磁共振傳統參數與表觀擴散系數圖影像組學對乳腺癌化療效果及復發的評價

【摘要】 目的 探討磁共振（magnetic resonance imaging，MRI）傳統參數與表觀擴散系數（apparent diffusion coefficient，ADC）圖影像組學對乳腺癌化療效果及復發的評價效果。方法 選取2018年3月—2021年3月福建中醫藥大學附屬第二人民醫院收治的100例乳腺癌化療患者進行回顧性分析，所有患者均在化療前及化療6個周期后進行常規MRI檢查和ADC圖影像組學分析，研究MRI傳統參數與ADC圖影像組學對乳腺癌復發的判斷效能。結果 100例患者化療前后MRI診斷腫塊形狀、

邊緣、時間-信號強度（time-signalintensitycurve，TIC）曲線、皮膚受侵情況對比，差異無統計學意義（P＞0.05）；100例患者化療前后MRI診斷內部強化、最大徑、腋窩淋巴結受侵情況對比，差異有統計學意義（P＜0.05）；100例乳腺癌患者化療前后ADC第90位百分數、第10位百分數、熵、能量、均值、最大值、最小值、中位數、平方根、極差、總能量、均勻性和偏度對比，差異有統計學意義（P＜0.05）。100例患者經2年隨訪，失訪2例，失訪率為2%；以病理學診斷為金標準，復發24例，MRI傳統參數診斷為復發27例，ADC圖影像組學診斷為復發25例。MRI傳統參數判斷乳腺癌復發的靈敏度為75.00%，特異度為87.84%；ADC圖像組學的靈敏度為91.67%，特異度為95.95%。結論 乳腺癌患者化療前后提取的ADC圖像主要特征

能夠對患者進行早期診斷與化療治療效果評價。與常規MRI圖像特征相比，ADC圖像組學在乳腺癌復發診斷中靈敏度與特異度更高。

【關鍵詞】 磁共振；表觀擴散系數；圖影像組學；乳腺癌；化療

文章編號：1672-1721（2024）24-0036-04 " " 文獻標志碼：A " " 中國圖書分類號：R737.9

乳腺癌是女性中較常見和致命的疾病，約占所有女性腫瘤疾病數量的30%[1]。隨著生活壓力增大，乳腺癌發病率逐漸有年輕化和逐年增高的趨勢。由于乳腺內血液供應和淋巴管的復雜性和多樣性，且周圍容易發生遠處轉移和組織浸潤，許多患者在發現乳腺癌時，常常已失去手術機會?；熥鳛槿橄侔┑挠行е委煼椒?，近年來逐步廣泛用于乳腺癌手術前后的治療，以減少腫瘤體積和周圍組織浸潤。有研究表明[2]，23%的乳腺癌患者接受乳腺癌化療治療，以實現乳腺保護的目標。然而，不是所有化療對乳腺癌患者均能產生良好療效，臨床上約30%的患者對化療缺乏敏感性，甚至出現病灶負面發展現象，推遲了患者的手術時間，甚至不能采取手術治療。因此，尋找一種更有效的方法來預測化療的治療效果，對于合理制定治療方案具有重要價值。目前臨床對乳腺癌的診斷與預后判斷多使用體格檢查、超聲、乳腺X射線攝影、MRI以及病理診斷等，不同的診斷方法存在各自的優勢、劣勢。MRI在評估化療效果方面具有獨特優勢，對于乳腺X射線攝影難以診斷的致密性乳腺癌，能夠清晰區分惡性組織和正常組織，更準確地評估殘留病灶[3]。ADC圖影像組學目前已經廣泛應用于腫瘤預測、確定前哨淋巴結、腫瘤治療效果判斷等方面，但尚未有影像組學的方法判斷乳腺癌化療前后的相關報告[4]。本研究選取2018年3月—2021年3月福建中醫藥大學附屬第二人民醫院收治的100例乳腺癌化療患者進行回顧性分析，探討MRI傳統參數與ADC圖影像組學對乳腺癌化療效果及復發的評價，報告如下。

