乳腺良惡性結節磁共振成像的logistic回歸分析

邢成顏 巴成慧 高文鑫 郭蘭田 姜興岳 許 昌

濱州醫學院附屬醫院放射科 山東 濱州 256603

隨著生活水平的提高，人民群眾對健康越來越重視，乳腺結節的檢出率越來越高，而其良惡性的判定是臨床醫師面臨的重要問題，也是決定下一步治療方案的關鍵所在[1]。磁共振成像(magnetic resonance imaging, MRI)軟組織分辨力好，多方位成像，無輻射，MRI動態增強掃描反映病灶的血液供應情況及血流動力學特點[2]，目前MRI檢查在診斷乳腺疾病中得到廣泛的應用，對乳腺疾病的診斷具有較大的意義，尤其在乳腺病變良惡性鑒別診斷中具有重要意義[3]。本研究對乳腺結節的MRI檢查圖像進行了分析，得出MRI各種征象對于乳腺良惡性結節鑒別的權重大小，探討MRI在乳腺結節良惡性鑒別中的診斷價值。

1 資料與方法

1.1 臨床資料 選擇2019年1月至2020年12月我院收治的146例單發乳腺結節患者，所有結節均經手術或穿刺活檢病理證實，其中良性結節55個，惡性結節91個?；颊呔鶠榕裕挲g27～72歲，平均48歲，臨床表現有乳房脹痛、乳頭溢液、乳腺腫塊，部分病例是查體發現。納入標準：①在手術或穿刺活檢前進行了MRI平掃和動態增強掃描；②乳腺結節最大徑線小于30mm；③單發結節。

1.2 儀器與檢查方法 使用德國西門子公司生產的Siemens Manetom Skyra 3.0T MR掃描儀，選用4通道乳腺專用相控陣線圈。患者掃描時取俯臥位，雙側乳腺自然下垂于線圈內。常規掃描序列及參數：T1WI序列，TR 169 ms，TE 2.6 ms；T2WI序列，TR 3 500 ms，TE 69 ms；脂肪抑制序列T2WI，TR 3 200 ms，TE 69 ms，層厚4.0 mm，層間距0.4 mm，視野340 mm×340 mm。MRI動態增強掃描：采用梯度回波三維容積插值屏息掃描技術，每期掃描時間約45 s，共掃描7～8期(1期蒙片+6～7期增強)，視野340 mm×340 mm，TR 4.49 ms，TE 1.68 ms，層厚1.2 mm，層間距0.24 mm，矩陣352×260，翻轉角10°；對比劑采用Gd-DTPA，劑量0.2 mmol/kg，流率2.5 mL/s，最后以相同流率注射20 mL 0.9%氯化鈉注射液沖管。

1.3 圖像處理和評價 由2位從事乳腺MRI診斷的副主任醫師以上職稱的醫師對MRI圖像進行單盲法分析評價，如有分歧請第三位醫師進行評價，最終協商達成一致意見。其中動態增強曲線是指注入對比劑后病變所呈現的信號強度隨時間的延長而變化特征。分為兩個階段，第一階段為注藥后2 min內或曲線開始變化時，其信號強度分為緩慢、中等或快速增加；第二階段為延遲期即注藥2 min后曲線的變化，其變化決定曲線形態。增強曲線分為三型：I型為流入型，在觀察時間內信號強度緩慢持續上升；II型為平臺型，早期快速明顯強化達到峰值，在延遲期信號強度無明顯變化(變化范圍為±10%)；Ⅲ型為流出型，早期快速明顯強化達到峰值，在延遲期信號強度迅速降低(降低>10%)。評價因素及MRI圖像特征見表1。

1.4 統計學方法 應用SPSS 25.0統計軟件包分析數據。對MRI圖像特征進行單因素方差分析，將有意義的MRI影像特征(P<0.05)納入logistic回歸分析。以手術或穿刺活檢病理結果良惡性診斷作為因變量，將上述納入有意義的MRI影像特征作為協變量(賦值見表1)，進行向前似然法回歸分析，建立logistic回歸模型(納入標準：P<0.05)。對回歸參數估計值采用Waldχ2檢驗，采用似然比檢驗對回歸模型的擬合情況進行評估。并用受試者工作特征曲線(ROC曲線)評價logistic回歸模型的診斷能力。P<0.05認為差異具有統計學意義。

