磁共振成像预测乳腺癌脉管侵犯的研究进展

潘泽钧 陈武标

[摘要]乳腺癌是女性常见的恶性肿瘤，是否存在脉管侵犯对乳腺癌患者的治疗有着重要的影响。磁共振检查为乳腺疾病的诊断提供多种参考信息，结合影像组学分析，预测乳腺癌是否存在脉管侵犯，对乳腺癌患者的精准治疗具有重要的价值。本文就磁共振成像及影像组学分析对预测乳腺癌脉管侵犯的研究进展进行综述。

[关键词]乳腺癌;磁共振成像;影像组学;脉管侵犯

[中图分类号] R737.9;R445.2[文献标识码] A [文章编号]2095-0616（2022）10-0065-05

Researchprogressof magneticresonanceimagingpredict Lymphovascular Invasion in breast cancer

PANZejun1CHENWubiao2

1.First Clinical Medical College， Guangdong Medical University， Guangdong， Zhanjiang 524000， China;

2.Department of Radiology， Guangdong Medical University Hospital， Guangdong， Zhanjiang 524000， China

[Abstract] Breast cancer is a common malignancy in women， whether there is lymphovascular invasion has an important influence on the treatment of breast cancer patients. Magnetic resonance provides a variety of reference information for the diagnosis of breast disease， combined with imaging analysis， predicts whether there is lymphovascular invasion in breast cancer， and is of great value to the precise treatment of breast cancer patients. In this paper， the research progress of magnetic resonance imaging and radiomics to predict the lymphovascular invasion of breast cancer is reviewed.

[Key words] Breast cancer; Magnetic resonance imaging; Radiomics; Lymphovascular invasion

随着生活环境的不断改变，乳腺癌已成为女性肿瘤中最常见的恶性肿瘤之一，21世纪以来，女性乳腺癌的发病年龄逐步趋于年轻化，且发病率逐年升高。如今，乳腺癌已超越肺癌成为45岁以下女性癌症死亡的主要原因[1-2]，病死率居女性恶性肿瘤首位。早期发现并积极治疗乳腺癌，有超过90%的治愈率，然而肿瘤一旦发生复发或远处转移，患者的生存期则明显下降[3]，因此对乳腺癌早期发现及精准诊疗是当前研究的热点。磁共振成像（magnetic resonance imaging，MRI）凭借良好的软组织分辨率，可以准确显示病灶形态大小及病灶周围组织结构，对比传统影像学检查有较高的敏感性[4]。在乳腺癌的病理特征中脉管侵犯与淋巴结转移及术后残留密切相关[5]。近年来，国内外陆续有研究通过磁共振成像对浸润性乳腺癌脉管侵犯进行术前预测，本文就磁共振及影像组学分析在术前预测浸润性乳腺癌脉管侵犯应用进展进行综述。

1乳腺癌脉管侵犯概述

乳腺癌脉管侵犯，又名淋巴血管侵犯（lymphovascular invasion， LVI），是浸润性乳腺癌周边淋巴管和血管系统内出现癌栓的一种病理表现[6]。脉管浸润是乳腺癌不良预后的因素之一，其預后价值独立于组织学分级[7];且与保乳手术切缘是否阳性[8]、术后是否需要新辅助化学治疗[9]及腋窝淋巴结转移[10]具有密切的相关性，准确识别 LVI 状态对患者治疗有重要作用。目前，是否存在脉管侵犯是经手术切除病灶后在病理标本中确定[11]。

2多模态磁共振对LVI预测中的应用

现磁共振成像常用于判断乳腺病变的性质、评价乳腺癌侵犯范围、评估乳腺邻近结构及淋巴结是否受累。近年来 MRI 广泛应用于临床乳腺癌诊断过程中，在乳腺癌诊断、病理分级及预后评估等多个方面有着重要的作用[12]。

