基于磁共振弹性成像的肝纤维化早期诊断三维数字模型
Summary
本研究的目的是开发一种用于肝纤维化早期诊断的新型三维数字模型，该模型包括患者肝脏中每个体素的硬度，因此可用于计算患者肝脏在不同纤维化阶段的分布比例。
Abstract
肝纤维化是肝硬化的早期阶段，没有更好的非侵入性和便捷的方法来检测和评估该疾病。尽管基于磁共振弹性成像 （MRE） 的肝脏硬度图 （LSM） 取得了良好的进展，但仍有一些局限性需要克服，包括手动确定焦点、手动选择感兴趣区域 （ROI） 以及没有结构信息的不连续 LSM 数据，这使得无法评估整个肝脏。在这项研究中，我们提出了一种基于MRE的肝纤维化早期诊断的新型三维（3D）数字模型。
MRE是一种非侵入性成像技术，它采用磁共振成像（MRI）通过人机交互测量扫描部位的肝脏硬度。研究表明，通过MRE获得的LSM与肝纤维化程度之间存在显著的正相关关系。然而，出于临床目的，有必要对肝纤维化的程度进行全面和精确的量化。针对这一问题，本研究提出了肝脏硬度分布（LSD）的概念，即通过3D肝组织图像与MRE指标对齐得到的每个肝脏体素的3D硬度体积。这为肝纤维化的诊断和治疗提供了更有效的临床工具。
Introduction
肝纤维化是指肝脏中形成过多的瘢痕组织，通常是由于肝损伤或疾病1,2,3,4。它经常由慢性肝损伤引起，通常与肝脏疾病有关，例如慢性病毒性肝炎、非酒精性脂肪性肝病和酒精性肝病。如果不及时治疗，肝纤维化会发展为肝硬化，这是一种可能危及生命的疾病，与严重的发病率和死亡率有关。
该领域的积极研究旨在阐明肝纤维化发病机制的细胞和分子机制，并开发新的诊断和治疗策略以改善患者的预后。另一个目标是肝纤维化阶段的无创检测，这是与疾病诊断、治疗选择和预后评估直接相关的一个关键方面。尽管准确诊断和监测肝纤维化很重要，但传统的诊断方法（如肝活检）具有侵入性且具有重大风险。相比之下，磁共振弹性成像 5,6 （MRE） 是一种很有前途的非侵入性成像技术，已通过量化肝脏硬度在诊断和监测肝纤维化方面显示出潜力。
近年来，有大量研究集中在评估MRE在肝纤维化诊断中的准确性和可靠性，以及其相对于传统诊断方法的潜在优势。MRE的肝脏硬度指标已获得美国食品药品监督管理局（FDA）的临床诊断批准，并在临床实践中与病理结果进行了广泛的对比分析。结果表明，MRE生成的硬度图与肝纤维化的各个阶段呈强正相关7、8、9、10、11、12。然而，到目前为止，通过将肝脏结构图像与MRE相匹配，通过对肝脏硬度分布（LSD）进行定量分析来准确评估和跟踪患者肝纤维化进展的工作尚未取得太大进展。
本研究引入医学影像组分析技术13、14、15，实现肝脏结构图像与MRE生成的三维空间刚度图的精确对齐，从而能够计算整个肝脏每个体素的肝脏硬度值。基于LSD的3D数字模型，可以计算和评估患者特异性肝纤维化分期的确切分布。这为早期肝纤维化的精准定量诊断奠定了坚实的基础。
Protocol
Representative Results
Discussion
在临床实践中，准确量化和跟踪早期肝纤维化患者的病情具有挑战性。 图9 所示的比较充分反映了患者与健康肝脏相比的肝纤维化程度;当然，这个数字也可以是患者两个不同时期的比较，用于评估治疗效果。这种精确的定量方法是本研究的核心关键步骤。此外，图 5 和 图6 所示的LSD三维体积的计算方法可以准确定位患者肝脏中纤…
Disclosures
The authors have nothing to disclose.
