彌散加權成像在乳腺良惡性腫瘤鑒別診斷中的研究進展

[摘要]乳腺癌在女性人群中常見且嚴重威脅女性的生命健康。目前，關于乳腺癌的研究已深入到病理水平，對乳腺癌受體表達的精確鑒別診斷不僅有利于臨床醫生提出恰當的治療措施，還有利于改善患者預后。與此同時，乳腺結節的良惡性區分也是進一步判斷乳腺癌受體表達的必要前提。彌散加權成像（diffusionweightedimaging，DWI）可在不依賴造影劑的情況下，無創檢測活體組織中水分子擴散情況。但傳統的DWI忽略生物組織的異質性和毛細血管內的水分子偽擴散運動，不能如實反映腫瘤組織的病理特征改變。繼續挖掘體素內水分子運動特征，提出體素內不相干運動（intravoxelincoherentmotion，IVIM）成像、彌散峰度成像（diffusionkurtosisimaging，DKI）和拉伸指數成像等高階成像方法，不僅提供腫瘤組織的細胞學信息，還能從血流動力學和腫瘤異質性等多個視角 為乳腺結節良惡性及乳腺癌受體表達的鑒別提供判斷依據。本文探討IVIM、DKI、拉伸指數成像在乳腺結節良惡性及乳腺癌受體表達鑒別診斷中的研究進展。

[關鍵詞]彌散加權成像；體素內不相干運動成像；彌散峰度成像；拉伸指數成像；乳腺癌

[中圖分類號]R445.2；R737.9[文獻標識碼]A[DOI]10.3969/j.issn.1673-9701.2024.28.026

乳腺癌是女性人群中最為常見的惡性腫瘤[1]。據報道，全球每年因乳腺癌死亡人數約68.5萬[2]。與其他國家相比，我國女性乳腺癌的平均發病年齡較小，發病率較高。因此，乳腺癌的早期發現和及時干預對改善我國女性患者預后，延長生存期至關重要。目前，針對乳腺癌的研究已深入到病理層面，正確判定乳腺癌的受體表達對精準選C+NIW6F7vg9MK9NP4SUxwQ==擇治療方案及預測預后至關重要[3]。另外，對乳腺結節良惡性的準確鑒別是進一步判斷乳腺癌受體表達的必要前提。

磁共振成像（magneticresonanceimaging，MRI）以其軟組織分辨率高、多序列、可重復等優勢，在乳腺結節良惡性及乳腺癌受體表達鑒別等方面被廣泛應用[4]。與X線和超聲相比，MRI能夠提供更加豐富、客觀的不可視信息，為乳腺癌的臨床診斷提供重要的參考依據[5]。不僅如此，彌散加權成像（diffusionweightedimaging，DWI）作為MRI技術的主要支線，能夠在不依賴造影劑的情況下，從分子水平表征腫瘤細胞的病理特性[6]。同時，在DWI基礎上衍生的高階成像方法，如體素內不相干運動（intravoxelincoherentmotion，IVIM）成像、彌散峰度成像（diffusionkurtosisimaging，DKI）和拉伸指數成像，還能從血流動力學和腫瘤異質性等多個角度為乳腺結節良惡性及乳腺癌受體表達的鑒別提供判斷依據[7]。鑒于此，本文將從成像原理和臨床應用等多個方面，系統綜述高階DWI技術在乳腺結節良惡性及乳腺癌受體表達鑒別診斷中的應用研究進展。

1IVIM成像

1.1IVIM成像基本原理

DWI是一種無創檢測活體組織中水分子擴散情況的MRI技術，其利用表觀彌散系數（apparentdiffusioncoeffecient，ADC）量化不同b值下水分子的擴散狀況[8]。由于常規的DWI忽略生物組織的異質性和毛細血管內的水分子偽擴散運動，因此常規的DWI測量值偏高，導致水分子的擴散特性不能被如實反映出來。鑒于此，LeBihan等[9]提出IVIM成像技術，該技術是目前唯一不依賴造影劑便能在一次成像過程中同時獲取組織細胞和血流灌注信息的MRI手段。IVIM成像將細胞性水分子與血流性水分子對擴散加權信號衰減的貢獻用如下雙指數模型表示：

