跳到主要内容
访问密钥 NCBI主页 MyNCBI主页 主要内容 主导航
麦格纳森医学。作者手稿；可在2013年8月12日的PMC中获得。
以最终编辑形式发布为：
麦格纳森医学院，2013年6月；69(6): 1721–1734.
2012年7月27日在线发布。 数字对象标识：10.1002/平方米24422
预防性维修识别码：项目经理3740769
美国国立卫生研究院：NIHMS499018标准
PMID：22847762

乳腺癌小鼠模型动态对比增强磁共振成像的再现性评估

斯蒂芬妮·巴恩斯,1,2 詹妮弗·惠森纳特（Jennifer G.Whisenat）,1,三 玛丽·E·无爱,1 格雷戈里·艾尔斯,4,5和托马斯·扬基洛夫1,2,三，5,6,7,8,*
作者信息 版权和许可信息 PMC免责声明

摘要

定量动态对比增强磁共振成像估计与组织血管和体积分数相关的参数；此外，曲线下的初始面积等半定量参数可以用来描述组织行为。本研究的目的是在小鼠乳腺癌模型中建立动态对比增强磁共振成像定量和半定量分析的重复性。对于每种动物T型1-使用加权梯度回波序列采集两组间隔5小时的动态对比度增强磁共振成像数据三(1282,n个=12）和0.2 mm三(642,n个=12）分辨率，并使用Tofts–Kety（估计K（K）反式和v（v）e（电子）)和延长托夫茨-凯蒂(K（K）反式,v（v）e（电子）、和v（v）第页)模型。对所有参数的中心切片和肿瘤总体积进行再现性分析。对于总体积分析K（K）反式0.073分钟–1在标准模型分析中，0.075 min–1在128的扩展模型分析中2收购。对于64位2采集，值为0.089和0.063 min–1分别针对标准模型和扩展模型。曲线下初始面积的重复性指数为0.0039 mM min，1282和642收购。

关键词：再现性，DCE-MRI，乳腺癌，小鼠

简介

近年来，定量成像生物标记物的开发取得了很大进展，例如，实体肿瘤对治疗的反应(1–11). 引起这种兴奋的两个主要原因是，与基于解剖变化的指标相比，新兴方法有可能对指示治疗反应的早期变化更敏感（例如，RECIST；Ref。12)以及为新疗法的临床前开发提供信息。因此，必须仔细评估与这些新兴方法相关的错误。动态对比度增强磁共振成像（DCE-MRI）是一种获得广泛认可的技术。

DCE-MRI涉及大量T型1-注射顺磁性对比剂前后的加权图像(13). 当造影剂到达特定的感兴趣区域（ROI）时，它会改变组织的自然松弛时间，在很大程度上取决于其浓度。因此，每个ROI将产生一个信号强度时间过程，然后可以使用参数（如曲线下的初始面积（iAUC））进行半定量分析，或者使用药代动力学模型进行定量分析，以估计与血管和组织体积分数特征等相关的参数。除了连续测量T型1-加权信号强度时间历程数据，定量DCE-MRI分析还需要(1)血浆中对比剂浓度的时间进程估计（动脉或血管输入功能，“AIF/VIF”）和(2)选择药代动力学模型来分析数据。在涉及小鼠的临床前研究中，DCE-MRI的情况下，表征AIF是出了名的困难，文献中只有少数例子可以实际测量AIF(14–18). 我们最近完成了一项研究，在小鼠癌症模型中，使用基于人群和个体的AIF，比较了DCE-MRI分析返回的药代动力学参数。我们确定，如果遵守严格的注射和鼠标处理协议，则可以使用群体AIF代替单个AIF，并引入可接受的错误（详细信息见参考文献。14). 这是这一结果的自然延伸，以确定这种技术的再现性，因为它将大大增加小动物DCE-MRI的实用性。本研究的总体目标是建立DCE-MRI在小鼠癌症模型中的再现性，以确定个体或群体在治疗前后必须看到的变化，从而宣布统计差异。我们使用标准和扩展的Tofts–Kety模型进行了此分析。此外，还对中心切片和整个肿瘤ROI进行了分析。最后，对中心切片和整个肿瘤体积的60s iAUC的再现性进行评估。虽然这已在临床环境中完成（参见参考文献。19–23)，临床前领域缺乏此类数据(24).

方法

肿瘤模型

抗曲妥珠单抗（即Herceptin®耐药，HR6）细胞是由医学博士Carlos Arteaga（范德比尔特大学）慷慨捐赠的。抗药性细胞系的建立细节已在别处介绍(25). 简而言之，BALB/c裸鼠在植入0.72 mg、60天释放的17β-雌二醇微丸（美国创新研究中心，佛罗里达州萨拉索塔）24小时后，在后肢皮下注射BT474乳腺癌细胞，然后接受每两周一次的曲妥珠单抗治疗方案。收集并处理那些在持续治疗下表现出完全反应并随后复发的肿瘤，形成HR6线。在这项工作中，HR6细胞在改良的最小基本培养基（Invitrogen，Carlsbad，CA2孵化器。此外，在培养环境中保持10μg/mL曲妥珠单抗以保持耐药性。

小鼠异种移植模型

15只4-6周龄的雌性裸鼠（印第安纳波利斯州哈兰市）通过25号针头（约10只）在右侧皮下注射7HR6细胞在1:10比例的生长因子诱导的Matrigel和改良的最小必需培养基中。植入0.72 mg、60天释放的17β-雌二醇颗粒（美国创新研究中心，萨拉索塔，佛罗里达州）后24小时进行细胞注射，并用2%/98%异氟醚/氧气混合物麻醉小鼠进行手术。每周通过卡尺测量监测肿瘤体积，一旦肿瘤体积达到约483±115（平均值±1.96×标准误差）mm三手术中植入了一个26 gauge的颈静脉导管，以便输送造影剂。所有动物程序均经本机构动物护理和使用委员会批准。

