臨床特征、乳房X線攝影及MRI表現(xiàn)鑒別非腫塊型乳腺癌與乳腺炎

吳林樺,楊 蔚*,周曉平,劉開慧,李 健

(1.寧夏醫(yī)科大學(xué)總醫(yī)院放射科,寧夏 銀川 750004;2.寧夏醫(yī)科大學(xué)臨床醫(yī)學(xué)院,寧夏 銀川 750004)

乳腺非腫塊樣強(qiáng)化(non-mass enhancement, NME)病變指乳腺M(fèi)RI所示存在大小不同強(qiáng)化區(qū)域但無占位效應(yīng)的病變[1];乳腺導(dǎo)管原位癌(ductal carcinoma in situ, DCIS)及浸潤性癌及良性病變尤其乳腺炎均可見NME[2]。不同NME病變在MR功能成像,如彌散加權(quán)成像(diffusion weighted imaging, DWI)、動(dòng)態(tài)對(duì)比增強(qiáng)MRI(dynamic contrast enhanced-MRI, DCE-MRI)中亦存在重疊[3],且MRI顯示鈣化能力欠佳[4],導(dǎo)致僅基于MRI難以鑒別良惡性NME病變。乳房X線攝影(mammography, MG)對(duì)鈣化極敏感[5-6]。本研究基于SHAP分析[7]觀察聯(lián)合臨床特征及MG、MRI表現(xiàn)鑒別非腫塊型乳腺癌與乳腺炎的價(jià)值。

1 資料與方法

1.1 研究對(duì)象 回顧性收集2018年1月—2022年4月于寧夏醫(yī)科大學(xué)總醫(yī)院就診的390例乳腺NME病變患者為開發(fā)組,并前瞻性招募2022年5月—2023年5月同一醫(yī)院收治的159例乳腺NME病變患者為驗(yàn)證組。納入標(biāo)準(zhǔn):①術(shù)前DCE-MRI診斷單發(fā)NME病變;②接受MG檢查,且與MR檢查間隔<45天;③經(jīng)粗針穿刺活檢(n=46)或手術(shù)(n=503)病理證實(shí)為乳腺良性或惡性病變;④影像學(xué)資料完整;⑤未接受放射、激素或化學(xué)治療。本研究獲院倫理委員會(huì)批準(zhǔn)(KYLL-2022-0774、KYLL-2022-0251),檢查前患者及家屬均簽署知情同意書。

1.2 儀器與方法

1.2.1 MG 采用GE Senographe DS全數(shù)字化乳腺X線機(jī)拍攝雙側(cè)乳腺頭足位(cranio-caudal position, CC)和內(nèi)外斜位(mediolateral oblique position, MLO)像。

1.2.2 MR檢查 采用GE Signa HDxt 1.5T MR儀、乳腺專用雙側(cè)8通道線圈,囑患者俯臥,使雙乳自然下垂,采集乳腺M(fèi)RI;掃描參數(shù):矢狀位脂肪抑制(fat suppression, FS)T2WI,TR 3 800 ms,TE 94 ms,層厚2 mm,FOV 200 mm×200 mm,矩陣288×224;軸位DWI,TR 6 000 ms,TE 70 ms,FOV 32 cm×32 cm,矩陣32×132,層厚4 mm,層間距0,b值1 000 s/mm2;軸位DCE-MRI,經(jīng)肘靜脈以2.5 ml/s流率快速團(tuán)注對(duì)比劑釓噴酸葡胺注射液(Gd-DTPA)0.2 mmol/kg體質(zhì)量并跟注10 ml生理鹽水后,以梯度回波序列及FS技術(shù)進(jìn)行掃描,FA 15°,TR 6.5 ms,TE 2.5 ms,層厚1.5 mm,FOV 200 mm×200 mm,矩陣256×160,注射對(duì)比劑之前行預(yù)掃描,后連續(xù)采集7個(gè)時(shí)相,共掃描8個(gè)時(shí)相,時(shí)間432 s。

