 24 cm × 24 cm,矩阵 = 256 × 256)进行轴位T1加权成像(T1WI)。轴位T2加权成像(T2WI)采用快速自旋回波序列(TR/TE = 4,500/102 ms,层厚 = 5 mm,层间距 = 1.5 mm,FOV = 24 cm × 24 cm,矩阵 = 384 × 224)获取。液体衰减反转恢复(FLAIR)图像的参数为重复时间/回波时间/反转时间(TR/TE/TI)= 9,000/120/2,250 ms。

增强扫描:静脉团注钆喷酸葡胺,剂量为0.1 mmol/kg体重,注射速率为2 mL/s,随后以20 mL生理盐水冲管,采用与增强前3D T1-SPGR序列相同的参数,获取轴位、矢状位和冠状位增强T1加权图像。

APT成像序列:采用二维梯度回波脉冲序列进行APT成像,成像参数如下:TR/TE = 3,000/3.5 ms,层厚 = 5 mm,视野(FOV)= 24 cm × 24 cm,矩阵 = 128 × 128,激发次数 = 2,总采集时间为4分32秒。在频率偏移范围为−6至+6百万分之一(ppm)(以0.5 ppm为步长)的条件下,施加持续时间为2秒、功率(B₁)为2 µT的连续波饱和脉冲,其中包含水共振频率(0 ppm)。在主磁场(B₀)下,饱和脉冲特异性地施加于相对于水质子共振频率(0 ppm)的+3.5 ppm低场共振频率处,该频率对应于酰胺质子化学交换速率。在APT数据采集前,采用水饱和位移参考(WASSR)方法校正B₀不均匀性,其饱和参数与主APT扫描相同,但B₁幅度降低至0.5 µT。扫描完成后,通过扫描仪内置软件自动计算磁化转移率不对称性,生成APT加权图像及3.5 ppm处的磁化转移率不对称性(MTRasym)图谱:MTRasym(3.5 ppm) = [S(−3.5 ppm) − S(+3.5 ppm)] / S(0 ppm),其中S(Δω)表示相对于水共振频率在指定频率偏移Δω处施加饱和脉冲时的信号强度。3.5 ppm处的正MTRasym值主要反映酰胺质子转移效应,因为磁化转移(MT)和核Overhauser效应在水共振频率附近大致对称,因此在不对称性计算中被抵消。

图像分析:

两名具有五年以上经验的神经放射科医师使用图像阅片软件工作站,独立分析了所有影像数据。根据以下标准化流程进行感兴趣区域(ROI)的勾画:

肿瘤实性区域:在增强T1加权成像图像上,手动沿肿瘤强化边缘绘制感兴趣区(ROI),并仔细避开坏死、囊变及瘤周水肿区域。ROI应覆盖最大肿瘤直径层面的整个实性强化部分。

T2 高信号区域:在 T2WI 图像上,手动绘制感兴趣区(ROI),以包含整个高信号区域,包括肿瘤本身及周围瘤周水肿区域。边界的定义为高信号区域与外观正常的脑实质相接处的可见边缘。

APT 异常信号区域:在 APT 加权的 MTRasym 图上,以对侧正常表现的白质作为参考,手动绘制 ROI,以包含所有信号强度高于参考正常组织平均信号加 2 个标准差的区域。该基于阈值的方法应用于显示最大肿瘤直径的同一层面。对侧参考 ROI 置于肿瘤对侧半卵圆中心的镜像位置,面积约为 100 mm²。2.

为保持一致性,每个感兴趣区域(ROI)均在以肿瘤最大直径为中心的连续切片上测量三次,并记录平均值用于分析。所有ROI的勾画均由两位评审者独立完成,任何分歧均通过协商解决。采用组内相关系数(ICC)评估观察者间的一致性,ICC > 0.80 表示一致性极佳。

测量并计算了以下参数:

平均 APT 信号强度(APTmean):在肿瘤实性区域 ROI 内 3.5 ppm 处的 MTRasym 平均值。

区域比值计算:

RAPT/T2:APT异常信号区域面积与T2WI高信号区域面积的比值(RAPT / RT2)。

RAPT/E:APT异常信号区域面积与T1WI增强区域面积的比值(RAPT / RE)。

临床结局指标

本研究的主要评估指标为影像学参数及其诊断效能,而非治疗性临床结局。主要影像学结局:各组(脑膜瘤、低级别胶质瘤、高级别胶质瘤)的APTmean值,以及低级别胶质瘤和高级别胶质瘤组的RAPT/T2和RAPT/E比值。

