3.0T动态增强MRI定量参数、表观扩散系数与乳腺癌预后因子及分子分型的相关性

王倩，刘万花，王瑞，叶媛媛

1.东南大学，江苏南京 210009；2.东南大学附属中大医院放射科，江苏南京 210009；

乳腺癌是世界范围内影响女性健康的重要疾病之一，新发和死亡病例高居榜首[1]。乳腺癌于分子水平呈现高度的异质性，不同分子亚型表现出不同的生物学行为，预后差异较大[2]。Luminal A型增殖率低；Luminal B型组织学分级较Luminal A型高，且多数伴有人类表皮生长因子受体-2（human epidermal growth factor receptor 2，HER-2）基因扩增；HER-2过表达型乳腺癌恶性程度高，内脏转移率高，生存率低[3]。三阴性乳腺癌（triple negative breast cancer，TNBC）具有很强的侵袭性及独特的生物学行为，预后差[4]。因此，深入探讨乳腺癌分子分型与影像特征及功能成像之间的关系，对乳腺癌的精准治疗及疗效随访具有重要价值。关于定量动态增强MRI（dynamic contrast enhanced MRI，DCE-MRI）定量参数及表观扩散系数（ADC）值与乳腺癌不同预后因子及分子分型的相关性已有部分报道[5-9]。本研究在同一研究对象获取DCE-MRI和ADC值，分析各功能参数与预后因子和分子分型间的相关性。

1 资料与方法

1.1 研究对象 回顾性分析东南大学附属中大医院2012—2018年符合以下标准的患者，纳入标准：①术前同时行MRI动态增强及扩散加权成像（DWI）扫描；②外科手术病理证实为乳腺癌；③术后经病理检查并取得免疫组化指标。排除标准：①MRI扫描图像不标准；②行穿刺活检，但未手术者；③行放疗、化疗或激素替代治疗后；④妊娠期及哺乳期女性；⑤分子分型研究中免疫组化检测指标不全者。

最终纳入123例乳腺癌患者，共127个病灶，年龄（52.16±10.56）岁。病理类型：浸润性导管癌107例、导管原位癌16例、浸润性小叶癌1例、乳头状癌1例、髓样癌1例及分泌基质癌1例。纳入分子分型研究123个病灶。

1.2 MRI检查 所有患者均于术前行3.0T MRI（Siemens Magnetom Verio）检查，使用双穴乳腺专用8通道表面线圈。扫描前于患者手背静脉或肘静脉放置留置针，并进行平静呼吸训练，扫描位置为俯卧位，双乳对称、自然悬垂于线圈内。DWI扫描于对比增强扫描前进行，采用平面回波序列，扫描参数：TR 7200 ms，TE 88 ms；层厚4.0 mm；层间距6 mm；激励次数2；视野340 mm；矩阵192 mm×192 mm；b值分别取0、800 s/mm2。DCE-MRI扫描序列是三维快速小角度激发扰相梯度回波及脂肪抑制T1WI序列，扫描参数：TR 5.08 ms，TE 1.68 ms，反转角2°、15°， 视野320 mm×320 mm，矩阵192×192，层厚3 mm。扫描过程：首先进行第一期T1原始值图（T1 map）扫描，然后在第4期经高压注射器团注Gd-DTPA 0.1 mmol/kg，随后团注20 ml生理盐水，注射速度均为2 ml/s。注射的同时继续行动态增强扫描，每一期采集时间为10 s，共扫描40期，总采集时间6 min 40 s。

1.3 图像后处理及数据测量 所有数据后处理均于Siemens 3.0T MRI Verio工作站进行。ADC值测量：参考MR动态增强图像找到病变所在位置，取病变的实性部分，注意避开囊变、坏死或出血区域，测量3个感兴趣区（ROI），取平均值。定量增强参数获取：应用4D tissue后处理软件，选择病变强化最明显区域作为ROI，避开囊变、坏死区，结合原始T1值，应用经典Tolfs参考模型，测量慢速模式下的容量转移常数（Ktrans）、速率常数（Kep）、血管外细胞外间隙容积比（Ve），同样选取3个ROI并取平均值。

