賀麗彤,劉志強(qiáng),胡奇蘭,胡益祺,詹晨奧,霍敏,彭瀟,高利珍,艾濤

2023年RSNA年會中乳腺影像學(xué)方面的內(nèi)容較往年更加豐富,本文將按照不同成像技術(shù)和方法對今年的研究熱點和進(jìn)展進(jìn)行闡述。

乳腺X線檢查

1．?dāng)?shù)字乳腺X線攝影(digital mammography,DM)

數(shù)字乳腺X線攝影是目前廣泛應(yīng)用于乳腺癌篩查的成像技術(shù)。然而,傳統(tǒng)的DM仍然存在較高的召回率(RR)和漏診率。在這一背景下,人工智能(AI)的應(yīng)用在DM中表現(xiàn)出顯著的潛力,既能夠提高乳腺癌篩查的效能,又能減輕影像醫(yī)生的工作負(fù)擔(dān)。Chang等研究了在DM閱片中使用基于AI的計算機(jī)輔助檢測和診斷(CAD e/x)對具有平均乳腺癌風(fēng)險的韓國女性進(jìn)行乳腺癌篩查的效果。結(jié)果顯示,對于DM閱片經(jīng)驗較少的放射科醫(yī)生,基于AI的CAD e/x具有更好的輔助效果,其中使用AI的乳腺成像放射科醫(yī)師(BR)表現(xiàn)出最高的癌癥檢出率(CDR),盡管其召回率相對較低。

Heacock等討論了將先前的影像與AI相結(jié)合在乳腺癌篩查中的額外價值。通過測試四種AI模型,包括不同時間點的先前檢查數(shù)據(jù),研究發(fā)現(xiàn)將先前的檢查添加到AI全數(shù)字化乳腺攝影/數(shù)字乳腺斷層攝影(AI FFDM/DBT)篩查模型中可以提高對浸潤性癌和導(dǎo)管原位癌(DCIS)的檢測敏感性。Lauritzen等通過RR、CDR、浸潤性癌發(fā)生率等指標(biāo)評估了丹麥?zhǔn)锥嫉貐^(qū)AI乳腺癌篩查的質(zhì)量。研究結(jié)果顯示,AI篩查提高了CDR,降低了RR和假陽性(FP)率,特別是對于小的浸潤性癌的診斷更為常見。Park等評估了AI在乳腺癌保乳治療(BCT)后的篩查乳腺鉬靶中的臨床應(yīng)用價值。通過分析乳腺影像專家的原始報告、獨立AI和決策轉(zhuǎn)診AI分診三種方式的CDR、RR和敏感度,研究結(jié)果顯示基于AI的分診能夠減輕放射科醫(yī)生的工作負(fù)擔(dān),同時保持BCT患者篩查鉬靶的敏感性。Ha等評估了在5708例無癥狀乳腺致密型女性中,補(bǔ)充超聲(US)和輔助AI在篩查DM中的價值。結(jié)果顯示,單獨DM、DM+AI和DM+US的CDR分別為2.8、3.2、5.3,補(bǔ)充超聲顯示出比AI更高的癌癥檢測能力。尤其是在無AI召回的乳腺致密型女性中,補(bǔ)充超聲能夠檢測到額外的早期癌癥,因此,DM與AI的聯(lián)合使用尚不能完全替代補(bǔ)充超聲的必要性。此外,Polat等開發(fā)了一種深度學(xué)習(xí)(DL)算法,用于在DM中進(jìn)行乳腺癌的自動診斷。研究結(jié)果顯示,該DL模型在不同種族和年齡間表現(xiàn)相似,對于表征軟組織病變和大小為10～15 mm的病變,其性能更為出色。DL算法在不同數(shù)據(jù)集中展現(xiàn)出較高的診斷性能,為大規(guī)模篩查分診提供了潛在的有效手段。

乳腺癌風(fēng)險評估對于實現(xiàn)個性化篩查至關(guān)重要。Graewingholt等的研究發(fā)現(xiàn),圖像衍生的AI風(fēng)險模型能夠辨別未來兩年內(nèi)可能患乳腺癌的女性,其平均風(fēng)險評分是無癌女性的2.4倍(1.29%/0.54%)。特別值得注意的是,侵襲性癌癥,尤其是小葉癌的平均風(fēng)險高于DCIS。因此,在篩查中采用AI風(fēng)險工具進(jìn)行評估,有助于對那些風(fēng)險較高的女性進(jìn)行層層分級,縮短篩查時間間隔以實現(xiàn)對癌癥的早期檢測。Kuhl等在多中心國際數(shù)據(jù)聯(lián)盟中開展了一項關(guān)于基于圖像的5年乳腺癌風(fēng)險預(yù)測深度學(xué)習(xí)模型的研究,該模型在各中心的AUC為0.75～0.80。他們的研究還發(fā)現(xiàn),與乳腺密度相比,基于圖像的深度學(xué)習(xí)模型在預(yù)測未來乳腺癌風(fēng)險方面表現(xiàn)更為出色,為制定臨床決策提供了更有效的指導(dǎo)。Trivedi等進(jìn)行了傳統(tǒng)乳腺癌風(fēng)險模型(BCRAT和TC6)與DL風(fēng)險模型的比較研究。結(jié)果表明,DL模型在預(yù)測5年乳腺癌風(fēng)險方面優(yōu)于傳統(tǒng)的風(fēng)險模型。他們還評估了該模型在不同種族/民族、年齡、乳腺密度和乳腺癌家族史方面的表現(xiàn),發(fā)現(xiàn)在所有亞組中,DL模型的AUC均在0.73及以上,且在W/NH和POC/H、<50歲和≥50歲、有和無乳腺癌家族史三個亞組間均無顯著差異。這提示DL模型減少了與傳統(tǒng)風(fēng)險模型相關(guān)的性能差異。Demartini等和Lamb等的研究結(jié)果證實了該模型在預(yù)測浸潤性癌和DCIS的風(fēng)險方面的有效性。Mayo等的研究結(jié)果表明,基于圖像的DL風(fēng)險模型能夠識別40多歲的患者,其未來5年的乳腺癌風(fēng)險與50～69歲患者相似,為40～49歲的患者和他們的醫(yī)生提供了關(guān)于何時開始篩查的更明智的決策。

此外,Lamb等比較了帶有和不帶有多基因風(fēng)險評分(PRS)的DL和Gail模型的性能。結(jié)果顯示,DL模型的AUC為0.65,DL+PRS為0.72(P<0.05),Gail模型的AUC為0.50,Gail+PRS為0.68(P<0.001)。DL模型的AUC顯著高于Gail模型(P<0.001),但DL+PRS與Gail+PRS之間沒有顯著差異(P=0.34)。這表明通過添加PRS可以提高DL風(fēng)險評估模型的性能。另外,將過去的檢查數(shù)據(jù)整合到AI風(fēng)險評估模型中,可以進(jìn)一步提高其預(yù)測性能。Lee等比較了AI-1(先前的DM)和AI-2(配對目前和先前的DM)兩種模型在乳腺癌風(fēng)險預(yù)測中的表現(xiàn)。結(jié)果顯示C指數(shù)從AI-1的0.68增加到AI-2的0.73(P=0.004),證實了AI預(yù)測模型在識別未來乳腺癌的乳房X線攝影實質(zhì)特征方面的可行性。引入縱向變化可以提高乳腺癌的風(fēng)險分層,從而改善乳腺癌的個性化篩查。Goldberg等也證實了將多種成像模態(tài)(FFDM/DBT、US)和既往成像數(shù)據(jù)整合到AI乳腺癌風(fēng)險評估模型中可以改善其預(yù)測性能,從而能夠根據(jù)個體隨時間推移的風(fēng)險特征制定個性化、數(shù)據(jù)驅(qū)動和不斷發(fā)展的篩查方案。

