全容積IVIM直方圖分析對乳腺良惡性病變的影響

李 俊 蔡小麗 吳奇川 牟方勝

重慶大學附屬三峽醫院放射科(重慶 404000)

乳腺癌是女性的主要癌癥之一。MRI是乳腺癌篩查、診斷的主要手段。體素內不相干運動(intravoxel incoherent motion ，IVIM)[1]使用大范圍的低b值以及高b值，能夠測量真正的組織擴散(D)、偽擴散系數(D＊)和灌注分數(f)，從而量化評價腫瘤組織性質。直方圖作為統計工具而廣泛用于估計連續變量的概率分布[2]，描述感興趣區像素灰度分布情況，直方圖量化參數分布可彌補平均值的不足[3]，并定量評估腫瘤異質性[4]，因此能更全面客觀地反映病灶的整體特點。既往研究多采用病灶最大層面或上下相鄰三個層面的平均定量值，不能完整反映腫瘤整體情況?；诖?，本研究將以病理結果作為參照,探討病灶全容積IVIM直方圖參數術前診斷乳腺良、惡性病變的價值。

1 資料與方法

1.1 一般資料回顧性分析2021年2月至2022年10月我院符合以下標準的患者。

納入標準：因超聲或數字乳腺X線攝影發現腫塊，進而行乳腺磁共振檢查(包括IVIM序列)；MRI檢查后2周內行手術或穿刺病理證實病變性質。排除標準：MRI檢查前進行過手術等其他治療；圖像質量不佳，不能用于分析。最后153例女性(共158個病灶)患者納入研究，年齡16～81歲，平均(52±11)歲。

1.2 MRI成像方法采用西門子Vida3.0TMR掃描儀和18通道乳腺專用相控陣線圈?；颊呷「┡P位，雙側乳腺自然懸垂于線圈的雙孔內。掃描序列和順序如下：(1)橫斷面T1WI：TR6.04ms，TE2.46ms，層厚1.6mm，FOV 360mm×360mm，采集矩陣448×384，激勵次數1；T2WI：TR6500ms,TE84ms,層厚4mm,釆集矩陣448x448mm，激勵次數1；(2)橫斷面IVIM：TR6100ms，TE54ms，FOV 340mm×340mm，b=0、30、50、100、150、200、400、800、1200、1600s、2000/mm2；(3)DCE-MRI：TR7.14ms，TE3.69ms，反轉角8°，層厚4mm，矩陣448×448，FOV 340mm×340mm，掃描時間9.6s/期，共35期。對比劑采用Gd-DTPA(469mg/mL)通過肘靜脈以3mL/s的流率注射0.2mmol/kg，再以相同流率注射10mL生理鹽水。

1.3 圖像分析由2名分別具有初級和高級職稱的放射科診斷醫師共同閱片，達成一致意見。采用成都眾影公司提供的MRStation工具，選擇IVIM模型分別生成D、f、D＊偽彩圖，逐層選取對應層面勾畫ROI，病灶全容積進行測量，獲得病變三維最長徑、D、f、D＊的直方圖參數。包括第10、90百分位數(10th、90th)、熵值(Entrop)、峰度系數(Kurtosis)、最大值(max)、均值(mean)、中位數(Median)、最小值(min)、偏度系數(Skewness)。

1.4 病理檢查手術病理標本由2名分別具有8年和20年經驗的病理科醫師進行共同分析。

1.5 統計方法采用SPSS 25.0 軟件包進行統計分析。Kolmogorov-Smirnov檢驗計量資料是否符合正態分布，正態分布的資料以(均值±標準差)表示，偏態分布的資料以中位數(上～下四分位數)表示。采用兩獨立樣本t檢驗(正態分布)或Mann-Whitney U檢驗(偏態分布)比較乳腺良、惡性病灶的IVIM直方圖參數的差異。以病理結果為金標準，繪制ROC以評價IVIM直方圖參數獨立及聯合鑒別診斷乳腺良、惡性病變的效能。Medcalc16.2統計軟件包Z檢驗比較幾種聯合診斷AUC差異。單變量二元logisti回歸分析(P<0.001)的變量納入多變量二元logisti回歸分析獨立影響因素。2個觀察者間重復評價的一致性,采用組內相關系數(ICC)進行評估，ICC＞0.7：一致性良好。

