， ZG ， ZG ，

(Department of MRI, People's Hospital of Xinzhou, Xinzhou 034000, China)

動(dòng)態(tài)對(duì)比增強(qiáng)MRI(dynamic contrast enhancement MRI, DCE-MRI)檢查乳腺病變的價(jià)值已得到臨床普遍認(rèn)可，其診斷敏感度很高，能早期發(fā)現(xiàn)病灶，但特異度波動(dòng)較大，可能造成誤診[1-3]。DWI可通過(guò)探測(cè)水分子微觀運(yùn)動(dòng)反映病變情況，能有效配合乳腺動(dòng)態(tài)增強(qiáng)掃描[4]。然而，體內(nèi)水分子擴(kuò)散運(yùn)動(dòng)受細(xì)胞密度和組織微觀結(jié)構(gòu)的影響，且取決于體素內(nèi)微循環(huán)灌注和擴(kuò)散異質(zhì)性，傳統(tǒng)單指數(shù)模型DWI不能完全真實(shí)反映組織擴(kuò)散的生物學(xué)特征。有學(xué)者[5-6]提出應(yīng)用拉伸指數(shù)模型DWI測(cè)得的體素內(nèi)擴(kuò)散率更接近活體組織水分子的擴(kuò)散異質(zhì)性和多區(qū)間性，可反映水分子運(yùn)動(dòng)在微環(huán)境區(qū)間內(nèi)連續(xù)分布的擴(kuò)散情況。本研究探討拉伸指數(shù)模型DWI診斷良惡性乳腺病變的價(jià)值。

1 資料與方法

1.1 一般資料 回顧性分析2014年3月—2015年3月于我院接受乳腺M(fèi)R檢查且經(jīng)手術(shù)病理證實(shí)的58例乳腺疾病患者的資料，患者均為女性，年齡27～68歲，平均(46.8±8.7)歲；共63個(gè)病灶，其中惡性病灶30個(gè)(包括浸潤(rùn)性導(dǎo)管癌27個(gè)、導(dǎo)管原位癌3個(gè))，良性病灶33個(gè)(包括纖維腺瘤20個(gè)、炎癥6個(gè)、導(dǎo)管內(nèi)乳頭狀瘤4個(gè)、腺病3個(gè))。所有患者M(jìn)R檢查前均無(wú)手術(shù)或放化療治療史。

1.2 儀器與方法 采用GE Signa HDxt 3.0T超導(dǎo)型MR掃描儀，乳腺相控陣表面線圈，頭先進(jìn)，囑患者俯臥，充分暴露雙側(cè)乳腺，使之自然下垂，雙臂置于頭兩側(cè)。MR掃描序列包括T1W、脂肪抑制T2W、常規(guī)DWI、拉伸指數(shù)模型多b值DWI及DCE-MRI。多b值DWI參數(shù)：選擇0、10、20、30、50、100、200、400、600、800、1 000和1 200 s/mm2共12個(gè)b值，擴(kuò)散敏感梯度場(chǎng)施加方向?yàn)?個(gè)，TR 2 500 ms，TE 27.5ms，F(xiàn)OV 32 cm×32 cm，矩陣128×128，層厚4 mm，層間距1 mm。DCE-MRI采用Vibrant-Flex技術(shù)，共掃描10期(1期增強(qiáng)前蒙片和9期增強(qiáng)掃描)，TR 4.4 ms，TE 1.8 ms，F(xiàn)A 10°，F(xiàn)OV 32 cm×32 cm，矩陣320×320，層厚2 mm，對(duì)比劑使用釓噴酸葡胺，劑量為 0.2 mmol/kg體質(zhì)量。

1.3 圖像后處理 將原始數(shù)據(jù)傳至GE AW 4.4工作站，通過(guò)Functool工具包后處理得到ADC、擴(kuò)散分布指數(shù)(distributed diffusion coefficient， DDC)和擴(kuò)散異質(zhì)性指數(shù)(α)偽彩圖。在DWI原始圖上選取最大病灶層面手動(dòng)勾畫(huà)ROI，避開(kāi)囊變壞死區(qū)，測(cè)量3次，取平均值。相應(yīng)地，在動(dòng)態(tài)增強(qiáng)圖像中繪制病變區(qū)ROI的時(shí)間—信號(hào)強(qiáng)度曲線(time-intensity curve, TIC)，分為Ⅰ型(上升型)、Ⅱ型(速升平臺(tái)型)或Ⅲ型(流出型)[7]。