數(shù)字乳腺X線攝影(DM)還可用于評估乳腺腺體密度。Cho等通過不同經(jīng)驗水平的閱片者使用乳腺影像報告與數(shù)據(jù)系統(tǒng)(BI-RADS)乳腺密度類別、基于人工智能的計算機(jī)輔助診斷(AI-CAD)和自動體積密度測量程序(Volpara?)三種方式進(jìn)行乳腺密度評估,并使用加權(quán)Kappa統(tǒng)計分析它們之間的一致性。研究結(jié)果顯示,乳腺成像專家和普通放射科醫(yī)生之間的一致性顯著(k=0.65),放射科醫(yī)生與Volpara?之間的一致性顯著(k=0.64～0.67),但與AI-CAD之間的一致性中等(k=0.45～0.58)。Schurz等的研究證實了校準(zhǔn)AI閾值,以確保密度為C和D的女性與密度為B的女性具有相同的敏感度,是可行的。實施具有密度特定校準(zhǔn)的AI-CAD系統(tǒng)可以提高篩查系統(tǒng)的公平性,為那些乳腺X線攝影密度較高的女性提供平等的篩查檢測機(jī)會。Choi等的研究評估了三陰性乳腺癌(TNBC)患者新輔助化療(NAC)后的乳房X線密度變化與治療和生存結(jié)果之間的關(guān)系。結(jié)果顯示,對于絕經(jīng)前的婦女,NAC后對側(cè)乳腺密度降低10%或以上與病理完全緩解(pCR)獨立相關(guān),但與對側(cè)乳腺癌以及局部復(fù)發(fā)和/或遠(yuǎn)處轉(zhuǎn)移的發(fā)生無關(guān)。

乳腺動脈鈣化(BAC)已被確定為獨立的心血管風(fēng)險因素,通過DM進(jìn)行自動BAC評估的精確定量模型可以為心臟病提供輔助篩查工具。Jedidia等利用基于深度學(xué)習(xí)的軟件(iCAD)自動檢測和量化BAC,并與BAC手動評分進(jìn)行比較,同時分析了顯著BAC AI評分(BAC AI評分≥5)對檢測顯著冠狀動脈鈣化(CAC評分≥4)的診斷性能。結(jié)果顯示,BAC AI評分與BAC人工評分高度相關(guān)(r=0.83,P<0.01),顯著BAC AI評分檢測顯著CAC的敏感度、特異度、陽性預(yù)測值(PPV)、陰性預(yù)測值(NPV)和準(zhǔn)確率分別為32.7%、96.1%、71.2%、83.1%和81.9%。Parghi等在一項前瞻性、多中心的研究中探討了使用AI在篩查DM中檢測和評估BAC的準(zhǔn)確性和可行性。結(jié)果顯示,AI算法在BAC檢測中具有較高的準(zhǔn)確性,BAC的患病率和分布隨著年齡的增長而增加,可以為臨床決策和風(fēng)險評估提供信息,并預(yù)測患者數(shù)量。此外,AI還可以大規(guī)模標(biāo)準(zhǔn)化BAC檢測,潛在地提高效率并減少觀察者之間的差異。

2．?dāng)?shù)字乳腺斷層攝影(digital breast tomosynthesis,DBT)

數(shù)字乳腺斷層攝影(DBT)是一種三維重建成像技術(shù),通過進(jìn)行容積數(shù)據(jù)采集后重建生成三維乳腺圖像,能夠清晰地顯示被正常腺體掩蓋的病變,從而提高乳腺疾病的檢出率。然而,相較于DM,DBT的閱片時間更長。人工智能(AI)的應(yīng)用可以在不降低癌癥檢出率的情況下提高DBT的性能,減少召回率,并減輕放射科醫(yī)生的工作負(fù)擔(dān)。Yang等對28,278例篩查DBT中AI系統(tǒng)(Transpara 1.7.1,ScreenPoint Medical)的性能進(jìn)行了回顧性分析。結(jié)果表明,AI評分在8～10之間對癌癥具有較強(qiáng)的預(yù)測價值,該系統(tǒng)有助于臨床決策,減少了活檢和召回率,并提高了癌癥檢出率。Haslam等研究發(fā)現(xiàn),用于篩查DBT的AI可以幫助放射科醫(yī)生在整體上提高癌癥檢測性能,尤其是對于難以檢測的癌癥病例,進(jìn)一步證實AI有助于更早發(fā)現(xiàn)這些癌癥。

與DM篩查相比,Weigel等認(rèn)為盡管DBT篩查的診斷率更高,但仍需要獨立的雙重閱片來識別篩查檢測到的乳腺癌。Chen等的研究發(fā)現(xiàn),在篩查環(huán)境中,DBT的閱讀時間是FFDM的兩倍,因此,在使用DBT進(jìn)行乳腺癌篩查時,雙重閱片可能會增加篩查的工作量。McCabe等的一項回顧性多中心研究對522,078例篩查DBT進(jìn)行了AI支持的額外審查(AIAR),結(jié)果顯示AIAR增加了癌癥檢出率,減少了假陰性,并同時最大限度地減少了在大型現(xiàn)實世界數(shù)據(jù)集中識別和召回高?；颊咚璧念~外工作量。Pacile等提出了使用兩個AI系統(tǒng)(密度AI和癌癥檢測AI)來分流篩查乳腺DBT,可以在保持癌癥檢出率不變的情況下減輕放射科醫(yī)生的工作量,并降低篩查女性被召回接受進(jìn)一步檢查的比例。

此外,Philpotts等研究發(fā)現(xiàn)在篩查DBT中,晚期癌癥的發(fā)病率在不同種族之間略有不同,總體上沒有顯著差異。然而,與篩查DM相比,DBT篩查在白人和黑人群體中顯著減少了晚期癌癥的發(fā)病率,因此DBT篩查有助于減少晚期癌癥的發(fā)病率,尤其是在白人和黑人/非裔美國人中。他們還探討了DBT篩查間隔對晚期癌癥發(fā)病率的影響。結(jié)果顯示,非晚期癌癥篩查的間隔時間(平均542天,中位781天)明顯小于晚期癌癥篩查的間隔(平均634天,中位890天)(P<0.02)。篩查間隔在21個月(1.75年)之內(nèi),晚期癌癥的發(fā)病率相對穩(wěn)定在27%～29%,之后上升到37%。因此,保持不超過2年的篩查間隔有助于減少晚期癌癥的發(fā)生。

準(zhǔn)確診斷DBT上的結(jié)構(gòu)扭曲(AD)是一項具有挑戰(zhàn)性的任務(wù)。Zhou等研究發(fā)現(xiàn)在DBT上,伴有結(jié)節(jié)密度的AD病變的惡性率較高(91% vs. 69%),而伴有微鈣化的AD病變的惡性率較低(38%)。具有相應(yīng)超聲異常的病例與沒有異常的病例相比,其惡性率更高(72% vs. 24%,P<0.00001)。乳腺密度為A+B的患者的惡性率顯著高于乳腺密度為C+D的患者(75% vs. 53%,P=0.0011)。因此,通過更深入地了解伴隨特征和組織背景,以及借助輔助超聲的相應(yīng)發(fā)現(xiàn),可以改善DBT上表現(xiàn)為AD的病變的診斷。Zhang等發(fā)現(xiàn)影像組學(xué)模型在鑒別DBT中的結(jié)構(gòu)扭曲方面的診斷性能優(yōu)于深度學(xué)習(xí)模型,但深度學(xué)習(xí)中的梯度加權(quán)類激活映射(Grad-CAM)可以有效地定位結(jié)構(gòu)扭曲的區(qū)域,從而有助于開發(fā)全自動乳腺癌計算機(jī)輔助診斷系統(tǒng)。

3．對比增強(qiáng)乳腺X線攝影(contrast-enhanced spectral mammography,CESM)

