多參數MRI紋理分析預測小病灶乳腺癌腋窩淋巴結轉移

[摘要]"目的"探討基于磁共振T2加權像（T2"weighted"image，T2WI），質子密度加權像（diffusion"weighted"imaging，DWI）及動態增強磁共振成像（dynamic"contrast"enhanced-magnetic"resonance"imaging，DCE-MRI）的多參數磁共振成像（magnetic"resonance"imaging，MRI）紋理分析在小病灶乳腺浸潤性導管癌腋窩淋巴結狀態預測中的價值。方法"回顧性分析2018年1月至2023年6月于臺州市中心醫院收治的139例初診浸潤性導管癌患者病歷資料。根據術后病理結果分為無腋窩淋巴結轉移組85例及腋窩淋巴結轉移組54例。所有患者行術前MRI檢查，包括T2WI，DWI及DCE-MRI等序列。于各序列腫瘤最大徑層面繪制感興趣區后利用Firevoxel軟件進行紋理分析，得出了包括均值、標準差、偏度、峰度和熵在內的5個主要參數。運用單因素分析評估各參數特征值在鑒別腋窩淋巴結狀態之間的有效性，將單因素分析有意義的變量采用二元Logistic回歸分析以探討特征值與淋巴結轉移狀態之間的關聯，并繪制受試者操作特征（receiver"operating"characteristic，ROC）曲線，計算ROC曲線下的面積（area"under"curve，AUC）。結果"紋理參數中DCE-MRI序列所繪感興趣區得到的熵值及平均值，T2WI的偏度值在兩組間差異有統計學意義（Plt;0.001）。其中DCE-MRI的熵值在單因素分析中AUC值最高為0.719，對所選的參數行多因素分析獲得了最佳診斷模型，在鑒別淋巴結轉移及無淋巴結轉移組中AUC為0.769。結論"基于多參數MRI的小病灶乳腺癌紋理分析可以較好地預測術前乳腺癌腋窩淋巴結轉移狀態。

[關鍵詞]"多參數磁共振成像；腋窩淋巴結；浸潤性導管癌；紋理分析

[中圖分類號]"R445.2""""""[文獻標識碼]"A""""""[DOI]"10.3969/j.issn.1673-9701.2024.23.005

Value"of"multiparametric"MRI"texture"analysis"in"predicting"axillary"lymph"node"metastasis"of"small-sized"breast"cancer

HE"Xiaxia，"CHEN"Chao，"YANG"Xiaoping，nbsp;WANG"Guoyu

Department"of"Radiology，"Taizhou"Central"Hospital"（Affiliated"Hospital"of"Taizhou"University），"Taizhou"318000，"Zhejiang，"China

[Abstract]"Objective"To"investigate"the"value"of"multiparametric"magnetic"resonance"imaging（MRI）"texture"analysis"based"on"T2"weighted"image（T2WI），"diffusion"weighted"imaging（DWI），"and"dynamic"contrast"enhanced-MRI（DCE-MRI）"in"predicting"the"axillary"lymph"node"status"of"small-sized"invasive"ductal"carcinoma"（IDC）"of"the"breast."Methods"A"retrospective"analysis"was"conducted"on"the"medical"records"of"139"patients"with"newly"diagnosed"IDC，"who"were"treated"at"Taizhou"Central"Hospital"from"January"2018"to"June"2023."Based"on"the"postoperative"pathological"results，"the"patients"were"divided"into"two"groups："85"cases"without"axillary"lymph"node"metastasis"and"54"cases"with"axillary"lymph"node"metastasis."All"patients"underwent"preoperative"MRI"examination，"including"sequences"such"as"T2WI，"DWI，"and"DCE-MRI."After"delineating"the"region"of"interest"（ROI）"on"the"slice"with"the"largest"tumor"diameter"in"each"sequence，"texture"analysis"was"performed"using"Firevoxel"software，"which"yielded"five"major"parameters，"including"mean，"standard"deviation，"skewness，"kurtosis，"and"entropy."Univariate"analysis"was"employed"to"evaluate"the"effectiveness"of"each"parameter"in"distinguishing"the"axillary"lymph"node"status."Variables"that"showed"significant"results"in"the"univariate"analysis"were"then"included"in"binary"Logistic"regression"analysis"to"explore"the"relationship"between"these"parameters"and"lymph"node"metastasis"status."Receiver"operating"characteristic"（ROC）"curves"were"plotted，"and"the"area"under"the"curve"（AUC）"was"calculated."Results"Significant"differences"were"observed"between"the"two"groups"in"the"entropy"and"mean"values"of"the"ROI"delineated"on"the"DCE-MRI"sequence，"as"well"as"the"skewness"of"the"T2WI"（Plt;0.001）."Among"these"texture"parameters，"the"entropy"of"the"DCE-MRI"sequence"showed"the"highest"AUC"value"of"0.719"in"the"univariate"analysis."Multivariate"analysis"of"the"selected"parameters"yielded"an"optimal"diagnostic"model，"with"an"AUC"of"0.769"in"differentiating"lymph"node"metastasis"from"non-metastasis."Conclusion"Texture"analysis"of"small-sized"breast"cancer"based"on"multiparametric"MRI"can"effectively"predict"the"preoperative"axillary"lymph"node"status"of"breast"cancer.