2.1常规磁共振序列的应用

常规磁共振检查序列包括 T1、T2加权成像，常用于描述肿瘤形态大小及邻近组织的基本信息。乳腺癌瘤周水肿（peritumoral edema， PE）出现被认为是预后不良的标志[13-16]。Uematsu等[17]通过回顾589例患者图像，研究发现恶性乳腺肿瘤是否存在瘤周水肿与肿瘤大小、病理分级、腋窝淋巴结阳性及 LVI 具有显著相关性。在最近 Park 等[16]的研究中，通过回顾性分析163例乳腺癌患者术后详细的组织病理信息与 PE 之间的关系，进一步发现乳腺癌的 PE 与脉管侵犯、血管扩张、间质纤维化和肿瘤坏死等组织病理学特征具有密切的相关性，其中 LVI 在 PE 阳性组的乳腺癌中比在 PE 阴性组乳腺癌发生概率更高，这与Cheon等[14]的研究结论相似。以上研究提示瘤周水肿与 LVI 引起的淋巴血管系统扩张相关，乳腺癌瘤周水肿的征象评估能够初步提供乳腺癌微环境相关信息。但 Mori 等[5，18]研究中却发现 LVI 状态和瘤周水肿之间无统计学相关性，原因可能在 MRI 中 PE 评估是相对主观的，不同研究的实验方法及不同样本影像存在差异性所致，可见形态学征象评估 LVI 状态存在一定的局限性。

2.2动态增强磁共振成像（dynamic contrast-enhanced magnetic resonance imaging，DCE-MRI）的应用

DCE-MRI 目前被廣泛用于乳腺疾病的诊断。通过造影剂时间和空间摄取的差异提供有关乳腺癌形态和功能方面的重要信息[19]。Ni-Jia-Ti等[20] 首次提出了一种风险分层评分系统预测乳腺癌的 LVI 状态，该系统结合了肿瘤边缘形态、DWI 图像、增强扫描 TIC 曲线以及腋窝淋巴结状态和 HER-2表达状况。结果表明该评分系统预测 DVI 有较高的准确度（AUC=0.831），为临床医生在术前评估乳腺癌患者 LVI 的风险提供了一种简单可行的方法;研究还发现 TIC Ⅲ型曲线在 LVI 阳性乳腺癌中更常见，与 Choi[18]的研究结论相似。Choi[18]研究了 DCE-MRI 中肿瘤形态、血流动力学特征与 LVI 状态之间的关联，发现 LVI 与肿瘤边缘、内部增强方式和增强曲线类型之间在统计学上有显著的相关性;并创新性提出了病灶边界不规则或毛刺征在 LVI 阳性组发生更常见，而病灶边界光滑的表现形式在 LVI 阴性组中最常见;肿块边缘增强模式在 LVI 阳性组中最常见，而在 LVI 阴性组中常为均匀强化模式。因此综合 DCE-MRI 的影像特征并结合 LVI 风险分层评估有助于临床对肿瘤分期、治疗计划和预后评估的决策。

2.3弥散加权成像（diffusionweightedimaging，DWI）及表观扩散系数（apparent diffusion coefficient，ADC）值的应用

DWI 通过检测水分子弥散运动程度来评估乳腺病灶良恶性质。术前常应用 DWI 评估乳腺病灶及淋巴结区域。Kang 等[21]提出了 DWI 边缘征，即肿瘤 DWI 上呈高信号边缘。在此基础上 Choi[18]研究了 LVI 状态和 DWI 图像之间的关系，分析显示 LVI 阳性组的 DWI 边缘征发生率明显高于 LVI 阴性组，但是目前 DWI 边缘征是否对预后的影响尚无相关研究。既往研究表明，ADC 值与乳腺癌患者肿瘤侵袭性相关[22-23]。Durando 等[24]研究提出无论乳腺癌肿块强化方式、病理学分级和淋巴结状态如何，LVI 阳性的肿瘤 ADC 值显著降低。但是单一区域 ADC 值难以全面反映肿瘤的特性，因此 Igarashi 等[25]研究中分别测量肿瘤及瘤周 ADC 值，结果表明<55岁的患者，肿瘤 ADC 值、瘤周 ADC 值、肿瘤和瘤周 ADC 比值与 LVI 状态相关。此外 Okuma 等[26]研究中前瞻性地测量了浸润性乳腺癌瘤周/肿瘤 ADC 值，结果表明其比值与肿瘤大小、组织学分级、Ki-67指数、腋窝淋巴结转移和 DVI 有关（ P ≤0.05），上述结果与Kettunen等[27]研究结论相似。Choi[18]研究提示使用 ADC 的最大值和最小值之间的差值（ADC-dif）可以更加准确地判断组织学肿瘤分级，更好地反映了肿瘤内部的异质性，其研究数据表明 LVI 阳性患者的 ADC-dif显著升高。因此大部分研究均提示 DWI 及 ADC 值在对于预测 LVI 的状态有一定的参考作用。但目前关于乳腺肿瘤 ADC 值的研究仍然受到多种因素影响，如患者的年龄、月经周期、感兴趣区绘制不一致等，使部分研究结果存在差异[25，28-30]，因此 ADC 值与乳腺癌病理分级和微环境改变相关性等问题仍需进一步研究。