對比增強(qiáng)乳腺X線攝影(CESM)作為一種基于全數(shù)字化乳腺X線攝影的新檢查方法,通過利用腫瘤組織對碘對比劑的攝取,反映病灶血流動力學(xué)特點,能夠提高乳腺病變的檢出率和診斷準(zhǔn)確率。Shehata等通過系統(tǒng)綜述和薈萃分析,對DM和CESM在乳腺癌檢測中的診斷準(zhǔn)確性進(jìn)行評價和比較,該分析最終包括了20項研究,涵蓋了3830個乳腺病變。結(jié)果顯示,CESM的敏感度(0.948 vs. 0.815)和特異度(0.732 vs. 0.576)顯著高于DM,且CESM的診斷優(yōu)勢明顯優(yōu)于DM(50.4 vs. 6.12)。因此,在乳腺癌檢測中,CESM表現(xiàn)出比DM更優(yōu)異的診斷性能,臨床醫(yī)生應(yīng)該考慮將CESM作為DM的替代或補(bǔ)充成像方式。Nissan等進(jìn)行了一項回顧性分析,研究了609名乳腺極致密型女性的1300次篩查CESM,評估了CESM在這一特定人群中的乳腺癌篩查性能。結(jié)果顯示,CESM的敏感度為88.2%,特異度為87.7%,篩查鉬靶陽性發(fā)現(xiàn)(BI-RADS 0, 4, 5)的陽性預(yù)測值(PPV1)為6.6%,進(jìn)行活檢的陽性預(yù)測值(PPV3)為23.4%,NPV為99.8%,表明CESM有可能作為對乳腺癌風(fēng)險增加的乳腺極致密型女性進(jìn)行補(bǔ)充篩查的一種方式。Patel等進(jìn)行了一項前瞻性調(diào)查,研究了461例接受補(bǔ)充CESM篩查的DM陰性(BI-RADS 1或2)患者,結(jié)果顯示,CESM的補(bǔ)充癌癥檢出率為21.7/1000,具有高的特異度(0.922)和敏感度(0.917),與高風(fēng)險監(jiān)測MRI的結(jié)果相當(dāng)。Rahman等通過回顧性比較CESM和DM在中度乳腺癌風(fēng)險和乳腺致密型女性中的篩查效能。結(jié)果表明在該類人群中,與DM相比,CESM可以增加乳腺癌的檢出率,其增量檢出率為4/1000。Berg等證實了對于沒有乳腺癌個人史(PHBC)的高危人群,在DBT后進(jìn)行CESM檢查可以顯著增加早期乳腺癌的檢出率,但CESM的假陽性召回率較高,且PPV3相對較低。因此,他們評估了乳腺密度、背景實質(zhì)強(qiáng)化(BPE)、絕經(jīng)狀態(tài)、既往放射治療(XRT)和當(dāng)前內(nèi)分泌治療對CESM假陽性召回(FPR)率的影響。結(jié)果顯示,FPR率在具有輕微BPE的絕經(jīng)后女性中最低,為5.1%(180/3564),在具有中度-顯著BPE的絕經(jīng)前女性中最高,為16.7%(62/371),因此可以通過減少此類患者的召回從而增加篩查CESM的凈獲益。Winkler等評估了不同水平的BPE對CESM篩查性能的影響,結(jié)果顯示,高BPE(顯著或中度)和低BPE(輕度或輕微)組間的CDR、PPV和間期癌率(IC)均無統(tǒng)計學(xué)差異。

CESM在正確識別乳腺良惡性病變方面表現(xiàn)卓越,能夠降低不必要的活檢次數(shù),并在術(shù)前分期中發(fā)揮一定的價值。Pupo等研究發(fā)現(xiàn),CESM中可疑微鈣化的強(qiáng)化在預(yù)測惡性腫瘤方面表現(xiàn)出較高的敏感度(96.5%),同時由于其較高的陰性預(yù)測值(97.4%),如果可疑微鈣化未顯示強(qiáng)化,可將其作為放射學(xué)隨訪的候選者,從而減少良性病變的活檢次數(shù)。Zeitouni等的研究證實CESM能夠辨別大多數(shù)病例中的惡性鈣化,與良性鈣化相比,惡性鈣化的強(qiáng)化率更高(P<0.001),不過大部分DCIS可能不會表現(xiàn)出強(qiáng)化。Suaris等對CESM上浸潤性癌、非浸潤性癌及良性病變的增強(qiáng)病變與背景實質(zhì)之間的信號差百分比(%RS)進(jìn)行了比較研究,結(jié)果顯示浸潤性癌(ML 1.64%,CC 1.51%)的增強(qiáng)強(qiáng)度明顯高于非浸潤性癌(ML 0.98%,CC 1.02%)和良性病變(ML 0.75%,CC 0.68%)(P<0.01)。因此,CESM中強(qiáng)化程度的定量分析可用于術(shù)前預(yù)測乳腺病變的組織學(xué)類型。Dai等開發(fā)的一種基于AI的CESM模型用于術(shù)前鑒別乳腺良惡性病變和原位癌。結(jié)果顯示,在良惡性病變鑒別中,結(jié)合深度學(xué)習(xí)特征和臨床特征(年齡、病變直徑)的AI模型在外部測試集中的AUC值為0.932,明顯優(yōu)于表現(xiàn)最好的DL模型(RefineNet+CBAM AUC:0.893)和影像組學(xué)模型(Logistic回歸AUC值:0.674),此外,AI模型在浸潤性癌和原位癌的鑒別中也取得了令人滿意的結(jié)果,在內(nèi)部測試集中的AUC值為0.822。AI模型提供了一種用于術(shù)前鑒別乳腺良惡性病變的自動、無創(chuàng)的方法,提高了CESM圖像識別的敏感性和特異性。Charalambous等通過對473例篩查DM為BI-RADS 3類的患者進(jìn)行CESM和活檢,證實了CESM可以根據(jù)病變的強(qiáng)化類型更準(zhǔn)確地預(yù)測良性病變。此外,他們還發(fā)現(xiàn)CESM中B3病變顯示為無強(qiáng)化,具有很高的陰性預(yù)測值,可避免16.9%的開放手術(shù)切除(OSE)。Liu等建立了一種基于CESM的影像組學(xué)-臨床模型,用于預(yù)測BI-RADS≥4A的病變的活檢結(jié)果。結(jié)果顯示,影像組學(xué)、臨床描述和影像組學(xué)-臨床模型的AUC分別為0.87、0.89和0.92,當(dāng)敏感度為100%時,與放射科醫(yī)師的臨床描述相比,影像組學(xué)-臨床模型對初始臨床BI-RADS 4A(或4B)患者和CESM調(diào)整4A(或4B)患者的PPV分別增加了153%(或63%)和78%(或30%)。Liu等建立了一個量化CESM BPE的自動化系統(tǒng),計算纖維腺體組織中增強(qiáng)像素的絕對面積(|BPE|)、整個乳腺區(qū)域的|BPE|(BPE_b%)以及纖維腺體組織區(qū)域的|BPE|(BPE_f%)三個測量值,并通過計算兩種類型臨界值閾值范圍的BPE測量值:數(shù)字化雙能量減影(DES)圖像的絕對像素強(qiáng)度(2000～2160)或DES與低能(LE)圖像的強(qiáng)度比(0%～200%),來評估其在惡性和良性患者中的特征。結(jié)果顯示,放射科醫(yī)師定性BPE的AUC為0.59,而定量BPE的AUC為0.63,因此,BPE的自動定量評估提供了可重現(xiàn)的措施,從而增加CESM的臨床效用。此外,Bellini等證實CESM在活檢證實的乳腺癌患者術(shù)前分期中具有較高的敏感度、特異度、NPV和PPV(分別為94.8%、95.9%、98.5%和86.4%),因此,CESM可用于乳腺癌術(shù)前管理和手術(shù)計劃的選擇,從而避免過度治療或治療不足。

