張 靜 ZHANG Jing

安寧豫2 AN Ningyu

程流泉2 CHENG Liuquan

蔡幼銓2 CAI Youquan

郭 勇1 GUO Yong

2.解放軍總醫(yī)院放射科 北京 100853

動態(tài)增強(qiáng)磁共振成像（dynamic contrast-enhanced MR imaging, DCE-MRI）和擴(kuò)散加權(quán)成像（DWI）在乳腺病變中的廣泛應(yīng)用，提供了關(guān)于形態(tài)學(xué)、血流動力學(xué)及表觀擴(kuò)散系數(shù)（ADC）等大量診斷信息。本研究旨在通過分析乳腺良、惡性病變的形態(tài)學(xué)、血流動力學(xué)表現(xiàn)，結(jié)合ADC值，采用單變量和多變量分析，分析有意義的惡性MR征象，制訂乳腺癌的MR診斷策略，探討DCE-MRI結(jié)合DWI對乳腺病變的診斷和鑒別診斷價值。

1 資料與方法

1.1 研究對象 納入2005-03～2009-06行乳腺DCEMRI和DWI檢查并經(jīng)病理證實(shí)的223例乳腺病變患者，其中女性221例，男性2例；年齡18～75歲。排除標(biāo)準(zhǔn)：①M(fèi)R檢查前1周內(nèi)行乳腺腫塊穿刺者；②已行新輔助化療者；③因脂肪抑制不均勻而影響病變觀察者；④因金屬異物或運(yùn)動產(chǎn)生偽影者。

1.2 儀器與方法 采用GE 1.5T超導(dǎo)磁共振掃描儀（Signa Excite HD），梯度場40mT/m，梯度切換率150T/（m?s）；4通道乳腺專用表面線圈。采用平面回波-擴(kuò)散加權(quán)成像序列（EPI-DWI）：b值＝0、1000s/mm2。動態(tài)增強(qiáng)掃描采用VIBRANT序列，注射造影劑前及注射后0、1、2、3、4、5、6min各掃描一次，造影劑采用釓噴替酸葡甲胺（Gd-DTPA）0.1mmol/kg，高壓注射器注射速度2ml/s。

1.3 圖像后處理 應(yīng)用ADW 4.3圖像處理工作站，由2名有乳腺M(fèi)R工作經(jīng)驗(yàn)的放射科醫(yī)師采用雙盲法獨(dú)立閱片，參照美國放射學(xué)會（ACR）2003年乳腺M(fèi)R影像報(bào)告與數(shù)據(jù)系統(tǒng)（BI-RADS MRI）[1]將病變分為腫塊性病變和非腫塊性病變，分析其形態(tài)學(xué)表現(xiàn)和血流動力學(xué)表現(xiàn)，測量ADC值。形態(tài)學(xué)表現(xiàn)診斷要點(diǎn)包括：腫塊的形狀、邊緣及內(nèi)部增強(qiáng)特征，非腫塊性病變的分布特征及內(nèi)部增強(qiáng)特征。應(yīng)用Functool軟件，感興趣區(qū)（ROI）置于病變增強(qiáng)最顯著區(qū)，制作時間-信號強(qiáng)度曲線（TIC）。血流動力學(xué)表現(xiàn)診斷要點(diǎn)包括：TIC類型（持續(xù)上升型、平臺型、廓清型）、早期增強(qiáng)率、平臺型及廓清型曲線的最大增強(qiáng)率和達(dá)峰時間。早期增強(qiáng)率采用1min增強(qiáng)率計(jì)算。ADC值測量：應(yīng)用Functool軟件，參照MR增強(qiáng)掃描圖像對病變進(jìn)行準(zhǔn)確定位，將ROI置于病變區(qū)，要求ROI略小于病變，并盡量避免病變壞死或囊變區(qū)，在ADC圖上測量其平均ADC值；將ROI置于對側(cè)正常乳腺腺體致密區(qū)，測量其平均ADC值作為正常對照。所有數(shù)據(jù)均測量3次取平均值。

