構(gòu)建多模態(tài)磁共振評(píng)分模型鑒別腫塊型乳腺病變良惡性＊

張 剛 劉永天 周彥汝 沈智威

1.河南中醫(yī)藥大學(xué)第一附屬醫(yī)院磁共振室 (河南 鄭州 450000)

2.飛利浦健康科技 (北京 100000)

乳腺癌是女性最常見(jiàn)惡性腫瘤[1]，發(fā)病率逐年增加。早期發(fā)現(xiàn)、正確診斷是有效提高乳腺癌患者的生存率的前提[2]。磁共振成像(MRI)以其卓越的軟組織成像能力，可以更精準(zhǔn)的呈現(xiàn)乳腺癌病變特征，提高了乳腺癌的檢出率[3]，但特異性稍顯不足，存在部分誤診病例。影像組學(xué)方法可以提高乳腺良惡性鑒別的診斷效能[4]，但由于需要勾畫感興趣區(qū)和復(fù)雜的后處理，臨床轉(zhuǎn)化較慢，因此需要更適合臨床推廣的方法。臨床診斷模型基于logistic回歸的方法，整合臨床和影像指標(biāo)，提高病變?cè)\斷率[5]。本研究基于多模態(tài)乳腺M(fèi)RI的臨床影像特征，篩選出最具良惡性鑒別效能的指標(biāo)，構(gòu)建多模態(tài)磁共振簡(jiǎn)易評(píng)分模型，有效提高了鑒別乳腺病變良惡性的能力。

1 資料與方法

1.1 臨床資料連續(xù)選取河南中醫(yī)藥大學(xué)第一附屬醫(yī)院于2020年8月至2021年8月期間行磁共振乳腺檢查的所有病例，按納入及排除標(biāo)準(zhǔn)收集資料。

納入標(biāo)準(zhǔn)：磁共振檢查前未采取干預(yù)治療；有明確病理結(jié)果。排除標(biāo)準(zhǔn)：灶點(diǎn)狀病變及非腫塊型病變；男性病例(1例)。最終納入腫塊型病變91例，包括40例良性腫塊，其中良性葉狀腫瘤2例，導(dǎo)管內(nèi)乳頭狀瘤2例，腺病11例，纖維腺瘤25例。51例惡性腫塊，其中35例為Ⅱ級(jí)浸潤(rùn)性導(dǎo)管癌，16例為Ⅲ級(jí)浸潤(rùn)性導(dǎo)管癌。本研究有我院醫(yī)學(xué)倫理委員會(huì)書面批準(zhǔn)文件。

1.2 MRI檢查設(shè)備與檢查方法使用3.0T MR掃描儀(ingenia，philips healthcare,荷蘭)，8通道專用相控陣乳腺線圈進(jìn)行檢查?；颊呷「┡P，前胸壁緊貼乳腺線圈，雙乳自然懸垂，保證乳腺無(wú)受壓變形。常規(guī)掃描T1WI、T2WI、DWI和對(duì)比增強(qiáng)等序列。動(dòng)態(tài)對(duì)比增強(qiáng)掃描方法：在注射對(duì)比劑前掃描第1個(gè)動(dòng)態(tài)，第1個(gè)動(dòng)態(tài)結(jié)束時(shí)暫停掃描，觀察圖像質(zhì)量，圖像質(zhì)量合格后注射對(duì)比劑，之后延時(shí)15秒啟動(dòng)掃描，連續(xù)掃描6個(gè)動(dòng)態(tài)，中間無(wú)間隔，每個(gè)動(dòng)態(tài)掃描時(shí)間55s，共掃描7個(gè)動(dòng)態(tài)?？倰呙钑r(shí)間6分40秒。對(duì)比劑使用釓噴酸葡胺注射液，注射劑量為0.2mmol·kg-1，流速為2.0ml·s-1，經(jīng)肘靜脈注入，之后再以相同速率注入20mL生理鹽水沖管。掃描序列及參數(shù)如表1所示。

