MRI纹理分析预测乳腺癌腋窝淋巴结转移

夏旭东，段成洲*，王功夏，李 铭，王海彬，王亚龙，崔振华，李佳忆

(1.安阳市肿瘤医院影像科，河南 安阳 455001；2.河南护理职业学院护理系，河南 安阳 455000)

乳腺癌是否伴腋窝淋巴结(axillary node， ALN)转移对临床分期、选择治疗方案及评估预后至关重要。腋窝淋巴结清扫术或前哨淋巴结活检术有创，且可能引起淋巴水肿等并发症[1]；而超声、CT、PET/CT及MRI等非侵入性方法也各有不足之处[2-3]。纹理分析对于定性诊断肿瘤、疗效评估及预测预后等具有较高价值[4]，并已逐渐用于预测淋巴结转移[5-6]。本研究评价MRI纹理分析预测乳腺癌ALN转移的价值。

1 资料与方法

1.1 研究对象 以2018年1月-2020年5月172例于河南省安阳市肿瘤医院经病理学证实的女性乳腺癌患者为训练组，年龄22～71岁，平均(49.4±10.3)岁；另以2020年6月—12月37例女性乳腺癌患者为测试组，年龄26～68岁，平均(53.1±11.4)岁。纳入标准：①术前2周内于本院接受MR检查；②MRI质量良好。排除标准：①检查前接受局部或全身治疗等；②ALN直径<5 mm。根据ALN状态将2组分为ALN转移与无转移亚组，即阳性、阴性亚组。阳性亚组79例，年龄28～71岁，平均(57.3±9.2)岁，其中77例原发灶为浸润性导管癌；阴性亚组93例，年龄22～68岁，平均(48.1±10.8)岁，其中86例原发灶为浸润性导管癌。测试组分为阳性亚组20例、阴性亚组17例。检查前所有患者均签署知情同意书。

1.2 仪器与方法 采用Philips Achieva/Intera 3.0T MR仪，8通道乳腺专用相控阵线圈。嘱患者俯卧，采用单次激发自旋回波-平面回波成像(single-shot spin echo-echo planar imaging， SSSE-EPI)序列行弥散加权成像(diffusion weighted imaging， DWI)，参数：TR 6 000 ms，TE 64 ms，FOV 34 cm×34 cm，b为0和1 000 s/mm2，获得表观弥散系数(apparent diffusion coefficient， ADC)图。采用脂肪抑制技术行T1高分辨率各向同性容积激发动态增强(enhanced T1 high-resolution isotropic volume excitation， e-THRIVE)扫描，TR 4.7 ms，TE 2.3 ms，FOV 34 cm×34 cm，注射对比剂前扫描第一时相作为蒙片，之后采用高压注射器经手背静脉以3 ml/s流率注入钆喷替酸葡甲胺(Gd-DTPA)对比剂(0.2 ml/kg体质量)、以相同流率注入15 ml生理盐水后扫描其余时相，每个时相扫描时间60 s，共8个时相。

1.3 图像处理 采用固定窗宽、窗位以BMP格式导出MRI，由2名高年资影像科医师以MaZda软件于ALN直径最大层面轴位MRI上沿其边缘手动勾画ROI，遇边界模糊时以肉眼可分辨灰度变化为界先行勾画，再利用ROI形态调整功能回缩各径线1～2 mm，并填充为红色(图1、2)。以软件提取ROI纹理参数值，包括9个一阶直方图参数(变异度、均值、偏度、峰度及第1、10、50、90、99百分位数)和11个灰度共生矩阵(grey-level co-occurrence matrix， GLCM)参数(能量、对比度、相关、平方和、逆差矩、均和、和方差、和熵、熵、差方差及差熵)，取2名医师测值的平均值作为结果。

图1 患者女，42岁，乳腺浸润性导管癌伴左侧ALN转移(阳性亚组) A.增强MR T1WI示ALN边缘毛糙，不均匀强化； B.于增强T1WI中勾画ALN 的ROI (红色区域)； C.ADC图显示ALN呈不均匀低信号； D.于ADC图中勾画ALN的ROI(红色区域)

图2 患者女，62岁，乳腺浸润性导管癌伴左侧ALN增生(阴性亚组) A.增强MR T1WI示ALN边缘光滑，较均匀强化； B.于增强T1WI中勾画ALN的 ROI(红色区域)； C.ADC图示ALN呈稍高信号； D.于ADC图勾画中ALN 的ROI(红色区域)

1.4 统计学分析 采用SPSS 24.0统计分析软件及R语言，以组内相关系数(intra-class correlation coefficient， ICC)评价2名医师测值的一致性，ICC>0.75认为一致性良好，P<0.01为差异有统计学意义。以±s表示符合正态分布的计量资料，行组间独立样本t检验；以中位数(上下四分位数)表示不符合正态分布的计量资料，行组间Mann-WhitneyU检验。采用线性回归评估共线性程度，剔除方差膨胀系数(variance inflation factor， VIF)>10，即存在多重共线性的特征。对数据以R语言glmnet包行Lasso回归分析以降维，并构建单因素及多因素Logistic回归模型，绘制受试者工作特征(receiver operating characteristic， ROC)曲线计算曲线下面积(area under the curve， AUC)，以Hosmer-Lemeshow拟合优度检验绘制校准曲线评价模型，以DeLong检验对比其对训练组与测试组的诊断效能。P<0.05为差异有统计学意义。

