胡利平 文慶怡
乳腺動(dòng)態(tài)增強(qiáng)磁共振成像成為乳腺癌檢查的主要方法,它不僅提供清晰的圖像,反映病變的形態(tài)學(xué)特征,而且能夠通過圖像后處理軟件得到有價(jià)值的參數(shù),用于良惡性病變的診斷及鑒別診斷[1]。本文通過對MRI動(dòng)態(tài)增強(qiáng)時(shí)間-信號曲線(time-signal intensity curve,TIC)的Slope值與彌散加權(quán)成像的表觀彌散系數(shù)(apparent diffusion coefficient,ADC)值進(jìn)行定量分析,評估對乳腺良、惡性病變的診斷價(jià)值。
回顧分析2017年9月至2018年9月在我院乳腺外科首次診治的女性乳腺疾病患者,入組標(biāo)準(zhǔn)為:乳腺M(fèi)RI檢查前未行乳腺穿刺、活檢等有創(chuàng)檢查;所有患者在MRI檢查一周內(nèi)行乳腺手術(shù),并在后期獲得完整病理資料。最后入組病例62例,年齡22~65歲,中位年齡45歲。所有患者均行磁共振平掃及增強(qiáng)掃描、彌散加權(quán)成像序列掃描,數(shù)據(jù)經(jīng)后處理軟件分析、處理。
采用philips 3.0T磁共振,應(yīng)用8通道雙側(cè)乳腺專用相控表面線圈,患者取俯臥位,雙側(cè)乳腺自然懸垂于線圈的雙孔內(nèi),在肘靜脈建立靜脈通道。①常規(guī)橫軸位、矢狀位采用SE系列T1WI及脂肪抑制T2WI。平掃后再對乳腺進(jìn)行橫斷位動(dòng)態(tài)掃描,動(dòng)態(tài)增強(qiáng)掃描采用脂肪抑制序列,TR 3.6 ms,TE 1.83 ms,反轉(zhuǎn)角度12°,矩陣236×289,層厚1.0 mm,層間距0 mm,F(xiàn)OV 260×317,預(yù)掃描蒙片滿意后,高壓注射器給藥與掃描同時(shí)進(jìn)行,注射造影劑采用釓噴酸葡胺(Gd-DTpA,拜耳)15 ml,0.1 mmol/kg,流速 2.5 ml/s;連續(xù)掃描8期,每期63.5s,掃描時(shí)間約8~9 min。②DWI序列采用單次激發(fā)自旋平面回波系列,擴(kuò)散敏感系數(shù)b值﹦1 000 s/mm2,TR 6473 ms,TE 79 ms,層厚4.5 mm,層間距0.5 mm,矩陣120×156,NEX=2。
由兩名高年資MRI診斷醫(yī)師在不知道病理結(jié)果情況下,利用ADW4.3后處理工作站對圖像數(shù)據(jù)進(jìn)行處理,選擇圖像上病灶強(qiáng)化最明顯區(qū)域作為興趣區(qū),選取時(shí)應(yīng)盡量避開肉眼可辨別的血管及出血、壞死、囊變、的區(qū)域,興趣區(qū)面積為10 mm×10 mm,病灶小于此面積時(shí)應(yīng)縮小興趣區(qū)范圍,通過對TIC曲線進(jìn)行計(jì)算,獲得病灶強(qiáng)化上升階段的最大線性斜率(Slope)值=(Slpost-Slpre)/ΔTime,Slpost、Slpre為信號上升幅度最大的掃描周期內(nèi)的最高信號強(qiáng)度及最低信號強(qiáng)度、ΔTime為Slpost、Slpre相對應(yīng)的時(shí)間差。參照增強(qiáng)掃描圖像,在擴(kuò)散加權(quán)圖像上取病灶實(shí)性區(qū)測量ADC值,測量3次并取平均值,興趣區(qū)面積不小于3 mm2。
應(yīng)用SPSS 17.0統(tǒng)計(jì)軟件數(shù)據(jù)進(jìn)行分析、處理,記錄乳腺良、惡性病灶Slope均值及ADC值,以Slope均值及ADC值為變量行獨(dú)立樣本t檢驗(yàn)觀察其在良惡性病灶中分布差異,如樣本不符合正態(tài)分布則選用兩獨(dú)立樣本比較的Wilcoxon秩和檢驗(yàn)。以病理結(jié)果為金標(biāo)準(zhǔn),繪制ROC曲線評價(jià)兩者的診斷效能,以P<0.05判斷有統(tǒng)計(jì)學(xué)意義。
62例患者均行手術(shù)獲得乳腺病灶62個(gè),其中良性病灶22個(gè)(其中纖維腺瘤14個(gè),纖維囊性增生3個(gè)、導(dǎo)管內(nèi)乳頭狀瘤5個(gè)),惡性病灶40個(gè)(其中浸潤性導(dǎo)管癌28個(gè),浸潤性小葉癌8個(gè),腺樣囊腺癌2個(gè),粘液癌2個(gè))。乳腺良性病灶以“流入型”曲線即Ⅰ型曲線(13/22)多見,惡性病灶則多為“流出型”曲線即Ⅲ型曲線(23/40),“平臺型”曲線即Ⅱ型曲線中兩組病灶出現(xiàn)重疊,見表1。
表1 乳腺良惡性病灶TIC類型
