竇瑞雪，楊麗，黃寧，時高峰*

1.航天中心醫(yī)院超聲科，北京 100039 2.河北醫(yī)科大學(xué)第四醫(yī)院，石家莊050011

3.GE醫(yī)療中國，上海 201203

乳腺癌的發(fā)病率在全球范圍內(nèi)呈上升趨勢[1]，預(yù)計到2030年，全球乳腺癌的發(fā)病和死亡人數(shù)將分別達(dá)到2640萬和1700萬[2]。影像學(xué)檢查在乳腺癌的早期診斷及預(yù)估預(yù)后中起著舉足輕重的作用[3]。Peters等[4]做的meta分析報告顯示乳腺MRI的敏感性和特異性分別為90%和72%，較其他影像學(xué)方法有明顯的優(yōu)勢。乳腺癌是血管依賴性腫瘤，以往的乳腺MR的研究多是基于動態(tài)增強(qiáng)的定性分析、半定量分析。定性分析是觀察不同類型的時間-信號曲線，但良惡性病變均可表現(xiàn)為II型曲線，有一定重疊。半定量分析是運用常規(guī)的多期動態(tài)增強(qiáng)掃描序列，完成雙乳掃描時間分辨率較低，或者在高時間分辨率下僅能夠完成腫瘤區(qū)的局部灌注，較為局限。且不能反映組織對比劑濃度，因此半定量參數(shù)不能準(zhǔn)確反映MR含釓對比劑引起組織增強(qiáng)的病理生理過程。微血管密度(microvessel density，MVD)[5]和血管內(nèi)皮生長因子(vascular endothelial growth factors，VEGF)[6]是反映腫瘤血管生成和血管通透性的最重要因素。然而這些指標(biāo)需依賴切取乳腺組織才能測定?；诖?，本研究采用高時間分辨率對雙乳進(jìn)行T1動態(tài)增強(qiáng)掃描，探討定量參數(shù)對乳腺良惡性病變的鑒別能力及其與MVD、VEGF的相關(guān)性。

1 材料與方法

1.1 一般資料

本研究收集我院2014年11月至2015年2月67例因臨床觸診或超聲檢查或乳腺鉬靶X線檢查發(fā)現(xiàn)乳腺病變的初診患者行磁共振高時間分辨率T1動態(tài)增強(qiáng)磁共振掃描，檢查前簽署知情同意書。入組標(biāo)準(zhǔn)：(1)未經(jīng)手術(shù)、放射治療、化學(xué)治療、激素或靶向治療；(2)無檢查禁忌癥；(3)圖像沒有明顯運動及呼吸偽影；(4)均于檢查后一周內(nèi)手術(shù)，手術(shù)病理確診。排除標(biāo)準(zhǔn)：(1)懷孕、哺乳期婦女；(2)患有嚴(yán)重心、肝、腎疾病、免疫性疾病及其他內(nèi)外科疾病。

符合入組標(biāo)準(zhǔn)的67例患者共發(fā)現(xiàn)70個病灶(3例為雙病灶)，患者均為女性。良性組年齡29～51歲，中位年齡為39歲，16例19個病灶，包括導(dǎo)管內(nèi)乳頭狀瘤3個，上皮不典型增生5個，纖維腺瘤8個，乳腺增生性腺病3個。惡性組年齡28～62歲，中位年齡為47歲，51例51個病灶，包括導(dǎo)管內(nèi)癌(含伴微浸潤)5個，浸潤性導(dǎo)管癌40個，髓樣癌3個，浸潤性微乳頭狀癌2個，葉狀腫瘤II級1個。隨機(jī)選取57例非脂肪型乳腺作為正常腺體組。惡性組30例患者測量MVD、VEGF表達(dá)。本研究方案已經(jīng)我院倫理委員會審核通過。

1.2 檢查方法、步驟

采用3.0 T磁共振掃描儀(Magnetom Skyra，Siemens，德國)，專用八通道雙側(cè)乳房相控線圈?；颊呷「┡P位，雙側(cè)乳房自然懸垂于線圈內(nèi)，頭先進(jìn)。掃描范圍包含雙側(cè)乳腺組織，雙側(cè)腋窩，向后包括主動脈。

