基于TIRM序列的游程矩阵纹理特征联合ADC值预测乳腺癌Ki-67表达水平

王铭，田为中，张继，王秀兰，夏建国，陈锦华

乳腺癌是一种高度异质性肿瘤，不同的分子分型表现出不同的形态、治疗反应和患者结局。Ki-67是乳腺癌检测中常用的免疫组化指标，其表达程度的高低与乳腺癌的侵袭性、分型、治疗效果及预后密切相关。但在临床上，需通过术后病理组织染色和免疫组织化学分析才能获得肿瘤内Ki-67的表达情况，若术前能够预测其表达情况，早期发现高度恶性乳腺癌，对患者的预后、诊断和治疗具有重要意义。磁共振DWI在不需对比剂的情况下通过定量方法评估表观扩散系数(apparent diffusion coefficient，ADC)来反映瘤体内自由水分子的运动情况，提供关于肿瘤生物学和显微结构特征的信息。纹理分析可以捕获到磁共振成像中人眼无法识别的微观特征，量化肿瘤的异质性。本研究中对Ki-67高、低表达组别间基于T2短时反转恢复压脂(turbo inversion recovery magnitude,TIRM)图提取的游程矩阵纹理特征和ADC值的差异性进行研究，试图寻找新的预测指标，为临床治疗乳腺癌及评估预后提供影像学帮助。

材料与方法

1.一般资料

回顾性分析2018年1月-2020年9月经术后病理证实的41例女性乳腺癌患者的临床和影像资料，年龄32～74岁，平均(49.1±9.7)岁。纳入标准：①术前行乳腺常规MRI、DWI及动态增强检查；②行手术切除或穿刺活检，有明确的病理诊断结果(包括Ki-67表达水平)。排除标准：①图像质量差，伪影较重；②病灶过小，短径<0.5 cm。

2.Ki-67表达水平分级

Ki-67阳性染色定位于细胞核，呈棕黄色或黄褐色着色。在400倍镜视野下随机选择10个视野进行计数,计算Ki-67阳性细胞占总细胞数的百分比。参照2013年St Gallen国际乳腺癌会议专家共识[1]，本研究以20%作为临界值，<20%的肿瘤细胞核着色为Ki-67低表达，≥20%的肿瘤细胞核着色为高表达。

3.MRI扫描方法

使用Siemens Skyra 3.0T和Siemens Verio 3.0T超导MR扫描仪及4通道专用乳腺线圈进行扫描。患者取俯卧位，双侧乳腺自然悬垂适当固定于线圈中。扫描序列和如下。①横轴面TIRM序列：TR 4000～6340 ms，TE 45～70 ms，层厚4.0 mm，层间距0.40～1.20 mm，视野34 cm×34 cm～35 cm×35 cm，激励次数2，矩阵256×320～358×448，翻转角80°～120°；②横轴面T1WI序列：TR 5.9～6.0 ms，TE 2.23～2.34 ms，层厚1.2～2.0 mm，层间距0.24～0.40 mm，矩阵448×358，视野34 cm×34 cm～36 cm×36 cm，激励次数1，翻转角15°～20°；③双乳矢状面T2WI抑脂序列：TR 3010～5710 ms，TE 64～75 ms，层厚4.00 mm，层间距0.80 mm，矩阵210×256～240×320，视野18 cm×18 cm，激励次数2，翻转角120°～160°；④横轴面DWI：TR 5430～6600 ms，TE 55～85 ms，层厚4.00～5.00 mm，层间距2.00～5.00 mm，b=50、400、800和1000 s/mm2，矩阵200×170～220×220，视野32 cm×32 cm～34 cm×34 cm，激励次数3，无翻转角)及ADC图像；⑤横轴面3D FLASH 序列DCE-MRI扫描：TR 4.17～4.51 ms，TE 1.55～1.61 ms，层厚0.9～1.0 mm，层间距0.18～0.2 mm，矩阵256×320～300×448，视野34 cm×34 cm，激励次数1，翻转角10°，重复扫描6次，第1次扫描后间隔20 ms注射对比剂，并在注射结束的同时开始后续扫描；对比剂采用GD-DTPA，剂量0.1 mmol/kg，使用高压注射器经手背静脉注入，流率2.0 mL/s，随后以相同流率注入20 mL生理盐水。

