全容积ADC 直方图分析联合ADC 值鉴别乳腺单纯型黏液癌与纤维腺瘤

陈 艳，谭红娜，吕以东，韩义娜，刘真真，陆 林

（1.郑州大学第三附属医院，河南 郑州 450052；2.河南省人民医院放射科，河南 郑州 450003）

乳腺单纯型黏液癌（Pure mucinous breast carcinoma，PMBC）的影像特点、临床表现较易与乳腺良性肿瘤中最常见的纤维腺瘤（Fibroadenoma，FA）混淆[1]，一直是影像科医师及临床医师面临的难题。其准确鉴别对乳腺癌的早诊断、治疗方式的选择影响较大。目前对两者的鉴别主要依据肿块的影像形态学特点、强化方式等较主观的特征，较高依赖影像科医师的工作经验[2]。近年来，对病变影像图像的灰度直方图参数分析，及对MRI 弥散加权序列（DWI）中的表观扩散系数（ADC）值分析已较多应用于肿瘤的鉴别[3-5]，影像图像的灰度直方图参数及ADC 值均可量化评估肿瘤内部结构的异质性[6]。本研究尝试分析乳腺MRI 检查中DWI 序列的ADC 图的直方图参数及ADC 值等定量指标来鉴别两组疾病。旨在为两组疾病的影像诊断寻找新的可量化依据。

1 资料与方法

1.1 一般资料

回顾性分析2019 年1 月1 日—2021 年7 月31日我院行乳腺MRI 检查，并经病理证实为PMBC 与FA 的36 例（36 枚肿块）患者的资料，均为女性，其中PMBC 16 例（16 枚肿块），年龄（59.75±9.25）岁，FA 20 例（20 枚肿块），年龄（37.30±11.07）岁。本研究已获我院伦理委员会批准。

患者入组标准：①患者在未经任何有创检查、任何治疗前行乳腺MRI 检查，且均行DWI 序列扫描，并取得清晰的ADC 图像。②MRI 检查后1 周内穿刺或手术病理证实为PMBC 或FA。

1.2 设备及检查方法

采用Siemens SKYRA 3.0T 超导磁共振扫描仪，8 通道乳腺专用线圈，患者俯卧位。乳腺MRI 平扫序列包括：轴位T1WI、轴位T2WI、DWI；动态增强序列：轴位T1WI 压脂序列，蒙片扫描结束后患者手背团注Gd-DTPA，取剂量0.1 mmol/kg，流率2.0 mL/s，动态扫描在注入对比剂后20 s 开始，时相为5 个，每时相扫描60 s。

1.3 图像处理及数据测量

将两组病变所在的ADC 图层面全部导入纹理分析软件Mazda，逐层沿病变边缘勾画感兴趣区（ROI），注意ADC 图取BMP 格式。直方图及直方图参数均由软件生成，生成的9 个直方图参数包括平均值、方差、偏度系数、峰度系数、ADC 第1 百分位数（ADC1%）、ADC 第10 百分位数（ADC10%）、ADC 第50百分位数（ADC50%）、ADC 第90百分位数（ADC90%）、ADC 第99 百分位数（ADC99%）（图1，2），每个直方图参数取全层的平均值。另在MRI 后处理平台测量病变ADC 值，取病变最大层面，测量3 遍取平均值。勾画ROI 及测量ADC 值，均由两位具有10 年以上工作经验的影像科主治医师完成，在判断选择范围不统一时，由两者协商决定。

图1 女，57 岁，左乳PMBC。图1a：肿块所在层面的ADC 图；图1b：在Mazda 软件中勾画ROI；图1c：软件运行出的各直方图参数。Figure 1.Female,57 years old,left PMBC.Figure 1a: ADC map at the level where the mass is located.Figure 1b: The ROI outlined with Mazda software.Figure 1c: The various histogram parameters given by Mazda software.

图2 女，26 岁，左乳FA。图1a：肿块所在层面的ADC 图；图1b：在Mazda 软件中勾画ROI；图1c：软件运行出的各直方图参数。Figure 2.Female,26 years old,left FA.Figure 2a: ADC map at the level where the mass is located.Figure 2b: The ROI outlined with Mazda software.Figure 2c: The various histogram parameters given by Mazda software.

1.4 统计学分析

2 结果

2.1 全容积ADC 直方图参数分析

全容积ADC 直方图参数中方差、偏度系数，峰度系数、ADC90%、ADC99%等在两组病变间差异有统计学意义（P 均＜0.05），均值、ADC1%、ADC10%、ADC50%等直方图参数在两组病变间无统计学差异（P 均＞0.05），如表1。对差异有统计学意义的直方图参数，绘制ROC 曲线，利用AUC 判断其对两组疾病的诊断效能，方差、偏度系数、峰度系数、ADC90%、ADC99%的AUC 分别为0.772、0.036、0.706、0.759、0.836。其中ADC99%的诊断效能最高，AUC 为0.836，取最佳界值为0.675 时，敏感度为0.875，特异度为0.800，如表2。

表1 PMBC 与FA 两组病变全容积ADC 直方图参数t 检验分析结果

表2 PMBC 与FA 两组病变全容积ADC 直方图参数ROC 曲线分析

2.2 ADC 值分析

ADC 值在PMBC 与FA 两组病变中差异有统计学意义（P 值为0.001，P＜0.05），PMBC 组（2.03±0.33）高于FA 组（1.51±0.46），绘制ROC 曲线，AUC 为0.820，取最佳界值0.650 时，敏感度为1，特异度为0.650，95%CI 为0.678～0.963。

2.3 直方图参数ADC99%、ADC 值两者联合诊断结果

直方图参数ADC99%、ADC 值两者联合诊断PMBC 与FA 的的AUC 提高为0.892，特异度提高为0.850，见表3，图3。

表3 ADC99%、ADC 值及两者联合诊断PMBC 与FA 的比较

图3 ADC99%、ADC 值及两者联合诊断PMBC 与FA 的ROC 曲线。Figure 3.ROC curve of ADC99%,ADC value and their combined for differential diagnosis of PMBC and FA.