橫軸位tirm T2WI：TR 4060，TE 70，TI 230，層厚3.0 mm，層間距1.5 mm，F(xiàn)OV 340 mm×340 mm，采集矩陣358×448；橫軸位DWI：TR 5700 ms，TE 66 ms，b值分別取0 s/mm-2和800 s/mm-2。

T1多翻轉(zhuǎn)角：參數(shù)為TR 5.64 ms，TE 2.46 ms，F(xiàn)OV 333 mm×380 mm，矩陣196×320，層厚2.5 mm，層間距0.5 mm，翻轉(zhuǎn)角度5°、10°、12°、15°。

T1動態(tài)增強(qiáng)序列：翻轉(zhuǎn)角采用12°，其余掃描參數(shù)同T1多翻轉(zhuǎn)角。掃描應(yīng)用時間分辨隨機(jī)軌道成像(time resolved angiography with interleaved stochastic trajectories，TWIST)技術(shù)，注射磁共振對比劑(釓雙胺，GE，美國)0.1 mmol/kg體重，注射流率2.5 ml/s，完畢后追加15 ml生理鹽水同樣流速注射。無間歇掃描，總掃描時相70次。第1時相17.3 s，以后單時相掃描時間4.58 s，總時間約5 min 33 s。

1.3 MRI數(shù)據(jù)處理與分析

將動態(tài)增強(qiáng)圖像調(diào)入Omni-Kinetics軟件(GE醫(yī)療)進(jìn)行后處理。結(jié)合T2WI、DWI及灌注圖像確定病變位置。避開血管、鈣化、脂肪、空洞和壞死組織，選擇腫物的實質(zhì)成分強(qiáng)化最明顯的部位作為感興趣區(qū)，每個病變測量3次定量參數(shù)并取平均值；手動選取對側(cè)正常乳腺相對致密的腺體為感興趣區(qū)，避開腺體邊緣、血管、脂肪等結(jié)構(gòu)，每個患者測量3次取平均值。選取病灶感興趣區(qū)層面的主動脈作為輸入動脈獲得動脈輸入函數(shù)，運用Extended Tofts線性模型，通過計算得到以下參數(shù)：(1)容量轉(zhuǎn)移常數(shù)(Ktrans)，對比劑從血管內(nèi)擴(kuò)散到血管外的速率常數(shù)，單位為min-1；(2)血管外細(xì)胞外間隙容積比(Ve)，是血管外細(xì)胞外間隙占整個體素的容積比；(3)速率常數(shù)(Kep)，組織間對比劑重新回到血管內(nèi)的速率常數(shù)，單位為min-1。三者間關(guān)系為Ve=Ktrans/Kep。

1.4 病理學(xué)評價

參照2003版WHO乳腺病理分型分為良性組、惡性組。根據(jù)經(jīng)Elston和Ellis改良的Bloom-Richardson分級法確定組織學(xué)分級。VEGF、CD34[7]的免疫組化染色采用試劑盒推薦的PV兩步法。微血管計數(shù)是利用免疫組化技術(shù)針anti-CD34和血管內(nèi)皮細(xì)胞抗原結(jié)合對腫瘤血管進(jìn)行定量分析，陽性呈棕黃色，參照Weidner[8]法。VEGF陽性棕黃色顆粒多位于細(xì)胞質(zhì)，綜合著色細(xì)胞百分?jǐn)?shù)和染色強(qiáng)度，參照Mattern[9]積分法。

1.5 統(tǒng)計學(xué)方法

應(yīng)用SPSS 13.0統(tǒng)計軟件對數(shù)據(jù)結(jié)果進(jìn)行統(tǒng)計分析，先進(jìn)行正態(tài)分布檢驗及單因素方差分析。采用LSD法兩兩比較正常組、良性組及惡性組間定量參數(shù)的差異；最后繪制ROC曲線并計算曲線下面積，根據(jù)最大約登指數(shù)(Youden index：約登指數(shù)=敏感性+特異性-1)分析乳腺良、惡性組間的差異。30例乳腺癌患者各定量參數(shù)與MVD、VEGF的相關(guān)性采用Pearson相關(guān)性分析。計量資料以±s表示，檢驗水準(zhǔn)均為0.05。