表1 掃描序列及參數(shù)

1.3 MRI圖像分析所有病例的MRI檢查資料由兩名資深主治醫(yī)師進(jìn)行分析，協(xié)商確定最終診斷結(jié)果，不能達(dá)成一致時(shí)，由一主任醫(yī)師確定最終結(jié)果。腫塊影像學(xué)征象依據(jù)乳腺影像報(bào)告和數(shù)據(jù)系統(tǒng)[6](breast imaging reporting and data system，BI-RADS；2013年第5版)的描述術(shù)語(yǔ)以及專家共識(shí)[7-8]進(jìn)行記錄。參考文獻(xiàn)方法[9-12]，對(duì)動(dòng)態(tài)對(duì)比增強(qiáng)圖像行最大信號(hào)強(qiáng)度投影獲得MIP圖(maximum intensity projection，MIP)，腫塊最大徑在橫軸位MIP圖測(cè)量，測(cè)量3次取平均值，并以15mm為閾值進(jìn)行分類記錄。參考動(dòng)態(tài)增強(qiáng)掃描圖像，手動(dòng)繪制感興趣區(qū)(ROI)，放置于強(qiáng)化程度最高的區(qū)域，并大于5個(gè)體素，避開(kāi)出血、液化壞死區(qū)域[7,13]。連續(xù)測(cè)量ADC值3次，計(jì)算平均值，并以1.05×10-3mm2/s為閾值[14]進(jìn)行分類記錄。動(dòng)態(tài)增強(qiáng)分析采用上述相同ROI，計(jì)算ROI內(nèi)的早期強(qiáng)化率、峰值強(qiáng)化率、早期強(qiáng)化比值及達(dá)峰時(shí)間[15]。早期強(qiáng)化率、峰值強(qiáng)化率、早期強(qiáng)化比值、達(dá)峰時(shí)間分別以100%、169%、86.0%、180s為閾值進(jìn)行分類評(píng)分[16-17]。將上述變量進(jìn)行l(wèi)ogistic回歸分析，納入變量及數(shù)據(jù)庫(kù)賦值見(jiàn)表2。

表2 納入變量及數(shù)據(jù)庫(kù)賦值

1.4 統(tǒng)計(jì)學(xué)方法應(yīng)用SPSS 25.0統(tǒng)計(jì)軟件對(duì)數(shù)據(jù)進(jìn)行分析。計(jì)量資料若滿足正態(tài)性分布，統(tǒng)計(jì)描述用均數(shù)±標(biāo)準(zhǔn)差，即(±s)表示，組間比較采用兩獨(dú)立樣本t檢驗(yàn)；若為偏態(tài)分布，統(tǒng)計(jì)描述用中位數(shù)(四分位數(shù)間距)表示，組間比較采用Mann Whitney U檢驗(yàn)。計(jì)數(shù)資料統(tǒng)計(jì)描述采用例數(shù)(百分比)表示，組間比較采用卡方檢驗(yàn)。P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。對(duì)良惡性組間有統(tǒng)計(jì)學(xué)意義的變量繪制ROC曲線，評(píng)價(jià)其診斷效能，并運(yùn)用多因素Logistic回歸分析，建立模型。

2 結(jié)果

2.1 良惡性病變差異性分析所有受試均獲得圖像質(zhì)量良好的T1WI，抑脂T2WI，DWI和對(duì)比增強(qiáng)像。經(jīng)分析得到ADC圖，MIP圖和感興趣內(nèi)時(shí)間信號(hào)曲線，一名典型良性腫塊患者和惡性腫塊患者圖像分別見(jiàn)圖1和圖2。良惡性組腫塊形狀、邊緣、最大徑、ADC值、內(nèi)部強(qiáng)化類型、早期強(qiáng)化率、達(dá)峰時(shí)間及TIC曲線的組間差異有統(tǒng)計(jì)學(xué)意義(P＜0.05)；良惡性組腫塊早期強(qiáng)化率、峰值強(qiáng)化率的組間差異無(wú)統(tǒng)計(jì)學(xué)意義(P＞0.05)，見(jiàn)表3。