Acknowledgements
该出版物由国家中医药管理局组织的第五届全国中医药临床优秀人才研究计划资助。官方网络链接是’http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html.’
Materials
| MATLAB | MathWorks | 2022B | Computing and visualization |
| Mimics | Materialise | Mimics Research V20 | Model format transformation |
| Tools for 3D_LSD | Intelligent Entropy | HepaticFibrosis V1.0 | Beijing Intelligent Entropy Science & Technology Co Ltd. Modeling for CT/MRI fusion |
References
- Henderson, N. C., Rieder, F., Wynn, T. A. Fibrosis: from mechanisms to medicines. Nature. 587 (7835), 555-566 (2020).
- Parola, M., Pinzani, M. Liver fibrosis: Pathophysiology, pathogenetic targets and clinical issues. Molecular Aspects of Medicine. 65, 37-55 (2019).
- Ramachandran, P., et al. Resolving the fibrotic niche of human liver cirrhosis at single-cell level. Nature. 575 (7783), 512-518 (2019).
- Stefan, N., Häring, H. -. U., Cusi, K. Non-alcoholic fatty liver disease: causes, diagnosis, cardiometabolic consequences, and treatment strategies. The Lancet. Diabetes & Endocrinology. 7 (4), 313-324 (2019).
- Castera, L., Friedrich-Rust, M., Loomba, R. Noninvasive assessment of liver disease in patients with nonalcoholic fatty liver disease. Gastroenterology. 156 (5), 1264.e4-1281.e4 (2019).
- Godoy-Matos, A. F., Silva Júnior, W. S., Valerio, C. M. NAFLD as a continuum: from obesity to metabolic syndrome and diabetes. Diabetology & Metabolic Syndrome. 12 (1), 1-20 (2020).
- Venkatesh, S. K., Xu, S., Tai, D., Yu, H., Wee, A. Correlation of MR elastography with morphometric quantification of liver fibrosis (Fibro-C-Index) in chronic hepatitis B. Magnetic Resonance in Medicine. 72 (4), 1123-1129 (2014).
- Yin, M., et al. Assessment of hepatic fibrosis with magnetic resonance elastography. Clinical Gastroenterology and Hepatology. 5 (10), 1207-1213 (2007).
- Venkatesh, S. K., Wang, G., Lim, S. G., Wee, A. Magnetic resonance elastography for the detection and staging of liver fibrosis in chronic hepatitis B. European Radiology. 24, 70-78 (2014).
- Ichikawa, S., et al. Magnetic resonance elastography for staging liver fibrosis in chronic hepatitis C. Magnetic Resonance in Medical Sciences. 11 (4), 291-297 (2012).
- Chen, J., et al. Early detection of nonalcoholic steatohepatitis in patients with nonalcoholic fatty liver disease by using MR elastography. Radiology. 259 (3), 749-756 (2011).
- Singh, S., et al. Diagnostic performance of magnetic resonance elastography in staging liver fibrosis: a systematic review and meta-analysis of individual participant data. Clinical Gastroenterology and Hepatology. 13 (3), 440.e6-451.e6 (2015).
- Ferro, M., et al. Radiomics in prostate cancer: an up-to-date review. Therapeutic Advances in Urology. 14, 17562872221109020 (2022).
- Nam, D., Chapiro, J., Paradis, V., Seraphin, T. P., Kather, J. N. Artificial intelligence in liver diseases: Improving diagnostics, prognostics and response prediction. JHEP Reports. 4 (4), 100443 (2022).
- Wu, Y. -. J., Wu, F. -. Z., Yang, S. -. C., Tang, E. -. K., Liang, C. -. H. Radiomics in early lung cancer diagnosis: from diagnosis to clinical decision support and education. Diagnostics. 12 (5), 1064 (2022).
