乳腺X線Quantra軟件與乳腺影像報告和數據系統分類評價乳腺密度一致性研究

天津醫科大學腫瘤醫院乳腺影像診斷科，國家腫瘤臨床醫學研究中心，天津市“腫瘤防治”重點實驗室，天津市惡性腫瘤臨床醫學研究中心，乳腺癌防治教育部重點實驗室，天津 300060

乳腺密度（mammographic density，MD）是乳腺癌的獨立危險因素之一，并與乳腺癌的其他影響因素密切相關［1］。早在1976年，Wolfe［2］就已提出MD與乳腺癌危險性之間具有正相關性。致密型乳腺的女性罹患乳腺癌的危險性為非致密型乳腺的4～6倍［3-4］。目前國內外許多學者致力于研究如何更加準確地評估MD。最常用的是美國放射學會（American College of Radiology，ACR）提出的乳腺影像報告和數據系統（Breast Imaging Reporting and Data Systems，BI-RADS），通過視覺評估MD，便于臨床應用，但它是一種主觀評價方法，更多地依賴于放射醫師的經驗。定量測量方法排除了主觀因素，其中計算機軟件測量方法通過對乳腺組織三維容積的測量，能夠更精確地反映乳腺組織的密度［5］，如Quantra 2.0軟件因其操作簡便，近年來開始應用于臨床，本研究主要通過分析乳腺X線攝影Quantra軟件與BI-RADS評價MD的一致性，探討Quantra軟件能否成為評價MD的一種較為簡單、客觀和準確的方法。

1 資料和方法

1.1 臨床資料

收集2016年1月—11月于天津醫科大學腫瘤醫院行乳腺X線攝影檢查的女性患者共2 550例，其中單乳758例，雙乳1 792例。排除隆胸和胸廓畸形的患者，除外乳腺巨大腫物、腫瘤切除術的患側乳腺，僅比較其健側乳腺。共計4 028側，其中右乳2 069側，左乳1 959側，年齡14～89歲，中位年齡48歲。

1.2 影像方法和后處理

采用美國Hologic公司LORAD Selenia全數字化乳腺X線機及其后處理工作站，每位患者均行標準頭尾位及內外斜位投照。選擇AUTO-Filter曝光模式進行曝光。

1.3 影像學分析

1.3.1 BI-RADS分類

根據2013年版BI-RADS分類，將MD分為4種類型（BI-RADS 4分類）：a類（脂肪型）、b類（散在纖維腺體型）、c類（不均勻致密型）和d類（極度致密型）。由2名從事乳腺影像診斷的高年資放射醫師獨立閱片評價MD，當結論不一致時，由二人協商得出一致結論或由第3名有豐富工作經驗的高年資影像醫師再次獨立進行閱片分析并確定最終結論。進一步將BI-RADS 4分類歸為2種類型（BI-RADS 2分類）：a類和b類乳腺歸為非致密型，c類和d類乳腺歸為致密型。

1.3.2 Quantra軟件的MD

原始圖像經Quantra 2.0軟件進行分析，自動計算出MD（Vbd%）、q_abd值以及Q_abd值（q_abd值經四舍五入整理后得到Q_abd值，Q_abd值對應BI-RADS中的4種類型）。

1.4 統計學處理

采用SPSS 19.0軟件進行統計學分析。乳腺X線Quantra軟件測得的Q_abd值與BI-RADS分類進行一致性檢驗（Kappa檢驗）。Kappa值即一致性系數，Kappa值≥0.75兩者一致性較好；0.75＞Kappa值≥0.40兩者一致性一般；Kappa值＜0.4兩者一致性較差。

利用受試者工作特征（receiver operating characteristic，ROC）曲線分析Quantra軟件Q_abd值與BI-RADS 4分類和BI-RADS 2分類（致密型與非致密型）的關系，獲得曲線下面積（area under curve，AUC）、95% CI、靈敏度、特異度和界值。

2 結 果

BI-RADS 4分類：a類181側（4.5%），b類848側（21.1%），c類2 491側（61.8%），d類508側（12.6%）。非致密型乳腺占25.5%（1 029/4 028），致密型乳腺占74.5%（2 999/4 028）。乳腺X線Quantra軟件測得MD（Vbd%）最大值為75%，最小值為2%，平均MD為（17.04±8.46）%。Quantra軟件Q_abd值對應的BI-RADS分類見圖1。

圖1 Quantra軟件Q_abd值對應的BI-RADS 4分類

Quantra軟件Q_abd值與BI-RADS 4分類進行一致性分析，一致性一般（Kappa=0.665），而Quantra軟件Q_abd值與BI-RADS 2分類，具有較好的一致性（Kappa=0.760）。

利用ROC曲線分析Quantra軟件Q_abd值與BI-RADS 4分類和BI-RADS 2分類的關系，其AUC、95% CI、靈敏度及特異度見表1，致密型乳腺與非致密型乳腺的界值為13%。