数据采集

所有成像均在Varian 7.0T MRI扫描仪上进行（Varian，Palo Alto，CA），并使用38毫米正交线圈。通过2%/98%异氟醚/氧气混合物诱导和维持麻醉。监测动物呼吸频率，并通过磁铁孔中的加热气流监测动物体温，并将其保持在32°C的外部温度。在扫描仪中定位动物后，使用快速自旋回波序列收集解剖图像，用于肿瘤ROI分割。然后使用反演恢复快照快速低角度激发梯度回波序列获取适合计算预处理的数据T型1地图(T型10). 利用七个反转时间（250、450、830、1500、2700、5000和10000 ms）和以下成像参数：脉冲重复时间（TR）\回波时间\α=12000 ms\3.01 ms（1282采集）或2.10 ms（642采集）\15°，激励次数=2，视野=28 mm2所使用的反转脉冲是一个绝热的非片层选择性脉冲。收集15个轴向切片，切片厚度为1 mm。图像的分辨率均为0.2 mm三（64×64采集矩阵）和0.05 mm三（128×128采集矩阵），以单独评估每个分辨率的再现性。DCE-MRI采集采用了我们之前开发的协议(14). 简言之，此次收购利用了T型1-加权梯度echo序列，用于在大约22分钟的成像时间内收集15个轴向切片（1-mm厚，交错）中每个切片的数据。扫描参数为：TR\echo time\α100 ms\3.03 ms（1282采集）或2.12 ms（642采集）\25°，激励次数=2，128次中的时间分辨率为25.6 s2采集和64中的12.8秒2收购。视野和采集矩阵与采集T型1地图。在基线数据收集大约3分钟后，通过颈静脉导管，通过自动注射器（马萨诸塞州霍利斯顿市哈佛仪器公司）以2.4 mL/min的速率，在3 s内注射0.05 mmol/kg Gd-DTPA。在重复扫描的间隔时间内，将动物从扫描仪中取出，并允许其在麻醉后恢复知觉。重复DCE扫描采集在128×128采集中平均间隔5.5（±0.73）h，在64×64采集中平均隔5.3（±1.55）h。

数据分析

构造T型10map，使用非线性最小二乘优化方法对反演恢复序列的数据进行拟合，以：

S公司（TI）=S公司0●（1−2经验（−TI∕T型1)+exp（−TR∕TI）
[1]

哪里S公司0是基线信号强度S公司（TI）是反转时间TI的信号强度T型10然后利用这些值来估计体素R（右）1从获取的信号强度时间过程中得到的时间过程(26). 随后使用标准Tofts–Kety模型估算药代动力学参数(27):

Ct吨(T型)=K（K）反式∫0T型C第页(u个)⋅经验(−(K（K）反式∕v（v）e（电子）)(T型−u个))d日u个,
[2]

或扩展的Tofts–Kety模型(13,28,29):

Ct吨(T型)=K（K）反式∫0T型C第页(u个)⋅经验(−K（K）反式∕v（v）e（电子）)(T型−u个)d日u个+v（v）第页⋅C第页(T型),
[3]

哪里Ct吨(T型)是组织室中CA浓度的时间过程，C第页(u个)是血浆中CA浓度的时间过程（AIF），K（K）反式是体积传递常数，v（v）e（电子）是血管外细胞外体积分数，以及v（v）第页是组织内的血管体积分数。在等式2和三,T型表示当前时间步长，以及u个是积分的变量。在这项工作中，使用了人群AIF进行分析(14).

对于每个数据集，利用解剖图像将肿瘤的整个体积定义为ROI。使用MATLAB 2010b（The MathWorks，Natick，MA）进行手动分割。两次扫描均在分割时进行查看，以确保重复扫描中分割体积之间的最大相关性。使用非线性最小二乘优化方案来拟合等式2和三信号强度时间进程，生成基于体素的值K（K）反式,v（v）e（电子）、和v（v）第页(等式3仅限）。如果拟合例程生成了K（K）反式值小于0.01 min–1或大于5分钟–1，一个v（v）e（电子）值小于0.01或大于1，并且在扩展分析的情况下v（v）第页值小于0.001或大于1，或如果v（v）e（电子）+v（v）第页大于1。然后计算剩余体素的ROI中值参数值，以用于再现性分析。对通过手动检查选择的肿瘤中心切片（通常与肿瘤ROI中具有最大体素数的切片相关）和肿瘤总体积进行再现性分析。

我们计算了K（K）反式和v（v）e（电子）标准模型和扩展模型估计的值。CCC评估数据相关性，同时考虑数据一致性；完美的相关性和一致性导致CCC值为1，而独立集的CCC值则为0。我们还计算了中心切片和总体积分析的标准模型和扩展模型的Akaike信息标准（AIC）。对于最小二乘分析，对小样本进行偏差校正的AIC计算如下：

AIC公司=n个∗自然对数(RSS（RSS）n个)+2k个+2k个(k个+1)n个−k个−1,
[4]

其中RSS是拟合模型的剩余平方和，n个是动态采集中的点数，以及k个是模型参数的数量。AIC是一种标准的统计度量，旨在选择最能平衡拟合优度与模型中自由参数数量的模型(30); 它以前曾用于DCE-MRI数据的评估(31–33). 计算每个模型的平均AIC。AIC最低的模型被认为是最节省的，因此是最适合数据的选择；然而，应该注意的是，AIC对模型的生理适宜性视而不见，必须单独考虑。

通过将先前建立的ROI转换为CA浓度曲线，对体素信号强度曲线进行iAUC分析。转换后，从曲线中减去平均基线（即注射前）浓度，以使数据正常化。然后通过梯形积分函数计算CA注射后60 s内浓度曲线下的面积。计算值小于0的体素被排除在分析之外。计算中心切片和肿瘤总体积的iAUC中值，并评估两种采集矩阵的再现性。

