基于人工智能的多模態(tài)磁共振成像對(duì)鑒別乳腺良惡性病變的價(jià)值研究

摘要：目的" 探討基于人工智能的多模態(tài)磁共振成像對(duì)乳腺良惡性病變的診斷價(jià)值。方法" 選擇2021年5月-2023年7月?lián)嶂萁?qiáng)第五醫(yī)院收治的120例進(jìn)行手術(shù)治療的乳腺良惡性病變患者為研究對(duì)象，將患者分為良性病變組72例和惡性病變組48例。患者均在本院完成基于人工智能的多模態(tài)磁共振成像與高頻彩色多普勒超聲檢查，比較兩組不同檢查方法的準(zhǔn)確度、靈敏度和特異度，以及兩組sADC、ADC、f指標(biāo)。結(jié)果" 基于人工智能的多模態(tài)磁共振成像對(duì)乳腺良惡性病變?cè)\斷靈敏度、特異度、準(zhǔn)確率、陽性預(yù)測(cè)值、陰性預(yù)測(cè)值分別為95.83%、98.61%、97.50%、93.88%、95.95%，高于高頻彩色多普勒超聲的83.33%、80.56%、81.67%、64.52%、72.50%（Plt;0.05）;惡性病變組sADC低于良性病變組（Plt;0.05）;惡性病變組ADC以及f高于良性病變組（Plt;0.05）。結(jié)論" 基于人工智能的多模態(tài)磁共振成像對(duì)乳腺良惡性病變?cè)\斷靈敏度較高，有助于提高乳腺腫物診斷的準(zhǔn)確率，可提供更加準(zhǔn)確的檢查結(jié)果。

關(guān)鍵詞：人工智能;多模態(tài)磁共振成像;高頻彩色多普勒超聲;乳腺良惡性病變

中圖分類號(hào)：R445.2;R655.8" " " " " " " " " " " " " 文獻(xiàn)標(biāo)識(shí)碼：A" " " " " " " " " " " " " " "DOI：10.3969/j.issn.1006-1959.2024.24.039

文章編號(hào)：1006-1959（2024）24-0144-04

Value of Multimodal Magnetic Resonance Imaging Based on Artificial Intelligence

in Differentiating Benign and Malignant Breast Lesions

XU Wenhua，LIU Jinliang，WU Yongxing

（Imaging Department of Fuzhou Jianqiang Fifth Hospital，F(xiàn)uzhou 344000，Jiangxi，China）

Abstract：Objective" To explore the diagnostic value of multimodal magnetic resonance imaging based on artificial intelligence in benign and malignant breast lesions.Methods" From May 2021 to July 2023， 120 patients with benign and malignant breast lesions who underwent surgical treatment in Fuzhou Jianqiang Fifth Hospital were selected as the research objects. The patients were divided into benign lesion group （n=72） and malignant lesion group （n=48）. All patients completed multimodal magnetic resonance imaging and high-frequency color Doppler ultrasound examination based on artificial intelligence in our hospital. The accuracy， sensitivity and specificity of different examination methods， as well as sADC， ADC and f indexes of the two groups were compared.Results" The sensitivity， specificity， accuracy， positive predictive value and negative predictive value of multimodal magnetic resonance imaging based on artificial intelligence in the diagnosis of benign and malignant breast lesions were 95.83%， 98.61%， 97.50%， 93.88% and 95.95%， respectively， which were higher than 83.33%， 80.56%， 81.67%， 64.52% and 72.50% of high frequency color Doppler ultrasound （Plt;0.05）. The sADC in malignant group was lower than that in benign group （Plt;0.05）. The ADC and f in the malignant lesion group were higher than those in the benign lesion group （Plt;0.05）.Conclusion" Multimodal magnetic resonance imaging based on artificial intelligence has high sensitivity in the diagnosis of benign and malignant breast lesions， which is helpful to improve the accuracy of breast mass diagnosis and provide more accurate examination results.