1.4 統(tǒng)計(jì)學(xué)方法 采用SPSS 19.0統(tǒng)計(jì)分析軟件。計(jì)量資料以±s表示，計(jì)數(shù)資料用百分比表示。乳腺良惡性病變間計(jì)量資料比較采用兩獨(dú)立樣本t檢驗(yàn)，計(jì)數(shù)資料比較采用χ2檢驗(yàn)或Fisher精確檢驗(yàn)。繪制各參數(shù)ROC曲線，計(jì)算AUC，并確定各參數(shù)診斷乳腺良惡性病變的臨界值。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 各模型DWI參數(shù)及TIC曲線類(lèi)型的比較 乳腺惡性病變的DDC、α、ADC值均低于良性病變(P均<0.01)。惡性病變以Ⅲ型曲線多見(jiàn)，良性病變以Ⅰ型曲線多見(jiàn)(表1，圖1～3)。

2.2 鑒別乳腺良惡性病變的效能 以ADC值1.20×10-3mm2/s、DDC值1.22×10-3mm2/s、α值0.830、TIC Ⅱ型和Ⅲ型曲線為臨界值診斷乳腺惡性病變的敏感度、特異度及AUC見(jiàn)表2、圖4。

3 討論

DWI和DCE-MRI均為臨床MR乳腺檢查廣泛應(yīng)用的技術(shù)[8-9]。由于乳腺惡性腫瘤的新生腫瘤血管及動(dòng)靜脈畸形，使對(duì)比劑快速流入并流出，故其TIC多為Ⅲ型流出曲線，也有部分病灶為Ⅱ型速升平臺(tái)曲線；而良性病變內(nèi)纖維間隔較多，對(duì)比劑進(jìn)入病灶較慢，常表現(xiàn)為病灶持續(xù)強(qiáng)化，即Ⅰ型上升曲線。BI-BADS分類(lèi)中將流出型和速升平臺(tái)型曲線視為提示惡性的指標(biāo)[10-11]。本研究以此標(biāo)準(zhǔn)診斷乳腺病變，敏感度高而特異度略低，與部分良性病灶血供較豐富有關(guān)——炎癥或腺病也可表現(xiàn)為Ⅱ型曲線。研究[7,12-13]表明，乳腺良惡性病變?cè)冖蛐颓€有所重疊，故用DCE-MRI診斷乳腺癌時(shí)應(yīng)慎重，必要時(shí)應(yīng)結(jié)合DWI參數(shù)對(duì)病灶進(jìn)行定量分析。

表1 乳腺良惡性病變各模型DWI參數(shù)及TIC類(lèi)型比較

表2 各模型DWI參數(shù)及TIC診斷乳腺良惡性病變的效能

圖1 DWI各參數(shù)在乳腺良惡性病變中分布的箱式圖 A.ADC值； B.DDC值； C.α值

圖2 患者女，42歲，乳腺浸潤(rùn)性導(dǎo)管癌 A.增強(qiáng)圖像示右乳內(nèi)側(cè)近胸壁不規(guī)則環(huán)形強(qiáng)化； B.TIC曲線為Ⅲ型； C.在DWI原始圖像勾畫(huà)ROI； D.ADC值偽彩圖，ADC值為0.881×10-3 mm2/s； E.DDC值偽彩圖，DDC值為0.793×10-3 mm2/s； F.α值偽彩圖，α值為0.747

圖3 患者女，37歲，乳腺纖維腺瘤 A.增強(qiáng)圖像示右乳內(nèi)下象限類(lèi)圓形強(qiáng)化； B.TIC曲線為Ⅰ型； C.在DWI原始圖像勾畫(huà)ROI； D.ADC值偽彩圖，ADC值為1.80×10-3 mm2/s； E.DDC值偽彩圖，DDC值為1.84×10-3 mm2/s； E.α值偽彩圖，α值為0.935