再现性统计

评估再现性的统计方法遵循Bland和Altman(34)由以前的作者实现(19). 这些方法依赖于数据正态分布且方差为常数的假设。在计算两次重复扫描中每一次ROI（中心切片或肿瘤体积）内的中位数参数值后，重复测量之间的差异，d日为每只小鼠计算。分布的正态性d日使用Shapiro–Wilk检验对总体上的每个参数进行了测试。Kendall’s tau检验用于估计重复扫描的差值幅度和平均参数值之间的相关性，Wilcoxon符号秩检验用于检验重复测量之间没有偏差的零假设。然后，感兴趣的再现性参数计算如下：

  1. 均方差值dsd计算为差值的标准偏差，d日:
    决策支持系统=∑d日2−(∑d日n个)2.
    [5]
    然后使用dsd计算95%置信区间（CI）：
    CI公司=±t吨⋅决策支持系统n个.
    [6]
    哪里t吨是否合适t吨-观察次数的统计。平均值的CI（不包括零）表示数据存在显著的统计偏差。
  2. 根据dsd计算受试者内标准偏差（wSD）：
    世界可持续发展组织=决策支持系统2.
    [7]
  3. 将wSD除以总体参数平均值得出受试者内变异系数（wCV）。wCV有助于比较不同平均值参数的动物特异性估计的精度。
  4. 重复性，第页，每个参数的计算方法如下：
    第页=2.77●水标准偏差
    [8]
    或者，相当于：
    第页=1.96×dsd。
    [9]
    该值定义了95%成对扫描中预期观察到的最大差异的大小；也就是说，个体扫描之间观察到的差异大于该值，则表明在5%水平上存在显著差异。

使用Microsoft Excel和MATLAB 2010b进行统计分析。

结果

图1和​和22显示128个标准和扩展模型分析的代表性像素2和642收购。左上面板显示T型2-加权解剖图像和其余三个面板显示了体素信号强度曲线及其相应的标准和扩展模型拟合。获取的体素信号值用黑点表示，标准模型拟合用灰色实线表示，扩展模型拟合用黑色虚线表示。每个图形右下角的数字对应于解剖图上的编号点。在所有情况下，标准模型和扩展模型的卡方值之间的差异小于3%，表明两个模型描述数据的能力非常相似。

保存图片、插图等的外部文件。对象名为nihms-499018-f0001.jpg

体素信号强度数据以及相关的标准和扩展模型适用于肿瘤内的不同位置。使用的数据集来自1282采集，曲线面板上的数字对应于左上方面板中肿瘤体积上的编号标记。标准模型拟合用灰色实线表示，扩展模型拟合用黑色虚线表示。

保存图片、插图等的外部文件。对象名称为nihms-499018-f0002.jpg

此图显示了64×64数据，对应于图1.

标准型号

12只动物被用于128只2收购和642分析。128次扫描中扫描1和扫描2的典型参数图2和642采集显示在图3和​和4，4分别为。两个图的排列方式都是扫描1数据位于左栏，扫描2数据位于中间栏。每个图形都有T型2-最上面一行的加权解剖图像K（K）反式中间行的参数映射和v（v）e（电子）底部的地图。在每个面板中，如果ROI内的体素参数值不在生理合理范围内（因此不用于再现性分析），则使用来自T型2图像。显示ROI中参数值分布的直方图见图3(1282)和​和44(642).图5包含每个参数的Bland–Altman图。中心切片分析的数据在前两列中给出，1282左栏中的收购和642右栏中的收购。总体积数据显示在最后两列中，128个2左侧采集和642右侧收购。对于中心切片分析K（K）反式和v（v）e（电子）0.16分钟–1128和0.482设置，0.22分钟–1对于64个2设置。对于总体积分析K（K）反式和v（v）e（电子）0.17分钟–1128和0.492设置，0.25分钟–1对于64个2设置。图中还包括人口的平均差值，用实心黑线表示。平均值的95%置信区间由虚线给出，所有参数的置信区间均为零。128个中心切片分析平均值的95%置信区间2采集为-0.0025至+0.0025分钟–1和–0.058至+0.012K（K）反式和v（v）e（电子），而64的值2采集时间为-0.021至+0.033分钟–1和–0.018至+0.046K（K）反式和v（v）e（电子）分别为。对于总体积分析，1282采集时间为-0.0021至+0.0027分钟–1和–0.070至+0.004K（K）反式和v（v）e（电子），而64的值2采集时间为-0.017至+0.041分钟–1和–0.015至+0.025K（K）反式和v（v）e（电子）分别为。重复性指数在图中显示为虚线，其大小为0.076 min–1和0.107用于K（K）反式和v（v）e（电子）分别针对1282采集用于中心切片分析，0.083分钟–1和0.099K（K）反式和v（v）e（电子）分别在642案例。在总体积分析中，重复性指数为0.073 min–1和0.113用于K（K）反式和v（v）e（电子）分别针对1282采集，0.089分钟–1和0.063K（K）反式和v（v）e（电子）分别在642案例。

保存图片、插图等的外部文件。对象名称为nihms-499018-f0003.jpg

128的代表性参数图和中心切片的对应直方图2测试-根据标准模型评估重新测试采集。在肿瘤ROI中计算参数值，并将其覆盖在T型2-加权解剖图像(a、 b条). 面板(c（c）)和(d日)演示K（K）反式扫描1和扫描2的值。面板(e（电子）)和(（f）)演示v（v）e（电子）分别对应于扫描1和扫描2的值。将图像中参数值超出可接受范围（见文本）的像素替换为相应的T型2灰度值。扫描之间观察到类似的参数模式和高低值的空间分布；右栏的柱状图显示了一致性的程度。顶部直方图表示K（K）反式扫描1（黑色条）和扫描2（灰色条）的值，而底部直方图显示的是v（v）e（电子）.[彩色图形可在在线期刊中查看，网址为wileyonlinelibrary.com.]

保存图片、插图等的外部文件。对象名为nihms-499018-f0004.jpg

64中中心切片的代表性参数图2由标准模型评估的再现性获取以及参数分布的相应直方图。每个面板中的数据与的128×128数据中显示的数据相对应图3和128年的情况一样2扫描之间观察到采集、相似的参数模式以及高值和低值的空间分布。右栏显示了证明参数一致程度的相应直方图。[可在在线期刊上查看彩色图片，网址为wileyonlinelibrary.com.]