Key words：Artificial intelligence;Multimodal magnetic resonance imaging;High frequency color Doppler ultrasound;Benign and malignant breast lesions

乳腺癌是威脅我國(guó)女性健康的主要惡性腫瘤類型之一，可分類為良性腫瘤與惡性腫瘤，兩者在治療手段及預(yù)后方面存在顯著差異。準(zhǔn)確鑒別乳腺良惡性腫瘤對(duì)于指導(dǎo)臨床治療決策具有重要意義[1]。目前，病理穿刺活檢被視為乳腺疾病診斷的“金標(biāo)準(zhǔn)”，但其屬于有創(chuàng)檢查。相比之下，影像學(xué)檢查以其無創(chuàng)、安全、低痛苦的特點(diǎn)，在臨床診斷中展現(xiàn)出獨(dú)特優(yōu)勢(shì)[2]。近年來，磁共振成像（MRI）技術(shù)在我國(guó)乳腺疾病鑒別診斷中的應(yīng)用日益廣泛，不僅提高了診斷的敏感性，還有效降低了患者接受X線輻射的風(fēng)險(xiǎn)[3]。此外，隨著人工智能（artificial intelligence， AI）技術(shù)的飛速發(fā)展，其在乳腺超聲檢查中作為輔助診斷工具的作用日益凸顯。AI通過分析病灶的形態(tài)學(xué)與紋理特征，進(jìn)行定量評(píng)估，有助于標(biāo)準(zhǔn)化超聲診斷流程，并提升診斷結(jié)果的一致性[4]。鑒于此，本研究納入了2021年5月-2023年7月在撫州健強(qiáng)第五醫(yī)院接受手術(shù)治療的120例乳腺良惡性病變患者，旨在探討多模態(tài)磁共振成像在鑒別乳腺良惡性病變中的臨床應(yīng)用價(jià)值，現(xiàn)將研究結(jié)果報(bào)道如下。

1資料與方法

1.1一般資料" 選取2021年5月-2023年7月在撫州健強(qiáng)第五醫(yī)院接受診治的120例進(jìn)行手術(shù)治療的乳腺良惡性病變患者作為研究對(duì)象，將患者分為良性病變組和惡性病變組。其中良性病變組72例，年齡29～71歲，平均年齡（49.96±20.94）歲;病程2～12個(gè)月，平均病程（8.94±2.74）個(gè)月;疾病類型包括7例錯(cuò)構(gòu)瘤，11例脂肪瘤，41例纖維腺瘤，13例導(dǎo)管內(nèi)乳頭狀瘤;惡性病變組48例，年齡28～72歲，平均年齡（49.85±20.47）歲;病程3～11個(gè)月，平均病程（8.76±2.58）個(gè)月;疾病類型包括5例髓樣癌，5例小葉原位癌，9例單純癌，29例浸潤(rùn)性導(dǎo)管癌。兩組年齡、病程、疾病類型比較，差異無統(tǒng)計(jì)學(xué)意義（Pgt;0.05），可比較。本研究中患者及家屬均知情同意，簽署知情同意書。

1.2納入及排除標(biāo)準(zhǔn)" 納入標(biāo)準(zhǔn)：①年齡gt;18歲，且無乳腺手術(shù)史;②本次研究前未接受過任何治療（化療、放療、內(nèi)分泌治療等）;③有完整的手術(shù)病理或活檢穿刺結(jié)果;④多模態(tài)磁共振成像檢查在治療或活檢等有創(chuàng)操作前完成;⑤MR掃描序列規(guī)范。排除標(biāo)準(zhǔn)：①妊娠期、哺乳期患者;②T2WI、DWI、翻轉(zhuǎn)角為5°和15°的Ti-mapping和DCE-MRI序列圖像質(zhì)量不佳;③乳腺病灶體積過?。ㄖ睆絣t;10 mm），難以準(zhǔn)確勾畫病灶ROI，且難以生成質(zhì)量良好的ADC圖及DKI圖。