圖4 各模型參數(shù)及TIC診斷乳腺良惡性病變的ROC曲線圖

常規(guī)DWI使用單指數(shù)模型來(lái)描述水分子擴(kuò)散運(yùn)動(dòng)中的信號(hào)衰減，可以得出每個(gè)體素區(qū)的ADC值。與良性病變相比，惡性腫瘤的細(xì)胞密度更大，限制了水分子擴(kuò)散，使ADC值有所降低[14-15]，本研究結(jié)果與之相符。然而，組織內(nèi)信號(hào)衰減不僅由于水分子擴(kuò)散運(yùn)動(dòng)，還受體素內(nèi)微循環(huán)血流灌注和擴(kuò)散不均勻性的影響。在細(xì)胞層面微觀結(jié)構(gòu)的影響下，水分子擴(kuò)散運(yùn)動(dòng)更加復(fù)雜，尤其腫瘤組織的細(xì)胞異型性和新生血管不規(guī)則紆曲走行，導(dǎo)致微觀結(jié)構(gòu)更加復(fù)雜，使單指數(shù)模型無(wú)法準(zhǔn)確描述水分子擴(kuò)散的信號(hào)衰減，需要采用其他模型來(lái)描述水分子擴(kuò)散運(yùn)動(dòng)的復(fù)雜性。

Le Bihan等[16]提出了體素內(nèi)不相干運(yùn)動(dòng)(intravoxel incoherent motion, IVIM)模型。假設(shè)活體組織內(nèi)存在血管內(nèi)、外兩種擴(kuò)散成分，可計(jì)算反映擴(kuò)散和灌注的相應(yīng)參數(shù)，其局限性在于其人為將體素內(nèi)擴(kuò)散分為快速和慢速兩種，且兩者不交換。為克服IVIM模型的局限性，Bennett等[5]引入了拉伸指數(shù)模型定量計(jì)算擴(kuò)散系數(shù)，拉伸指數(shù)模型數(shù)學(xué)公式為：S(b)/S0=exp{-(b×DDC)α}，其中DDC為分布擴(kuò)散系數(shù)，代表體素內(nèi)平均擴(kuò)散率，可認(rèn)為是多指數(shù)衰減成分組成的1個(gè)ADC值分布的加權(quán)和，能更準(zhǔn)確地在目前的多參數(shù)模型中描述組織擴(kuò)散；α是拉伸指數(shù)模型引入的一種全新參數(shù)，可反映體素內(nèi)異質(zhì)性，范圍為0～1，當(dāng)α=1時(shí)DDC實(shí)際等于ADC，表明體素內(nèi)擴(kuò)散均勻，相當(dāng)于單指數(shù)信號(hào)衰減，α越趨近于0，表明體素內(nèi)擴(kuò)散異質(zhì)性越高，代表復(fù)雜的多指數(shù)信號(hào)衰減。

目前僅有將拉伸指數(shù)模型DWI應(yīng)用于膠質(zhì)瘤分級(jí)診斷的研究報(bào)道[6]。本研究將拉伸指數(shù)模型DWI技術(shù)應(yīng)用于乳腺病變，發(fā)現(xiàn)乳腺良惡性病變之間DDC和α有顯著差異；以DDC≤1.22×10-3mm2/s診斷乳腺癌，敏感度為96.67%，特異度為81.82%。類(lèi)似于ADC，DDC也與細(xì)胞密度呈負(fù)相關(guān)[6]。惡性病變?chǔ)林低瑯拥陀诹夹圆∽?，以α?.830診斷乳腺癌，其敏感度為83.33%，特異度為75.76%。這反映出乳腺癌體素內(nèi)擴(kuò)散異質(zhì)性比高于良性病變大，主要是由于惡性腫瘤組織內(nèi)有大量紆曲的新生血管，較小囊變和壞死出現(xiàn)，體素內(nèi)具有不同質(zhì)子池的成分增多，使α減低[17]。利用ROC曲線評(píng)估ADC、DDC和α以及TIC曲線類(lèi)型的診斷效能，DDC的診斷效能高于ADC、α以及TIC。將DDC與α聯(lián)合診斷，AUC可提高至0.971；聯(lián)合使用TIC與DDC，診斷能力更高，AUC達(dá)0.976，敏感度和特異度分別為93.33%和93.94%。

總之，拉伸指數(shù)模型參數(shù)DDC、α能區(qū)分乳腺良惡性病變，分布擴(kuò)散系數(shù)DDC值較傳統(tǒng)ADC值診斷效能更強(qiáng)；DDC與DCE-MRI聯(lián)合，可彌補(bǔ)DCE-MRI特異度不足的缺陷。

[參考文獻(xiàn)]

[1] Pinker K, Bickel H, Helbich TH, et al. Combined contrast-enhanced magnetic resonance and diffusion-weighted imaging reading adapted to the "Breast Imaging Reporting and Data System" for multiparametric 3-T imaging of breast lesions. Eur Radiol, 2013,23(7):1791-1802.