统计分析

使用Shapiro-Wilk检验对连续变量进行正态性检验。符合正态分布的数据以均值 ± 标准差(SD)表示,并采用单因素方差分析(ANOVA)(Bonferroni事后检验)进行比较。非正态分布数据和有序数据以中位数(第1四分位数,第3四分位数)[M (Q₁, Q₃)]表示,并采用Kruskal-Wallis H检验(Dunn检验,Bonferroni校正)进行比较。分类数据以例数(百分比)[n (%)]表示,并采用卡方检验或Fisher确切概率法进行比较。绘制ROC曲线以评估诊断效能。所有检验均为双侧检验;P < 0.05被认为具有统计学意义。

访问受限。请登录或开始试用以查看此内容。

结果

基线与临床特征

在年龄、卡诺夫斯基功能状态(Karnofsky Performance Status, KPS)评分、首发症状及世界卫生组织(WHO)分级方面,三组患者之间存在显著差异(P < 0.001)。高级别胶质瘤(HGG)组患者年龄较大,KPS评分较低,且更常以局灶性神经功能缺损作为首发症状。相比之下,低级别胶质瘤(LGG)组患者主要以癫痫发作为首发症状。三组患者在性别、体重指数(Body Mass Index, BMI)或肿瘤位置(额叶、颞叶、顶叶、枕叶)方面未发现显著差异(P > 0.05)(表1)。

肿瘤范围的MRI评估及相关APT参数

表2展示了三个患者组之间常规MRI肿瘤范围与APT相关参数的比较结果。各组之间的强化程度存在显著差异(P < 0.001),其中脑膜瘤组的强化程度最高,LGG组最低。在T2...

访问受限。请登录或开始试用以查看此内容。

讨论

术前准确区分胶质瘤与脑膜瘤,并在影像学上精确勾画假定的肿瘤浸润边界,是神经肿瘤学中的核心挑战,直接影响治疗策略及患者的最终预后。本研究基于一种新兴的分子磁共振技术——酰胺质子转移(APT)成像,系统评估了其在区分不同级别胶质瘤与脑膜瘤中的应用价值。此外,通过引入空间范围比参数,我们深入探索并评估了与肿瘤侵袭性相关的影像学特征。结果证实,APT成像凭借其独特的生化对比机制,在胶质瘤与脑膜瘤的鉴别诊断中具有作为常规磁共振成像补充手段的潜力,其中信号强度参数APTmean表现出优异的鉴别效能。更为重要的是,本研究发现,量化APT异常信号的空间范围与常规MRI上所见病灶范围之间的差异——即RAPT/T2比值与RAPT/E比值——可有效解决低级别胶质瘤(LGGs)与脑膜瘤鉴别诊断的临床难题。该方法同时为无创评估胶质瘤假定浸润范围提供了一种极具前景的新型影像学手段。

本研究的核心发现之一是平均APT信号强度(APT平均值) 作为肿瘤恶性程度的生物标志物,尤其在区分高级别胶质瘤(HGG)与低级别胶质瘤(LGGs)及脑膜瘤方面具有重要意义。本研究数据显示...

访问受限。请登录或开始试用以查看此内容。

披露

作者声明无利益冲突。

致谢

本工作由2023年宝安区医疗卫生研究项目(项目编号:2023JD224)资助。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
3.0T 磁共振扫描仪GE HealthcareDiscovery 750W用于所有常规及APT成像序列。
对比剂(钆喷酸葡胺)Bayer HealthcareMagnevist标准剂量为0.1 mmol/kg体重,以2 mL/s速度静脉注射。
头部线圈GE Healthcare标准8通道仅接收型头部线圈,用于信号采集。
图像分析软件MicroDicom Ltd.MicroDicom Viewer(版本3.0)由神经放射科医生用于感兴趣区(ROI)勾画及参数测量。
后处理软件GE HealthcareFuncTool(内置)在扫描仪上自动生成APT加权图像和MTRasym图。
统计分析软件IBM Corp.SPSS(版本25.0)用于所有统计分析,包括ROC曲线和组间比较。