式中，b為擴散因子，S0和S（b）為b=0s/mm2和給定b值條件下的MRI信號。D為擴散系數，由于水分子擴散受細胞壁約束，因此D值能間接反映細胞密度或腫瘤細胞異常增殖程度。f為血液容積分數，D*為偽擴散系數，f和D*值能間接反映毛細血管內血流的灌注特征[10]。

1.2IVIM成像在乳腺結節良惡性鑒別診斷中的應用

隨著MRI技術的快速發展，IVIM-DWI在乳腺病變中的應用研究越來越多[10]。惡性細胞增殖較快，細胞與細胞間隙緊湊，水分子擴散明顯受限，因此在惡性結節中反映擴散能力的D值降低。李俊等[11]對158例乳腺病灶的IVIM成像結果進行深入研究，發現良惡性組間的參數D和D*值的差異具有統計學意義，由此指出IVIM成像在乳腺結節良惡性中具有一定的鑒別診斷能力。Mürtz等[12]分析191例乳腺結節的ADC和D值，結果顯示當b取800s/mm2時，ADC鑒別乳腺結節良惡性的準確性是86.9%，D值診斷的準確性是88.0%，f鑒別的準確性是87.4%，并且D聯合f的組合診斷準確性是93.7%。由此可見，D值較ADC能更準確地區分乳腺結節的良惡性。這主要是因為IVIM成像排除了D值被血流灌注的干擾，使其在反映腫瘤組織內水分子的擴散運動特征方面較ADC更甚一籌。這一結果在其他研究中也得到證實[13-14]。Liu等[15]通過利用IVIM成像對軟組織腫塊進行探討，得出腫塊惡性組的D值明顯低于良性組，且D值的特異性最好（82.93%）。上述研究提示D值是具有較高診斷意義的參數，IVIM可提供較傳統的DWI更有價值的擴散特征信息，增加臨床醫生對乳腺結節良惡性鑒別診斷的信心。

1.3IVIM成像在乳腺癌受體表達鑒別診斷中的應用

在乳腺癌受體表達的鑒別診斷中，Feng等[16]對72例乳腺癌患者的IVIM參數進行回顧性分析，指出ADC及D值與Ki-67受體表達顯著相關，且高表達組的D值明顯高于同組測得的ADC。提示乳腺癌Ki-67高表達的細胞增殖較低表達者更顯著，且D值較ADC更真實、準確地反映了水分子擴散特征。另外，有研究分析45例乳腺癌患者的IVIM參數，通過其與雌激素受體（estrogenreceptor，ER）、孕激素受體（progesteronereceptor，PR）表達之間的相關性分析發現，ER與f、D*值之間呈顯著負相關，而PR與f、D*值之間呈顯著正相關。由此推斷，PR陽性的乳腺癌血供更加豐富、血流灌注效應更顯著[17]。Qin等[18]研究指出所有直方圖指標在乳腺癌ER陽性組的ADC和D值均明顯低于陰性組，人類表皮生長因子受體2（humanepidermalgrowthfactorreceptor2，HER2）陽性組的D值明顯高于陰性組。同時，Uslu等[19]研究發現HER2陽性組的f、D*值高于陰性組。此外，也有學者對不同分子亞型間的測量值進行探討，可見f、D*值在Luminal型患者的測量值顯著更低[20]。因此，提示IVIM成像有助于反映患者的乳腺癌受體表達情況，有望為患者后續治療方案的選擇提供幫助。

2DKI

2.1DKI基本原理

常規的DWI忽略了生物組織的異質性，認為水分子的擴散位移服從高斯分布[21]。然而，真實的組織結構非常復雜，尤其是腫瘤組織，常表現出高度異質性。鑒于此，Jensen等[22]提出DKI模型，用非高斯分布建模水分子在異質性組織中的擴散運動特征，其公式如下：

