DWI 定量值对乳腺癌分子分型的鉴别诊断

袁玉山，张 杨，彭 彬，张娜娜，胡献阔

（安徽省阜阳市人民医院医学影像科，安徽 阜阳 236000）

乳腺癌是异质性很高的恶性肿瘤，居女性恶性肿瘤致死率前列。根据2011 年St.Gallen 共识，结合免疫组化中ER、PR、Ki-67 及Her-2 的状态，可将乳腺癌分为4 种分子分型，即Luminal A 型、Luminal B型、Her-2 过表达型及Basal-like 基底样型，临床常根据患者的分子分型确定治疗方案［1］。Basal-like 基底样型乳腺癌常行化疗，Her-2 过表达型乳腺癌在化疗的同时还需抗Her-2 治疗［2］。本研究尝试分析Her-2过表达型乳腺癌和Basal-like 基底样型乳腺癌DWI参数的差异，探讨DWI 定量值鉴别诊断两类乳腺癌的可行性。

1 资料与方法

1.1 一般资料 收集2015—2018 年在我院行乳腺MRI 检查的乳腺癌74 例，均为女性，年龄（47.52±7.1）岁；均经病理结果证实，74 例中Her-2 过表达型43 例，Basal-Like 基底样型31 例。MRI 检查前未行其他治疗，剔除MRI 图像存在严重伪影者，且DWI均在增强扫描前完成。本研究经我院伦理委员会通过，所有患者均签署MRI 检查知情同意书。

1.2 仪器与方法 采用Philips Ingenia CX 3.0 T超导型MRI 扫描仪和乳腺专用8 通道相控阵线圈。患者头先进，取俯卧位，双乳自然下垂。DWI 参数：TR 2 486 ms，TE 71.9 ms，b 值取800 s/mm2，层厚4.0 mm，层距1 mm，间隔10%，FOV 320 mm×320 mm，矩阵256×224。

1.3 图像后处理 由2 位经验丰富的放射科主治医师在不知道免疫组化结果的前提下，参考乳腺影像报告和数据系统，在DWI 图像上测量ADC 值，获得直方图参数：①ADC 值的测量，避开坏死、囊变、出血区及正常腺体组织，选取3 个ROI，获得3 个ADC值，取平均值。②直方图参数根据ADC 图像中获取的ROI 位置和大小，在相应的DWI 图像上勾画出ROI，通过Matlab 软件实现3 个ROI 的融合操作，计算融合ROI 的灰度直方图分布。ADC 图与DWI 图像的ROI 应为同一层面、同一位置、相同大小和形状。

1.4 统计学分析 采用SPSS 19.0 统计软件进行分析。2 种分子分型乳腺癌的ADC 值与直方图参数比较行非参数Mann-Whitney 检验，以P＜0.05 为差异有统计学意义；对差异有统计学意义的定量参数采用ROC 曲线分析其对两类乳腺癌的鉴别敏感度和特异度，曲线下面积＞0.7 以上认为对2 类乳腺癌的鉴别诊断有一定的敏感度和特异度。最后，基于直方图参数，建立Logistic 回归模型尝试实现对2 种基因分型乳腺癌的鉴别诊断。

2 结果

74 例中2 种分子分型乳腺癌患者的年龄、患侧及病理结果差异均无统计学意义（均P＞0.05）。

表1 患者基本信息

2 种分子分型乳腺癌的DWI 和ADC 图见图1，2，肿瘤区域在DWI 图上呈高信号，在ADC 图上呈稍低信号。

2 种分子分型乳腺癌的ADC 与DWI 直方图参数的Mann-Whitney 检验及ROC 曲线分析见表2，图3，4。ADC 值在Her-2 过表达型与Basal-Like 基底样型乳腺癌中差异有统计学意义（P＜0.01），ROC 曲线分析显示ADC 值鉴别两类乳腺癌的敏感度和特异度较低（AUC=0.66）。

在DWI 8 个直方图参数中，灰度最小值、最大值、平均值、峰度、能量及熵值在2 种基因类型乳腺癌种差异均有统计学意义（均P＜0.05），ROC 曲线下面积分析显示灰度最小值对2 类乳腺癌的鉴别诊断能力最高（P＜0.01，AUC=0.87）。

基于直方图建立的Logistic 回归分析对两类乳腺癌的鉴别诊断准确率为83.78%（62/74），其中对Her-2 过表达型乳腺癌的诊断准确率为86.05%（37/43），对Basal-Like 基底样型诊断准确率为80.65%（25/31）。Logistic 预测概率的AUC 为0.88（图5）。