2 結(jié)果

單因素方差分析顯示，惡性組、良性組與正常組間定量參數(shù)值均呈正態(tài)分布且方差齊同。采用LSD法比較兩兩間差異，Kep、Ktrans在良、惡性病變間有差異統(tǒng)計學(xué)意義(P＜0.05)，見表1。惡性病變、良性病變及正常腺體的Ktrans、Kep、Ve均值依次減低，各定量參數(shù)偽彩圖分別顯示為混雜色，紅色代表高強(qiáng)化，藍(lán)色代表強(qiáng)化較低，黃色介于兩者之間(圖1、2)。繪制Ktrans、Kep、Ve的ROC曲線，可知Ktrans、Kep的敏感性較高，Kep的特異性最高(表2，圖3)。

表1 良性組、惡性組與正常腺體組定量參數(shù)結(jié)果比較(±s)Tab.1 Difference analysis of quantitative parameters among normal glandular tissue,benign lesions and malignant lesions(±s)

表1 良性組、惡性組與正常腺體組定量參數(shù)結(jié)果比較(±s)Tab.1 Difference analysis of quantitative parameters among normal glandular tissue,benign lesions and malignant lesions(±s)

Note:The Kep between malignant and benign lesions were statistically significant(P=0.000).The Kep between malignant and normal glandular were statistically signifi cant(P=0.000).The Ktrans between malignant and benign lesions were statistically signifi cant(P=0.041).The Ktrans between malignant and normal glandular were statistically signifi cant(P=0.008).

?

30個乳腺癌病灶的Ktrans、Kep、Ve值分別為(0.183±0.031)min-1、(1.192±0.063)min-1、(0.127±0.031)。MVD計數(shù)為(34.96±9.86)，VEGF積分為(5±1)分。Pearson相關(guān)分析Ktrans、Kep與免疫組化因子呈正相關(guān)(P＜0.05)，見表3。

圖1 右乳浸潤性導(dǎo)管癌III級。 A：增強(qiáng)圖像；B～D：Ktrans、Kep、Ve的偽彩圖，其數(shù)值分別為0.178 min-1、1.462 min-1、0.163；E：CD34標(biāo)記的MVD高表達(dá)(×200，SP)；F：VEGF高表達(dá)(×200， SP)Fig.1 Invasive ductal carcinoma of Grade III in the right breast.A:T1WI contrast-enhanced image; B—D:Pseudo-color image of Ktrans,Kep and Ve map,the values are 0.178 min-1,1.462 min-1,0.163; E:High CD34 stained MVD(×200,SP); F:High expression VEGF(×200,SP).

圖2 左乳纖維腺瘤。 A：增強(qiáng)圖像；B～D：Ktrans、Kep、Ve的偽彩圖，其數(shù)值分別為0.050 min-1、0.601 min-1、0.114；E：病理結(jié)果圖片(HE×200)圖3 Ktrans、Kep和Ve鑒別良惡性的ROC曲線Fig.2 Fibroa- denoma in the left.A:T1WI contrast-enhanced image; B—D:Pseudo-color image of Ktrans,Kep and Ve map,the values are 0.050 min-1,0.601 min-1,0.114; E:Pathological image(HE×200).Fig.3 Receiver operating characteristic(ROC)curves for Ktrans,Kep and Ve in differential diagnosis.

表2 定量參數(shù)對乳腺良惡性腫瘤診斷效能Tab.2 Area under ROC curve,the best diagnosis value,sensitivity,and specifi city of quantitative parameters between benign lesions and malignant lesions

表3 定量參數(shù)與MVD、VEGF的相關(guān)性Tab.3 Correlation analysis between the quantitative parameters and MVD,VEGF

3 討論

腫瘤的發(fā)生、發(fā)展與轉(zhuǎn)歸與血管生成密切相關(guān)[10-11]。腫瘤新生血管的特點為：(1)腫瘤血管數(shù)量巨大，微循環(huán)血容量增大、流速增加；(2)新生血管結(jié)構(gòu)紊亂，血管內(nèi)皮細(xì)胞幼稚，基底膜減少，裂隙性血管網(wǎng)尚無舒縮功能，滲漏性增高。以上構(gòu)成了腫瘤微循環(huán)在空間和時間上的不均衡性。乳腺惡性腫瘤[5,12-13]符合以上特點，而良性腫瘤血管形態(tài)相對成熟，微血管密度等于或者略高于正常乳腺實質(zhì)，相對于惡性腫瘤滲透性較低。

