南聰慧，張 偉，王慧穎，華 薇，袁寶霖

(中國醫(yī)科大學附屬盛京醫(yī)院放射科，遼寧 沈陽 110004)

DOI：10.13929/j.1003-3289.201707125

動態(tài)增強MRI(dynamic contrast-enhanced MRI, DCE-MRI)篩查乳腺癌具有較高敏感度，已由美國癌癥協(xié)會推薦用于檢查乳腺癌高風險患者[1]。Warner等[2]研究顯示DCE-MRI較乳腺X線攝影具有更高敏感度，尤其對于患乳腺癌高風險的年輕女性。但DCE-MRI特異度較低，特別是當乳腺良惡性病變的形態(tài)學與血流動力學特征重疊時，診斷較為困難[3-5]。據(jù)報道[6]，在MRI發(fā)現(xiàn)異常后進行乳腺活檢的患者中，惡性病變的檢出率約29%。常規(guī)MR檢查在形態(tài)學上難以區(qū)分部分病變的良惡性，而DEC-MRI血流動力學參數(shù)有助于進一步鑒別乳腺病變良惡性，從而減少不必要的活檢[7]。目前基于可疑惡性病變的血流動力學模型所獲得的定量參數(shù)已被應用，可提高診斷病變準確率[8-9]，此外，有關背景實質強化(background parenchymal enhancement, BPE)與乳腺癌風險的相關性已見報道[10]。本研究探討DCE-MRI中乳腺病灶和背景實質定量參數(shù)評價乳腺良惡性病變的價值。

1 資料與方法

1.1 一般資料 回顧性分析我院2016年1月—7月經(jīng)手術病理證實、術前接受乳腺增強MR檢查的41例患者(共45個病灶)資料，均為女性，年齡16～75歲，平均(44.3±9.8)歲。排除標準：①假體植入術后；②乳腺占位術后；③DCE-MRI圖像質量不佳，無法獲得有效的定量參數(shù)值。41例中，2例為雙乳病灶，2例為單乳雙病灶，良性病灶21個(良性組；其中腺病伴增生6個，乳腺腺病4個，乳腺纖維腺瘤4個，乳腺炎癥3個，乳腺導管內(nèi)乳頭狀瘤2個，乳腺腺病伴導管上皮非典型增生1個，乳腺纖維腺瘤樣增生1個)，惡性病灶24個(惡性組；其中浸潤性導管癌14個，導管原位癌8個，浸潤性小葉癌1個，浸潤性篩狀癌1個)。

1.2 儀器與方法 采用GE Signal Excite HD 3.0T超導型MR成像系統(tǒng)，8通道乳腺專用表面線圈。囑患者俯臥，使雙乳對稱、自然懸垂于乳腺線圈內(nèi)。主要掃描參數(shù)：①軸位FSE T1W序列，TR 360 ms，TE 7.4 ms，層厚5 mm，層間距0，矩陣512×512，F(xiàn)OV 340 mm；②軸位FSE T2W脂肪抑制序列，TR 5 080 ms，TE 100 ms，層厚5 mm，層間距0，矩陣512×512，F(xiàn)OV 340 mm；③多期動態(tài)增強，雙側乳腺軸位及矢狀位成像，TR 7.4 ms，TE 4.2 ms，層厚2.2 mm，無間隔掃描，翻轉角15°，矩陣1 024×1 024，F(xiàn)OV 360 mm；④3D快速梯度回波序列，采用高壓注射器經(jīng)肘正中靜脈注射對比劑Dd-DTPA，以2～3 ml/s流速于10 s內(nèi)快速團注，進行連續(xù)8個時相動態(tài)增強掃描，每個時相持續(xù)時間76.4 s，無間隔，動態(tài)增強掃描總時間10 min 11 s。

1.3 圖像后處理 將動態(tài)增強圖像導入GE Omni-Kinetics軟件行后處理，采用Reference Region模型，選取病灶層面對側胸大肌為參考區(qū)域，繪制ROI：①病灶ROI取病灶最大截面積層面，面積約203.06 mm2，盡量包括實性組織，避開壞死組織、空洞、囊變、液化及鈣化等；②背景實質ROI選取病灶周圍相對致密的纖維腺體， 面積約36.72 mm2，避開腺體邊緣、脂肪、血管等結構。分別測量容量轉移常數(shù)(volume transfer constant, Ktrans)、速率常數(shù)(rate constant, Kep)、血漿分數(shù)(plasma fraction, Vp)，每組數(shù)據(jù)測量3次，取平均值。依據(jù)2013版ACR BI-RADS atlas[11]，將乳腺纖維腺體組織(fibroglandular tissue, FGT)特征分為脂肪型、少量腺體型、不均勻致密型以及致密型；背景實質強化分為幾乎沒有、少量、中等、顯著；將脂肪型、少量腺體型、不均勻致密型合并為非致密型；幾乎沒有、少量、中等強化合并為非顯著強化。