2 結 果

2.1 病理結果158例病灶有5例患者為雙發病變，其余均為單發，乳腺惡性病變116例，良性病變42例。乳腺癌病灶中浸潤性導管癌112例(圖1A)。導管內原位癌3例。浸潤性小葉癌1例。良性病變中纖維腺瘤22例(圖2A)，導管內乳頭腫瘤8例，良性葉狀瘤3例，乳腺增生及腺病8例，間質彌漫纖維化1例。

圖1A-圖1F 女 46歲 右側乳腺外下象限浸潤性導管癌；圖1A：右乳外下象限強 化腫塊；圖1B：D偽彩圖；圖1C：D*偽彩圖；圖1D：D直方圖參數 (P90%：0.953×10-3mm2/s；熵：4.744；峰度：5.60；均值：0.715×10-3mm2/s；中位數：0.712×10-3mm2/s；最小值：0×10-3mm2/s；偏度：0.194)；圖 1E:f直方圖參數(峰度：5.77)；圖1F：D*方圖(P90%：1.239×10-3mm2/s；熵：5.46；峰度：4.8；均值：0.827×10-3mm2/s；中位數： 0.811×10-3mm2/s；最大值：2.44×10-3mm2/s；偏度：0.231)

圖2A-圖2E 女，51歲，左側乳腺外下象限纖維腺瘤；圖2A：左乳外下象限強化 腫塊；圖2B：D*直方圖偽彩圖；圖2C：D參數(P90%：1.462×10-3mm2/s；熵：3.961；峰度：3.275；均值：1.224×10-3mm2/s；中位數： 1.201×10-3mm2/s；最小值：0.749×10-3mm2/s ；偏度：-0.189)；圖 2D:f直方圖參數(峰度：3.211)；圖2E：D*方圖(P90%：1.077×10-3mm2/s；熵：4.703；峰度：3.248；均值：0.752×10-3mm2/s；中位 數：.801×10-3mm2/s；最大值：1.391×10-3mm2/s；偏度：-0.786)

2.2 乳腺良、惡性病變臨床、生理特征乳腺良性病變患者中位年齡47歲，惡性病變患者中位年齡52歲，兩者差異有統計學意義。惡性腫瘤位于雙側乳腺內、外上象限占比大于良性病變，兩者差異有統計學意義。惡性病變三維最長徑顯著大于良性病變(表1)。

表1 乳腺良惡性腫瘤影像特征單因素表

2.3 乳腺良、惡性病變的IVIM直方圖參數IVIM定量值參數D直方圖(90th、熵、峰度、均值、中位數、最小值、偏度)(圖1D)、f直方圖(峰度)(圖1E)、D＊直方圖(90th、熵、峰度、均值、中位數、最大值、偏度)(圖1F)，鑒別乳腺良惡性病變單因素分析有統計學意義(表1)。

2.4 IVIM直方圖參數獨立及聯合預測鑒別診斷乳腺良、惡性病變的效能直方圖參數獨立預測ROC下面積最大為D-偏度(0.818)；敏感度最高為D-熵(0.957)；特異度最高為D-偏度(0.857)；準確度最高為D-偏度(0.797)。D值聯合診斷AUC、敏感度、特異度、準確度分別為0.903、0.948、0.786、0.88;f值聯合診斷分別為0.604、0.672、0.548、0.73；D＊值聯合診斷為0.833、0.897、0.619、0.823；IVIM直方圖聯合診斷為0.953、0.982、0.833、0.924；IVIM聯合診斷AUC 面積最大(表2)，與D值聯合(Z=2.290;P=0.022)、D＊值聯合(Z=3.685;P=0.001)、f值聯合(Z=5.993;P=0.001)、IVIM聯合(Z=2.004;P=0.045)診斷曲線下面積差異有統計學意義(圖3)。單變量二元logisti回歸分析有統計學意義變量(表3)，其中D-均值、D-熵、D-中位數、D-偏度及D＊-熵(P<0.001)納入多變量二元logisti回歸分析，D-熵(OR=2.943;P=0.037)及D-中位數(OR=0.984;P=0.029)為乳腺惡性病變獨立影響因素(表4)。