1.3方法nbsp; 在檢查前，安排患者進(jìn)行高頻彩色多普勒超聲及X線鉬靶攝影檢查，后續(xù)經(jīng)手術(shù)病理結(jié)果證實(shí)。多模態(tài)磁共振成像檢查操作如下：要求患者移除所有胸部飾品，換上病號(hào)服，俯臥于檢查床上，雙乳自然垂掛于線圈內(nèi)。使用配備專用8通道相控陣乳腺表面線圈的SIEMENS-MAGNETOM ESSENZA 1.5T磁共振掃描儀，掃描序列涵蓋軸位脂肪抑制STIR、軸位T1FSE、軸位DWI、雙乳矢狀位fsT2FSE以及軸位VIBRANT多期動(dòng)態(tài)增強(qiáng)掃描。采用Gd-DTPA作為對(duì)比劑，通過高壓注射器經(jīng)肘正中靜脈快速注入，劑量0.1 mmol/kg，注射速率2.5 ml/s。

1.4圖像后處理" 勾畫出感興趣區(qū)（region of interest， ROI），所有病灶均經(jīng)手動(dòng)精確標(biāo)注。利用人工智能灰度梯度共生矩陣分析ROI，提取形態(tài)學(xué)與紋理學(xué)特征。通過卷積神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)技術(shù)，對(duì)這些特征進(jìn)行加權(quán)處理，以AI判定病灶的良惡性。掃描數(shù)據(jù)被傳輸至GEAW4.6工作站，由兩位資深影像診斷醫(yī)師獨(dú)立分析，評(píng)估并測(cè)量病灶形態(tài)學(xué)特征、信號(hào)強(qiáng)度、DWI-ADC值、強(qiáng)化模式及時(shí)間-強(qiáng)度曲線（TIC）類型。

1.5觀察指標(biāo)" 比較兩組不同檢查方法的準(zhǔn)確度、靈敏度和特異度：靈敏度=真陽性/（真陽性+假陰性）×100%;特異度=真陰性/（真陰性+假陽性）×100%;準(zhǔn)確度=（真陽性+真陰性）/（真陰性+假陽性+真陰性+假陰性）×100%[5];乳腺良惡性病變?cè)诼龜U(kuò)散系數(shù)（sADC）、fADC以及灌注分?jǐn)?shù)（f）等指標(biāo)方面的差異：利用IVIM模型計(jì)算sADC、快擴(kuò)散系數(shù)（ADC）以及f等參數(shù)，比較良惡性乳腺腫瘤在sADC、fADC以及f的差異[6]。

1.6統(tǒng)計(jì)學(xué)方法" 應(yīng)用SPSS 24.0進(jìn)行數(shù)據(jù)分析，計(jì)量資料用（x±s）形式表示，用t值進(jìn)行檢驗(yàn);計(jì)數(shù)資料以（n）或（%）形式表示，并行χ2檢驗(yàn);Plt;0.05為差異有統(tǒng)計(jì)學(xué)意義。

2結(jié)果

2.1不同檢查方法的準(zhǔn)確度、靈敏度和特異度比較" 基于人工智能的多模態(tài)磁共振成像對(duì)乳腺良惡性病變?cè)\斷靈敏度、特異度、準(zhǔn)確率、陽性預(yù)測(cè)值、陰性預(yù)測(cè)值高于高頻彩色多普勒超聲，差異有統(tǒng)計(jì)學(xué)意義（Plt;0.05），見表1。

2.2兩組sADC、ADC以及f檢測(cè)結(jié)果比較" 惡性病變組sADC低于良性病變組，ADC及f高于良性病變組，差異有統(tǒng)計(jì)學(xué)意義（Plt;0.05），見表2。