2.4磁共振波谱成像（magneticresonancespectroscopy， MRS）的应用

MRS 通过无创性方式分析病灶氢质子波谱的变化情况，以此获得生化代谢等病理生理学信息。在最新研究中， Cheung 等[31]通过双量子滤波 DQF-MRS 对乳腺癌进行无创性高精度定量分析，首次发现 LVI 阳性组浸润性乳腺癌的单不饱和脂肪酸及三酰甘油水平明显低于 LVI 阴性组浸润性乳腺癌;通过磁共振波谱的脂质成分反映了新生脂肪生成的速率，乳腺肿瘤中脂质组成今后可能是评估 LVI 状态的潜在标志物。但目前相关研究文献较少，仍需更多实验数据的支持。

2.5扩散张量成像（diffusion tensor imaging，DTI）的应用

DTI 成像使用的扩散梯度数多于 DWI，可以获取更丰富的病灶信息，但目前较少研究报道 DTI 参数与乳腺癌预后的关系[32]，Ozal等[33]研究中提出 DTI 参数中 MD 值与肿瘤病理分级相关（ P=0.001），LVI 阳性患者的 FA 测量值显著高于对照组（P=0.045），MD 测量值则显著低于对照组（ P=0.001），DTI 对 LVI 状态有一定的预测作用，然而目前乳腺 DTI 研究相关文献较少。此外体素内不相干运动扩散加权成像（intravoxel incoherent m otiond iffus ionweigh tedimagin g， I VI M - DWI）、磁共振灌注成像（perfusion -weighted im a g i n g，PW I ）等目前常评估乳腺病灶的性质及乳腺癌的治疗效果，对于 LV I 的研究未见相关报道。

3影像组学在LVI预测中的应用

影像组学分析通过后处理软件分析原始图像，高通量地提取定量的影像学信息，更准确地判断肿瘤空间上的异质性、肿瘤分级和表型特征[34-35]。目前逐渐有研究运用影像组学对 LVI 进行预测。刘壮盛等[36]的研究中回顾性分析了204例患者图像，从 DCE-MRI 序列图像中提取组学特征，将主观影像特征诊断效能与纹理特征模型诊断效能作比较，发现纹理分析特征模型诊断效能优于主观 MRI 图像征象模型组。朱浩雨等[37]回顾性研究了140例患者临床资料、病理特征信息及提取 MRI 图像纹理特征，利用 logistic 回归分析建立影像组学预测模型，影像组学预测模型在训练组和验证组中的 AUC 值分别达到0.93、0.91，可见影像组学分析对脉管侵犯具有较强的预测能力。Liu 等[38]的前瞻性研究中比较了 LVI 阳性和 LVI 阴性浸润性乳腺癌患者的常规 MRI 特征、腋窝淋巴结状态、增强扫描曲线和 DCE-MRI 的放射组学特征，筛选出 LVI 的独立危险因素并建立预测模型，结果显示放射组学特征和腋窝淋巴结状态的组合预测模型在术前预测 LVI 状态具有较好的预测效能，AUC 值达到0.85。根据既往研究资料可以得出联合多模态磁共振成像及影像组学建立诊断模型诊断效能较好，对预测乳腺癌脉管浸润有较高的准确性，是病理活检的一个重要补充。

4總结与展望

LVI 作为乳腺癌淋巴结转移过程中关键的一步，目前判断 LVI 状态的金标准仍然是病理活检。 MRI 图像特征与影像组学结合可以术前初步评估是否存在脉管侵犯，在未来有广阔的应用空间。但目前大部分为回顾性研究，前瞻性研究较少，得出结论缺乏外部验证;影像组学分析及后续处理未有统一标准;这需要研发自动和稳定可靠的分析方法，继续完善 MRI 相关检查及处理流程，进一步提高预测的准确性。

[参考文献]

[1]刘丽，池月芮.早期乳腺癌影像学检查现状与展望[J].岭南现代临床外科，2019，19（5）：623-627.

[2] Sung Hyuna，Ferlay Jacques，Siegel Rebecca L，et al.Global Cancer Statistics 2020： GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries[J].CA Cancer J Clin，2021，71：209-249.