保存图片、插图等的外部文件。对象名为nihms-499018-f0005.jpg

根据标准模型分析中扫描平均值绘制的两次扫描参数值之间的差异。图中显示了中心切片（左两列）和整个肿瘤体积分析（右两列）。对于每次分析，128个2采集在左栏中，而64位的数据2收购是正确的。在所有情况下，K（K）反式显示在顶行中，而v（v）e（电子）在底部。每次扫描的参数值计算为ROI内参数值的中位数。平均差值用实线表示，平均值上的95%置信区间用虚线表示。重复性值用虚线表示。文本中提供了每个参数的每个度量值及其解释。

标准模型分析的再现性统计数据如表所示表1用于中心切片分析和表2用于总量分析。对于除以下参数以外的所有参数K（K）反式（中心切片分析，642收购），分配d日与正常人无显著差异（夏皮罗-威尔克，P（P）> 0.05). 此外，我们检测到d日以及任何参数的两次重复测试的平均值（Kendall’s tau，P（P）> 0.05).表1和​和22包含平均参数值、平均差、平均精度（95%置信区间的1/2）、住院标准差（wSD）、住院变异系数（wCV）和每个参数的重复性指数的数据。平均差异的95%置信区间均为零，表明无偏再现性。对于中心切片分析和总体积分析，K（K）反式在128中的再现性更强2收购，而v（v）e（电子）64的重复性指数较低2收购。关于中心切片分析与总体积分析，再现性非常相似，两者之间没有明显差异。

表1

通过128的标准模型和扩展模型进行分析的中心切片再现性统计2收购（a和c）和642收购（b和d）

参数平均值平均差值95%置信区间（总体）世界可持续发展组织wCV（%）可重复性
（a） 128×128标准
    K（K）反式（最小值–1)0.156–0.0002± 0.0250.02717.60.076
    v（v）e（电子）0.482–10.023± 0.0350.03980.107
（b） 64×64标准
    K（K）反式（最小值–1)0.2160.006± 0.0270.03013.90.083
    v（v）e（电子）0.4910.014± 0.0320.0367.30.099
（c） 128×128扩展
    K（K）反式（最小值–1)0.115–0.006± 0.0170.02017.40.055
    v（v）e（电子）0.510–0.010± 0.0250.0285.60.079
    v（v）第页0.029–0.003± 0.0030.00411.80.010
（d） 64×64扩展
    K（K）反式（最小值–1)0.152–0.005± 0.0230.02516.60.070
    v（v）e（电子）0.5200.032± 0.0280.03160.087
    v（v）第页0.0220.0003± 0.0030.004170.010

表2

通过128个标准模型和扩展模型进行分析的总体积再现性统计2收购（a和c）和642收购（b和d）

参数平均值平均差值95%置信区间（总体）世界可持续发展组织wCV（%）可重复性
（a） 128×128标准
    K（K）反式（最小值–1)0.1680.003± 0.0240.02615.60.073
    v（v）e（电子）0.492–0.033± 0.0370.0418.30.113
（b） 64×64标准
    K（K）反式（最小值–1)0.2450.012± 0.0290.03213.20.089
    v（v）e（电子）0.5020.005± 0.0200.0234.50.063
（c） 128×128扩展
    K（K）反式（最小值–1)0.1280.010± 0.0240.02721.20.075
    v（v）e（电子）0.478–0.021± 0.0220.0255.20.069
    v（v）第页0.033–0.003± 0.0050.00515.70.014
（d） 64×64扩展
    K（K）反式（最小值–1)0.1690.003± 0.0200.02313.50.063
    v（v）e（电子）0.5270.017± 0.0300.0336.20.091
    v（v）第页0.024–0.001± 0.0020.0028.40.006

扩展模型

图中显示了128个扩展模型评估的代表性中心切片参数图2收购和642收购图6和​和7，7分别为。这些数字的排列类似于图3和​和4，4，但以下情况除外K（K）反式地图在最上面一行，v（v）e（电子）地图在中间一行，并且v（v）第页地图在最下面一行。与前面的图一样，如果扩展模型分配的ROI体素参数值超出指定范围K（K）反式和v（v）e（电子），体素在图像中由灰度表示T型2值。尽管我们在统计分析中排除了体素，如果v（v）第页<0.001，为了在标准模型和扩展模型结果之间进行视觉比较，我们对提供的所有体素进行了着色v（v）第页> 0. 请注意，总的来说K（K）反式和v（v）e（电子）标准模型和扩展模型估计的值。事实上，当只考虑0的体素时<v（v）第页<0.001，两者的CCC相同K（K）反式和v（v）e（电子）以及两个采集矩阵。当只有其中的体素v（v）第页>包括0.001，CCC降低至0.84K（K）反式和0.96v（v）e（电子）尽管这仍然表明两个模型返回的参数之间存在非常密切的关系。此外，为了比较标准模型和扩展模型在描述数据方面的适当性，我们计算了每个模型的AIC。在所有情况下，标准模型的AIC都低于扩展模型的AIC。我们在“讨论”部分回到这一重要点。

保存图片、插图等的外部文件。对象名为nihms-499018-f0006.jpg

该图显示了与图3，只有在这里，使用扩展模型进行动力学分析，以返回对K（K）反式,v（v）e（电子）、和v（v）第页.面板(一)和(b条)演示K（K）反式扫描1和扫描2的值。面板(c（c）)和(d日)演示c对应v（v）e（电子）扫描1和扫描2的值，而面板(e（电子）)和(（f）)显示相应的v（v）第页扫描1和扫描2的值。正如图3和​和4，4，参数值超出可接受范围的体素K（K）反式和v（v）e（电子）在图像中替换为相应的T型2灰度值。要与中提供的标准模型进行比较图3，我们包含了其中的体素v（v）第页>0（尽管只是v（v）第页>统计分析中包括0.001个值。扫描之间观察到类似的参数模式和高低值的空间分布；右栏所示的直方图显示了一致程度。顶部直方图表示K（K）反式扫描1（黑色条）和扫描2（灰色条）的值。中央面板显示了v（v）e（电子）对于扫描1（黑色条）和扫描2（灰色条），底部直方图给出了v（v）第页用于扫描1（黑色条）和扫描2（灰色条）。[可在在线期刊上查看彩色图片，网址为wileyonlinelibrary.com.]

