磁共振ADC紋理分析在乳腺增生癥和導管原位癌鑒別中的價值

戴世鵬 張崇海 孫文靜 田苗苗 李國忠

乳腺磁共振成像作為乳腺最敏感的檢查技術，能夠廣泛的用于乳腺癌高危人群的篩查、疾病的精準定位、定性、分期及治療后的隨訪評估[1]。彌散加權成像(diffusion weighted imaging，DWI)是基于水分子布朗運動原理，脈沖序列利用MRI擴散特征而應用于臨床，可以反映組織微觀結構的變化，在鑒別良惡性病變中具有重要價值。DWI成像被廣泛應用于多種乳腺疾病，如乳腺癌、乳腺良性腫瘤、乳腺增生癥、乳腺炎等的篩查和定性診斷[2]。MRI圖像的紋理分析被用于研究圖像空間灰度強度的特征分布，進而提取常規圖像中無法甄別的灰度細微差異特征。MRI圖像中提取的紋理特征包含一階特征、二階特征和高階特征。一階特征包括平均值、方差等多個參數值，主要是灰度直方圖特征[3]。在MRI圖像中乳腺增生癥(hyperplastic disease of breast)和乳腺導管原位癌(ductal carcinoma in situ，DCIS)均可表現比較為段樣、區域性、線樣等非腫塊樣強化表現，臨床表現缺乏特異性，主要包括乳頭溢血或溢液，伴或不伴乳房腫痛，經常在患者體檢時，兩種病變均會被偶然發現，但乳腺增生癥和導管原位癌的治療處理方案截然不同，如若通過MRI檢查在術前做出準確診斷，將有利于臨床對此兩種疾病的治療方案進行制定。本研究旨在分析磁共振擴散加權成像ADC紋理分析在乳腺增生癥和DCIS中的鑒別診斷價值，以提高兩種疾病診斷的準確性。報告如下。

1 資料與方法

1.1 一般資料 選取2015年3月至2020年11月在河北省滄州市人民醫院進行乳腺 MRI檢查患者102例，共102個病灶，年齡28～67歲；其乳腺增生癥53例，乳腺導管原位癌49例。記錄2組患者的影像、臨床、病理學資料并進行比較。本研究經本院倫理委員會批準。

1.2 納入與排除標準 納入標準：(1)病理診斷為乳腺增生癥和導管原位癌；(2)乳腺病變 MRI 圖像表現為非腫塊樣強化；(3)乳腺MRI檢查前無乳腺手術史，未接受放化療等非手術治療；(4) 乳腺MRI掃描資料完整，圖像清晰，滿足測量和后處理要求。排除標準：(1)腫瘤內的實性成分的長徑<3 mm，不符合勾畫 ROI 要求；(2)MRI 檢查禁忌證。

1.3 掃描方法 設備為荷蘭飛利浦 Ingenia 3.0T 磁共振掃描儀，采用相控陣乳腺專用線圈。患者體位為足先進俯臥位，雙側乳腺置于線圈洞穴內并自然懸垂，使患者保持舒適體位。掃描序列選擇:(1)橫軸位T1WI(TR/TE為649 ms/8 ms，層厚/層間距3.5 mm/0 mm，矩陣 320×256)；(2)軸位脂肪抑制T2WI(TR/TE為4451ms/80ms，層厚/層間距3.5 mm/0 mm，矩陣 320× 256)；(3)軸位DWI (TR/TE 為 9142 ms/80 ms，層厚/層間距3.5 mm/0 mm，矩陣 128×153，b值分別設定為 0 mm2/s 和 800 mm2/s)；(4)多期動態增強掃描對比劑選擇釓噴酸葡胺注射劑(Gd-DTPA)，劑量 0.2 mmol/kg，流速 2.0 ml/s，序列為e-THERVE( TR/TE為5.3 ms/2.6 ms，層厚/層間距 3 mm/ -1.5 mm，矩陣 280×339)。

1.4 圖像處理 在Philips IntelliSpace Portal工作站上將MRI影像導出，導出的影像格式為“BMP”，并調整所有圖像的窗寬、窗位，使其保持一致。將導出數據用MaZda軟件進行紋理分析。圖像均由 2 名經驗豐富的乳腺MRI影像診斷醫師在不知曉病理結果的情況下分別解讀，意見不統一時通過討論達成共識，在確定病變的邊界和位置時，可以結合動態增強圖像與DWI圖像的對應關系進行確認。