CESM引導(dǎo)的乳腺病變活檢也備受研究關(guān)注。Alcantara等對CESM引導(dǎo)活檢與其他乳腺X線攝影引導(dǎo)技術(shù)[包括數(shù)字立體定向乳腺活檢(SBB)和DBT引導(dǎo)]的平均腺體劑量(AGD)進(jìn)行了評估,同時研究了AGD與壓縮乳腺厚度(CBT)之間的關(guān)系。研究結(jié)果顯示,單次CESM引導(dǎo)活檢的AGD(1.48 mGy)與SBB(1.49 mGy)以及單次DBT探查(1.55 mGy)相似。此外,所有模式的AGD都隨著乳腺厚度的增加而增加,突顯了CESM引導(dǎo)在提高乳腺成像中可疑結(jié)果的可見性和診斷準(zhǔn)確性方面的潛在優(yōu)勢。Cao等進(jìn)行了一項前瞻性研究,對94例患者中MRI檢出的114個BI-RADS 4A或以上的乳腺病變進(jìn)行了立體定向CESM活檢,評估了活檢成功率、可能預(yù)測成功的因素、患者滿意度以及放射科醫(yī)生的信心水平。研究結(jié)果顯示,活檢成功率為61%(69/114),較大的病變和非腫塊樣強(qiáng)化(NME)病變的CESM活檢成功率更高。患者對手術(shù)整體的滿意度評分達(dá)到了4.8/5+0.7,同時,對于強(qiáng)化的病變,放射科醫(yī)生對活檢成功的信心評分為4.4/5+0.8。這項研究為CESM活檢的應(yīng)用提供了指導(dǎo)信息,并明確了哪些MRI檢出的病變適合嘗試CESM活檢。

乳腺CT

Lee等在大規(guī)模篩查人群中研究了由放射科醫(yī)生評估的CT乳腺密度分級與乳腺癌風(fēng)險之間的關(guān)系,并將結(jié)果與DM密度進(jìn)行了比較。研究發(fā)現(xiàn),相較于1級和2級患者,CT密度4級患者患乳腺癌的風(fēng)險更高(相對風(fēng)險為10.502)。值得注意的是,鉬靶和CT上的乳腺密度評估存在顯著相關(guān)性,兩位閱片者的一致性分別為0.770和0.941,而讀者之間的一致性也表現(xiàn)出良好的水平(鉬靶和CT的kappa值分別為0.613和0.701)。這一結(jié)果暗示,低劑量胸部CT掃描,用于肺癌篩查,有望在不損害一致性的前提下評估乳腺密度,提供乳腺癌風(fēng)險信息,未來或?qū)⒊蔀閷Ｓ萌橄貱T掃描研究的發(fā)展方向。

Xia等的研究證實,雙層探測器光譜CT(DLCT)的定量參數(shù)對于區(qū)分乳腺良惡性病變和預(yù)測乳腺癌免疫組化生物標(biāo)志物表達(dá)水平具有一定的臨床應(yīng)用價值。在Neubauer等的研究中,胸部光子計數(shù)CT(PC-CT)顯示出對乳腺癌進(jìn)行補(bǔ)充性局部分期的可行性,相較于DM,其在T分期(TNM 8th Ed.)的診斷準(zhǔn)確性、檢測到的腫塊數(shù)量與參考標(biāo)準(zhǔn)的相關(guān)性、以及對DCIS的敏感性和特異性等方面表現(xiàn)更優(yōu)。此外,PC-CT在檢測硅膠乳房植入物的退行性改變和破裂方面也具有較高的診斷準(zhǔn)確性。這一研究強(qiáng)調(diào)了對比增強(qiáng)胸部PC-CT在乳腺癌局部分期和植入物檢測方面的優(yōu)勢,相較于DM,為未來的乳腺癌影像學(xué)提供了新的可能性。

乳腺超聲

1．常規(guī)超聲

超聲成像作為一種簡便易行、安全無創(chuàng)、無輻射、可重復(fù)性強(qiáng)、經(jīng)濟(jì)實惠的檢查方式,在乳腺癌的診斷及腋窩淋巴結(jié)評估等方面發(fā)揮著重要作用。Ha等進(jìn)行了一項回顧性分析,涉及993例接受超聲篩查的無癥狀女性,該研究檢測出非腫塊病變,并通過單變量和多變量邏輯回歸確定與惡性腫瘤相關(guān)的獨立臨床和影像學(xué)因素。多變量分析結(jié)果顯示,混合回聲、節(jié)段性分布、鈣化、后方聲影和病變大小是與惡性非腫塊病變相關(guān)的獨立因素,這些因素可用于診斷具有臨床隱匿性的惡性非腫塊病變。為了避免乳腺癌患者在乳頭乳暈復(fù)合體(NAC)切除后進(jìn)行腋窩手術(shù)的過度治療,Pei等開發(fā)并驗證了一種基于原發(fā)腫瘤和淋巴結(jié)(LN)的臨床病理特征和超聲特征的諾模圖,用于預(yù)測腋窩淋巴結(jié)對新輔助化療(NAC)的反應(yīng)。驗證集中的結(jié)果顯示,該諾模圖的AUC為0.85,敏感度為83.33%,特異度為73.72%。這為在NAC后LN轉(zhuǎn)陰的乳腺癌患者避免過度治療提供了一種可行的方法。

此外,超聲在乳腺密度評估中也具有一定的價值。Kaplan等評估了致密型乳腺中基于全乳超聲斷層掃描容積數(shù)據(jù)的自動乳腺密度(SV)與基于3D數(shù)字鉬靶(DM)的商業(yè)乳腺體積密度(Volpara)之間的一致性水平。同時,他們還評估了從這兩種模式中定量得出的BI-RADS密度與乳腺放射科醫(yī)生和技術(shù)人員的主觀乳腺鉬靶密度評估的一致性。結(jié)果顯示,在乳腺密度較高的女性中,SV、Volpara、放射科醫(yī)師和技術(shù)人員的BI-RADS密度評估具有良好的一致性。這強(qiáng)調(diào)了超聲在乳腺密度評估方面的可靠性和作用。

AI能夠自動識別成像信息并進(jìn)行分類評估,提高超聲在乳腺影像中的應(yīng)用價值。Zhou等進(jìn)行了一項關(guān)于自監(jiān)督預(yù)訓(xùn)練Vision Transformers(ViT)在乳腺超聲分類中的應(yīng)用的研究。結(jié)果顯示,隨機(jī)權(quán)重初始化的ViT、有監(jiān)督預(yù)訓(xùn)練的ViT和自監(jiān)督預(yù)訓(xùn)練的ViT的AUC分別為0.67±0.08、0.88±0.04和0.92±0.02。這表明自監(jiān)督預(yù)訓(xùn)練的ViT在乳腺超聲分類方面能夠提高診斷性能。因此,隨著深度學(xué)習(xí)的不斷發(fā)展,重新審視超聲在乳腺癌篩查中的作用是值得的。

Heacock等評估了將篩查乳腺超聲加入到FFDM/DBT AI系統(tǒng)中的附加價值。研究結(jié)果顯示,在12517名患者的測試集中(共21523次檢查),AI系統(tǒng)在多模態(tài)(DBT/FFDM/US)篩查檢查中實現(xiàn)了0.907的AUC,檢測到74.2%的乳腺癌,優(yōu)于單獨的FFDM/DBT模型(AUC為0.849,敏感度為62.4%)和單獨的US模型(AUC為0.751,敏感度為50.2%),從而提高了乳腺癌的篩查性能。Cruz等證實了基于AI算法的軟件在預(yù)測二次超聲檢查中對乳腺病變惡性風(fēng)險的高敏感性。這有助于避免對分類為良性或可能良性(BIRADS 2/3)的病變進(jìn)行不必要的活檢。Reig等研究了單獨US、單獨FFDM/DBT以及多模態(tài)(FFDM/DBT+US)AI對有癥狀患者進(jìn)行診斷評估的準(zhǔn)確性。結(jié)果顯示,三種模型的AUC分別為0.944、0.864和0.956,敏感度分別為84.6%、60%和89.2%,表明多模態(tài)AI系統(tǒng)在癥狀診斷評估中顯示出比FFDM/DBT或US更高的乳腺癌檢測性能。Kapetas等評估了基線乳腺US是否可用于預(yù)測對新輔助化療(NAC)無反應(yīng)的乳腺癌患者,并與標(biāo)準(zhǔn)B超和深度學(xué)習(xí)模型進(jìn)行比較。結(jié)果顯示,橢圓形或圓形、邊緣淺分葉或毛刺、存在鈣化或水腫是pCR的獨立預(yù)測因子。使用以上指標(biāo)所建立的模型在預(yù)測NAC無應(yīng)答者中的準(zhǔn)確率、敏感度、特異度、PPV和NPV分別為65%、82%、41%、67%和61%。相比之下,基于深度學(xué)習(xí)的模型的準(zhǔn)確率、敏感度、特異度、PPV和NPV分別為72%、83%、55%、74%和69%。因此,乳腺超聲可以在NAC開始前準(zhǔn)確預(yù)測乳腺癌患者對NAC的治療反應(yīng),而使用基線US檢查圖像的深度學(xué)習(xí)模型顯示出更高的診斷性能。

