多模態MRI技術診斷乳腺單發良惡性結節的Logistic分析

曾仲剛，李雪霞，李 剛，李志娟，陸火麗，李揚彬

（東莞東華醫院放射科，廣東 東莞 523110）

我國乳腺癌的發病率、病死率逐年上升，發病年齡越來越年輕化。究其原因是不能早期發現、早期診斷及早期治療。乳腺疾病的影像學檢查以X線鉬靶攝影和彩超為主，但其對乳腺結節評估能力均存在一定的不足之處。國外文獻[1]報道乳腺X線鉬靶攝影對于乳腺癌檢出的敏感度較高，但特異度較低，為60%～80%。隨著MRI新技術的發展，MRI在乳腺癌患者的應用逐漸增多，且能夠極大的降低受檢者接受的X射線輻射劑量，同時敏感性較高[2-3]，但特異性差別較大[4-5]。本研究探討二分類Logistic回歸模型在多模態MRI診斷乳腺良惡性結節的應用價值，現報道如下。

1 資料與方法

1.1 一般資料

收集2013年1月—2016年9月我院乳腺科收治的51例乳腺單發結節（直徑≤3 cm）患者，入院診斷為乳腺占位，所有病例術前均進行了MRI檢查（平掃、彌散成像及動態增強），檢查后5天內進行結節手術切除或B超定位下穿刺活檢。所有結節均經病理及免疫組化證實。患者均為女性，年齡23～71歲，平均43.5歲。病人術前未進行任何有創檢查或相關抗腫瘤治療。排除標準：①結節數目＞2個，②病變直徑＞3 cm，③病理結果不明確、沒有做免疫組化，④惡性病變有其它部位轉移者。

1.2 MRI掃描技術

采用德國西門子MAGNETOM skyra 3.0T超導型磁共振掃描儀?；颊呷「┡P位，乳腺自然懸于乳腺線圈孔中。橫斷位 T2WI壓脂（T2-TIRM）：TR 3600ms，TE 61 ms，翻轉角 66°，層厚 2 mm；快速自旋回波序列（TSE）橫斷位T1WI；彌散成像使用b值0 s/mm2及800 s/mm2；動態增強：快速小角度激發三維動態成像序列壓脂橫斷位 T1WI，條件（TR 4.67ms、TE 1.66ms、層厚1.2 mm、層間距0.2 mm、翻轉角10°，快速脂肪飽和，FOV 360），共重復掃描1+5個時相，每個時相掃描時間約60 s，第1個時相相當于平掃蒙片，然后用高壓注射器經肘靜脈注射Gd-DTPA（GE公司，釓雙胺注射液，0.5 mmol/mL），速率 2 mL/s，劑量為0.2 mmol/kg。

1.3 MRI病灶征象分析

①常規MRI平掃征象；②彌散成像（ADC值）；③信號強度-時間（SI-T）曲線。MRI乳腺良、惡性病變診斷標準：參照美國放射學會的乳腺MR影像報告及數據系統（Breast imaging reporting and data system，BI-RADS）的評分標準[6]（表 1），由 2 名高級職稱醫師對圖像進行全面分析，如有意見不同，則通過互相討論取得意見一致后確定。

1.4 統計學方法

用SPSS 19.0軟件對數值據進行統計學分析，對良惡性結節的年齡、形態、毛刺、邊界、ADC值、動態增強曲線類型進行兩兩之間t檢驗，P＜0.05有統計學意義。

表1 乳腺良、惡性結節MRI征象比較

2 結果

2.1 手術病理結果

共有51個結節，乳腺良性結節26例，其中乳腺纖維腺瘤13例，乳腺囊性增生病7例，乳頭狀瘤5例，乳腺炎性病變1例。乳腺惡性結節25例，其中乳腺導管內癌5例，浸潤性導管癌16例，小葉浸潤癌4例。51個結節的形態：圓形或橢圓形23個，分葉或不規則形28個；有毛刺16例，無毛刺35例；邊界清晰 34例，邊界模糊 17例；ADC 值[7]≥1.01×10-3mm2/s 24個，＜1.01×10-3mm2/s 27個；病灶的動態增強曲線類型：Ⅰ型（流入型）19個，Ⅱ型（平臺型）11個，Ⅲ型（流出型）21個。

2.2 乳腺結節的MRI表現

從表1比較中可見，乳腺惡性結節的MRI征象表現多為分葉或不規則形，有毛刺，ADC值較低，增強曲線為Ⅱ型或Ⅲ型。乳腺良性結節的MRI征象表現多為圓形或橢圓形，無毛刺，邊界清晰，ADC值較高，增強曲線主要為Ⅰ型，少部分為Ⅱ型。年齡對于乳腺良惡性結節的診斷意義不大（P＞0.05），其余MRI征象兩兩對比有顯著差異（P＜0.05）。

