Kaiser評分不同界值應用于乳腺病變MRI診斷的效能比較

易 熙，王貴良，馬 榮，曾禹莉，陳 鷹，樊志紅

湖南省人民醫院（湖南師范大學附屬第一醫院）放射二科，湖南 長沙410016

目前在諸多乳腺疾病的影像學檢測手段中，以MRI敏感度最高［1-4］；BI-RADS為病變的描述提供了一種共通的術語，卻沒有針對各種影像征象提供一種診斷策略指導。Kaiser評分系統是應用于乳腺MRI的一個基于幾個特定影像診斷指標的算法組合，它可以將影像發現轉化為標準化的良惡性分類，同時可有效降低閱片者之間的診斷差異［5］。但是，目前關于Kaiser評分系統在乳腺疾病中的應用研究國內外僅見少數報道，僅見的國外相關研究缺乏中國人群作為研究對象的相關數據支撐［6-11］；而國內相關研究［12-13］中，針對Kaiser評分中不同界值在乳腺病變MRI 中的診斷效能的相關探討基本處于空白。本研究旨在分析在Kaiser評分系統中不同評分界值應用于乳腺病變MRI診斷中的效能，并探索出最佳評分界值以最大限度地避免過度的乳腺活檢，并與傳統的BI-RADS分類診斷標準進行診斷效能的比較，現報道如下。

1 資料與方法

1.1 一般資料

回顧性分析2019年1月～2021年3月于湖南省人民醫院（馬王堆院區）行術前乳腺1.5 T MRI增強檢查并經手術或穿刺病理證實的來自92例患者共101個病灶的患者臨床資料。納入標準：MRI檢查前未行乳腺穿刺或手術；術前MRI檢查資料完善；動態增強序列中病灶可見強化；病變性質經手術或穿刺病理證實。排除標準：術前MRI檢查資料不完善、陰性結果或已經病理證實為惡性；病理結果不完善。92例患者均為女性，年齡17～80（45.90±14.01）歲。本研究納入病例資料均經湖南省人民醫院（湖南師范大學附屬第一醫院）醫學倫理委員會審查批準通過。

1.2 方法

1.2.1 設備和參數 MRI掃描使用Signa HDxt 1.5TMRI掃描儀（GE），乳腺專用相控陣線圈，后處理工具為ADW4.5版本圖像后處理工作站。患者采取俯臥位進行掃描。MRI掃描序列及參數：軸位FSE T1WI（TR/TE=560.0 ms/9.7 ms，矩陣320×224），軸位FSE T2WI-STIR（TR/TE=6140.0 ms/46.5 ms，矩陣320×192），矢狀位T2WI-fs（TR/TE=2940.0 ms/87.3 ms，矩陣320×224），軸位T1WI動態增強（VIBRANT）序列（TR/TE=5.1 ms/2.5 ms，矩陣448×350），軸位彌散加權序列（TR/TE=4750.0 ms/74.8 ms，b=0 s/mm2、800 s/mm2，矩陣128×130）。動態增強序列包括增強前蒙片+7期動態增強，于造影劑注射后15 s開始掃描，57 s/期。造影劑使用Gd-DTPA，劑量0.2 mL/kg，注射速率2.0 mL/s，其后以同樣速率注入20 mL生理鹽水。

1.2.2 數據處理、測量及形態學參數的獲取 觀察參數包括病變的位置、分布方式、邊緣和內部強化方式。動態增強曲線的獲取：應用Functool軟件，避開出血、壞死、囊變等區域，在病變的最大層面中心區域并避開纖維腺體組織及血管勾畫感興趣區，獲得時間-信號曲線（TIC）。

1.3 診斷評估標準

Kaiser評分參照Baltzer等的評分標準和Kaiser評分流程圖［5］進行（圖1），評分為1～11分，由2名中級職稱的影像科醫師在不知道病理結果和既往MRI BI-RADS分類的情況下獨立進行分析和評估，意見不一致時則由1名資深乳腺影像醫師確定。

圖1 Kaiser評分流程圖Fig. 1 Kaiser score flowchart.