2．自動化乳腺超聲(automated breast ultrasound,ABUS)

自動化乳腺超聲(ABUS)是一種創(chuàng)新的三維立體超聲技術(shù),能夠通過對乳腺進(jìn)行逐層掃描采集全容積圖像,并自動重建生成橫軸面、矢狀面和冠狀面的三維圖像。該技術(shù)具有圖像標(biāo)準(zhǔn)化、操作人員依賴性低、可重復(fù)性高等優(yōu)點。Choi等進(jìn)行了ABUS和手持式乳腺超聲(HHUS)作為全數(shù)字化乳腺X線攝影的輔助手段的比較研究,重點評估了其在早期乳腺癌患者的局部腫瘤范圍術(shù)前評估方面的能力。研究結(jié)果證實,與HHUS/DM相比,ABUS/DM在診斷早期乳腺癌患者同側(cè)和對側(cè)乳腺癌方面顯示出非劣的敏感性和相似的特異性。因此,ABUS可作為HHUS的替代品,用于早期乳腺癌的術(shù)前分期。

Wermuth等對乳腺致密型女性進(jìn)行了ABUS檢查的篩查召回率的比較研究,比較了當(dāng)天篩查DM后立即進(jìn)行ABUS檢查和在一年篩查間隔期內(nèi)的某一天進(jìn)行ABUS檢查的情況。結(jié)果表明,當(dāng)在同一天解讀DM和ABUS時,單獨乳腺DM的召回率和組合DM/ABUS的召回率均增加。相反,當(dāng)ABUS被解釋為耦合檢查時,ABUS的召回率低于與乳腺DM不耦合的ABUS,但兩者的乳腺癌檢出率沒有統(tǒng)計學(xué)差異。因此,合理安排ABUS需要考慮患者需求和最佳實踐工作流程。此外,AI在ABUS中的應(yīng)用價值仍有待進(jìn)一步研究。Kim等對AI-CAD在ABUS篩查解讀中的獨立性能進(jìn)行了研究,結(jié)果顯示,AI-CAD在ABUS解讀中的敏感度為0.75,特異度為0.58,PPV為0.34,NPV為0.89。這提示放射科醫(yī)生應(yīng)仔細(xì)復(fù)查AI-CAD系統(tǒng)的結(jié)果,以減少假陽性結(jié)果和提高召回率。

乳腺MRI

乳腺MRI以其高軟組織分辨率、多序列、多參數(shù)、多平面成像的特點而著稱,不僅提供了詳盡的解剖結(jié)構(gòu)信息,還能反映病灶的功能性改變。因此,在乳腺癌篩查、良惡性病變的鑒別、預(yù)測預(yù)后和療效評價等方面,乳腺MRI具有重要的臨床價值。

1．常規(guī)乳腺MRI

術(shù)前MRI在檢測其他成像方式未發(fā)現(xiàn)的癌癥方面具有顯著的優(yōu)勢,并對臨床治療方案的制定提供了有力的指導(dǎo)。Ozcan等對早期乳腺癌患者進(jìn)行了術(shù)前乳腺MRI的評估,研究了其與手術(shù)類型、對側(cè)癌癥、無復(fù)發(fā)生存期(RFS)和總體生存期(OS)之間的相關(guān)性。結(jié)果顯示,術(shù)前MRI的使用與手術(shù)切緣、RFS或OS的改善無關(guān),但它能夠發(fā)現(xiàn)在臨床和乳腺鉬靶中未顯現(xiàn)的對側(cè)乳腺癌,有助于在早期監(jiān)測中減少對側(cè)乳腺癌事件的發(fā)生。Hwang等通過傾向評分(PS)分析確定了HER-2(+)、ER(-)乳腺癌患者術(shù)前MRI與手術(shù)結(jié)局之間的關(guān)系。研究結(jié)果顯示,有MRI組相較于無MRI組表現(xiàn)出較低的整體乳房切除率,但兩組在切緣陽性和再手術(shù)率方面沒有顯著差異。

越來越多的乳腺MRI應(yīng)用于有乳腺癌病史(PHBC)女性的術(shù)后監(jiān)測。Yoon等利用傾向評分匹配分析,評估了PHBC患者術(shù)后監(jiān)測乳腺MRI與晚期第二次乳腺癌之間的關(guān)系。研究結(jié)果表明,未接受術(shù)后監(jiān)測乳腺MRI組的晚期第二次乳腺癌發(fā)生率顯著較高。因此,PHBC患者進(jìn)行術(shù)后乳腺MRI監(jiān)測能夠降低晚期第二次乳腺癌的發(fā)生率,從而有助于降低乳腺癌的死亡率。Kim等對5832例PHBC患者的監(jiān)測結(jié)果進(jìn)行了回顧性分析,發(fā)現(xiàn)MRI的癌癥檢出率顯著高于乳腺鉬靶和超聲檢查,盡管其特異性較低。乳腺鉬靶更容易發(fā)現(xiàn)DCIS和HER-2(+)的腫瘤,而超聲檢查更容易發(fā)現(xiàn)浸潤性癌和HER-2(-)的腫瘤。此外,在6個月和1年的監(jiān)測中,檢測到的第二次乳腺癌具有相似的腫瘤大小和淋巴結(jié)狀態(tài)。

腋窩淋巴結(jié)(ALN)狀態(tài)對乳腺癌患者的腫瘤分期、治療決策和預(yù)后都具有重要意義。乳腺MRI是目前用于評估ALN狀態(tài)的有效、無創(chuàng)的成像技術(shù)之一。Arjmandi等比較了MRI與US對乳腺癌腋窩淋巴結(jié)評估的準(zhǔn)確性。結(jié)果顯示,MRI對淋巴結(jié)轉(zhuǎn)移的診斷優(yōu)于US,陰性預(yù)測值更好,敏感性更高。最近,淋巴結(jié)報告與數(shù)據(jù)系統(tǒng)(Node-RADS)評分被引入以提供一個標(biāo)準(zhǔn)化的淋巴結(jié)侵犯(LNI)綜合評價,該評分主要通過評估淋巴結(jié)大小和結(jié)構(gòu)(紋理、邊界和形狀),從而將其風(fēng)險類別分為1(非常低)到5(非常高)五個級別。Maroncelli等研究了Node-RADS評分系統(tǒng)在乳腺癌患者區(qū)域淋巴結(jié)標(biāo)準(zhǔn)化評估中的診斷性能,同時評估了該評分系統(tǒng)在閱片者中的適用性和可行性。結(jié)果表明,基于CE-MRI的Node-RADS評分是LNI的獨立預(yù)測因子,對LNI的識別顯示出中至高的總體準(zhǔn)確性,并可根據(jù)具體情況設(shè)定不同的診斷閾值,閱片者之間也具有很好的一致性,這為Node-RADS評分系統(tǒng)在乳腺癌患者區(qū)域淋巴結(jié)評估中的應(yīng)用奠定了基礎(chǔ)。