2 結果

2.1 乳腺良惡性病變的定量參數(shù)值 良性組、惡性組病灶及背景實質的定量參數(shù)Ktrans、kep和Vp見表1。惡性組病灶(圖1)Ktrans、Kep顯著高于良性組(P均<0.05)，2組Vp差異無統(tǒng)計學意義(P>0.05)。惡性組背景實質(圖1)Ktrans、Kep高于良性組(P均<0.05)；2組背景實質Vp差異無統(tǒng)計學意義(P>0.05)。

表1 乳腺病灶和背景實質的定量參數(shù)比較[中位數(shù)(上下四分位數(shù))]

圖1 患者女，47歲，右乳內(nèi)18 mm×16 mm病灶，病理證實為浸潤性導管癌Ⅱ級 A.DCE-MRI病灶原圖; B.病灶及背景實質的ROI勾畫; C. Reference Region模型的偽彩圖，病灶Ktrans為1.01 min-1，Kep為0.75 min-1；背景實質Ktrans為0.29 min-1，Kep為0.19 min-1

部位臨界值敏感度(%)特異度(%)AUC(95%置信區(qū)間)P值 病灶 Ktrans0.36min-110052.380.76(0.61,0.88)<0.001 Kep0.23min-166.6771.430.68(0.53,0.81)0.030 Vp0.1854.1766.670.54(0.39,0.69)0.656 背景實質 Ktrans0.22min-187.5076.190.81(0.66,0.91)<0.001 Kep0.11min-179.1771.430.75(0.60,0.87)0.001 Vp0.1841.6785.710.61(0.45,0.75)0.219 所有參數(shù)聯(lián)合模型0.4095.8371.430.86(0.72,0.95)<0.001

2.2 診斷效能 背景實質Kep與病灶Vp、背景實質Ktrans、與病灶Vp、病灶Ktrans與病灶Vp的AUC比較差異均有統(tǒng)計學意義(Z=2.00、2.37、2.28，P=0.046、0.018、0.023)，余兩兩比較AUC差異均無統(tǒng)計學意義(P均>0.05)。所有參數(shù)聯(lián)合的Logistic回歸模型具有最高的AUC(0.86，P<0.001)，其敏感度、特異度分別為95.83%、71.43%，見表2和圖2。

2.3 腺體特征 惡性組致密型腺體及背景實質顯著強化所占比例與良性組比較差異均無統(tǒng)計學意義(P均>0.05)，見表3。

3 討論

DCE-MRI血流動力學模型所獲得的定量參數(shù)包括：①Ktrans，反映對比劑從血管內(nèi)到組織間隙的轉運速率；②Kep，反映對比劑從血管外組織間隙重新回到血管內(nèi)的速率；③Vp。定量參數(shù)反映對比劑在活體組織細胞中的動態(tài)交換過程，可據(jù)此評價組織血流灌注及微血管滲透性情況，在乳腺良惡性的診斷中發(fā)揮著重要的作用。胡益祺等[12]研究結果顯示乳腺癌病灶Ktrans和Kep值明顯高于良性病變，病灶Ve值無明顯差異；Huang等[13]對乳腺MRI可疑病變的病灶Ktrans值進行研究，發(fā)現(xiàn)使用臨界值可使病灶Ktrans值較低的病變免于活檢，從而降低MR檢查的假陽性率。本研究Reference Region模型中，惡性組病灶Ktrans和Kep值分別為0.70 min-1和0.33 min-1，良性組病灶Ktrans和Kep值分別為0.36 min-1和0.14 min-1，差異均有統(tǒng)計學意義(P=0.003、0.036),與既往研究[12]結果相似。由于惡性腫瘤細胞增長迅速，腫瘤生長過快，新生血管增多，血管壁相對薄弱，內(nèi)皮細胞生長不完整，導致血管壁通透性增高，對比劑交換增多、速度加快，使對比劑從新生血管內(nèi)擴散到血管外間隙和由血管外間隙重新回到血管內(nèi)速度均加快，因此病灶Ktrans和Kep值均增大。良性病變由于新生血管較少，血管內(nèi)皮細胞生長完整，相對缺乏高通透性的血管，對比劑填充緩慢，交換受阻，使病灶Ktrans和Kep值均降低。本研究顯示惡性組病灶Vp值與良性組比較差異無統(tǒng)計學意義(P>0.05)，與楊晶等[14]的研究結果相似，可能因惡性病變發(fā)展過程中Vp的變化較慢，與良性病灶Vp值存在重疊，尚需進一步探討。

表3 2組患者腺體FGT特征[例(%)]

圖2 各參數(shù)診斷乳腺良惡性病變的ROC曲線

此外，BPE被認為是與乳腺癌風險相關的生物標志物[10]，但由于難以選擇嵌入周圍脂肪組織中的正常纖維腺體，即使在三維 MRI的最高空間分辨率下，量化BPE也較復雜。常規(guī)DCE-MRI對BPE的分類為無/幾乎無、少量、中等和顯著[15]。本研究結果表明惡性組的背景實質Ktrans和Kep高于良性組，且差異有統(tǒng)計學意義，提示背景實質的血管特征可能與乳腺中存在惡性病變有關。腫瘤細胞與微環(huán)境的相互作用對癌癥的發(fā)生和進展至關重要。惡性細胞增殖期間，腫瘤基質發(fā)生變化，包括增加血管生成、細胞外基質的重塑以及免疫細胞浸潤。