[3] DeSantis Carol E，Fedewa Stacey A，Goding SauerAnn，et al.Breast cancer statistics， 2015： Convergence of incidence rates between black and white women[J]. CA Cancer J Clin，2016，66：31-42.

[4]李凡，周军.功能磁共振成像在乳腺癌诊断中的应用进展[J].中国肿瘤外科杂志，2020，12（1）：79-83.

[5] Mori Naoko，MugikuraShunji，Takasawa Chiaki，et al.Peritumoral apparent diffusion coefficients for prediction of lymphovascular invasion in clinically node-negative invasive breast cancer[J].EurRadiol，2016，26：331-339.

[6] Zhang Song，Zhang Dong，Gong Mingfu，et al.Highlymphatic vessel density and presence of lymphovascular invasion both predict poor prognosis in breast cancer[J]. BMC Cancer，2017，17：335.

[7] Rakha Emad A， Martin Stewart， Lee Andrew HS，et al.The prognostic significance of lymphovascular invasion in invasive breast carcinoma[J].Cancer，2012，118：3670-3680.

[8] TorabiRozbeh，Hsu Chiu-Hsieh，Patel Prahladbhai N，et al.Predictors of margin status after breast-conserving operations in an underscreened population[J].Langenbecks Arch Surg，2013，398：455-462.

[9] Uematsu Takayoshi，Kasami Masako，WatanabeJunichiro，et al.Islymphovascular invasion degree one of the important factors to predict neoadjuvant chemotherapy efficacy in breast cancer？[J].Breast Cancer，2011，18：309-313.

[10] Weiser MR， Montgomery LL， Tan LK， et al .Lymphovascular invasion enhances the prediction of non- sentinel node metastases in breast cancer patients with positive sentinel nodes[J].Ann Surg Oncol，2001，8：145-149.

[11] Usami Shin，Moriya Takuya，Kasajima Atsuko，et al.Pathological aspects of core needle biopsy for non- palpable breast lesions[J].Breast Cancer，2005，12：272-278.

[12] Li Xue，Sun Kun，Chai Weimin，et al.Role of breastMRI in predicting histologic upgrade risks in high-risk breast lesions： A review[J].Eur J Radiol，2021，142：109855.

[13] P anzironi Giovanna，Moffa Giuliana，GalatiFrancesca，et al.Peritumoral edema as a biomarker of the aggressiveness of breast cancer： results of a retrospective study on a 3 T scanner[J].Breast Cancer Res Treat，2020，181：53-60.

[14] CheonHyejin，Kim Hye Jung，Kim Tae Hun，et al.Invasive Breast Cancer： Prognostic Value of Peritumoral Edema Identified at Preoperative MR Imaging[J]. Radiology，2018，287：68-75.

[15] Gemici AA .Relation of peritumoral， prepectoraland diffuse edema with histopathologic findings of breast cancer in preoperative 3T magnetic resonance imaging[J].Surg Med，2018，3：49-53.

[16] Park Nora Jee-Young，Jeong Ji Yun，Park Ji Young，et al.Peritumoral edema in breast cancer at preoperative MRI： an interpretative study with histopathological review toward understanding tumor microenvironment[J]. Sci Rep，2021，11：12992.

[17] Uematsu Takayoshi，Kasami Masako，WatanabeJunichiro.Is evaluation of the presence of prepectoral edema on T2-weighted with fat-suppression 3 T breast MRI a simple and readily available noninvasive technique for estimation of prognosis in patients with breast cancer？[J].Breast Cancer，2014，21：684-692.

[18] Choi Bo Bae . Dynamic contrast enhanced – MRIand diffusion -weighted image as predictors of lymphovascular invasion in node-negative invasive breast cancer[J].World J Surg Oncol，2021，19：76.

[19] Leithner D，Wengert GJ，Helbich TH，et al.Clinicalrole of breast MRI now and going forward[J].Clin Radiol，2018，73：700-714.

[20] Ni-Jia-Ti MY，Ai-Hai-Ti DL，Huo-Jia AS，et al.Development of a risk-stratification scoring system for predicting lymphovascular invasion in breast cancer[J]. BMC Cancer，2020，20（1）：94.

[21] Kang Bong Joo，Lipson Jafi Alyssa，Planey KatieRoseMary，et al . Rim sign in breast lesions on diffusion-weighted magnetic resonance imaging： diagnosticaccuracy and clinical usefulness[J].J MagnReson Imaging，2015，41：616-623.

