Kaiser評分不同界值應用于乳腺病變MRI診斷的效能比較

易 熙，王貴良，馬 榮，曾禹莉，陳 鷹，樊志紅

湖南省人民醫(yī)院（湖南師范大學附屬第一醫(yī)院）放射二科，湖南 長沙410016

目前在諸多乳腺疾病的影像學檢測手段中，以MRI敏感度最高［1-4］；BI-RADS為病變的描述提供了一種共通的術語，卻沒有針對各種影像征象提供一種診斷策略指導。Kaiser評分系統(tǒng)是應用于乳腺MRI的一個基于幾個特定影像診斷指標的算法組合，它可以將影像發(fā)現(xiàn)轉化為標準化的良惡性分類，同時可有效降低閱片者之間的診斷差異［5］。但是，目前關于Kaiser評分系統(tǒng)在乳腺疾病中的應用研究國內外僅見少數報道，僅見的國外相關研究缺乏中國人群作為研究對象的相關數據支撐［6-11］；而國內相關研究［12-13］中，針對Kaiser評分中不同界值在乳腺病變MRI 中的診斷效能的相關探討基本處于空白。本研究旨在分析在Kaiser評分系統(tǒng)中不同評分界值應用于乳腺病變MRI診斷中的效能，并探索出最佳評分界值以最大限度地避免過度的乳腺活檢，并與傳統(tǒng)的BI-RADS分類診斷標準進行診斷效能的比較，現(xiàn)報道如下。

1 資料與方法

1.1 一般資料

回顧性分析2019年1月～2021年3月于湖南省人民醫(yī)院（馬王堆院區(qū)）行術前乳腺1.5 T MRI增強檢查并經手術或穿刺病理證實的來自92例患者共101個病灶的患者臨床資料。納入標準：MRI檢查前未行乳腺穿刺或手術；術前MRI檢查資料完善；動態(tài)增強序列中病灶可見強化；病變性質經手術或穿刺病理證實。排除標準：術前MRI檢查資料不完善、陰性結果或已經病理證實為惡性；病理結果不完善。92例患者均為女性，年齡17～80（45.90±14.01）歲。本研究納入病例資料均經湖南省人民醫(yī)院（湖南師范大學附屬第一醫(yī)院）醫(yī)學倫理委員會審查批準通過。

1.2 方法

1.2.1 設備和參數 MRI掃描使用Signa HDxt 1.5TMRI掃描儀（GE），乳腺專用相控陣線圈，后處理工具為ADW4.5版本圖像后處理工作站。患者采取俯臥位進行掃描。MRI掃描序列及參數：軸位FSE T1WI（TR/TE=560.0 ms/9.7 ms，矩陣320×224），軸位FSE T2WI-STIR（TR/TE=6140.0 ms/46.5 ms，矩陣320×192），矢狀位T2WI-fs（TR/TE=2940.0 ms/87.3 ms，矩陣320×224），軸位T1WI動態(tài)增強（VIBRANT）序列（TR/TE=5.1 ms/2.5 ms，矩陣448×350），軸位彌散加權序列（TR/TE=4750.0 ms/74.8 ms，b=0 s/mm2、800 s/mm2，矩陣128×130）。動態(tài)增強序列包括增強前蒙片+7期動態(tài)增強，于造影劑注射后15 s開始掃描，57 s/期。造影劑使用Gd-DTPA，劑量0.2 mL/kg，注射速率2.0 mL/s，其后以同樣速率注入20 mL生理鹽水。

1.2.2 數據處理、測量及形態(tài)學參數的獲取 觀察參數包括病變的位置、分布方式、邊緣和內部強化方式。動態(tài)增強曲線的獲取：應用Functool軟件，避開出血、壞死、囊變等區(qū)域，在病變的最大層面中心區(qū)域并避開纖維腺體組織及血管勾畫感興趣區(qū)，獲得時間-信號曲線（TIC）。

1.3 診斷評估標準

Kaiser評分參照Baltzer等的評分標準和Kaiser評分流程圖［5］進行（圖1），評分為1～11分，由2名中級職稱的影像科醫(yī)師在不知道病理結果和既往MRI BI-RADS分類的情況下獨立進行分析和評估，意見不一致時則由1名資深乳腺影像醫(yī)師確定。

圖1 Kaiser評分流程圖Fig. 1 Kaiser score flowchart.