圖1A-圖1D 一名典型良性腫塊患者的抑脂T2WI(圖1A)，ADC(圖1B)，MIP(圖1C)和時(shí)間信號(hào)曲線圖(圖1D)。

圖2A-圖2D 一名典型惡性腫塊患者的抑脂T2WI (圖2A)，ADC(圖2B)，MIP(圖2C)和時(shí)間信號(hào)曲線圖(圖2D)。對(duì)比良性腫塊患者，惡性腫塊患者病變處ADC值明顯降低，病變邊緣模糊并有毛刺，時(shí)間信號(hào)曲線為流出型。

表3 良惡性組間MRI征象差異性分析

2.2 有統(tǒng)計(jì)學(xué)意義變量的ROC曲線分析對(duì)有統(tǒng)計(jì)學(xué)意義變量腫塊形狀、邊緣、最大徑、內(nèi)部強(qiáng)化類型、早期強(qiáng)化比值、達(dá)峰時(shí)間、TIC曲線及ADC值進(jìn)行ROC曲線分析，結(jié)果見(jiàn)表4。

表4 有統(tǒng)計(jì)學(xué)意義變量的ROC曲線分析

2.3 建立簡(jiǎn)易評(píng)分模型采用方法向前步進(jìn)(有條件)，以病理結(jié)果為因變量，納入AUC＞0.8的變量進(jìn)行多因素Logistic回歸分析，最終納入的變量為ADC值、邊緣、TIC曲線，建立的回歸模型為：Logit(P)=-12.730+3.342×ADC值+2.644×邊緣+3.130×TIC曲線。采用Omnibus檢驗(yàn)對(duì)此模型進(jìn)行評(píng)價(jià)，χ2值為96.936，P＜0.001，-2對(duì)似然值(-2 log likelihood，-2LL)為27.883；采用Hosmer-Lemesho檢驗(yàn)(H-L檢驗(yàn))對(duì)此模型進(jìn)行評(píng)價(jià)，χ2值為3.283，P＝0.858。對(duì)該簡(jiǎn)易評(píng)分模型的預(yù)測(cè)值繪制ROC曲線，AUC為0.981，P＜0.001，模型擬合效果較好。依據(jù)最大約登指數(shù)，此模型預(yù)測(cè)值最佳截?cái)嘀等?.628，此時(shí)，敏感度為96%，特異度為95%，結(jié)果見(jiàn)圖3。

圖3 簡(jiǎn)易評(píng)分模型預(yù)測(cè)值的ROC曲線，在鑒別乳腺腫塊良惡性時(shí)具有較高診斷效能(AUC=0.981)。

3 討論

本文基于臨床多模態(tài)影像指征，篩選出最具乳腺腫塊良惡性鑒別效能的指標(biāo)(邊緣，TIC曲線和ADC值)，并構(gòu)建乳腺良惡性病變的簡(jiǎn)易評(píng)分模型。該模型能有效鑒別良惡性乳腺腫瘤(AUC=0.98，敏感性96%，特異性95%)。