式中，D為經非高斯分布建模后的擴散系數，K為擴散峰度，反映水分子擴散位移偏離高斯分布的程度。DKI模型中常見的參數為平均擴散系數（meandiffusion，MD），反映水分子沿各個方向的平均擴散程度；平均擴散峰度（meankurtosis，MK）反映水分子沿各個方向擴散峰度的平均值。

2.2DKI在乳腺結節良惡性鑒別診斷中的應用

Wang等[23]收集89例乳腺癌患者的DKI參數，指出良惡性組間的MD、MK差異有統計學意義，提出DKI具有一定的鑒別診斷能力。Gao等[24]通過研究106例結節患者，得到良性結節組的MD、ADC明顯高于惡性組，MK明顯低于惡性組。當MK取最佳診斷閾值（0.515×10-3mm2/s）時，其曲線下面積（areaunderthecurve，AUC）為0.874，敏感度為83.3%，特異性為87%。由此可見，DKI的參數MK在乳腺結節良惡性鑒別方面價值較為突出。王磊等[25]研究比較177例患者的D、MD值，結果顯示MD的AUC為0.872，敏感度為77.7%，特異性為89.7%；D值的AUC為0.805，敏感度為73%，特異性為86.2%。MD較D值更能準確地區分乳腺結節的良惡性。這主要是因為MD反映組織內整體擴散情況，較DWI中的參數ADC、IVIM的參數D值能更真實地反映組織內水分子的擴散運動。以上研究提示，DKI可提供微環境更詳細的擴散特征信息，有利于臨床醫生對乳腺結節良惡性進一步鑒別診斷。

2.3DKI在乳腺癌受體表達鑒別診斷中的應用

關于DKI對乳腺癌不同受體表達的研究，Zhang等[26]比較50例乳腺癌患者的DKI參數，結果顯示MD、MK在Ki-67受體高表達組和低表達組之間的差異均有統計學意義，其中MD與Ki-67受體表達呈正相關，MK與Ki-67受體表達呈負相關。由此指出，MK、MD能反映Ki-67的表達情況。其原因可能與Ki-67高表達下，惡性腫瘤新生血管較多，微觀組織結構更為復雜有關[27]。Wang等[28]研究提出Ki-67高表達組的MK明顯高于低表達組，且相較于動態對比增強MRI，MK具有更好的診斷性能。此外，Chen等[20]探討93例患者的DKI影像參數，與非Luminal型乳腺癌相比，Luminal型乳腺癌顯示出較低的MK；相較于其他類型乳腺癌，三陰性乳腺癌顯示出較高的MK，AUC為0.813；若結合MD與D*值，其AUC可達0.865。然而，Kang等[29]研究結果顯示ER、PR及HER2組間的MD、MK均無統計學意義，推測可能與數據收集和地區差異等因素有關。綜上，未來還需加大樣本量挖掘DKI鑒別乳腺癌受體表達的應用價值，從而幫助臨床醫生對患者的后續治療提供支持。

3拉伸指數成像

3.1拉伸指數成像基本原理

Bennett等[30]提出拉伸指數模型，以此來克服高斯假設的缺陷。該模型通過連續分布的水分子擴散系數來表征生物組織（包括腫瘤組織）的異質性[31]。其公式如下：

式中，擴散分布系數（distributeddiffusioncoefficient，DDC）表示單個體素中水分子的平均擴散率；α為拉伸因子，反映組織的異質性程度。α在0～1之間取值。α越高，表示組織的異質性越高，組織結構越復雜，反之亦然。

