首页 > 论文范文 > 医药卫生论文 > 肿瘤科论文 > 乳腺肿瘤论文 > MR DCE、DWI及APT序列在乳腺良恶性肿瘤鉴别诊断的价值

MR DCE、DWI及APT序列在乳腺良恶性肿瘤鉴别诊断的价值

2024-05-10 191 上传者：管理员

摘要：目的:探讨乳腺良恶性肿瘤鉴别诊断预测因素及与三维酰胺质子转移加权成像(3D-APTWI)的关系，并进一步构建预测模型，旨在为早期乳腺肿瘤准确鉴别诊断及磁共振扫描技术选择提供更多借鉴。方法:回顾性纳入2019年01月至2023年01月于该院行手术治疗并经病理组织学检查确诊的乳腺肿瘤患者219例，根据病变良恶性分为恶性组(127例)和良性组(92例);采用MR动态增强扫描(MR DCE)、扩散加权成像(diffusion weighted imaging, DWI)及酰胺质子转移(amide proton transfer, APT)序列进行扫描并记录相关特征数据，采用单因素和多因素法评价乳腺良恶性肿瘤鉴别诊断独立预测因素，乳腺良恶性肿瘤鉴别诊断模型构建及预测效能分析。结果:纳入219例患者中良性病变92例，恶性病变127例；单因素分析结果显示，内部强化不均匀、表观弥散系数及非对称性磁化传递率均可能与乳腺肿瘤良恶性有关(P<0.05);内部强化类型、表观弥散系数及非对称性磁化传递率均是乳腺良恶性肿瘤鉴别诊断独立预测因素(P<0.05)。利用回归模型的独立影响因素以及P值预测概率对患者肿瘤性质进行预测，约登指数分别为13.27%、38.96%、40.01%、57.63%。结论:内部强化类型、表观弥散系数及非对称性磁化传递率(3.5 ppm)均可作为乳腺良恶性肿瘤鉴别诊断独立预测指标，其中三维酰胺质子转移加权成像检查预测效能较磁共振增强扫描及扩散加权成像更优；而基于上述指标构建预测模型亦显示出良好的临床预测效能。

关键词：
乳腺肿瘤
模型
磁共振
酰胺质子转移成像
鉴别诊断
加入收藏

近年来磁共振检查已被广泛用于乳腺癌诊断及预后评估，但常规平扫及动态对比增强扫描磁共振用于乳腺疾病良恶性兼备诊断均存在各自局限[1,2];其中表观弥散系数尽管可作为肿瘤良恶性鉴别诊断参考指标，但因难以有效分析微观组织成分信息，导致诊断特异度偏低[3]。三维酰胺质子转移加权成像(3D-APTWI)是一种新型无创磁共振检查技术，其基于化学交换饱和转移原理，可为良恶性肿瘤鉴别诊断提供更多微观组织成分[4];有学者报道提示，3D-APTWI在脑肿瘤、甲状腺肿瘤及胃肠道肿瘤辅助诊断中显示出良好价值，但有关乳腺肿瘤应用报道相对较少[5,6]。基于以上证据，本研究通过分析乳腺良恶性肿瘤鉴别诊断预测因素及与3D-APTWI的关系，并进一步构建预测模型，旨在为早期乳腺肿瘤准确鉴别诊断及磁共振扫描技术选择提供更多借鉴。

1、资料与方法

1.1 一般资料

纳入标准：①经病理组织学检查明确乳腺肿瘤性质；②均为女性；③单发病灶；④于我院完成手术治疗；⑤术前完成增强磁共振、扩散加权成像及APTWI检查，且间隔≤2周；⑥检查前未接受任何抗肿瘤治疗。排除标准：①既往接受过抗病灶治疗；②穿刺或手术禁忌证；③原始图像质量差或后处理无法获得正常数值；④临床资料不全。最终纳入2019年01月至2023年01月于我院行手术治疗并经病理组织学检查确诊的乳腺肿瘤患者219例，根据病变良恶性分为恶性组(127例)和良性组(92例);研究方案经医院伦理委员会批准。

1.2 研究方法

1.2.1 资料收集

登录医院电子病例系统由专人统一收集患者年龄、身高、体重、病变最大径、乳腺腺体类型、病灶边缘、病变强化形态、内部强化类型、时间-强度曲线类型、表观弥散系数及非对称性磁化传递率等资料。