Kapetas等比較了通過評估腫瘤的影像學(xué)和臨床特征與通過直接評估腋窩淋巴結(jié)(LNs)的影像學(xué)特征對乳腺癌患者淋巴結(jié)狀態(tài)的預(yù)測價值。結(jié)果表明,與LNs本身的影像學(xué)評估相比,乳腺癌患者的腫瘤特征對LN狀態(tài)的預(yù)測能力較差,因此,直接評估乳腺癌患者腋窩淋巴結(jié)的影像學(xué)特征比根據(jù)腫瘤的影像學(xué)和臨床特征預(yù)測其狀態(tài)更加準(zhǔn)確。Eun等發(fā)現(xiàn)使用3T-MRI對腋窩LN進(jìn)行基于機(jī)器學(xué)習(xí)的紋理分析有助于預(yù)測ALN轉(zhuǎn)移,并可能降低乳腺癌患者的腋窩手術(shù)。Dai等開發(fā)一種基于DCE-MRI的卷積神經(jīng)網(wǎng)絡(luò)(CNN)和圖卷積網(wǎng)絡(luò)(GCN)相結(jié)合的深度學(xué)習(xí)模型,用于預(yù)測乳腺癌患者的腋窩淋巴結(jié)狀態(tài),并通過RNA測序數(shù)據(jù)進(jìn)行基因分析,探索其生物學(xué)機(jī)制;結(jié)果表明GCN-CNN融合的深度學(xué)習(xí)模型可以有效預(yù)測乳腺癌患者術(shù)前的ALN狀態(tài),在生物學(xué)基礎(chǔ)探索中,高危組與介導(dǎo)腫瘤增殖的通路下調(diào)和微環(huán)境中抗腫瘤免疫細(xì)胞的浸潤有關(guān)。

乳腺癌NAC后腋窩的最佳管理方式仍不確定,目前仍取決于初始淋巴結(jié)負(fù)擔(dān),對于N1疾病(≤3個淋巴結(jié))則進(jìn)行前哨淋巴結(jié)活檢(SLNB),對于N2疾病(≥4個淋巴結(jié))則立即進(jìn)行腋窩淋巴結(jié)清掃(ANC)。然而,這種方式并未考慮ALN對NAC的反應(yīng),如果治療后MRI上顯示淋巴結(jié)正常,則ANC相對來說是過度治療,如果在MRI反應(yīng)有限的情況下,SLNB便顯得治療不足。Pervez等研究發(fā)現(xiàn)治療后MRI預(yù)測ALN狀態(tài)的特異度和PPV均較高。因此,初始N1狀態(tài)的患者若治療后MRI上持續(xù)存在淋巴結(jié)疾病則應(yīng)進(jìn)行空芯針活檢以確定腋窩病變殘留情況,若結(jié)果為陽性則立即進(jìn)行ANC,而不是傳統(tǒng)SLNB,相同地,在N2疾病、術(shù)后MRI淋巴結(jié)正常和HER-2陽性狀態(tài)的患者亞組中,應(yīng)考慮首先進(jìn)行SLNB,而不是立即ANC。

MRI是美國國家綜合癌癥網(wǎng)絡(luò)(NCCN)和中國乳腺癌臨床診治指南推薦的NAC評價手段之一,可以對腫瘤大小、邊緣、殘余病灶、腫瘤退縮方式等進(jìn)行客觀的評估。Sun等證實了乳腺水腫是Luminal亞型乳腺癌NAC治療反應(yīng)的一個有價值的預(yù)測因素,而對腫瘤退縮模式的預(yù)測價值仍有待進(jìn)一步研究。Sharafeldeen等開發(fā)了一種計算機(jī)輔助診斷(CAD)系統(tǒng),可以通過提取MRI圖像中的腫瘤功能成像標(biāo)記(ADC值)、紋理特征、灰度共生矩陣(GLCM)和灰度游程矩陣(GLRLM)四個特征來準(zhǔn)確預(yù)測乳腺癌患者對NAC的反應(yīng)。Cunha等探討了Luminal、HER-2(+)和三陰型(TN)乳腺癌患者NAC后的MRI緩解評價和病理學(xué)緩解評價與無病生存期(DFS)的相關(guān)性,共納入750例患者,分為放射學(xué)完全緩解(rCR)和pCR、非rCR和pCR、rCR和非pCR、非rCR和非pCR四組進(jìn)行比較;結(jié)果表明NAC后的MRI緩解與病理學(xué)緩解之間的關(guān)聯(lián)可以更好地對乳腺癌患者的復(fù)發(fā)風(fēng)險和預(yù)后進(jìn)行分層,尤其是對于三陰性亞型。

此外,乳腺MRI還探索了新的內(nèi)容。Wilpert等比較了乳腺MRI超分辨率深度學(xué)習(xí)加速T2加權(quán)Dixon序列(DL-T2)與標(biāo)準(zhǔn)T2加權(quán)Dixon序列(T2)的整體圖像質(zhì)量特征,結(jié)果顯示DL-T2比標(biāo)準(zhǔn)T2的采集時間縮短了59%,且SNR、圖像質(zhì)量和囊性病變的清晰度均較標(biāo)準(zhǔn)T2有所改善,因此,DL-T2的應(yīng)用不僅可以提高乳腺MR協(xié)議的成本效益和時間效益,同時還可以使圖像質(zhì)量得到進(jìn)一步提升。另外,腫瘤浸潤淋巴細(xì)胞(TIL)在不同分子亞型乳腺癌(BC)中的表達(dá)不同。因此,Zhou等分析比較了HR(+)/HER-2(-)、HER-2(+)和TN型3種亞型中的TIL表達(dá)情況,同時分別比較了三種亞型中高與低TIL病例間的成像特征。結(jié)果顯示,HER-2(+)和TN型乳腺癌的TIL顯著高于HR(+)亞型,在HR(+)亞型中,高TIL的病例多出現(xiàn)瘤周水腫,在TN型中,高TIL病例的腫瘤形狀較規(guī)則,邊緣較清晰。以上結(jié)果提示了在建立MR影像組學(xué)模型預(yù)測TIL時,應(yīng)針對不同亞型建立不同的模型。

2．乳腺動態(tài)增強(qiáng)磁共振成像(dynamic contrast-enhanced MRI,DCE-MRI)

DCE-MRI不僅能夠提供組織的血管生成、血容量或灌注和通透性信息,還可清晰顯示乳腺病變形態(tài)學(xué)特征,從而在腫瘤鑒別診斷、預(yù)后評估和療效評價中發(fā)揮重要作用。Ha等使用深度學(xué)習(xí)模型,通過單次造影前MRI序列模擬合成造影后乳腺MRI圖像,其峰值信噪比(PSNR)和結(jié)構(gòu)相似性(SSIM)分別為27.1和0.87。Venkata等使用深度學(xué)習(xí)方法,通過使用造影前圖像(Pre-contrast)和合成低劑量(Synth-low)圖像來合成造影后乳腺MRI圖像(Synth-Gad),評估真實造影后(Real-Gad)圖像和Synth-Gad圖像之間的相似性指標(biāo)(PSNR和SSIM)及增強(qiáng)動力學(xué)曲線。結(jié)果顯示,Real-和Synth-Gad之間的平均PSNR和SSIM分別為31.55±3.26 dB和0.85±0.07,Synth-Gad圖像中存在的增強(qiáng)模式與Real-Gad相似,且其SI也相似。因此,DL劑量降低模型可降低乳腺MRI檢查中的對比劑劑量,減少患者和環(huán)境的GBCA暴露。

研究發(fā)現(xiàn),BPE水平的升高與乳腺癌發(fā)病風(fēng)險的相關(guān)性強(qiáng)于乳腺密度。McCarthy等探討了接受MRI篩查的BRCA1/2突變攜帶者中BPE與乳腺癌風(fēng)險的相關(guān)性,采用Cox比例風(fēng)險回歸進(jìn)行分析。結(jié)果表明,在校正了年齡、卵巢切除狀態(tài)、BRCA1 vs. BRCA2突變和乳腺體積密度(VBD)后,較高的BPE比值與乳腺癌風(fēng)險增加顯著相關(guān)(HR=1.15,95%CI:1.02～1.28,P=0.044),因此,納入MRI的BPE定量測量可改善BRCA1/2攜帶者的乳腺癌風(fēng)險評估。盡管BPE是乳腺癌研究領(lǐng)域的關(guān)鍵焦點,但目前仍缺乏標(biāo)準(zhǔn)化的定性和定量評估,這在其作為乳腺癌風(fēng)險標(biāo)志物的評價中造成了一定的障礙。Franzes等探討了BPE定性和定量評估之間的關(guān)系,發(fā)現(xiàn)定性和定量BPE評估之間的一致性一般,因此,有必要進(jìn)一步研究乳腺癌風(fēng)險與定量BPE測量之間的關(guān)系。