表2 ADC、IVIM、DKI直方圖、DCE-MRI參數鑒別診斷乳腺良、惡性病變的效能

表3 單變量二元logistic回歸分析乳腺良惡性腫瘤影響因素

表4 多變量二元logistic回歸分析乳腺良惡性腫瘤影響因素

圖3 IVIM直方圖聯合診斷ROC曲線

3 討 論

3.1 IVIM-DWI術前診斷乳腺良、惡性病變的價值IVIM-DWI 是一種新型的DWI技術，利用多b值掃描及雙指數模型擬合出定量參數D、D＊及f值，可更真實地反映組織內的水分子擴散?；谡麄€病變的直方圖分析法可提供比常規IVIM定量參數更多的信息，除包括多個百分位數定量值和最小值、最大值、均值，還可獲得反映病變內部定量值分布情況的參數，包括熵、偏度、峰度，可用于更好地區分良惡性病變。魏樂群等[5]研究得到乳腺惡性組D值均小于良性組，而f值和D＊值均高于良性組。王志遠等[6]研究得到乳腺惡性腫瘤組的D和f值明顯低于良性組。D＊值在兩組間的差異無統計學意義。ROC 曲線分析顯示，D、f、D+f值鑒別乳腺良惡性病變的 AUC 分別：0.891、0.827、0.937。IIMA M[7]研究得到乳腺惡性腫瘤f顯著高于良性組，D＊值在兩組間的差異無統計學意義。本研究D均值乳腺惡性病低于良性病變，D＊值高于乳腺良性病變，兩者差異有統計學意義，f均值差異無統計學意義。f、D＊值與前面作者結論部分不一致，可能原因，本研究采用病變全容積測量，更能全面反應病變的內部特征。阮惠萍等[8]研究也得到IVIM-D值良性組顯著高于惡性組。劉克明等[9]研究得到除峰度值及偏度值之外,良惡性病變D和D＊值的直方圖參數均存在顯著差異，D值的第10百分位數及D＊值的第90百分數曲線下面積(AUC)值最高,分別為0.910和0.821。本研究中D直方圖(P90%、熵、均值、峰度、中位數、最小值、偏度)、f直方圖(峰度)、D＊直方圖(P90%、熵、峰度、最大值、均值、中位數、偏度)鑒別乳腺良惡性病變單因素分析有統計學意義。ROC下面積最大為D-偏度(0.818)。本研究單因數ROC面積最大、特異度、準確度最高為D-偏度，分析與劉克明等[9]結論不同的原因可能為前者病例數較少，沒有納入非腫塊樣強化良惡性病變。

3.2 IVIM直方圖參數聯合診斷乳腺良、惡性病變的價值劉陽等[10]通過多b值DWI檢查和MRI動態增強兩者聯合使用可以有效提高臨床診斷效能。李嫣等[11]研究體素內不相干運動與擴散峰度成像中聯合D值和MK值的AUC達0.92。史倩菲等[12]研究得到DCE-MRI聯合DWI能提高診斷乳腺癌良惡性病變的準確率。孟存忠等[13]研究得到ADC 直方圖和 DCE-MRI半定量參數聯合能提高乳腺惡性腫瘤診斷的準確性。李紅英[14]研究報道使用DCE、DWI和1H-MRS三個參數的MRI聯合診斷乳腺良惡性病變的效能明顯大于單個參數或任何兩個參數聯合的診斷效能。而直方圖分析則拓寬了單一定量值的診斷價值，直方圖的聯合理論上進一步提高了診斷的特異性和準確性。本研究通過IVIM直方圖分析，得到單因素有統計學意義參數ROC曲線面積最大為D-偏度(0.818)，D直方圖參數聯合ROC下面積能提高到0.903，IVIM直方圖聯合診斷曲線下面積最大(0.953)，并且與單變量、D、f、D＊直方圖各參數聯合的曲線下面積差異有統計學差異。阮惠萍[8]等通過比較表觀擴散系數(ADC)、IVIM、擴散峰度成像(DKI)定量值鑒別乳腺良惡性病變效能，得到ADC值及DKI-K值為鑒別乳腺良惡性病變的獨立影響因素。本研究將單變量二元logisti回歸分析(P<0.001)的變量納入多變量二元logisti回歸分析獨立影響因素，得到D-熵(OR=2.943;P=0.037)及D-中位數(OR=0.984;P=0.029)為乳腺惡性病變獨立影響因素，其預測準確率達0.88。

本研究的局限性：第一，本研究為單中心研究；第二，樣本量相對較少，特別是乳腺良性病變；第三，IVIM參數為全容積測量，可能少部分把腫瘤壞死區域納入了感興趣區。

綜上所述，IVIM直方圖參數聯合診斷AUC面積最大，與D值、f值、D＊值聯合診斷曲線下面積差異有統計學意義。D-熵及D-中位數為乳腺惡性病變獨立影響因素。