参考文献

  1. Lu SL et al. The intracranial tumor segmentation challenge: contour tumors on brain MRI for radiosurgery. Neuroimage. 2021;244:118585.
  2. Ostrom QT et al. CBTRUS statistical report: primary brain and other central nervous system tumors diagnosed in the United States in 2015-2019. Neuro Oncol. 2022;24(Suppl 5):v1-95.
  3. Lin H et al. Understanding the immunosuppressive microenvironment of glioma: mechanistic insights and clinical perspectives. J Hematol Oncol. 2024;17(1):31.
  4. Jayaram MA, Phillips JJ. Role of the microenvironment in glioma pathogenesis. Annu Rev Pathol. 2024;19(1):181-201.
  5. Segar DJ et al. Modeling of intracranial tumor treating fields for the treatment of complex high-grade gliomas. Sci Rep. 2023;13(1):1636.
  6. Wen PY et al. Dabrafenib plus trametinib in patients with BRAF V600E-mutant low-grade and high-grade glioma (ROAR): a multicentre, open-label, single-arm, phase 2, basket trial. Lancet Oncol. 2022;23(1):53-64.
  7. Szulzewsky F, Thirimanne HN, Holland EC. Meningioma: current updates on genetics, classification, and mouse modeling. Ups J Med Sci. 2024;129(S1):e10579.
  8. Moussalem C et al. Meningioma genomics: a therapeutic challenge for clinicians. J Integr Neurosci. 2021;20(2):463-9.
  9. Han T, Liu X, Zhou J. Progression/recurrence of meningioma: an imaging review based on magnetic resonance imaging. World Neurosurg. 2024;186:98-107.
  10. Cosgun Z, Dagistan Y, Dagistan E, Kalfaoglu ME. Neglected giant pituitary adenoma: a unique case report. Journal of Endocrine Systems Research. 2025;1(1):11-6.
  11. Sakai M et al. Nonbrain metastases seen on magnetic resonance imaging during metastatic brain tumor screening. Jpn J Radiol. 2023;41(4):367-81.
  12. Aunan-Diop JS et al. Magnetic resonance elastography in intracranial neoplasms: a scoping review. Top Magn Reson Imaging. 2022;31(1):9-22.
  13. Xiong H et al. A radiomics model for the differentiation of intracranial solitary fibrous tumor/hemangiopericytoma and meningioma based on multiparametric magnetic resonance imaging. Neurol India. 2024;72(4):779-83.
  14. Clement P et al. Micro- to macroscale magnetic resonance imaging of glioma. MAGMA. 2022;35(1):1-2.
  15. Sui Z et al. Magnetic resonance imaging evaluation of brain glioma before postoperative radiotherapy. Clin Transl Oncol. 2021;23(4):820-6.
  16. Würtemberger U et al. Microstructural differentiation of cerebral metastases, glioblastoma, meningioma, and primary CNS lymphoma using advanced diffusion imaging techniques. Neurooncol Adv. 2025;7(1):vdaf076.
  17. Schmitz-Abecassis B et al. Extension of T2 hyperintense areas in patients with a glioma: a comparison between high-quality 7 T MRI and clinical scans. NMR Biomed. 2025;38(3):e5316.
  18. Xia X, Du W, Gou Q. Machine learning-based radiomics for differentiating lung cancer subtypes in brain metastases using CE-T1WI. Front Oncol. 2025;15:1599882.
  19. Zhang Y et al. Glioblastoma and solitary brain metastasis: differentiation by integrating demographic-MRI and deep-learning radiomics signatures. J Magn Reson Imaging. 2024;60(3):909-20.
  20. Zhou J et al. Using the amide proton signals of intracellular proteins and peptides to detect pH effects in MRI. Nat Med. 2003;9(8):1085-90.
  21. Zhou J et al. Three-dimensional amide proton transfer MR imaging of gliomas: initial experience and comparison with gadolinium enhancement. J Magn Reson Imaging. 2013;38(5):1119-28.
  22. Sun Q et al. Plasma β-amyloid, tau, neurodegeneration biomarkers and inflammatory factors of probable Alzheimer’s disease dementia in Chinese individuals. Front Aging Neurosci. 2022;14:963845.
  23. Zhang H, Zhou J, Peng Y. Amide proton transfer-weighted MR imaging of pediatric central nervous system diseases. Magn Reson Imaging Clin N Am. 2021;29(4):631-41.
  24. Inoue A et al. Role of amide proton transfer imaging in maximizing tumor resection in malignant glioma: a possibility to take the place of 11C-methionine positron emission tomography. Neurosurg Rev. 2023;46(1):294.
  25. Zhang J et al. ESM1 enhances fatty acid synthesis and vascular mimicry in ovarian cancer by utilizing the PKM2-dependent Warburg effect within the hypoxic tumor microenvironment. Mol Cancer. 2024;23(1):94.
  26. Chen K, Jiang XW, Deng LJ, She HL. Differentiation between glioma recurrence and treatment effects using amide proton transfer imaging: a mini-Bayesian bivariate meta-analysis. Front Oncol. 2022;12:852076.
