比較乳腺動態增強MRI定量和半定量血流動力學參數鑒別乳腺良惡性病變

周意明，陳 宏，徐筑津，華 彬，王 征，陳 敏，姜 蕾*

(1.首都醫科大學附屬北京朝陽醫院放射科，北京 100043；2.國家老年醫學中心 北京醫院頭頸外科，3.放射科，4.乳腺外科，5.病理科，北京 100730)

乳腺動態增強MRI血流動力學參數是評價乳腺病變良惡性的重要依據，其定量和半定量血流動力學參數對鑒別診斷的價值已獲確認[1-2]，但臨床工作中半定量參數更易獲得，而獲得定量參數卻需要損失圖像空間分辨率，且對數據后處理要求高。本研究比較乳腺動態增強MRI血流動力學半定量和定量參數鑒別診斷乳腺病變良惡性的效能。

1 資料與方法

1.1 一般資料 選取2015年3月—2017年12月59例在我院接受乳腺MRI的女性患者，年齡27～66歲，平均(45.2±10.0)歲。入組標準：超聲或X線疑診乳腺病變而進一步接受MR檢查；MRI發現病變≥0.5 cm，經手術或穿刺活檢獲得病理證實。排除標準：有手術、放射治療及化療史，有MRI禁忌證、對比劑過敏、腎功能不全、體弱不能耐受MRI，不能耐受上臂上舉。其中52例為單發病變，4例為雙側乳腺各1個病變，3例為單側乳腺2個病變；對1個主病灶并周圍多個衛星灶者取主病灶入組，共入組66個病灶。患者均簽署知情同意書。

1.2 儀器與方法 采用GE Discovery MR750 3.0T全身MR系統，以體線圈為發射線圈，相控陣8通道乳腺專用線圈作為接受線圈。囑患者俯臥，雙乳自然下垂，行軸位掃描。主要MR序列及參數：①高空間分辨率平掃梯度回波T1WI，采用3D容積內插快速擾相梯度回波(volume imaging for breast assessment，VIBRANT)序列，脂肪抑制采用頻率選擇反轉恢復法，TR 7.08 ms，TE 3.56 ms，翻轉角10°，層厚2 mm，FOV 32 cm×32 cm～34 cm×34 cm，矩陣512×512，采集時間約1 min 30 s；②高時間分辨率梯度回波T1WI，采用VIBRANT技術，脂肪抑制采用頻率選擇反轉恢復法，TR 3.8 ms，TE 1.7 ms，翻轉角10°，層厚4 mm，FOV 32 cm×32 cm～34 cm×34 cm，矩陣256×254，采集時間約12 s。采用結合高空間分辨率及高時間分辨率的雜合序列進行動態增強掃描，對比劑為Gd-DTPA 0.1 mmol/kg體質量，以高壓注射器經肘靜脈注射，流率2.5 ml/s，注射同時進行高時間分辨率梯度回波序列成像(簡稱流入段，參數同②)，持續 2 min(8個時相)，然后進行90 s高空間分辨率梯度回波序列成像(參數同①，1個時相)；之后繼續行高時間分辨率梯度回波序列成像(簡稱流出段，參數同②)，持續2 min(8個時相)，以評價流出動力學參數。