2.3 Logistic回歸分析結果

Logistic模型建立：以手術病理結果為診斷金標準，以良、惡性作為因變量（Y），Logistic回歸賦值分別約0、1、2……；將下述MRI征象及患者年齡作為自變量建立Logistic模型（納入標準 P＜0.05），采用前進法進行線性回歸，定義：X1年齡：＜40歲=0；≥40歲=1；X2為形態：圓形或橢圓形=0；分葉或不規則形=1；X3為毛刺：有毛刺=0；無毛刺=1；X4為邊界：清晰=0；模糊=1；X5 為 ADC 值：≥1.01×10-3mm2/s=0；＜1.01×10-3mm2/s=1；X6 為動態增強曲線：Ⅰ型=0；Ⅱ型=1；Ⅲ型=2；病理性質為 Y：良性=0；惡性=1（表2）。對回歸參數估計值采用Wald χ2檢驗，對整個模型的擬合情況采用卡方檢驗（表3）。并用ROC曲線法評價Logistic模型的預報能力（圖1）。

將上述MRI征象作為自變量采用二分類Logistic回歸分析，輸出結果見表3。經分析后篩選出2個自變量（ADC值與動態增強曲線），其組成回歸方程為：Logit（P）=-0.503+0.387X5+0.257X6。對上述模型行卡方檢驗，F=87.295，P＜0.01（表 4），表明該模型有統計學意義。

表2 乳腺結節病理性質與各MRI征象的賦值

圖1 Logistic回歸模型對乳腺單發良惡性結節預報能力的ROC圖。ROC曲線下面積（Az）為 0.950，標準誤 SE（Az）為0.025，95%置區間為（0.090 7，0.993），P＜0.001。Figure 1. ROC diagram of Logistic regression model’s ability to predict benign and malignant nodules in breast.Area under ROC curve(Az)0.950,SSE(Az)0.025,95%interval(0.0907,0.993),P＜0.001.

表3 多元Logistic線性回歸模型分析結果

表4 回歸模型卡方檢驗結果

利用該回歸模型預報上述51個乳腺結節的性質，以P值為0.5為良、惡性分界點，當P＞0.5時預報為惡性，P≤0.5時預報為良性，則預報的敏感性為91.9%，特異性為92.2%，以該模型判斷乳腺惡性結節概率預測值繪制ROC曲線（圖1），ROC曲線下面積（Area under the ROC curve，Az）為判斷指標檢驗模型擬合效果，Az 為 0.950±0.025，P＜0.001，95%置區間為（0.090 7，0.993），證明該模型的擬合效果較好，用于預測乳腺結節的良惡性具有統計學意義。

3 討論

一直以來，X線鉬靶攝影是公認的首選乳腺影像學檢查方法[8]。隨著MRI新技術的不斷發展，其對乳腺結節的診斷價值得到一定的認可，但其診斷的準確性仍有待進一步的提高。目前盡管乳腺MRI動態增強、彌散成像、磁敏感成像、波譜成像等新技術在臨床應用上有所報道，但診斷的敏感性、特異性差異很大，制約著新技術的應用。近年來，Logistic回歸分析廣泛應用于醫學研究的各個領域，如流行病學和病因學[9]、各部位疾病的鑒別[10]、臨床治療效果評價[11]等。利用Logistic回歸模型可以從眾多復雜的MRI征象當中篩選出真正具有統計學意義的征象，并對各征象間的相互作用進行深入分析，提高影像診斷的符合率。

MRI具有極高的軟組織分辨率，因此對于乳腺疾病的檢測具有很大的優勢，既能提供病灶的形態學及信號特征，而且動態增強MRI能夠評估病灶的血流動力學情況，己逐步應用于臨床[12-14]。傳統MRI平掃主要根據腫瘤大小、邊緣、信號均勻性、皮膚及乳頭的改變來評價腫瘤良、惡性，其敏感性及特異性均沒有達到滿意效果。本研究首先從乳腺病變的MRI影像特征及其發病年齡對結節的良惡性進行統計學分析，從表1可見，病灶的形態、毛刺、邊界、ADC值、增強曲線類型等方面，結節的良惡性均有統計學差異（P＜0.05），而發病年齡對于良惡性的鑒別沒有統計學意義（P＞0.05）。良性病變多表現為圓形或卵圓形，邊緣清晰、光滑，無毛刺，ADC值≥1.01×10-3mm2/s，動態增強曲線以流入型（Ⅰ型）為主，部分為平臺型（Ⅱ型）（圖2，3）。惡性病變邊緣模糊，與周圍組織境界不清楚，或有毛刺，或形狀不規整，周邊可見有長或短毛刺伸入正常腺體組織，絕大部分病灶ADC值低于1.01×10-3mm2/s，動態增強曲線以流入型為主，小部分為平臺型（圖4）。但在日常工作中的多數情況下，上述所有MRI征象很難同時出現，或者不同檢查者對MR的征象判斷存在差異；另外良、惡性結節的MRI征象存在很多重疊現象，例如動態增強平臺型曲線，良惡性病變的比例接近（表1）；又如某些病變可以同時存在良、惡性征象，圖3為乳腺慢性化膿性炎，其DWI呈明顯高信號，ADC值約為0.861×10-3mm2/s，此為惡性腫瘤性特征，但其動態增強曲線為流入型（Ⅰ型），此征象支持良性病變；因此僅靠常規的MRI征象診斷較為困難，故誤診率較高[15]。