1.4 統(tǒng)計學分析

采用SPSS23.0和MedCalc19.6軟件對數據進行統(tǒng)計學分析。對Kaiser評分和BI-RADS分類分別進行ROC分析并測量ROC曲線下面積以確定二者總體診斷效能并進行比較分析，并統(tǒng)計Kaiser評分中不同臨界值下的敏感度、特異性和似然比。2位閱片者之間的Kaiser評分一致性采用Kappa分析。P＜0.05為差異有統(tǒng)計學意義。

2 結果

2.1 乳腺病變病理結果及良、惡性病變Kaiser評分診斷結果

92例患者共101個病灶，病理證實其中惡性病灶34個（33.66%），良性病灶67個（66.34%）；惡性病灶以浸潤性導管癌（27.72%，28/101)最多見，良性病灶以纖維腺瘤、纖維腺瘤樣增生（24.75%，25/101）最多見。乳腺良、惡性病變Kaiser評分診斷結果（表1）及病理亞型診斷結果（表2）。兩位閱片者之間的Kaiser評分一致性良好（Kappa值=0.89，P＜0.01）。典型病例（圖2～3）。

表2 乳腺病變病理學診斷結果Tab.2 Pathological diagnosis of breast lesions[n(%)]

圖2 女，74歲，檢查發(fā)現(xiàn)右乳腫物1周Fig. 2 Female,74 years old,examination revealed a right breast mass for a week.

表1 Kaiser評分對乳腺良、惡性病變的診斷結果Tab.1 Kaiser score in the diagnosis of benign and malignant breast lesions(n)

2.2 在乳腺病變MRI 中應用Kaiser 評分的診斷效能分析

有關Kaiser評分在乳腺病變MRI 中的診斷性能結果（表3），Kaiser評分和BI-RADS分類的診斷效能對比（圖4）。使用5分為良惡性病變的分界值（以≥5分為惡性病變），有13個良性病灶被誤診為惡性病灶(包括3個腫塊病灶和10個非腫塊病灶)，假陽性率為19.40%（13/67），誤診病灶以非哺乳期乳腺炎最多，占比46.15%（6/13）；使用7分為良惡性病變的分界值（以≥7分為惡性病變），有1個良性病灶被誤診為惡性病灶，誤診病灶為肉芽腫性乳腺炎，表現(xiàn)為腫塊病灶，假陽性率為1.49%（1/67），同時漏診了7個惡性病灶，漏診病灶包括浸潤性導管癌5個，浸潤性小葉癌1個，導管原位癌1個。

圖4 在乳腺病變MRI 中分別應用Kaiser評分和BI-RADS分類的ROC曲線對比Fig. 4 ROC curvBe comparison of Kaiser score and BI-RADS classification in MRI of breast lesions.

表3 在乳腺病變MRI中應用Kaiser評分不同截斷值的診斷參數Tab.3 Diagnostic parameters of different cut-off values of Kaiser score in MRI of breast lesions(%)

圖3 女，40歲，左乳刺痛3 dFig. 3 Female,40 years old,left breast tingling for 3 days.

使用Kaiser評分系統(tǒng)對乳腺病變MRI進行診斷，由曲線下面積表示的總體準確性為0.969（95%CI：0.914～0.993）；使用BI-RADS分類對乳腺病變MRI進行診斷，由曲線下面積表示的總體準確性為0.702（95%CI：0.603～0.789）；二者間診斷效能的差異有統(tǒng)計學意義（P＜0.01）。

3 討論

本研究評估了在乳腺病變MRI中應用診斷決策工具Kaiser評分系統(tǒng)的診斷效能，證實了這一決策工具對提高乳腺病變MRI 診斷準確性的益處，與國內外相關研究結論一致［9-11］。同時，使用推薦診斷界值5分為良惡性病變診斷界值［8,11］，可以正確識別100%的惡性病變，特異性為88.06%，誤診病灶以非哺乳期乳腺炎最多，占比46.15%（6/13），占樣本內所有乳腺炎性病變的50.00%（6/12），也從側面佐證了肉芽腫性乳腺炎與乳腺癌影像表現(xiàn)的相似性［14-16］。針對排除可疑惡性病變中良性病變這一特定診斷目標，以高截斷值7分作為判斷惡性病變的界值，可以正確識別79.41%的惡性病變，特異性為98.51%，陽性似然比為53.21%。

