IDEAL-IQ序列对不同程度肥胖患者内脏脂肪的定量研究

doi:10.3877/cma.j.issn.2095-9605.2020.01.003

目的

探讨磁共振成像（MRI）中的非对称回波的最小二乘估算法迭代水脂分离序列（IDEAL-IQ）成像技术对不同程度肥胖患者内脏脂肪含量的检测价值。

方法

选取130例于2016年1月至2019年6月期间在暨南大学附属第一医院就诊的肥胖患者作为研究对象，根据体质量指数（BMI）分为超重组（24 kg/m²≤BMI<28 kg/m²）和肥胖组（BMI≥28 kg/m²），均进行IDEAL-IQ成像检查获得各脏器脂肪分数，统计学上主要进行两样本t检验和Pearson相关分析。

结果

130例肥胖患者中超重组（A组）44例，肥胖组（B组）86例，A组和B组患者组内比较，肝左叶与肝右叶间的脂肪分数无统计学差异，B组患者肝脏（t=2.93，P=0.04）和胰腺（t=3.01，P=0.03）的脂肪分数明显高于A组患者，有统计学差异；两组患者在脾脏（t=0.53，P=0.60）、网膜（t=0.71，P=0.48）、皮下的脂肪分数（t=0.50，P=0.62）及皮下脂肪层厚度（t=1.53，P=0.13）均无统计学差异。肝脏（r=0.269，P=0.002）及胰腺（r=0.238，P=0.005）的脂肪含量与BMI呈正相关关系。

结论

肥胖程度越高，肝脏、胰腺沉积的脂肪成分越多，IDEA-IQ技术可以有效定量腹部各脏器的脂肪含量，并能鉴别不同程度肥胖患者脏器脂肪含量的差异。

关键词: 磁共振成像, 体质量指数, 肥胖, 内脏脂肪分数

Objective

To evaluate body fat content in patients with different degrees of obese patients using the iterative decomposition of water and fat with echo asymmetry and least squares estimation quantification sequence (IDEAL-IQ).

Methods

One hundred and thirty obese patients were recruited in this study. According to body mass index (BMI), they were divided into overweight group (24 kg/m²≤BMI<28 kg/m², group A) and obesity group (BMI≥28 kg/m², group B), and performed with IDEAL-IQ imaging sequence to acquire the fat fraction in each organ. Two-sample t test and Pearson correlation analysis were performed.

Results

Among the 130 patients, 44 were included in group A and 86 in group B. There was no significant difference in the fat content between the left lobe and the right lobe in group A or group B, the fat contents of liver (t=2.93, P=0.04) and pancreas (t=3.01, P=0.03) in group B were significantly higher than that in group A, with statistical difference. There was no significant difference in fat content between the two groups in spleen (t=0.53, P=0.60), omentum (t=0.71, P=0.48), and subcutaneous tissues (t=0.50, P=0.62), as well as the thickness of subcutaneous fat layer (t=1.53, P=0.13). Fat contents of liver (r=0.269, P=0.002) and pancreas (r=0.238, P=0.005) was positively correlated with BMI.

Conclusions

The higher degree of obesity, the more fat components deposited in liver and pancreas. IDEA-IQ technology can effectively measure the fat content in abdominal organs and identify the differences of fat content in patients with different degrees of obesity.

Key words: Magnetic resonance imaging (MRI), Obesity, Body mass index, Visceral fat fraction

表1 超重组（A组）与肥胖组（B组）一般资料及测量指标比较

?	A组	B组	检验值	P值
人数	44	86	-	-
女性人数（%）	28（63.6）	53（61.6）	-	-
年龄（岁）	31.51±10.86	29.64±10.34	0.96	0.57
肝脏脂肪含量（%）	11.99±8.80	16.77±8.77	2.93	0.04
胰腺脂肪含量（%）	5.77±2.57	7.85±5.31	3.01	0.03
脾脏脂肪含量（%）	3.30±1.91	3.54±3.16	0.53	0.60
网膜脂肪含量（%）	91.89±2.17	92.78±2.03	0.71	0.48
皮下脂肪含量（%）	90.88±2.23	91.43±2.24	0.50	0.62
皮下脂肪厚度（mm）	25.30±9.61	29.26±10.79	1.53	0.13

