單、雙指數(shù)模型擴散加權成像鑒別診斷乳腺良惡性病變的對比研究

何 杰 HE Jie

張 焱 ZHANG Yan

程敬亮 CHENG Jingliang

胡 瑛 HU Ying

王岸飛 WANG Anfei

宋承汝 SONG Chengru

單、雙指數(shù)模型擴散加權成像鑒別診斷乳腺良惡性病變的對比研究

何 杰 HE Jie

張 焱 ZHANG Yan

程敬亮 CHENG Jingliang

胡 瑛 HU Ying

王岸飛 WANG Anfei

宋承汝 SONG Chengru

目的比較單指數(shù)模型參數(shù)值與雙指數(shù)模型參數(shù)在乳腺良惡性病變鑒別診斷中的應用價值。資料與方法對48例（共57處病灶）行單指數(shù)擴散加權成像（DWI）檢查（b=0、800 s/mm2）和多指數(shù)DWI檢查（b=0、20、50、100、200、400、600、800、1000、1200、1500、2000 s/mm2）的乳腺病變患者資料進行分析，其中21例良性病變（23處病灶，良性組），27例惡性病變（34處病灶，惡性組）。以患者自身對側正常腺體作為對照（43處，對照組）比較3組的表觀擴散系數(shù)（ADC）值、慢速表觀擴散系數(shù)（Slow ADC）值、快速表觀擴散系數(shù)（Fast ADC）值及快速擴散成分所占比率（ffast）值，并比較各參數(shù)對乳腺良、惡性病變的診斷效能。結果3組間ADC值和Slow ADC值兩兩比較，差異均有統(tǒng)計學意義（t=4.40～13.41, P＜0.05）；良性組與惡性組、惡性組與對照組間ffast值差異有統(tǒng)計學意義（t=3.22、6.39, P＜0.05）。ADC、Slow ADC、Fast ADC及ffast的ROC曲線下面積分別為0.82、0.89、0.63、0.75。根據(jù)Youden指數(shù)確定最佳診斷切點值，其判斷乳腺良惡性病變的敏感度分別是82.35%、94.12%、41.18%、85.29%；特異度分別是82.61%、86.96%、78.26%、73.91%。結論單指數(shù)模型的參數(shù)ADC值和雙指數(shù)模型的參數(shù)Slow ADC值、ffast值均可以對乳腺良惡性病變進行鑒別診斷，其中Slow ADC的診斷效能最大。

乳腺腫瘤；磁共振成像；擴散加權成像；表觀擴散系數(shù)；診斷，鑒別

乳腺癌是女性最常見的惡性腫瘤之一，也是女性第二大癌癥死因[1]。因為乳腺良惡性病變的治療方案、手術方式的選擇及預后相差較大，所以乳腺癌的早期診斷非常重要。MRI在乳腺疾病檢查中廣泛使用，其中擴散加權成像（DWI）通過檢測活體組織內(nèi)部水分子的微觀運動反映病變情況，已廣泛應用于全身各系統(tǒng)的檢查。關于單指數(shù)表觀擴散系數(shù)（ADC）值對乳腺良惡性病變診斷的研究較多[2,3]，但單指數(shù)模型計算的ADC值不能完全體現(xiàn)組織的生理學行為，毛細血管內(nèi)血液微循環(huán)無規(guī)律灌注所致的“假擴散”也會對ADC值產(chǎn)生影響?；隗w素內(nèi)不相干運動（IVIM）理論的雙指數(shù)模型方法得到的定量參數(shù)，可以用于評價組織的ADC值和組織微血管灌注情況[4,5]，且不需要造影劑。但基于IVIM理論所得到的雙指數(shù)模型參數(shù)慢速表觀擴散系數(shù)（Slow ADC）值、快速表觀擴散系數(shù)（Fast ADC）值及快速擴散成分所占比率（ffast）值對鑒別乳腺良惡性病變價值的報道較少，缺乏其與傳統(tǒng)ADC值的對比研究。本研究分析48例乳腺疾病患者的單指數(shù)和雙指數(shù)DWI資料，旨在比較單、雙指數(shù)ADC在乳腺良惡性病變診斷中的應用價值。