4.图像处理

将所有患者的TIRM序列的图像自PACS工作站以BMP格式导出，导出时使图像的窗宽、窗位均保持一致。将图像灰阶范围进行归一化，减小亮度和对比度差异的影响。参考DWI及动态增强图像，在MaZda软件中，选取肿瘤最大层面，沿病灶边缘手动勾画ROI(图1)。随后，软件即可自动提取出ROI的游程矩阵纹理参数，包括游程长度不均匀性(run length non-uniformity，RLNU)、灰度不均匀性(grey level non-uniformity，GLNU)、长游程因子(long run emphasis，LRE)、短游程因子(short run emphasis，SRE)和游程图像分数(fraction of image-in runs)五大类共20个纹理参数。

图1 女，62岁，左侧乳腺外下象限内浸润性乳腺癌。a)TIRM序列上左侧乳腺外下象限内有分叶状病灶，呈不均匀高信号，边缘有毛刺征(箭)；b)DWI(b=1000s/mm2)上病灶呈明显高信号(箭)；c)ADC图上病灶呈明显低信号(箭)。

将所有乳腺癌患者的DWI图像(b=1000 s/mm2)传输至后处理工作站，以TIRM及DCE-MRI图像为参考，选取肿瘤最大层面，手动勾画ROI，测量ADC值，每个病灶测量3次，取平均值。

5.统计学方法

采用SPSS 22.0软件对数据进行统计分析。所有计量资料的比较采用独立样本t检验(正态分布)或 Mann-WhitneyU检验(非正态分布)。绘制受试者工作特性(receiver operator characteristic curve，ROC)曲线评估有统计学差异的参数对Ki-67低、高表达组的鉴别诊断效能。采用Spearman秩相关分析评价各项纹理参数值和ADC值与乳腺癌Ki-67指数的相关性。以P<0.05为差异有统计学意义。

结 果

1.病理结果

41例乳腺癌中，浸润性导管癌35例(图1)，浸润性小叶癌1例，黏液癌1例，导管内癌4例。免疫组织化学染色结果：Ki-67高表达21例，Ki-67指数值为40%～80%，平均46.67%±10.65%；低表达20例，Ki-67指数值为5%～19%，平均13.40%±3.60%。

2.纹理参数及ADC值的组间比较

Ki-67高、低表达组之间差异有统计学意义的游程矩阵纹理参数值和ADC值及统计分析结果见表1。其中，Ki-67高表达组中的水平方向(horizonal，Horzl)、垂直方向(vertical，Vertl)、45度方向(45 degree,45dgr)和135度方向(135dgr)上的RLNU及Horzl-GLNU 、Vertl-GLNU、135dgr-GLNU均高于低表达组，组间差异均有统计学意义(P<0.05)，其余的游程矩阵纹理参数值在两组间的差异均无统计学意义(P>0.05)。两组之间ADC值的差异有统计学意义(P<0.001)，低表达组中的ADC值明显高于高表达组。

表1 Ki-67高、低表达组间游程矩阵纹理参数值及ADC值的比较

3.纹理参数和ADC值与Ki-67指数的相关性

组间差异有统计学意义的7个游程矩阵纹理参数及ADC值与Ki-67指数的相关性分析机结果见表2。

表2 纹理参数和ADC值与Ki-67指数的相关性分析结果

7个游程矩阵纹理参数中，Horzl-RLNU、Vertl-RLNU、45dgr-RLNU和135dgr-RLNU与Ki-67指数间呈正相关(P<0.05)，而Horzl-GLNU、Vertl-GLNU和135dgr-GLNU与Ki-67指数间无显著相关性(P>0.05)，ADC值与Ki-67指数呈负相关(P=0.001<0.05)，即Ki-67指数表达水平越高，恶性程度越高，ADC值越低。