表1 超重组（A组）与肥胖组（B组）一般资料及测量指标比较

?	A组	B组	检验值	P值
人数	44	86	-	-
女性人数（%）	28（63.6）	53（61.6）	-	-
年龄（岁）	31.51±10.86	29.64±10.34	0.96	0.57
肝脏脂肪含量（%）	11.99±8.80	16.77±8.77	2.93	0.04
胰腺脂肪含量（%）	5.77±2.57	7.85±5.31	3.01	0.03
脾脏脂肪含量（%）	3.30±1.91	3.54±3.16	0.53	0.60
网膜脂肪含量（%）	91.89±2.17	92.78±2.03	0.71	0.48
皮下脂肪含量（%）	90.88±2.23	91.43±2.24	0.50	0.62
皮下脂肪厚度（mm）	25.30±9.61	29.26±10.79	1.53	0.13

图1 腹部IDEAL-IQ图像。1A和1C示肝脏感兴趣区，1B和1D示胰腺感兴趣区。1A、1B为超重组患者，BMI=27.9 kg/m²，脂肪定量：肝左叶10.66%，肝右叶12.88%，胰体5.19%，胰尾5.85%、1C、1D为肥胖组患者，BMI=48.2 kg/m²，脂肪定量：肝左叶29.24%，肝右叶38.91%，胰体11.16%，胰尾8.52%。

表2 两组患者肝左右叶和各胰腺部位脂肪含量比较

?	肝左叶	肝右叶	胰头颈	胰体	胰尾
超重（%）	11.34±7.65	11.58±7.28	8.62±4.75^*	4.53±2.67	4.94±2.57
肥胖（%）	16.58±8.72	17.46±8.02	10.74±5.54^*	5.34±3.58	6.14±3.22
t	3.23	2.64	2.32	0.82	2.89
P值	0.03	0.04	0.04	0.63	0.03

表2 两组患者肝左右叶和各胰腺部位脂肪含量比较

?	肝左叶	肝右叶	胰头颈	胰体	胰尾
超重（%）	11.34±7.65	11.58±7.28	8.62±4.75^*	4.53±2.67	4.94±2.57
肥胖（%）	16.58±8.72	17.46±8.02	10.74±5.54^*	5.34±3.58	6.14±3.22
t	3.23	2.64	2.32	0.82	2.89
P值	0.03	0.04	0.04	0.63	0.03

表3 两组患者各型脂肪肝所比例

脂肪肝	轻度（5%~10%）	中度（10%~25%）	重度（>25%）	χ²	P值
超重（n=44）	11（25.0%）	26（59.1%）	7（15.9%）	0.659	0.719
肥胖（n=86）	23（26.7%）	45（52.3%）	18（20.9%）	?	?

表3 两组患者各型脂肪肝所比例

脂肪肝	轻度（5%~10%）	中度（10%~25%）	重度（>25%）	χ²	P值
超重（n=44）	11（25.0%）	26（59.1%）	7（15.9%）	0.659	0.719
肥胖（n=86）	23（26.7%）	45（52.3%）	18（20.9%）	?	?