1 資料與方法

1.1 研究對象 鄭州大學第一附屬醫(yī)院2012-10～2013-04經(jīng)影像學檢查及病理證實的48例（共57處病灶）乳腺病變患者，年齡21～72歲，中位年齡44歲。所有患者MRI檢查前均未接受治療，且于檢查后10 d內(nèi)行手術治療。48例中，21例良性病變（23處病灶，良性組），27例惡性病變（34處病灶，惡性組），具體病變類型見表1。排除5例雙側乳腺病變患者，以患者自身對側正常腺體作為對照組（43處）。本研究經(jīng)鄭州大學第一附屬醫(yī)院倫理委員會批準，所有患者均知情同意并簽署知情同意書。

表1 乳腺良惡性病變的病變類型構成

1.2 儀器與方法 采用GE Discovery MR750 3.0T MR儀，8通道乳腺專用相控線圈?；颊呷「┡P位，雙側乳腺自然懸垂于線圈孔內(nèi)，胸壁緊貼線圈，足頭位進入主磁場。掃描參數(shù)：MR平掃采用軸位快速梯度回波T1WI：TR 640 ms，TE 最小值，F(xiàn)OV 32 cm×32 cm，矩陣 512×512，層厚 4 mm，層間距 1 mm，激勵次數(shù)（NEX）1；軸位脂肪抑制快速自旋回波T2WI：TR 2587 ms，TE 85 ms，F(xiàn)OV 32 cm×32 cm，矩陣 512×512，層厚4 mm，層間距 1 mm，NEX 2；單b值DWI采用軸位單次激發(fā)自旋平面回波序列，b=0、800 s/mm2，TR 5600 ms，TE 最小值，F(xiàn)OV 32 cm×32 cm，重建矩陣256×256，層厚 4 mm，層間距 1 mm，NEX 6；多b值DWI采用軸位單次激發(fā)自旋平面回波序列，b=0、20、50、100、200、400、600、800、1000、1200、1500、2000 s/mm2，NEX=1、1、1、2、2、2、4、4、6、6、8、10，其余參數(shù)同單b值DWI。MR增強掃描采用軸位Vibrant壓脂序列，TR 3.9 ms，TE 1.7 ms，F(xiàn)OV 36 cm×36 cm，矩陣 512×512，層厚 1.4 mm，層間距 0。對比劑選用釓噴替酸葡甲胺，劑量 0.2 mmol/kg，用高壓注射器經(jīng)肘靜脈以2.0 ml/s團注，注射后追加10～20 ml生理鹽水沖管。

1.3 圖像后處理 在GE Advantage Windows 4.5工作站，應用Functool工具包對單指數(shù)DWI圖像和雙指數(shù)DWI圖像進行后處理。圖像分別導入工具包中的ADC和MADC軟件，結合DWI原始圖像在增強圖像上手工放置感興趣區(qū)（ROI）和對側腺體的對照區(qū)。ROI的選取原則為，將ROI放置于病灶最大平面上，選取增強最明顯處，盡量避開病變壞死或囊變區(qū)。軟件通過進行單指數(shù)和雙指數(shù)模型計算分別生成ADC、Slow ADC、fast ADC及ffast偽彩圖，并得到ROI相應參數(shù)的數(shù)值，所有數(shù)據(jù)均測量3次取平均值。

1.4 統(tǒng)計學方法 采用SPSS 17.0軟件，良性組、惡性組與對照組間ADC值、Slow ADC值、Fast ADC值及ffast值比較采用單因素方差分析，兩兩比較采用LSD法；并繪制單、雙指數(shù)模型ADC值、Slow ADC值、Fast ADC值及ffast值的ROC曲線，P＜0.05表示差異有統(tǒng)計學意義。