1 資料與方法

1.1 一般資料

選取2018年3月—2021年3月福建中醫藥大學附屬第二人民醫院收治的100例乳腺癌化療患者進行回顧性分析，患者年齡38～70歲，平均（57.35±5.08）歲。所有患者均于化療前及化療6個周期后行常規MRI檢查，乳腺癌新輔助化療治療后行乳腺癌改良根治術，取得的標本均行病理檢查。本研究經醫院醫學倫理委員會審查并通過。

1.2 入選標準

納入標準：病理活檢確診為乳腺癌[5]；患者基本信息及臨床資料完整，包括個人信息、化療方案，化療前后常規MRI檢查影像資料以及化療前后臨床診斷；初診乳腺癌患者；完成全部化療周期，并取得完整的病理結果；研究征得患者同意，患者簽署知情同意書。

排除標準：初診乳腺癌但存在遠處轉移者；以往有胸部反射治療史者；雙側乳腺均發生癌變病灶；存活期＜3個月者；合并嚴重的心、肝、腎等器官功能不全者；依從性差，無法配合者；MRI檢查禁忌者。

1.3 方法

MRI檢查：圖像采集采用西門子MAGNETOM Skyra 3.0T磁共振和4通道胸部相控陣線圈。囑患者取俯臥位，常規掃描軸位、矢狀位和冠狀位圖像后，反轉恢復序列（short time in version recovery，STIR）（TR 4 300 ms，TE 61.0 ms，切割厚度4 mm，FOV 340 mm×340 mm）和軸位三維閃光序列T1（TR 6.05 ms，TE 2.46 ms，層厚1.3 mm，FOV 240 mm×340 mm）。DCE MRI序列完成后，在后期，軸向壓縮脂肪T1序列（Tr 8.75 ms，Te 4.33 ms，椎間盤厚度0.9 mm，FOV 340 mm×340 mm），常規軸位T2序列（Tr 4 500 ms，Te 79 ms，椎間盤厚度4.0 mm，FOV 340 mm×340 mm）。

DCE MRI掃描：根據T1軸向三維壓縮序列（Tr 4.67 ms，Te 1.66 ms，椎間盤厚度1.3 mm，視野360 mm×360 mm），時間為52 s。使用高壓注射器以1.5 mL/s的速率經肘靜脈彈丸注射Gd-dtpa造影劑。注射造影劑90 s后，在T1圖像測量患者腫瘤最大直徑，標記腋窩淋巴結和皮膚。記錄相關數據腫瘤的形狀（橢圓形、圓形、不規則）、邊緣（不清晰、清晰）和內部增強特征（均勻、不均勻、邊緣增強）。在西門子支持的后處理工作站上，使用平均曲線功能選擇大多數腫瘤并繪制感興趣區域（region of interest，ROI），以獲得TIC曲線。并將TIC分為Ⅰ型（增量型）、Ⅱ型（平臺型）、Ⅲ型（輸出型）。

ADC圖影像組學分析：所有患者的影像學資料，均由2名從事乳腺疾病10年以上閱片經驗的副主任醫師分析。若出現異議，則共同商量并達成一致。應用3D Slicer軟件（version 4.11.20200930）進行分析。先將患者治療前核磁共振動態增強掃描第三期導入，由于該期增強血管與組織分界較清楚，逐層手動繪出腫瘤的邊界即ROI，逐層繪制，避免繪入周圍正常乳腺組織和周圍血管。人工手動分割所提取的病灶區可作為“金標準”。如果碰到多病灶，則選擇較大的病灶繪制。繪制完成后，將增強掃描的區域復制到該患者同次的ADC圖像上。然后以同樣的方法繪制該患者化療后的圖像。對所有分割完成以后的ADC圖像進行歸一化預處理后，使用3D Slicer軟件中帶有的Radiomics工具進行影像組學特征提取，包括形態學參數、一階直方圖特征等。

1.4 觀察指標

以術中病理活檢作為金標準，分析化療前后MRI征象，進行2年隨訪，分析100例乳腺癌患者的化療效果顯示征象以及對復發診斷的特異度與靈敏度。

1.5 統計學方法

采用SPSS 23.0統計學軟件對本研究數據進行分析，計數資料以百分比表示，行χ2檢驗，符合正態分布的計量資料以x±s表示，行t檢驗，P＜0.05為差異有統計學意義。

