袁玉山，張 楊，彭 彬，張娜娜，胡獻(xiàn)闊

（安徽省阜陽(yáng)市人民醫(yī)院醫(yī)學(xué)影像科，安徽 阜陽(yáng) 236000）

乳腺癌是異質(zhì)性很高的惡性腫瘤，居女性惡性腫瘤致死率前列。根據(jù)2011 年St.Gallen 共識(shí)，結(jié)合免疫組化中ER、PR、Ki-67 及Her-2 的狀態(tài)，可將乳腺癌分為4 種分子分型，即Luminal A 型、Luminal B型、Her-2 過(guò)表達(dá)型及Basal-like 基底樣型，臨床常根據(jù)患者的分子分型確定治療方案［1］。Basal-like 基底樣型乳腺癌常行化療，Her-2 過(guò)表達(dá)型乳腺癌在化療的同時(shí)還需抗Her-2 治療［2］。本研究嘗試分析Her-2過(guò)表達(dá)型乳腺癌和Basal-like 基底樣型乳腺癌DWI參數(shù)的差異，探討DWI 定量值鑒別診斷兩類(lèi)乳腺癌的可行性。

1 資料與方法

1.1 一般資料 收集2015—2018 年在我院行乳腺M(fèi)RI 檢查的乳腺癌74 例，均為女性，年齡（47.52±7.1）歲；均經(jīng)病理結(jié)果證實(shí)，74 例中Her-2 過(guò)表達(dá)型43 例，Basal-Like 基底樣型31 例。MRI 檢查前未行其他治療，剔除MRI 圖像存在嚴(yán)重偽影者，且DWI均在增強(qiáng)掃描前完成。本研究經(jīng)我院倫理委員會(huì)通過(guò)，所有患者均簽署MRI 檢查知情同意書(shū)。

1.2 儀器與方法 采用Philips Ingenia CX 3.0 T超導(dǎo)型MRI 掃描儀和乳腺專(zhuān)用8 通道相控陣線圈?；颊哳^先進(jìn)，取俯臥位，雙乳自然下垂。DWI 參數(shù)：TR 2 486 ms，TE 71.9 ms，b 值取800 s/mm2，層厚4.0 mm，層距1 mm，間隔10%，F(xiàn)OV 320 mm×320 mm，矩陣256×224。

1.3 圖像后處理 由2 位經(jīng)驗(yàn)豐富的放射科主治醫(yī)師在不知道免疫組化結(jié)果的前提下，參考乳腺影像報(bào)告和數(shù)據(jù)系統(tǒng)，在DWI 圖像上測(cè)量ADC 值，獲得直方圖參數(shù)：①ADC 值的測(cè)量，避開(kāi)壞死、囊變、出血區(qū)及正常腺體組織，選取3 個(gè)ROI，獲得3 個(gè)ADC值，取平均值。②直方圖參數(shù)根據(jù)ADC 圖像中獲取的ROI 位置和大小，在相應(yīng)的DWI 圖像上勾畫(huà)出ROI，通過(guò)Matlab 軟件實(shí)現(xiàn)3 個(gè)ROI 的融合操作，計(jì)算融合ROI 的灰度直方圖分布。ADC 圖與DWI 圖像的ROI 應(yīng)為同一層面、同一位置、相同大小和形狀。

1.4 統(tǒng)計(jì)學(xué)分析 采用SPSS 19.0 統(tǒng)計(jì)軟件進(jìn)行分析。2 種分子分型乳腺癌的ADC 值與直方圖參數(shù)比較行非參數(shù)Mann-Whitney 檢驗(yàn)，以P＜0.05 為差異有統(tǒng)計(jì)學(xué)意義；對(duì)差異有統(tǒng)計(jì)學(xué)意義的定量參數(shù)采用ROC 曲線分析其對(duì)兩類(lèi)乳腺癌的鑒別敏感度和特異度，曲線下面積＞0.7 以上認(rèn)為對(duì)2 類(lèi)乳腺癌的鑒別診斷有一定的敏感度和特異度。最后，基于直方圖參數(shù)，建立Logistic 回歸模型嘗試實(shí)現(xiàn)對(duì)2 種基因分型乳腺癌的鑒別診斷。

