乳腺攝影新技術和人工智能在乳腺癌篩查診斷中的應用價值

崔春曉，林 青

（青島大學附屬醫(yī)院乳腺影像科，山東 青島 266100）

目前，乳腺癌是全球女性發(fā)病率和死亡率最高的癌癥，居我國女性癌癥發(fā)病率首位，及早篩查并診斷尤為重要。該病篩查和診斷常用的影像診斷方法包括乳腺X 線攝影（mammography，MG）、超聲和MRI。隨著乳腺影像檢查技術的發(fā)展，乳腺X 線攝影新技術，如數(shù)字乳腺斷層攝影（digital breast tomosynthesis，DBT）、對比增強乳腺X 線攝影（contrast-enhanced mammography，CEM），以及人工智能已應用于乳腺癌的篩查和診斷中，提高了對該病的診斷和鑒別能力。

1 乳腺X 線攝影新技術

1.1 DBT MG 是乳腺疾病最常用的篩查和診斷方法，也是乳腺癌篩查的首選方法，對微鈣化的檢出非常敏感。目前，國內(nèi)以美國放射學會（American Collegeof Radiology，ACR）的乳腺影像報告和數(shù)據(jù)系統(tǒng)（breast imagingand reporting system，BI-RADS）為依據(jù)進行乳腺疾病的檢查及評估。但MG 也存在其局限性：對非鈣化性病變的顯示受乳腺致密度的影響較大。MG 需壓迫乳腺后拍攝，難以避免纖維腺體組織和病變重疊對病變的遮蔽，且致密的纖維腺體組織也可局部重疊影響診斷。

DBT 技術是指X 線球管沿特定角度（15°～50°）移動曝光攝影，獲得乳腺多角度多幅低劑量投射圖像，后重建成與乳房壓迫平面平行的1 mm 薄層圖像，減少了致密乳腺組織對病變的掩蓋。目前，DBT主要應用于以下方面：①在篩查中的應用。既往研究顯示，DBT 能夠提高乳腺癌檢出率，降低召回率［1］。在美國DBT 已廣泛應用于乳腺疾病的篩查和診斷，但目前我國尚未發(fā)表關于DBT 的篩查指南。美國《國家綜合癌癥網(wǎng)絡（NCCN）乳腺癌篩查指南》建議，在對年齡≥40 歲、具有平均乳腺癌風險的女性，以及在適當?shù)呐R床情況下、年齡≥30 歲、具有高危乳腺癌風險的女性行年度X 線篩查時，應考慮DBT［2］。ACR 適宜性標準［3］同樣建議常規(guī)篩查采用數(shù)字乳腺攝影（digital mammography，DM）或DBT。在高危人群的篩查方面，近期一項比較DM 和DBT 對有乳腺癌病史女性的X 線篩查研究顯示，DBT 篩查假陽性率低，特異度高，但不影響乳腺癌的檢出率［4］。②在診斷中的應用。DBT 能減少乳腺組織的遮蔽，提高致密型乳腺內(nèi)腫塊的檢出率，同時能更好地顯示腫塊邊緣和結構扭曲［5-7］。DBT 可減少非鈣化性病變附加體位的拍攝，但對微鈣化的評估仍需行局部放大攝影。與DM 相比，DBT 提高了浸潤性癌的檢出率［6，8］，尤其是浸潤性小葉癌的檢出率，最大限度地識別具有生物學意義的疾病，同時減少過度診斷，對非鈣化原位癌的檢出率較DM 高［9-19］。DBT 能提高BI-RADS 不確定病變的附加價值，近期一項研究顯示，將DBT加入到BI-RADS 分類中，可提高其對DM 分類為BI-RADS 0、3、4 類病變的檢測和特征描述的診斷性能［11］。③在引導活檢和定位中的應用。DBT 除外篩查和診斷功能，還可用于引導活檢和術前定位。對于不可觸及的微小病變，如成簇分布的可疑微小鈣化和僅DBT 顯示的結構扭曲等高危病變，可行引導穿刺活檢，或術前植入定位導絲以實現(xiàn)外科精準切除活檢。

