多模态MRI技术诊断乳腺单发良恶性结节的Logistic分析

曾仲刚，李雪霞，李 刚，李志娟，陆火丽，李扬彬

（东莞东华医院放射科，广东 东莞 523110）

我国乳腺癌的发病率、病死率逐年上升，发病年龄越来越年轻化。究其原因是不能早期发现、早期诊断及早期治疗。乳腺疾病的影像学检查以X线钼靶摄影和彩超为主，但其对乳腺结节评估能力均存在一定的不足之处。国外文献[1]报道乳腺X线钼靶摄影对于乳腺癌检出的敏感度较高，但特异度较低，为60%～80%。随着MRI新技术的发展，MRI在乳腺癌患者的应用逐渐增多，且能够极大的降低受检者接受的X射线辐射剂量，同时敏感性较高[2-3]，但特异性差别较大[4-5]。本研究探讨二分类Logistic回归模型在多模态MRI诊断乳腺良恶性结节的应用价值，现报道如下。

1 资料与方法

1.1 一般资料

收集2013年1月—2016年9月我院乳腺科收治的51例乳腺单发结节（直径≤3 cm）患者，入院诊断为乳腺占位，所有病例术前均进行了MRI检查（平扫、弥散成像及动态增强），检查后5天内进行结节手术切除或B超定位下穿刺活检。所有结节均经病理及免疫组化证实。患者均为女性，年龄23～71岁，平均43.5岁。病人术前未进行任何有创检查或相关抗肿瘤治疗。排除标准：①结节数目＞2个，②病变直径＞3 cm，③病理结果不明确、没有做免疫组化，④恶性病变有其它部位转移者。

1.2 MRI扫描技术

采用德国西门子MAGNETOM skyra 3.0T超导型磁共振扫描仪。患者取俯卧位，乳腺自然悬于乳腺线圈孔中。横断位 T2WI压脂（T2-TIRM）：TR 3600ms，TE 61 ms，翻转角 66°，层厚 2 mm；快速自旋回波序列（TSE）横断位T1WI；弥散成像使用b值0 s/mm2及800 s/mm2；动态增强：快速小角度激发三维动态成像序列压脂横断位 T1WI，条件（TR 4.67ms、TE 1.66ms、层厚1.2 mm、层间距0.2 mm、翻转角10°，快速脂肪饱和，FOV 360），共重复扫描1+5个时相，每个时相扫描时间约60 s，第1个时相相当于平扫蒙片，然后用高压注射器经肘静脉注射Gd-DTPA（GE公司，钆双胺注射液，0.5 mmol/mL），速率 2 mL/s，剂量为0.2 mmol/kg。

1.3 MRI病灶征象分析

①常规MRI平扫征象；②弥散成像（ADC值）；③信号强度-时间（SI-T）曲线。MRI乳腺良、恶性病变诊断标准：参照美国放射学会的乳腺MR影像报告及数据系统（Breast imaging reporting and data system，BI-RADS）的评分标准[6]（表 1），由 2 名高级职称医师对图像进行全面分析，如有意见不同，则通过互相讨论取得意见一致后确定。

1.4 统计学方法

用SPSS 19.0软件对数值据进行统计学分析，对良恶性结节的年龄、形态、毛刺、边界、ADC值、动态增强曲线类型进行两两之间t检验，P＜0.05有统计学意义。

表1 乳腺良、恶性结节MRI征象比较

2 结果

2.1 手术病理结果

共有51个结节，乳腺良性结节26例，其中乳腺纤维腺瘤13例，乳腺囊性增生病7例，乳头状瘤5例，乳腺炎性病变1例。乳腺恶性结节25例，其中乳腺导管内癌5例，浸润性导管癌16例，小叶浸润癌4例。51个结节的形态：圆形或椭圆形23个，分叶或不规则形28个；有毛刺16例，无毛刺35例；边界清晰 34例，边界模糊 17例；ADC 值[7]≥1.01×10-3mm2/s 24个，＜1.01×10-3mm2/s 27个；病灶的动态增强曲线类型：Ⅰ型（流入型）19个，Ⅱ型（平台型）11个，Ⅲ型（流出型）21个。

2.2 乳腺结节的MRI表现

从表1比较中可见，乳腺恶性结节的MRI征象表现多为分叶或不规则形，有毛刺，ADC值较低，增强曲线为Ⅱ型或Ⅲ型。乳腺良性结节的MRI征象表现多为圆形或椭圆形，无毛刺，边界清晰，ADC值较高，增强曲线主要为Ⅰ型，少部分为Ⅱ型。年龄对于乳腺良恶性结节的诊断意义不大（P＞0.05），其余MRI征象两两对比有显著差异（P＜0.05）。