3討論

乳腺癌作為女性最常見的惡性腫瘤之一，其發(fā)病率在全球范圍內(nèi)居高不下，嚴(yán)重威脅著女性的生命健康。由于乳腺癌的早期癥狀往往不明顯或缺乏特異性，多數(shù)情況下是在婦科檢查或治療其他乳腺、胸腔疾病時(shí)被偶然發(fā)現(xiàn)，導(dǎo)致許多患者在確診時(shí)已處于中晚期，錯(cuò)過最佳治療時(shí)機(jī)[7]。因此，早期、準(zhǔn)確、無創(chuàng)地鑒別乳腺良惡性病變，對(duì)于提高乳腺癌的治愈率、降低死亡率具有重要意義。傳統(tǒng)的乳腺病變檢查方法，如B超、鉬靶攝影等，雖然在一定程度上能夠定位病灶，但在鑒別腫瘤良惡性方面存在局限性[8]。隨著醫(yī)學(xué)影像技術(shù)的不斷發(fā)展，磁共振成像以其無創(chuàng)、無輻射、軟組織分辨率高等優(yōu)勢(shì)，逐漸成為乳腺疾病檢查的重要手段[9]。特別是多模態(tài)磁共振成像技術(shù)，通過結(jié)合多種成像序列，能夠更全面地反映乳腺病變的生物學(xué)特性，為乳腺良惡性病變的鑒別診斷提供了更為豐富的信息，已成為一種重要的檢查方法[10]。磁共振檢查具有顯著優(yōu)勢(shì)，能夠清晰觀察乳腺腫瘤的形態(tài)學(xué)特征、鈣化情況，有效避免組織重疊對(duì)診斷的干擾，并能準(zhǔn)確區(qū)分良惡性腫瘤的差異性，為患者的精確診斷提供了可靠依據(jù)[11，12]。

相關(guān)文獻(xiàn)報(bào)道顯示，基于人工智能的多模態(tài)磁共振成像采用多期動(dòng)態(tài)增強(qiáng)掃描后，后處理軟件形成的動(dòng)態(tài)增強(qiáng)曲線為乳腺腫物分級(jí)提供更多有價(jià)值信息，同時(shí)利用多b值DWI及多期動(dòng)態(tài)增強(qiáng)掃描等掃描方式，可進(jìn)一步提升成像效果，從而提升乳腺良惡性病變?cè)\斷的敏感性，靈敏度可達(dá)到90%～98%，而高頻彩色多普勒超聲診斷靈敏度僅為75%～88%[13，14]。本次研究進(jìn)一步分析兩者診斷效果也發(fā)現(xiàn)，高頻彩色多普勒超聲對(duì)乳腺良惡性病變?cè)\斷靈敏度（83.33%）、特異度（80.56%）、準(zhǔn)確率（81.67%）低于基于人工智能的多模態(tài)磁共振成像（95.83%、98.61%、97.50%）（Plt;0.05），提示基于人工智能的多模態(tài)磁共振成像提升了乳腺良惡性病變?cè)\斷靈敏度、特異度以及準(zhǔn)確率，對(duì)乳腺良惡性病變鑒別診斷價(jià)值較高，可為臨床診斷、術(shù)式建立、放化療方案制定提供更多幫助。分析認(rèn)為，多模態(tài)磁共振成像能夠利用磁場(chǎng)和射頻波對(duì)乳腺組織進(jìn)行成像，具有軟組織分辨率高、多參數(shù)成像、無輻射等優(yōu)點(diǎn)。在乳腺良惡性病變的診斷中，基于AI的多模態(tài)磁共振成像能夠全面反映病變的形態(tài)學(xué)、血流動(dòng)力學(xué)及微觀結(jié)構(gòu)特征，并通過深度學(xué)習(xí)算法對(duì)影像特征進(jìn)行自動(dòng)提取和分析，能夠?qū)崿F(xiàn)對(duì)乳腺良惡性病變的精準(zhǔn)分類，不受操作者技術(shù)水平影響，因此具有較高的靈敏度、特異度及準(zhǔn)確率。多模態(tài)磁共振成像技術(shù)基于磁共振原理，在乳腺腫瘤診斷領(lǐng)域展現(xiàn)出獨(dú)特優(yōu)勢(shì)，它能夠精確觀測(cè)患者乳腺腫瘤的形態(tài)、鈣化情況，有效削弱圖像重疊對(duì)診斷結(jié)果的干擾，提升診斷的精確性，并清晰地區(qū)分良惡性腫瘤的特征[15，16]。相較于傳統(tǒng)的磁共振掃描，多模態(tài)磁共振成像的圖像模糊問題顯著減少，為良惡性腫瘤的鑒別診斷提供了極大的助力[17]。近年來，AI的興起為乳腺超聲檢查帶來全新的輔助診斷手段[18]。AI的決策過程依賴于對(duì)病灶形態(tài)學(xué)和紋理特征的深度提取與細(xì)致分析，這些特征的量化評(píng)估有效提高超聲診斷流程的規(guī)范性，同時(shí)增強(qiáng)了觀察者間的一致性[19]。本次研究發(fā)現(xiàn)惡性病變組sADC低于良性病變組，且ADC以及f高于良性病變組（Plt;0.05）。這一發(fā)現(xiàn)表明乳腺良惡性病變?cè)趕ADC、ADC及f等參數(shù)上存在顯著差異。鑒于此，基于人工智能技術(shù)的多模態(tài)磁共振成像為臨床鑒別診斷提供了堅(jiān)實(shí)的數(shù)據(jù)支撐，有效降低了誤診與漏診的可能性，確保了患者能夠盡早接受適當(dāng)?shù)闹委?，進(jìn)而優(yōu)化了其疾病預(yù)后。