1.5 圖像紋理分析 感興趣區(region of interest，ROI)的選取：在ADC圖像中手動勾畫ROI，將ROI置于乳腺病變區，避開壞死、囊變區域，測量病變的 ADC 值，需至少測量 3 次，取其平均值，并保存選定的ROI。ADC 灰度直方圖的測量：將所有患者 ADC 序列從工作站以 BMP 格式導出并儲存，導入 MaZda軟件，先對圖像進行灰階水平標準化(3 sigma)，減小對比度和亮度變化對分析結果的影響，在MaZda軟件中提取灰度直方圖參數，包括 Mean 值、Variance 值、Skewness 值、Kurtosis值、Perc.1%、Perc.10%、Perc.50%、Perc.90%、Perc.99%。

1.6 統計學分析 應用 SPSS 20.0 統計軟件，計量數據首先進行正態性檢驗，如果符合正態分布且兩組間方差齊，采用t檢驗；若方差不齊采用校正t檢驗，組間比較采用非參數秩和檢驗,對有統計學意義的紋理參數，進行受試者工作特征曲線(receiver operating characteristic curve, ROC 曲線)分析并計算相應的曲線下面積(area under curve, AUC),P<0.05為差異有統計學意義。

2 結果

2.1 患者基本資料 乳腺導管原位癌49例，平均年齡(45.7±11.7)歲，乳腺增生癥53例，平均年齡為(44.2±13.1)歲，差異無統計學意義(P=0.62>0.05)。

2.2 紋理特征參數 乳腺導管原位癌組和乳腺增生癥組2組間比較得到Mean 值、Variance 值、Skewness 值、Kurtosis值、Perc.1%、Perc.10%、Perc.50%、Perc.90%、Perc.99%，紋理特征參數差異有統計學意義(P<0.05)。應用 ROC曲線聯合 AUC 得出Perc.1%、Perc.10%具有非常高的診斷鑒別效能，AUC 值分別為 0.86 、0.83。參考約登指數，Perc.1%取閾值為75.5時，敏感度為75.00%、特異度為80.00%；Perc.10%取閾值為99.5時，敏感度為78.98%，特異度為73.68%。見表1、2，圖1。

表1 平均值、方差、百分位數的ROC曲線分析

表2 乳腺導管原位癌與乳腺增生癥患者ADC紋理分析比較

圖1 紋理特征中平均值、方差、百分位數的ROC曲線

2.3 典型病例。見圖2、3。

圖2 女，35歲，左乳導管原位癌；A 軸位 T1WI增強圖像顯示左乳內側方一個不均勻非腫塊樣強化病變；B 橫軸位DWI圖病變呈高信號；C 橫軸位ADC圖中ROI勾畫區域

圖3 女，38歲，左乳增生癥;A 軸位 T1WI增強圖像顯示左乳外側方一個不均勻非腫塊樣強化病變；B 橫軸位DWI圖病變呈稍高信號；C 橫軸位ADC圖中ROI勾畫區域

3 討論

乳腺導管原位癌一種乳腺導管內上皮細胞異常增生，伴有輕度至重度的細胞異型，生但未超出周圍基底膜的非浸潤性惡性病變， 30%～50%的導管原位癌病例進展為浸潤性導管癌[4]，腫瘤不具有進入局部脈管造成轉移的能力。雖然乳腺導管原位癌惡性程度不高，但通常需要臨床干預，干預措施包括保乳手術或者乳房全切術[5]，僅有4%的患者接受非手術治療[6]。乳腺增生癥是最常見的良性乳腺疾病，其原因是乳腺腺體增生過度和復舊不全。一些亞型無論是在臨床上、影像學上、還是在組織形態學上均與乳腺癌相似。絕大多數乳腺增生癥無需手術，僅需隨診觀察及對癥治療。乳腺導管原位癌與乳腺增生癥部分病例在臨床及影像中表現相似，臨床在確診兩種疾病性質時需要進行活組織病理檢查證實，但是活檢是有創性檢查，且局部活檢所檢測的病變組織量較少，有時不能提供病變的整體病理類型，可能會存在病理診斷困難。乳腺 MRI具有良好的軟組織對比度，敏感性高，而乳腺增生癥與乳腺導管原位癌在MRI上多表現為NME(乳腺非腫塊樣強化)方式，病變形態學及血流動力學表現在常規MRI圖像中存在部分重疊，鑒別較為困難。MRI 紋理分析將醫學影像信息，如像素灰階分布水平、像素的二維及三維分布特征等，提取并轉換成多種肉眼無法識別紋理信息，比較兩者紋理特征差異，因此可以用于定量評測腫瘤的異質性，具有非侵入性特點，可以提高病變MR診斷的準確率。

