基于BI-RADS分類多參數乳腺MRI對腫塊性病變的診斷效能研究*

柏玉涵，李玉萍，彭紅芬，蔣瑋麗，張東友

（1.湖北省武漢市第一醫院 放射科，湖北 武漢 430022；2.中國人民解放軍第二六六醫院 放射科，河北 承德 067000）

乳腺MRI乳腺影像報告和數據系統（breast imaging reporting and data system, BI-RADS）是由美國放射學會（american college of radiology, ACR）組織編寫的一個國際專家共識（包括各種形態特征定義和圖解、乳腺MRI檢查技術因素及動態曲線描述）。根據病灶結構特征和動態增強曲線在鑒別良、惡性腫瘤的特點后，提出相應的指導處理病灶原則。目的是對乳腺MRI報告的用詞進行標準化，幫助臨床醫師理解MRI報告和選擇處理方式，幫助不同研究之間的交流。本研究旨在評價乳腺MRI BI-RADS分類對腫塊性乳腺病變的陽性預測價值（positive predictive value,PPV）；確定并證實腫塊性病變基于BI-RADS分類最具惡性預測價值MRI特點，并對乳腺腫塊性病變的動態增強磁共振（dynamic contrast enhanced magnetic resonance imaging, DCE-MRI）征象、功能磁共振成像（diffusion weighted imaging-apparent diffusion coefficient,DWI-ADC）值進行分析，探討兩者聯合應用對該類良、惡性病變診斷的價值，提高對BI-RADS乳腺腫塊性病變診斷的特異性和準確性。

1 資料與方法

1.1 研究對象

選取2012年12月-2015年12月該院經乳腺MRI診斷為BI-RADS的腫塊性病變患者（180例，194個病灶），病變均經DCE-MRI和DWI掃描，且得到手術或穿刺活檢病理證實。其中，年齡18～77歲，平均45歲。納入標準：①所有病例均有最終病理結果，獲取病理結果的方式包括活檢或手術；②符合實驗設計的統一檢查程序和參數；③臨床報告給出BI-RADS分類預測和良、惡性預測；④MRI檢查前3個月未活檢或局部手術，避免血腫干擾。排除標準：①新輔助化療干擾；②其他原發惡性腫瘤或者系統性疾病。

1.2 檢查方法

MR HDXT 3.0T 4通道相控陣乳腺專用線圈，患者取俯臥位，雙乳自然懸垂。掃描序列包括：①橫軸位SE EPI/DWI，TR 8400 ms，TE 93.8 ms，并行采集因子 2，b值1 000 s/mm2，矩陣128×128，激勵次數（number of excitation，NEX）=2；②橫軸位脂肪抑制FSE/T2WI，化學飽和法脂肪抑制，TR/TE 4700 ms/78 ms，矩陣320×256，NEX=2，視野320 mm×320 mm，層厚4 mm，層間距 1 mm；③橫軸位 FSE/T1WI：TR/TE 500 ms/9 ms，NEX=2，視野320 mm×352 mm，矩陣320×224，層厚4 mm，層間距1 mm；④動態增強：采用體積成像乳房評估序列，TR 4.7 ms，TE 2.2 ms，矩陣320 mm×320 mm，層厚1.0 mm，176層橫軸位掃描。動態增強重復6次，每次掃描時間120 s（時間分辨率），其中第1次為預掃描，第1次掃描結束后經肘靜脈團注造影劑釓噴替酸葡甲胺，速度2 ml/s，按照0.1 mmol/kg給藥，注射后用20 ml生理鹽水沖刷。

1.3 圖像處理與分析

ADW4.5圖像處理工作站（美國GE公司）完成圖像處理：①時間-信號曲線（time-to-intensity curve,TIC）測量：第1增強時相強化率≥120%病灶均需測量TIC，測量感興趣區（region of interes, ROI）＜3個體素，ROI盡量小以避免部分容積效應。體積較大病灶取多點測量，取最代表惡性的曲線納入計算。曲線分類參照KUHL等[1]劃分方式，但第2增強時相后強化率降低＞20%定義為廓清型曲線（Ⅲ型），掃描時間內波動±20%者定義為平臺型曲線（Ⅱ型），持續強化＞20%定義為流入型曲線（Ⅰ型）；②ADC值測量：在b=1 000 mm2/s圖像上高于乳腺實質信號和TIC測量病灶均進行ADC測量，ROI＜3個體素。對較大病灶、同一病灶內不同信號特征的部分均需多次測量，單個病灶多點測量時取最小值納入計算；③圖像分析：由2位有經驗MRI醫師采用雙盲法獨自閱片常規MRI圖像分析。腫塊性病變定義為腫塊性病變在三維空間上有明確的占位效應，推壓周圍正常的乳腺或脂肪，單個腫塊性病變內部不會夾雜脂肪或正常腺體組織。依據2013版最新修訂BI-RADS詞匯對每一個腫塊性病變進行描述，腫塊形狀分為橢圓形、圓形及不規則形；邊緣描述分為清晰與不清晰（又分為毛刺與不規則）；內部強化特征分為均勻強化、不均勻強化、邊緣強化及內部分隔不強化；依據形狀是否規則、邊緣是否清楚將病變分為良、惡性。內部強化、均勻強化及內部分隔不強化歸為良性，不均勻及邊緣強化歸為惡性。TIC為Ⅰ型歸為良性組，Ⅱ型和Ⅲ型歸為惡性組。

