使用 DTT 定义前庭神经鞘瘤的面神经位置

背景和基本原理 前庭神经鞘瘤 (VS) 是由前庭蜗神经引起的周围神经鞘瘤，它从大脑底部的脑干出现，并通过颅骨内的小骨管（内耳道）进入内耳结构). VS 占颅内肿瘤的 8%（Johnson J 等人），尽管这些肿瘤是良性的，但它们可以生长，导致几种潜在的衰弱症状，包括听力损失、眩晕、耳鸣、面瘫和脑膜炎。 此外，大肿瘤可能会压迫脑干，在某些情况下，这可能会危及生命（Johnson J 等人）。 因此，被诊断患有较大肿瘤（>1.5cm 的阴道外成分）的患者通常会接受手术切除（与保守治疗或立体定向放射外科相反）。 随着手术技术的改进，手术的目标已经扩大到不仅包括切除肿瘤，还包括保留 VS 所涉及的神经功能。 特别是，手术切除旨在保留面神经的功能，面神经负责支配面部表情的肌肉，并与前庭耳蜗神经并排运行，并且经常被 VS 移位和压扁。 鉴于其并置，面神经在手术过程中受伤的风险很高。 面神经损伤（以及随之而来的面部无力或瘫痪）是前庭神经鞘瘤 (VS) 手术的一个严重潜在风险。 然而，目前，避免神经损伤的唯一方法是结合精细的手术技术和使用面神经监测仪（一种在外科医生手持探头刺激时可以检测面部肌肉活动的装置）；然而，尽管如此，面神经损伤仍有可能发生。 事实上，在外科医生开始手术之前，面神经的走行是未知的。 在 Sampath 等人的大型系列研究（>1000 例手术病例）中，发现面神经位置最常见于肿瘤的前中部；然而，在较小比例的病例中，神经位于 7 个额外位置中的 1 个（Sampath 等人）。 因此，术前检测和识别面神经的走行对于指导手术和降低神经元损伤的潜在风险非常有用。

现在存在一种使用磁共振成像 (MRI) 的高级应用非侵入性识别面神经走行的潜在方法。 这涉及使用一种称为扩散张量纤维束成像 (DTT) 的技术，该技术能够检测特定组织体积（体素）中的扩散方向（矢量）（Mukherjee 等人）。 该数据随后可用于揭示沿特定向量排列的结构，例如神经纤维束，使它们能够与周围组织区分开来（Cauley 等人）。 这无法使用标准 MRI 序列来实现，在标准 MRI 序列中，扁平神经通常变得无法与相邻的 VS 区分开来。 幸运的是，由于 MRI 代表了当前诊断和表征 VS 的方法，因此向患者的扫描添加额外的 DTT 序列并不代表重大负担（仅需要大约 10 分钟的额外扫描时间来获取 DTT 数据）。

几个小组（Choi 等人、Taoka 等人、Gerganov 等人、Zhang 等人和 Song 等人）已经使用 DTT 来描绘 VS 患者的面神经走行，并且大多数人报告说成功率很高率（>90% 与手术结果一致）。 然而，许多这些研究采用“确定性”DTT，其缺点限制了其在具有复杂几何形状的小纤维束设置中的可靠性。 特别是，它无法准确跟踪交叉、分裂或合并的纤维，因为该技术假设相邻体素具有相似的向量。 为了克服这些限制，我们建议使用更新的“概率”DTT 技术，为每个分析的体素计算一个向量。 因此，它有能力解释复杂的几何形状，例如在面神经中遇到的几何形状，特别是在其走行被肿瘤组织严重扭曲的地方。 佐拉尔等。在 21 名 VS 患者中使用该技术，导致面神经位置的一致率为 81%，耳蜗神经的一致率为 33%（Zolal 等人）。 然而，在这一领域仍然需要进一步的研究。

该项目旨在阐明概率 DTT 在术前定位面神经方面的准确性、可重复性和实用性。 如果该技术被证明是准确的，它将可能有助于术前计划和避免 VS 手术期间的面神经损伤。 此外，该项目还试图澄清相关的实际问题；特别是，观察者间/观察者内的可变性（即 阅读放射科医师在分析 DTT 图像时是否同意彼此和他们自己），是否可以在常规序列上部分推断面神经位置（将其与 DTT 进行比较）以及是否可以识别相邻的神经（例如前庭耳蜗神经），这可能进一步帮助进行手术术前计划。

假设：

据推测，术前高级概率弥散张量纤维束成像 (DTT) 将准确显示面神经相对于前庭神经鞘瘤宫外部分的位置。 有人提出，准确性将优于以前的研究，在这些研究中，确定性 DTT 已被用来证明面神经的位置。 这种术前标测有可能降低前庭神经鞘瘤手术期间面神经损伤的发生率，并允许增加肿瘤的切除率。

学习规划：

前瞻性队列观察研究。

有关研究资格和结果测量，请参阅相关部分。

图像分析

MRI 除了标准成像评估外，还将使用 MRTrix 3.0 (www.mrtrix.org) 在张量概率模式下离线执行进一步的图像分析。 一个或多个脑神经束的存在将通过它们在以不同的各向异性阈值进行系统询问后的一致描述来确定。 将通过将鼻道外前庭神经鞘瘤的周长分成多个部分来对颅神经位置进行定性评估。评估将由两名观察员进行。

参考标准：

将在手术中评估面神经相对于前庭神经鞘瘤尿道外部分的位置，通过以与上述相同的方式将尿道外前庭神经鞘瘤的圆周分成多个部分来实现。 该评估将独立于术前概率 DTT 的结果（记录数据的神经外科医生将不知道 DTT 结果）。

统计考虑

样本量计算：

基于样本量 32 的功效计算，假设真实 kappa 系数为 0.9； 95% 置信区间的宽度为 0.26 (0.77 - 1.03)。 这个数字 (32) 也反映了我们预计在 2-3 年期间招募的案例数量。