紋理分析(texture analysis,TA)是通過分割ROI區及提取紋理特征，結合兩種病變病理學結果，經過統計學分析，篩選出與病變相關的紋理特征，從而建立出兩種疾病的診斷與預測模型，可定性及定量描述ROI區中組織結構的細微紋理變化。紋理分析包含灰度直方圖[7]，其通過分析病變圖像像素值的灰度分布情況，從而獲得有關病變的鑒別、分級等的參數，作為量化參數可描述病變內組織分布的規律和均勻程度，進而對腫瘤的異質性進行評估[8]。在紋理分析中，組織學分析中發現MRI紋理參數和組織結構變化之間的相關性這一研究，驗證了組織的潛在超微結構特性影響灰度級的分布這一假設。紋理分析提供病變圖像具有客觀性，不受影像診斷醫師主觀因素的影響。目前，MRI圖像紋理分析開始逐漸用于乳腺疾病的研究，Li 等[9]的研究表明ADC圖像提取的紋理特征參數可以較好地區分乳腺良惡性腫瘤，病變的紋理特征具有顯著的差異。Martincich 等[10]研究顯示，灰度方差特征作為預測乳腺癌治療效果評估的重要參數，反映了紋理動態異質性變化，乳腺癌具有異質性特點，因此MRI圖像紋理特征分析對于評估乳腺增生癥與DCIS病變的異質性具有診斷價值。研究表明基于 DWI 圖像紋理分析方法鑒別疾病性質時，灰度直方圖參數中百分位數及平均值常呈現出顯著性差異[11-13]，這證明不同序列圖像選擇可能與紋理特征參數密切相關。DWI通過水分子布朗運動的特性進行成像，可以反映組織微觀結構的變化及組織內水分子彌散受限的方向及程度。DWI序列可自動生成ADC圖。ADC值系組織內水分子的擴散受限程度的量化指標，ADC值大小與細胞增殖的活躍度、細胞內血管化程度及組織內細胞密度相關。ADC值在鑒別乳腺病變良惡性方面的應用已較為廣泛[14]。相較于DWI圖，ADC圖含有更豐富的紋理信息[15]。本研究結果顯示：乳腺增生癥與乳腺DCIS紋理特征參數中，平均值、方差、百分位數(第1、第10、第50、第90)在統計學上有顯著的差異(P<0.05 )。除Variance 值以外，乳腺增生癥所有參數值均高于DCIS，與 Suo 等[12]研究結果相符，在乳腺DCIS中，平均值、百分位數(第1、第10、第50、第90)明顯低于乳腺增生癥。MRI圖像的紋理差異取決于這2 種疾病的病理特征。有研究證實MRI圖像的紋理特征會因組織病理變化而改變[16]，良性病灶區組織成分相對單一，而惡性病灶區一般表現為高細胞密度、內部出血、組織壞死和黏液樣變性[17]。方差值越大，說明圖像明暗變化程度越大，說明病變的異質性越高，因此乳腺導管原位癌的方差值高于乳腺增生癥。乳腺導管原位癌的平均值、百分位數低于乳腺增生癥，說明導管原位癌相較于乳腺增生癥，無論是整體上還部分像素在ADC圖上亮度更低，與鐘井松等[18,19]研究結果相近。本研究利用ROC曲線及 AUC對紋理特征參數的診斷價值進行分析評估，顯示Perc.1%及Perc.10%診斷價值最大，Perc.1%的AUC 值為 0.86 ，Perc.10%的AUC 值為0.83。參考約登指數，Perc.1%取閾值為75.5時，敏感度為75.00%，特異度為80.00%；Perc.10%取閾值為99.5時，敏感度為78.98%，特異度為73.68%。通過多變量Logistic回歸分析對紋理特征差異有統計學意義的參數建立模型，可進一步提高診斷效能，AUC、敏感性和特異性達到0.94、87.88%和89.47%。由此可見ADC紋理分析可作為乳腺病變鑒別診斷的一個補充手段。

在圖像重建和手動選擇病灶時，本研究盡量避開正常的乳腺實質組織，因為在勾畫 ROI 時非腫塊病變很容易將正常的腺體組織包含在內，易導致結果偏倚[11]。

本研究的不足：(1)本研究樣本量有限，需更多的病例研究來進一步證實。(2)非腫塊樣強化病變可夾雜著正常的乳腺腺體組織及脂肪組織，可能會造成一定的結果偏倚；(3)目前紋理分析尚未建立標準化處理過程及標準化參數，紋理分析處理過程因不同研究者而異[20-22]。

綜上所述，乳腺增生癥及DCIS的ADC直方圖紋理特征有顯著差異，ADC 直方圖參數對兩者的鑒別診斷均具有一定的臨床應用價值。在乳腺病變的診斷中，ADC 直方圖參數可以作為一種補充手段。