基于動態增強MRI影像學參數構建乳腺癌組織學分級預測模型

【摘要】目的 探討動態增強MRI影像學參數對乳腺癌組織學分級的影響并構建預測模型，為臨床治療提供參考。方法 選取2021年1月至2022年12月汕尾市人民醫院收治的110例不同乳腺癌組織學分級患者的臨床資料，進行回顧性分析。將Ⅰ級、Ⅱ級患者作為低級別組（55例），將Ⅲ級患者作為高級別組（55例）。分析影響乳腺癌組織學分級的單因素及獨立危險因素，基于動態增強MRI影像學參數構建乳腺癌組織學分級預測模型并分析其預測價值。結果 兩組患者年齡、腫瘤體積、絕經狀態、淋巴結轉移情況、管外細胞間隙體積比（Ve）比較，差異均無統計學意義（均P>0.05）；高級別組患者容量轉移常數（Ktrans）、速率常數（Kep）均高于低級別組（均P<0.05）。多因素Logistic回歸分析結果顯示：Ktrans、Kep均為影響乳腺癌組織學分級的獨立危險因素（均P<0.05）。構建模型回歸方程為：Logit（P）=1.455×Ktrans+1.023×Kep-1.256，該預測模型的曲線下面積（AUC）為0.893，最大約登指數為0.636，敏感度為0.954，特異度為0.691。結論 Ktrans、Kep均為影響乳腺癌組織學分級的獨立危險因素，基于Ktrans、Kep構建乳腺癌組織學分級預測模型具有較高的預測價值，可為臨床提供可靠依據。

【關鍵詞】動態增強MRI；乳腺癌；組織學分級；預測模型

【中圖分類號】R737.9 【文獻標識碼】A 【文章編號_{iV/JBAC8ay5p4J3cALU/mA==}】2096-2665.2024.21.0118.03

DOI：10.3969/j.issn.2096-2665.2024.21.036

乳腺癌是危害女性身心健康的常見惡性腫瘤，有研究指出，中國每年約16.9萬女性罹患乳腺癌，因乳腺癌死亡的女性數量達4.5萬[1]。按全球癌癥研究機構的預測，2040年乳腺癌的發病率將增長46%以上[2]。目前，臨床尚無乳腺癌的預防手段，早期診斷與治療對提高乳腺癌患者的生存率至關重要。準確的組織學分級對治療方案的制訂和預后評估具有重要意義[3]。傳統的組織學分級方法通常依賴病理活檢結果，然而乳腺癌具有高度異質性，有創的活檢技術無法對腫瘤異質性進行全面評估[4]。動態增強MRI以其對乳腺病變的高分辨率和多參數成像特點，可為乳腺癌的研究提供較全面的信息[5]?；诖?，本研究探討動態增強MRI影像學參數對乳腺癌組織學分級的影響并構建預測模型，為臨床提供無創、準確的輔助診斷工具，現報道如下。

1 資料與方法

1.1 一般資料 選取2021年1月至2022年12月汕尾市人民醫院收治的110例不同乳腺癌組織學分級患者的臨床資料，進行回顧性分析。將Ⅰ級、Ⅱ級患者作為低級別組（55例），將Ⅲ級患者作為高級別組（55例）。兩組患者一般資料比較，見表1，本研究經汕尾市人民醫院醫學倫理委員會批準。納入標準：⑴女性；⑵符合乳腺癌的診斷標準[6]，且經病理學檢查確診；⑶均進行動態增強MRI檢查；⑷病變類型為腫塊型；⑸臨床資料完整。排除標準：⑴近期接受過放療、化療者；⑵缺少動態增強MRI圖像數據者；⑶圖像存在明顯運動偽像，成像質量不佳者；

⑷合并其他腫瘤者。組織學分級[7]：采用1～3分的評分體系，分別針對腫瘤的腺體/小管組成比例、細胞核形態異質性、核分裂計數進行獨立評估，見表1。 3～5分為Ⅰ級；6～7分為Ⅱ級；8～9分為Ⅲ級。

1.2 檢查方法 掃描前，對患者實施呼吸控制訓練，防止因呼吸運動導致掃描圖像不清晰。患者手背安置留置針，俯臥于線圈架上，保持軀干水平，頭部前移，將雙側乳房自然垂直放置在線圈中。采用MRI掃描儀（飛利浦醫療系統荷蘭有限公司，國械注進20153282758，型號： Achiva1.5 T）， 8通道乳腺專用相控陣表面線圈，進行三平面定位掃描。再進行乳腺橫軸位擴散加權成像（DWI）掃描，采用單次激發自旋平面回波（SS-EPI）和頻率選擇脂肪抑制技術，擴散敏感因子（b）值為 0 s/mm2和800 s/mm2， TR 5 000 ms， TE 62 ms，層厚6 mm，層間距1.5 mm，矩陣128×128，激勵次數4，視野34 cm；接著分別對雙側乳腺進行矢狀位快速自旋回波（FSF）脂肪抑制（FS）序列的掃描， TR 4 040 ms， TE 81 ms，回波鏈長度19，層厚5 mm，層間距1.0 mm，矩陣320×224，激勵次數2，視野22 cm，單側乳腺掃描層數為18；以2.5 mL/s

