高b值DWI診斷乳腺良惡性病變：Meta分析

譚麗麗，田 晞，張 騫，馮莉莉，張 旭，劉 鋼，王 曼

(北京中醫藥大學第三附屬醫院放射科，北京 100029)

MRI能提供乳腺病變的重要信息[1]。DWI可探測腫瘤微觀結構、微循環等信息，在提高診斷準確率方面顯示出巨大潛力[2]。擴散敏感系數，即b值，是DWI的重要參數之一，與圖像質量及識別病變能力密切相關[3]。高b值(b≥1 000 s/mm2)DWI對于檢測和表征病變具有較大優勢[4]，但隨著b值增加，背景噪聲也明顯增大，對顯示病變效果隨之下降[5]。本研究采用Meta分析系統評價高b值DWI對于乳腺良惡性病變的診斷價值。

1 資料與方法

1.1 檢索策略 檢索PubMed、Embase、Cochrane Library、萬方醫學網、中國知網及維普數據庫，檢索時間自建庫至2019年10月。英文檢索詞包括breast cancer、breast neoplasma、magnetic resonance imaging、diffusion weighted、high b-value、MRI、DWI；中文檢索詞包括乳腺癌、乳腺腫瘤、磁共振、彌散加權成像、DWI、b值。由2名醫師獨立篩選文獻，如有爭議通過討論協商解決。

1.2 文獻納入及排除標準 納入標準：①DWI評估乳腺良惡性病變的中英文研究；②研究對象為可疑乳腺癌患者；③b值≥1 000 s/mm2，場強為1.5T或3.0T；④以病理結果為診斷金標準；⑤可提取四格表所需數據。排除標準：①綜述、個案報道、學位論文等類型；②研究對象為動物或確診乳腺癌患者。

1.3 文獻資料提取和質量評價

1.3.1 基本特征 提取第一作者、國家(資料歸屬國)、發表年份、研究設計類型、患者年齡、病例數、病灶數、設備來源廠家、場強、b值、DWI診斷方法及診斷效能等。

1.3.2 質量評估 由2名醫師根據試驗評價工具(quality assessment of diagnostic accuracy studies， QUADAS)[6]對所選擇的研究獨立進行質量評價，對其每個條目做出“是”(1分)、“否”(-1分)或“不清楚”(0分)的判斷，根據最終得分評價文獻質量，QUADAS評分≥10分為文獻質量較好。

1.4 統計學分析 采用Meta-Disc 1.4軟件進行異質性分析，繪制合并受試者工作特征(summary receiver operating characteristic, SROC)曲線，計算曲線下面積(area under the curve, AUC)。以Spearman相關分析觀察敏感度對數與特異度對數的相關性，評價研究之間是否存在閾值效應。采用Meta回歸分析評價異質性來源，計算高b值DWI鑒別診斷乳腺良惡性病變的合并敏感度、合并特異度及合并診斷比值比。以Stata 15.0軟件繪制Deek's 漏斗圖，觀察發表偏倚[7]。P<0.05為差異有統計學意義。

2 結果

2.1 文獻檢索及數據提取 最初納入 564篇文獻，通過閱讀標題和摘要排除386篇，進一步閱讀全文后排除160篇；最終納入文獻18篇[8-25]，其中中文13篇，英文5篇。文獻篩選流程及結果見圖1。

圖1 文獻篩選流程

納入文獻QUADAS評分均≥11分，質量均較好，包括1 334例患者、1 360個乳腺病灶。

18篇中，回顧性研究5篇[12,14,18,21,25]、前瞻性研究2篇[10,22]，其余11篇未交待研究類型；其中4篇[17-18,22，25]采用盲法研究，14篇[8-16，19-21，23，24]未交待研究方法。

8篇[8-11,18,20,24-25]采用GE、9篇[12-15,17,19,21-23]采用Siemens設備，1篇[16]采用Marconi設備，3篇[21-22,25]所用場強為3.0T，15篇為1.5T。18篇均采用乳腺專用線圈，其中17篇以ADC閾值、1篇[21]采用信號強度比作為DWI診斷標準。9項研究[8-10,15,21-25]采用平面回波成像(echo planar imaging, EPI)，7項[11-13,17-20]采用單次激發自旋平面回波成像(single-shot spin echo-echo planar imaging, SS-SE-EPI)，2項[14,16]未交待技術類型。納入文獻的基本特征及診斷效能見表1。