1.4 病理檢查 病理切片由病理科醫(yī)師進(jìn)行染色及免疫組化分析后作出病理診斷。

1.5 數(shù)據(jù)分析 根據(jù)接收者工作特征曲線（ROC）確定診斷界值。根據(jù)單變量Logistic回歸分析的P值和風(fēng)險(xiǎn)比（OR）分析有意義的惡性MR征象。OR＞1為危險(xiǎn)因素，是惡性征象；而OR＜1為保護(hù)性因素，是良性征象。建立Logistic回歸模型，并以病理診斷為“金標(biāo)準(zhǔn)”計(jì)算診斷模型的敏感性、特異性、診斷準(zhǔn)確性、陽性預(yù)測值及陰性預(yù)測值。

1.6 統(tǒng)計(jì)學(xué)方法 采用SPSS 15.0軟件，計(jì)量資料數(shù)據(jù)以±s 表示，乳腺良、惡性病變的最大增強(qiáng)率、1min增強(qiáng)率、達(dá)峰時間行t檢驗(yàn)；進(jìn)行單變量及多變量Logistic回歸分析，P＜0.05表示差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 病理結(jié)果 236個乳腺病灶均經(jīng)穿刺或手術(shù)病理證實(shí)，其中惡性155個，良性81個；腫塊性病變159例（惡性103例，良性56例）；非腫塊性病變75例（惡性50例，良性25例），2例無法明確分組。

2.2 腫塊性病變的MR征象的單變量和多變量分析 腫塊邊緣、毛刺征、內(nèi)部增強(qiáng)特征、TIC類型在良、惡性病變中差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）；邊緣不光滑、有毛刺、內(nèi)部增強(qiáng)不均勻、廓清型TIC曲線是有顯著意義的惡性征象；形狀不規(guī)則、平臺型曲線有惡性傾向（OR＝4.265、5.319），但未達(dá)到顯著水平（P＞0.05）。惡性腫塊的1min增強(qiáng)率高于良性腫塊，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）；根據(jù)ROC曲線確定界值為105%，即1min增強(qiáng)率＞105%診斷為惡性。將腫塊形狀、邊緣、毛刺征、內(nèi)部增強(qiáng)特征、TIC類型、ADC值納入多變量回歸模型（表1），根據(jù)回歸模型計(jì)算出每個病變的預(yù)測概率。以病理結(jié)果為“金標(biāo)準(zhǔn)”，根據(jù)ROC曲線確定預(yù)測概率的界值為0.6196，即當(dāng)預(yù)測概率＞0.6196時診斷為惡性，該診斷模型的敏感性為85.3%（87/102），特異性為84.6%（44/52），陽性預(yù)測值為91.6%（87/95），陰性預(yù)測值為74.6%（44/59），診斷準(zhǔn)確性為85.1%（131/154）。

2.3 非腫塊性病變的MR征象的單變量和多變量分析TIC類型在良、惡性病變中差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）；廓清型TIC曲線為惡性征象；平臺型曲線和節(jié)段性分布有惡性傾向（OR＝14.778、56.833），但未達(dá)到顯著水平（P＞0.05）。惡性病變的1min增強(qiáng)率高于良性病變，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。根據(jù)ROC曲線確定界值為75%，即1min增強(qiáng)率＞75%診斷為惡性。良、惡性病變最大增強(qiáng)率和達(dá)峰時間差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）。將TIC類型和ADC值納入回歸模型（表2），根據(jù)回歸模型計(jì)算出每個病變的預(yù)測概率。以病理結(jié)果為“金標(biāo)準(zhǔn)”，根據(jù)ROC曲線確定預(yù)測概率的界值為0.6295，即當(dāng)預(yù)測概率＞0.6295時診斷為惡性，該診斷模型的敏感性為82.0%（41/50），特異性為83.3%（20/24），陽性預(yù)測值為91.1%（41/45），陰性預(yù)測值為69.0%（20/29），診斷準(zhǔn)確性為82.4%（61/74）。