2.3 Logistic回归分析结果

Logistic模型建立：以手术病理结果为诊断金标准，以良、恶性作为因变量（Y），Logistic回归赋值分别约0、1、2……；将下述MRI征象及患者年龄作为自变量建立Logistic模型（纳入标准 P＜0.05），采用前进法进行线性回归，定义：X1年龄：＜40岁=0；≥40岁=1；X2为形态：圆形或椭圆形=0；分叶或不规则形=1；X3为毛刺：有毛刺=0；无毛刺=1；X4为边界：清晰=0；模糊=1；X5 为 ADC 值：≥1.01×10-3mm2/s=0；＜1.01×10-3mm2/s=1；X6 为动态增强曲线：Ⅰ型=0；Ⅱ型=1；Ⅲ型=2；病理性质为 Y：良性=0；恶性=1（表2）。对回归参数估计值采用Wald χ2检验，对整个模型的拟合情况采用卡方检验（表3）。并用ROC曲线法评价Logistic模型的预报能力（图1）。

将上述MRI征象作为自变量采用二分类Logistic回归分析，输出结果见表3。经分析后筛选出2个自变量（ADC值与动态增强曲线），其组成回归方程为：Logit（P）=-0.503+0.387X5+0.257X6。对上述模型行卡方检验，F=87.295，P＜0.01（表 4），表明该模型有统计学意义。

表2 乳腺结节病理性质与各MRI征象的赋值

图1 Logistic回归模型对乳腺单发良恶性结节预报能力的ROC图。ROC曲线下面积（Az）为 0.950，标准误 SE（Az）为0.025，95%置区间为（0.090 7，0.993），P＜0.001。Figure 1. ROC diagram of Logistic regression model’s ability to predict benign and malignant nodules in breast.Area under ROC curve(Az)0.950,SSE(Az)0.025,95%interval(0.0907,0.993),P＜0.001.

表3 多元Logistic线性回归模型分析结果

表4 回归模型卡方检验结果

利用该回归模型预报上述51个乳腺结节的性质，以P值为0.5为良、恶性分界点，当P＞0.5时预报为恶性，P≤0.5时预报为良性，则预报的敏感性为91.9%，特异性为92.2%，以该模型判断乳腺恶性结节概率预测值绘制ROC曲线（图1），ROC曲线下面积（Area under the ROC curve，Az）为判断指标检验模型拟合效果，Az 为 0.950±0.025，P＜0.001，95%置区间为（0.090 7，0.993），证明该模型的拟合效果较好，用于预测乳腺结节的良恶性具有统计学意义。

3 讨论

一直以来，X线钼靶摄影是公认的首选乳腺影像学检查方法[8]。随着MRI新技术的不断发展，其对乳腺结节的诊断价值得到一定的认可，但其诊断的准确性仍有待进一步的提高。目前尽管乳腺MRI动态增强、弥散成像、磁敏感成像、波谱成像等新技术在临床应用上有所报道，但诊断的敏感性、特异性差异很大，制约着新技术的应用。近年来，Logistic回归分析广泛应用于医学研究的各个领域，如流行病学和病因学[9]、各部位疾病的鉴别[10]、临床治疗效果评价[11]等。利用Logistic回归模型可以从众多复杂的MRI征象当中筛选出真正具有统计学意义的征象，并对各征象间的相互作用进行深入分析，提高影像诊断的符合率。

MRI具有极高的软组织分辨率，因此对于乳腺疾病的检测具有很大的优势，既能提供病灶的形态学及信号特征，而且动态增强MRI能够评估病灶的血流动力学情况，己逐步应用于临床[12-14]。传统MRI平扫主要根据肿瘤大小、边缘、信号均匀性、皮肤及乳头的改变来评价肿瘤良、恶性，其敏感性及特异性均没有达到满意效果。本研究首先从乳腺病变的MRI影像特征及其发病年龄对结节的良恶性进行统计学分析，从表1可见，病灶的形态、毛刺、边界、ADC值、增强曲线类型等方面，结节的良恶性均有统计学差异（P＜0.05），而发病年龄对于良恶性的鉴别没有统计学意义（P＞0.05）。良性病变多表现为圆形或卵圆形，边缘清晰、光滑，无毛刺，ADC值≥1.01×10-3mm2/s，动态增强曲线以流入型（Ⅰ型）为主，部分为平台型（Ⅱ型）（图2，3）。恶性病变边缘模糊，与周围组织境界不清楚，或有毛刺，或形状不规整，周边可见有长或短毛刺伸入正常腺体组织，绝大部分病灶ADC值低于1.01×10-3mm2/s，动态增强曲线以流入型为主，小部分为平台型（图4）。但在日常工作中的多数情况下，上述所有MRI征象很难同时出现，或者不同检查者对MR的征象判断存在差异；另外良、恶性结节的MRI征象存在很多重叠现象，例如动态增强平台型曲线，良恶性病变的比例接近（表1）；又如某些病变可以同时存在良、恶性征象，图3为乳腺慢性化脓性炎，其DWI呈明显高信号，ADC值约为0.861×10-3mm2/s，此为恶性肿瘤性特征，但其动态增强曲线为流入型（Ⅰ型），此征象支持良性病变；因此仅靠常规的MRI征象诊断较为困难，故误诊率较高[15]。