表1 乳腺結節評價因素、MRI圖像特征(變量)及賦值

2 結果

2.1 一般資料及病理結果 146例患者的結節中，55個為良性結節，其中導管內乳頭狀瘤8個，結節性乳腺腫3個，乳腺導管擴張并炎癥1個，乳腺囊腫2個，乳腺腺病16個，乳腺腺病 1個，纖維腺瘤24個；惡性結節91個，包括導管原位癌8個，基底細胞樣癌3個，浸潤性導管癌66個，浸潤性腺癌1個，淋巴細胞瘤1個，乳頭狀癌4個，髓樣癌2個，小葉癌6個。其中，病例1的MRI圖像表現及病理圖片見圖1。病例2的MRI圖像表現及病理圖片見圖2。乳腺良惡性病變MRI特征及其病理類型的關系見表2。

左乳外上象限結節，淺分葉狀，邊緣光滑，T1WI(1A)呈略低信號，壓脂T2WI(1B)呈不均勻高信號，DWI(1C)呈高信號，ADC圖(1D)信號未減低，動態增強掃描(1E)呈較均勻明顯強化，時間-信號強度曲線(1F-1G)呈“平臺型”，手術病理(1H)為纖維腺瘤。

左側乳腺內上象限不規則腫塊，邊緣毛糙，T1WI(2A)呈略低信號，壓脂T2WI(2B)呈不均勻略高信號，DWI(2C)呈不均勻高信號，ADC圖(2D)信號減低，動態增強掃描(2E)呈欠均勻明顯強化，時間-信號強度曲線(2F-2G)呈“流出型”，手術病理(2H)為浸潤性導管癌。

2.2 單因素分析 由表2可見，16項MRI圖像特征與病理良惡性關系通過單因素分析結果表明，側別、數目、部位、囊變與病理結果無統計學意義(P>0.05)，其余12項均具有統計學意義(P<0.05)。

表2 乳腺結節MRI圖像特征與病理結果的χ2檢驗

2.3 多因素logistic回歸分析 以病理結果為因變量，以單因素方差分析有統計學意義的MRI圖像特征為協變量，變量賦值見表1，應用二元logistic回歸分析建立模型(表3)，擬合結果顯示最大徑線、邊緣、增強曲線類型3個參數顯著性檢驗P值均小于0.05。為進一步優化模型，使模型更加穩定，將最大徑線、邊緣、增強曲線類型3個協變量選入模型，再次建立logistic回歸模型(表4)。

表3 篩選的所有因素的logistic回歸模型

表4 最大徑線、邊緣、增強曲線類型的logistic回歸模型

最后回歸模型Logit(P)=-5.062+1.915×最大徑線+1.622×邊緣+1.269×增強曲線類型，對上述模型進行χ2檢驗，F=90.381，P<0.01，表明該模型有統計學意義。

以該模型判斷乳腺良惡性結節概率的預測值繪制ROC曲線(見圖3)曲線下面積0.905，P<0.001，95%置信區間(0.845，0.965)，表明該模型擬合效果較好，在預測乳腺良惡性結節的鑒別診斷方面具有統計學意義。

圖3 logistic回歸模型預報能力的ROC曲線

3 討論

乳腺良惡性結節在磁共振成像中表現不同，利用單因素方差分析，最大徑線、形態、邊緣、包膜、邊界、毛刺征、信號特點、增強特點、增強曲線類型、淋巴結腫大、DWI信號、ADC圖信號等12個因素在鑒別良惡性結節中具有統計學意義。單個因素的鑒別存在敏感度較低的問題，logistic回歸分析模型可以從眾多因素中篩選出最具有統計學意義的因素，并賦予權重，形成多個因素互相作用，提高良惡性結節診斷的符合度。