2 结果

训练组2亚组年龄差异无统计学意义(t=1.436，P=0.174)。阳性亚组ALN平均直径为(12.54±2.20)mm，阴性亚组为(8.36±1.53)mm(t=4.045，P=0.044)。

2.1 一致性分析 训练组2亚组ALN纹理参数值及组间比较结果见表1。2名医师测量结果的一致性良好(ICC=0.801，P<0.01)。

2.2 单因素分析 以线性回归去冗余后，共得到9个基于ADC、7个基于增强T1WI的纹理参数特征，以增强T1WI的熵效能最高(AUC=0.786)，见表2。

2.3 多因素分析 对Lasso模型行10倍交叉验证，最优log(λ)得到11个非零系数(图3)。基于ADC图的偏度、峰度、能量，2个序列的和熵及熵是影响预测ANL转移的显著特征，见表3。

2.4 模型验证 训练组(χ2=4.593，P=0.831)及测试组(χ2=7.408，P=0.442)均具有较好拟合度；模型预测值与实际观察值具有良好一致性。ALN预测模型对于训练组及验证组均有较好效能，AUC分别为0.906和0.859，敏感度分别为85.60%和86.20%，特异度分别为79.80%和77.30%(图4、5)，差异均无统计学意义(P>0.05)。

表1 基于增强T1WI和ADC图提取的训练组纹理参数比较

续表

表2 MRI纹理特征参数预测乳腺癌ALN转移效能的单因素分析结果

图3 二元Lasso回归模型选择纹理特征 A.Lasso回归交叉验证图； B.Lasso回归系数分布图

3 讨论

肿瘤异质性反映肿瘤生长情况和生物学特性[6]，而一阶直方图峰度、偏度和百分位数可用于判断肿瘤异质性[7]。本研究训练组16个纹理特征中，ADC图一阶直方图参数偏度、峰度、Perc.1%及Perc.10%差异均有统计学意义(P均<0.05)，AUC均>0.7，而增强T1WI一阶直方图参数中仅均值差异显著，但其诊断效能较差，AUC仅0.610，可能良恶性淋巴结强化方式存在重叠[8]。本研究多数二阶纹理特征的AUC高于一阶纹理特征，提示GLCM参数诊断效能高于一阶直方图参数，与LI等[9]报道相符，原因可能在于一阶直方图参数与肿瘤组织空间结构缺乏相关性，仅能反映ROI内像素灰度频率分布而无法评估肿瘤内的空间与位置关系；在增强序列中上述表现更为明显，可能因增强后图像分辨率较高，更能发挥GLCM的优势。

图4 多因素Logistic回归模型校准曲线 A.训练组； B.测试组

表3 多因素分析评价乳腺癌ALN转移危险因素

图5 预测ALN转移模型的ROC曲线图

本研究发现GLCM参数中的熵、和熵及能量的诊断效能较高(AUC均>0.7)。熵体现ROI内纹理复杂程度，其值越高代表纹理越复杂、病变异质性越强[10]。张娜等[11]以CT纹理分析鉴别肺孤立性结节，发现恶性结节的熵及和熵值更高。本研究阳性亚组熵、和熵值显著高于阴性亚组；自2个序列图像中提取的纹理特征中，均以熵的诊断效能为最优，AUC值分别为0.781、0.786，提示熵是预测ALN转移较为重要的独立因素。能量是灰度共生矩阵原始值的平方和，对于鉴别肿瘤良恶性及评估治疗效果具有重要意义[12]；共生矩阵中，元素集中分布时，能量值越小，肿瘤异质性越强；逆差矩则反映纹理的同质性，其值越大，图像纹理越均匀。本研究ALN阳性亚组熵、和熵及逆差矩值均高于阴性亚组，能量值则低于阴性亚组，提示转移淋巴结异质性高于无转移淋巴结，纹理特征不仅可鉴别肿瘤良恶性，亦可预测乳腺癌腋窝淋巴结转移。

常规MR检查ALN多侧重于形态学指标，但根据淋巴结径线区分有无ALN转移并不准确[13]。增强MR可利用动态增强时间-信号曲线鉴别肿瘤良恶性[14]，但目前对其预测乳腺癌ALN转移情况的价值尚有争议[8]。ZAITON等[15]以DWI及ADC值鉴别ALN转移，AUC为0.884，敏感度为85%，特异度为81%，效能较好。本研究建立的多因素Logistic回归模型鉴别乳腺癌ALN转移的AUC为0.906，敏感度为85.60%，特异度为79.80%，且校准能力良好，并经测试组验证。MRI纹理分析与传统MR技术相结合预测乳腺癌ALN转移，可弥补传统MR技术的不足，提高预测准确性[16]。

本研究的局限性：①仅选择淋巴结直径最大截面勾画ROI，可能丢失重要空间信息；②由医师手动勾画ROI，耗时且具有主观性；③乳腺癌病理分型较为单一。

综上，基于MRI纹理分析预测乳腺癌ALN转移具有较好效能。