2.4 回歸模型的驗(yàn)證與病理對照分析 真陽性病例如圖1～3所示，左乳外上象限腫塊，不規(guī)則形，邊緣不光滑，毛刺征明顯，TIC呈廓清型，ADC值約為0.8×10-3mm2/s，各個征象均提示為惡性，根據(jù)回歸模型預(yù)測其惡性概率為98%，穿刺病理證實(shí)為乳腺癌。如圖4～6所示，左乳內(nèi)下象限均勻增強(qiáng)圓形腫塊，邊緣較光滑，毛刺征不明顯，TIC為持續(xù)上升型，ADC值約為0.8×10-3mm2/s，憑主觀判斷其良惡性有一定困難，根據(jù)回歸模型預(yù)測其惡性的概率為98%，手術(shù)病理證實(shí)為浸潤性導(dǎo)管癌。假陽性病例如圖7～9所示，右乳多發(fā)不規(guī)則腫塊，周邊增強(qiáng)明顯，邊緣不光滑，毛刺征明顯，TIC呈平臺型，DWI上腫塊周邊呈高信號，ADC值約為0.9×10-3mm2/s，評估為BI-RADS 4級，高度懷疑惡性；回歸模型預(yù)測其惡性概率為90%，病理診斷為乳腺慢性炎癥。

表1 腫塊性病變的Logistic回歸模型、參數(shù)估計(jì)及檢驗(yàn)結(jié)果

表2 非腫塊性病變的Logistic回歸模型、參數(shù)估計(jì)及檢驗(yàn)結(jié)果

3 討論

3.1 腫塊性病變的MR表現(xiàn)及診斷效能 本研究對159例腫塊性病變進(jìn)行單變量分析結(jié)果表明，毛刺征、邊緣不光滑、內(nèi)部增強(qiáng)不均勻是典型的惡性征象。毛刺征惡性風(fēng)險(xiǎn)最大（OR＝23.1），邊緣光滑、無毛刺、內(nèi)部均勻增強(qiáng)是典型良性表現(xiàn)；Tozaki等[2]總結(jié)了171例乳腺腫塊性病變，發(fā)現(xiàn)最常見的惡性征象為內(nèi)部不均勻增強(qiáng)（96%），陽性預(yù)測值最高的惡性征象為毛刺征（100%）、中心延遲增強(qiáng)（100%）、內(nèi)部間隔增強(qiáng)（97%）和形狀不規(guī)則（97%），診斷準(zhǔn)確率最高的惡性征象為毛刺征（100%），最常見的良性征象為邊緣光滑（占80%～82%），可見腫塊邊緣和內(nèi)部增強(qiáng)特征是鑒別其良惡性的關(guān)鍵。 但是良惡性腫塊的形態(tài)學(xué)表現(xiàn)存在交叉重疊，本研究中少數(shù)惡性腫塊表現(xiàn)為無毛刺（27.2%）、邊緣光滑（17.5%）、內(nèi)部均勻增強(qiáng)（11.7%），少數(shù)良性腫塊有毛刺（10.7%）、邊緣不光滑（19.6%)、內(nèi)部增強(qiáng)不均勻（42.9%)。Lee等[3]報(bào)道毛刺征常見于惡性病變，但也見于放射狀瘢痕。Szabo等[4]研究發(fā)現(xiàn)高級別的浸潤性導(dǎo)管癌周邊增強(qiáng)更顯著，但脂肪壞死或伴有炎癥反應(yīng)的囊腫也常表現(xiàn)為環(huán)形增強(qiáng)[5]。本研究發(fā)現(xiàn)，TIC類型在良惡性腫塊中有顯著差異，其中廓清型曲線是典型惡性征象，平臺型曲線在良惡性均可見，但多見于惡性；持續(xù)上升型曲線多見于良性腫塊。惡性腫塊的1min增強(qiáng)率高于良性腫塊，根據(jù)ROC曲線確定界值，腫塊的1min增強(qiáng)率＞105%時診斷為惡性，但敏感性較低（56.7%），特異性較高（71%），診斷效能較低。

