Kaiser評分對 MRI乳腺影像報告與數據系統4類病灶的診斷價值

安永玉 劉暢 張宏霞 敖煒群 楊光釗 茅國群

根據全球及我國腫瘤流行情況分析，乳腺癌發病率居女性惡性腫瘤之首，且為腫瘤相關致死主要原因之一，嚴重威脅女性生命健康[1-2]。影像學檢查是乳腺癌診斷的重要手段，相對于乳腺X線及超聲檢查，MRI診斷乳腺癌的靈敏度較高，為0.900～1.000[3-4]，目前廣泛被應用于臨床。按照MRI乳腺影像報告與數據系統（breast imaging reporting and data system,BI-RADS）標準，4類病灶需要活檢證實，但是MRI BI-RADS 4類病灶的惡性概率范圍較廣，2%～95%不等。有文獻報道MRI BI-RADS 4類病灶中僅19%～36%為惡性[5-7]，這意味著相當一部分活檢是不必要的，這種假陽性活檢不僅會增加醫療花費，也會加重患者的心理負擔。BIRADS標準是目前臨床上廣泛認可和應用的乳腺影像評價系統，它對病灶的類型、形態學及內部強化特征、時間-信號強度曲線（time intensity curve,TIC）等給出了明確的定義，同時提供規范化的術語和處理建議。但是BI-RADS標準并未提供如何綜合利用病灶的影像學特征進行診斷。由于個人工作經驗、對病灶影像特征理解等差異，不同醫師對乳腺病灶診斷的準確性不一[8-9]。Kaiser評分是Baltzer等[10]提出的基于機器學習算法的決策樹結構的一種方法，用于判斷乳腺病灶的良惡性。但目前國內關于Kaiser評分臨床應用的研究很少[11]，故本文就Kaiser評分對乳腺MRI BI-RADS 4類病灶的診斷價值作一探討。

1 對象和方法

1.1 對象 選取2015年1月至2018年12月在浙江省立同德醫院行乳腺MRI動態增強檢查的女性患者152例（共158個病灶，其中6例患者有2個病灶），年齡 27～87（51.7±11.6）歲。納入標準：（1）診斷報告為 BIRADS 4 類的強化病灶；（2）MRI圖像質量好，清晰；（3）MRI檢查前未行乳腺手術及放化療，或已行手術治療但雙乳新增可疑病灶者；（4）所有病灶穿刺活檢或手術病理結果完整。本研究經醫院醫學倫理委員會審查通過，倫理審查批號：浙同德快審字第[2020]065號；所有患者知情同意。

1.2 檢查方法 采用德國Siemens公司3.0 T Siemens Verio掃描儀，使用乳腺專用8通道線圈?；颊吒┡P位，雙乳自然懸垂于線圈內。所有掃描為橫斷位，掃描序列包括 T2WI-FS（TR 4 000 ms，TE 70 ms）、3D Flash-T1WI（TR 5.9 ms，TE 2.2 ms）、EPI-擴散加權成像（DWI）（TR 6 500 ms，TE 85 ms，b=50、400 和 800 s/mm2）及動態增強掃描。動態增強掃描包括一期蒙片及連續5期增強掃描，使用高壓注射器經肘靜脈以2.5 ml/s速度注入釓噴酸葡胺（規格：20 ml∶9.38 g，批號：01200201，北陸藥業股份有限公司），劑量為0.2 ml/kg；隨后注射20 ml 0.9%氯化鈉注射液沖管。注射15 s后連續掃描5期。

1.3 圖像分析 評估影像圖像前，1位乳腺影像領域的主任醫師向2位經驗豐富的放射診斷醫師介紹Kaiser評分，尤其是非腫塊性病變的評估。隨后2位影像科醫師在不知道臨床診斷及病理結果的情況下獨立進行MRI圖像評估，當兩者意見不一致時通過協商達成一致。評估內容包括以下6項：（1）病灶大??；（2）病灶類型：腫塊、非腫塊樣強化或點狀強化；（3）邊緣：光滑或不規則、毛刺狀；（4）病灶周圍水腫情況：在T2WIFS序列上評估病灶周圍有無水腫、單側乳腺水腫或雙乳彌漫性水腫；（5）內部強化特征：均勻性或不均勻強化、邊緣強化或離心性強化；（6）TIC類型：在Siemens Syngo后處理工作站上測量（分為持續型、平臺型、流出型），當測量TIC時，感興趣區放在病灶強化最明顯的區域，同時避開出血、囊變壞死區。然后按照Kaiser評分規則給出每個病灶的分值，范圍為1～11分，見圖1。計算Kaiser分值時，以病灶最可疑的特征代入評分規則進行計算，如病灶TIC中同時包括多種曲線類型，按照流出型、平臺型、持續型的先后順序代入Kaiser評分規則。Kaiser評分越高表示惡性的概率越高，其中Kaiser評分≤4分判定為良性；＞4分判定為惡性，推薦活檢。