超快速動態(tài)對比磁共振成像(UF-DCE MRI)在注射對比劑后立即掃描多幀圖像,可以在BPE出現(xiàn)前顯示病變。了解病變評估的最佳時間有助于解釋和改進(jìn)UF-DCE方案。因此,Kataoka等研究了UF-DCE MRI評估病變的最佳時機(jī)及其與BPE和病灶特征的相關(guān)性。結(jié)果顯示,UF-DCE MRI評估乳腺病變的最佳時間的第一幀和最后一幀為12.6和19.6(分別為對比劑注射后的31秒和57秒),對于BPE顯著的患者可以稍早評估,對于良性病變或較小的病變可以稍晚評估。

NAC會影響腫瘤形態(tài)、血管分布和細(xì)胞密度,DCE-MRI對腫瘤存在和血管信息具有高敏感度。近年來,機(jī)器學(xué)習(xí)(ML)分類器逐漸被用于建立乳腺癌新輔助治療(NAT)后pCR的高性能預(yù)測模型。Li等通過從增強(qiáng)前和增強(qiáng)后第一期T1WI圖像中提取影像組學(xué)特征,使用七個機(jī)器學(xué)習(xí)分類器(SVM、RF、extraTrees、DT、KNN、XGBoost、LightGBM)分別建立預(yù)測模型。結(jié)果顯示,基于LightGBM的影像組學(xué)模型在預(yù)測乳腺癌pCR方面表現(xiàn)出優(yōu)越的性能,而在亞組分析中,RF和DT分別在預(yù)測Luminal和TN乳腺癌的pCR中具有最高的AUC。Kim等使用3D ResNet 50通過852名HER2+或TN型乳腺癌患者的NAC術(shù)后DCE-MRI的第一、第三和第五期減影圖像數(shù)據(jù),開發(fā)了一種深度學(xué)習(xí)MRI模型以預(yù)測NAC后的pCR;結(jié)果表明第三期動態(tài)階段的深度學(xué)習(xí)模型在預(yù)測HER2+或TN型乳腺癌患者的pCR方面表現(xiàn)最佳,AUC為0.70。Winkler等研究發(fā)現(xiàn)基于DL的MR模型預(yù)測NAC后pCR的性能因亞型而異,TNBC(AUC=0.78)顯著優(yōu)于HER-2(+),相比之下,CP(臨床病理)模型對TNBC的表現(xiàn)較差(AUC=0.55),這表明結(jié)合影像圖像和CP對預(yù)測pCR具有協(xié)同潛力。

TNBC具有高度異質(zhì)性,不同患者對新輔助化療的反應(yīng)不同。Gao等發(fā)現(xiàn)整合影像組學(xué)、臨床病理學(xué)和基因組特征的基于DCE-MRI亞區(qū)的影像基因組學(xué)模型(GPRM)可以同時預(yù)測TNBC的療效和預(yù)后,幫助識別可能未達(dá)到pCR的患者,從而幫助臨床醫(yī)生做出適當(dāng)?shù)闹委熀褪中g(shù)決策,并最終改善患者的預(yù)后。Duong等探討了在NAC治療的過程中乳腺DCE-MRI評價殘留腫瘤的最佳造影后時間;結(jié)果顯示,T1時的TTP為265 s,T2時為314 s,T3時為385 s,這可能是由于NAC期間的抗血管生成治療作用,提示了DCE-MRI方案應(yīng)包括延遲后動態(tài)序列,此外,與非pCR患者相比,pCR患者的腫瘤從T0至T1的TTP變化顯著更大(183s vs. 15s,P<0.05),提示其可能是預(yù)測pCR的一種新的生物標(biāo)志物,但需要進(jìn)一步研究。

3.擴(kuò)散加權(quán)成像(diffusion-weighted imaging,DWI)

乳腺磁共振擴(kuò)散加權(quán)成像(DWI)是一種功能性的MRI技術(shù),通過測量體內(nèi)水分子的運動來反映組織的細(xì)胞性、血管性、微觀結(jié)構(gòu)等信息。它無需靜脈注射釓對比劑即可獲得較高的病灶對比,然而,其掃描時間較長且空間分辨率欠佳。Sauer等運用用于減少掃描時間的深度學(xué)習(xí)k-空間-圖像重建方法(DL-DWI)和提高空間分辨率的插值算法(SRDL-DWI)對采集的DWI原始數(shù)據(jù)(標(biāo)準(zhǔn)DWI)進(jìn)行處理,并由三名閱片者評價其總體圖像質(zhì)量。結(jié)果顯示,所評估的深度學(xué)習(xí)方法有助于在不影響圖像質(zhì)量的情況下顯著縮短采集時間。Christner等分別對b值為800 s/mm2和1600 s/mm2的DWI圖像和DCE圖像中的病變形態(tài)學(xué)進(jìn)行比較,兩名放射科醫(yī)生獨立評估每位患者三個數(shù)據(jù)集中的病變可見性和BI-RADS形態(tài)學(xué)標(biāo)準(zhǔn)。結(jié)果表明,無論DWI圖像的b值如何,惡性病變的可見性比良性病變更好(P<0.001),腫塊性病變比非腫塊性病變更容易評估(P<0.001),而病變大小的評估在標(biāo)準(zhǔn)b值800 s/mm2圖像上更為精確。

DWI在乳腺癌的篩查、良惡性病變的鑒別和預(yù)后預(yù)測中均顯示出良好的應(yīng)用前景。Shin等對前瞻性、多中心DWIST(Diffusion-Weighted Magnetic Resonance Imaging Screening Trial)的第一年結(jié)果進(jìn)行了分析,共納入1046名進(jìn)行乳腺癌篩查且具有BRCA突變或乳腺癌家族史和終生風(fēng)險≥20%的高危女性。以組織病理學(xué)作為參考標(biāo)準(zhǔn),比較了乳腺鉬靶(MG)、US、DCE-MRI、DW-MRI及其組合成像模式在浸潤性癌和原位癌檢測中的表現(xiàn)。結(jié)果顯示,DW-MRI對浸潤性癌(MG vs. US vs. DW-MRI vs. DCE-MRI:53.6% vs. 67.9% vs. 82.1% vs. 92.9%)和原位癌(18.2% vs. 36.4% vs. 54.5% vs. 90.9%)的檢出率高于MG和US,但低于DCE-MRI。聯(lián)合MG和DW-MRI對浸潤性癌的CDR為85.7%,原位癌為63.6%,表明DW-MRI有望用作乳腺MG的補(bǔ)充篩查工具。

Lima等僅使用DW-MRI數(shù)據(jù)訓(xùn)練了一種無分割的AI機(jī)器學(xué)習(xí)模型來鑒別乳腺良惡性病變,并與基于BI-RADS的標(biāo)準(zhǔn)乳腺DCE-MRI進(jìn)行比較。結(jié)果顯示DWI-AI的特異性度優(yōu)于標(biāo)準(zhǔn)乳腺DCE-MRI(81.4% vs. 74.4%),而敏感度略低(85.9% vs. 98.8%),表明其作為標(biāo)準(zhǔn)乳腺MRI補(bǔ)充診斷的巨大潛力。

Sun等研究了DW-MRI在不使用機(jī)械振動的情況下對乳腺病變的組織彈性進(jìn)行定量評估的潛力,并評估DW-MRI和US剪切波彈性成像之間的關(guān)系。采用超聲彈性模量(μUSE)測量剪切模量,根據(jù)DW-MRI(b=200和800 s/mm2以及b=200和1500 s/mm2)計算移位表觀擴(kuò)散系數(shù)(sADC),并轉(zhuǎn)換為基于DW-MRI的虛擬剪切模量(μDiff),通過μUSE和μDiff來評估乳腺病變。結(jié)果顯示在所有乳腺病變中,μUSE與sADC200～800和sADC200～1500之間存在中度相關(guān)性(r=-0.49、-0.44,P<0.05),其區(qū)分乳腺良惡性病變的AUC分別為0.78、0.89、0.89,DW-MRI顯示了在不需要機(jī)械振動設(shè)置的情況下作為MR彈性成像的替代方法用于非侵入性乳腺病變彈性評估的潛力。