T1加權(quán)的DCE-MRI利用異常的腫瘤微循環(huán)系統(tǒng)，動態(tài)監(jiān)測對比劑在體內(nèi)的吸收、代謝等藥代動力學(xué)過程，獲得直接代表造影劑濃度的定量參數(shù)。Medeiros[14]、李瑞敏[15]等報道Kep、Ktrans在正常組與惡性組、良性組與惡性組鑒別中均有統(tǒng)計學(xué)差異，與本研究結(jié)果相同。而Ktrans、Kep在正常組與良性組間無統(tǒng)計學(xué)差異，這與病理生理基礎(chǔ)密切相關(guān)。乳腺癌細(xì)胞生長旺盛，新生血管迅速增多，血管結(jié)構(gòu)紊亂、動靜脈瘺等造成血管管徑增粗，內(nèi)皮不完整，血管壁薄而脆，基底膜減少等導(dǎo)致血管壁通透性增高，對比劑交換劑量增多、速度加快。良性病變與正常乳腺由于缺乏高通透性的血管，血流較平穩(wěn)，對比劑均呈緩慢填充，且良性病變中膠原纖維增生導(dǎo)致細(xì)胞外血管外間隙結(jié)構(gòu)致密，對比劑流通受阻。

Ktrans、Kep的曲線下面積分別為0.931、0.819，診斷效能較高。Ktrans、Kep的敏感性分別為86.8%、67.9%，Ktrans、Kep的特異性分別為89.5%、94.7%。Baek等[16]研究發(fā)現(xiàn)，在血管功能參數(shù)中Ktrans對良惡性病變的診斷鑒別意義最大，與本實驗結(jié)果相符。因為Ktrans反映腫瘤局部微血管血流狀態(tài)及滲透性，被認(rèn)為是最能反映腫瘤組織滲透性的指標(biāo)[17-18]。Ktrans、Kep、Ve的最佳診斷切入點為0.083 min-1、0.902 min-1、0.066。Kep體現(xiàn)出更高的良惡性鑒別準(zhǔn)確率。與既往報道[15-18]不完全一致，分析原因可能是數(shù)學(xué)模型不同。本研究運用Extended Tofts線性模型，該模型把組織分為血管內(nèi)及血管外細(xì)胞外間隙(extravascular extracellular space，EES)兩個部分。血管內(nèi)細(xì)胞外體積分?jǐn)?shù)(即血漿)為中央室，而血管外細(xì)胞外體積分?jǐn)?shù)為周邊室，對比劑依賴濃度梯度在血管內(nèi)與EES之間交換，更接近真實的腫瘤病生理過程。另外，本研究采用TWIST序列，該技術(shù)通過以螺旋軌道填充K空間提高掃描速度[19]，時間分辨率很高(4.58 s每期)，所獲得的信息就更接近體素內(nèi)真實的血流、血管通透性以及相關(guān)的生理學(xué)參數(shù)值。

本實驗Ve在各組病變間鑒別均無明顯統(tǒng)計學(xué)差異。惡性病變的Ktrans值、Kep值同時增高，兩者的比值Ve并無顯著升高，或病變發(fā)展過程中Ve的變化較慢，因此與良性病變的Ve值存在重疊。Tofts[20]的研究結(jié)果表明Ve值較不穩(wěn)定,可能與Ve受病變周圍水腫的影響較大有關(guān)。也有學(xué)者[21-22]認(rèn)為產(chǎn)生不同結(jié)果的原因可能為輸入動脈不同。動脈輸入函數(shù)是動脈內(nèi)對比劑濃度隨時間變化的函數(shù)關(guān)系。理論上最好選擇病變組織的供血血管，這樣計算出的定量參數(shù)更為準(zhǔn)確，但是組織中這類血管非常細(xì)小、難以獲得，易受部分容積效應(yīng)或移動偽影的影響[23]。本研究選擇顯示清晰的主動脈。另外，注射速率、個體差異等也會影響Ve值。