1.4 統計學分析

采用SPSS23.0和MedCalc19.6軟件對數據進行統計學分析。對Kaiser評分和BI-RADS分類分別進行ROC分析并測量ROC曲線下面積以確定二者總體診斷效能并進行比較分析，并統計Kaiser評分中不同臨界值下的敏感度、特異性和似然比。2位閱片者之間的Kaiser評分一致性采用Kappa分析。P＜0.05為差異有統計學意義。

2 結果

2.1 乳腺病變病理結果及良、惡性病變Kaiser評分診斷結果

92例患者共101個病灶，病理證實其中惡性病灶34個（33.66%），良性病灶67個（66.34%）；惡性病灶以浸潤性導管癌（27.72%，28/101)最多見，良性病灶以纖維腺瘤、纖維腺瘤樣增生（24.75%，25/101）最多見。乳腺良、惡性病變Kaiser評分診斷結果（表1）及病理亞型診斷結果（表2）。兩位閱片者之間的Kaiser評分一致性良好（Kappa值=0.89，P＜0.01）。典型病例（圖2～3）。

表2 乳腺病變病理學診斷結果Tab.2 Pathological diagnosis of breast lesions[n(%)]

圖2 女，74歲，檢查發現右乳腫物1周Fig. 2 Female,74 years old,examination revealed a right breast mass for a week.

表1 Kaiser評分對乳腺良、惡性病變的診斷結果Tab.1 Kaiser score in the diagnosis of benign and malignant breast lesions(n)

2.2 在乳腺病變MRI 中應用Kaiser 評分的診斷效能分析

有關Kaiser評分在乳腺病變MRI 中的診斷性能結果（表3），Kaiser評分和BI-RADS分類的診斷效能對比（圖4）。使用5分為良惡性病變的分界值（以≥5分為惡性病變），有13個良性病灶被誤診為惡性病灶(包括3個腫塊病灶和10個非腫塊病灶)，假陽性率為19.40%（13/67），誤診病灶以非哺乳期乳腺炎最多，占比46.15%（6/13）；使用7分為良惡性病變的分界值（以≥7分為惡性病變），有1個良性病灶被誤診為惡性病灶，誤診病灶為肉芽腫性乳腺炎，表現為腫塊病灶，假陽性率為1.49%（1/67），同時漏診了7個惡性病灶，漏診病灶包括浸潤性導管癌5個，浸潤性小葉癌1個，導管原位癌1個。

圖4 在乳腺病變MRI 中分別應用Kaiser評分和BI-RADS分類的ROC曲線對比Fig. 4 ROC curvBe comparison of Kaiser score and BI-RADS classification in MRI of breast lesions.

表3 在乳腺病變MRI中應用Kaiser評分不同截斷值的診斷參數Tab.3 Diagnostic parameters of different cut-off values of Kaiser score in MRI of breast lesions(%)

圖3 女，40歲，左乳刺痛3 dFig. 3 Female,40 years old,left breast tingling for 3 days.

使用Kaiser評分系統對乳腺病變MRI進行診斷，由曲線下面積表示的總體準確性為0.969（95%CI：0.914～0.993）；使用BI-RADS分類對乳腺病變MRI進行診斷，由曲線下面積表示的總體準確性為0.702（95%CI：0.603～0.789）；二者間診斷效能的差異有統計學意義（P＜0.01）。

3 討論

本研究評估了在乳腺病變MRI中應用診斷決策工具Kaiser評分系統的診斷效能，證實了這一決策工具對提高乳腺病變MRI 診斷準確性的益處，與國內外相關研究結論一致［9-11］。同時，使用推薦診斷界值5分為良惡性病變診斷界值［8,11］，可以正確識別100%的惡性病變，特異性為88.06%，誤診病灶以非哺乳期乳腺炎最多，占比46.15%（6/13），占樣本內所有乳腺炎性病變的50.00%（6/12），也從側面佐證了肉芽腫性乳腺炎與乳腺癌影像表現的相似性［14-16］。針對排除可疑惡性病變中良性病變這一特定診斷目標，以高截斷值7分作為判斷惡性病變的界值，可以正確識別79.41%的惡性病變，特異性為98.51%，陽性似然比為53.21%。