但DBT 也存在局限性：①同時行DBT 和MG 檢查，會增加輻射劑量；②重建的斷層圖像在中間部分顯示清晰，但在鄰近皮膚的邊緣部分，準確性有待提高；③盡管在不同年齡組和乳腺密度患者中，乳腺癌的檢出率和召回率均有提高，但對乳腺組織極其致密的女性，其優(yōu)勢顯著降低。④盡管DBT 比DM能檢測到更多的浸潤性癌癥，但仍低于超聲和MRI。

為減少輻射劑量，研究人員在DBT 基礎上開發(fā)合成了二維乳腺X 線攝影（synthesized two-dimensional mammograms，SM）技術。與DBT+MG 相比，DBT+SM可將平均腺體劑量降低約45%［12］。國內(nèi)一項前瞻性研究顯示，DBT 合成的2D 圖像診斷效能與DM 相當，結合DBT，可在不增加輻射劑量前提下，提高鑒別診斷良惡性病變的效能［13］。國外一項雙中心回顧性研究顯示，DBT+SM 取代DBT+DM 后，乳腺癌的篩查效能仍保持在基準線之內(nèi)［14］。但SM 分辨力較低，有可能忽略微小鈣化，需更可靠的數(shù)據(jù)和更長期的隨訪進一步研究，以確定其是否可能遺漏相關疾病。

1.2 CEM CEM 又稱對比增強能譜乳腺攝影（contrast-enhanced spectral mammography，CESM）、對比增強數(shù)字乳腺攝影（contrast-enhanced digital mammography，CEDM）或對比增強雙能量乳腺攝影（contrastenhanced dual-energy mammography，CDEM），是將數(shù)字乳腺X 線攝影與靜脈注射對比劑相結合，通過密度、形態(tài)特征及與惡性腫瘤相關的新生血管，識別乳腺惡性病變［15-16］。在注射非離子低滲碘化對比劑后，使用雙能量技術行標準頭尾位和內(nèi)外側斜位成像，獲得低能和高能圖像并自動后處理獲得重建圖像，低能和重建圖像用于診斷評估。但目前BI-RADS 圖譜（2013 版）尚未對CEM 進行特定的圖像解釋。因此BI-RADS 圖譜中乳腺X 線攝影詞典用于低能量圖像，MRI 詞典部分用于重建圖像的評估［17-18］，動態(tài)增強掃描曲線因每個圖像只有1 個時間點不適用于CEM。低能量圖像與DM 相似。CEM 不同于DM 和超聲，主要用于診斷性檢查。美國食品和藥物管理局（FDA）于2011 年批準使用CEM 作為“乳房X 線攝影和/或超聲檢查后的輔助手段，以定位已知或可疑病變”。

目前，CEM 主要應用于以下方面：①乳腺DM 發(fā)現(xiàn)病變的評估，尤其是致密性乳腺病變的評估。既往研究證實，CEM 對惡性病變，尤其是腫塊、結構扭曲和微鈣化的敏感度較高［19］。但對DM 和DBT 明確的結構扭曲和可疑鈣化，不論CEM 是否強化，都建議活檢。國內(nèi)學者研究顯示，在致密性乳腺中，DM+CEM 與DCE-MRI 診斷乳腺癌的敏感度相當，但特異度更高［85.71%（30/35）vs.51.43%（18/35）］［20］。國外也有研究顯示，在致密性乳腺中，CEM 對乳腺癌檢出率比MG、DBT 和DBT+超聲要高［21］。②新診斷乳腺癌的術前分期。對于新診斷的乳腺癌，需術前明確病變程度、大小、是否存在多灶性或多中心性病變、對側乳腺是否存在病變，以指導后續(xù)治療。近期的一項回顧性研究顯示CEM 的敏感度顯著高于MG（87.63%vs.38.51%），對手術決策的改變率為20.00%［22］。Lee等［23］的研究表明，在評估新診斷乳腺癌患者疾病程度方面，CEM 的敏感度與MRI 相似。與MRI 相比，CEM 在病理分析中顯示出令人滿意的與病灶大小的相關性，盡管CEM 在某些情況下導致了對病灶大小的高估。③新輔助治療反應病理完全緩解的評估。由于在判斷病變程度方面CEM 與MRI 近似，因此可推斷CEM 在評估乳腺癌新輔助治療反應和殘余癌方面的效能也與之近似。近期的一項薈萃比較了對比增強MRI（CE-MRI）和CEM 檢測新輔助治療反應中病理反應的準確率，納入24 項研究，18 項僅接受CE-MRI，3 項僅接受CEM，3 項同時接受2 種檢測。結果顯示，CEM 具有同等的特異度，且敏感度更高，在評估新輔助治療反應方面可能有更廣闊的前景［24］。④乳腺MRI 的補充檢查。對MRI 檢查禁忌者，如幽閉恐懼癥、MRI 不兼容的植入物、體質量限制及無法俯臥位檢查者，CEM 是一種有效的替代方法，且價格低廉，更利于在臨床工作中普及。