2 結(jié)果

74 例中2 種分子分型乳腺癌患者的年齡、患側(cè)及病理結(jié)果差異均無(wú)統(tǒng)計(jì)學(xué)意義（均P＞0.05）。

表1 患者基本信息

2 種分子分型乳腺癌的DWI 和ADC 圖見(jiàn)圖1，2，腫瘤區(qū)域在DWI 圖上呈高信號(hào)，在ADC 圖上呈稍低信號(hào)。

2 種分子分型乳腺癌的ADC 與DWI 直方圖參數(shù)的Mann-Whitney 檢驗(yàn)及ROC 曲線分析見(jiàn)表2，圖3，4。ADC 值在Her-2 過(guò)表達(dá)型與Basal-Like 基底樣型乳腺癌中差異有統(tǒng)計(jì)學(xué)意義（P＜0.01），ROC 曲線分析顯示ADC 值鑒別兩類(lèi)乳腺癌的敏感度和特異度較低（AUC=0.66）。

在DWI 8 個(gè)直方圖參數(shù)中，灰度最小值、最大值、平均值、峰度、能量及熵值在2 種基因類(lèi)型乳腺癌種差異均有統(tǒng)計(jì)學(xué)意義（均P＜0.05），ROC 曲線下面積分析顯示灰度最小值對(duì)2 類(lèi)乳腺癌的鑒別診斷能力最高（P＜0.01，AUC=0.87）。

基于直方圖建立的Logistic 回歸分析對(duì)兩類(lèi)乳腺癌的鑒別診斷準(zhǔn)確率為83.78%（62/74），其中對(duì)Her-2 過(guò)表達(dá)型乳腺癌的診斷準(zhǔn)確率為86.05%（37/43），對(duì)Basal-Like 基底樣型診斷準(zhǔn)確率為80.65%（25/31）。Logistic 預(yù)測(cè)概率的AUC 為0.88（圖5）。

圖1 女，45 歲，Her-2 過(guò)表達(dá)型乳腺癌 圖1a，1b 分別為DWI 圖及ADC 圖，紅色不規(guī)則區(qū)域?yàn)槟[瘤ROI 圖1c DWI 直方圖來(lái)自DWI 圖像的紅色不規(guī)則區(qū)域 圖2 女，57 歲，Basal-Like 基底樣型乳腺癌 圖2a，2b 分別為DWI 圖及ADC 圖，紅色不規(guī)則區(qū)域?yàn)槟[瘤ROI 圖2c DWI直方圖來(lái)自DWI 圖像的紅色不規(guī)則區(qū)域

表2 2 種分子分型乳腺癌ADC 值及DWI 直方圖參數(shù)的非參數(shù)Mann-Whitney 檢驗(yàn)及ROC 曲線分析（±s）

表2 2 種分子分型乳腺癌ADC 值及DWI 直方圖參數(shù)的非參數(shù)Mann-Whitney 檢驗(yàn)及ROC 曲線分析（±s）

圖3 ADC 值的ROC 曲線分析 圖4 DWI 直方圖的ROC 曲線分析 圖5 Logistic 回歸分析預(yù)測(cè)概率的ROC 曲線分析

3 討論

3.1 乳腺癌的分子分型 乳腺癌是常見(jiàn)的女性惡性腫瘤之一，手術(shù)是其主要治療方法之一，其他的輔助治療方法包括化療、內(nèi)分泌治療、放療及生物靶向治療等［3］。乳腺癌的分子分型是臨床確定治療方案的重要指標(biāo)，也是判斷患者預(yù)后的重要因素。根據(jù)2011年St.Gallen 專(zhuān)家共識(shí)，乳腺癌4 種分子分型中，Lumianl A 和Luminal B 型的大部分患者適合進(jìn)行內(nèi)分泌治療，部分Luminal B 型乳腺癌內(nèi)分泌治療時(shí)應(yīng)進(jìn)行化學(xué)治療，相較于其他類(lèi)型乳腺癌，Luminal型復(fù)發(fā)及轉(zhuǎn)移風(fēng)險(xiǎn)較低［1-2］。

Basal-like 型乳腺癌是發(fā)生率較低的乳腺癌分子分型，需進(jìn)行化療；Her-2 過(guò)表達(dá)型乳腺癌在化療同時(shí)還需行抗Her-2 治療。