3.2拉伸指數成像在乳腺結節良惡性鑒別診斷中的應用

惡性結節的細胞增殖能力較強，增加細胞密度，從而減小細胞間間隙體積，且隨著惡性組織中新生血管的增多，組織內結構復雜，水分子在組織內自由活動的能力愈發減弱，從而造成DDC降低。Jiang等[32]研究分析40例乳腺良性結節和31例惡性結節患者的拉伸指數成像參數，發現DDC在良性結節組的測量結果明顯高于惡性組。由此指出，DDC有助于乳腺結節的良惡性診斷。Lin等[33]研究指出良性組的α值明顯高于惡性組，表明乳腺良性結節的異質性低于惡性結節。究其原因，惡性結節可分泌多種血管活性物質，促進血管生成，增加組織結構的異質性，引起α值降低；同時由于惡性組織生長較快，可直接引起囊變、壞死等組織結構出現，進一步增加組織結構的異質性，降低α值。在Chen等[34]的研究中，DDC、α值均表現出良好的鑒別效能。另外，DDC聯合α值的AUC可達0.841，明顯高于ADC。由此推測，拉伸指數模型在乳腺結節良惡性鑒別診斷中具有廣闊的臨床應用前景。

3.3拉伸指數成像在乳腺癌受體表達鑒別診斷中的應用

盧冬梅等[35]研究分析86例乳腺癌患者的DDC與不同ER、PR表達水平之間的相關性，結果指出ER、PR陰性組的DDC明顯較高。由此推測，DDC可在一定程度上反映乳腺癌ER、PR的表達情況。其原因可能與ER陽性時細胞密度增加有關；且PR受ER表達影響，因此，DDC在ER、PR表達方面具有一定的相似性。在一項ADC、DDC和α值與HER2不同表達水平之間的相關性研究中，發現HER2低表達組的DDC、α值明顯低于HER2高表達組，且DDC、α值區分HER2不同表達的能力明顯高于ADC，這主要考慮惡性腫瘤組織異質性的影響[36]。Ji等[37]的研究認為ER、PR、HER2和Ki-67與α值之間均顯著相關，而與DDC之間無相關性。總之，拉伸指數成像與乳腺癌受體表達的相關性還需進一步探索，未來還需更大樣本量的研究。

4總結與展望

綜上，作為高階DWI技術重要支線的IVIM成像、DKI、拉伸指數成像，在乳腺結節良惡性及乳腺癌受體表達的鑒別診斷方面具有獨特的優勢。這3種成像方法不僅能提供腫瘤組織的細胞學信息，還能從血流動力學和腫瘤異質性等多個角度反映乳腺癌的病理特征，有望提高乳腺癌的診斷、預后評估和治療反應預測的準確性。但需要注意的是，未來仍有必要進行大樣本的研究支撐現有結論，以進一步挖掘高階DWI技術鑒別乳腺結節良惡性及乳腺癌受體表達的臨床價值，從而讓更多的乳腺結節患者受益。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1] NOLANE，LINDEMANGJ，VISVADERJE.Decipheringbreastcancer：Frombiologytotheclinic[J].Cell，2023，186（9）：1708–1728.

[2] DINfXRTi/GEGNHvK5elgVW+QA==GR，XIAOY，MOM，etal.BreastcancerscreeningandearlydiagnosisinChinesewomen[J].CancerBiolMed，2022，19（4）：450–467.

[3] RAMAMOORTHIG，KODUMUDIK，GALLENC，etal.Disseminatedcancercellsinbreastcancer：Mechanismofdisseminationanddormancyandemerginginsightsontherapeuticopportunities[J].SeminCancerBiol，2022，78：78–89.

[4] WEKKINGD，PORCUM，DESILVAP，etal.BreastMRI：Clinicalindications，recommendations，andfutureapplicationsinbreastcancerdiagnosis[J].CurrOncolRep，2023，25（4）：257–267.

[5] HUANGY，ZHUT，ZHANGX，etal.LongitudinalMRI-basedfusionnovelmodelpredictspathologicalcompleteresponseinbreastcancertreatedwithneoadjuvantchemotherapy：Amulticenter，retrospectivestudy[J].EClinicalMedicine，2023，58：101899.

[6] ADAMR，DELL’AQUILAK，HODGESL，etal.Deeplearningapplicationstobreastcancerdetectionbymagneticresonanceimaging：Aliteraturereview[J].BreastCancerRes，2023，25（1）：87.