图2a 女，25岁，发现右乳结节7月。T2WI压脂示右乳外下象限见一大小约20 mm×16 mm高信号结节，信号较均匀，边缘光滑、锐利，形态规则，无分叶及毛刺。 图2b 右侧乳腺结节ADC值约1.139×10-3mm2/s（箭头所示）。 图2c 右侧乳腺结节动态增强：信号-时间曲线为平台型（Ⅱ型）。 图2d 右侧乳腺结节术后病理：乳腺纤维腺瘤（HE染色）。Figure 2a.Female,25 years old,right breast nodules for 7 months.T2WI fat-suppressed sequence shows a nodule of about 20 mm×16 mm in the lateral inferior quadrant of the right breast.The nodule shows homogeneously high signal,with smooth and sharp border,and is regular in shape,without spiculation. Figure 2b. The ADC value of the right breast nodule is 1.139×10-3mm2/s(arrow). Figure 2c. Dynamic enhancement of right breast nodules shows platform type(typeⅡ). Figure 2d. Pathological findings of right breast nodules:fibroadenoma of the breast(HE stain).

图3a 女，43岁，体检发现左乳结节1月余，左乳2～3点位可及一结节，大小约15 mm×10 mm，质韧，活动可，T2WI病灶呈高信号，边界光整，边缘见低信号环。 图3b左侧乳腺病灶DWI呈高信号。 图3c 左侧乳腺病灶ADC值约0.861×10-3mm2/s（箭头所示）。 图3d 左侧乳腺病灶动态增强：信号-时间曲线为流入型（Ⅰ型）。 图3e 左侧乳腺病灶术后病理：慢性化脓性乳腺炎（HE染色）。Figure 3a. Female,43 years old,physical examination found a nodule in the breast for more than 1 month.The nodule is about 15 mm×10 mm,tender,movable,well circumscribed,with central high signal and low signal ring on T2WI. Figure 3b. High signal of DWI in left breast lesions. Figure 3c.ADC value of 0.861×10-3mm2/s(arrow)in left breast lesions. Figure 3d. Dynamic enhancement of left breast lesions shows curve flow type(typeⅠ).Figure 3e.Pathology of left breast disease:chronic suppurative mastitis(HE stain).

图4a 女，38岁，发现右乳内下象限结节2个月余，结节质硬，活动差。 图4b 右乳腺内下象限结节ADC值约0.652×10-3mm2/s（箭头所示）。 图4c 右乳腺结节动态增强：信号-时间曲线为流出型（Ⅲ型）。 图4d 右乳腺结节术后病理：乳腺浸润性导管癌（HE染色）。Figure 4a. Female,38 years old,the lower quadrant nodules of the right breast 2 months.The nodules are hard,with poor movability.Figure 4b. The ADC value of the lower quadrant nodule in the right breast is about 0.652×10-3mm2/s(arrow). Figure 4c. Dynamic enhancement of right breast nodules:signal-time curve is flow-out type(typeⅢ).Figure 4d. Pathological findings of right breast nodules after operation:adenomammary infiltrative ductal carcinoma(HE stain).

为了能够在如此复杂繁多的MRI影像特征中找到最有意义、诊断率最高的征象，本研究将Logistic回归模型引入到乳腺MRI诊断中，并对年龄、形态、边界、毛刺、ADC值、动态增强曲线类型等6个最常用的病灶特征进行量化处理，经过二分类Logistic回归分析，筛选出ADC值和动态增强曲线类型这2个最具有统计学意义的特征变量，并组成二元回归方程 Logit（P）=-0.503+0.387X5+0.257X6。当P＞0.5时预报为恶性，P≤0.5时预报为良性，则预报的敏感性为91.9%，特异性为92.2%。本研究结果提示，Logistic回归模型能够综合分析乳腺单发结节的MRI特征，客观地对乳腺单发结节的良恶性进行预测，可将Logistic回归方程作为计算机程序，构建一个鉴别乳腺单发结节良恶性的计算机辅助诊断系统，可明显提高MRI的诊断符合率，使MRI更好的为临床诊断服务。

但本研究也存在不足之处，例如研究的样本量较少，乳腺多发结节、且不同人群、不同地区的发病率亦会对Logistic回归模型产生影响。另外不同职称、不同执业年限的影像诊断医生，其对MRI特征的判断亦存在主观上的差异，而且MRI对导管内肿瘤及微钙化的敏感性较低，也会对结果存在一定的影响。故对以乳腺单发结节MRI特征为变量的Logistic回归模型还需进行大样本、不同人群、多地区的应用研究，以进一步提高Logistic回归模型的准确性。

综上所述，乳腺MRI作为一种新型、重要的影像诊断技术，不仅能早期发现及诊断乳腺疾病，并且在乳腺良、恶性病变的鉴别诊断具有重要的临床价值，特别通过以Logistic回归模型预报乳腺结节的良恶性，可以为临床医师的进一步诊断及治疗提供帮助，减少误诊率的发生。