靜脈注射劑量15 mL的釓噴替酸葡甲胺（對比劑）后立即以相同的注射速度注入20 mL 0.9% NaCl沖管;采用乳腺容積成像技術進行橫軸位動態增強MRI三維快速梯度回波序列的掃描， TR 6.2 ms，TE 3.0 ms，層厚3.2 mm，層間距0，矩陣256×350，激勵次數0.8，視野36 cm，翻轉角10°，掃描層數48，增強掃描8個時相， 42 s/時相。

圖像和相關數據導入專業圖像處理軟件，由資深影像科醫師進行分析。關注腫瘤的大小、位置及信號特性，以最大腫瘤直徑和強化明顯的層面為基準，避開液化、壞死和囊性病灶，劃定興趣區域（ROI）。通過計算得出反映對比劑從血管至細胞外液空間速度的容量轉移常數

（Ktrans）、反映對比劑從細胞外液回流至血漿速度的速率常數（Kep），以及管外細胞間隙體積比（Ve）。

1.3 觀察指標 ⑴分析影響乳腺癌組織學分級的單因素。⑵分析影響乳腺癌組織學分級的獨立危險因素。⑶構建動態增強MRI影像學參數的乳腺癌組織學分級預測模型，分析其預測效果。

1.4 統計學分析 采用SPSS 26.0統計學軟件進行數據分析。計量資料以（x）表示，采用t檢驗；計數資料以[例（%）]表示，組間采用χ2檢驗；構建預測模型采用Logistic回歸方程；繪制受試者操作特征（ROC）曲線評價模型的預測能力。以P<0.05為差異有統計學意義。

2 結果

2.1 影響乳腺癌組織學分級的單因素分析 兩組患者年齡、腫瘤體積、絕經狀態、淋巴結轉移情況、Ve比較，差異均無統計學意義（均P>0.05）。高級別組患者Ktrans、Kep均高于低級別組，差異均有統計學意義（均P<0.05），見表2。

2.2 影響乳腺癌組織學分級的多因素Logistic回歸分析 以表1中差異有統計學意義的因素作為自變量（原值輸入），以乳腺癌組織學分級結果作為因變量（Ⅰ級、

Ⅱ級=0，Ⅲ級=1），建立多因素Logistic回歸分析模型。多因素Logistic回歸分析結果顯示： Ktrans、Kep均為影響乳腺癌組織學分級的獨立危險因素（均P<0.05），見表3。

2.3 乳腺癌組織學分級預測模型的構建及預測效果分析 根據多因素Logistic回歸分析結果構建模型回歸方程為： Logit（P）=1.455×Ktrans＋1.023×Kep-1.256。繪制ROC曲線來檢測乳腺癌組織學分級的敏感度和特異度，以約登指數的最大值作為預測模型的最優閾值。該預測模型的曲線下面積為0.893，最大約登指數為0.636，敏感度為0.954，特異度為0.691，見圖1。

3 討論

乳腺癌具有高度異質性，在形態、分子特征、生物學行為及治療響應方面存在顯著差異。乳腺癌組織學分級在乳腺癌的診斷、治療及預后評估具有重要意義[8]。首先，組織學分級有助于明確腫瘤的惡性程度，分級越高提示腫瘤細胞的分化程度越低，腫瘤的生長速度更快、侵襲性更強、更易發生轉移。其次，組織學分級對治療方案的選擇具有指導作用，低分級的乳腺癌可能適合保守治療，高分級的乳腺癌可能需要更積極、綜合的治療策略，如手術、放療等聯合應用。同時，組織學分級是評估預后的重要指標之一，分級低的患者預后較好，生存時間較長；分級高的患者預后較差，復發和轉移的風險增加[9]。

傳統腫瘤組織學評估依賴于穿刺活檢或術后病理切片，其缺點包括侵入性強、創傷大、耗時長且成本高。此外，所取樣本未必能全面反映整個腫瘤的特性，可能影響結果精確度[10]。因此，迫切需要探索一種無創且精準的乳腺癌診斷技術，以預判病理分級，提升乳腺癌檢測效率，為臨床決策提供影像學依據。

動態增強MRI是一種無創的血流成像技術，能精確評估微血管灌注狀態和組織血管發育情況，對腫瘤的性質判斷、病理分級及個性化治療決策具有顯著價值[11]。有研究表明，動態增強MRI定量參數能區分乳腺癌的不同分子亞型[12]。

