DISCO成像技術在乳腺良惡性病變中的診斷價值

郭亞飛,陸 林,趙 鑫,孫 囡

鄭州大學第三附屬醫院放射科 鄭州 450052

目前，動態增強(dynamic contrast-enhanced，DCE)-MRI[1-3]是評價乳腺良惡性病變的重要依據，在反映病變血流動力學方面的優勢尤為突出 。但是，傳統DCE-MRI由于時間分辨率的影響，對疾病的定量及半定量診斷、分析仍然缺乏一定的量化標準。

基于笛卡爾采集的K空間共享三維容積快速動態成像(differential subsampling with cartesian ordering，DISCO)[4]，是一種采樣模式與視圖共享相結合、兩點Dixon脂肪水分離、并行成像的技術。這種方法在保持高空間分辨率的同時提供了改進的時間分辨率。本研究基于DISCO技術對72例乳腺病變進行掃描，分析其參數對良惡性病變的診斷價值。

1 資料與方法

1.1臨床資料搜集鄭州大學第三附屬醫院2020年3月至8月乳腺病變患者72例的影像資料。患者均為女性，年齡21～64( 45.7±10.9) 歲，患者的主要臨床癥狀表現為乳頭溢血/液、乳房疼痛、自感腫塊等。所有患者行乳腺鉬靶或乳腺超聲提示乳腺病變后行常規MRI平掃和DISCO增強掃描，掃描前均未行手術治療、穿刺及放化療。術后病理或穿刺病理證實良性病變35例，年齡29～64( 41.3±9.8) 歲；惡性病變37例，年齡21～64( 49.1±10.6) 歲。

1.2MRI檢查采用美國GE Healthcare SIGNA Pioneer 3.0T超導型MR儀器、8通道相控陣乳腺專用線圈。所有患者常規行乳腺橫斷面T1WI、T2WI平掃、DWI掃描及DISCO掃描。①DISCO序列掃描參數:T1WI TR 5.2 ms， TE 2.3 ms，翻轉角15°，層厚1.2 mm，層距 0 mm，視野 360 mm×360 mm，矩陣 288× 288；蒙片掃描22 s，之后共45期，每期掃描8 s。②蒙片掃描結束后，繼續進行序列掃描，于三期末應用0.1 mmol/kg對比劑Gd-DTPA及15 mL生理鹽水經肘靜脈注射，流速為3.0 mL/s。

1.3圖像處理和分析將收集、掃描數據傳輸到GE后處理工作站( AW 4.6)，參考軸位 T2WI及DWI圖像，于GenIQ軟件包打開DISCO掃描圖像、判定病變范圍。在病變的最大層面勾畫感興趣區 (region of interest，ROI)，盡量包括該層最大的病變范圍，同時盡量避開脂肪組織、病變邊緣、病變大血管，實性為主的病變避開囊變、壞死區。基于自動動脈輸入(arterial input function，AIF)模型，計算病變的定量參數：前向容積轉移常數(Ktrans),每單位體積組織的血管外細胞外間隙容積(Ve)；半定量參數：初始(注射對比劑開始90 s內)增強曲線下面積(initial area under the gadolinium curve，IAUGC)，最大增強斜率 (maximum slope of increase，MaxSlope)；對比增強比率(contrast enhancement rate，CER)。

1.4統計學處理使用 SPSS 20.0 進行數據分析。使用Kolmogorov-Smirnov 檢驗分析乳腺病變的血流動力學定量及半定量參數是否符合正態分布。對乳腺良惡性病變的血流動力學參數運用兩獨立樣本t檢驗進行比較，并繪制ROC曲線，計算曲線下面積(area under curve，AUC)及靈敏度、特異度。檢驗水準α=0.05。

2 結果

2.1乳腺良惡性病變的定量及半定量參數比較與乳腺良性病變比較，乳腺惡性病變的Ktrans、CER、IAUGC、MaxSlope、Ve升高，見表1。

表1 乳腺良惡性病變定量及半定量參數比較

2.2不同參數與乳腺良惡性病變結局的ROC曲線繪制以Ktrans、CER、IAUGC、Ve、MaxSlope判斷乳腺良惡性病變的ROC曲線(圖1)，計算AUC、敏感度及特異度，結果見表2。