1.3 圖像后處理 將MR動態增強血流動力學圖像傳至GE GenIQ及AW4軟件包進行圖像后處理。ROI置于病變最大層面的強化最明顯處，避開大血管、病變邊緣及明顯的出血壞死區。后處理之前用Matlab 9.1平臺將流入段與流出段數據結合。計算半定量參數：①繪制動態增強時間-信號強度曲線(time-intensity curve， TIC)，分為Ⅰ型流入型、Ⅱ型平臺型、Ⅲ型流出型共3型[3]；②初始增強曲線下面積(initial area under the gadolinium curve, IAUGC)，即注射對比劑開始90 s內TIC下面積；③最大增強斜率(maximum slope of increase， MaxSlope)，MaxSlope=最大[Cti+1-Cti]/(ti+1-ti)，其中C為對比劑濃度，ti為增強開始的時間點，ti+1為強化最明顯的時間點；④對比增強比率(contrast enhancement rate, CER)，CER=(增強后峰值信號強度-基線信號強度)/基線信號強度；⑤正向增強積分(positive enhancement integral, PEI)為TIC曲線下面積。計算基于Tofts模型[4-5]的定量參數(采用自動動脈輸入函數)：前向容積轉移常數(Ktrans)，單位min-1；每單位體積組織的血管外細胞外間隙容積(Ve)；反向容積轉移常數(Kep)，單位min-1。

1.4 統計學分析 采用SPSS 19.0統計分析軟件。血流動力學參數經Kolmogorov-Smirnov檢驗均不符合正態分布，以中位數(上下四分位數間距)表示，采用Mann-WhitneyU檢驗進行組間比較。繪制ROC曲線，計算各參數鑒別乳腺良惡性病變的效能。數據經

Blom法正態化后，以Z檢驗比較參數單獨與聯合、定量參數聯合與半定量參數聯合鑒別診斷乳腺良惡性病變AUC的差異。P<0.05為差異有統計學意義。

2 結果

惡性組中浸潤性導管癌26個(圖1)、浸潤性小葉癌1個、導管原位癌伴微浸潤2個、導管內乳頭狀癌1個、惡性葉狀腫瘤1個；動態增強MRI示最大徑 (3.14±0.42)cm，腫塊樣強化25個，非腫塊樣強化6個。良性組中纖維腺瘤19個、乳腺增生11個、炎癥4個、乳頭狀瘤1個；動態增強MRI示最大徑(2.28±0.83)cm，腫塊樣強化26個、非腫塊強化9個。

組間Ktrans、Kep、TIC、IAUGC、MaxSlope差異均有統計學意義(P均<0.05)，Ve、PEI、CER差異無統計學意義(P均>0.05)，見表1。各定量、半定量參數單獨及聯合后的診斷效能見表2。定量參數Kep、Ve分別與Kep+Ktrans+Ve比較，鑒別診斷乳腺病變良惡性的AUC差異有統計學意義(Z=2.670、3.794，P均<0.001)，Ktrans與Kep+Ktrans+Ve鑒別診斷乳腺病變良惡性的AUC差異無統計學意義(Z=1.497，P=0.134)；半定量參數TIC、IAUGC、MaxSlope、CER、PEI分別與TIC+IAUGC+MaxSlope+CER+PEI比較，鑒別診斷乳腺病變良惡性的AUC差異均有統計學意義(Z=2.358、1.984、2.497、4.456、3.795，P均<0.05)。定量參數Kep+Ktrans+Ve與半定量參數TIC+IAUGC+MaxSlope+CER+PEI鑒別診斷乳腺病變良惡性的AUC比較差異無統計學意義(Z=0.504，P=0.614)。

圖1 患者女，34歲，左側乳腺浸潤性導管癌，動態增強MRI示左側乳腺不規則腫塊 A～J.分別為高空間分辨率T1WI、高時間分辨率T1WI、TIC及PEI、IAUGC、CER、MaxSlope、Ktrans、Kep、Ve偽彩圖

組別Ktrans(min-1)Kep(min-1)VeTIC?IAUGCMaxSlopePEICER惡性組(n=31)0.567(0.288)0.751(0.295)0.919(0.190)2(1)0.308(0.171)0.027(0.014)990.60(274.85)2.378(0.740)良性組(n=35)0.233(0.311)0.381(0.422)0.869(0.203)1(0)0.134(0.151)0.014(0.020)850.77(576.73)2.353(1.270)Z值-5.024-3.938-1.471-4.387-4.015-3.289-0.816-0.289P值<0.001<0.0010.141<0.001<0.0010.0010.4150.773