本研究顯示惡性組的背景實質Vp與良性組比較差異無統(tǒng)計意義(P>0.05)，可能與惡性組較良性組有更多顯著BPE、更致密FGT有關。今后需增大樣本量進一步評估背景實質Vp與FGT特征的關系。

本組背景實質Ktrans的AUC最高，其敏感度、特異度分別為87.50%、76.19%，提示乳腺背景實質的定量參數(shù)可能更有助于鑒別乳腺良性及惡性病變。此外，本研究綜合所有參數(shù)聯(lián)合模型診斷乳腺惡性病變的敏感度、特異度分別為95.83%、71.43%，AUC值為0.86(P<0.001)，診斷效能明顯高于單個參數(shù)。

本研究的局限性：月經(jīng)周期的不同階段可能導致乳腺的血流變化，從而產(chǎn)生不同的乳腺MRI表現(xiàn)[16]，而本研究未對病變中女性月經(jīng)情況進行探討。另外，本研究樣本量較小，有待于大樣本、多中心研究進一步觀察。

綜上所述，通過分析乳腺良惡性病變發(fā)現(xiàn)，病灶Ktrans和Kep、背景實質Ktrans和Kep對鑒別乳腺良惡性病變有一定價值。定量分析DCE-MRI數(shù)據(jù)有助于鑒別良惡性病變，其背景實質的血流動力學特征有望成為無創(chuàng)診斷乳腺病變的新方法。

[

]

[1] Saslow D, Boetes C, Burke W, et al. American Cancer Society guidelines for breast screening with MRI as an adjunct to mammography. CA Cancer J Clin, 2007,57(2):75-89.

[2] Warner E, Messersmith H, Causer P, et al. Systematic review: Using magnetic resonance imaging to screen women at high risk for breast cancer. Ann Intern Med, 2008,148(9):671-679.

[3] Heller SL, Moy L. Imaging features and management of high-risk lesions on contrast-enhanced dynamic breast MRI. AJR Am J Roentgenol, 2012,198(2):249-255.

[4] Heller SL, Moy L, Lavianlivi S, et al. Differentiation of malignant and benign breast lesions using magnetization transfer imaging and dynamic contrast-enhanced MRI. J Magn Reson Imaging, 2013,37(1):138-145.

[5] Mahoney MC, Gatsonis C, Hanna L, et al. Positive predictive value of BI-RADS MR imaging. Radiology, 2012,264(1):51-58.

[6] Han BK, Schnall MD, Orel SG, et al. Outcome of MRI-guided breast biopsy. AJR Am J Roentgenol, 2008,191(6):1798-1804.

[7] Turnbull LW. Dynamic contrast-enhanced MRI in the diagnosis and management of breast cancer. NMR Biomed, 2009,22(1):28-39.

[8] Huang W, Li X, Morris EA, et al. The magnetic resonance shutter speed discriminates vascular properties of malignant and benign breast tumors in vivo. Proc Natl Acad Sci U S A, 2008,105(1):17943-17948 .

[9] Kim SG, Feng L, Grimm R, et al. Influence of temporal regularization and radial undersampling factor on compressed sensing reconstruction in dynamic contrast enhanced MRI of the breast. J Magn Reson Imaging, 2016,43(1):261-269.

[10] King V, Brooks JD, Bernstein JL, et al. Background parenchymal enhancement at breast MR imaging and breast cancer risk. Radiology, 2011,260(1):50-60.

[11] Morris EA, Comstock C, Lee C, et al. ACR BI-RADS?atlas, breast imaging reporting and data system. Reston: American College of Radiology, 2013:1.

[12] 胡益祺,艾濤,李嫣,等.基于CAIPIRINHA-Dixon-TWIST-VIBE技術動態(tài)增強MRI對乳腺病變的定量參數(shù)分析.影像診斷與介入放射學,2016,25(2):98-101.

[13] Huang W, Tudorica LA, Li X, et al. Discrimination of benign and malignant breast lesions by using shutter-speed dynamic contrast-enhanced MR imaging. Radiology, 2011,261(2):394-403.

[14] 楊晶,唐桂波,楊國財,等.動態(tài)增強MRI鑒別診斷不典型乳腺癌與纖維腺瘤.中國醫(yī)學影像技術,2016,32(11):1683-1687.

[15] DeMartini WB, Liu F, Peacock S, et al. Background parenchymal enhancement on breast MRI: Impact on diagnostic performance. AJR Am J Roentgenol, 2012,198(4):373-380.

[16] Amarosa AR, McKellop J, Klautau LAP, et al. Evaluation of the kinetic properties of background parenchymal enhancement throughout the phases of the menstrual cycle. Radiology, 2013,268(2):356-365.