ADC全容積直方圖分析法鑒別乳腺良惡性腫塊樣病變

吳莎莎，于曉軍，鄭召龍，陳永升，牛慶亮*

(1.濰坊市中醫院醫學影像中心,山東 濰坊 261041;2.濰坊醫學院醫學影像學系,山東 濰坊 261053)

乳腺癌是中國女性發病率及死亡率最高的惡性腫瘤之一，近20年來，中國女性乳腺癌發病率明顯升高[1]，且發病呈年輕化趨勢，因此早發現、早診斷、早治療對臨床選擇乳腺癌治療方案、評估療效及遠期生存率意義重大。MRI因無輻射、組織分辨力較高等優勢，在乳腺疾病的診斷中應用廣泛。DWI可反映活體組織內水分子的擴散情況，ADC值可定量檢測水分子擴散受限程度，有助于鑒別診斷乳腺良惡性腫瘤[2-3]。既往研究[4-5]多采用勾畫單一或多個層面ROI得到平均ADC值來量化病變部位水分子擴散受限情況，而平均ADC值不能全面反映病變整體的ADC信息，且忽視了良惡性病變內部的異質性。ADC全容積直方圖分析法采用逐層勾畫ROI,進而生成3D ROI的方法，利用病變整體的ADC值信息描述病變部位水分子擴散受限的異質性程度，在腫瘤定性、分級及預測患者生存期等方面已顯示出優越性[6-8]。本研究擬分析ADC全容積直方圖分析法鑒別乳腺良惡性腫塊樣病變的價值，并與常規平均ADC值的診斷效能進行比較，旨在為早期診斷乳腺癌提供更多影像學信息。

1 資料與方法

1.1 一般資料 回顧性分析2016年9月—2018年11月在我院接受乳腺MR檢查的88例女性乳腺腫塊患者，其中惡性病變57例(57個病灶)，年齡28～69歲，平均(50.9±8.9)歲，包括浸潤性導管癌53例、導管原位癌4例；良性病變31例(34個病灶)，年齡15～49歲，平均(36.4±8.9)歲，3例為多發病灶，乳腺炎5例，纖維腺瘤12例，纖維腺瘤伴腺病11例，導管內乳頭狀瘤3例。納入標準：①于乳腺MR檢查后2周內經穿刺活檢或手術獲取病理資料；②乳腺MR檢查前均未接受穿刺、手術等有創性檢查及放化療；③根據乳腺影像診斷與報告系統確定為乳腺腫塊樣病變；④DWI圖像無明顯運動偽影。排除標準：①病變最大徑≤1.0 cm；②特殊類型癌，如大汗腺癌、黏液癌、腺樣囊性癌等；③非腫塊樣乳腺病變。

1.2 儀器與方法 采用GE Signa HDxt 3.0T MR儀及專用8通道乳腺相控陣線圈。囑患者俯臥，使雙側乳腺自然下垂于乳腺線圈內，乳頭居中。掃描序列：軸位T1WI(TR 725 ms、TE 7.18 ms)及T2WI(TR 5 219 ms、TE 81.41 ms)，FOV 36 cm×36 cm，層厚5 mm，層間隔1 mm，矩陣256×256，NEX 4；軸位動態增強MRI，采用3D-Vibrant技術，增強前先行蒙片掃描，確認掃描范圍后，應用高壓注射器經肘前靜脈團注Gd-DTPA，劑量0.1 mmol/kg體質量，流率為2 ml/s，之后以20 ml生理鹽水沖管，對比劑注射開始后延遲28 s，連續掃描7期，每期58 s，FOV 36 cm×36 cm，層厚1.8 mm，層間隔0.9 mm，矩陣512×512，NEX 1，翻轉角12°；DWI采用SE-EPI序列，TR 8 300 ms，TE 63.6 ms，FOV 36 cm×36 cm，層厚 5 mm，層間距1 mm，矩陣256×256，b值取0、800 s/mm2。

1.3 圖像分析 采用GE ADW 4.6工作站Functool 軟件重建ADC圖像。由2名具有5年以上乳腺MR診斷經驗的醫師沿病灶邊緣逐層勾畫ROI，計算常規平均ADC值。將ADC圖像導入Omni-kinetics軟件，參照乳腺MR平掃+動態增強圖像，在ADC圖像上沿病灶邊緣逐層勾畫ROI，合并生成3D ROI，重建得出ADC直方圖，并記錄直方圖參數，包括第5、10、25、50、75、90、95百分位ADC值(記為5thADC、10thADC、25thADC、50thADC、75thADC、90thADC、95thADC)，最小、最大、平均ADC值(記為ADCmin、ADCmax、ADCmean)，偏度，峰度及標準差。

1.4 統計學分析 采用SPSS 19.0統計分析軟件。符合正態分布的計量資料以±s表示，2組間比較采用獨立樣本t檢驗；不符合正態分布者以中位數(四分位間距)表示，2組間比較采用Mann-WhitneyU檢驗。采用Medcale軟件(version 11.4.2.0)進行ROC分析，評估各參數鑒別診斷乳腺良惡性腫塊樣病變的效能。P<0.05為差異有統計學意義。采用組內相關系數(intraclass correlation coeffcient， ICC)評價2名醫師測量常規平均ADC值及ADC直方圖各參數的一致性，ICC值>0.80為一致性較好。

2 結果

2.1 乳腺腫塊樣良惡性病變各參數比較 2名醫師測量常規平均ADC值及各ADC直方圖參數的ICC均>0.80。良惡性病變各ADC直方圖參數比較差異均有統計學意義(P均<0.05)；良性病變常規平均ADC值大于惡性病變(P<0.05)。見表1和圖1、2。