圖2a 女，25歲，發現右乳結節7月。T2WI壓脂示右乳外下象限見一大小約20 mm×16 mm高信號結節，信號較均勻，邊緣光滑、銳利，形態規則，無分葉及毛刺。 圖2b 右側乳腺結節ADC值約1.139×10-3mm2/s（箭頭所示）。 圖2c 右側乳腺結節動態增強：信號-時間曲線為平臺型（Ⅱ型）。 圖2d 右側乳腺結節術后病理：乳腺纖維腺瘤（HE染色）。Figure 2a.Female,25 years old,right breast nodules for 7 months.T2WI fat-suppressed sequence shows a nodule of about 20 mm×16 mm in the lateral inferior quadrant of the right breast.The nodule shows homogeneously high signal,with smooth and sharp border,and is regular in shape,without spiculation. Figure 2b. The ADC value of the right breast nodule is 1.139×10-3mm2/s(arrow). Figure 2c. Dynamic enhancement of right breast nodules shows platform type(typeⅡ). Figure 2d. Pathological findings of right breast nodules:fibroadenoma of the breast(HE stain).

圖3a 女，43歲，體檢發現左乳結節1月余，左乳2～3點位可及一結節，大小約15 mm×10 mm，質韌，活動可，T2WI病灶呈高信號，邊界光整，邊緣見低信號環。 圖3b左側乳腺病灶DWI呈高信號。 圖3c 左側乳腺病灶ADC值約0.861×10-3mm2/s（箭頭所示）。 圖3d 左側乳腺病灶動態增強：信號-時間曲線為流入型（Ⅰ型）。 圖3e 左側乳腺病灶術后病理：慢性化膿性乳腺炎（HE染色）。Figure 3a. Female,43 years old,physical examination found a nodule in the breast for more than 1 month.The nodule is about 15 mm×10 mm,tender,movable,well circumscribed,with central high signal and low signal ring on T2WI. Figure 3b. High signal of DWI in left breast lesions. Figure 3c.ADC value of 0.861×10-3mm2/s(arrow)in left breast lesions. Figure 3d. Dynamic enhancement of left breast lesions shows curve flow type(typeⅠ).Figure 3e.Pathology of left breast disease:chronic suppurative mastitis(HE stain).

圖4a 女，38歲，發現右乳內下象限結節2個月余，結節質硬，活動差。 圖4b 右乳腺內下象限結節ADC值約0.652×10-3mm2/s（箭頭所示）。 圖4c 右乳腺結節動態增強：信號-時間曲線為流出型（Ⅲ型）。 圖4d 右乳腺結節術后病理：乳腺浸潤性導管癌（HE染色）。Figure 4a. Female,38 years old,the lower quadrant nodules of the right breast 2 months.The nodules are hard,with poor movability.Figure 4b. The ADC value of the lower quadrant nodule in the right breast is about 0.652×10-3mm2/s(arrow). Figure 4c. Dynamic enhancement of right breast nodules:signal-time curve is flow-out type(typeⅢ).Figure 4d. Pathological findings of right breast nodules after operation:adenomammary infiltrative ductal carcinoma(HE stain).

為了能夠在如此復雜繁多的MRI影像特征中找到最有意義、診斷率最高的征象，本研究將Logistic回歸模型引入到乳腺MRI診斷中，并對年齡、形態、邊界、毛刺、ADC值、動態增強曲線類型等6個最常用的病灶特征進行量化處理，經過二分類Logistic回歸分析，篩選出ADC值和動態增強曲線類型這2個最具有統計學意義的特征變量，并組成二元回歸方程 Logit（P）=-0.503+0.387X5+0.257X6。當P＞0.5時預報為惡性，P≤0.5時預報為良性，則預報的敏感性為91.9%，特異性為92.2%。本研究結果提示，Logistic回歸模型能夠綜合分析乳腺單發結節的MRI特征，客觀地對乳腺單發結節的良惡性進行預測，可將Logistic回歸方程作為計算機程序，構建一個鑒別乳腺單發結節良惡性的計算機輔助診斷系統，可明顯提高MRI的診斷符合率，使MRI更好的為臨床診斷服務。

但本研究也存在不足之處，例如研究的樣本量較少，乳腺多發結節、且不同人群、不同地區的發病率亦會對Logistic回歸模型產生影響。另外不同職稱、不同執業年限的影像診斷醫生，其對MRI特征的判斷亦存在主觀上的差異，而且MRI對導管內腫瘤及微鈣化的敏感性較低，也會對結果存在一定的影響。故對以乳腺單發結節MRI特征為變量的Logistic回歸模型還需進行大樣本、不同人群、多地區的應用研究，以進一步提高Logistic回歸模型的準確性。

綜上所述，乳腺MRI作為一種新型、重要的影像診斷技術，不僅能早期發現及診斷乳腺疾病，并且在乳腺良、惡性病變的鑒別診斷具有重要的臨床價值，特別通過以Logistic回歸模型預報乳腺結節的良惡性，可以為臨床醫師的進一步診斷及治療提供幫助，減少誤診率的發生。