綜上所述，基于人工智能的多模態(tài)磁共振成像對(duì)乳腺良惡性病變?cè)\斷靈敏度、特異度以及準(zhǔn)確率較高，有助于提高乳腺腫物診斷的準(zhǔn)確率。

參考文獻(xiàn)：

[1]殷文兵，張海青，韓羽鳳，等.多模態(tài)磁共振成像對(duì)乳腺腺病與非鈣化型乳腺癌的診斷價(jià)值研究[J].醫(yī)學(xué)影像學(xué)雜志，2023，33（2）：253-257.

[2]姜麗英.多模態(tài)超聲聯(lián)合磁共振在早期乳腺癌鑒別診斷中的價(jià)值[J].中國(guó)腫瘤外科雜志，2022，14（4）：390-393.

[3]葉萍，彭格紅，周煒煒，等.多模態(tài)超聲與磁共振在乳腺癌中的診斷價(jià)值[J].醫(yī)學(xué)研究雜志，2022，51（4）：140-143.

[4]陳瑛，馬秀梅，賈愛華，等.多模態(tài)超聲聯(lián)合核磁共振檢查在乳腺腫瘤良、惡性鑒別診斷中的應(yīng)用[J].海南醫(yī)學(xué)，2021，32（24）：3227-3230.

[5]徐紅芳，崔青，朱紫陽，等.乳腺磁共振成像聯(lián)合乳腺數(shù)字三維斷層攝影技術(shù)對(duì)乳腺良惡性病變鑒別價(jià)值[J].臨床軍醫(yī)雜志，2023，51（4）：417-420.

[6]高宇飛，張暉，陳英敏，等.DKI在多模態(tài)磁共振成像技術(shù)中對(duì)乳腺良惡性腫瘤的突出診斷價(jià)值[J].臨床放射學(xué)雜志，2021，40（10）：1899-1904.

[7]王晶瑤，石建軍.乳腺M(fèi)RI動(dòng)態(tài)增強(qiáng)掃描和彌散加權(quán)成像在乳腺良惡性腫瘤鑒別診斷中的價(jià)值[J].中國(guó)醫(yī)刊，2023，58（9）：1027-1029.

[8]黃恩善，李瑞雄，王盛集，等.核磁共振擴(kuò)散加權(quán)成像定量參數(shù)在鑒別乳腺良惡性病變中的應(yīng)用價(jià)值[J].廣西醫(yī)學(xué)，2019，41（23）：2981-2983，2988.