圖1 Kaiser評分規則（TIC為時間-信號強度曲線）

1.4 統計學處理 采用MedCalc 15.6.1和SPSS 20.0統計軟件。計量資料符合正態分布的用表示，組間比較采用兩獨立樣本t檢驗；不符合正態分布的用M（P25，P75）表示，組間比較采用Mann-Whitney U檢驗。計數資料用率表示，組間比較采用χ2檢驗。以病理結果為診斷金標準，計算Kaiser評分的靈敏度、特異度；繪制Kaiser評分診斷BI-RADS 4類乳腺病灶的ROC曲線并計算AUC。P＜0.05為差異有統計學意義。

2 結果

2.1 乳腺病灶特征 158個病灶中，病灶大小為5～85（19.5±12.5）mm；腫塊樣病灶128個，非腫塊樣病灶30個；良性84個，惡性74個，惡性率為46.8%。在惡性病灶中，最常見的是浸潤性導管癌，占77.0%（57/74），其次為導管原位癌伴或不伴微浸潤（14.9%，11/74），其他包括惡性葉狀腫瘤（1.4%，1/74）、黏液癌（1.4%，1/74）、浸潤性小葉癌（1.4%，1/74）等。在良性病灶中，最常見的是纖維腺瘤（46.4%，39/84），其次為纖維囊性?。?1.0%，26/84），其他包括導管內乳頭狀瘤（13.1%，11/84）、炎性病變（6.0%，5/84）等。腫塊樣病灶惡性率為42.2%（54/128），低于非腫塊樣病灶惡性率 66.7%（20/30），差異有統計學意義（P＜0.05）。

2.2 良、惡性乳腺病灶大小及Kaiser評分比較 惡性病灶大小為（23.4±14.2）mm，明顯大于良性病灶的（16.2±9.8）mm，差異有統計學意義（P＜0.05）。良性病灶的Kaiser評分為 2（1，3）分，低于惡性病灶的 7（5，9）分，差異有統計學意義（P＜0.05）。

2.3 Kaiser評分對BI-RADS 4類乳腺病灶的判斷情況 以Kaiser評分4分作為判斷良、惡性病灶的界值，判斷正確145個（真陽性70個，真陰性75個），判斷錯誤13個（假陰性為4個，假陽性為9個），見圖2-5。4個假陰性病灶中，導管內癌伴微浸潤2個，病灶大小分別為5、14 mm；浸潤性導管癌1個，病灶大小為8 mm；腺樣囊性癌1個，病灶大小為14 mm。9個假陽性病灶中，纖維囊性病5個，炎性病變3個，纖維腺瘤1個。

圖2 女，63歲。右乳腫塊，有毛刺，時間-信號強度曲線（TIC）呈平臺型（未展示），周圍有水腫，Kaiser評分10分，提示惡性病灶，病理類型為浸潤性導管癌（a：T2WI-FS序列；b：增強早期剪影圖像）

2.4 Kaiser評分對BI-RADS 4類乳腺病灶的診斷效能Kaiser評分診斷BI-RADS 4類乳腺病灶的靈敏度為0.946，特異度為0.893，陽性似然比為8.830，陰性似然比為 0.061，AUC 為 0.941（95% CI：0.892～0.972），見表 1和圖6。

圖6 Kaiser評分診斷乳腺影像報告與數據系統（BI-RADS）4類乳腺病灶的ROC曲線

表1 Kaiser評分對BI-RADS 4類病灶的診斷效能

3 討論

Kaiser評分是基于機器學習算法（卡方自動交互檢測）從17個影像特征中篩選出5個重要特征并得出評分的一種方法。Kaiser評分規則中包含的5個影像特征分別為毛刺征、TIC類型、邊緣、內部強化特征、周圍水腫。它實質上是一個決策樹結構，可以根據上述特征判斷病灶惡性的概率，評分范圍為1～11分，分數越高提示惡性的概率越高。相對于BI-RADS標準，Kaiser評分提供了一個簡易決策樹結構，用于乳腺病灶良、惡性的判斷，且對腫塊、非腫塊病灶診斷的準確性均較高。Baltzer等[10]分析了1 084個乳腺病灶，Kaiser評分判斷的準確性為88.4%，超過1/3的病灶診斷準確性高于95.0%。隨后，Kaiser評分的診斷效能被進一步證實。Marino等[12]使用外部數據分析Kaiser評分在診斷乳腺良、惡性中的價值，結果發現Kaiser評分的診斷效能與BI-RADS分類相當（AUC分別為0.889～0.943、0.872～0.953）。本研究結果顯示，Kaiser評分可以用于MRI BIRADS 4類病灶良惡性的評估，無論病灶是腫塊或非腫塊樣強化，其診斷乳腺惡性病灶的效能均較高，可減少一些不必要的活檢。Woitek等[13]研究發現，在一些僅MRI顯示的可疑病灶中，Kaiser評分可以減少約27.8%的MRI引導下不必要活檢，且不會引起假陰性結果。在乳腺癌高危人群MRI篩查中發現的4類可疑惡性病灶，Kaiser評分也可以減少45%的不必要活檢[14]。對于乳腺X線檢查發現4類可疑惡性的鈣化，基于Kaiser評分MRI診斷惡性鈣化的準確性較高，可減少58.3%～65.3%的良性病灶活檢[15]。