1.4 病理學分析

穿刺或手術切除后的標本，經蘇木精-伊紅染色法和（或）免疫組織化學法染色后，由指定的乳腺病理學專家進行診斷。

1.5 統計學方法

數據分析采用SPSS 13.0統計軟件，以病理結果為金標準，計算各種成像參數診斷的PPV和Kappa值；采取多因素Logistic回歸分析各觀察指標對腫塊良惡性的預測概率，以DWI-ADC值指標、常規BI-RADSMRI、ADC+常規BI-RADS-MRI作為新變量，做ROC曲線，并計算曲線下面積。P＜0.05為差異有統計學意義。

2 結果

2.1 病例構成

194個腫塊病變均經穿刺或手術得到病理證實。其中，惡性125例，良性69例；125例惡性病灶，5例行穿刺活檢，21例行病灶局部切除，26例行局部擴大切除，67例行單側乳腺全切，3例行雙側乳腺全切，另有3例處理方式未知；病理類型、BI-RADS分類及各分類PPV見表1。126個病灶劃為BI-RADS Ⅴ類，114例證實為惡性，21個病灶劃為BI-RADS Ⅳ類，6例證實為惡性；39例BI-RADSⅢ類病灶中5例病理證實為惡性。

2.2 各觀察指標診斷效能

以病理結果為狀態變量，繪制ADC值ROC曲線，及ROC曲線下面積（AUC）為0.871，且對應的良、惡性診斷最佳界值為1.18×10-3mm2/s。各種成像參數診斷PPV和Kappa值（見表2）。以病理結果為因變量，各種成像參數MR診斷結果（包括ADC值、形狀、邊緣、內部強化及TIC類型）為自變量，進行多因素Logistic回歸分析；以P≤0.05為選入變量標準，以P≥0.10為剔除變量標準，逐步排除統計學意義不大的觀察指標，計算O^R值；各BI-RADS-MRI觀察指標Logistic多因素回歸分析結果見表3?；貧w分析結果表明，ADC值、邊緣及TIC類型對乳腺良、惡性病變診斷能力較強（P＜0.05）。ADC值≤1.18×10-3mm2/s、邊緣毛刺征及TIC Ⅱ型和Ⅲ型為MRI診斷惡性乳腺腫塊性病變的危險因素（P＜0.05）。

表1 MRI分級與病理的對應關系

表2 各觀察指標診斷效能

2.3 DWI-ADC值、常規BI-RADS MRI、ADC+常規BI-RADS MRI診斷效能比較

ADC+常規BI-RADS MRI ROC曲線下面積＞DWI-ADC值ROC曲線下面積＞常規BI-RADS MRI曲線下面積見表4和附圖。

表3 基于BI-RADS MRI觀察指標Logistic回歸分析相關參數

表4 3種診斷指標ROC曲線下面積比較

附圖 幾種不同診斷指標ROC曲線

3 討論

乳腺MRI臨床運用的主要優勢在于對乳腺癌檢出的高敏感性，早期研究報告指出其敏感性高達94%～100%[2-3]。但由于良、惡性病變MRI表現的部分特點有交叉重疊之處，乳腺MRI對病變檢出的特異性較敏感性低很多[1，4-6]。由于乳腺MRI成像技術有很大差異性，導致影像表現也有差異，影響觀察者對影像表現的解讀和報告內容，不利于臨床處置和隨訪檢測。相較于鉬靶和超聲圖像運用BI-RADS評估乳腺病變的明確標準和廣泛運用，關于BI-RADS-MRI對病變（尤其是BI-RADS Ⅲ、Ⅳ類病變）指導的標準及運用相當有限，所以規范乳腺MRI報告變得非常必要。