图2 肥胖患者肝脏、胰腺脂肪含量与BMI的分析散点图

[1]	杨秋婷. 经济学视角下关于人类肥胖现象的分析研究：文献综述[J]. 经济研究导刊, 2018(29): 189-192.
[2]	李亚红，曾青，张俊梅, 等. 肥胖与代谢综合征的研究进展[J]. 慢性病学杂志, 2018, 19(08): 1038-1042.
[3]	中国医师协会外科医师分会肥胖和糖尿病外科医师委员会. 中国儿童和青少年肥胖症外科治疗指南(2019版)[J/CD]. 中华肥胖与代谢病电子杂志, 2019, 5(1): 3-9.
[4]	王丹，滕东伶，路国涛, 等. 胰腺脂肪浸润的研究进展[J]. 中华全科医师杂志, 2018, 17(7): 567-570.
[5]	中华医学会外科学分会甲状腺及代谢外科学组，中国医师协会外科医师分会肥胖和糖尿病外科医师委员会. 中国肥胖及2型糖尿病外科治疗指南(2019版)[J]. 中国实用外科杂志, 2019, 39(4): 301-306.
[6]	Deng J, Fishbein MH, Rigsby CK, et al. Quantitative MRI for hepatic fat fraction and T2^* measurement in pediatric patients with non-alcoholic fatty liver disease[J]. Pediatr Radiol, 2014, 44(11): 1379-1387.
[7]	Yu H, Shimakawa A, Hines CD, et al. Combination of complex-based and magnitude-based multiecho water-fat separation for accurate quantification of fat-fraction[J]. Magn Reson Med, 2011, 66(1): 199-206.
[8]	林铭霞，莫绪凯，林志超, 等. IDEAL-IQ技术诊断OSAS患者非酒精性脂肪性肝病[J]. 暨南大学学报（自然科学与医学版）, 2018, 39(5): 454-460.
[9]	Petta S, Gastaldelli A, Rebelos E, et al. Pathophysiology of Non Alcoholic Fatty Liver Disease[J]. Int J Mol Sci, 2016, 17(12): E2082.
[10]	Lopez-Jaramillo P, Gomez-Arbelaez D, Lopez-Lopez J, et al. The role of leptin/adiponectin ratio in metabolic syndrome and diabetes[J]. Horm Mol Biol Clin Investig, 2014, 18(1): 37-45.
[11]	Angulo P. Nonalcoholic fatty liver disease[J]. N Engl J Med, 2002, 346(16): 1221-1231.
[12]	Finkelstein EA, Trogdon JG, Cohen JW, et al. Annual medical spending attributable to obesity: payer-and service-specific estimates[J]. Health Aff (Millwood), 2009, 28(5): w822-w831.
[13]	Wang Y, Beydoun MA, Liang L, et al. Will all Americans become overweight or obese? estimating the progression and cost of the US obesity epidemic[J]. Obesity (Silver Spring), 2008, 16(10): 2323-2330.
[14]	Preiss D, Sattar N. Non-alcoholic fatty liver disease: an overview of prevalence, diagnosis, pathogenesis and treatment considerations[J]. Clin Sci (Lond), 2008, 115(5): 141-150.
[15]	Wieland AC, Mettler P, McDermott MT, et al. Low awareness of nonalcoholic fatty liver disease among patients at high metabolic risk[J]. J Clin Gastroenterol, 2015, 49(1): e6-e10.
[16]	Ou HY, Wang CY, Yang YC, et al. The association between nonalcoholic fatty pancreas disease and diabetes[J]. PLoS One, 2013, 8(5): e62561.
[17]	van Geenen EJ, Smits MM, Schreuder TC, et al. Nonalcoholic fatty liver disease is related to nonalcoholic fatty pancreas disease[J]. Pancreas, 2010, 39(8): 1185-1190.
[18]	贾国瑜. 对脂肪胰的研究[J]. 中国糖尿病杂志, 2014, 22(08): 762-765.
[19]	Alempijevic T, Dragasevic S, Zec S, et al. Non-alcoholic fatty pancreas disease[J]. Postgrad Med J, 2017, 93(1098): 226-230.
[20]	Dietrich P, Hellerbrand C. Non-alcoholic fatty liver disease, obesity and the metabolic syndrome[J]. Best Pract Res Clin Gastroenterol, 2014,28(4):637-653.
[21]	Pettit JE. Spleen function[J]. Clin Haematol, 1977, 6(3): 639-656.
[22]	Herrera MF, Pantoja JP, Velazquez-Fernandez D, et al. Potential additional effect of omentectomy on metabolic syndrome, acute-phase reactants, and inflammatory mediators in grade III obese patients undergoing laparoscopic Roux-en-Y gastric bypass: a randomized trial[J]. Diabetes Care, 2010, 33(7): 1413-1418.
[23]	Kotronen A, Yki-Jarvinen H, Sevastianova K, et al. Comparison of the relative contributions of intra-abdominal and liver fat to components of the metabolic syndrome[J]. Obesity (Silver Spring), 2011, 19(1): 23-28.
[24]	Bondini S, Kleiner DE, Goodman ZD, et al. Pathologic assessment of non-alcoholic fatty liver disease[J]. Clin Liver Dis, 2007, 11(1): 17-23.
[25]	陈晓琼，廖锦堂，余习蛟. 非酒精性脂肪性肝病肝右叶不同深度ARFI测量的比较[J]. 中国超声医学杂志, 2016, 32(07): 616-618.
[26]	Kim SY, Kim H, Cho JY, et al. Quantitative assessment of pancreatic fat by using unenhanced CT: pathologic correlation and clinical implications[J]. Radiology, 2014, 271(1): 104-112.
[27]	马静，董海鹏，宋琼, 等. 双能CT扫描参数和算法对定量检测伴脂肪沉积肝脏铁含量影响的实验研究[J]. 中华放射学杂志, 2014, 48(4): 333-336.
[28]	赵爽，李彩英，高凤宵, 等. 3.0T~1H-MRS在正常肝脏与脂肪肝的对照研究[J]. 临床放射学杂志, 2013, 32(02): 202-206.
[29]	Meisamy S, Hines CD, Hamilton G, et al. Quantification of hepatic steatosis with T1-independent, T2-corrected MR imaging with spectral modeling of fat: blinded comparison with MR spectroscopy[J]. Radiology, 2011, 258(3): 767-775.
[30]	Cassidy FH, Yokoo T, Aganovic L, et al. Fatty liver disease: MR imaging techniques for the detection and quantification of liver steatosis[J]. Radiographics, 2009, 29(1): 231-260.
[31]	Hines CD, Yu H, Shimakawa A, et al. T1 independent, T2^* corrected MRI with accurate spectral modeling for quantification of fat: validation in a fat-water-SPIO phantom[J]. J Magn Reson Imaging, 2009, 30(5): 1215-1222.
[32]	代岳，王姗，徐慧婷, 等. IDEAL-IQ技术对不同年龄椎体骨髓脂肪含量的定量评价[J]. 中国医学计算机成像杂志, 2017, 23(02): 161-165.