腫塊的邊緣屬于腫塊形態(tài)特征之一，乳腺良惡性腫塊的邊緣有著較明顯的差異，良性腫塊多表現(xiàn)邊緣光整，惡性腫塊多邊緣不規(guī)則或毛刺。本研究中，良性組腫塊邊緣以清晰光整(80.0%)為主，惡性組腫塊邊緣以不規(guī)則(51%)和毛刺(45.1%)為主，良惡性組腫塊邊緣差異有統(tǒng)計(jì)學(xué)意義(P＜0.001)。乳腺良惡性腫邊緣產(chǎn)生差異的原因可能在于，良性腫塊通常呈膨脹性生長(zhǎng)，在增大過(guò)程中排擠和推壓周圍組織，多邊緣光整，部分良性病變邊緣可見(jiàn)光整的暈環(huán)征，而惡性腫塊由于其異質(zhì)性[18-19]，且對(duì)周圍組織呈浸潤(rùn)生長(zhǎng)，腫塊向周圍浸潤(rùn)生長(zhǎng)的程度不同而呈邊緣毛刺，從而使良惡性腫塊的邊緣表現(xiàn)出差異。

TIC曲線特征是乳腺動(dòng)態(tài)對(duì)比增強(qiáng)特征之一可分為[7-8]流入型、平臺(tái)型、流出型，反映了腫塊血供的不同狀況。既往研究[20-21]認(rèn)為，惡性病變血管不成熟，基底膜結(jié)構(gòu)不完整，導(dǎo)致血管通透性較高，同時(shí)惡性病變血管密度大，故早期強(qiáng)化速度快，廓清速度也快，TIC曲線多為流出型；良性病變?yōu)槌墒斓姆磻?yīng)性增生血管，基底膜結(jié)構(gòu)完整，通透性相對(duì)低，強(qiáng)化速度相對(duì)慢，達(dá)峰時(shí)間相對(duì)長(zhǎng)，TIC曲線多為流入型曲線；平臺(tái)型曲線則較為復(fù)雜，良惡性病變均可出現(xiàn)。本研究中，良性病變組中流入型最多，平臺(tái)型次之，流入型最少；惡性病變組平臺(tái)型最多，流出型次之，流入型則無(wú)；良惡性病變TIC曲線類型存在統(tǒng)計(jì)學(xué)差異。

磁共振DWI通過(guò)定量檢測(cè)組織中水分子的布朗運(yùn)動(dòng)，定量分析良惡性病變組織的不同微觀結(jié)構(gòu)對(duì)水分子運(yùn)動(dòng)的影響。惡性腫塊細(xì)胞增殖周期短，細(xì)胞密度高，細(xì)胞外間隙相對(duì)小，且惡性細(xì)胞核漿比大，水分子受到細(xì)胞膜的阻擋和吸附，自由擴(kuò)散受限，ADC值明顯降低[22]。有研究指出[23]，正常乳腺實(shí)質(zhì)ADC均值為(1.713±0.32)×10-3mm2/s，良性病變ADC均值為1.584×10-3mm2/s，惡性病變ADC均值為0.884×10-3mm2/s，乳腺良惡性病變ADC均值存在差異。也有研究[14]顯示，鑒別腫塊樣病變良惡性可以1.05×10-3mm2/s為ADC值閾值，大于該閾值診斷為良性病變，小于該閾值診斷為惡性病變。本研究采用該閾值，顯示該指標(biāo)能夠較好的區(qū)別良惡性腫塊。

本研究的不足：(1)本研究是回顧性研究，雖然在樣本的納入和排除上制定了標(biāo)準(zhǔn)，但由于就診人群的局限，樣本可能存在偏倚。下一步需要增加研究的樣本量，并前瞻性的開(kāi)展隊(duì)列研究來(lái)，以糾正偏倚，改進(jìn)和完善該模型。(2)本研究?jī)H使用影像指標(biāo)，缺少臨床、生化及病理指標(biāo)。在后續(xù)研究中將綜合分析，建立更加全面的模型，并和病理結(jié)果對(duì)比。

綜上所述，鑒別乳腺腫塊良惡性的MRI征象中，以腫塊邊緣、ADC值、TIC曲線診斷效能最高，應(yīng)用其建立的Logistic回歸模型有效提高了乳腺腫塊的良惡性鑒別診斷準(zhǔn)確性，此方法簡(jiǎn)便易行，具有一定的臨床推廣價(jià)值。