2 結果

2.1 組間各參數(shù)值比較 惡性組（圖1）乳腺病變最大徑為（14.65±6.62）mm，良性組（圖2）最大徑為（13.35±6.79）mm。良性組與惡性組、良性組與對照組、惡性組與對照組間ADC值和Slow ADC值差異均有統(tǒng)計學意義（t=4.40～13.41, P＜0.05）；良性組與惡性組、惡性組與對照組間ffast值差異有統(tǒng)計學意義（t=3.22、6.39, P＜0.05）。見表2。

2.2 診斷效能評估 繪制ADC、Slow ADC、FastADC及ffast的ROC曲線（圖3），其曲線下面積（AUC）分別為0.82、0.89、0.63、0.75。根據(jù)Youden指數(shù)，找出各個參數(shù)的最佳診斷切點值，ADC、Slow ADC、Fast ADC及ffast鑒別診斷乳腺良惡性病變的最佳閾值分別為1.14×10-3mm2/s、0.84×10-3mm2/s、2.22×10-3mm2/s及0.30；以此閾值判斷各參數(shù)鑒別診斷乳腺良惡性病變的敏感度和特異度見表3。

圖1 女，51歲，左乳浸潤性導管癌（II級）。左側乳腺9～12點鐘方向見一類圓形腫塊，平掃T1WI呈稍低信號，壓脂T2WI呈高信號；結合DWI原始圖像（A）在增強圖像（B）上手工放置感興趣區(qū)和對側腺體的對照區(qū)，并在生成的ADC（C）、Slow ADC（D）、Fast ADC（E）及ffast（F）偽彩圖上記錄相應的參數(shù)值，感興趣區(qū)4個參數(shù)值分別為0.94×10-3、0.32×10-3、2.39×10-3mm2/s及0.19；對照區(qū)分別為2.11×10-3、1.96×10-3、2.44×10-3mm2/s及0.63

圖2 女，37歲，右乳纖維腺瘤。右側乳腺約10點鐘方向可見一類圓形腫塊，平掃T1WI呈低信號，壓脂T2WI呈高信號；結合DWI原始圖像（A）在增強圖像（B）上手工放置感興趣區(qū)和對側腺體的對照區(qū)，并在生成的ADC（C）、Slow ADC（D）、Fast ADC（E）及ffast（F）偽彩圖上記錄相應的參數(shù)值，感興趣區(qū)4個參數(shù)值分別為1.44×10-3、1.17×10-3、2.29×110-3mm2/s及0.38；對照區(qū)分別為1.97×10-3、2.03×10-3、2.39×10-3mm2/s及0.56