[Key"words]"Multiparametric"magnetic"resonance"imaging"（MRI）;"Axillary"lymph"nodes;"Invasive"ductal"carcinoma;"Texture"analysis

乳腺癌在女性惡性腫瘤中發病率居首位，約占新發癌癥病例的30%[1]，而浸潤性導管癌（invasive"ductal"carcinoma，IDC）是其中最常見的類型，約占所有類型的75%[2]。準確評估乳腺癌患者的腋窩淋巴結（axillary"lymph"nodes，ALN）狀態對于確定最佳治療方案和改善預后至關重要[3-4]。目前，雖然前哨淋巴結活檢是檢測ALN狀態的金標準，但并非適用于所有患者。前哨淋巴結活檢可能引起肩關節功能障礙、神經損傷、麻木和淋巴水腫等并發癥[5]。醫學成像是一種非侵入性方法，比單個組織樣本捕獲的腫瘤異質性范圍更大。紋理分析（texture"analysis，TA）用于描述圖像中灰度級強度的空間分布，用于捕獲人眼通常無法識別或無法區分的圖像模式，在醫學影像研究中顯示出十分廣闊的應用前景，一直有研究在探索TA和乳腺癌ALN轉移之間的相關聯系[6]。隨著醫療技術的進步和人們對早期疾病篩查意識的提高，越來越多的乳腺癌在早期階段被發現。然而，在現階段的研究中，聚焦TA在小病灶乳腺癌（lt;2"cm）ALN轉移預測的應用有限。

因此，本研究使用基于多參數MRI，包括磁共振T2加權像（T2"weighted"image，T2WI），質子密度加權像（diffusion"weighted"imaging，DWI）及動態增強磁共振成像（dynamic"contrast"enhanced-magnetic"resonance"imaging，DCE-MRI）及其組合，探討TA在預測小病灶IDC患者ALN狀態中的價值。

1""資料與方法

1.1""一般資料

回顧性分析2018年1月至2023年6月于臺州市中心醫院收治的139例初診IDC的患者病歷資料。納入標準：①術前行乳腺MRI檢查并在筆者醫院行規范手術切除；②MRI檢查距手術時間lt;1個月；③組織學確診為原發性IDC；④有完整的乳腺腫瘤和ALN清掃術后病理結果。排除標準：①術前接受過化療、放療、內分泌治療者；②臨床或病理資料不完整；③有其他惡性腫瘤病史；④磁共振圖像脂肪抑制差或運動偽影；⑤病灶最大徑gt;2cm。由于本研究為回顧性研究，經筆者醫院醫學倫理委員會審核批準（倫理審批號：2023L-06-09）并免除了知情同意的要求。

1.2""多參數MRI采集

所有患者均在檢查醫生指導下采用俯臥位和足部推進模式行乳腺MRI檢查，雙側乳房呈凹槽自然下行。使用2種不同的8通道乳腺表面線圈（1.5"T"通用電氣醫療系統，美國威斯康辛州密爾沃基公司；3-T西門子醫療保健，德國埃爾蘭根公司）。月經第2周是減少激素對背景實質增強影響的最佳時間。采用以下序列：①軸位T2WI；②軸位DWI；③軸位DCE-MRI。對比劑（慶大霉素葡胺，0.1mmol/kg，"拜耳先靈制藥公司）以2.5ml/s的速度靜脈注射，隨后注入20ml生理鹽水沖洗殘余造影劑。DCE-MRI序列包括9個時相，注射對比劑前1個時相和注射對比劑后8個時相，每個時相持續約60s。

1.3""患者臨床病理資料

臨床病理資料包括：年齡、腫瘤最大徑、絕經情況、組織學分級、雌激素受體、孕激素受體及人表皮生長因子受體-2狀態。1名病理醫生（gt;12年經驗）分析了術后乳腺組織標本。根據世界衛生組織分類進行組織學診斷[1]。ALN轉移根據病理組織學陽性定義為淋巴結宏轉移或微轉移，根據Nottingham分級評分進行評估，3～5分對應1級，6～7分對應2級，8～9分對應3級。