本組病例，乳腺良惡性結節在發生側別上以右側乳腺比例較高，以單發多見，在部位上以外上象限較多，無囊變比例較高，但發生的側別、數目、部位、囊變在MRI圖像鑒別診斷中沒有統計學意義，與國內某些學者研究結果基本一致[4-5]。通過對單因素方差分析篩選的12個具有統計學意義的因素建立logistic回歸模型，就單個因素的作用大小比較依序為：最大徑線>邊緣>毛刺征>增強曲線類型>淋巴結腫大>邊界>ADC圖信號>DWI信號>形態>增強特點>信號特點>包膜。通過進一步logistic回歸分析，最大徑線、邊緣、增強曲線類型3個特征在鑒別診斷中更有統計學意義。

有研究表明，乳腺結節的最大徑線與病變高危升級呈正相關性[6]。腫瘤的一般來講，腫瘤的大小與良惡性沒有明確的相關性。良性腫瘤生長緩慢，但如果發現時間晚，可能發現時已經很大；惡性腫瘤生長快，如果早期發現也可能比較小。本組病例分析發現，乳腺良惡性結節的最大徑線具有統計學意義，一方面可能與病例資料選擇相關，也可能與病例樣本小相關。

良惡性腫瘤的生長方式不同，使得腫瘤的邊緣表現不一致。良性腫瘤生長緩慢，對周圍組織多產生推移，界限清晰，邊緣清晰、光滑；惡性腫瘤對周圍組織侵犯、浸潤，邊界不清晰、毛糙[7]，這是良惡性腫瘤鑒別比較重要的特征之一。本研究的結果也證實了這一點。

乳腺動態增強掃描是近年來新發展的技術，能夠讓病灶的具體狀況更清晰地呈現出來，是診斷基礎,也是良惡性病變的主要區別之處[8]。通過后處理軟件，可以將乳腺結節的強化情況繪制曲線，一般分為三種類型：I型流入型、Ⅱ型平臺型、Ⅲ型流出型。良性病變多為I型流入型，惡性病變多為Ⅲ型流出型，Ⅱ型平臺型是介于良惡性之間，如從統計分析上，良性的情況多一些[7]。本研究中，良性病變I型流入型占比為52.73%；惡性病變Ⅲ型流出型占比67.03%，比例并不算高，給診斷帶來一定的困難。

毛刺征也稱“蟹足征”，是乳腺惡性腫瘤常見的影像學特征之一[9]，有學者認為，乳腺癌腫塊邊緣約60%以上可有毛刺，毛刺征形成的病理學基礎主要是癌組織的浸潤[10]，根據乳腺癌向周邊浸潤的病理學基礎，可分類為癌組織浸潤型毛刺、淋巴管型毛刺、導管型毛刺、血管型毛刺、懸韌帶型毛刺。良性結節中可見的毛刺可能系周圍纖維組織增生的結果。有學者[7]在進行相關研究時，毛刺征有統計學意義，但沒有納入logistic模型，與本模型一致。

乳腺早期的惡性腫瘤僅僅表現為乳房出現無痛、單發的小腫塊，如果出現了淋巴結腫大，說明可能有淋巴結的轉移。腋下淋巴結是乳腺癌早期轉移的常見部位。本研究未把淋巴結腫大納入回歸模型，但有學者[11]在臨床超聲診斷分析乳腺良惡性結節時，把淋巴結腫大納入分析依據，與本研究不一致，可能與病例資料的選擇有關。

在MRI成像圖像分析過程中，結節的邊界是否清晰，形態是否規則、有無包膜，MRI信號特點是否均勻、增強特點是否均勻強化，DWI信號、ADC圖信號的表現，在臨床診斷中亦具有十分重要的意義[12]。尤其是依據logistic回歸模型提示惡性，而以上特征提示良性病變時，一定引起重視，避免造成誤診。

作為回顧性分析，病例病理類型受到多種因素的影響，而且乳腺疾病篩選中，以超聲和鉬靶X線攝影為主，一些良性病變未進行磁共振檢查，導致研究中惡性病例較多，疾病種類不全，樣本數量較少，以上原因可能導致研究結果發生偏差。磁共振技術的日新月異，彌散加權成像[13]、動態增強定量分析[14]、血流動力學研究等多種檢查技術亦可以對乳腺良惡性結節做出診斷，多種技術聯合診斷可提高診斷效能[15]；本研究尚需要大樣本的前瞻性研究進一步完善，是下一步努力的方向。