弥散加权成像模型鉴别乳腺良恶性病变

阮惠萍，何慕真

(福建医科大学省立临床医学院 福建省立医院放射科，福建 福州 350013)

MRI在诊断乳腺病变及其分期和预后随访中具有重要作用。基于不同b值的弥散加权成像(diffusion weighted imaging, DWI)模型，包括单指数模型、体素内不相干运动(intravoxel incoherent motion， IVIM)和弥散峰度成像(diffusional kurtosis imaging， DKI)模型等，对于鉴别肝脏、前列腺、甲状腺及脑肿瘤均有一定价值。本研究观察DWI单指数模型、IVIM与DKI模型鉴别诊断乳腺良、恶性病变的效能。

1 资料与方法

1.1 一般资料 分析2019年6月—2020年10月福建省立医院收治的202例患者、215个疑诊乳腺恶性病变(超声或乳腺X线BI-RADS 4A、4B、4C或5类)。纳入标准：①MR检查前未接受穿刺活检、放射治疗及化学治疗等；②无MR检查禁忌证；③活检或手术病理资料完整。排除标准：①病灶实性部分过小，无法勾画ROI；②图像质量差。

1.2 仪器与方法 采用Siemens MAGNETOM Prisma 3.0T MR仪，配备18通道双侧乳腺专用相控表面线圈，行乳腺扫描。嘱患者俯卧，使双侧乳腺自然悬垂于线圈双孔内。行T1W和双侧乳腺快速反转恢复(turbo inversion recovery magnitude，TIRM)序列扫描后，采集多b值DWI，参数：TR 5 700 ms，TE 62 ms，层厚4 mm，层数35，带宽2 024 Hz/Px，FOV 340 mm×60 mm，矩阵114×190，b=0、30、50、80、120、160、200、500、1 000、1 500及2 000 s/mm2，扫描时间5 min 8 s。

1.3 数据分析 于Siemens工作站(body diffusion toolbox)对图像进行后处理，分别获得单指数模型、IVIM和DKI模型相关参数图。单指数模型：选择b=0和1 000 s/mm2进行计算，获得表观弥散系数(apparent diffusion coefficient, ADC)。IVIM模型：选择0、30、50、80、120、160、200、500和1 000 s/mm2共9个b值，采用经典两步计算法，获得灌注分数(perfusion fraction， FP)、真实弥散系数(diffusion coefficient， D)和灌注相关弥散系数(perfusion-diffusion coefficient， DP)。DKI模型：选择5个高b值(0、500、1 000、1 500和2 000 s/mm2)进行计算，获得平均峰度(mean kurtosis， K)和平均弥散率(mean diffusivity， D)。

由具有10年和2年乳腺影像学诊断经验的主治及住院医师各1名分别阅片，于b=1 000 s/mm2的显示病灶实性成分最大层面ADC图上避开明显坏死、囊变、液化区域勾画30～172 mm2的ROI，并将ROI复制到其他参数图同层面相同位置上获得其他相应参数；所有参数均测量2次，取平均值。

1.4 统计学分析 采用SPSS v22.0统计分析软件和R软件(3.6.0)。分别以Shapiro-Wilk检验及Levene方差检验进行正态性及方差齐性分析。以±s表示符合正态分布的计量资料，行两独立样本t检验；以中位数(上下四分位数)描述不符合正态分布者，行Mann-WhitneyU检验。以组内相关系数(intraclass correlation coefficient， ICC)分析同名医师2次测量及不同医师首次测量各参数结果的一致性：ICC≥0.75为一致性好，0.50≤ICC<0.75为一致性一般，ICC<0.5为一致性差。将单因素分析结果显示P<0.10的变量纳入多因素逐步logistic回归分析，保留统计结果P<0.10的参数，建立最佳联合模型。以病理结果为金标准，采用受试者工作特征(receiver operating characteristic， ROC)曲线，计算曲线下面积(area under the curve, AUC)，评估各参数及联合模型鉴别乳腺肿瘤良恶性的效能；以DeLong检验比较其差异。P<0.05为差异有统计学意义。

2 结果

202例患者均为女性。良性组54例，年龄28～62岁，平均(43.8±9.2)岁；包括63个病灶，其中15个腺病，45个纤维腺瘤，3个脓肿。恶性组148例，年龄27～80岁，平均(52.1±11.0)岁；包括152个病灶，其中135个浸润性导管癌(图1)，16个导管原位癌，1个腺样囊腺癌。组间年龄差异有统计学意义(t=-4.93，P<0.01)。

2.1 良、恶性组间各参数比较 同名医师2次测量IVIM-FP(ICC=0.68)和不同医师首次测量IVIM-FP及IVIM-DP(ICC均=0.72)的一致性一般，同名医师2次测量及不同医师首次测量其余参数结果的一致性好(ICC均≥0.75)。良、恶性组ADC、IVIM-D、DKI-K、DKI-D差异均有统计学意义(P均<0.001)，见表1。

2.2 单参数及联合参数的诊断效能 逐步logistic回归分析显示，ADC的OR值为2.61×10-5[95%CI(5.81×10-6,1.17×10-4)，P<0.01]，DKI-K的OR值为0.35[95%CI(0.19,0.65)，P=0.09]，据此建立ADC+DKI-K联合模型。