[2] Partridge SC, Stone KM, Strigel RM, et al. Breast DCE-MRI: Influence of post contrast timing on automated lesion kinetics assessments and discrimination of benign and malignant lesions. Acad Radiol, 2014,21(9):1195-1203.

[3] Pickles MD, Lowry M, Manton DJ, et al. Prognostic value of DCE-MRI in breast cancer patients undergoing neoadjuvant chemotherapy: A comparison with traditional survival indicators. Eur Radiol, 2015,25(4):1097-1106.

[4] Brandao AC, Lehman CD, Partridge SC. Breast magnetic resonance imaging:Diffusion-weighted imaging. Magn Reson Imaging Clin N Am, 2013,21(2):321-336.

[5] Bennett KM, Schmainda KM, Bennett RT, et al.Characterization of continuously distributed cortical water diffusion rates with a stretched-exponential model. Magn Reson Med, 2003,50(4):727-734.

[6] Kwee TC, Galban CJ, Tsien C, et al. Comparison of apparent diffusion coefficients and distributed diffusion coefficients in high-grade gliomas. J Magn Reson Imaging, 2010,31(3):531-537.

[7] American College of Radiology. Breast imaging reporting and data system, breast imaging atlas. Reston:American College of Radiology, 2013.

[8] Yi A, Cho N, Im SA, et al.Survival outcomes of breast cancer patients who receive neoadjuvant chemotherapy: Association with dynamic contrast-enhanced MR imaging with computer-aided evaluation. Radiology, 2013,268(3):662-672.

[9] Ho JS, Rahmat K, Alli K, et al. Primary breast osteosarcoma: Dynamic contrast-enhanced magnetic resonance imaging, proton spectroscopy and diffusion weighted imaging findings. Ann Acad Med Singapore, 2012,41(10):473-475.

[10] Kuhl CK, Mielcareck P, Klaschik S, et al. Dynamic breast MR imaging: Are signal intensity time course data useful for differential diagnosis of enhancing lesions? Radiology, 1999,211(1):101-110.

[11] Heller SL, Moy L, Lavianlivi S, et al. Differentiation of malignant and benign breast lesions using magnetization transfer imaging and dynamic contrast-enhanced MRI. J Magn Reson Imaging, 2013,37(1):138-145.

[12] 趙金麗,管海濤,李敏達(dá),等.MR動(dòng)態(tài)增強(qiáng)掃描結(jié)合T2WI*首過(guò)灌注成像診斷乳腺腫瘤的價(jià)值.磁共振成像,2014,4(1):54-59.

[13] 周純武,趙莉蕓,李靜.磁共振成像在乳腺疾病的應(yīng)用及進(jìn)展.磁共振成像,2014,5(增刊):56-61.

[14] Costantini M, Belli P, Rinaldi P, et al. Diffusion-weighted imaging in breast cancer: Relationship between apparent diffusion coefficient and tumour aggressiveness. Clin Radiol, 2010,65(12):1005-1012.

[15] 賀延莉,靳二虎,馬大慶,等.ADC值測(cè)量對(duì)不同病理類(lèi)型乳腺癌的診斷價(jià)值.臨床放射學(xué)雜志,2009,28(8):1082-1085.

[16] Le Bihan D, Breton E, Lallemand D, et al. MR imaging of intravoxel incoherent motions: Application to diffusion and perfusion in neurologic disorders. Radiology, 1986,161(2):401-407.

[17] Bennett KM, Hyde JS, Rand SD, et al. Intravoxel distribution of DWI decay rates reveals C6 glioma invasion in rat brain. Magn Reson Med, 2004,52(5):994-1004.