表1 Quantra 軟件與BI-RADS分類的ROC曲線分析結果

3 討 論

乳腺X線密度即為乳腺X線片中致密影所占的比例［6］。1986年，Page［7］等通過與組織標本進行對照研究發現，乳腺腺體小葉（上皮）、導管和基質（纖維結締組織）投射在乳腺X線影像上表現為致密影，而脂肪投射表現為透亮影。由于乳腺中各結構的含量不同，在X線片上呈現出的MD不同。

目前，臨床上常用的方法是以BI-RADS分類為評價MD的依據，但其準確性受主觀因素影響較大。定量測量方法排除了主觀因素，其中計算機軟件測量方法，如Quantra 2.0軟件，Quantra軟件計算乳腺實質和乳房體積是基于每一次X線曝光時乳腺和成像系統的物理參數，包括乳腺組織的衰減系數、厚度，攝影系統陽極靶材料以及曝光所用的管電壓、管電流及曝光時間。X線穿透腺體組織，產生能量衰減，Quantra軟件根據衰減的能量、不同組織的衰減系數及壓迫厚度能夠計算出每一像素中的乳腺腺體，以像素為基本單位，軟件最終計算出整個乳房腺體的體積和乳房體積，并得出三維立體的MD。

乳腺癌風險評估及預測模型是用來預測帶有特定危險因素的女性在未來一定時間內（如5年之內或終身）發生乳腺癌的風險。Gail模型在歐美已經被廣泛應用，它的可靠性在一系列大規模人群中得到驗證［8-9］。Gail模型中增加MD后，其準確率從0.67增加到0.68（95% CI：0.66～0.70，P＜0.01）［10］。MD評估乳腺癌風險時其重點是乳腺纖維腺體體積，Quantra軟件和BI-RADS分類評價MD時，雖然可能有相同的致密區域，但致密組織的厚度和體積不一定相同，因此Quantra軟件評價的三維立體MD能夠更好地進行乳腺癌風險預測。

乳腺X線攝影是重疊影像，主要依靠病變和乳腺組織的密度差別、結構異常、有無惡性鈣化、伴隨征象等來發現診斷病變。致密型乳腺在X線片上缺乏天然對比，病灶易被重疊掩蓋，干擾病灶的顯示，而容易出現假陰性表現。許多臨床研究［11-12］已經證實，隨著MD的增加，放射醫師診斷乳腺癌的陽性率會有所下降，致密型乳腺診斷靈敏度為30.0%～64.4%，而非致密型乳腺靈敏度為80.0%～98.0%。本研究中，Quantra軟件Q_abd值與BI-RADS 2分類具有較好的一致性（Kappa值0.76），靈敏度（86.0%）和特異度（99.2%）較高。有研究顯示，Quantra軟件與BI-RADS 2分類的靈敏度和特異度范圍分別為78.0%～89.8%和84.6%～88.9%，界值為13%～22%［13-15］，與本研究結果基本一致，說明Quantra軟件的可重復性較好。在不同的研究中靈敏度、特異度和界值各不相同，主要由于樣本量、放射醫師的主觀性以及Quantra軟件版本的不同。

與臨床上常用的BI-RADS分類評價MD相比，Quantra軟件可能具有更好的可重復性，但其必須能夠反映放射醫師的一致意見，本研究的主要目的為Quantra軟件是否能夠較好地反映BIRADS分類。實際工作中，b類與c類區分非常重要，有助于正確評估女性患乳腺癌的風險，并且指導臨床醫師判斷該患者是否需要進一步行超聲或磁共振成像檢查。Quantra軟件評估b類與c類時只有少量相互混淆，能夠較準確地進行區分，具有較高的靈敏度（83.6%）和特異度（90.4%），可重復性較好。Quantra軟件Q_abd值與BI-RADS 4分類之間一致性一般（Kappa值0.665），主要原因一方面是由于Quantra軟件測量得到的是三維立體MD，而BI-RADS分類是通過視覺評估MD的一種主觀測量方法，另一方面Q_abd值是由q_abd值經四舍五入整理后得出，q_abd值的小數部分也是影響一致性的重要原因。

Quantra軟件Q_abd值與BI-RADS 2分類（致密型和非致密型乳腺）之間具有較好的一致性（Kappa值0.76），ROC曲線（AUC為0.957，95% CI：0.951～0.964）分析得出界值13%可以較好地區分致密型與非致密型乳腺，Quantra軟件是有效的BI-RADS分類評價MD的輔助工具，也可以消除BI-RADS分類時的差異，其意義在于臨床決策中使MD更加一致。因此乳腺X線攝影采用Quantra軟件評價MD是一種較為簡單、客觀和準確的方法，并能有效避免較多依賴于放射醫師經驗的主觀判斷。