圖1 不同參數與乳腺良惡性病變結局的ROC曲線

表2 乳腺良惡性病變相關參數的ROC曲線分析

3 討論

目前，DCE-MRI[5-6]是臨床上檢查乳腺病變的最重要掃描技術之一，具有較高的敏感度及特異度，而動態增強反映的血流動力學相關參數是提高診斷特異度及敏感度重要的輔助手段。由DCE-MRI處理得來的時間-信號強度曲線(time-signal intensity curve，TIC)已在臨床上常規應用，為乳腺病變的臨床診斷提供了重要的參考信息。但是，臨床上目前使用的傳統DCE序列大多空間分辨率較高而忽視了時間分辨率，提供病變的信息尚且有限。

隨著技術的進步，DISCO技術在不影響空間分辨率的條件下時間分辨率亦能得到提高，使得序列處理后能夠同時得到病變的更多的參數(包括血流動力學的定量及半定量參數)。其中，DISCO技術[4]是建立于三維擾相梯度回波的序列基礎上，并采用了水脂分離的技術、偽隨機變量K空間分割的技術及K空間共享重建的技術進行數據采集。既往研究[7]中針對乳腺良惡性病變的血流動力學定量及半定量參數研究中同時運用第三方軟件及GE后處理工作站軟件包得到相關參數。此外，此前DCE-MRI技術的時間分辨率多在12 s以上[7-8]，導致處理后的血流動力學參數有一定的失真[9]。目前，DISCO技術在腹部已有相關應用，其他部位的相關應用少有報道[10-11]。

由于乳腺癌是血管依賴性較強的疾病[12-14]，在發生、發展的過程中有賴于復雜的微血管網提供營養，并且能夠產生多種腫瘤血管生成因子，導致病灶周圍血管增多、增粗 。這些病理生理的改變使得惡性病變的血管結構紊亂且伴隨基底部通透性增加，使得對比劑通過血管時滲透進入血管外間隙的速率和數量均有所增加，導致了乳腺良惡性病變的相關血流動力學參數存在一定的差異。本研究結果顯示與乳腺良性病變比較，乳腺惡性病變Ktrans、CER、IAUGC、MaxSlope、Ve升高，提示這些參數對乳腺良惡性病變的診斷及鑒別診斷具有重要意義；且本研究中AUC大多大于0.7，鑒別兩者的敏感度均大于70%，提示這些參數對乳腺良惡性病變的診斷及鑒別診斷效能較高。同時，本研究中的定量參數Ktrans及Ve在良惡性病變中存在差異，與先前研究[8]一致；半定量參數由于對時間分辨率的要求較高，此前研究較少，本研究中AUC值較先前研究[7]明顯提高，可能與本研究中DISCO序列時間分辨率更高有關，這有待于進一步研究。當然，在臨床實際工作中我們需要結合定量及半定量中的多個參數，以期為乳腺良惡性病變的診斷及鑒別診斷提供更多的信息。

然而，本研究中診斷乳腺良惡性病變的特異度較先前研究有所減低。這可能與研究對象存在乳腺炎性病變及乳腺黏液樣癌有關。例如，炎性病變也有血管增生、破壞的表現，這使得血管通透性增加，類似于惡性病變的改變。這使得我們在診斷過程中同時需要注意結合臨床病史以及病變平掃、增強后的形態特征。

當然，本研究仍存在一些不足之處:未能根據病理類型進行進一步分類，如將乳腺浸潤性癌及乳腺黏液樣癌均歸類為惡性病變；病例數尚且不足、沒有對病例根據治療方式隨訪分析等。

總之，本研究對乳腺良惡性病變的診斷及鑒別診斷具有重要意義，能夠為乳腺病變的治療方案選擇和手術計劃制定提供重要的參考信息。