[1]	何金梅, 尹立雪, 谭静, 张文军, 王锐, 任梅, 廖明娇. 超声心肌做功技术对2型糖尿病患者潜在左心室心肌收缩功能损伤的评价[J]. 中华医学超声杂志（电子版）, 2023, 20(10): 1029-1035.
[2]	丁建民, 秦正义, 张翔, 周燕, 周洪雨, 王彦冬, 经翔. 超声造影与普美显磁共振成像对具有高危因素的≤3 cm肝结节进行LI-RADS分类诊断的前瞻性研究[J]. 中华医学超声杂志（电子版）, 2023, 20(09): 930-938.
[3]	张莲莲, 惠品晶, 丁亚芳. 颈部血管超声在粥样硬化斑块易损性评估中的应用价值[J]. 中华医学超声杂志（电子版）, 2023, 20(08): 816-821.
[4]	刘冰茹, 刘皓希, 陈莹, 赖世伟, 陈蓉. 疑似乳腺癌的韧带样纤维瘤病一例[J]. 中华乳腺病杂志(电子版), 2023, 17(05): 314-317.
[5]	叶艳娜, 叶瑞婷, 陈艳玲, 彭雯, 刘乐, 肖文秋, 黄辉, 李明深, 钟慕仪, 叶娴. 基于影像学表现和临床病理特征预测良性与交界性乳腺叶状肿瘤复发的列线图模型[J]. 中华乳腺病杂志(电子版), 2023, 17(04): 229-237.
[6]	董晓燕, 赵琪, 唐军, 张莉, 杨晓燕, 李姣. 奥密克戎变异株感染所致新型冠状病毒感染疾病新生儿的临床特征分析[J]. 中华妇幼临床医学杂志(电子版), 2023, 19(05): 595-603.
[7]	李永浩, 高雪菲, 郭田田, 张进, 张彩针, 刘静. 肥胖合并甲状腺癌相关机制的研究进展[J]. 中华普通外科学文献(电子版), 2023, 17(04): 311-315.
[8]	纪凯伦, 郝少龙, 孙海涛, 韩威. 减重术后胆囊结石形成机制的新进展[J]. 中华普外科手术学杂志(电子版), 2024, 18(01): 100-103.
[9]	陈大敏, 曹晓刚, 曹能琦. 肥胖对胃癌患者手术治疗效果的影响研究[J]. 中华普外科手术学杂志(电子版), 2023, 17(06): 651-653.
[10]	宋钰, 赵阳, 王惠君, 廖新华. 术前BMI与可切除胃癌患者术后远期生存的关系[J]. 中华普外科手术学杂志(电子版), 2023, 17(05): 530-533.
[11]	韩宇, 张武, 李安琪, 陈文颖, 谢斯栋. MRI肝脏影像报告和数据系统对非肝硬化乙肝患者肝细胞癌的诊断价值[J]. 中华肝脏外科手术学电子杂志, 2023, 12(06): 669-673.
[12]	雷漫诗, 邓锶锶, 汪昕蓉, 黄锦彬, 向青, 熊安妮, 孟占鳌. 人工智能辅助压缩感知技术在上腹部T2WI压脂序列中的应用[J]. 中华肝脏外科手术学电子杂志, 2023, 12(05): 551-556.
[13]	钟广俊, 刘春华, 朱万森, 徐晓雷, 王兆军. MRI联合不同扫描序列在胃癌术前分期诊断及化疗效果和预后的评估[J]. 中华消化病与影像杂志(电子版), 2023, 13(06): 378-382.
[14]	吴钰娴, 冯亚园, 霍雷, 贾宁阳, 张娟. 原发性肝脏淋巴瘤的影像学诊断价值研究[J]. 中华消化病与影像杂志(电子版), 2023, 13(05): 349-353.
[15]	王志文, 郑雪梅, 张庆坤, 王海江. 自发性低颅压综合征75例临床分析[J]. 中华临床医师杂志(电子版), 2023, 17(04): 398-401.

阅读次数

全文

摘要

选择文件类型/文献管理软件名称

选择包含的内容

Quantitative study on visceral fat in patients with different degrees of obesity by IDEAL-IQ sequence

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

Quantitative study on visceral fat in patients with different degrees of obesity by IDEAL-IQ sequence