1.3 分析圖像 由具有22及5年工作經(jīng)驗(yàn)的影像科主任醫(yī)師及主治醫(yī)師各1名根據(jù)乳腺影像報(bào)告和數(shù)據(jù)系統(tǒng)(breast imaging reporting and data system, BI-RADS)標(biāo)準(zhǔn)[1]以盲法獨(dú)立閱片,觀察病變MG表現(xiàn):①腺體類型,分為脂肪型、散在纖維腺體型、不均勻致密型和極度致密型;②MG狀態(tài),將MG未顯示或疑診、后經(jīng)病理證實(shí)為良性、惡性或原位癌的病變定義為MG假陰性,否則為MG陽性;③鈣化,良性鈣化和可疑鈣化。MRI表現(xiàn):①病變大小;②病變分布特征,局灶、線樣、段樣、區(qū)域、多區(qū)域及彌漫分布;③以胸大肌信號(hào)強(qiáng)度為標(biāo)準(zhǔn)評(píng)估FS-T2WI中的病變?yōu)榈鹊托盘?hào)或高信號(hào);④病變內(nèi)部強(qiáng)化,分為均勻、不均勻、集群卵石樣及簇樣環(huán)形強(qiáng)化。2名醫(yī)師意見不一致時(shí)經(jīng)協(xié)商達(dá)成共識(shí)。

參照T2WI于DWI中選取包含病變實(shí)性成分的連續(xù)層面,避開囊性、壞死或出血區(qū)域,沿病變邊緣手動(dòng)勾畫ROI,于表觀彌散系數(shù)(apparent diffusion coefficient, ADC)圖中獲得其ADC;取各層面ROI的ADC的平均值進(jìn)行分析。于晚期DCE-MRI[8]中病變實(shí)性成分最大層面放置面積50～70 mm2的圓形ROI,軟件自動(dòng)生成時(shí)間-信號(hào)強(qiáng)度曲線(time-signal intensity curve, TIC),得到最大上升斜率(maximum slope of increase, MSI)及信號(hào)強(qiáng)化率(signal enhancement ratio, SER)偽彩圖,記錄其TIC類型、MSI及SER。于矢狀位FS T2WI中測量腋窩淋巴結(jié)短徑,以短徑>1.0 cm為腋窩淋巴結(jié)陽性[9]。

1.4 統(tǒng)計(jì)學(xué)分析 采用SPSS 26.0統(tǒng)計(jì)分析軟件和R 3.6.3軟件。以Kappa檢驗(yàn)或組內(nèi)相關(guān)系數(shù)(intra-class correlation coefficient, ICC)評(píng)估觀察者間評(píng)估MG及MRI表現(xiàn)的一致性: Kappa≤0.20為一致性差,0.21～0.40一致性較差,0.41～0.60一致性中等,0.61～0.80一致性良好,0.81～1.00一致性好;0

2 結(jié)果

共549例549處NME病變納入研究,其中408處乳腺癌(146處導(dǎo)管原位癌、220處浸潤性導(dǎo)管癌、14處浸潤性小葉癌,28處其他)及141處乳腺炎(78處漿細(xì)胞性乳腺炎、63處肉芽腫性小葉性乳腺炎)。

2.1 一致性分析 觀察者間評(píng)估MG所示腺體類型(Kappa=0.89)、MG狀態(tài)(Kappa=0.87)、鈣化(Kappa=0.93),以及MRI所示病變大小(ICC=0.88)、分布(Kappa=0.80)、FS-T2WI信號(hào)強(qiáng)度(Kappa=0.78)、內(nèi)部強(qiáng)化(Kappa=0.91)、ADC(ICC=0.87)、TIC類型(Kappa=0.75)、MSI(ICC=0.81)、SER(ICC=0.78)及腋窩淋巴結(jié)狀態(tài)(Kappa=0.84)的一致性為良好至好。

2.2 組間比較 組間病理類型及MRI所示病變分布、FS-T2WI信號(hào)強(qiáng)度、ADC、TIC類型和腋窩淋巴結(jié)狀態(tài)差異均有統(tǒng)計(jì)學(xué)意義(P均<0.05),其余臨床及影像學(xué)表現(xiàn)差異均無統(tǒng)計(jì)學(xué)意義(P均>0.05)。見表1。