1.4 免疫组化及分子分型判断标准 美国临床肿瘤学会[10]定义雌激素受体（estrogen receptor，ER）及孕激素受体（progesterone receptor，PR）阳性为侵袭性阳性肿瘤细胞核≥1%，反之为阴性。HER-2表达评分为0、+、++、+++，评分+++为HER-2表达阳性，评分0和+为HER-2表达阴性；HER-2评分为++者进一步行FISH法检测，若基因扩增则为HER-2阳性，反之为阴性。根据2011年St.Gallen国际乳腺癌会议[11]上提出的分子分型方法，将乳腺癌分为以下4种类型，①Luminal A型：ER和（或）PR阳性，HER-2阴性，Ki-67低表达（<14%）；②Luminal B型：ER和（或）PR阳性，HER-2阴性，Ki-67高表达（≥14%）；ER和（或）PR阳性，HER-2阳性，Ki-67任意表达；③HER-2过表达型：ER、PR阴性，HER-2阳性，Ki-67任意表达；④TNBC：ER、PR和HER-2均为阴性，Ki-67任意表达。

123个病灶分为Luminal A型24个、Luminal B型73个、HER-2过表达型15个和TNBC 11个。

1.5 统计学方法 采用SPSS 18.0软件，正态分布的计量资料以±s表示，各受体在不同表达状态下的Ktrans及Ve值比较采用t检验；非正态分布的计量资料用M（Q1，Q3）表示，采用Mann-Whitney U检验进行比较；用Spearman相关分析评价各定量参数及ADC值与各预后因子的相关性，不同分子分型间乳腺癌病灶的Ktrans及Ve值比较采用单因素方差分析，两两比较用SNK检验，采用Kruskal-Wallis检验比较不同分子分型乳腺癌患者的Kep值及ADC值，两两 比较采用Mann-Whitney U检验。采用ROC曲线下面积（AUC）比较各定量参数对不同分子分型的乳腺癌的预测价值，P<0.05表示差异有统计学意义。

2 结果

2.1 各预后因子在不同表达状态下的定量DCE-MRI参数及ADC值比较 ER、PR阳性患者的Ktrans、Kep值及ADC值均低于ER、PR阴性患者，差异有统计学意义（P<0.05），两组Ve值差异无统计学意义（P>0.05）；HER-2阳性患者Ve值和ADC值均高于HER-2阴性患者，差异有统计学意义（P<0.05），两组Ktrans及Kep值差异无统计学意义（P>0.05）。见表1。

表1 各预后因子在不同表达状态下定量参数及ADC值比较

2.2 定量参数及ADC值与各预后因子阳性表达的相关性 ER及PR与Ktrans、Kep、ADC值均呈负相关，其中ER与ADC值的相关性最大（r=-0.252），PR与Ktrans值的相关性最大（r=-0.257）。HER-2与Ve值及ADC值呈正相关，且相关性相等（r=0.187）。Ki-67表达率与Ktrans呈正相关（r=0.226，P=0.006），与Kep、Ve及ADC值无相关性（P>0.05）。见表2。

表2 定量参数及ADC值与各预后因子阳性表达的相关性

2.3 不同分子分型患者ADC值及定量参数结果 TNBC型患者Ktrans、Kep及ADC值均高于其他各型，Ve均低于其他各型。不同分子分型间Ktrans、Kep、Ve及ADC值差异有统计学意义（P<0.05）。进一步两两比较显示，Luminal A型及Luminal B型与TNBC型间Ktrans值、Kep值及Ve值差异均有统计学意义（P<0.05），Luminal B型与TNBC型和HER-2过表达型ADC值差异有统计学意义（P<0.05）。见表3。

表3 不同分子分型患者定量参数及ADC值比较

2.4 应用定量参数及ADC值诊断不同分子分型的ROC曲线下面积（AUC）分析 各参数对不同分子分型诊断效能，除TNBC中Ktrans值及Kep值AUC>0.7外，其余AUC均<0.7，且Ve值诊断TNBC的AUC最小，为0.180。应用Kep值诊断TNBC的AUC最高，为0.904，截断点为最大约登指数，其敏感度为81.8%，特异度为85.7%。见表4。