表2 良性組、惡性組與對照組各參數(shù)結果

圖3 單、雙指數(shù)模型各參數(shù)的ROC曲線

表3 ADC、Slow ADC、Fast ADC及ffast的AUC、敏感度和特異度

3 討論

傳統(tǒng)的DWI技術基于單指數(shù)模型計算ADC值，以反映活體組織中水分子的擴散，可以在一定程度上在分子水平評價疾病的病理生理過程。然而，該模型卻忽略了組織中血液微循環(huán)灌注對ADC值的影響。Le Bihan等[6]研究發(fā)現(xiàn)，通過MR信號與單指數(shù)模型計算出的ADC值不能真實地反映組織擴散的生物學特征。雙指數(shù)模型DWI用更精確的方法通過其定量參數(shù)評價組織的擴散系數(shù)和組織微血管灌注，將擴散與灌注分離。雙指數(shù)模型DWI可以計算出3個相關參數(shù)：Slow ADC反映水分子真實的擴散效應，F(xiàn)ast ADC和ffast均與組織的微灌注相關。國外已有學者應用雙指數(shù)模型評價肝纖維化、慢性腦缺血等[4,6]，國內(nèi)也有學者應用此模型評價頸內(nèi)動脈狹窄[7]、慢性腎臟病[8]、兒童腦腫瘤分級[9]或鑒別診斷椎體良惡性病變[10]等。本研究在國內(nèi)首次將IVIM DWI技術應用于乳腺，評價其在乳腺病變良惡性鑒別診斷中的價值，并與傳統(tǒng)的單指數(shù)模型ADC值進行對比研究，顯示出較高的診斷效能。3.1 單指數(shù)模型DWI DWI通過檢測水分子擴散能力來評估組織的性質(zhì)。水分子在活體組織內(nèi)的擴散與細胞密度、細胞膜通透性、細胞內(nèi)外成分等因素有關。在病理情況下，上述因素發(fā)生改變導致水分子擴散發(fā)生變化，從而使DWI圖像上的信號發(fā)生改變。目前主要應用由兩點法得到的ADC值來鑒別診斷乳腺良惡性病變，乳腺惡性病變的ADC值小于良性病變[2,3,11,12]。雖然高b值時ADC值的診斷效能更高，但是隨著b值的增加，組織的信噪比及病灶的對比噪聲比逐漸降低，所以不宜選擇過大的b值，因此，本研究中單指數(shù)DWI選用b值為0、800 s/mm2。乳腺惡性腫瘤細胞增殖快，細胞外空間較乳腺腺瘤小，腺瘤細胞外水含量高[13,14]，這可能是良惡性病變ADC值差異的機制。

3.2 雙指數(shù)模型DWI 與單指數(shù)模型不同，雙指數(shù)模型通過分離水分子擴散和血液灌注，準確測量水分子擴散系數(shù)，區(qū)分良惡性病變的血液灌注。根據(jù)雙指數(shù)模型計算Slow ADC值代表組織中水分子真正的擴散效應，又稱純擴散系數(shù)。本研究中，惡性組Slow ADC值明顯低于良性組，說明惡性病灶擴散受限較良性病灶更明顯，這可能與乳腺癌組織內(nèi)癌細胞異常增殖，局部細胞密度增高，癌細胞細胞核增大，細胞質(zhì)減小，核質(zhì)比降低有關。ROC曲線顯示鑒別惡性組與良性組的最佳Slow ADC值是0.84×10-3mm2/s，由于雙指數(shù)模型DWI在計算Slow ADC值時剔除了灌注的影響，所以該閾值低于本研究中ADC值的閾值1.14×10-3mm2/s。雖然Slow ADC值在惡性組和良性組鑒別中具有一定的價值，但組間Slow ADC值存在一定程度的重疊，其真正的鑒別診斷效能尚需增加病例進一步研究。

根據(jù)IVIM理論，F(xiàn)ast ADC很大程度上取決于腫瘤組織的毛細血管密度，與組織微血管灌注的豐富程度有關。本研究中惡性組和良性組間Fast ADC值無顯著差別，這可能與本研究中乳腺纖維腺瘤占良性組的絕大多數(shù)有關。雷振等[15]研究證明，乳腺纖維腺瘤是一種供血較充足的良性腫瘤，灌注血流較豐富。ffast值為灌注分數(shù)，理論上應隨著組織微循環(huán)灌注的增加而增大。本研究中，對照組的ffast值為0.58±0.17，與Sigmund等[16]研究的灌注分數(shù)小到可以忽略并不一致。原因可能與所使用軟件的不同或線性擬合方法的不同有關；另外也可能與Sigmund等[16]的研究中雙指數(shù)DWI僅使用一個擴散敏感梯度方向，限制了擴散各向異性的靈敏度有關，其根本原因還需進一步研究。