圖3 女，58歲。左乳非腫塊樣病灶，有毛刺，時間-信號強度曲線（TIC）呈流出型（未展示），病灶周圍無水腫，Kaiser評分9分，提示惡性病灶，病理類型為浸潤性導管癌（a：T2WI-FS序列；b：增強早期剪影圖像）

圖4 女，44歲。雙乳各一個病灶，均為腫塊，右乳病灶有毛刺，時間-信號強度曲線（TIC）為平臺型（未展示），周圍無水腫，Kaiser評分7分，提示惡性病灶，病理類型為纖維囊性病。左乳腫塊無毛刺，TIC為平臺型，邊緣不規則，Kaiser評分5分，提示惡性病灶，病理類型為浸潤性導管癌（a：T2WI-FS序列；b：增強早期剪影圖像）

圖5 女，61歲。左乳內下象限腫塊，無毛刺，邊界清晰，強化均勻，時間-信號強度曲線（TIC）為流出型，Kaiser評分4分，提示良性病灶，病理類型為導管內乳頭狀瘤（a：增強早期剪影圖像；b：TIC）

筆者歸納了Kaiser評分的優勢，主要有以下3個方面。第一，Kaiser評分是基于病灶的形態學及血流動力學特征進行判斷，上述特征在常規MRI動態增強即可獲得，不需要額外的成像技術。第二，Kaiser評分僅根據BI-RADS術語中5個特征來判斷乳腺病灶惡性的可能性，在臨床工作中應用方便，不僅適用于腫塊，也適用于非腫塊樣病變。第三，不同醫師使用Kaiser評分判斷的一致性較好[12]。乳腺病灶的BI-RADS分類往往受診斷醫師的經驗影響，通常高年資醫師BI-RADS分類的準確性高于低年資醫師。相關研究發現，不同經驗的醫師使用Kaiser評分判斷病灶性質的一致性好于BI-RADS分類（Kappa值分別為0.643～0.896，0.455～0.657）；較BI-RADS分類，低年資醫師使用Kaiser評分診斷乳腺病灶的AUC及特異度均有所提高[12]。因此，低年資醫師可將Kaiser評分作為輔助手段，從而更好地判斷乳腺病灶的性質。

盡管本研究中Kaiser評分診斷乳腺惡性病灶的特異度較高（0.893），但國外一些研究結果顯示的特異度并不高。有研究顯示，在MRI BI-RADS 4類可疑惡性病灶診斷中，Kaiser評分診斷乳腺惡性病灶的特異度為0.451～0.825[13]；在乳腺X線檢查為4類可疑惡性鈣化的判斷中，Kaiser評分診斷的特異度為0.583～0.653[15]。這種相對不高的特異度，筆者認為主要是由于乳腺良、惡性病灶在形態學及血流動力學特征上有一定的重疊[16]，從而導致假陽性。

DWI是目前臨床上應用廣泛的功能成像技術，在乳腺良、惡性病灶鑒別診斷中具有重要價值，可以提高常規乳腺MRI檢查的特異度，減少BI-RADS 4類病灶的活檢[16-18]。筆者認為聯合DWI檢查有望進一步提高Kaiser評分診斷乳腺惡性病灶的特異度，但有待進一步研究明確。本研究結果顯示MRI BI-RADS 4類病灶的惡性率為46.8%，高于以往文獻研究結果（19%～36%）[5-7]。筆者認為原因主要是以往研究結果多基于大型乳腺癌篩查項目，而本研究患者行MRI檢查多為診斷性，而非篩查性，且患者常常有臨床癥狀。診斷性MRI檢查陽性預測值通常高于篩查性MRI檢查[5]。此外，本研究樣本選擇偏倚也可能導致BI-RADS 4類病灶惡性率增高。

綜上所述，Kaiser評分對MRI BI-RADS 4類病灶的診斷效能較高，無論是腫塊型還是非腫塊型病灶；可以作為輔助決策手段用于MRI BI-RADS 4類病灶性質的診斷，減少不必要的活檢。