雌激素受體和孕激素受體陽性定義為大于免疫組織化學染色陽性占所有癌細胞的1%，染色細胞中gt;1%為陽性，lt;1%為陰性。人表皮生長因子受體-2免疫組織化學染色+++，其中++病例需熒光原位雜交進一步證實。

1.4""圖像后處理

由1名高年資放射科醫生對MRI圖像進行閱片。并分別在T2WI、DWI及DCE-MRI序列（注射對比劑后第二階段，即60～120s）繪制感興趣區（region"of"interest，ROI），所有的磁共振圖像均被匿名化并脫機導出以執行TA。使用FireVoxel（紐約大學醫學院先進成像創新與研究中心）進行紋理分析。放射科醫生對臨床病理的數據均不了解。最后得出了包括平均值、標準差、偏度峰度和熵在內的主要參數。

1.5""統計學方法

采用SPSS"26.0統計學軟件對數據進行處理分析，作圖軟件采用GraphPad"Prism"8.0。符合正態分布的計量資料以均數±標準差（）表示，采用t檢驗。不符合正態分布的數據以中位數（四分位間距）[M（Q1，Q3）]表示，采用Mann-Whitney"U檢驗進行統計學分析。計數資料用例數（百分率）[n（%）]表示，采用χ2檢驗。在MRI各序列得到的紋理參數行單因素分析，將單因素分析有意義的變量進二元Logistic回歸分析以探討特征值與淋巴結轉移狀態之間的關聯，并繪制受試者操作特征（receiver"operating"characteristic，ROC）曲線，計算ROC曲線下面積（area"under"curve，AUC），Plt;0.05為差異有統計學意義。

2""結果

2.1""一般資料比較

入組的IDC患者共139例，其中85例無ALN轉移。54例ALN轉移。患者的臨床病理特征及其與ALN狀態的關系見表1。兩組患者年齡、腫瘤最大徑、是否絕經、病理等級、雌激素狀態、孕激素狀態及人表皮生長因子受體-2狀態比較，差異均無統計學意義（Pgt;0.05）。

2.2""紋理參數單因素分析

單因素分析中，在T2WI所繪制ROI得到的偏度、DCE-MRI序列得到的均值以及熵值在小病灶乳腺癌ALN狀態間差異有統計學意義（P均lt;0.001），見表2及圖1。

2.3""多因素分析及ROC曲線分析

對篩選的參數進行多因素分析，T2WI偏度P值=0.004，比值比（odd"ratio，OR）為1.859，95%CI：0.819～"0.918；DCE-MRI熵值P=0.001，OR=2.940，95%CI：1.560～4.923。多因素分析后，取T2WI偏度及DCE-MRI熵值組合獲得最佳預測模型，AUC值約為0.769。ROC曲線分析結果見圖2。

3""討論

本研究基于多參數MRI圖像利用TA來預測小病灶IDC腋窩淋巴結狀態。結果表明，DCE-MRI序列（注射對比劑后第二階段）所繪ROI得到的熵值及平均值，T2WI序列得到的偏度在無ALN轉移組及ALN轉移組之間差異有統計學意義，相較而言DCE-MRI序列所得熵值預測效果優于其他參數。

在最近的乳腺腫瘤病灶紋理分析研究中，熵是最常用和最有效的紋理特征之一，可以幫助預測分子亞型及ki-67狀態，并且評估治療反應[7-9]。本研究從病灶DCE-MRI序列獲得的熵值可以較好預測腫瘤ALN的狀態，這一結果與之前的研究相符[10-11]。雖然DCE-MRI有多個掃描時相，但其預測性能的最佳增強時期選擇仍不明確。與Song等[12]和Zhu等[13]的研究相似，本研究選擇DCE-MRI的第2期（60～120"s），以更好地捕捉腫瘤異質性、侵襲性[14]，并可視化病變邊界[14-15]。由于IDC通常由多種成分組成，如癌巢、間質、腫瘤間纖維化或壞死、導管內成分等，因此存在放射學異質性[6]。ROI內的熵值可以量化圖像的復雜性，熵值越高提示病灶內的異質性越強，更易發生淋巴結轉移。