3.3 單、雙指數(shù)模型DWI在乳腺良惡性病變鑒別診斷中的價值比較 ROC曲線和AUC作為一種比較不同診斷參數(shù)對疾病識別能力的指標已得到普遍認可，越靠近ROC曲線左上角的點是錯誤最少的最好閾值，其假陽性和假陰性的總數(shù)最少，并且AUC越接近1，診斷效能越大。本研究中，利用ROC曲線對單指數(shù)模型參數(shù)ADC值，雙指數(shù)模型參數(shù)Slow ADC、Fast ADC及ffast值診斷效能的對比評估發(fā)現(xiàn)，Slow ADC鑒別乳腺良惡性病變的敏感度和特異度較高，并且AUC最大，即診斷效能最大，原因可能是：①細胞內(nèi)部成分眾多，惡性腫瘤細胞的變化主要表現(xiàn)在細胞內(nèi)成分上，導致細胞內(nèi)水分子運動相對細胞外受限；②微血管血流灌注會對細胞外水分子擴散起彌補作用，而對細胞內(nèi)水分子擴散作用甚微。所以反映細胞外擴散的Slow ADC在良惡性病變上差異最大，重疊性最小。其根本原因有待進一步探討。另外本研究存在一定的偏倚，如良性組內(nèi)病變類型不均衡、樣本量較小和手工放置感興趣區(qū)具有主觀性等。

總之，單指數(shù)模型的參數(shù)ADC值和雙指數(shù)模型的參數(shù)Slow ADC和ffast均可以對乳腺良惡性腫塊作出鑒別診斷，但雙指數(shù)模型的參數(shù)Slow ADC鑒別乳腺良惡性腫塊的敏感度和特異度較高，并且診斷效能最大。雙指數(shù)模型參數(shù)Slow ADC可能會在乳腺腫塊良惡性鑒別、乳腺癌新輔助化療評價等方面發(fā)揮重要的作用。

[1] Lynch BM, Neilson HK, Friedenreich CM. Physical activity and breast cancer prevention. RecentResultsCancer Res, 2011, 186(1): 13-42.

[2] 劉偉, 葉春濤, 林光武, 等. 3.0T MR擴散加權成像對乳腺良惡性病變的鑒別診斷價值. 中國醫(yī)學影像學雜志, 2013, 21(1): 20-23.

[3] 張靜, 程流泉, 安寧豫, 等. 表觀擴散系數(shù)在乳腺病變診斷中的應用價值. 中國醫(yī)學影像學雜志, 2010, 18(6): 485-491.

[4] Luciani A, Vignaud A, Cavet M, et al. Liver cirrhosis: intravoxel incoherent motion MR imaging--pilot study. Radiology, 2008, 249(3): 891-899.

[5] Patel J, Sigmund EE, Rusinek H, et al. Diagnosis of cirrhosis with intravoxel incoherent motion diffusion MRI and dynamic contrast-enhanced MRI alone and in combination: preliminary experience. J Magn Reson Imaging, 2010, 31(3): 589-600.

[6] Le Bihan D, Breton E, Lallemand D, et al. Separation of diffusion and perfusion in intravoxel incoherent motion MR imaging. Radiology, 1988, 168(2): 497-505.

[7] 彭雯佳, 陸建平, 王敏杰, 等. 雙指數(shù)表觀彌散系數(shù)對頸內(nèi)動脈狹窄者大腦的評價. 實用放射學雜志, 2013, 29(4): 512-516.

[8] 李瓊, 張泉, 孫浩然, 等. 應用擴散加權成像雙指數(shù)模型評價慢性腎臟病的初步研究. 臨床放射學雜志, 2012, 31(7): 970-974.

[9] 李玉華, 陸建平, 段秀杰, 等. 多b值DWI在兒童腦腫瘤中的初步研究. 放射學實踐, 2012, 27(2): 159-163.

[10] 韓瑞, 夏黎明, 孫子燕, 等. 雙指數(shù)表觀擴散系數(shù)鑒別診斷椎體良、惡性病變. 中國醫(yī)學影像技術, 2012, 28(3): 566-569.

[11] Inoue K, Kozawa E, Mizukoshi W, et al. Usefulness of diffusion-weighted imaging of breast tumors: quantitative and visual assessment. Jpn J Radiol, 2011, 29(6): 429-436.