  27. Park JE et al. Pre- and posttreatment glioma: comparison of amide proton transfer imaging with MR spectroscopy for biomarkers of tumor proliferation. Radiology. 2016;278(2):514-23.
  28. Debnath A, Gupta RK, Singh A. Evaluating the role of amide proton transfer-weighted contrast, optimized for normalization and region of interest selection, in differentiation of neoplastic and infective mass lesions on 3T MRI. Mol Imaging Biol. 2020;22(2):384-96.
  29. Park YW et al. Differentiation of recurrent diffuse glioma from treatment-induced change using amide proton transfer imaging: incremental value to diffusion and perfusion parameters. Neuroradiology. 2021;63(3):363-72.
  30. Yu H et al. Applying protein-based amide proton transfer MR imaging to distinguish solitary brain metastases from glioblastoma. Eur Radiol. 2017;27(11):4516-24.
  31. Zhang HW et al. Differentiation of meningiomas and gliomas by amide proton transfer imaging: a preliminary study of brain tumour infiltration. Front Oncol. 2022;12:886968.
  32. Soni N et al. Meningioma: molecular updates from the 2021 World Health Organization classification of CNS tumors and imaging correlates. AJNR Am J Neuroradiol. 2025;46(2):240-50.
  33. Zhou J et al. Review and consensus recommendations on clinical APT-weighted imaging approaches at 3T: application to brain tumors. Magn Reson Med. 2022;88(2):546-74.
  34. Chen K et al. Amide proton transfer-weighted magnetic resonance imaging for the diagnosis of symptomatic chronic intracranial artery stenosis: a feasibility study. Quant Imaging Med Surg. 2022;12(11):5184-97.
  35. Tokunaga C et al. Effect of saturation pulse duration and power on pH-weighted amide proton transfer imaging: a phantom study. Magn Reson Med Sci. 2023;22(4):487-95.
  36. Joo B et al. Amide proton transfer imaging might predict survival and IDH mutation status in high-grade glioma. Eur Radiol. 2019;29(12):6643-52.
  37. Zhang HW, Lin F. Research progress on amide proton transfer imaging in preoperative and postoperative glioma assessment. Curr Med Imaging. 2023;19(9):971-6.
  38. Lin G et al. Volumetric amide-proton-transfer weighted imaging histogram analysis to differentiate pediatric high-grade and low-grade gliomas. BMC Cancer. 2025;25(1):1392.
  39. Hao Z et al. AQP8 promotes glioma proliferation and growth, possibly through the ROS/PTEN/AKT signaling pathway. BMC Cancer. 2023;23(1):516.
  40. Knowles LM et al. Clotting promotes glioma growth and infiltration through activation of focal adhesion kinase. Cancer Res Commun. 2024;4(12):3124-36.
  41. Chawla S et al. Metabolic and physiologic magnetic resonance imaging in distinguishing true progression from pseudoprogression in patients with glioblastoma. NMR Biomed. 2022;35(7):e4719.
  42. Jen JP et al. Beyond T2-FLAIR mismatch sign in isocitrate dehydrogenase (IDH)-mutant 1p19q non-codeleted astrocytoma: analysis of tumor core and evolution with multiparametric magnetic resonance imaging. Neurooncol Adv. 2024;6(1):vdae065.
  43. Carrete LR, Young JS, Cha S. Advanced imaging techniques for newly diagnosed and recurrent gliomas. Front Neurosci. 2022;16:787755.
  44. Debiasi G et al. Magnetic susceptibility properties of tumor-associated cells imaged by MRI reveal glioblastoma infiltration in the edema region. Commun Med (Lond). 2025;5(1):487.
  45. Smits M. Imaging of oligodendroglioma. Br J Radiol. 2016;89(1060):20150857.
  46. Lee MD et al. Utility of percentage signal recovery and baseline signal in DSC-MRI optimized for relative CBV measurement for differentiating glioblastoma, lymphoma, metastasis, and meningioma. AJNR Am J Neuroradiol. 2019;40(9):1445-50.
  47. Stopa BM, Juhász C, Mittal S. Comparison of amino acid PET to advanced and emerging MRI techniques for neurooncology imaging: a systematic review of the recent studies. Mol Imaging. 2021;2021:8874078.
  48. Sartoretti E et al. Amide proton transfer weighted (APTw) imaging based radiomics allows for the differentiation of gliomas from metastases. Sci Rep. 2021;11(1):5506.
  49. Ikechukwu GC, Egba SI, Paul PC, Umeh VA. Artificial intelligence for public health surveillance: promises, pitfalls, and an ethics-equity roadmap for deployment. Disease Prevention and Epidemiology. 2026;1(1):22-39.

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

APT成像胶质瘤鉴别脑膜瘤诊断脑肿瘤成像化学交换饱和胶质瘤分级脑肿瘤MRI肿瘤蛋白含量