同樣是熵值，在T2WI及DWI序列獲得的熵值，兩組差異無統計學意義（Pgt;0.05）。這可能是與ROI的范圍有關。已有研究表明腫瘤邊緣的新生血管和淋巴管越密集，腫瘤淋巴結轉移傾向越高，在影像學研究中表現為瘤周區域[16-18]。既往研究報道了乳腺癌瘤周的放射學特征可以評價前哨淋巴結的狀態[19]。DWI圖像由于腫瘤邊界不清晰，本研究發現在DWI圖像上所繪制的ROI相對較小，這使得在一定程度上沒有包含腫瘤邊緣及瘤周區域。T2WI則由于瘤周水腫使得ROI范圍較DCE-MRI偏大，且因為本研究入組的均為小病灶乳腺癌，病灶直徑本身就偏小，ROI可能會包含更多的瘤周水腫區以外的成分從而影響實驗結果。對于其他的特征參數，峰度用來測量觀測值的極端程度，偏度用來測量分布的不對稱性。本研究中T2WI的偏度及DCE-MRI的均值同樣有一定的預測效能，與之前的研究存在一定的差異，這些差異可能是由于分析方法的不同。

在過去的十年，基于MRI的腫瘤放射學分析已經能較好的預測ALN轉移狀態。然而，大多數此類研究或是對入組的病灶大小沒有限制，或是僅僅剔除了個別相對較大的病灶，在此基礎上得出預測模型。而既往研究結果一致表明ALN轉移與腫瘤直徑存在顯著相關性[20]。隨著腫瘤直徑從10mm增加到25"mm，"ALN轉移的發生率從11%增加到36%[21-23]。部分較小的乳腺癌病灶可能在單純的影像學形態上未展現其明顯的侵襲性，從而影響臨床對其治療及預后的準確判斷。因此更需要對該類患者借助圖像處理技術，將醫學圖像的灰度轉換成圖像紋理信息進行表達，發現更多潛在有用的信息，對臨床診療提供參考。

本研究存在一些局限性，首先，本研究為單個中心回顧性研究，患者總數相對較少，可能會產生一定的選擇偏差。其次，本研究提取的特征是在層切片上，用該值代表整個病灶，而真正的紋理分析依賴于三維各向同性圖像采集，所以本研究的結果值得做進一步的比較。此外，本研究發現小病灶乳腺癌在一定程度上也在預測中表現出較好的性能，還需要對大樣本量進行進一步的證實。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1] SIEGEL"R"L，"MILLER"K"D，"JEMAL"A."Cancer"statistics，"2020"[J]."CA"J，"2020，"70（1）："7–30.

[2] PARK"G"E，"KIM"S"H，"KIM"E"J，"et"al."Histogram"analysis"of"volume-based"apparent"diffusion"coefficient"in"breast"cancer[J]."Acta"Radiol，"2017，"58（11）："1294–1302.

[3] QIU"P"F，"LIU"J"J，"WANG"Y"S，"et"al."Risk"factors"for"sentinel"lymph"node"metastasis"and"validation"study"of"the"MSKCC"nomogram"in"breast"cancer"patients[J]."Jap"J"Clin"Oncol，"2012，"42（11）："1002–1007.

[4] CHANG"J"M，"LEUNG"J"W"T，"MOY"L，"et"al."Axillary"nodal"evaluation"in"breast"cancer："State"of"the"art[J]."Radiology，"2020，"295（3）："500–515.

[5] RENAUDEAU"C，"LEFEBVRE-LACOEUILLE"C，"CAMPION"L，"et"al."Evaluation"of"sentinel"lymph"node"biopsy"after"previous"breast"surgery"for"breast"cancer："GATA"study[J]."Breast"（Edinburgh，"Scotland），"2016，"28："54–59.

[6] HENDERSON"S，"PURDIE"C，"MICHIE"C，"et"al."Interim"heterogeneity"changesnbsp;measured"using"entropy"texture"features"on"T2-weighted"MRI"at"3.0T"are"associated"with"pathological"response"to"neoadjuvant"chemotherapy"in"primary"breast"cancer[J]."Eur"Radiol，"2017，"27（11）："4602–4611.

[7] SUN"X，"HE"B，"LUO"X，"et"al."Preliminary"study"on"molecular"subtypes"of"breast"cancer"based"on"magnetic"resonance"imaging"texture"analysis[J]."J"Computer"assist"Tomography，"2018，"42（4）："531–535.

[8] HE"X，"ZHOU"J，"YE"S，"et"al."Differences"in"tumour"heterogeneity"based"on"dynamic"contrast-enhanced"MRI"between"tumour"and"peritumoural"stroma"for"predicting"Ki-67"status"of"invasive"ductal"carcinoma[J]."Clin"Radiol，"2021，"76（6）："470.