傳統的乳腺病變BI-RADS分類在臨床運用過程中，最常見的問題是BI-RADS 4類病變的劃分存在較大的不穩定性。在最新的第5版BI-RADS分類評估與建議中，BI-RADS 4類的病灶對應的惡性概率是2%～95%，這是一個很寬泛的診斷區間，去掉陰性病例，如果所有的病灶都報4類，最終的統計結果也會在2%～95%的惡性范圍。因此，預報4類是一個很容易的選擇，但由此卻必然會帶來過度診斷和過度處理的問題［17-18］，這是一個很普遍并且亟須解決的問題。

Kaiser評分自引入以來已在有限的臨床環境中應用。有學者證明了Kaiser評分在乳腺MRI診斷決策中的適用性［11］。相對于傳統的BI-RADS分類，Kaiser具有多方面的優點：首先，不同診斷者、不同型號MRI設備之間的診斷一致性較高；BI-RADS在應用過程中，不同閱片者之間的讀圖一致性較好，而診斷準確性差異較大［19-21］，我們認為這是由于BI-RADS雖然提供了共通的診斷學術語，而沒有基于各種影像征象提供一個標準化的診斷策略，對于不同影像征象的解釋，閱片者之間存在主觀差異，最終導致不同閱片者之間的診斷決策一致性較差，而在Kaiser評分系統中，影像診斷參數的選擇及其各自的影響權重是標準化的、確定的，故可帶來較一致的診斷決策，這在本研究中也得到證實，并與國內外相關文獻報道一致［11］。也有研究表明，盡管乳腺MRI病例來自多個單位、不同場強的MRI掃描儀，但Kaiser評分的診斷準確性和閱片者之間的一致性一直很高［8］。其次，有助于提高乳腺MRI的診斷準確率。本研究表明了在乳腺病變的MRI診斷中，Kaiser評分有較高的診斷效能，并且診斷效能優于傳統的BI-RADS分類，二者差異有統計學意義（P＜0.01）。有研究表明，在MRI中應用Kaiser評分可以提高鉬靶所發現可疑惡性病變的診斷準確率［6］；也有研究表明，在經驗較少的放射科醫生中，Kaiser評分幫助他們提高了診斷準確率，并且在腫塊和非腫塊病變中該結論仍相同［11］。最后，便于臨床推廣。現有的數據表明，使用不同的功能MRI、PET、對比增強能譜乳腺X線攝影的多參數成像可以提供額外的特異性［4,22］，但在臨床實際工作中，考慮到技術的普及程度及經濟因素，一些檢查方法如磁共振波譜成像、鈉成像、化學交換飽和轉移成像等在臨床應用推廣上難度較大。Kaiser評分系統用到的影像診斷指標包括病灶邊緣、時間-信號曲線、內部強化特征、病灶周圍水腫情況等，獲得這些參數所需要的成像方式是乳腺MRI動態增強、乳腺擴散加權成像等較為普及的成像技術，故Kaiser評分系統易于推廣使用。

綜上所述，在乳腺病變MRI診斷中應用Kaiser評分對提高診斷準確性有益，同時以≥5為判斷良惡性病變的診斷界值，可以獲得最佳的綜合診斷效能，針對特定診斷目標，在Kaiser評分中合理運用高診斷界值，可以增強診斷信心，最大程度地避免過度的乳腺活檢。但本研究仍然存在一些局限性：首先，本研究是一項回顧性研究，雖然我們可以證明應用Kaiser評分對提高乳腺病變MRI診斷準確性有益，但基于我們研究的回溯性，不能排除潛在選擇偏差的影響，因此需要進行前瞻性研究來進一步證實Kaiser評分在這種情況下的潛力；另外，本研究進行了較大樣本的研究，但惡性病變相對較少，有待于進一步擴大樣本量。