保存图片、插图等的外部文件。对象名称为nihms-499018-f0007.jpg

每个面板中的数据对应于图6.参数值超出可接受范围的体素K（K）反式和v（v）e（电子）在图像中替换为相应的T型2灰度值。正如128×128图像中的情况一样，许多体素具有v（v）第页值小于0.001，并包含在图中。正如1282采集，相似的参数模式以及高值和低值的区域在扫描之间是可识别的；右栏所示的直方图显示了一致程度。[可在在线期刊上查看彩色图片，网址为wileyonlinelibrary.com.]

每个参数的Bland–Altman图如所示图8，左两列为中心切片分析结果，右两列为总体积分析结果。和以前一样，1282采集结果在左边，而64个2收购在右边。差异的总体平均值用实线表示，95%置信区间用虚线表示。在使用扩展模型的中心切片分析中，642分析，v（v）e（电子），具有显著不同于零的平均差异（Wilcoxon符号秩检验，P（P）<0.05）和不包括零的CI。其余参数未显示偏差（Wilcoxon符号秩检验，P（P）>0.05，CI包括零）。中心切片分析的95%CI值为-0.023至+0.011 min–1对于K（K）反式，–0.035至+0.015v（v）e（电子）和–0.006至0v（v）第页在1282采集，以及–0.028至0.018分钟–1对于K（K）反式，+0.004至+0.060v（v）e（电子）和–0.003至+0.003v（v）第页在642收购。在总体积分析中，95%CI值为-0.014至+0.034 min–1对于K（K）反式，-0.043至+0.001v（v）e（电子）和–0.008至+0.002v（v）第页在1282采集，以及–0.017至0.023分钟–1对于K（K）反式，-0.013至+0.047v（v）e（电子）和–0.003至+0.001v（v）第页在642收购。每个参数的重复性指数由虚线表示。重复性值为0.055 min–1、0.079和0.010K（K）反式,v（v）e（电子）、和v（v）第页分别在128个2中心切片分析案例，0.070 min–1，0.087和0.010用于K（K）反式,v（v）e（电子）、和v（v）第页，分别在642情况下，而总体积分析的重复性值为0.075 min–1、0.069和0.014K（K）反式,v（v）e（电子）、和v（v）第页分别在128个2中心切片分析，0.063 min–1、0.091和0.006K（K）反式,v（v）e（电子）、和v（v）第页分别在642案例。

保存图片、插图等的外部文件。对象名为nihms-499018-f0008.jpg

该图显示了的扩展模型版本图5。两次扫描的参数值与扩展模型分析中扫描的平均值之间的差异。显示了中心切片分析（左两列）和总体积分析（右两列）的绘图。对于每次分析，128个2采集位于左列，而64位的数据2收购是正确的。在所有情况下，K（K）反式显示在顶行中，v（v）e（电子）在中间一行，并且v（v）第页在最下面一行。每次扫描的参数值计算为ROI内参数值的中位数。平均差值用实线表示，平均值上的95%置信区间用虚线表示。重复性值用虚线表示。文本中提供了每个参数的每个度量值及其解释。

扩展模型分析的再现性统计数据汇编于表1和​和2。2三个参数显示了潜在的非正态分布（Shapiro–Wilk，P（P）< 0.05):v（v）第页128的中心切片分析2收购，v（v）e（电子）64的中心切片分析2收购，以及K（K）反式在128的总体积分析中2收购。对于其余参数，不能拒绝正态性假设（Shapiro–Wilk，P（P）> 0.05). 没有参数与d日和成对值的平均值（Kendall’s tau，P（P）> 0.05). 128的平均值2采集0.12分钟–1、0.51和0.029K（K）反式,v（v）e（电子）、和v（v）第页分别在中心切片分析和0.13分钟–1，0.48和0.033K（K）反式,v（v）e（电子）、和v（v）第页分别在总量分析中。64的平均值2中心切片分析的采集时间为0.15分钟–1对于K（K）反式，0.52用于v（v）e（电子）和0.022用于v（v）第页对于64个2采集，平均值为0.17 min–1对于K（K）反式，0.53用于v（v）e（电子）和0.024用于v（v）第页表中还列出了每个参数的平均差值、精度（95%置信区间的1/2）、wSD、wCV和重复性。对于标准模型，扩展模型的中心切片分析和肿瘤总体积分析之间没有明显差异。同样，1282收购和642对于所有参数，采集具有非常可比较的重复性指数。

国际AUC

iAUC分析的Bland–Altman图如所示图9。结果显示为128的中心切片分析2采集（左上面板）和642采集（右上角面板）以及128例患者的肿瘤总体积分析2采集（左下面板）和642采集（右下面板）。差异的总体平均值用实线表示，95%置信区间用虚线表示。对于1282分析中，中心切片分析的95%置信区间为-0.0021至+0.0013 mM min，总肿瘤体积分析的95%可信区间为-0.0012至0.0014 mM min。对于64位2采集时，中心切片分析的95%CI值为-0.0019至+0.0009 mM min，总肿瘤体积分析为-0.0015至+0.0011 mM min。