但CEM 也存在局限性：如對比劑的過敏反應及外滲，多次評估乳腺癌新輔助治療反應時的輻射劑量增加，無法全面評估腋窩淋巴結及顯示貼近胸壁或乳房內(nèi)側的病變等。

2 影像組學和人工智能

近年來，影像組學和人工智能迅猛發(fā)展，且越來越多地應用于臨床。影像組學能夠從醫(yī)學成像數(shù)據(jù)中高通量地提取、量化和挖掘肉眼無法察覺的高維特征，其分析的重要前提是，提取的圖像特征代表整個腫瘤的表型和基因類型，因此可對腫瘤生物學進行相關深入研究。不同的研究結合了影像組學或人工智能的方法來開發(fā)模型，用于提高乳腺癌診斷的準確率，預測治療反應、分子分型和復發(fā)風險。

目前，影像組學和人工智能常結合研究的檢查方法包括DM、超聲、DBT、CEM、MRI 等。Lang 等［25-26］的研究顯示，在篩查中，人工智能系統(tǒng)閱讀乳腺X 線片，可達到與放射科醫(yī)師相近甚至更高的準確率，通過人工智能系統(tǒng)，可降低篩查中間期癌的發(fā)生率。另一項研究同樣顯示，基于人工智能系統(tǒng)的DM 和DBT篩查策略可減少高達70%的工作量［27］。Jiang 等［28］研究顯示，使用人工智能系統(tǒng)可提高放射科醫(yī)師鑒別乳腺良惡性病變的能力。Li 等［29］研究顯示，將來自腫瘤的定量影像組學數(shù)據(jù)與對側實質特征相結合可提高乳腺癌的診斷準確率。Marino 等［30］研究顯示，DCE-MRI 和CESM 的影像組學分析在無創(chuàng)性評估腫瘤浸潤性（對浸潤性癌與非浸潤性癌分類準確率分別為92%、90%）、激素受體狀態(tài)（HR+和HR-分類準確率分別為95.6%、82.6%）和腫瘤分級（G1+G2 和G3 浸潤性癌分類準確率分別為77.8%、77.8%）方面具有潛力。Braman 等［31］研究顯示，結合瘤周和瘤內(nèi)影像組學特征，可從影像學上識別HER2+乳腺癌的內(nèi)在分子亞型，從而深入了解瘤周環(huán)境中的免疫反應，并為治療指導提供潛在益處。Yu 等［32］研究了基于MRI 的機器學習在乳腺癌患者中的應用，提出了新的個體化臨床決策諾模圖，可用于預測腋窩淋巴結轉移狀態(tài)和無病生存期。Sutton 等［33］的研究驗證了一種結合影像組學和分子亞型的影像組學分類器，該分類器能夠對新輔助治療反應后MRI 圖像上的病理完全緩解進行準確分類。

影像組學和人工智能系統(tǒng)在乳腺癌的檢測、診斷、分期、治療評估和預測預后方面應用前景廣闊。這些定量信息與臨床病史、組織學和基因組數(shù)據(jù)整合有利于個體化治療的實現(xiàn)。但由于大多數(shù)研究都是回顧性且規(guī)模相對較小，同時特征的提取及數(shù)據(jù)的獲得存在差異，因此需多中心更大規(guī)模的前瞻性研究驗證上述結果。

綜上所述，DBT 和CEM 是乳腺X 線攝影技術的進步，DBT 可提高乳腺癌篩查和乳腺疾病診斷的準確率，CEM 有廣泛的適應證，包括DM 發(fā)現(xiàn)異常病變的評估、致密乳腺的篩查、乳腺癌術前分期、對新輔助化療的反應等，尤其適用于乳腺MRI 應用受限人群。影像組學和人工智能與乳腺影像技術的結合開啟了個體化治療的新視角，但仍需不斷研究探索。