通過Pearson相關(guān)分析發(fā)現(xiàn)，定量參數(shù)均與免疫組化因子之間存在正相關(guān)關(guān)系，Kep與MVD相關(guān)性最強(qiáng)，Ktrans與VEGF相關(guān)性最強(qiáng)，與國內(nèi)外研究[24-26]結(jié)果基本一致。Uzzan B[5]證實MVD可直接反映腫瘤血管新生的活躍程度。當(dāng)腫瘤MVD增加時，腫瘤新生血管活躍，血容量增加且血管壁通透性好，EES增大，對比劑在血管內(nèi)與EES間交換更快，故Ktrans、Kep、Ve值增加。MVD被公認(rèn)為是判斷血管生成的“金標(biāo)準(zhǔn)”，然而不能直接反映血流灌注、血管通透性等情況，VEGF兼顧了腫瘤的生物學(xué)特性。由于腫瘤組織VEGF分泌持續(xù)性增多，VEGF作為高度特異的有絲分裂原與血管內(nèi)皮細(xì)胞上的受體結(jié)合，刺激血管內(nèi)皮細(xì)胞分裂、趨化，改變內(nèi)皮細(xì)胞基因活化形式，抑制血管內(nèi)皮細(xì)胞的凋亡，使腫瘤增生迅速區(qū)域血管分布豐富，則血流灌注量增大；誘導(dǎo)內(nèi)皮細(xì)胞產(chǎn)生纖溶酶原激活物、間質(zhì)膠原酶，增加毛細(xì)血管壁通透性，故Ktrans、Kep均會增高。豐富的血供為腫瘤的生長提供更多的營養(yǎng)物質(zhì)和氧分，均會經(jīng)過EES，故Ve值也會增高。故定量參數(shù)僅在乳腺癌的應(yīng)用中一定程度上代替了組織學(xué)檢查，成為評價乳腺癌的MVD、VEGF的檢查方法。

綜上所述，本研究顯示Ktrans、Kep對乳腺良惡性病變有鑒別意義，且與MVD、VEGF有較強(qiáng)的相關(guān)性，因此Ktrans、Kep用于無創(chuàng)評估腫瘤性質(zhì)及預(yù)后成為可能，但Ve值的意義有待進(jìn)一步探討。

[References]

[1]Zhou CW,Li EN.Development history and prospect of the breast imaging.Zhonghua Fang She Xue Za Zhi,2013,47(zl):27-29.周純武,李二妮.乳腺影像學(xué)發(fā)展歷程及展望.中華放射學(xué)雜志,2013,47(zl):27-29.

[2]Akarolo-Anthony SN,Ogundiran TO,Adebamowo CA.Emerging breast cancer epidemic:evidence from Africa.Breast Cancer Res,2010,12(Suppl 4):8.

[3]Zhou CW,Zhang RZ.Status and mission of the breast imaging.Chin J Magn Reson Imaging,2014,5(4):241-245.周純武,張仁知.乳腺影像學(xué)的現(xiàn)狀與使命.磁共振成像,2014,5(4):241-245.

[4]Peters NH,Borel Rinkes IH,Zuithoff NP,et al.Meta-analysis of MR imaging in the diagnosis of breast lesions.Radiology,2008,246(1):116-124.

[5]Uzzan B,Nicolas P,cucherat M,et a1.Microvessel density as a prognostic factor in women with breast cancer:a systematic review of the literature and Meta-analysis.Canccr Res,2004,64(9):2941-2955.

[6]Liu CF,Li W,Xu J,et al.Role and Significance of Vascular Endothelial Growth Factor Expression in breast carcinoma.China Pharmaceuticals,2014,23(11):76-77.劉春富,李衛(wèi),許軍,等.血管內(nèi)皮生長因子在乳腺癌表達(dá)的作用及意義.中國藥業(yè),2014,23(11):76-77.

[7]Bisacchi D,Benelli R,Vanzetto C,et al.Anti-angiogenesis and angioprevention:mechanisms,problems and perspectives.Cancer Detect Prev,2003,27(3):229-238.

[8]Weidner N.Current Pathologic methods for measuring intratumoral microvessel density within breast carcinoma and other solid tumor.Breast Cancer Res Treat,1996,36(2):169-180.

[9]Mattern J,Koomagi R,Volm M.Vascular endothelial growth-factor expression and angiogenesis in nonsmall cell lung carcinomas.Int J Oncol,1995,6(5):1059-1062.