4.ROC曲线分析

ADC、7个游程矩阵纹理参数及联合预测因子预测Ki-67高、低表达的ROC曲线见图2～3，其AUC值、最佳临界值及诊断效能指标值见表3。在游程矩阵纹理参数中，45dgr-RLNU的诊断效能最高，AUC值为0.714，敏感度和特异度分别为76.2%和60.0%。本研究中采用二元Logistic回归分析将组间差异有统计学意义的游程矩阵纹理参数联合ADC值来建立联合预测模型，得到的模型表达式为：Y=11.820-0.014ADC+0.012Horzl-RLNU-0.100Vertl-RLNU+0.08345dgr-RLNU+0.015 135dr-RLNU-3.131Horzl-GLNU+1.636Vertl-GLNU+1.021135dr-GLNU(P=0.018<0.05)，其AUC为0.886，敏感度和特异度分别为90.5%和75.0%，诊断效能优于各项游程矩阵纹理参数和ADC值，且其敏感度和特异度较均衡。

图2 各项游程矩阵纹理参数的ROC曲线，以45dgr-RLNU的诊断效能最高，AUC为0.714。 图3 ADC及联合预测因子的ROC曲线，以联合预测因子的AUC较高，达0.886。

表3 游程矩阵纹理参数、ADC及联合预测因子对乳腺癌Ki-67表达程度的诊断效能

讨 论

Ki-67指数是检测肿瘤侵袭性和增殖活性的标记物[2]，与乳腺癌的组织学分级、生长方式、疗效评价、复发转移及预后判断等有关。在2017版欧洲肿瘤标志物组(EGTM)的更新指南中提出，Ki-67的高表达与乳腺癌的不良预后独立相关[3]。有研究表明Ki-67指数被作为区分Luminal A型与B型乳腺癌的肿瘤标志物[4]，在Luminal A型中表达较低、复发风险低，在Luminal B型表达较高、复发风险高。同时也有研究表明，新辅助化疗对于Ki-67高表达(>20%)肿瘤更有效[5]。因此，近年来许多学者将影像学征象与Ki-67表达水平进行相关性分析，尝试通过影像学方法来预测Ki-67的表达状态。本研究中对基于TIRM图像的游程矩阵纹理参数和ADC值与Ki-6表达指数进行相关性分析，探讨这些指标之间的关联性及纹理参数的诊断效能，为乳腺癌患者的临床个体化治疗方案的选择和预后分析提供可靠的影像学依据。

DWI作为重要的MRI辅助诊断序列，可以利用水分子扩散运动，在分子水平上显示人体组织中的空间信息和细胞密度[6]。临床上最常用ADC值对组织水分子扩散程度进行定量分析。本研究结果显示，Ki-67高表达组的ADC值低于低表达组[(0.82±0.08)×10-3vs. (0.98±0.15)×10-3mm2/s，P<0.001]，且ADC值与Ki-67表达程度呈负相关(r=-0.514，P<0.05)，即Ki-67指数值越高，ADC值越低。本研究结果与杨培等[7]的研究结果基本一致。因为Ki-67是细胞增殖抗原，其表达程度越高，表明细胞增殖数量增加，组织结构紊乱，细胞外间隙变窄，最终导致组织细胞间隙内水分子运动受限，ADC值随之降低。