[12] Sonmez G, Cuce F, Mutlu H, et al. Value of diffusion-weighted MRI in the differentiation of benign and malign breast lesions. Wien Klin Wochenschr, 2011, 123(21-22): 655-661.

[13] Dadiani M, Seger D, Kreizman T, et al. Estrogen regulation of vascular endothelial growth factor in breast cancer in vitro and in vivo: the role of estrogen receptor alpha and c-Myc. Endocr Relat Cancer, 2009, 16(3): 819-834.

[14] Pais A, Gunanathan C, Margalit R, et al. In vivo magnetic resonance imaging of the estrogen receptor in an orthotopic model of human breast cancer. Cancer Res, 2011, 71(24): 7387-7397.

[15] 雷振, 鄧立勇, 席煥久. MSCT灌注成像在乳腺腫瘤診斷中的臨床應用. 臨床放射學雜志, 2008, 27(4): 462-465.

[16] Sigmund EE, Cho GY, Kim S, et al. Intravoxel incoherent motion imaging of tumor microenvironment in locally advanced breast cancer. Magn Reson Med, 2011, 65(5): 1437-1447.

（責任編輯 唐 潔）

Diffusion Weighted Imaging Based on Monoexponential and Biexponential Models: A Comparative Study in Differential Diagnosis of Benign and Malignant Breast Lesions

PurposeTo compare the value of monoexponential apparent diffusion coefficient (ADC) with single b-factor range and biexponential ADC with extender b-factor range in differential diagnosis of benign and malignant breast lesions.Materials and MethodsThe data of 48 patients with breast tumors (57 lesions) who underwent DWI with single b-factor range (b=0, 800 s/mm2) and DWI with extended b-factor range (b=0, 20, 50, 100, 200, 400, 600, 800, 1000, 1200, 1500, 2000 s/mm2) were analyzed (benign group: 21 patients with 23 lesions; malignant group: 27 patients with 34 lesions; control group: the same population with 43 contralateral normal healthy glandular tissues). The value of ADC, Slow ADC, Fast ADC and fraction of Fast ADC (ffast) of lesions were compared, and the performance of the monoexponential model parameter and biexponential model parameters in identifying malignant lesions was also compared.ResultsThere were signifcant differences between benign and malignant group, benign and control group, malignant and control group in value of ADC and Slow ADC (t=4.40-13.41, P＜0.05); signifcant differences also occurred between benign and malignant group, malignant and control group in ffastvalue (t=3.22 and 6.39, P＜0.05). The areas under the ROC curve of ADC, Slow ADC, Fast ADC and ffastwere 0.82, 0.89, 0.63 and 0.75, respectively. The sensitivity of ADC, Slow ADC, Fast ADC and ffastwas 82.35%, 94.12%, 41.18%, 85.29%, respectively; and the specifcity of ADC, Slow ADC, Fast ADC and ffastwas 82.61%, 86.96%, 78.26%, 73.91%, respectively, in differential diagnosis of benign and malignant lesions of breast if the maximum Youden's index was taken as a cut-off.ConclusionADC value in monoexponential model and value of Slow ADC as well as ffastin biexponential model can be all used in differential diagnosis of benign and malignant breast lesions, among which Slow ADC value is with the best diagnostic effcacy.

Breast neoplasms; Magnetic resonance imaging; Diffusion weighted imaging; Apparent diffusion coeffcient; Diagnosis, differential

鄭州大學第一附屬醫(yī)院磁共振科 河南鄭州 450052

張 焱

Department of MRI, the First Affliated Hospital of Zhengzhou University, Zhengzhou 450052, China

Address Correspondence to: ZHANG Yan E-mail: L200812@163.com

R445.2；R737.9

2013-07-18

修回日期：2013-12-15

中國醫(yī)學影像學雜志

2014年 第22卷 第1期：30-33，35

Chinese Journal of Medical Imaging

2014 Volume 22(1): 30-33, 35

10.3969/j.issn.1005-5185.2014.01.009