1.2.2 MR检查

MR扫描使用philips ingenia 3.0 T超导型磁共振扫描仪和4通道乳腺专用相控线圈。受检者均采用俯卧位，双乳自然悬垂于检查线圈内，检查前所有患者均手背静脉置管。 MR扫描序列包括：①常规三平面定位及校正。②平扫序列包括：横轴面T1WI:TR 569 ms, TE 8 ms, FOV 280 mm×341 mm, 矩阵512×512,层厚4 mm, 层距0 mm; 横轴面T2WI:TR 3 655 ms, TE 120 ms, FOV 280 mm×341 mm, 矩阵432×432,层厚4 mm, 层距0 mm; 横轴面T2WI SPAIR:TR 2 951 ms, TE 60 ms, FOV 180 mm×262 mm, 矩阵512×512,层厚4 mm, 层距0 mm。③横轴面IVIM:横轴面多b值DWI:扩散因子b值选用0、50、800 s/mm2,TR 3 052 ms, TE 61 ms, FOV 280 mm×342 mm, 矩阵288×288,层厚3.33 mm, 层距0.67 mm, NEX分别为1、4、6。④增强扫描THRIVE:TR 4.5 ms, TE 2.2 ms, FOV 280 mm×340 mm, 矩阵480×480,层厚3.33 mm, 层距0.67 mm。对比剂采用钆喷酸葡胺注射液(Gd-DTPA),剂量0.2 mmol/kg, 注射速率2.0 mL/s, 注射后追加20 mL生理盐水冲洗注射管。增强扫描时先扫描蒙片，如果显影清晰则注射对比剂，注射15 s后开始扫描。DWI之前完成APTWI检查：横断面扫描采用压缩感知加速技术自旋回波成像，参数设置为TR=5 860 ms, TE=8.6 ms, 反转角=90°,层厚=5 mm, FOV=240 mm×240 mm, 矩阵=112×112,射频饱和功率和射频饱和时间分别为2 μT,2 s, 采集7层，总扫描时间60 s。根据病灶内部强化幅度及空间分布方式分为均匀强化、非均匀强化、环形强化及低信号分隔四类；时间-强度曲线类型根据对比增强MRI第二期后病灶信号强度变化幅度分为流入型(>10%)、平台型(±10%)或流出型(<10%)[6]。

1.2.3 图像后处理

原始图像经设备自带后处理工作站完成；以T2WI和动态增强磁共振成像图像为参考，合并扩散加权成像和3D-APTWI伪彩图合并，选择病灶最大及相邻层面勾画感兴趣区域，并尽量避开血管走行、坏死、囊变或钙化区域，由自带软件自动计算表观弥散系数和非对称性磁化传递率(3.5 ppm),采集上述三个层面数值计算平均值。由两名高年资中级及以上职称乳腺专科影像诊断医师根据乳腺影像报告和数据系统(第5版)[7]独立阅片诊断，如诊断结果不一致由科室主任组织讨论并发出最终报告。典型图像如下(图1-2)。

图1 APTWI图示ROI蛋白质含量增高，恶性度高

图2 动态增强图上病变强化，周边短毛刺，偏向恶性

1.3 统计学分析

选择SPSS 20.0软件处理数据；正态性评估采用Kolmogorov-Smirnov检验，其中符合正态分布计量资料比较采用独立样本t检验，以表示；计数资料比较采用χ2检验，以频数表示利用logistic多因素回归分析筛选独立影响因素，利用受试者工作特征(ROC)曲线的方法对预测价值进行计算；P<0.05为差异有统计学意义。

2、结果

2.1 临床病理资料分析

纳入219例患者年龄18～73岁，平均年龄为(43.86±7.40)岁；其中良性病变92例，包括纤维腺瘤53例，腺病24例，导管内乳头状瘤6例，叶状肿瘤7例，良性纤维上皮性肿瘤2例；恶性病变127例，包括浸润性导管癌115例、导管原位癌10例、浸润性小叶癌2例。

2.2 乳腺良恶性肿瘤鉴别诊断独立预测单因素分析

单因素分析结果显示，内部强化不均匀、表观弥散系数及非对称性磁化传递率(3.5 ppm)均可能与乳腺肿瘤良恶性有关(P<0.05),见表1。

表1 乳腺良恶性肿瘤鉴别诊断独立预测单因素分析

2.3 乳腺良恶性肿瘤鉴别诊断预测多因素分析

患者肿瘤性质为因变量(0=良性，1=恶性),以单因素分析中的阳性结果变量为自变量，进行多因素分析，其中自变量的赋值情况如表2。多因素分析结果显示，内部强化类型、表观弥散系数及非对称性磁化传递率均是乳腺良恶性肿瘤鉴别诊断独立预测因素(P<0.05),见表3。

表2 多因素分析中的自变量赋值

2.4 乳腺良恶性肿瘤鉴别诊断模型构建及预测效能分析

利用回归模型的独立影响因素以及P值预测概率对患者肿瘤性质进行预测，约登指数分别为13.27%、38.96%、40.01%、57.63%。具体如表4,图3所示。

图3 乳腺良恶性肿瘤鉴别诊断模型预测ROC曲线

表3 乳腺良恶性肿瘤鉴别诊断预测多因素分析

表4 老年早期肺癌患者胸腔镜肺切除术后心律失常发生回归模型的预测价值

3、讨论

乳腺良恶性鉴别诊断是临床医生关注的热点问题，特别是影像学无创检查指标可用于恶性病变早期预测尚存争议。本研究纳入219例乳腺肿瘤患者，其中良性病变92例，恶性病变127例；进行单因素和多因素分析，多因素分析结果显示，内部强化类型、表观弥散系数及非对称性磁化传递率均是乳腺良恶性肿瘤鉴别诊断独立预测因素。