Dong等探討了將常規(guī)乳腺MRI上的影像學(xué)表現(xiàn)與6種DWI模型(Mono、IVIM、SEM、DKI、FROC和CTRW)的定量參數(shù)相結(jié)合在預(yù)測浸潤性導(dǎo)管癌分子亞型中的應(yīng)用價值。結(jié)果表明聯(lián)合診斷模型具有較高的診斷價值,對臨床個體化治療策略的制定具有指導(dǎo)意義。Lin等探討了體素內(nèi)不相干運動擴(kuò)散加權(quán)模型(IVIM-DWI)和DCE-MRI對乳腺癌分子亞型的預(yù)測價值,結(jié)果顯示DCE的速率常數(shù)(Kep)、容量轉(zhuǎn)移常數(shù)(Ktrans)、血管外細(xì)胞外間隙容積比(Ve)以及IVIM模型的標(biāo)準(zhǔn)表觀擴(kuò)散系數(shù)(ADCstandard)、慢速擴(kuò)散系數(shù)(ADCslow)對不同分子亞型有一定的預(yù)測價值,可為臨床制定個性化治療方案提供重要參考。

淋巴血管浸潤(LVI)是乳腺癌血液轉(zhuǎn)移的高危因素,提示乳腺癌患者復(fù)發(fā)轉(zhuǎn)移風(fēng)險較高,預(yù)后較差。MRI術(shù)前評估LVI狀態(tài)有助于危險分層,從而指導(dǎo)乳腺癌患者的臨床管理。Yang等前瞻性納入22例經(jīng)活檢證實的乳腺癌患者,探討基于振蕩梯度自旋回波(OGSE)序列的DW-MRI對淋巴血管浸潤(LVI)狀態(tài)的預(yù)測價值,通過MATLAB軟件計算細(xì)胞內(nèi)體積分?jǐn)?shù)(Vin)、平均細(xì)胞外擴(kuò)散系數(shù)(Dex)、平均細(xì)胞尺寸(D)以及細(xì)胞性4個定量參數(shù)。結(jié)果表明,與LVI陰性組相比,LVI陽性組患者的Dex值顯著降低,AUC為0.985。

4.多參數(shù)MRI

Liu等基于T2WI和DWI序列,運用高斯過程(GP)、支持向量機(jī)(SVM)以及邏輯回歸等機(jī)器學(xué)習(xí)技術(shù),開發(fā)了一種非增強(qiáng)影像組學(xué)模型,旨在鑒別乳腺良惡性病變,并將其與結(jié)合對比后Ⅰ期圖像的增強(qiáng)模型和放射科醫(yī)生的診斷模型進(jìn)行了比較。結(jié)果顯示,基于GP分類器的非增強(qiáng)模型表現(xiàn)最佳,在測試集中的AUC為0.818～0.840。其診斷準(zhǔn)確性與放射科醫(yī)生及增強(qiáng)模型相當(dāng),彰顯該模型在未來乳腺癌篩查中的潛在價值。Kim等對新診斷為乳腺癌的女性DCE上檢測到的額外病變進(jìn)行了回顧性研究,采用DWI和DCE聯(lián)合的多參數(shù)MRI進(jìn)行良惡性鑒別。結(jié)果顯示,單獨使用DCE MRI的敏感度為98.5%,特異度為29.6%,準(zhǔn)確率為59.4%。多參數(shù)MRI的敏感度為75.2%,特異度為76.3%,準(zhǔn)確率為75.8%。這證實了結(jié)合DWI的多參數(shù)MRI有助于提高新診斷為乳腺癌的女性患者DCE檢測到的額外病變的特異度和準(zhǔn)確率。Kim等評估了浸潤性乳腺癌患者原發(fā)腫瘤的多參數(shù)MRI特征是否與腋窩淋巴結(jié)腫瘤負(fù)荷相關(guān)。兩名放射科醫(yī)師獨立評估T2WI圖像上的瘤周水腫和瘤內(nèi)壞死,并通過手動將感興趣區(qū)置于乳腺腫瘤內(nèi)來測量平均、最小和最大表觀擴(kuò)散系數(shù)(ADC)值。同時,也分析了計算機(jī)輔助診斷(CAD)評估的乳腺癌定量動力學(xué)特征和臨床病理特征。結(jié)果表明,T2WI圖像上的瘤周水腫和DWI圖像上的乳腺癌最大ADC值有助于預(yù)測浸潤性乳腺癌患者的腋窩淋巴結(jié)腫瘤負(fù)荷。

BI-RADS第六版更新

BI-RADS由美國放射學(xué)院(ACR)于1993年制定和出版,規(guī)范了乳腺影像檢查的術(shù)語、評估分類、影像數(shù)據(jù)收集和報告,旨在降低乳腺影像解讀中的誤差和混淆。經(jīng)歷了1995年、1998年、2003年和2013年四次修訂,第五版(2013年)BI-RADS沿用至今。在總結(jié)乳腺影像技術(shù)發(fā)展和臨床實踐經(jīng)驗的基礎(chǔ)上,ACR計劃于2024年發(fā)布第六版BI-RADS,并在RSNA大會中對其更新內(nèi)容進(jìn)行了初步報道。

第六版BI-RADS引入了結(jié)構(gòu)化臨床指征的描述,以便進(jìn)行研究數(shù)據(jù)的收集。乳腺鉬靶部分的所有圖像進(jìn)行了更新和擴(kuò)充,盡可能包括SM/DM組合成像的示例。鑒于DBT的低召回率和高癌癥檢出率,在第六版的指南章節(jié)中增加了與DBT相關(guān)的內(nèi)容,為放射科醫(yī)生的影像解讀提供幫助。此外,對乳腺鉬靶的術(shù)語進(jìn)行了更新,腫塊中恢復(fù)了“分葉狀”的形狀描述,刪除了邊緣“微分葉”的描述;在典型良性鈣化中刪除了“爆米花”樣鈣化,直接表述為“粗大”鈣化,并由“分層狀鈣化”代替原先的“鈣乳鈣化”;在不對稱中刪除了“進(jìn)展性不對稱”的描述。

超聲可以區(qū)分乳腺組織的成分,腺體表現(xiàn)為低回聲,基質(zhì)表現(xiàn)為高回聲。因此,第六版將腺體組織含量分為極少、少量、中等和致密四種。隨著超聲成像設(shè)備和技術(shù)的不斷發(fā)展,以及超聲科醫(yī)生對乳腺超聲相關(guān)知識的進(jìn)一步理解,第六版BI-RADS增添了對“非腫塊”樣病變的描述和評估,并在相關(guān)特征部分引入了“回聲環(huán)”的描述。由于淋巴結(jié)的評估對乳腺病變的分期和治療方式選擇至關(guān)重要,第六版對淋巴結(jié)的評估更為詳細(xì),包括乳房內(nèi)淋巴結(jié)、腋窩淋巴結(jié)(Ⅰ、Ⅱ、Ⅲ組)、內(nèi)乳淋巴結(jié)和鎖骨上淋巴結(jié)的分別評估。

關(guān)于乳腺MRI的術(shù)語也進(jìn)行了一定的更新。在影像發(fā)現(xiàn)部分刪除了“點狀病變”的描述。對于≤5 mm的孤立的點狀強(qiáng)化灶,如果滿足腫塊的標(biāo)準(zhǔn)或特征,則描述為“小腫塊”;否則,描述為“小的局灶性非腫塊樣強(qiáng)化”;在腫塊的描述方面,第六版重新將“分葉狀”作為一項獨立的形狀描述,將邊緣“不規(guī)則”修改為“不平整”,以避免與形狀“不規(guī)則”相混淆,并添加了“T2信號強(qiáng)度”的描述。此外,在報告系統(tǒng)中將BI-RADS 4類病變細(xì)分為4A～C;對BI-RADS 6類病變的額外同側(cè)病變進(jìn)行了相應(yīng)描述。