张竹伟等[8]基于不同序列的纹理分析对乳腺良、恶性肿瘤进行鉴别诊断，结果显示相较于T1WI、DWI及T1WI增强序列，T2WI序列的鉴别诊断效能最高。既往有研究结果显示T2WI可通过观测病灶区的水肿，能有效预测乳腺癌的预后[9]。其原因是T2WI序列回波时间较长，增加了组织间的对比度，使得图像中蕴含更多具有诊断价值的纹理特征。纹理分析作为非侵入性影像学新兴技术预测恶性肿瘤生物标志物的潜力在最近的研究中已得到证实。如沈力等[10]通过基于T2WI图像的游程矩阵纹理分析联合ADC值对术前前列腺癌分化程度进行评估，研究结果显示灰度不均匀性在高、低分化组前列腺癌之间的差异有统计学意义，且与前列腺癌分化程度之间呈负相关(P<0.05)。张兵等[11]探究基于T2WI的影像组学与乳腺癌Ki-67表达水平的相关性，结果显示长游程补偿水平方向和长游程补偿垂直方向表现出良好的预测能力，预测Ki-67指数值<14%与Ki-67指数值≥14%的敏感度和特异度分别为75.1%、91.7%和87.5%、62.5%，AUC分别为0.724和0.724(P<0.05)。上述结果表明基于T2WI的纹理特征参数能够分析和预测乳腺癌的生物学行为，为判断患者的预后提供新方法。

本研究基于TIRM图像，利用MaZda软件筛选出病变内游程矩阵纹理特征参数，结果显示Horzl-RLNU、Vertl-RLNU、45dgr-RLNU和135dgr-RLNU与Ki-67表达指数间呈正相关性(P<0.05)，而Horzl-GLNU、Vertl-GLNU和135dgr-GLNU与Ki-67表达指数间无显著相关性(P>0.05)。游程矩阵是常用的二阶纹理分析方法，反映具有某灰度值的像素于既定方向上连续出现的频数(即游程)[12]。游程长不均匀度描述图像中游程长度的相似性，图像纹理粗细均匀性越差，RLNU值越大。灰度不均匀度描述图像灰度的均匀性，灰度越均匀，GLNU值越小，反之，则越大[13]。由于乳腺癌正常组织结构被破坏，相较于正常组织细胞，肿瘤细胞生长异常且密集，致使病灶信号改变，像素不均匀度和灰度也因此发生变化，图像纹理也因组织成分改变而变得粗糙、不均匀。故乳腺癌的Ki-67指数越高，预示着肿瘤恶性程度越高，游程长不均匀度和灰度不均匀度值越高。

本研究利用ROC曲线分析各参数对Ki-67表达程度高低的预测效能，结果显示ADC的AUC为0.840，敏感度和特异度分别为81.0%和80.0%；在游程矩阵纹理参数中，45dgr-RLNU的AUC最高，为0.714，敏感度和特异度分别为76.2%和60.0%。ADC的诊断效能高于45dgr-RLNU。既往有很多研究仅仅使用单个参数对Ki-67表达程度进行预测[14-15]，且因DWI图的分辨率不高，对于病灶的位置和边界显示不清，而将MRI纹理分析联合ADC值来预测乳腺癌Ki-67的表达程度，可以达到互为补充的作用。本研究将有统计学差异的游程矩阵纹理参数联合ADC来建立联合预测因子，其AUC达0.886，敏感度达90.5%，特异度为75.0%，其诊断效能高于单独ADC或纹理分析参数，表明多参数联合可以提高鉴别诊断效能，使影像学检查在术前对Ki-67表达程度进行准确预测成为可能。

本研究存在以下局限性：目前对于纹理参数中诊断效能最高的45dgr-RLNU的诊断阈值尚没有统一标准，本研究中纳入样本量少、结果偏低，可能会存在偏差，未来需要进行大样本多中心研究来进一步验证纹理参数的应用价值；勾画ROI与病理取材部位之间可能存在不一致；仅对游程矩阵纹理参数进行分析，未来的研究中将进一步增加对其它纹理参数的分析。

综上所述，基于TIRM图像的游程矩阵纹理参数联合ADC值能够提高对Ki-67表达程度的预测能力，无创性地反映乳腺癌的细胞增殖状态和侵袭性，有助于指导临床进行个体化治疗及预后判断。