傳統(tǒng)的乳腺病變BI-RADS分類在臨床運用過程中，最常見的問題是BI-RADS 4類病變的劃分存在較大的不穩(wěn)定性。在最新的第5版BI-RADS分類評估與建議中，BI-RADS 4類的病灶對應的惡性概率是2%～95%，這是一個很寬泛的診斷區(qū)間，去掉陰性病例，如果所有的病灶都報4類，最終的統(tǒng)計結果也會在2%～95%的惡性范圍。因此，預報4類是一個很容易的選擇，但由此卻必然會帶來過度診斷和過度處理的問題［17-18］，這是一個很普遍并且亟須解決的問題。

Kaiser評分自引入以來已在有限的臨床環(huán)境中應用。有學者證明了Kaiser評分在乳腺MRI診斷決策中的適用性［11］。相對于傳統(tǒng)的BI-RADS分類，Kaiser具有多方面的優(yōu)點：首先，不同診斷者、不同型號MRI設備之間的診斷一致性較高；BI-RADS在應用過程中，不同閱片者之間的讀圖一致性較好，而診斷準確性差異較大［19-21］，我們認為這是由于BI-RADS雖然提供了共通的診斷學術語，而沒有基于各種影像征象提供一個標準化的診斷策略，對于不同影像征象的解釋，閱片者之間存在主觀差異，最終導致不同閱片者之間的診斷決策一致性較差，而在Kaiser評分系統(tǒng)中，影像診斷參數的選擇及其各自的影響權重是標準化的、確定的，故可帶來較一致的診斷決策，這在本研究中也得到證實，并與國內外相關文獻報道一致［11］。也有研究表明，盡管乳腺MRI病例來自多個單位、不同場強的MRI掃描儀，但Kaiser評分的診斷準確性和閱片者之間的一致性一直很高［8］。其次，有助于提高乳腺MRI的診斷準確率。本研究表明了在乳腺病變的MRI診斷中，Kaiser評分有較高的診斷效能，并且診斷效能優(yōu)于傳統(tǒng)的BI-RADS分類，二者差異有統(tǒng)計學意義（P＜0.01）。有研究表明，在MRI中應用Kaiser評分可以提高鉬靶所發(fā)現(xiàn)可疑惡性病變的診斷準確率［6］；也有研究表明，在經驗較少的放射科醫(yī)生中，Kaiser評分幫助他們提高了診斷準確率，并且在腫塊和非腫塊病變中該結論仍相同［11］。最后，便于臨床推廣。現(xiàn)有的數據表明，使用不同的功能MRI、PET、對比增強能譜乳腺X線攝影的多參數成像可以提供額外的特異性［4,22］，但在臨床實際工作中，考慮到技術的普及程度及經濟因素，一些檢查方法如磁共振波譜成像、鈉成像、化學交換飽和轉移成像等在臨床應用推廣上難度較大。Kaiser評分系統(tǒng)用到的影像診斷指標包括病灶邊緣、時間-信號曲線、內部強化特征、病灶周圍水腫情況等，獲得這些參數所需要的成像方式是乳腺MRI動態(tài)增強、乳腺擴散加權成像等較為普及的成像技術，故Kaiser評分系統(tǒng)易于推廣使用。

綜上所述，在乳腺病變MRI診斷中應用Kaiser評分對提高診斷準確性有益，同時以≥5為判斷良惡性病變的診斷界值，可以獲得最佳的綜合診斷效能，針對特定診斷目標，在Kaiser評分中合理運用高診斷界值，可以增強診斷信心，最大程度地避免過度的乳腺活檢。但本研究仍然存在一些局限性：首先，本研究是一項回顧性研究，雖然我們可以證明應用Kaiser評分對提高乳腺病變MRI診斷準確性有益，但基于我們研究的回溯性，不能排除潛在選擇偏差的影響，因此需要進行前瞻性研究來進一步證實Kaiser評分在這種情況下的潛力；另外，本研究進行了較大樣本的研究，但惡性病變相對較少，有待于進一步擴大樣本量。