[9] BRAMAN"N"M，"ETESAMI"M，"PRASANNA"P，"et"al."Intratumoral"and"peritumoral"radiomics"for"the"pretreatment"prediction"of"pathological"complete"response"to"neoadjuvant"chemotherapy"based"on"breast"DCE-"MRI[J]."Breast"Cancer"Rese，"2017，"19（1）："57.

[10] 吳佳芮."MRI紋理分析在乳腺癌腋窩淋巴結轉移預測中的應用[J]."醫學信息，"2020，"33（23）："157–159.

[11] 文潔，"王猛，"劉周，"等."基于MRI放射組學模型預測乳腺癌腋窩淋巴結轉移狀態的初步研究[J]."現代腫瘤醫學，"2023，"31（3）："506–512.

[12] SONG"D，"YANG"F，"ZHANG"Y，"et"al."Dynamic"contrast-enhanced"MRI"radiomics"nomogram"for"predicting"axillary"lymph"node"metastasis"in"breast"cancer[J]."Cancer"Imaging，"2022，"22（1）："17.

[13] ZHU"Y，"YANG"L，"SHEN"H."Value"of"the"application"of"CE-MRI"radiomics"and"machine"learning"in"preoperative"prediction"of"sentinel"lymph"node"metastasis"in"breastnbsp;cancer[J]."Fronti"Oncol，"2021，"11："757111.

[14] TERUEL"J"R，"HELDAHL"M"G，"GOA"P"E，"et"al."Dynamic"contrast-enhanced"MRI"texture"analysis"for"pretreatment"prediction"of"clinical"and"pathological"response"to"neoadjuvant"chemotherapy"in"patients"with"locally"advanced"breast"cancer[J]."NMR"Biomed，"2014，"27（8）："887–896.

[15] CHATTERJI"M，"MERCADO"C"L，"MOY"L."Optimizing"1.5-Tesla"and"3-Tesla"dynamic"contrast-enhanced"magnetic"resonance"imaging"of"the"breasts[J]."Magnet"Resonance"Imaging"Clin"North"Am，"2010，"18（2）："207–224.

[16] KIM"S"A，"CHO"N，"RYU"E"B，"et"al."Background"parenchymal"signal"enhancement"ratio"at"preoperative"MR"imaging："Association"with"subsequent"local"recurrence"in"patients"with"ductal"carcinoma"in"situ"after"breast"conservation"surgery[J]."Radiology，"2014，"270（3）："699–707.

[17] AHN"S"G，"LEE"H"M，"CHO"S"H，"et"al."The"difference"in"prognostic"factors"between"early"recurrence"and"late"recurrence"in"estrogen"receptor-positive"breast"cancer："nodal"stage"differently"impacts"early"and"late"recurrence[J]."PLoS"One，"2013，"8（5）："e63510.

[18] 張暉，"單春輝，"王勇."磁共振動態對比增強及擴散加權成像技術在診斷和預估乳腺癌復發中的價值"[J]."磁共振成像，"2017，"8（11）："827–833.

[19] LIU"C，"DING"J，"SPUHLER"K，"et"al."Preoperative"prediction"of"sentinel"lymph"node"metastasis"in"breast"cancer"by"radiomic"signatures"from"dynamic"contrast-"enhanced"MRI[J]."J"MRI，"2019，"49（1）："131–140.

[20] 陳潔文，"李姣，"馬微妹，"等."早期浸潤性乳腺癌腋窩淋巴結轉移與術前MRI及臨床病理特征的相關性分析[J]."中國臨床醫學影像雜志，"2020，"31（9）："618–623.

[21] PESEK"S，"ASHIKAGA"T，"KRAG"L"E，"et"al."The"1-negative"rate"of"sentinel"node"biopsy"in"patients"with"breast"cancer："A"Meta-analysis[J]."World"J"Surgery，"2012，"36（9）："2239–2251.

[22] SILVERSTEIN"M"J，"SKINNER"K"A，"LOMIS"T"J."Predicting"axillary"nodal"positivity"in"2282"patients"with"breast"carcinoma"[J]."World"J"Surgery，"2001，"25（6）："767–772.

[23] CHEN"S"T，"LAI"H"W，"CHANG"J"H，"et"al."Diagnostic"accuracy"of"pre-operative"breast"magnetic"resonance"imaging"（MRI）"in"predicting"axillary"lymph"node"metastasis："variations"in"intrinsic"subtypes，"and"strategy"to"improve"negative"predictive"value-an"analysis"of"2473"invasive"breast"cancer"patients[J]."Breast"Cancer，"2023，"30（6）："976–985.

（收稿日期：2024–04–15）

（修回日期：2024–06–12）