Dynamic Contrast-Enhanced MRI in the Evaluation of Soft Tissue Tumors and Tumor-Like Lesions: Technical Principles and Clinical Applications.

惡性軟組織腫瘤因血管新生豐富，直覺上其細胞外間隙應隨之擴大，但實際上其細胞外血管外間隙體積比例（Ve）反而普遍低於良性腫瘤，且良性黏液瘤的容積轉移常數（Ktrans）可低至 0.04 min-1，遠低於惡性黏液肉瘤的 0.3 min-1。單憑傳統 T2 訊號或擴散受限往往難以區分這些富含水分的病灶，利用高時間解析度動態對比增強掃描抽取出定量參數，才是真正打破良惡性影像重疊地帶的關鍵武器。

突破軟組織腫瘤重疊影像的超快速動態造影

面對軟組織腫瘤千變萬化的解剖表現，2020 年世界衛生組織（WHO）雖然將其分為良性、中度惡性與惡性，但許多病灶並未被完全歸類，使得常規判讀面臨極大挑戰。傳統的磁振造影即使加上對比劑，也往往只能提供型態學上的資訊；對於富含水分或黏液成分的病灶，擴散張量造影（DWI）的表觀擴散係數（ADC）亦常出現重疊，難以直接判斷良惡性。為了解決這個診斷瓶頸，研究團隊把焦點轉向 DCE-MRI（用磁振連續造影捕捉顯影劑進出組織的速度），試圖從血流動力學的角度，尋找更客觀的定量指標。

要抓到轉瞬即逝的動脈相早期顯影，造影協定必須高度標準化。作者建議的標準流程包含：掃描前先利用可變翻轉角法取得病灶的 T1 原始映射圖（T1 mapping），做為後續將訊號強度轉換為釓對比劑絕對濃度的基準。接著以每秒 2 到 3 毫升的流速，使用動力注射器快速打入標準劑量（通常為 0.1 mmol/kg）的釓對比劑，並緊接生理食鹽水沖洗。這段期間，必須利用脂肪抑制的三維 T1 梯度回波序列進行掃描。為了避免錯失早期的造影劑流入階段與後期的洗出階段，整段動態掃描必須持續 5 到 6 分鐘，且時間解析度需壓縮到 5 到 10 秒內。透過壓縮感測（compressed sensing）或平行造影等加速技術達成的超快速動態掃描，不僅保有了空間解析度，更大幅提升了捕捉腫瘤微循環特徵的敏銳度。

高血流軟組織病灶的藥物動力學模型與參數

從定量分析的視角來看，將時間強度曲線轉換為具有生理意義的數字，需要仰賴嚴謹的藥物動力學模型。醫學界最普遍被接受的是 Tofts model（估算顯影劑在微血管與組織間進出速率的數學模型）。這套單腔室模型能計算出兩個關鍵參數：Ktrans（反映微血管通透性與血流量的容積轉移常數）與 Ve（反映組織內空隙大小的細胞外血管外間隙體積比例）。Ktrans 數值越高，通常代表腫瘤組織內的血管增生越活躍、微血管壁越容易滲漏，這正是高惡性度腫瘤的典型特徵。相對地，Ve 值代表了組織內細胞外基質的空間佔比；惡性腫瘤往往因細胞異常增生且排列緊密，壓縮了細胞外的間隙，導致其 Ve 值反而可能低於基質豐富的良性腫瘤。此外，Kep（反映顯影劑從組織流回血管的速度的速率常數）也是一項重要指標，由 Ktrans 除以 Ve 計算而得；高 Kep 值意味著顯影劑在組織內快速交換並洗出，常與高度細胞化及豐富血管網的惡性腫瘤相關。

然而，當遇到血流極度充沛的軟組織腫瘤時，單純的 Tofts 模型可能會因忽略了血管內的對比劑訊號而產生誤差。此時必須改用延伸版 Tofts 模型，額外加入 Vp（量測血管內血漿體積比例的參數），才能更精確地校正高血流病灶的參數估算。更進階的分析甚至會採用 DP model（可將血流與血管通透性分開計算的分散式參數模型），進一步導入平均過渡時間來獨立量化血流與通透性，減少因腫瘤微環境改變而帶來的干擾。值得注意的是，這些模型的準確度極度仰賴動脈輸入函數（AIF）的設定。軟組織腫瘤散佈於全身各處，解剖位置的變異使得尋找一條沒有部分體積效應的大動脈充滿挑戰；若視野內缺乏理想的參考動脈，作者建議使用經過群體平均化處理的標準動脈輸入曲線來進行校正，以確保定量數據的重現性。

表一收錄的半定量參數閾值與時間曲線特徵

若觀察定性與半定量分析的結果，即使不經過複雜的模型運算，單看 TIC（描繪訊號隨時間變化的圖形）的幾何型態也能提供極具價值的初步診斷方向。TIC 的形態大致可歸類為三至五種：惡性腫瘤多展現出快速的早期動脈增強，隨後進入高原期或呈現緩慢至快速的洗出階段，這與其高密度的血管網及縮小的間質體積息息相關。相反地，良性腫瘤則傾向於緩慢且漸進式的顯影，對應了其較慢的血流灌注與寬廣的間質基質。