有学者报道提示，动态对比增强磁共振病灶内部强化特征可反映浸润性乳腺癌病理组织学分级，其中不均匀强化提示病灶内部供血供氧减少继发局部坏死出血，部分病变内部明显异质性亦可能与此有关[8,9]。本研究结果亦提示内部强化类型可独立用于乳腺良恶性肿瘤鉴别指导。

既往研究提示，磁共振扩散加权成像可用于乳腺良恶性肿瘤鉴别诊断，其中表观弥散系数越高提示肿瘤细胞密度越低[10]。另有报道证实，恶性肿瘤增殖性更强，细胞密度更大，导致细胞密集拥挤，间距随之缩小，以上特点均限制水分子组织内扩散，故表观弥散系数随之降低[11,12]。本研究证实表观弥散系数是乳腺良恶性肿瘤鉴别诊断独立预测因素；进一步ROC曲线分析结果显示，表观弥散系数用于乳腺良恶性肿瘤鉴别诊断具有较高灵敏度，但特异度偏低，故单纯依靠该指标可能导致乳腺良性病变患者接受过度诊断治疗。

3D-APTWI可间接测量组织中游离蛋白质及多肽含量，其中酰胺质子转移与组织蛋白质含量和细胞内pH变化水平关系密切[13,14]。已有研究显示，恶性病变细胞增殖指数更高，在病变进展过程中对于蛋白及多肽需求更高[15]。本研究结果提示，乳腺恶性肿瘤患者非对称性磁化传递率(3.5 ppm)较良性病变更低，与部分学者报道相近，但亦有不同观点[16,17],笔者认为这可能与不同研究纳入患者肿瘤类型及基线特征存在差异有关。本研究纳入对象均为乳腺肿瘤，正常状态下乳腺分泌能力较强且分泌物中富含蛋白质及多肽，而良性病变因分化较好，细胞分泌能力未见明显改变；而恶性病变组织坏死严重，细胞分泌能力持续降低，这被认为是导致恶性病变非对称性磁化传递率(3.5 ppm)下降的主要原因[18,19]。而进一步ROC曲线分析结果显示，3D-APTWI用于乳腺良恶性肿瘤鉴别诊断临床效能优于扩散加权成像。相较于扩散加权成像，3D-APTWI可在反映肿瘤细胞过度增殖所致总蛋白质水平升高的同时，还能够提示肿瘤细胞活动能力异常增强，从而更为全面显示肿瘤生物学特性[20]。

本研究中利用ROC曲线的方法对回归模型的预测价值进行了计算，结果显示，单项指标的预测均具有一定的价值，但也均存在一定的误差。但是在综合利用指标的P值预测中，显示出预测效率的明显提升。因此提示在临床工作中也需要充分考虑多种因素进行预测，有利于保证预测的准确程度。

本研究局限性：①由于后处理过程中参考解剖图像在DWI和APTWI图像上手动勾画ROI,与实际病变范围存在一定偏差；②未进行穿刺或手术的病例因未取得病理诊断被剔除会导致病例的选择偏移；③本研究根据病理结果简单把乳腺病变分为良、恶性组，忽略不同病理类型可能引起组织微环境中蛋白质和多肽含量的变化，导致后续统计分析存在偏移；④本研究中一部分患者APTWI图像不能用于评价，而且多集中在脂肪型腺体类型的患者，因为APT信号受脂质影响严重，乳腺脂肪组织的存在可能限制了APTWI在乳腺方面的应用；⑤部分患者后处理得到MTRasym(3.5 ppm)为0或负值而被剔除，因为在偏移量为3.5 ppm通过非对称性磁化传递率分析测得的APT信号还受到类固体大分子磁化传递效应的固有不对称性、可移动大分子脂肪族质子的核过度效应以及代谢物磁化传递效应的影响。故有关乳腺APTWI方案未来还需要进一步优化。

综上所述，内部强化类型、表观弥散系数及非对称性磁化传递率(3.5 ppm)均可作为乳腺良恶性肿瘤鉴别诊断独立预测指标，其中三维酰胺质子转移加权成像检查预测效能较磁共振增强扫描及扩散加权成像更优；而基于上述指标构建预测模型亦显示出良好的临床预测效能。

参考文献:

[1]高微波,杨全新,陈欣,等.合成MRI对乳腺良恶性病变鉴别诊断的价值[J].中华放射学杂志,2021,55(6):605-608.

[7]陈兴,刘璟,李鹏,等.基于动态增强磁共振成像的人工智能乳腺肿瘤良恶性分类分析[J].中华医学杂志,2021,101(37):3029-3032.

[9]汤佳欢,汤卫霞,盛美红.乳腺MRI鉴别非肿块强化病变良性与恶性的研究进展[J].中华放射学杂志,2022,56(3):335-340.

文章来源:周水添,杨才能,陈妙虹,等.MR DCE､DWI及APT序列在乳腺良恶性肿瘤鉴别诊断中的价值[J].现代肿瘤医学,2024,32(11):2064-2068.