3 讨论

乳腺黏液癌（Mucinous breast carcinoma，MBC）属于一种特殊类型的浸润性乳腺癌[7]。产生大量细胞外黏液为其病理特点，可见瘤巢在黏液湖中漂浮，并可见纤细的纤维分隔。依据是否伴有其他类型乳腺癌成分分为PMBC 与混合型黏液癌（Mixed mucinous breast carcinoma，MMBC）[8]。MMBC 因伴有其他类型浸润癌的成分，MRI 上多表现为肿块边缘不清或伴毛刺、增强TIC 曲线呈流出型等较典型的乳腺浸润癌特征，较易诊断[9-10]。PMBC 因恶性程度较低，含大量黏液及纤维分隔，MRI 多表现为圆形或卵圆形肿块，肿块边界较清晰，肿块内部见低信号分隔，增强扫描多表现为延迟强化，TIC 曲线呈流入型等与FA 相似的良性乳腺肿瘤的特征[1-2]。FA 是乳腺良性肿瘤中最常见的一种，MRI 亦多表现为圆形、卵圆形，因含有纤维成分，肿块内可见纤维分隔，增强多表现为延迟强化，TIC 曲线多表现为流入型，两者影像形态学特点相近，故较难鉴别。多数FA 仅需临床观察，无需治疗，仅部分符合手术条件的FA 需微创旋切或外科手术切除[11]，而PMBC 则均需外科手术切除。两者治疗方法差别较大，所以能够准确鉴别诊断PMBC 与FA 对乳腺癌的诊断及治疗意义较大。

不同肿瘤内部组织结构的均匀度、规则性不同，其影像图像的灰度分布情况不同，根据图像灰度分布情况获得直方图参数，对其进行分析，是影像图像纹理分析的一种方法[3]，已较多应用于乳腺肿瘤，如孟丽辉等[12]利用直方图分析对乳腺FA 与浸润性导管癌的鉴别、刘鸿利等[13]分析浸润性乳腺癌的预后因素、曾蕾等[14]分析乳腺癌的淋巴管转移情况等。直方图分析多是基于MRI 检查不同序列的图像，如T1WI、T2WI、DWI、ADC、增强T1WI 等，在纹理分析软件中对病变全容积或最大层面勾画ROI，获得直方图参数，进行分析。全容积直方图分析，可以获得病变的全部图像，较只取病变最大层面，数据更完整全面，对病变的分析更准确。黄婧潇等[15]曾用全容积直方图分析乳腺病变的增强T1WI 图像以鉴别肿瘤的良恶性。

DWI 可检测活体组织内水分子的扩散运动，ADC 图由DWI 序列自动生成，含较丰富的纹理信息。ADC 值由MRI 的后处理平台在ADC 图上直接测量，量化了水分子的扩散受限程度，其大小与组织内细胞增殖程度、细胞的密度、细胞内血管化程度有关，已较广泛应用于不同肿瘤的鉴别[16]。所以本研究尝试用全容积ADC 直方图参数及ADC 值鉴别PMBC 与FA。

本研究中全容积ADC 直方图参数中方差、偏度系数，峰度系数、ADC90%、ADC99%等在两组病变间差异有统计学意义（P 均＜0.05），其中ADC99%具有最高的诊断效能，AUC 为0.836，敏感度为0.875，特异度为0.800。说明直方图参数中的ADC99%对鉴别PMBC及FA 有意义，且具有较大的诊断效能、敏感度、特异度。目前国内外暂无关于PMBC 的直方图分析，故暂无相关研究对比。

本研究显示PMBC 组ADC 值为（2.03±0.33）高于FA 组（1.51±0.46），具有统计学意义（P＜0.05），与郭宁等[17]研究结果相仿。PMBC 由于含有大量的黏液成分，黏液含较多的水分，而不含细胞成分，无细胞膜和细胞物质的约束，自由水扩散受限不明显，所以ADC 值较高。FA 因含较多纤维成分，所以自由水扩散程度较PMBC 略受限，所以ADC 值相对较低。ADC 值鉴别两者的AUC 为0.820，敏感度为1，特异度为0.65，诊断效能及敏感度较高，特异度略低。

本研究进一步分析了ADC99%联合ADC 值鉴别PMBC 与FA 的诊断效能，两者联合诊断AUC 为0.895，敏感度为1,特异度为0.850，诊断效能高于单一的ADC 全容积直方图分析或ADC 值分析，且特异度有所提高。

本研究尚存在的不足：PMBC 在T2WI 呈明显高信号也是一个较典型的诊断特征，但本研究并未对T2WI 图像进行直方图分析；FA 成分较复杂，其中最难与PMBC 鉴别的是含黏液成分的FA，本研究并为针对此类FA 单独分析。希望以后可以进一步做相关的研究。

总之，全容积ADC 直方图参数、ADC 值为鉴别PMBC 与FA 提供更精确的量化指标，两者联合应用可以提高鉴别两种乳腺疾病的诊断效能，对乳腺癌的早诊断、对乳腺疾病治疗方式的选择有较大价值。