ROC曲线(图2)显示，单一参数中，ADC鉴别乳腺良、恶性病变的AUC为0.92，取0.98 μm2/ms为临界值时，其诊断敏感度、特异度和准确率最高，ADC的AUC高于DKI-K及IVIM-DP(Z=4.72、6.78，P均<0.01)，与IVIM-D、DKI-D差异无统计学意义(Z=0.64、1.34，P=0.52、0.18)；ADC+DKI-K联合模型的AUC为0.92，与ADC的AUC差异无统计学意义(Z=1.11，P=0.27)，见表2。

表1 乳腺良、恶性病变各参数比较[中位数(上下四分位数)]

表2 单参数及联合参数鉴别乳腺良、恶性病变的ROC曲线分析结果

图2 各参数鉴别乳腺病变良、恶性的ROC曲线

3 讨论

鉴别乳腺良、恶性病变时，乳腺X线摄影和超声检查的敏感度、特异度及准确率均低于MRI，尤其对于致密型乳腺[1-2]。DWI为MR功能成像之一，能分析活体组织水分子的布朗运动，间接反映组织细胞密集程度和细胞膜完整性，有利于提高鉴别乳腺良、恶性病变的准确性。

单指数模型仅以2个b值进行曲线拟合。以3.0T MR仪行乳腺扫描时，高b值一般设置为800～1 000 s/mm2，可获得较好的图像质量和较高的诊断价值[3]。本研究采用b值为0和1 000 s/mm2进行曲线拟合，结果显示，ADC鉴别乳腺良、恶性病灶的AUC为0.92，阈值为0.98 μm2/ms时，其诊断敏感度为91.45%，特异度为82.54%，准确率为88.84%。

IVIM模型中，b值较低时(≤200 s/mm2),组织弥散受微循环灌注影响；随b值逐渐升高,微循环灌注所占比例逐渐减小,可更真实地反映组织内的水分子扩散[4]，但过高的b值会导致图像信噪比明显降低，故IVIM模型中b值多设置0～1 000 s/mm2，且至少需4个不同b值，以获得IVIM模型的参数值[4-5]。本研究选取<1 000 s/mm2的9个b值获取的3个IVIM模型参数中，仅IVIM-D在乳腺良、恶性病变之间差异有统计学意义，有助于鉴别诊断。IVIM-D反映去除微循环灌注后真实的水分子扩散。本研究中恶性病变IVIM-D明显低于良性病变，与既往研究[6-8]结果相符。IVIM-FP代表体素内微循环灌注效应扩散占总体扩散效应的容积率，本研究良、恶性组间IVIM-FP差异无统计学意义，可能与IVIM-FP在不同观察者及不同设备间重复性较差有关[9]。IVIM-DP代表体素内微循环灌注相关弥散运动，易受邻近结构及运动伪影影响，多数研究[6-7,10]认为乳腺良、恶性肿瘤间IVIM-DP差异无统计学意义，本研究结果与之一致。

传统DWI模型中，水分子弥遵循高斯分布；b值过高(>1 000 s/mm2)时，水分子扩散呈非高斯分布，此时DKI模型更有利于评估病灶的水分子扩散情况[11-12]。NOGUEIRA等[11]提出DKI模型需包含高b值(2 000～3 000 s/mm2)。本研究良、恶性组间DKI-D和DKI-K差异均有统计学意义，与既往研究[12-14]结果相似。DKI-D是各个方向弥散系数的均值，可避免组织结构对弥散的影响和微循环内血液的假性弥散效应。恶性肿瘤组织细胞增殖性强，细胞密集，细胞外水分子运动体积越小，水分子扩散运动受限越明显。DKI-K为各个方向峰度的均值，反映弥散的不均质性和受限程度，提示生物组织微观结构的复杂性[15]。乳腺恶性病变结构不均质，细胞密集程度高，间质血管增生，故其DKI-K显著高于良性病变[12-14]。

LI等[14]认为DKI-D及DKI-K与ADC鉴别乳腺良恶、性肿瘤的AUC均差异无统计学意义。本研究中，ADC鉴别乳腺病变良恶性的AUC高于DKI-K和IVIM-DP，与IVIM-D及DKI-D间差异无统计学意义，其诊断敏感度、特异度及准确率均较高，可能与ADC图信噪比及参数可重复性高有关；而VIM-D及DKI-D在逐步回归分析中被剔除，可能因其与ADC均反映水分子扩散，而DKI-K反映组织结构的复杂性。ADC+DKI-K联合模型的特异度及准确率稍高于ADC，但其AUC与ADC差异无统计学意义，提示联合参数扫描时间长、患者耐受性差，单参数模型的扫描时间短，后处理简便，更适用于临床应用。

本研究的局限性：①复制ADC图ROI至同层面同位置分析其他参数图，可能导致信噪比较差的像素值被纳入统计，导致IVIM及DKI图数据可重复性较差；②IVIM或DKI参数与乳腺癌预后因素之间的潜在相关性，如肿瘤大小、核分级、生物学标记及转移淋巴结等有待进一步观察。

总之，DWI单指数模型、IVIM和DKI模型对鉴别乳腺良、恶性病变均有较高诊断价值；DWI单参数中，ADC的诊断效能最佳，与联合参数模型相当。