[7] SUNK，JIAOZ，ZHUH，etal.Radiomics-basedmachinelearninganalysisandcharacterizationofbreastlesionswithmultiparametricdiffusion-weightedMR[J].JTranslMed，2021，19（1）：443.

[8] ROOTMANMS，KORNREICHL，OSHEROVAN，etal.DWIhyperintensityinthefornixfimbriaonMRIinchildren[J].AJNRAmJNeuroradiol，2022，43（3）：480–485.

[9] LEBIHAND，BRETONE，LALLEMANDD，etal.MRimagingofintravoxelincoherentmotions：Applicationtodiffusionandperfusioninneurologicdisorders[J].Radiology，1986，161（2）：401–407.

[10] ROMEOV，HELBICHTH，PINKERK.BreastPET/MRIhybridimagingandtargetedtracers[J].JMagnResonImaging，2023，57（2）：370–386.

[11] 李俊，蔡小麗，吳奇川，等.全容積IVIM直方圖分析對乳腺良惡性病變的影響[J].中國CT和MRI雜志，2024，22（3）：82–85.

[12] MüRTZP，TSESARSKIYM，SPRINKARTAM，etal.SimplifiedintravoxelincoherentmotionDWIfordifferentiatingmalignantfrombenignbreastlesions[J].EurRadiolExpTJs7WyDaYyAZn3GhG2ewPga9hraomY8OZik13sZqIYU=，2022，6（1）：48.

[13] XUW，ZHENGB，LIH.IdentificationofthebenignityandmalignancyofBI-RADS4breastlesionsbasedonacombinedquantitativemodelofdynamiccontrast-enhancedMRIandintravoxelincoherentmotion[J].Tomography，2022，8（6）：2676–2686.

[14] 王志遠，吳海龍，李淑豪，等.IVIM-DWI與DCE-MRI定量參數鑒別乳腺良惡性腫瘤的對照研究[J].放射學實踐，2021，36（12）：1514–1519.

[15] LIUY，YINZ，LIX，etal.Thediagnosticaccuracyofintravoxelincoherentmotionanddiffusionkurtosisimaginginthedifferentiationofmalignantandbenignsoft-tissuemasses：Whichisbetter？[J].ActaRadiol，2022，63（6）：785–793.

[16] FENGW，GAOY，LUXR，etal.Correlationbetweenmolecularprognosticfactorsandmagneticresonanceimagingintravoxelincoherentmotionhistogramparametersinbreastcancer[J].MagnResonImaging，2022，85：262–270.

[17] IIMAM，HONDAM，SIGMUNDEE，etal.DiffusionMRIofthebreast：Current statusandfuturedirections[J].JMagnResonImaging，2020，52（1）：70–90.

[18] QINY，WUF，HUQ，etal.Histogramanalysisofmulti-modelhigh-resolutiondiffusion-weightedMRIinbreastcancer：Correlationswithmolecularprognosticfactorsandsubtypes[J].FrontOncol，2023，13：1139189.

[19] USLUH，?NALT，TOSUNM，etal.Intravoxelincoherentmotionmagneticresonanceimagingforbreastcancer：Acomparisonwithmolecularsubtypesandhistologicalgrades[J].MagnResonImaging，2021，78：35–41.

[20] CHENK，YUC，PANJ，etal.PredictionoftheNottinghamprognosticindexandmolecularsubtypesofbreastcancerthroughmultimodalmagneticresonanceimaging[J].MagnResonImaging，2024，108：168–175.

[21] PISTELM，LAUNFB，BICKELHAUPTS，etal.DifferentiatingbenignandmalignantbreastlesionsindiffusionkurtosisMRI：Doestheaveragingprocedurematter？[J].JMagnResonImaging，2022，56（5）：1343–1352.

[22] JENSENJH，HELPERNJA，RAMANIA，etal.Diffusionalkurtosisimaging：Thequantificationofnon-gaussianwaterdiffusionbymeansofmagneticresonanceimaging[J].MagnResonMed，2005，53（6）：1432–1440.