為了讓這些曲線更具客觀比較性，研究者從曲線中萃取出多項半定量參數。例如 MS（最大斜率）量化了顯影的陡峭程度，TTP（達到峰值的時間）與 TTE（開始顯影的延遲時間）則反映了動脈血流抵達病灶的速率。表一明確列出了多篇文獻對於良惡性鑑別與腫瘤分級的具體數字：Zhang 等人的研究指出，惡性腫瘤的 TTP 顯著較短（平均約 2.792 秒），而 MS 較高（約 1.349 %/s），其 Ktrans 與 Kep 分別達 0.192 與 0.458 min-1，Ve 為 0.491%。在另一項探討肉瘤組織學分級的研究中，Li 等人發現 iAUC（代表早期顯影累積量的初期曲線下總面積）與 TTP 是預測腫瘤惡性分級的關鍵預測因子；高分化（FNCLCC 級別 3）的肉瘤其 iAUC 達 1.495，TTP 縮短至 2.413 秒，Ktrans 與 Kep 亦分別升至 0.163 與 0.426 min-1，顯示早期顯影體積更大且達到峰值的時間更短。另一篇由 Song 等人發表的數據也呼應此現象，惡性群體的 TTE 僅約 6.471 秒，iAUC 達到 0.164，進一步確立了血流參數在臨床判讀上的不可取代性。

圖五黏液瘤與圖七脂肪肉瘤的定量參數比較

這項技術在特定解剖次群組的應用，最能彰顯其價值，特別是在傳統影像極易誤判的黏液性與脂肪性腫瘤上。黏液性腫瘤由於含有大量細胞外黏液基質與極高的水分，無論是良性還是惡性，在 T2 加權影像上皆呈現極高訊號；更為棘手的是，其表觀擴散係數在不同惡性度之間往往缺乏鑑別力。但當焦點轉移到動態對比增強參數時，良惡性差異便浮上檯面。從文章展示的圖六來看，一位 44 歲女性臀部良性黏液瘤的 TIC 呈現平緩的持續增強，且其 Ktrans 值僅約 0.04 min-1，Ve 值約 0.4。然而，在圖五的 49 歲男性大腿低惡性度黏液型脂肪肉瘤案例中，儘管常規 MRI 看起來就像一般的黏液成分病灶，且沒有明顯的擴散受限，但其 DCE-MRI 參數卻露出了破綻：Ktrans 值飆升至 0.2 到 0.3 min-1，Ve 值更擴張至 1.1 到 1.8 之間。這個定量參數的顯著跳升，成為了提示惡性新血管生成的唯一線索。

針對脂肪性腫瘤，從良性脂肪瘤、非典型脂肪腫瘤到高惡性度的脂肪肉瘤，其內部結構常呈現混亂交錯。雖然厚實的內部中隔可能暗示著異常分化，但在缺乏免疫組織化學染色的情況下，單靠型態學極難下定論。觀察圖七的 51 歲大腿分化良好脂肪肉瘤案例，傳統影像僅顯示脂肪性腫塊內有輕度浸潤性顯影，且 DWI 無擴散受限，其 TIC 曲線甚至呈現平緩漸進的假象。但透過超快速 DCE-MRI 定量分析，其 Ktrans 達到 0.217 min-1，Kep 為 0.582 min-1，Ve 為 0.372%；在非黏液性脂肪腫瘤群體中，Ktrans、Kep 與 iAUC 的異常升高，往往能提早揪出隱藏在脂肪組織間隙中的惡性細胞增生與微血管通透性改變。

結節性筋膜炎與骨化性肌炎的假陽性血流表現

儘管動態定量參數在腫瘤分級上展現出強大潛力，作者也在討論中坦承了這套方法的適用範圍與先天限制。臨床醫師在解讀數據時，最大的挑戰來自於某些具有高度血管新生特徵的良性病灶，它們在 DCE-MRI 上的表現會完全模仿惡性腫瘤。以結節性筋膜炎（NF）為例，這類良性病灶生長迅速且細胞密集，其 TIC 曲線經常呈現出與惡性肉瘤極度相似的快速顯影與洗出階段，導致高估其惡性潛力。血管瘤也是常見的干擾源，因為豐富的血管叢會大幅推升 Ktrans 與 Kep 值。面對血管異常病灶，作者建議應將重點放在動脈強化時間的比較上，高血流病變（如動靜脈畸形）的對比劑上升時間將顯著短於低血流病變，藉此可與其他多血管性轉移瘤做出區分。

另一個極具欺騙性的陷阱是早期骨化性肌炎（MO）。在尚未出現明顯鈣化的增生初期，MO 病灶周邊會呈現強烈的環狀顯影，且時間強度曲線同樣可能出現急升急降的惡性特徵。然而，隨著病灶成熟與骨化進展，其血管密度將逐漸下降，曲線型態也會轉變為平緩的良性表現。此外，腱鞘巨細胞瘤（TGCT），特別是瀰漫型，因滑膜發炎導致微血管通透性增加，亦可能表現出快速充盈與高原期。這些例外情況提醒同行，任何獨立的定量數值都不能脫離臨床病史與傳統解剖影像的脈絡。在實際應用上，應將 DCE-MRI 視為輔助鑑別的工具；對於測量感興趣區的放置，必須精準避開壞死、出血與周邊水腫區域，只圈選最紮實、顯影最活躍的區塊，否則將大幅降低參數的重現性與準確度。

當面對 T2 高訊號、充滿水分且 DWI 模稜兩可的黏液性軟組織病灶時，與其在型態學上糾結，不如直接加做高時間解析度的 DCE 掃描，看看 Ktrans 是否異常飆升。