3.2 DWI 在乳腺癌中的應(yīng)用 MRI 因其較高的軟組織對(duì)比度及多種成像模式已成為除超聲外的乳腺疾病常用的檢查方式。腫瘤區(qū)域內(nèi)部由于微血管、細(xì)胞等的變化而引起的微環(huán)境的改變會(huì)導(dǎo)致水分子在腫瘤組織內(nèi)部彌散受限，因此惡性腫瘤原發(fā)灶及轉(zhuǎn)移灶在DWI 上均呈明顯高信號(hào)。張海燕等［4］的研究發(fā)現(xiàn)，ADC 值判斷Her-2 過(guò)表達(dá)型乳腺癌新輔助化療早期療效具有可行性，敏感度和特異度均較高。張悅等［5］對(duì)比了不同b 值的DWI 圖像的ADC 參數(shù)，結(jié)果發(fā)現(xiàn)，ADC 值與乳腺癌部分預(yù)后因子表達(dá)狀態(tài)及不同分子亞型具有相關(guān)性，且行乳腺DWI 檢查時(shí)b值選擇800 s/mm2為佳。劉鴻利等［6］發(fā)現(xiàn)不同ADC參數(shù)和乳腺癌分子分型有明顯相關(guān)性，Her-2 陽(yáng)性組ADC 參數(shù)值均高于其他組。以上研究證實(shí)ADC 值可實(shí)現(xiàn)對(duì)不同分子分型乳腺癌的鑒別診斷。

直方圖分析方法已嘗試被用于乳腺癌的分子分型研究［7］；Choi 等［8］將直方圖分析應(yīng)用于三陰型乳腺癌與雌激素受體（ER）陽(yáng)性乳腺癌的對(duì)比分析中，ADC直方圖分析顯示三陰型乳腺癌的ADC 峰度高于ER陽(yáng)性的乳腺癌；研究［9］還發(fā)現(xiàn)ADC 直方圖分析通過(guò)提供額外的定量參數(shù)，對(duì)乳腺良性病變和惡性腫瘤的鑒別診斷具有重要價(jià)值。

本研究基于DWI 圖像得到腫瘤的ADC 值和直方圖，結(jié)果發(fā)現(xiàn)，相較于ADC 值對(duì)Her-2 過(guò)表達(dá)性乳腺癌與Basal-Like 型乳腺癌的鑒別診斷能力（P＜0.01，AUC=0.66），DWI 圖像腫瘤ROI 區(qū)域的直方圖參數(shù)表現(xiàn)出更好的鑒別診斷能力，在所有參與分析的8 個(gè)直方圖參數(shù)中，DWI 圖像灰度最小值表現(xiàn)出最好的鑒別診斷能力（P＜0.01，AUC=0.87）。

這一研究結(jié)果表明，直方圖參數(shù)可量化評(píng)價(jià)乳腺惡性腫瘤的不同分子分型，Her-2 過(guò)表達(dá)型比Basal-Like 基底樣型乳腺癌有著更高的腫瘤異質(zhì)性。

3.3 Logistic 回歸分析對(duì)乳腺癌的鑒別診斷 Logistic 回歸分析常被用于實(shí)現(xiàn)兩類(lèi)或多類(lèi)樣本的分類(lèi)分析［10］。在本研究中，基于DWI 得到的8 個(gè)直方圖參數(shù)建立的Logistic 回歸模型嘗試對(duì)Her-2 過(guò)表達(dá)型乳腺癌與Basal-like 型乳腺癌進(jìn)行分類(lèi)分析，結(jié)果顯示，線性回歸分析結(jié)合直方圖參數(shù)可實(shí)現(xiàn)對(duì)兩類(lèi)乳腺癌分子分型的分類(lèi)鑒別，分類(lèi)準(zhǔn)確率為83.78%，AUC 為0.88，可見(jiàn)Logistic 回歸分析結(jié)合定量化參數(shù)具備乳腺癌分子分型的分類(lèi)鑒別能力。

綜上所述，DWI 的ADC 參數(shù)及腫瘤ROI 區(qū)域的直方圖參數(shù)可實(shí)現(xiàn)對(duì)Her-2 過(guò)表達(dá)型與Basal-Like基底樣型乳腺癌的鑒別診斷，有望成為鑒別診斷乳腺癌分子分型的無(wú)創(chuàng)工具和輔助手段。