2.2 Meta分析 敏感度對數與(1-特異度)對數的Spearman相關系數rs=-0.31(P=0.21)，提示研究之間不存在明顯閾值效應。擬合SROC曲線的AUC為0.94，Q指數為0.88，見圖2。SROC的合并敏感度為0.88[95%CI(0.85,0.90)]，I2=72.3%；合并特異度為0.84[95%CI(0.81,0.87)]，I2=74.8%；合并診斷比值比為51.97[95%CI(27.31,98.91)]，I2=63.3%；見圖3。Meta回歸分析結果顯示研究間異質性主要與設備品牌有關(P=0.04)，見表2。

表1 納入文獻基本特征及診斷效能

表2 納入研究的Meta回歸分析結果

圖2 高b值DWI鑒別乳腺良惡性病變的SROC曲線

2.3 發表偏倚 Deek's漏斗圖顯示數據呈對稱分布，無明顯發表偏倚(P=0.06)，見圖4。

3 討論

作為一種非侵入性功能成像技術，DWI可在不需要對比劑觀察體內水分子的微觀運動，為早期發現組織的異常水分變化提供技術支持[26]。在腫瘤組織中，由于親脂細胞膜及細胞外空間基質的扭曲，導致水分子擴散受到較大限制[27]。

理論上，較高b值DWI能更準確地反映擴散系數，最小化灌注和T2穿透效應的影響，并進一步抑制腺體的背景組織信號，在良惡性組織之間形成更好的對比度；但高b值也易于產生渦流畸變，導致整體信噪比降低，圖像產生不同程度扭曲、變形，降低對于小病灶的敏感性[28]。本研究納入的18篇文獻中，17篇所用b值為1 000 s/m2，僅1篇b值為1 500 s/m2.。ZONG等[29]提出，由于存在T2穿透效應，不建議b值<1 000 s/mm2，但采用大b值對較小惡性病變可能顯示不佳，b值取1 500～3 000 s/mm2可能效果最佳。KUROKI等[30]認為設定的最佳b值應能充分抑制乳腺的背景信號，并提供足夠強的腫瘤信號。b值=1 000 s/mm2時，背景信號降低到接近噪聲水平，惡性腫瘤顯示為顯著高信號；b值增加到1 500 s/mm2時，雖然背景信號降低到噪聲水平，同時腫瘤信號也降低，但仍有足夠高的診斷準確性；當b值增加至2 000 s/mm2時，背景信號和惡性腫瘤信號均降低到接近噪聲水平而致診斷困難。因此，在時間限制僅允許以2個b值獲得擴散圖像時，b=0和1 000 s/m2組合可作為鑒別乳腺良惡性病變的最佳選擇。

圖3 高b值DWI鑒別乳腺良惡性病變森林圖 A.敏感度； B.特異度； C.診斷比值比

圖4 高b值DWI鑒別乳腺良惡性病變發表偏倚的Deek's漏斗圖

本次Meta分析結果顯示，高b值DWI鑒別診斷乳腺良惡性病變的AUC為0.94，其診斷效能較高；合并敏感度及特異度亦均較高，分別為0.88、0.84。本研究中發現存在非閾值效應引起的異質性，Meta回歸結果顯示異質性主要來源于設備，可能與不同品牌設備的數據分析、技術參數及后處理程序標準不同有關；其他因素則可能與患者選擇偏倚、病理類型、分化程度及組織學分級等因素有關[31]。此外，即使采用了相同的b值組合，不同研究間也存在ADC值測量、ROI界定、診斷界值選取等差異，進一步提示采用相同測量及數據分析方法的重要性。3.0T MR系統可以克服1.5T MR系統中ADC圖信噪比低、空間分辨率低等缺點，更有助于檢出小病灶，但本次Meta回歸分析發現1.5 T與3.0 T MR設備診斷病變效能差異并無統計學意義，可能與納入研究的文獻數量有限有關，未來需要納入更多研究來確定可否通過更高場強來提高診斷準確率。

本研究的局限性：①部分研究樣本量較小，有影響結論穩定性的潛在可能；②納入的部分文獻未報道是否使用盲法，可能存在測量偏倚；③僅檢索了中英文數據庫，可能存在語言選擇偏倚。

綜上所述，高b值DWI對鑒別乳腺良惡性病變具有明顯優勢，可作為常規MRI的輔助手段用于鑒別診斷乳腺良惡性病變。