[22] Martincich Laura，Deantoni Veronica，BertottoIlaria，et al.Correlations between diffusion-weightedimaging and breast cancer biomarkers[J].EurRadiol，2012，22：1519-1528.

[23] Thakur Sunitha B，Durando Manuela，MilansSoledad，et al.Apparent diffusion coefficient in estrogen receptor-positive and lymph node-negative invasive breast cancers at 3.0T DW-MRI： A potential predictor for an oncotype Dx test recurrence score[J].J MagnReson Imaging，2018，47：401-409.

[24] Durando Manuela，Gennaro Lucas，Cho Gene Y，et al . Quantitative apparent diffusion coefficient measurement obtained by 3.0 Tesla MRI as a potential noninvasive marker of tumor aggressiveness in breast cancer[J].Eur J Radiol，2016，85：1651-1658.

[25] Igarashi Takao，Furube Hisayo，AshidaHirokazu，et al.Breast MRI for prediction of lymphovascular invasion in breast cancer patients with clinically negative axillary lymph nodes[J].Eur J Radiol，2018，107：111-118.

[26] Okuma Hidemi，SudahMazen，KettunenTiia，et al.Peritumor to tumor apparent diffusion coefficient ratio is associated with biologically more aggressive breast cancer features and correlates with the prognosticationtools[J].PLoS One，2020，15：e0235278.

[27] KettunenTiia，Okuma Hidemi，AuvinenPäivi，et al.Peritumoral ADC values in breast cancer： region of interest selection， associations with hyaluronan intensity， and prognostic significance[J].EurRadiol，2020，30：38-46.

[28] Yang Wei，QiangJin Wei，Tian Hai Ping，et al.Minimum apparent diffusion coefficient for predicting lymphovascular invasion in invasive cervical cancer[J]. J MagnResonImaging，2017，45：1771-1779.

[29] Choi Bo Bae.Associations Between Apparent DiffusionCoefficient Values and the Prognostic Factors of Breast Cancer[J].J Comput Assist Tomogr，2019，43：931-936.

[30] Y1lmaz Ebru，Sar1 Ozcan，Y1lmaz Ayhan，et al.Diffusion-Weighted Imaging for the Discrimination of Benign and Malignant Breast Masses; Utility of ADC and Relative ADC[J].J Belg Soc Radiol，2018，102：24.

[31] C he ung Sa i M a n，Husai n E ha b，M a l li ko urtiVasiliki，et al.Intra-tumoural lipid composition and lymphovascular invasion in breast cancer via non- invasive magnetic resonance spectroscopy[J].EurRadiol，2021，31：3703-3711.

[32] Onaygil Can，Kaya Handan，Ugurlu Mustafa Umit，et al.Diagnostic performance of diffusion tensor imagingparameters in breast cancer and correlation with the prognostic factors[J].J MagnReson Imaging，2017，45：660-672.

[33]OzalSafiyeTokgoz，InciErcan，GemiciAysegulAkdogan，et al.Can 3.0 Tesla diffusion tensor Imaging parameters be prognostic indicators in breast cancer？[J].Clin Imaging，2018，51：240-247.

[34]Gillies Robert J，Kinahan Paul E，HricakHedvig.Radiomics： Images Are More than Pictures， They Are Data[J].Radiology，2016，278：563-577.

[35]Huang Yan-Qi，Liang Chang-Hong，He Lan，et al.Development and Validation of a Radiomics Nomogram for Preoperative Prediction of Lymph Node Metastasis in Colorectal Cancer[J].J Clin Oncol，2016，34：2157-2164.

[36]劉壮盛，李昌林，衣利磊，等 .MRI 纹理特征分析预测浸润性乳腺癌脉管浸润 [J]. 中国医学影像技术，2020，36（11）：1637-1642.

[37]朱浩雨，陈基明，葛亚琼，等 .MRI 影像组学术前预测浸润性乳腺癌脉管侵犯的价值 [J]. 中国医学影像学杂志，2020，28（11）：825-830.

[38]Liu Zhuangsheng，Feng Bao，Li Changlin，et al.Preoperative prediction of lymphovascular invasion in invasive breast cancer with dynamic contrast-enhancedMRI-based radiomics[J].J MagnReson Imaging，2019，50：847-857.

（收稿日期：2021-12-01）