乳腺X線片直方圖分析鑒別乳腺BI-RADS 3～5類良惡性腫塊

陳 艷，韓義娜，郭亞飛，呂以東，譚紅娜，趙 鑫*

(1.鄭州大學第三附屬醫院醫學影像科，河南 鄭州 450051；2.河南省人民醫院放射科，河南 鄭州 450003)

乳腺癌是全球女性最常見惡性腫瘤，也是導致女性癌癥死亡的首要原因，占所有癌癥死亡人數11.6%[1]，且其發病率逐年增高。在我國，乳腺癌是45歲以下女性惡性腫瘤重要死因之一[2]。乳腺癌最常見影像學表現是腫塊及鈣化。乳腺X線片顯示鈣化明顯優于超聲和MRI，是目前篩查乳腺癌的重要手段，但診斷乳腺腫塊具有局限性，尤其對于乳腺影像報告和數據系統(breast imaging reporting and data system, BI-RADS) 3～5類乳腺良惡性腫塊，其鑒別診斷的敏感度及特異度均較低。直方圖分析是一種新的計算機輔助診斷技術，為放射組學紋理分析的一種[3]，其對于鑒別診斷乳腺癌、腦腫瘤、宮頸癌等疾病及相關分級研究[4-8]的價值已得到證實。本研究探討乳腺X線片直方圖鑒別診斷BI-RADS 3～5類乳腺良惡性腫塊的價值。

1 資料與方法

1.1 一般資料 回顧性分析2017年1月—2019年8月114例經手術病理證實的123個乳腺BI-RADS 3～5類腫塊，患者均為女性，年齡23～81歲，平均(46.4±13.1)歲。良性組61例，平均(38.8±8.1)歲；共68個腫塊，包括44例纖維腺瘤(51個腫塊)、6例腺病(6個腫塊)、5例腺病伴纖維腺瘤(5個腫塊)、4例炎癥伴膿腫(4個腫塊)及2例腺病伴乳管內乳頭狀瘤(2個腫塊)；惡性組53例，平均(55.6±11.8)歲，共55個腫塊，包括47例浸潤性導管癌(49個腫塊)及6例導管內癌(6個腫塊)。納入標準：①術前常規接受乳腺X線攝片；②經2名高年資主治醫師(工作10年以上)診斷為乳腺腫塊，且BI-RADS分類為3～5類；③圖像質量滿足要求；④首次經手術病理證實為乳腺良性疾病或乳腺癌；⑤未接受組織穿刺活檢及任何相關治療。

1.2 儀器與方法 采用Siemens新型全數字乳腺X線攝影機，行乳腺常規頭足位(cranial caudal, CC)和內外側斜位(mediolateral oblique, MLO)攝片，采用AUTO-TIME曝光模式，根據患者乳腺發育情況及年齡自動設定曝光條件，管電壓28 kV，管電流60 mAs。

1.3 圖像分析 由2名高年資主治醫師參照美國放射學會推薦的第5版BI-RADS，采用雙盲法比較2組MLO及CC圖像，將顯示病灶較清晰的圖像上傳至工作站，進行直方圖分析。

由1名具有8年胸部影像學診斷經驗的主治醫師采用MaZda軟件[9]分析圖像，沿病變邊緣手動勾畫ROI，以紅色填充，獲得其灰度直方圖及特征參數，包括平均值、方差、偏斜度、峰度及第1、10、50、90、99百分位數等，見圖1。

圖1 患者女，48歲，左乳浸潤性乳腺癌 A.左乳X線片(箭示病灶)； B.手動勾畫病灶ROI(紅色區域)； C.直方圖

1.4 統計學分析 采用SPSS 22.0統計分析軟件。計量資料以±s表示。采用兩獨立樣本t檢驗比較2組直方圖參數的差異。分別繪制差異有統計學意義的參數鑒別診斷BI-RADS 3～5類乳腺良惡性腫塊的受試者工作特征(receiver operating characteristic， ROC)曲線，計算曲線下面積(area under the curve， AUC)，分析其診斷效能。P<0.05為差異具有統計學意義。

2 結果

2.1 2組直方圖參數比較 2組間平均值、方差及第1、10、50、90、99百分位數差異有統計學意義(P均<0.05)，其余參數差異無統計學意義(P均>0.05)，見表1。

表1 乳腺良性病變組與惡性病變組X線直方圖參數比較(±s)

表1 乳腺良性病變組與惡性病變組X線直方圖參數比較(±s)