[10]Yu Y,Jiang Q,Miao Y,et al.Quantitative analysis of clinical dynamic contrast-enhanced MR imaging for evaluating treatment response in human breast cancer.Radiology,2010,257(1):47-55.

[11]Folkman J.Tumor angiogenesis:therapeutic implications.N Engl J Med,1971,285(21):1182-1186.

[12]Rykala J,Przybylowska K,Majsterek I,et al.Angiogenesis markers quantification in breast cancer and their correlation with clinicopathological prognostic variables.Pathol Oncol Res,2011,17(4):809-817.

[13]Sourbron S.Technical aspects of MR perfusion.Eur J Radiol,2010,76(3):304-313.

[14]Medeiros LR,Duarte CS,Rosa DD,et a1.Accuracy of magnetic resonance in suspicious breast lesions：a systematic quantitative review and meta-analysis.Breast Cancer Res Treat,2011,1(26):273-285.

[15]Li RM,Gu YJ,Mao J,et al.Evaluation of quantitative dynamic contrast enhanced MRI in differential diagnosis of breast lesions.Zhonghua Fang She Xue Za Zhi,2011,45(2):164-169.李瑞敏,顧雅佳,毛健,等.定量動態(tài)增強(qiáng)MRI鑒別乳腺良惡性病變的研究.中華放射學(xué)雜志,2011,45(2):164-169.

[16]Baek HM,Chen JH,Nie K,et al.Predicting pathologic response to neoadjuvant chemotherapy in breast cancer by using MR imaging and quantitative 1H MR spectroscopy.Radiology,2009,251(3):653-662.

[17]Amamath J,Sangeeta T,Mehta SB.Role of quantitative pharmacokinetic parameter(transfer constant:Ktrans)in the characterization of breast lesions on MRI.Indian Journal of Radiology and Imaging,2013,23(1):19-25.

[18]Tudorica LA,Oh KY,Roy N,et al.A feasible high spatio temporal resolution breast DCE-MRI protocol for clinical settings.Magnetic resonance imaging,2012,30(9):1257-1267.

[19]Lim RP,Shapiro M,Wang EY,et al.3D time -resolved MR angiography(MRA)of the carotid arteries with time-resolved imaging with stochastic trajectories:comparison with 3D contrast enhanced bolus-chase MRA and 3D time-of-fl ight MRA.AJNR,2008,29(10):1847-1854.

[20]Tofts PS.Modeling tracer kinetics in dynamic Gd-DTPA MR imaging.J Magn Reson Imaging,1997,7(l):91-101.

[21]Wang Y,Huang W,panieek DM.Feasibility of using limited-Population- based arterial input function for Pharmacokinetic modeling of osteo-sarcoma dynamic contrast-enhanced MRI data.Magn Reson Med,2008,59(5):1183-1189.

[22]Cheng HL.Investigation and optimization of Parameter acuracy in dynamic contrast-enhanced MRI.J Magn Reson Imaging,2008,28(3):736-743.

[23]Boram Y,Doo KK,Dukyong Y,et al.Is there any correlation between model-based perfusion parameters and model-free parameters of timesignal intensity curve on dynamic contrast enhanced MRI in breast cancer patients?.Eur Radiology,2014,24(6):1089-1096.

[24]Song Q,Ma J,Rro SX,et al.Study of microcirculation function status of HCC using 3D-DCE-MRI perfusion Tofts model.Radio Practice,2013,28(6):662-665.宋瓊,馬靜,饒圣祥,等.MR全肝增強(qiáng)灌注Tofts模型分析對肝癌微循環(huán)功能狀態(tài)的影像生物學(xué)標(biāo)記物的評價研究.放射學(xué)實踐,2013,28(6):662-665.

[25]Li KA,Zhang RM,Zhang F,et al.Studies of pathology and VEGF expression in rabbit cerebrospinal fluid metastasis:application of dynamic contrast-enhanced MRI.Magn Reson Imaging,2011,29(2):1101.

[26]Liu KF,Xie P,Peng WJ,et al.Dynamic contrast-enhanced Magnetic Resonance Imaging for pancreatic ductal adenocarcinoma at 3.0 T Magnetic Resonance:correlation with histopathology.Journal of Computer Assisted Tomography,2015,39(1):13-18.