高分級的乳腺癌通常具有更高的細胞增殖活性、更豐富的新生血管形成、更高的血管通透性。Ktrans值反映對比劑從血管內空間滲透到血管外細胞外間隙（EES）的速率。有研究顯示，隨著腫瘤惡性程度的增加，Ktrans值逐漸升高[13]。本研究結果顯示，高級別組患者Ktrans高于低級別組。分析原因為，高分級的乳腺癌腫瘤新生血管增多且不成熟，血管內皮細胞間隙較大，導致血管通透性增加，使對比劑更易從血管內滲入EES，從而表現為較高的Ktrans值。低分級的乳腺癌細胞增殖較慢，新生血管較少且較為成熟，血管通透性相對較低，Ktrans值也相對較低。

本研究結果顯示，高級別組患者Kep高于低級別組。分析原因為，乳腺癌組織學分級越高的患者，通常其新生血管更豐富、紊亂，血管通透性也更高，這會導致對比劑更快地進入和流出腫瘤組織，從而使Kep值升高。較高的組織學分級意味著腫瘤細胞的增殖更活躍，代謝需求更大，這會促使腫瘤形成更多不成熟且功能異常的血管。這些血管會影響對比劑的交換，表現為較高的Kep值。Kep值還可間接反映腫瘤細胞的密度和腫瘤內部的壓力，組織學分級高的腫瘤細胞，密度較大，內部壓力較高，這會影響對比劑的擴散和交換，從而在Kep值上有所體現。

本研究構建模型回歸方程為：Logit（P）=1.455×Ktrans+1.023×Kep-1.256。該預測模型的AUC為0.893，最大約登指數為0.636，敏感度為0.954，特異度為0.691，這表明，通過輸入患者的相關資料，該模型在預測乳腺癌組織學分級方面具有較高的準確性，能幫助醫護人員更好地了解患者的風險因素，從而制訂相應的治療措施，提升患者預后。

綜上所述，基于K trans、Kep構建乳腺癌組織學分級預測模型具有較高的預測價值，可為臨床提供可靠依據。但成像技術和患者個體都具有差異性，在實際應用中需綜合考慮多種因素，并結合其他臨床和影像學指標進行綜合判斷。

參考文獻

馬丹丹，劉坤，齊曉偉. 2018年全球癌癥統計：乳腺癌發病和死亡人數統計[J/CD].中華乳腺病雜志（電子版）， 2018， 12（6）： 375.

HEER E， HARPER A， ESCANDOR N， et al. Global burden and trends in premenopausal and postmenopausal breast cancer： A population-based study[J]. Lancet Glob Health， 2020， 8（8）： e1027-e1037.

李玲玲，蘇荃利，林菲菲，等.超聲造影術前評價浸潤性乳腺癌組織學分級的臨床價值[J].中國超聲醫學雜志， 2022， 38（12）： 1350-1354.

李明，李薇，吳林樺，等.基于磁共振的影像組學模型預測浸潤性乳腺癌組織學分級的研究[J].寧夏醫科大學學報， 2023， 45（9）： 904-908， 923.

張林波，吳靜，高潔，等. DCE-MRI、T2WI及DWI聯合診斷乳腺癌的價值觀察[J].中國CT和MRI雜志， 2024， 22（5）： 106-108.

中國臨床腫瘤學會（CSCO）乳腺癌診療指南公布[J].腫瘤防治研究， 2017， 44（5）： 369.

梅放，柳劍英，薛衛成.浸潤性乳腺癌的組織學分級： NOTTINGHAM組織學分級系統[J].中華病理學雜志， 2019， 48（8）： 659-664.

周悅，曹海艷，卓雙雙，等.乳腺癌超聲特征與病理組織學分級的相關性分析[J].生物醫學工程與臨床， 2024， 28（1）： 51-55.

趙雅蘭，馬紅霞，姜靜，等.不同組織學分級乳腺癌放療患者生理特征參數差異及5年預后的影響因素分析[J].臨床和實驗醫學雜志， 2024， 23（7）： 722-726.

李明. MRI影像組學模型在鑒別乳腺良惡性腫瘤及預測浸潤性乳腺癌組織學分級的應用研究[D].銀川：寧夏醫科大學， 2021.

夏淑媛，劉新凱，賈楠，等.乳腺癌的動態增強磁共振成像特征研究[J].大醫生， 2022， 7（19）： 124-126.

沈孝春. 3.0T磁共振動態增強掃描聯合彌散加權成像預測乳腺癌分子分型的價值[D].大理：大理大學， 2023.

饒德利，邱曉明，朱燕莉. DCE-MRI定量參數在乳腺癌分期及預后評估中的應用觀察[J].中國CT和MRI雜志， 2024， 22（4）： 89-91.

1作者簡介：薛春升，大學本科，副主任醫師，研究方向：生殖系統疾病的診療。