3.2 非腫塊性病變的MR表現(xiàn)及診斷效能 本研究結(jié)果表明節(jié)段性分布明顯多見于惡性（93.9%），節(jié)段性分布的惡性風(fēng)險(xiǎn)大（OR＝56.833），是非腫塊性病變的典型惡性征象。非腫塊性病變的1min增強(qiáng)率＞75%時診斷為惡性，敏感性和特異性分別為76.0%和77.3%。最大增強(qiáng)率和達(dá)峰時間在良惡性病變之間并無顯著差異。非腫塊性病變的定性診斷有一定困難。Liberman等[6]發(fā)現(xiàn)導(dǎo)管樣分布或節(jié)段性分布多見于導(dǎo)管內(nèi)癌、浸潤性導(dǎo)管癌，但也可見于不典型導(dǎo)管增生、乳頭狀瘤或硬化性腺病。Sakamoto等[7]總結(jié)了102例非腫塊性病變的MRI表現(xiàn)及BI-RADS分級，發(fā)現(xiàn)簇狀環(huán)形增強(qiáng)的惡性腫瘤陽性預(yù)測值最高，為67%；分支導(dǎo)管樣增強(qiáng)、簇狀增強(qiáng)、線性導(dǎo)管樣增強(qiáng)的陽性預(yù)測值分別為38%、20%、11%，并指出簇狀環(huán)形增強(qiáng)、導(dǎo)管分支樣增強(qiáng)及簇狀增強(qiáng)的非腫塊病變應(yīng)評估為BIRADS 4級而行活檢。因此，正確判斷非腫塊性病變的分布特點(diǎn)和內(nèi)部增強(qiáng)特征對于鑒別其良惡性至關(guān)重要。Kuhl等[8]認(rèn)為早期增強(qiáng)率的診斷價值相對較低，可以犧牲一定的時間分辨率來增加空間分辨率，有助于顯示病變內(nèi)部的細(xì)微結(jié)構(gòu)及邊緣形態(tài)特征，提高診斷信心和診斷準(zhǔn)確率。本研究增強(qiáng)掃描序列中每時相采集時間為1min，可以同時兼顧時間分辨率和空間分辨率。

3.3 DCE-MRI與DWI聯(lián)合應(yīng)用診斷模型的建立及診斷效能 DCE-MRI和DWI聯(lián)合應(yīng)用可提供大量的診斷信息，而面對眾多MR征象如何進(jìn)行綜合判斷，是實(shí)際工作中面臨的又一大難題。以往有研究采用Fischer評分法根據(jù)DCE-MRI預(yù)測病變的惡性概率[9]，將圓形、類圓形、分葉形和邊緣光滑定為0分，不規(guī)則形、毛刺或邊界模糊定為1分，TIC流入型曲線為0分，平臺型曲線為1分，流出型為2分；形態(tài)（0、1）＋動態(tài)（0、1、2）計(jì)算總分，積分為2分診斷可疑惡性，積分為3分診斷惡性，以≥2分為動態(tài)增強(qiáng)掃描陽性診斷[10]。而本研究結(jié)果顯示，各個征象在回歸模型中對惡性評判所占權(quán)重不同，不能簡單用1分或2分來評判，此外，F(xiàn)ischer評分法只是針對形態(tài)學(xué)和血流動力學(xué)表現(xiàn)，無法對DCE-MRI與DWI聯(lián)合診斷進(jìn)行分析。因此，本研究采用Logistic回歸多變量分析，在形態(tài)學(xué)、血流動力學(xué)及ADC值等大量診斷信息中，提取有價值的診斷指標(biāo)，并根據(jù)各自所占權(quán)重建立診斷模型，預(yù)測惡性發(fā)生概率，使聯(lián)合診斷得到合理應(yīng)用。

本研究多變量分析結(jié)果顯示，腫塊形狀、邊緣、毛刺征、內(nèi)部增強(qiáng)特征、TIC類型和ADC值對腫塊良惡性評判有意義，根據(jù)ROC曲線確定預(yù)測概率的界值為0.6196時，診斷模型的敏感性、特異性、陽性預(yù)測值、陰性預(yù)測值和準(zhǔn)確性分別為85.3%、84.6%、91.6%、74.6%和85.1%。而對于非腫塊性病變，只有TIC和ADC值對良惡性評判有意義，根據(jù)ROC曲線確定預(yù)測概率的界值為0.6295，診斷模型的敏感性、特異性、陽性預(yù)測值、陰性預(yù)測值和準(zhǔn)確性分別為82.0%、83.3%、91.1%、69.0%和82.4%。Yabuuchi等[11]對192個乳腺腫塊進(jìn)行單變量和多變量分析認(rèn)為，邊緣不規(guī)則、內(nèi)部不均勻增強(qiáng)、邊緣增強(qiáng)、平臺型和廓清型TIC、ADC值＜1.1×10-3mm2/s是有意義的惡性指征，將這6個征象納入回歸模型，診斷的敏感性、特異性、陽性預(yù)測值、陰性預(yù)測值和準(zhǔn)確性分別為92%、86%、97%、71%和91%，與本研究結(jié)果相似。但是對乳腺非腫塊性病變的相關(guān)研究少見報(bào)道。