[9]文潔，康文焱，劉周，等.磁共振動(dòng)態(tài)增強(qiáng)成像聯(lián)合擴(kuò)散加權(quán)成像對(duì)乳腺良惡性疾病鑒別診斷價(jià)值[J].磁共振成像，2020，11（4）：304-307.

[10]張琦，顧文權(quán)，杜麗娟，等.鉬靶與磁共振DWI聯(lián)合用于乳腺良惡性疾病鑒別診斷價(jià)值分析[J].中國(guó)醫(yī)學(xué)裝備，2021，18（6）：56-59.

[11]渠靜靜，王世威，劉玉鳳，等.磁共振體素內(nèi)不相干運(yùn)動(dòng)對(duì)鑒別診斷乳腺良惡性病灶價(jià)值的初步研究[J].浙江臨床醫(yī)學(xué)，2019，21（2）：187-189.

[12]付金鳳，郭曉涵，沈文榮，等.3.0T磁共振擴(kuò)散加權(quán)成像在乳腺良惡性病變鑒別中的價(jià)值及較優(yōu)b值下ADC值與預(yù)后因子相關(guān)性研究[J].現(xiàn)代生物醫(yī)學(xué)進(jìn)展，2020，20（24）：4679-4682，4611.

[13]陳淑君，邵國(guó)良，邵峰，等.磁共振彌散加權(quán)成像的紋理特征鑒別良惡性單純微鈣化型乳腺隱匿性病灶的價(jià)值[J].浙江大學(xué)學(xué)報(bào)（醫(yī)學(xué)版），2018，47（4）：400-404.

[14]王磊，趙凡，朱來敏，等.多模態(tài)定量磁共振成像對(duì)乳腺良惡性病變的診斷價(jià)值[J].臨床放射學(xué)雜志，2023，42（10）：1578-1583.

[15]黎鑫樂，譚令，柴維敏.磁共振動(dòng)態(tài)增強(qiáng)成像結(jié)合擴(kuò)散加權(quán)成像對(duì)乳腺良惡性乳頭狀病變的鑒別診斷價(jià)值研究[J].診斷學(xué)理論與實(shí)踐，2019，18（3）：301-306.

[16]夏冰清，黎鑫樂，孫琨，等.三種不同磁共振擴(kuò)散加權(quán)成像模型在鑒別乳腺良惡性病灶中的價(jià)值研究[J].中國(guó)癌癥雜志，2018，28（5）：361-368.

[17]王毅，黃美鈴，蔡思清，等.磁共振彌散加權(quán)成像結(jié)合三維乳腺數(shù)字化斷層攝影鈣化分?jǐn)?shù)在乳腺良惡性鈣化病變鑒別中的診斷價(jià)值[J].分子影像學(xué)雜志，2021，44（6）：927-931.

[18]周永進(jìn)，鐘屹，趙雪妙，等.磁共振擴(kuò)散加權(quán)成像聯(lián)合T2WI圖紋理分析定量評(píng)估乳腺良惡性結(jié)節(jié)的價(jià)值[J].溫州醫(yī)科大學(xué)學(xué)報(bào)，2019，49（9）：667-672.

[19]王梅，郭浩東，朱建國(guó)，等.動(dòng)態(tài)比較增強(qiáng)MRI定量參數(shù)及其直方圖對(duì)乳腺良惡性病變鑒別診斷的價(jià)值[J].臨床放射學(xué)雜志，2023，42（2）：222-227.

收稿日期：2023-11-21;修回日期：2023-12-04

編輯/肖婷婷

基金項(xiàng)目：撫州市指導(dǎo)性科技計(jì)劃項(xiàng)目（撫科社字【2023】7號(hào)序號(hào)59）

作者簡(jiǎn)介：徐文華（1984.3-），男，江西撫州人，本科，主治醫(yī)師，主要從事影像科工作