組別平均值方差偏斜度峰度第1百分位數良性組(n=68)132.52±21.55595.40±344.61-0.50±0.430.19±0.8571.60±21.89惡性組(n=55)154.51±22.73804.11±391.22-0.51±0.460.08±0.8183.13±20.04t值-5.49-3.140.100.78-3.01P值<0.01<0.010.920.44<0.01組別第10百分位數第50百分位數第90百分位數第99百分位數良性組(n=68)100.01±21.36135.08±22.68160.59±24.01175.79±24.65惡性組(n=55)115.20±20.76158.69±24.99186.42±24.73203.73±22.91t值-3.97-5.49-5.84-6.45P值<0.01<0.01<0.01<0.01

2.2 ROC曲線分析 針對組間差異有統計學意義的直方圖參數，分別繪制其鑒別診斷BI-RADS 3～5類乳腺腫塊良惡性的ROC曲線，結果顯示第99百分位數的診斷效能最高，AUC為0.81，以0.50為診斷閾值時，其敏感度為61.80%，特異度為88.20%，見表2。

表2 乳腺X線直方圖參數鑒別診斷BI-RADS 3～5類乳腺腫塊良惡性的ROC曲線分析結果

3 討論

放射組學是相對較新的技術[10-11]，通過提取和分析醫學圖像的特征，為臨床提供潛在的生物標記。圖像紋理是放射組學提取的特征之一種，代表圖像中像素的灰度變化規律，即局部不規則而宏觀具有規律的特性。提取紋理特征的常用方法包括統計法、基于模型法、結構分析法及信號處理法等[3]，直方圖分析法是統計學方法的一種，常用于分析MR圖像，提取圖像中病變的像素值和灰度分布情況，從而獲得大量診斷及鑒別診斷疾病的相關特征參數，為進一步鑒別疾病提供具體的優化分類方法，已用于鑒別診斷乳腺腫瘤[12]、腦腫瘤[6-7]和診斷宮頸癌[8]等研究中。直方圖分析可提供病變的客觀信息，不受診斷醫師主觀因素干擾，結果更加客觀、準確，也為鑒別乳腺BI-RADS 3～5類良惡性腫塊提供了新方法。

乳腺X線片中，乳腺腫塊是乳腺癌的主要征象之一。影像學診斷乳腺腫塊主要參照第5版BI-RADS，從形態學的3個方面，即腫塊形狀、邊緣及密度對良惡性腫塊進行分析，進而完成BI-RADS分類。根據BI-RADS，乳腺X線片中的腫塊分為BI-RADS 2～6類，BI-RADS 2類腫塊為良性病變，BI-RADS 6類腫塊為惡性病變，而BI-RADS 3～5類腫塊則良惡性均有可能，隨BI-RADS分類升高，病變惡性的可能性逐漸增加。乳腺X線片中，BI-RADS 3～5類良惡性腫塊的表現存在部分重疊，如良惡性腫塊均可能形狀不規則、邊緣呈分葉狀以及密度呈等、高密度，導致單獨依靠乳腺X線片所示形態學表現鑒別良惡性腫塊存在一定困難，診斷結果受醫師主觀因素影響較大。

目前基于乳腺X線片直方圖分析的相關研究較少。彭文靜等[13]采用乳腺X線紋理分析乳腺良惡性小結節，發現良惡性結節之間偏度和峰度差異無統計學意義。本研究利用MaZda軟件對BI-RADS 3～5類乳腺良惡性腫塊的X線片進行直方圖分析，結果顯示良惡性腫塊間平均值、方差及第1、10、50、90、99百分位數差異均有統計學意義；ROC分析結果顯示第99個百分數的診斷效能最佳，AUC為0.81，表明基于乳腺X線片直方圖分析，鑒別乳腺BI-RADS 3～5類良惡性腫塊具有一定價值，可提供形態學之外的客觀依據。本研究與彭文靜等[13]所用分析軟件不同，研究對象不同，結果亦相悖，有待進一步觀察。

我國女性乳腺實質以致密腺體為主，大量腺體重疊會影響乳腺X線攝影對乳腺腫塊的檢出及鑒別，增加誤診及漏診率。本研究結果提示，乳腺X線片直方圖分析可用于鑒別乳腺良惡性BI-RADS 3～5類腫塊。但本研究未對腫塊密度、形狀、邊緣以及病理類型和腺體成分進行分析，存在一定局限性。