表1 549例乳腺NME臨床、影像學(xué)表現(xiàn)及病理結(jié)果比較

2.3 構(gòu)建聯(lián)合模型 年齡、絕經(jīng)狀態(tài),MG所示可疑鈣化,MRI所示病變大小、分布、FS-T2WI信號(hào)強(qiáng)度、內(nèi)部強(qiáng)化特征和TIC類型均為鑒別非腫塊型乳腺癌與乳腺炎的獨(dú)立因素(P均<0.05)。見表2。

表2 logistic回歸分析篩選鑒別非腫塊型乳腺癌與乳腺炎的獨(dú)立因素

2.4 評(píng)估模型效能 開發(fā)組中,臨床-MG-MRI模型鑒別非腫塊型乳腺癌與乳腺炎的AUC(0.91)高于臨床-MG和臨床-MRI模型(AUC=0.79、0.87,Z=2.341、5.067,P均<0.05);臨床-MG與臨床-MRI模型AUC差異有統(tǒng)計(jì)學(xué)意義(Z=3.265,P=0.013)。臨床-MG-MRI模型在驗(yàn)證組的AUC為0.90[95%CI(0.83,0.97)]。見表3及圖1。臨床-MG-MRI模型鑒別2組結(jié)果與真實(shí)結(jié)果的一致性良好(MAE=0.02、0.03,P=0.076、0.063)。

表3 各模型鑒別開發(fā)組非腫塊型乳腺癌與乳腺炎的效能

2.5 SHAP分析 臨床-MG-MRI模型中,年齡、病變大小、可疑鈣化和病變內(nèi)部強(qiáng)化特征的貢獻(xiàn)價(jià)值較高,絕經(jīng)狀態(tài)、病變分布、FS-T2WI信號(hào)強(qiáng)度及TIC類型為補(bǔ)充因素。見圖2、3。

3 討論

NME病變中,發(fā)生于年輕、絕經(jīng)前女性且較大者多為乳腺炎,反之則乳腺癌可能較大[10];MRI顯示NME病變呈段樣分布及簇樣環(huán)形強(qiáng)化則為提示惡性腫瘤的重要征象[11]。與腫塊型乳腺癌相似,非腫塊型乳腺癌MR T2WI常呈低信號(hào)和流出型TIC[12];炎性病灶通常因含水較多而呈T2WI特征性高信號(hào),乳腺炎肉芽組織中微血管較多,呈流入型TIC。

本研究結(jié)果顯示,年齡、絕經(jīng)狀態(tài),MG所示可疑鈣化,MRI所示病變大小、分布、FS-T2WI信號(hào)強(qiáng)度、內(nèi)部強(qiáng)化特征及TIC類型均為鑒別非腫塊型乳腺癌與乳腺炎的獨(dú)立相關(guān)因素;基于臨床、MG及MRI相關(guān)變量構(gòu)建的臨床-MG-MRI模型在開發(fā)組的AUC為0.91,高于臨床-MG(0.79)和臨床-MRI模型(0.87),在驗(yàn)證組為0.90,且校準(zhǔn)度均良好,提示其具有較高診斷效能及兼容性。SHAP分析結(jié)果顯示,年齡、病變大小、可疑鈣化、病變內(nèi)部強(qiáng)化特征對(duì)聯(lián)合模型的貢獻(xiàn)價(jià)值較高,而其他獨(dú)立相關(guān)因素則為補(bǔ)充。臨床-MG-MRI模型在臨床-MRI基礎(chǔ)上增加MG所示可疑鈣化,明顯提高了診斷效能,陽性預(yù)測值達(dá)95.66%,提示MG對(duì)鑒別非腫塊型乳腺癌與乳腺炎具有重要意義[13]。

總之,聯(lián)合應(yīng)用臨床特征及MG、MRI表現(xiàn)能有效鑒別非腫塊型乳腺癌與乳腺炎。