2 結果

2.1 100例乳腺癌患者一般資料分析

收集并分析100例乳腺癌患者的一般資料，見表1。

2.2 100例乳腺癌患者治療前后MRI參數對比

100例患者化療前后MRI診斷腫塊形狀、邊緣、TIC曲線、皮膚受侵情況對比，差異無統計學意義（P＞0.05）；100例患者化療前后MRI診斷內部強化、最大徑、腋窩淋巴結受侵情況對比，差異有統計學意義（P＜0.05），見表2。

2.3 100例乳腺癌患者治療前后ADC直方圖一階參數對比

100例乳腺癌患者化療前后ADC第90位百分數、第10位百分數、熵、能量、均值、最大值、最小值、中位數、平方根、極差、總能量、均勻性和偏度對比，差異有統計學意義（P＜0.05），見表3。

2.4 MRI傳統參數與ADC圖影像組學對乳腺癌復發的判斷效能分析

100例患者經2年隨訪，失訪2例，失訪率為2%；以病理學診斷為金標準，復發24例，MRI傳統參數診斷為復發27例，ADC圖影像組學診斷為復發25例。MRI傳統參數判斷乳腺癌復發的靈敏度為75.00%，特異度為87.84%；ADC圖像組學的靈敏度為91.67%，特異度為95.95%，見表4。

3 討論

由于計算機技術的發展，醫學圖像分析、大數據、人工智能以及機器學習的技術進步，使影像組學得以發展。影像組學的概念最早由荷蘭學者Lambin于2012年提出，是指從影像（超聲、X射線、CT、MRI、正電子發射型計算機斷層顯像等）之中提取患者腫瘤與周邊組織的實體信息，從而對腫瘤與非腫瘤進行區分，提取其影像學特征，隨后建立模型后，對大量數據進行挖掘、預測與分析，輔助臨床醫師對患者的病情進行判斷[6]。以往從常規的影像學圖片上所提取出的圖像特征，包含肉眼能夠識別的病灶體積、大小以及形狀。區分其與周邊組織的不同特征，還能夠觀察到肉眼難以觀察到的高階特征和紋理特征。應用大數據進行建模后，開發出能夠對疾病進行診斷和預后預測的影像組學模型，對患者疾病進行臨床評估，為臨床治療提供參考意見。

本研究結果顯示，100例患者化療前后MRI診斷腫塊形狀、邊緣、TIC曲線、皮膚受侵情況對比，差異無統計學意義（P＞0.05）；100例患者化療前后MRI診斷內部強化、最大徑、腋窩淋巴結受侵情況對比，差異有統計學意義（P＜0.05），提示MRI傳統參數在一定程度上可反映乳腺癌化療的治療效果。分析原因，MRI的高空間分辨率可以更好地反映病變的形態特征。MRI對檢測尤其對多中心和多中心病變具有較高的靈敏度。乳腺癌患者不存在電離輻射。動態增強磁共振成像（DCE-MRI）靜脈注射后，磁共振成像在一定時間間隔內連續采集多相圖像。擴散加權成像通過水分子在細胞內外運動的微觀變化來反映組織的形態和生理狀態[7]。乳腺MRI對乳腺微小殘留病變的診斷具有重要價值，分析腫瘤的大小、形態、邊界、分布、放大和淋巴結轉移情況，有助于觀察乳腺癌新輔助化療術后腫瘤的形態學和血流動力學變化。100例乳腺癌患者化療前后ADC第90位百分數、第10位百分數、熵、能量、均值、最大值、最小值、中位數、平方根、極差、總能量、均勻性和偏度對比，差異有統計學意義（P＜0.05），提示采取ADC圖影像組學可以判斷乳腺癌化療效果。100例患者經2年隨訪，失訪2例，失訪率為2%；以病理學診斷為金標準，復發24例，MRI傳統參數診斷為復發27例，ADC圖影像組學診斷為復發25例。MRI傳統參數判斷乳腺癌復發的靈敏度為75.00%，特異度為87.84%；ADC圖像組學的靈敏度為91.67%，特異度為95.95%。上述結果表明，與常規MRI圖像特征相比，ADC圖像組學在乳腺癌復發診斷中靈敏度與特異度更高。乳腺癌治療后原腫瘤區域的細胞密度繼續下降，ADC值呈上升趨勢。直方圖負偏差表示分布集中在右側，分布方向相反。癌細胞密度較高，其擴散受限制。以往的研究顯示[8]，ADC直方圖對紋理參數進行分析，可識別肌瘤和肉瘤，發現圖像的灰度分布不均勻，紋理復雜度增加，能量值降低，熵增加。在本研究中，乳腺癌治療前的能量、熵和總能量值均高于治療后，這可能是由于癌細胞分布不均勻所致。治療后由于壞死纖維化的細胞和癌細胞變得較為復雜，導致能量和熵值降低[9]。磁共振成像僅獨立評價水分子代謝情況和水平、腫瘤細胞血運等情況，從而對患者進行早期診斷與評價放化療治療效果。有研究發現[10]，單純MRI檢查難以從全方位的分析乳腺癌化療前后的療效，與本研究結果相符。以往的研究表明[11]，ADC與化療前的治療反應呈負相關。高ADC與組織壞死有關，如缺氧、酸性環境和灌注不足。這可能是腫瘤對治療產生耐藥性的原因。因此，深入研究乳腺癌的發病機制以及不同生物學結構對治療反應的影響具有重要意義。