對乳腺良、惡性病灶Slope值及ADC值兩變量進(jìn)行正態(tài)分布檢驗(yàn),兩變量均符合正態(tài)分布(P>0.05),采用獨(dú)立樣本t檢驗(yàn),乳腺惡性病變組的Slope值顯著高于良性病變組(P<0.05),而惡性病變組的ADC值則明顯低于良性病變組(P<0.05)(表2);以Slope值>1.52 的病灶評估為惡性,其評估敏感度為89.6%,特異度為77.6%,ROC曲線下面積分別為0.81;以ADC值<1.05 為惡性病灶判斷標(biāo)準(zhǔn),評估敏感度為79.8%,特異度為71.3%,ROC曲線下面積分別為0.77(表3)。
表2 乳腺良惡性病灶Slope值和ADC值比較
表3 各參數(shù)對良惡性乳腺病變的診斷能力/%
乳腺癌是血運(yùn)豐富的腫瘤性疾病,瘤灶內(nèi)微血管的生成對其生長起到直著至關(guān)重要的作用。動(dòng)態(tài)增強(qiáng)掃描的應(yīng)用基礎(chǔ)主要是:乳腺癌腫瘤血管的生成、微血管密度的增加、腫瘤毛細(xì)血管的通透性的增加和乳腺癌組織細(xì)胞外間隙的增大[2-3]。乳腺癌磁共振增強(qiáng)掃描即可出現(xiàn)顯著的強(qiáng)化,為了快速的對乳腺病灶做出良惡、性的鑒別,我們參考Kuhl等[4]標(biāo)準(zhǔn),將TIC曲線分為I型流入型、Ⅱ型平臺型、Ⅲ型流出型,以I型曲線為良性、Ⅲ型曲線為惡性病變?yōu)榕袛鄻?biāo)準(zhǔn)具有較高的診斷價(jià)值,但Ⅱ型曲線良惡性均可出現(xiàn),此時(shí)需要我們對TIC曲線進(jìn)行定量或半定量的進(jìn)一步研究,Slope為TIC曲線中上升最為陡峭的一段增強(qiáng)斜率值,能反映癌灶內(nèi)對比劑濃度的變化,從而反映血管的通透性及組織的血流灌注[5],大多數(shù)乳腺良性病灶內(nèi)微血管密度、毛細(xì)血管通透性等不如乳腺癌,所以早期強(qiáng)化速率明顯弱于后者,Slope能很好的反映腫瘤血管的特征,對病灶的診斷具有重要作用;國內(nèi)外許多學(xué)者對Slope進(jìn)行研究[6-7],受制于計(jì)算方法、掃描設(shè)備、入組患者樣本等不同,各家得出的Slope值有所差異,但均得出乳腺癌Slope值明顯大于良性病變這一判斷。本組病變中乳腺良惡性病灶Slope有著明顯統(tǒng)計(jì)學(xué)差異。以Slope值為1.52對乳腺病灶良惡性進(jìn)行判斷,其敏感性為89.6%,特異性為77.6 %,ROC曲線下面積分別為0.81,本研究結(jié)果顯示Slope值在對乳腺病變良惡性的診斷中具有較高的價(jià)值。
彌散加權(quán)成像是能夠觀察活體水分子微觀擴(kuò)散運(yùn)動(dòng)的成像方法,并通過對測量的ADC值進(jìn)行分析進(jìn)而對病變性質(zhì)進(jìn)行推測[8];惡性腫瘤細(xì)胞繁殖旺盛,細(xì)胞密度增高,細(xì)胞外容積減少,同時(shí)細(xì)胞膜的限制和大分子物質(zhì)如蛋白質(zhì)對水分子的吸附作用增強(qiáng),這些綜合因素阻止限制了惡性腫瘤內(nèi)水分子的有效運(yùn)動(dòng),從而使得ADC值明顯下降。本組病例研究顯示乳腺癌ADC值明顯小于良性病變組,二者比較具有顯著的差異,與郭勇[9]報(bào)道接近;設(shè)定ADC值為1.05×10-3mm2/s為良惡性病灶診斷閾值,其敏感性為79.8.%,特異性為71.3 %,ROC曲線下面積分別為0.77。
研究中,我們發(fā)現(xiàn)2例乳腺粘液癌其Slope值分別為1.28及1.41,TIC曲線表現(xiàn)也表現(xiàn)為I型,究其原因由于瘤體內(nèi)含有大量的黏液成分,致使增強(qiáng)對比劑滲入緩慢,故其強(qiáng)化特征表現(xiàn)為緩慢的漸進(jìn)性強(qiáng)化[10];2例病灶A(yù)DC值分別為1.42×10-3mm2/s、1.51×10-3mm2/s,因其黏液基質(zhì)的存在,使得ADC值不降反升,但結(jié)合T2WI壓脂序列高亮信號這一特點(diǎn),對病灶鑒別至關(guān)重要。
乳腺磁共振影像中形態(tài)學(xué)診斷是我們的基本手段,但往往具有部分主觀因素,結(jié)合定量和半定量參數(shù)對資料進(jìn)行分析將是有益的補(bǔ)充,Slope值和ADC值在乳腺良、惡性病灶的鑒別中有統(tǒng)計(jì)學(xué)意義,均具有較高價(jià)值價(jià)值,Slope值的診斷效能略高于ADC值,對于少數(shù)的良惡性病變診斷,還必需結(jié)和其它序列綜合分析,以作出正確診斷。