表4 应用定量参数及ADC值诊断不同分子分型乳腺癌的AUC

3 讨论

定量DCE-MRI是基于参数（模型）技术对对比剂进行灌注分析。通过监测ROI内对比剂的时间-信号强度变化特点，结合适当的药物代谢动力学模型，计算出具有生理学意义的定量增强参数，在分子水平反映肿瘤组织血流灌注、血管分布等情况[5]。基于水分子的布朗运动原理，DWI可反映人体组织中微观结构以及细胞内外水分子的扩散能力，ADC值是DWI的一个定量指标，细胞构成、细胞密度、细胞膜通透性及血流灌注均与ADC值相关。既往研究报道了定量参数及ADC值与乳腺癌预后因子及分子分型的相关性，但均基于各自独立的研究对象，不利于比较分析。本研究从同一研究对象同时获取定量动态增强参数及ADC值，以期得到更为可靠的对比分析结果。

本研究结果显示，ER、PR阳性患者的Ktrans、Kep及ADC值均低于ER、PR阴性患者，且ER、PR与Ktrans、Kep及ADC值均呈负相关，而Ve值差异无统计学意义，提示ER、PR阳性肿瘤毛细血管通透性减小，这一结果可借助Ali等[12]研究提示ER能够下调血管内皮生长因子水平，从而抑制血管生成通路，因此ER阳性肿瘤毛细血管较ER阴性少，血流灌注下 降，肿瘤组织中微血管灌注对ADC值的影响较小得 以解释，与Suo等[7]及Martincich等[8]的研究结果一 致。关于定量参数与HER-2表达是否有相关性，既往报道结果不一[13-14]。本研究显示，HER-2阳性患者的Ve值及ADC值高于阴性患者，且HER-2与Ve值及ADC值的相关性相同。关于文献报道结果不一致的原因考虑与研究样本量、HER-2的蛋白质表达与基因扩增不一致等因素有关，Makkat等[15]研究证实，HER-2基因无扩增组与扩增组间组织相对血流量差异有统计学意义，而HER-2表达阴性组和阳性组间差异无统计学意义。本研究基于相对较大样本量、相同患者定量参数间进行对比分析，因此研究结果更具可靠性。

不同分子分型的乳腺癌的治疗效果及生存结果存在显著差异，是临床内分泌治疗的重要依据。因此活体预测乳腺癌分子分型的研究具有重要临床指导价值。本研究显示，TNBC型乳腺癌Ktrans、Kep及ADC值均高于其他各型，Ve均低于其他各型，提示TNBC型乳腺癌的新生毛细血管密度高，微血管灌注更明显。Wang等[16]报道血管内皮生长因子在TNBC乳腺癌中表达更频繁，即肿瘤侵袭性较高。TNBC型ADC值高于其他各型除血管灌注明显外，另一个原因为肿 瘤细胞以推挤的方式生长，病灶坏死率较高，大片坏死导致ADC值升高[17]。本研究显示仅Ktrans值及Kep值对TNBC具有较高的预测价值，且Kep值的预测价值最高，敏感性为81.8%，特异性为85.7%。而其他各参数以及Ktrans值及Kep值对其他类型乳腺癌的预测价值均较低，AUC均低于0.7，与Li等[18]的研究结果不一致，Li等[18]研究显示Ve值是较好的TNBC肿瘤预测指标。研究样本量的多少及Ve值容易受病变周围水肿影响[19]等因素，因此关于Ve值作为TNBC的预测指标尚存在争论，需要进一步研究。

本研究具有一定的局限性，某些肿瘤亚型样本量较少，因此统计数据估算精度有所降低；其次没有控制影响血流灌注的因素（如高血压及心脏输出功能）对定量参数测量的影响。

总之，通过DCE-MRI定量参数及ADC值可在一定程度上预测乳腺癌的分子分型，且Kep值对TNBC的预测价值最高。