注：*：Ⅰ型曲線記為1，Ⅱ型記為2，Ⅲ型記為3

表2 MR動態增強血流動力學參數單獨及聯合診斷乳腺良惡性病變的ROC分析

3 討論

本研究采用雜合高時間分辨率與空間分辨率的MR動態增強序列，在得到定量參數的同時兼顧圖像的高空間分辨率，不因研究而影響臨床診斷[2,6]；與1.5T MR掃描儀相比，采用3.0T MR掃描儀理論上信噪比提高接近2倍，故可損失一部分圖像空間分辨率，而運用快速掃描技術如并行采集等實現高時間分辨率。既往研究中較少見對于定量和半定量參數鑒別病變良惡性效能的比較，相關研究主要集中于討論其對提高診斷特異度的價值[7-8]及與乳腺癌預后因子、分子分型的相關性等[9-10]。

動態增強MRI是檢查乳腺病變最重要的技術，具有較高敏感度，但特異度報道不一[11]，而動態增強血流動力學參數是提高診斷特異度的重要輔助手段。臨床普遍使用的血流動力學參數是半定量參數，TIC最常用。定量參數對血管內和血管外細胞外間隙之間的對比劑交換進行量化，常采用兩室藥代動力學模型[4-5]，可提供關于腫瘤血管的特異性信息，但需要有較高時間分辨率(<15 s)的序列及特殊軟件，且會大大降低圖像空間分辨率。

本研究中，良惡性組間TIC、IAUGC、MaxSlope、Ktrans、Kep差異均有統計學意義，提示這些參數對鑒別乳腺病變良惡性均有意義；TIC、IAUGC、MaxSlope、Ktrans、Kep的AUC均>0.7，提示診斷效能較好。血管密度、血管通透性和間質環境等差異是良惡性病變血流動力學參數差異的基礎。釓對比劑是低分子量的細胞外對比劑，而動態增強成像的基礎是基于釓對比劑的弛豫特性。惡性病灶細胞增殖更活躍，新生血管迅速增多且內皮不完整，血管結構紊亂、管徑增粗且基底部通透性增加，使對比劑通過血管滲透進入血管外間隙的速率和量均增加，導致TIC、IAUGC、MaxSlope、Ktrans、Kep指標在良惡性病變間具有差異。TIC為臨床最常用指標之一，綜合反映組織灌注、血管通透性、血管外細胞外間隙情況，是鑒別診斷乳腺良惡性病變的有效指標[12-13]。IAUGC主要代表增強早期對比劑血管內濃度，MaxSlope代表血管內和血管外細胞外間隙的對比劑達到最大濃度的速率，這兩項半定量參數既往研究涉及較少，有學者[14]認為MaxSlope是惡性病變的獨立預測指標。Ktrans值受血流、血管通透性和血管密度的綜合影響，Kep主要與血管通透性有關，多數研究[2，15-16]認為其能增加鑒別良惡性病變的特異度。本研究中PEI、CER、Ve在良惡性組間無統計學差異，且ROC曲線AUC較小，提示其對鑒別診斷乳腺良惡性病變的價值有限。Kim等[17-18]認為Ve受水腫等多種因素影響而測值不穩定。

半定量參數聯合后較單個參數的診斷效能顯著提高，定量參數聯合后較單獨Kep及Ve的診斷效能顯著提高，但較Ktrans無顯著提高，提示在臨床應用中應綜合考慮多個參數聯合應用的鑒別診斷能力。聯合后的半定量參數與定量參數比較，在鑒別乳腺病變良惡性方面無顯著差異，提示臨床應用中半定量參數聯合與定量參數聯合具有相似的診斷效能。

本研究的局限性：①樣本量有限，需大宗病例研究進一步證實；②無法對同一患者同時進行連續動態增強掃描及雜合動態增強序列掃描，進而準確比較雜合序列與連續動態增強序列的差別。