保存图片、插图等的外部文件。对象名为nihms-499018-f0009.jpg

两次扫描的参数值与iAUC分析的两次扫描平均值之间的差异。128的数据2采集显示在左列中，而642收购情况如右图所示。顶部两个面板显示了中心切片分析的结果，而底部两个面板则显示了总体积分析。

iAUC的再现性统计数据见表3在所有情况下，常态假设都不能被拒绝（夏皮罗-威尔克，P（P）>0.05），并且没有参数与d日和成对值的平均值（Kendall’s tau，P（P）> 0.05). 128的iAUC平均中值2采集对于中心切片分析为0.013mM分钟，对于总肿瘤体积分析为0.015mM分钟。64的平均值2中心切片分析和肿瘤总体积分析的采集时间分别为0.012和0.014 mM min。128的重复性指数为0.0051 mM min2采集和0.0043 mM min2采集用于中心切片分析，0.0039 mM min用于1282采集和0.0042 mM min2肿瘤总体积分析中的采集。同样，两个不同采集矩阵的再现性参数非常相似。

表3

iAUC分析的中心切片和总体积再现性统计

参数平均值平均差值95%置信区间（总体）世界可持续发展组织wCV（%）可重复性
（a） 128×128
中心切片（mM min）0.0130–0.0004± 0.00170.001914.20.0051
总体积（mM min）0.01500.0001± 0.00130.00149.50.0039
（b） 64×64
中心切片（mM min）0.0116–0.0005± 0.00140.001613.40.0043
总体积（mM min）0.0137–0.0002± 0.00130.0015110.0042

讨论

我们选择了类似于Galbraith等人所概述的方法来计算群体和个人统计数据(19)，基于布兰德和奥特曼定义的再现性统计(34). 该分析提供的统计数据允许比较参数之间的再现性，并通过量化个体扫描之间预期观察到的最大差异来定义可重复性的范围。此外，平均差异的95%置信区间揭示了在同一个人的重复测量中是否存在具有统计意义的系统偏差（例如，测量顺序很重要）。根据我们在表1（中心切片分析）和表2（肿瘤总体积分析），我们需要看到-0.025到+0.025分钟的变化–1对于K（K）反式在128的标准型号中2中心切片的分辨率表示显著变化。同样，对于整个肿瘤分析，-0.0021到+0.027分钟的变化–1对于K（K）反式需要在一组中观察以表示重要性。其他参数的结果也有类似的解释。在这项工作中，我们检测到在v（v）e（电子）64的中心切片分析2通过扩展模型进行适当的收购。在这种情况下，第一个测量值往往高于第二个。此外，对于四个参数，我们发现种群可能不是正态分布的（Shapiro–Wilk，P（P）< 0.05). 然而，这里实施的分析在显著性测试中是保守的。对于本实验，如果我们控制1型误差并应用Holm–Bonferroni方法，数据既不会显示出显著的系统偏差，也不会拒绝正态性假设。重复性值指数表明个体的参数值变化将被视为异常值或罕见事件，因为95%的个体参数值应在这些限制范围内。对于标准模型分析，分辨率为1282对于中心切片分析，值为0.076 min–1为计算K（K）反式在总体积分析中K（K）反式0.073分钟–1关于iAUC数据，128的重复性指数2中心切片和总体积分析的采集时间分别为0.0051和0.0039 mM min。对于64位2采集时，中心切片和总体积分析的重复性指数分别为0.0043和0.0042 mM min。其他参数的结果以类似的方式解释。

总的来说，标准模型分析和扩展模型分析之间有相当大的一致性。具体而言，CCCK（K）反式和v（v）e（电子）对于具有v（v）第页值小于0.001和0.84(K（K）反式)和0.96(v（v）e（电子）)当体素具有v（v）第页大于0.001。图中显示的体素拟合进一步表明了这一点图1和​和2；2; 在这些图的所有面板中，标准和扩展模型几乎完全符合叠加，再次显示了两个模型之间的参数一致性（对于两个模型共用的两个参数，K（K）反式和v（v）e（电子）). 因此，标准模型的AIC计算一致低于扩展模型的AIC计算并不奇怪（因为AIC包含了对附加模型参数的惩罚），从而表明标准模型对于这些数据集是最简约的。大多数体素具有非常低（如果不接近0）的v（v）第页肿瘤模型中明显缺乏血管也可归因于成像方案的局限性；具体来说，就是造影剂的团注。尽管在所有研究中，造影剂注射都是通过自动注射器均匀进行的，但考虑到小鼠的小血容量（~2 mL）和DCE采集协议中时间离散化的相对粗糙度等混杂因素，可能会在数据中丢失第一次造影剂注射，从而限制了扩展模型描述这些数据集的能力。然而，在那些体素中v（v）第页>0.001扩展模型的统计数据是有效的，并提供了一些急需的数据，说明扩展模型在小鼠癌症模型中的再现性。特别是，当将扩展模型应用于在整个肿瘤中显示高血容量的小鼠癌症系统时，这些数据应该有一定的用处。在实践中，我们建议使用这两种模型分析DCE-MRI数据集，并使用AIC（或其他合适的度量）来确定哪种方法适合于所调查的特定动物系统。

据我们所知，这是首次尝试量化DCE-MRI在小鼠癌症模型中的再现性的研究，因此没有可用数据可以直接比较这些结果。McGrath等人的工作提供了关于癌症大鼠模型中扩展模型分析再现性的数据，从而提供了与本文所述工作最具可比性的数据(24). 对于AIF人群，作者发现平均差异为3.57%K（K）反式，3.58%v（v）e（电子）和–26.22%v（v）第页此外，95%的CI约为–10%至20%K（K）反式，-8%至15%v（v）e（电子），60%至5%v（v）第页这些数据与我们对128个样本的中心切片分析最具可比性2收购。在我们的工作中，平均差异（作为平均参数值的百分比）为-5.4%K（K）反式，-2.0%v（v）e（电子）和–10.3%v（v）第页，95%CI（同样是平均参数值的百分比）为-20.4至9.6%K（K）反式，-6.8%至2.8%v（v）e（电子）和–20.5%至0%v（v）第页因此，这里给出的结果与McGrath等人提出的结果非常相似(24). 就临床数据而言，考虑到实验设计差异带来的局限性，很难将这项工作与人体研究直接进行比较。然而，Galbraith等人的工作在标准模型分析中提供了一组人类再现性数据，我们通常可以将结果与之进行比较(19). 作者发现95%的CI为–14到+16%K（K）反式±6%v（v）e（电子）。对于K（K）反式和24%（作为平均参数值的百分比）v（v）e（电子）结果与我们对64个样本的中心切片分析最具可比性2收购；这里，我们发现的CI为±13%K（K）反式±7%v（v）e（电子），重复性指数为平均参数的38%K（K）反式20%用于v（v）e（电子）因此，本文给出的结果与Galbraith等人的研究结果相当(19)