DCE-MRI與DWI聯(lián)合應(yīng)用診斷乳腺癌的敏感性、特異性和準(zhǔn)確性都有了很大的提高，筆者建議將DCEMRI和DWI作為乳腺常規(guī)掃描方法，對于腫塊和非腫塊應(yīng)當(dāng)采用不同的診斷策略。對于典型病例術(shù)前MR診斷并不困難，但在實(shí)際工作中，并非所有病例都表現(xiàn)如此典型，憑主觀判斷其良惡性有一定困難，合理應(yīng)用統(tǒng)計(jì)學(xué)方法建立診斷策略可以增強(qiáng)診斷信心，減少個體差異，提高乳腺癌的診斷準(zhǔn)確率。

DCE-MRI與 DWI聯(lián)合應(yīng)用仍然存在假陽性和假陰性。少數(shù)乳腺癌術(shù)前MR也有可能漏診，包括分化好的浸潤性導(dǎo)管癌、特殊病理類型的乳腺癌如髓樣癌、篩狀癌、神經(jīng)內(nèi)分泌癌、黏液腺癌等，尤其當(dāng)腫瘤直徑＜1cm時，其形態(tài)學(xué)常為良性表現(xiàn)，毛刺征常不明顯，更容易漏診。同樣，少數(shù)良性病變?nèi)缰緣乃?、慢性乳腺炎、?dǎo)管內(nèi)乳頭狀瘤等容易診斷為惡性。由此可見，乳腺病變的影像學(xué)表現(xiàn)復(fù)雜多樣，尚需進(jìn)一步積累病例反復(fù)總結(jié)經(jīng)驗(yàn)，深入認(rèn)識各種MR征象，不斷改進(jìn)、完善診斷策略，減少主觀偏移，從而提高乳腺癌的診斷準(zhǔn)確性。

[1]American College of Radiology. Breast imaging reporting and data system atlas (BI-RADS atlas). Reston, VA:American College of Radiology, 2003: 8-62.

[2]Tozaki M, Igarashi T, Fukuda K. Positive and negative predictive values of BI-RADS-MRI descriptors for focal breast masses. Magn Reson Med Sci, 2006, 5(1): 7-15.

[3]Lee SH, Cho N, Kim SJ, etal. Correlation between high resolution dynamic MR features and prognostic factors in breast cancer. Korean J Radiol, 2008, 9(1): 10-18.

[4]Szabó BK, Aspelin P, Kristoffersen Wiberg M, etal. Invasive breast cancer: correlation of dynamic MR features with prognostic factors. Eur Radiol, 2003, 13(11): 2425-2435.

[5]Levrini G, Nicoli F, Borasi G, etal. MRI patterns of invasive lobular breast cancer. Eur J Radiol, 2006, 59(3): 472.

[6]Liberman L, Morris EA, Dershaw DD, etal. Ductal enhancement on MR imaging of the breast. Am J Roentgenol, 2003, 181(2): 519-525.

[7]Sakamoto N, Tozaki M, Higa K, etal. Categorization of non-mass-like breast lesions detected by MRI. Breast Cancer, 2008, 15(3): 241-246.

[8]Kuhl CK, Schild HH, Morakkabati N. Dynamic bilateral contrast-enhanced MR imaging of the breast: trade-off between spatial and temporal resolution. Radiology, 2005,236(3): 789-800.

[9]Fischer U, Kopka L, Grabbe E. Breast carcinoma: effect of preoperative contrast enhanced MR imaging on the therapeutic approach. Radiology, 1999, 213(3): 881-888.

[10]李潔, 張曉鵬, 曹崑, 等. 乳腺M(fèi)R動態(tài)增強(qiáng)掃描聯(lián)合擴(kuò)散加權(quán)成像的臨床應(yīng)用評價. 中國醫(yī)學(xué)影像技術(shù), 2005,21(12): 1821-1825.

[11]Yabuuchi H, Matsuo Y, Okafuji T, etal. Enhanced mass on contrast-enhanced breast MR imaging lesion characterization using combination of dynamic contrast enhanced and diffusion weighted MR images. J Magn Reson Imaging, 2008, 28(5): 1157-1165.