2.2 各參數診斷乳腺腫塊樣良惡性病變的效能 ADC直方圖參數中，5thADC～75thADC值鑒別乳腺良惡性腫塊樣病變的AUC逐漸增大(0.75～0.84)，其中75thADC、90thADC值鑒別乳腺良惡性腫塊樣病變的AUC最大，均為0.84，95thADC值的AUC較75thADC和90thADC值減??；75thADC、90thADC值鑒別乳腺良惡性腫塊樣病變的AUC與ADCmin、5thADC、10thADC值的AUC比較差異均有統計學意義(P均<0.05)。常規平均ADC值鑒別乳腺良惡性腫塊樣病變的AUC與ADCmean和50thADC值的AUC比較差異均有統計學意義(P=0.03、0.04)。見表2。

表1 乳腺良惡性腫塊樣病變各ADC直方圖參數及常規平均ADC值比較(×10-3 mm2)

注：*：正態分布數據

表2 各ADC直方圖參數及常規平均ADC值鑒別乳腺良惡性腫塊樣病變的價值

圖1 患者女，25歲，右側乳腺纖維腺瘤 A.增強T1WI示右乳病灶不均勻明顯強化(箭)； B.DWI示病灶呈高信號(箭)； C.ADC圖示病灶呈略低信號(箭)； D.ADC直方圖顯示正偏態，偏度為0.04，峰度為2.15

3 討論

DWI是一種功能性MRI技術，可反映病變組織中水分子擴散情況；ADC值可定量反映水分子擴散程度，并與病變組織內細胞密集程度及細胞外間隙等因素有關；理論上，細胞密度越高，水分子運動的胞外空間越小，病變組織的ADC值就越小。研究[9-11]認為DWI及ADC圖對于鑒別診斷病變良惡性及評估腫瘤放化療療效均有一定價值。

乳腺癌通常具有不同的病理分化程度及組織學分級，可能在影像學特征方面存在異質性。既往研究[4-5]多采用病灶最大徑層面的平均ADC值或多層面的平均ADC值來評價病變性質，但其不包含病變整體的全部像素，不能全面反映病變內部信息[12]?；谡麄€病變的直方圖分析法可提供比常規平均ADC值更多的信息，除包括多個百分位數ADC值和ADCmin、ADCmax、ADCmean等參數外，還可獲得反映病變內部ADC值分布情況的參數，包括偏度、峰度及標準差，能提供更多反映病變異質性的信息，可用于更好地區分良惡性病變和腫瘤的不同分子亞型[13-15]。

圖2 患者女，39歲，左側乳腺浸潤性導管癌 A.增強T1WI示右乳病灶明顯強化(箭)； B.DWI示病灶呈高信號(箭)； C.ADC圖病灶呈低信號(箭)； D.ADC直方圖顯示正偏態，偏度為0.82，峰度為4.12

本研究利用ADC全容積直方圖分析法鑒別乳腺良惡性腫塊樣病變，結果顯示良惡性病變間各ADC直方圖參數差異均有統計學意義(P均<0.05)。直方圖偏度反映頻數分布偏離對稱性的程度，正偏態代表更多數值分布在均值左側，負偏態代表更多數值分布在均值右側；偏度的絕對值越大，頻數分布偏離均數的程度越大。峰度反映頻數分布陡緩程度，峰度大于3表示頻數分布更集中，峰度小于3說明頻數分布較分散。本組惡性病變的偏度絕對值及峰度均大于良性病變(P均<0.05)，可能與惡性腫瘤細胞增殖旺盛，局部細胞密集程度較良性病變大、細胞外間隙容積減小有關。ROC曲線分析結果顯示偏度鑒別乳腺良惡性腫塊樣病變的AUC為0.74，敏感度、特異度分別為0.79、0.68；峰度鑒別乳腺良惡性腫塊樣病變的AUC為0.66，敏感度、特異度分別為0.78、0.59。ADC直方圖各參數中，75thADC與90thADC值鑒別乳腺腫塊樣病變良惡性的AUC最大，與ADCmin、5thADC、10thADC值的AUC比較差異有統計學意義(P均<0.05)；與ADCmean、50thADC值的AUC比較差異無統計學意義(P均>0.05)。研究[6，8，16]認為小百分位數ADC值鑒別乳腺良惡性病變的效能更高，本研究結果與之有一定差異，可能原因如下：①Liu等[8]b值取0、700 s/mm2，而Suo等[16]b值取0、600 s/mm2，b值不同，ADC值也不同；②選取ROI的方法不同，沈麗娟等[6]選擇在腫瘤最大層面勾畫ROI，單一層面的ADC信息不能代表病變整體的ADC信息；③入組乳腺癌類型不同，上述多個研究[6，8，16]的觀察對象包含乳腺黏液癌等特殊類型癌，部分乳腺黏液癌ADC值不低于甚至稍高于正常乳腺組織的ADC值，可能對研究結果有一定影響。另外，以上研究均未對各參數的AUC進行兩兩比較。

本研究中乳腺良惡性腫塊樣病變的常規平均ADC值差異有統計學意義(P<0.05)；將ADC全容積直方圖參數鑒別診斷乳腺良惡性腫塊樣病變的效能與常規平均ADC值進行比較，發現ADCmean和50thADC鑒別乳腺良惡性病變的AUC均大于常規平均ADC值(P=0.03、0.04)。

本研究的局限性：納入分析的乳腺良性病變樣本量較少，且包括多種不同病變，未能對單一良性病變進行單獨分析，有待擴大樣本量深入研究。

總之，ADC全容積直方圖分析法有助于鑒別診斷乳腺良惡性腫塊樣病變，且較常規平均ADC值具有更高的鑒別診斷效能。