尽管我们试图尽可能一致地进行这项研究，但它也并非没有局限性。也许最突出的问题是，我们并没有在扫描之间精确地比较同一部分组织。我们选择在扫描之间移除动物，以模拟治疗研究期间动物的重新定位，从而使我们能够根据治疗研究中预期看到的情况生成再现性统计数据。此外，允许动物恢复可以消除麻醉5小时期间可能出现的任何生理应激。然而，这也意味着，由于重新定位错误，第一次扫描与第二次扫描中研究的组织ROI之间存在细微差异。我们预计与重新定位相关的误差会降低扫描的再现性（或有效地增加重复性值的大小）。该工作的第二个限制是使用人口AIF进行数据分析。由于在小鼠受试者中尝试获得个体AIF存在困难，因此使用群体AIF非常实用。虽然我们使用的人群AIF是经过严格获取和研究的(14)，由于动物生理学的细微变化，它的使用仍然会带来错误。

结论

定量成像生物标记物比目前宏观驱动的解剖评估方法更有可能对肿瘤微环境中早期治疗驱动的变化更敏感。然而，在此类定量技术（如DCE-MRI）可用于治疗疗效的临床前或临床研究之前，必须评估其再现性。目前的研究重点是利用HER2+乳腺癌小鼠模型评估DCE-MRI在临床前环境中的再现性。结果提供的数值定义了定量和半定量参数的各种分析方案中个体和群体分析的显著变化。因此，这项工作为进一步研究使用DCE-MRI评估治疗反应奠定了基础。