[23] WANGH，DINGW，ZHUX.DifferentialdiagnosisandclinicopathologicalstudyofsingleindexIVIM，DWI，andDKImodelsinbenignandmalignantbreastlesions[J].IntJClinExpMed，2020，13（9）：6240–6248.

[24] GAOY，WANGY，ZHANGH，etal.TheoutstandingdiagnosticvalueofDKIinmultimodalmagneticresonanceimagingforbenignandmalignantbreasttumors：Adiagnosticaccuracystudy[J].Medicine（Baltimore），2023，102（40）：e35337.

[25] 王磊，趙凡，朱來敏，等.多模態定量磁共振成像對乳腺良惡性病變的診斷價值[J].臨床放射學雜志，2023，42（10）：1578–1583.

[26] ZHANGD，GENGX，SUOS，etal.ThepredictivevalueofDKIinbreasteIflAvcUD71Si+2m73phvIpQeFG3yMhWwXppHKHHzvg=cancer：Doestumoursubtypeaffectpathologicalresponseevaluations？[J].MagnResonImaging，2022，85：28–34.

[27] HONDAM，LEBIHAND，KATAOKAM，etal.Diffusionkurtosisimagingasabiomarkerofbreastcancer[J].BJROpen，2023，5（1）：20220038.

[28] WANGW，LVS，XUNJ，etal.ComparisonofdiffusionkurtosisimaginganddynamiccontrastenhancedMRIinpredictionofprognosticfactorsandmolecularsubtypesinpatientswithbreastcancer[J].EurJRadiol，2022，154：110392.

[29] KANGHS，KIMJY，KIMJJ，etal.DiffusionkurtosisMRimagingofinvasivebreastcancer：Correlationswithprognosticfactorsandmolecularsubtypes[J].JMagnResonImaging，2022，56（1）：110–120.

[30] BENNETTKM，SCHMAINDAKM，BENNETTRT，etal.Characterizationofcontinuouslydistributedcorticalwaterdiffusionrateswithastretched-exponentialmodel[J].MagnResonMed，2003，50：727–734.

[31] ALMUTLAQZM，WILSONDJ，BACONSE，etal.Evaluationofmonoexponential，stretched‐exponentialandintravoxelincoherentmotionMRIdiffusionmodelsinearlyresponsemonitoringtoneoadjuvantchemotherapyinpatientswithbreastcancer—APreliminarystudy[J].JMagnResonImaging，2022，56（4）：1079–1088.

[32] JIANGX，CHENC，LIUJ，etal.Applicationvalueofmathematicalmodelsofdiffusion-weightedmagneticresonanceimagingindifferentiatingbreastcancerlesions[J].Evid BasedComplementAlternatMed，2021，2021：1481271.

[33] LINCX，TIANY，LIJM，etal.Diagnosticvalueofmultipleb-valuediffusion-weightedimagingindiscriminatingthemalignantfrombenignbreastlesions[J].BMCMedImaging，2023，23（1）：10.

[34] CHENBY，XIEZ，NIEP，etal.Multipleb-valuediffusion-weightedimagingindifferentiatingbenignfrommalignantbreastlesions：Comparisonofconventionalmono-，bi-andstretchedexponentialmodels[J].ClinRadiol，2020，75（8）：642.

[35] 盧冬梅.拉伸指數擴散加權成像在乳腺疾病診斷中的應用價值[D].蘭州：蘭州大學，2019.

[36] MAOC，HUL，JIANGW，etal.Discriminationbetweenhumanepidermalgrowthfactorreceptor2（HER2）-low-expressingandHER2-overexpressingbreastcancers：AcomparativestudyoffourMRIdiffusionmodels[J].EurRadiol，2024，34（4）：2546–2559.

[37] JIY，XUJ，WANGZ，etal.Applicationofadvanceddiffusionmodelsfromdiffusionweightedimaginginalargecohortstudyofbreastlesions[J].BMCMedImaging，2023，23（1）：52.

（收稿日期：2024–05–14）

（修回日期：2024–07–03）