图1 女，45 岁，Her-2 过表达型乳腺癌 图1a，1b 分别为DWI 图及ADC 图，红色不规则区域为肿瘤ROI 图1c DWI 直方图来自DWI 图像的红色不规则区域 图2 女，57 岁，Basal-Like 基底样型乳腺癌 图2a，2b 分别为DWI 图及ADC 图，红色不规则区域为肿瘤ROI 图2c DWI直方图来自DWI 图像的红色不规则区域

表2 2 种分子分型乳腺癌ADC 值及DWI 直方图参数的非参数Mann-Whitney 检验及ROC 曲线分析（±s）

表2 2 种分子分型乳腺癌ADC 值及DWI 直方图参数的非参数Mann-Whitney 检验及ROC 曲线分析（±s）

图3 ADC 值的ROC 曲线分析 图4 DWI 直方图的ROC 曲线分析 图5 Logistic 回归分析预测概率的ROC 曲线分析

3 讨论

3.1 乳腺癌的分子分型 乳腺癌是常见的女性恶性肿瘤之一，手术是其主要治疗方法之一，其他的辅助治疗方法包括化疗、内分泌治疗、放疗及生物靶向治疗等［3］。乳腺癌的分子分型是临床确定治疗方案的重要指标，也是判断患者预后的重要因素。根据2011年St.Gallen 专家共识，乳腺癌4 种分子分型中，Lumianl A 和Luminal B 型的大部分患者适合进行内分泌治疗，部分Luminal B 型乳腺癌内分泌治疗时应进行化学治疗，相较于其他类型乳腺癌，Luminal型复发及转移风险较低［1-2］。

Basal-like 型乳腺癌是发生率较低的乳腺癌分子分型，需进行化疗；Her-2 过表达型乳腺癌在化疗同时还需行抗Her-2 治疗。

3.2 DWI 在乳腺癌中的应用 MRI 因其较高的软组织对比度及多种成像模式已成为除超声外的乳腺疾病常用的检查方式。肿瘤区域内部由于微血管、细胞等的变化而引起的微环境的改变会导致水分子在肿瘤组织内部弥散受限，因此恶性肿瘤原发灶及转移灶在DWI 上均呈明显高信号。张海燕等［4］的研究发现，ADC 值判断Her-2 过表达型乳腺癌新辅助化疗早期疗效具有可行性，敏感度和特异度均较高。张悦等［5］对比了不同b 值的DWI 图像的ADC 参数，结果发现，ADC 值与乳腺癌部分预后因子表达状态及不同分子亚型具有相关性，且行乳腺DWI 检查时b值选择800 s/mm2为佳。刘鸿利等［6］发现不同ADC参数和乳腺癌分子分型有明显相关性，Her-2 阳性组ADC 参数值均高于其他组。以上研究证实ADC 值可实现对不同分子分型乳腺癌的鉴别诊断。

直方图分析方法已尝试被用于乳腺癌的分子分型研究［7］；Choi 等［8］将直方图分析应用于三阴型乳腺癌与雌激素受体（ER）阳性乳腺癌的对比分析中，ADC直方图分析显示三阴型乳腺癌的ADC 峰度高于ER阳性的乳腺癌；研究［9］还发现ADC 直方图分析通过提供额外的定量参数，对乳腺良性病变和恶性肿瘤的鉴别诊断具有重要价值。

本研究基于DWI 图像得到肿瘤的ADC 值和直方图，结果发现，相较于ADC 值对Her-2 过表达性乳腺癌与Basal-Like 型乳腺癌的鉴别诊断能力（P＜0.01，AUC=0.66），DWI 图像肿瘤ROI 区域的直方图参数表现出更好的鉴别诊断能力，在所有参与分析的8 个直方图参数中，DWI 图像灰度最小值表现出最好的鉴别诊断能力（P＜0.01，AUC=0.87）。

这一研究结果表明，直方图参数可量化评价乳腺恶性肿瘤的不同分子分型，Her-2 过表达型比Basal-Like 基底样型乳腺癌有着更高的肿瘤异质性。

3.3 Logistic 回归分析对乳腺癌的鉴别诊断 Logistic 回归分析常被用于实现两类或多类样本的分类分析［10］。在本研究中，基于DWI 得到的8 个直方图参数建立的Logistic 回归模型尝试对Her-2 过表达型乳腺癌与Basal-like 型乳腺癌进行分类分析，结果显示，线性回归分析结合直方图参数可实现对两类乳腺癌分子分型的分类鉴别，分类准确率为83.78%，AUC 为0.88，可见Logistic 回归分析结合定量化参数具备乳腺癌分子分型的分类鉴别能力。

综上所述，DWI 的ADC 参数及肿瘤ROI 区域的直方图参数可实现对Her-2 过表达型与Basal-Like基底样型乳腺癌的鉴别诊断，有望成为鉴别诊断乳腺癌分子分型的无创工具和辅助手段。