本研究中，MRI-BIRADS Ⅳ類病灶的PPV與文獻持平[7-8]。文獻中對BIRADS Ⅲ類病變，其惡性概率0.8%～10.0%[9-10]，差距大除試驗設計、入組標準不同外，還有各個機構對于BI-RADS 3類定義不盡相同。SADOWSKI等[11]對79例BI-RADS MRI Ⅲ類的患者進行隨訪14～18個月后發現，其中6%為惡性，且BI-RADS MRI Ⅲ類中惡性概率高于鉬靶BI-RADS Ⅲ類的概率。

有研究對BI-RADS Ⅱ、Ⅲ類病變的臨床處理原則提出不同看法。法國學者MARTINE BOISSERIE等[12]通過對218個BI-RADS Ⅲ類病變進行1年的追蹤觀察。SPICK[13]對192例MRI診斷為BI-RADS Ⅱ類病變回顧性統計分析，建議對BI-RADS Ⅱ類病變無進行活檢的必要。

乳腺常規MRI一般通過基于動態增強掃描顯示的病灶形態特征（包括觀察病灶形狀、邊界、邊緣及病灶強化方式），判斷病變的良、惡性。形態學特征能反映病變的生長方式。由于多數惡性腫瘤呈浸潤性生長方式，形態一般表現為不規則，邊緣呈星芒狀或蟹足樣毛刺，邊緣不清。BI-RADS-MRI發布之前，國外已有很多研究評估運用乳腺MRI中病灶形態學及動力學特點來預測其良、惡性價值。如NUNE等[14]研究表明，邊緣光滑或分葉對良性病變有97%～100%的預測率，而環形強化能預測79%～92%的惡性病變。但基于形態學的乳腺MRI未形成1個標準化的分級系統，有很多局限性。2003年，ACR公布BI-RADSMRI評分系統后，乳腺MRI日臻成熟運用于臨床，同年ACS將乳腺MRI作為乳腺癌篩查工具。BAUM[15]指出，BI-RADS結合動力學的參數和形態學特征，較以前乳腺MRI的評分系統，能提供更多更細的分析。SHIN等[16]研究表明，依據BI-RADS-MRI的特征，對病變預后評價也有很大意義：邊緣毛刺的病變預后相對較好，而環形強化和延遲期廓清的癌灶預后較差。PASCAL[17]通過研究也推測動態期強化，達峰時間短且體積較大的病變預后較差。HANAA等[18]將Fischer評分系統與BI-RADS-MRI相結合，將BI-RADS分類用評分方式標準化，指出這種方法診斷惡性病變的敏感性、特異性分別為96%、67%，對乳腺BI-RADSMRI初學者很有幫助，也為乳腺MRI診斷標準化提供新思路。TOZAKI等[19]在一項回顧性研究中發現，乳腺腫塊性病變邊緣分葉及不規則形狀是預測其為惡性病變最具預測價值的形態特征。WENDY等[20]對855個乳腺病灶回顧性分析研究發現，最具乳腺癌預測性診斷的模型是綜合性臨床指標、腫瘤大小及血流動力學狀況。

DCE-TIC反映病變的血管密度、腫瘤血管通透性及腫瘤間質容積比。DCE-MRI空間分辨率、時間分辨率均較高，可無創檢測乳腺腫瘤微血管改變。時間信號強度曲線類型和乳腺病變性質具有一定的相關性[21]。有研究表明[22-23]，乳腺病變的血流動力學特征可減少形態學可疑惡性病灶的假陽性率。GWEON[24]最近的研究更是提出，若形態學可疑惡性病灶增強強度未達到閾值的50%或者延遲未呈流出型，應考慮對病灶追蹤復查而不是活檢。

ADC值反映腫瘤的細胞密度、通透性及灌注狀態。WOODHAMS等[25]報道ADC閾值為1.6×10-3mm2/s時，敏感性和特異性最高。KUL等[26]研究ADC值的閾值為0.92×10-3mm2/s，敏感性和特異性為91.4%、86.5%，原因除灌注效應、樣本量的影響，被提及的因素還包括細胞密度、腫塊大小及測量方法不同等。JIN、WOODHAMS等學者[25，27]認為，ADC值與細胞密度及細胞增生有關，并呈反比例關系。

綜上所述，聯合應用DCE-MRI與DWI診斷乳腺腫塊性病變診斷效能大大提高，對腫塊性病變動態增強MRI和DWI聯合應用提供大量的診斷信息，并提高MRI診斷效能。因此DWI是對BI-RADS規范化診斷的一個重要補充，DWI應納入乳腺MRI常規標準化檢查程序中。