乳腺癌患者化療前后提取的ADC圖像主要特征能夠作為乳腺癌輔助化療效果的評價指標。與常規MRI圖像特征相比，影像組學在乳腺癌復發診斷中靈敏度與特異度更高。本研究不可避免存在一些局限性。本研究為回顧性研究，所有的影像學資料均來自以往病例，且為單中心醫學研究，數據樣本量有限，抽樣誤差的可能性較大。需增加病例，通過前瞻性、多中心和獨立驗證隊列，進一步評估ADC圖像組學對乳腺癌的預后判斷價值。

參考文獻

[1] 王卓，吳祺，王花麗，等.人工智能技術在乳腺癌病理診斷中的應用進展[J].現代腫瘤醫學，2023，31（1）：174-177.

[2] KERR A J，DODWELL D，MCGALE P，et al.Adjuvant and neoadjuvant breast cancer treatments：a systematic review of their effects on mortality[J].Cancer Treat Rev，2022（105）：102375.

[3] 馮海霞，顧龍，安麗華，等.體素內不相干運動聯合動態對比增強磁共振成像對乳腺癌HER-2基因表達的診斷價值[J].臨床放射學雜志，2022，41（8）：1432-1437.

[4] 王志遠，俞茜.小視野Focus-DWI技術對乳腺癌應用價值的評價[J].海南醫學，2023，34（3）：388-391.

[5] 中國抗癌協會乳腺癌專業委員會.中國抗癌協會乳腺癌診治指南與規范（2015版）[J].中國癌癥雜志，2015，25（9）：692-754.

[6] 田甜，云昊，王山，等.乳腺癌腫瘤全域的表觀擴散系數信號強度直方圖與病理分期的關系及對復發的預測價值[J].中國CT和MRI雜志，2023，21（2）：98-101.

[7] 任慧鵬，范晴，王曉虎，等.高級擴散加權成像比單指數DWI在鑒別移行帶前列腺癌與前列腺增生的優勢[J].磁共振成像，2020，11

（7）：552-556.

[8] 賀英，劉曉娟，王靜，等.MRI ADC直方圖在子宮內膜癌診斷及腫瘤浸潤評估中的應用[J].影像科學與光化學，2022，40（5）：1093-1097.

[9] 賀春燕，吉茹，劉兵.平掃MRI和DCE-MRI對乳腺癌新輔助化療療效的預測價值比較[J].中國臨床醫學影像雜志，2023，34（1）：24-27，32.

[10] 江雅惠，胡仲任，周巧麗.胃腸道間質瘤的MRI影像學分析及其表觀彌散系數圖像對腫瘤良惡性鑒別診斷的前瞻性研究[J].分子影像學雜志，2023，46（1）：78-82.

[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.

（編輯：肖宇琦）