致谢

作者感谢Daniel Colvin博士在MR成像技术方面的帮助，以及Jarrod True先生和Carlo Malabanon先生在动物护理方面的专家帮助。

资助方：国家癌症研究所；批准号：R01CA138599、R25CA092043、P30 CA68485。

参考文献

1Lemasson B、Christen T、Tizon X等。人类胶质瘤模型多参数MRI评估，以监测细胞毒和抗血管生成药物的作用。核磁共振生物识别。2011;24:473–482. [PMC免费文章][公共医学][谷歌学者]
2Wang H，Cona MM，Chen F，Yu J，Feng Y，Li J，de Keyzer F，Marchal G，Ni Y.用多参数磁共振成像生物标记物比较两种血管分裂剂在啮齿类肝肿瘤中的临床相关剂量。抗癌药物。2012;23:12–21.[公共医学][谷歌学者]
三。O'Connor JPB、Rose CJ、Jackson A等。肿瘤异质性的DCE-MRI生物标记物预测贝伐单抗和FOLFOX-6治疗后CRC肝转移缩小。英国癌症杂志。2011;105:139–145. [PMC免费文章][公共医学][谷歌学者]
4Ah-See M，Makris A，Taylor NJ等。功能性动态磁共振成像的早期变化预测原发性乳腺癌新辅助化疗的病理反应。临床癌症研究。2008;14:6580–6589.[公共医学][谷歌学者]
5Kelly RJ、Rajan A、Force J等。接受索拉非尼治疗的晚期非小细胞肺癌患者的KRAS突变、血管生成生物标记物和DCE-MRI评估。临床癌症研究。2011;17:1190–1199. [PMC免费文章][公共医学][谷歌学者]
6Shah C、Miller TW、Wyatt SK等。成像生物标记物预测临床前乳腺癌模型中抗HER2（ErbB2）治疗的反应。临床癌症研究。2009;15:4712–4721. [PMC免费文章][公共医学][谷歌学者]
7Sharma U、Danishad KKA、Seenu V、Jagannathan NR。通过MRI和扩散加权成像评估接受新辅助化疗的局部晚期乳腺癌患者的肿瘤反应的纵向研究。核磁共振生物识别。2009;22:104–113.[公共医学][谷歌学者]
8Yang M，Gao H，Yan Y，Sun X，Chen K，Quan Q，Lang L，Kiesewetter D，Niu G，Chen X.酪氨酸激酶抑制剂ZD4190早期反应的PET成像。Eur J Nucl Med Mol成像。2011;38:1237–1247. [PMC免费文章][公共医学][谷歌学者]
9.Pope WB，Kim HJ，Huo J等。复发性多形性胶质母细胞瘤：ADC直方图分析预测对贝伐单抗治疗的反应。放射学。2009;252:182–189.[公共医学][谷歌学者]
10Li SP、Makris A、Beresford MJ、Taylor NJ、Ah-See M、Stirling JJ、d'Arcy JA、Collins DJ、Kozarski R、Padhani AR。使用动态增强磁共振成像预测接受新辅助化疗的原发性乳腺癌患者的生存率。放射学。2011;260:68–78.[公共医学][谷歌学者]
11Loveless ME、Lawson D、Collins M、Nadella MV、Reimer C、Hussar D、Halliday J、Waterton JC、Gore JC、Yankeelov TE。使用DCE-MRI、DW-MRI和组织学方法比较Jak1/2抑制剂（AZD1480）和血管内皮生长因子信号抑制剂（cediranib）以及假手术对小鼠肿瘤的疗效。肿瘤。2012;14:54–64. [PMC免费文章][公共医学][谷歌学者]
12Eisenhauer E、Therasse P、Boggaerts J等。实体肿瘤的新反应评估标准：修订的RECIST指南（1.1版）。《欧洲癌症杂志》。2009;45:228–247.[公共医学][谷歌学者]
13扬基洛夫·TE，戈尔·JC。肿瘤学中的动态对比增强磁共振成像：理论、数据、采集、分析和示例。当前医学成像版次。2007;三:91–107. [PMC免费文章][公共医学][谷歌学者]
14Loveless M，Halliday J，Liess C，Xu L，Dortch R，Whisenat J，Water-ton J，Gore J，Yankeelov T。个体与群体源性血管输入功能对小动物动态对比增强MRI影响的定量比较。麦格纳森医学。2012;67:226–236. [PMC免费文章][公共医学][谷歌学者]
15Pickup S，Zhou R，Glickson J.小鼠动脉输入功能的MRI评估。Acad Radiol公司。2003;10:963–968.[公共医学][谷歌学者]
16Zhou R、Pickup S、Yankeelov TE、Springer J、C S、Glickson JD。通过动态对比增强成像同步测量小鼠动脉输入功能和肿瘤药代动力学：跨细胞膜水交换的影响。麦格纳森医学。2004;52:248–257.[公共医学][谷歌学者]
17Checkley D、Tessier JJL、Wedge SR、Dukes M、Kendrew J、Curry B、Middleton B、Waterton JC。VEGF信号抑制剂ZD4190在人类肿瘤异种移植中诱导的血管变化的动态增强MRI。麦格纳森成像。2003;21:475–482.[公共医学][谷歌学者]
18Heilmann M、Walczak C、Vautier J、Dimicoli J-L、Thomas CD、Lupu M、Mispelter J、Volk A.同步动态T1和T2*在小鼠肿瘤模型中结合DCE MRI进行AIF评估的测量。Magn Reson Mater Phys生物医学。2007;20:193–203.[公共医学][谷歌学者]
19Galbraith SM、Lodge MA、Taylor NJ、Rustin GJS、Bentzen S、Stirling JJ、Padhani AR。人体肌肉和肿瘤动态对比增强MRI的再现性：定量和半定量分析的比较。核磁共振生物识别。2002;15:132–142.[公共医学][谷歌学者]
20Padhani AR，Hayes C，Landau S，Leach MO.定量动态MRI或正常人体组织的再现性。核磁共振生物识别。2001;15:143–153.[公共医学][谷歌学者]
21Jackson A、Jayson GC、Li KL、Zhu XP、Checkley DR、Tessier JJL、Waterton JC。定量动态增强MRI在新发胶质瘤中的再现性。英国无线电杂志。2003;76:153–162.[公共医学][谷歌学者]
22Morgan B、Utting JF、Higginson A、Thomas AL、Steward WP、Horsfield MA。使用动态对比增强磁共振成像监测肿瘤治疗的简单、可重复的方法。英国癌症杂志。2006;94:1420–1427. [PMC免费文章][公共医学][谷歌学者]
23Laarhoven HWM、Rijpkema M、Punt CJA、Ruers TJ、Hendriks JCM、Barentsz JO、Heerschap A.大肠肝转移瘤动态MRI造影剂摄取定量方法。J Magn Reson成像。2003;18:315–320.[公共医学][谷歌学者]
24McGrath DM、Bradley DP、Tessier JL、Lacey T、Taylor CJ、Parker GJM。荷瘤大鼠动态增强MRI基于模型的动脉输入功能的比较。Magn Reson Med.公司。2009;61:1173–1184.[公共医学][谷歌学者]
25Ritter CA、Perez-Torres M、Rinehart C、Guix M、Dugger T、Engelman JA、Arteaga CL。体内对曲妥珠单抗产生耐药性的人乳腺癌细胞过度表达表皮生长因子受体和ErbB配体，并且仍然依赖于ErbB受体网络。临床癌症研究。2007;13:4909–4919.[公共医学][谷歌学者]
26Landis C、Li X、Telang F、Coderre J、Micca P、Rooney W、Latour L、Vetek G、Palyka I，Jr、Springer CS。大剂量注射后体内MRI对比剂浓度时间过程的测定：平衡跨细胞膜水交换的影响。麦格纳森医学。2000;44:563–574.[公共医学][谷歌学者]
27Tofts PS、Brix G、Buckley DL等，从动态对比增强T估算动力学参数1-扩散示踪剂的加权MRI：标准化数量和符号。J Magn Reson成像。1999;10:223–232.[公共医学][谷歌学者]
28Daldrup H，Shames D，Wendland M，Okuhata Y，Link T，Rosenau W，Lu Y，Brasch R。动态增强磁共振成像与组织学肿瘤分级的相关性：大分子和小分子对比剂的比较。Am J伦琴诺。1998;171:941–949.[公共医学][谷歌学者]
29de Lussanet Q，Beets-Tan R，Backes W，van der Schaft D，van Engels-hoven J，Mayo K，Griffeen A.在1.5特斯拉用钆喷酸二甲葡胺进行动态对比增强磁共振成像，以评估anginex对小鼠的血管抑制作用。《欧洲癌症杂志》。2004;40:1262–1268.[公共医学][谷歌学者]
30Akaike H.统计模型识别的新视角。IEEE Trans自动控制。1974;19:716–723. [谷歌学者]
31Naish JH、Kershaw LE、Buckley DL、Jackson A、Waterton JC、Parker GJM。使用T1加权动态增强MRI对肺部造影剂动力学进行建模。麦格纳森医学。2009;61:1507–1514.[公共医学][谷歌学者]
32Brix G，Zwick S，Kiessling F，Griebel J.使用嵌套模型进行组织微循环药代动力学分析：多模态推断和参数可识别性。医学物理学。2009;36:2923–2933. [PMC免费文章][公共医学][谷歌学者]
33Li X，Welch EB，Chakravarthy AB，等。人类乳腺癌动态增强MRI药代动力学模型的统计比较。Magn Reson Med.公司。2012;68:261–271. [PMC免费文章][公共医学][谷歌学者]
34Bland JM、Altman DG。方法比较研究中的测量一致性。统计方法医学研究。1999;8:135–160.[公共医学][谷歌学者]