多模态MRI及影像组学在乳腺癌诊疗中的研究进展*

汪雅琪，鲁梦甜，余开湖**

(1．湖北科技学院临床医学院，湖北 咸宁 437100；2．咸宁市中心医院)

乳腺癌在女性恶性肿瘤中发病率最高，死亡率位居第6位[1]。2020年近350万美国妇女患有乳腺癌[2]。在中国，女性发病概率约为42.55/10万人[3]。新辅助化疗(neoadjuvantchemotherapy，NAC)是乳腺癌治疗的重要方式，术前NAC可以降低肿瘤分期、复发率及术后并发症，6%～25%的患者出现化疗后的病理完全缓解(pathologic complete response，PCR)，10%～35%的乳腺癌对NAC不敏感[4]。乳腺癌患者早期诊断及治疗反应的预测对患者的结局和预后非常重要。

多模态MRI是指多种磁共振序列融合，从而得到病变组织或器官的综合信息；影像组学是一种新兴的影像分析方法。本文就多模态MRI及影像组学在乳腺癌诊疗中的主要研究及进展进行综述。

1 多模态MRI

多模态MRI可通过不同成像技术，对病灶的水分子运动、血流动力学信息、化合物成分及能量代谢等情况进行分析，根据微观结构和功能的差别，从而更好地对病灶进行诊断和鉴别。在乳腺多模态MRI中，应用较广泛的技术包括动态增强(dynamic contrast enhanced，DCE)、磁共振扩散加权成像(diffusion weighted imaging，DWI)及其衍生技术、磁共振波谱成像(magnetic resonance spectroscopy，MRS)等。

1.1 DCE

DCE通过注入对比剂来反映组织及病变血流动力学信息。DCE定性分析鉴别乳腺良恶性病灶的敏感性、特异性、准确性、阳性预测和阴性预测

值分别为91.67%、80.00%、88.24%、91.67%和80.00%[5]。DCE定量参数中的Ktrans和Kep鉴别乳腺良恶性病灶的特异性分别为88.6%和95.1%，敏感性分别为87.9%和68.7%[6]。NAC之后，病灶的显示会受到水肿和坏死的干扰。乳腺钼靶X线检查和超声检查会低估肿瘤的大小，低估程度分别为14%和18%[7]。MRI平扫受病灶周围水肿的影响而高估肿瘤大小，特别是浸润性小叶癌和乳腺导管内原位癌[8]。DCE基于肿瘤的血管特性，不仅能准确定位肿瘤的边界，还能初步评估化疗的效果[9]。定量DCE评估乳腺癌NAC的敏感性和特异性分别为84%和83%[10]。DCE在乳腺癌的诊疗中已被广泛应用，但随着影像技术的发展及个体化治疗的需要，DCE结合其他技术可以获得更精准的信息。

1.2 DWI及其衍生技术

DWI无需注射对比剂就能评估组织及病变水分子布朗运动的差异，通过表观扩散系数(apparent diffusion coemcient，ADC)进行定量分析。Razek等[11]应用DWI序列对乳腺癌患者肿大的腋窝淋巴结进行评估，研究结果表明，良性和转移性腋窝淋巴结的平均ADC值存在统计学差异，ADC值为1.39×10-3mm2/s时，鉴别转移性与良性腋窝淋巴结准确率为95.6%，敏感性93%，特异性100%。病灶ADC值的变化对于预测乳腺癌PCR有一定的辅助作用，ADC值的变化结合肿瘤分子亚型能提高对乳腺癌PCR的预测能力[12]。

由DWI衍生的技术，如体内不相干运动(intravoxel incoherent motion，IVIM)、扩散张量成像(diffusion tensor image，DTI)、扩散峰度成像(diffusion kurtos isimaging，DKI)可以较好地反映组织和细胞微观结构[13]。乳腺癌NAC前及治疗的第二周，IVIM参数的变化可以预测乳腺癌治疗反应[14]。对于不适合使用对比剂的乳腺癌患者(如孕妇)，DTI在病灶大小的测量方面与组织病理学具有较好的一致性，在鉴别肿瘤良恶性方面也有一定的参考价值[15]。侵袭性乳腺癌的病灶DTI参数与肿瘤大小、组织学分级、腋窝淋巴结状态、雌激素受体、孕激素受体和Ki-67之间存在相关性，这些DTI参数包括平均弥散率、各向异性分数、相对各向异性、体积比[16]。基于非高斯扩散理论的DKI技术，其参数平均弥散峰度与ADC值有相同的敏感性，但特异性更高[13]。DWI新技术还未广泛应用于临床研究，现阶段对于感兴趣区、b值以及ADC阈值地选取没有统一的标准，因此，需要大量的研究数据去评估。

1.3 1H-MRS

1H-MRS可以评估活体组织代谢及生化水平的变化。目前，对于乳腺癌MRS的研究，主要是检测化学位移位于3.20ppm左右胆碱复合物(tCho)的水平[17]。tCho主要参与细胞膜的构成，恶性程度高的肿瘤中，tCho明显升高[18]。对tCho进行分析，可以提高乳腺癌BI-RADS分类的准确性[19]。tCho水平的变化还可以评估乳腺癌NAC的早期反应。Zhou等[20]研究表明，乳腺癌NAC后24h，tCho水平就开始发生改变，早于形态学的改变。

1.4 多模态MRI在乳腺癌诊疗中的应用

多模态MRI是在常规MRI的基础上，对多种MRI技术的一种柔性组合。柔性组合是指多模态MRI的融合并非局限于一种方式，结合病灶血流动力学的变化、水分子布朗运动的差异、代谢及生化水平的改变等特点，对多模态MRI序列自由组合，从而准确诊断或制订出合适的治疗方案。多模态MRI的融合不仅可以对不同的序列进行优势结合，还可以进行优劣互补，例如DWI、1H-MRS图像分辨力低，而DCE图像具有分辨力高、定位准确这一优势，将不同模态的序列结合可以更准确地挖掘影像信息。

DCE结合DWI序列在乳腺癌诊疗中具有较高的价值。研究人员表明，DWI的定量参数、DCE参数中的早期强化率及时间-信号曲线，三者联合对乳腺癌的诊断价值高于三者单独诊断价值[21]。DWI结合DCE诊断乳腺良恶性病变的敏感度、特异性、准确性分别为92.36%、93.06%、90.00%[5]。程雪等[22]分析乳腺癌人表皮生长因子受体2(Her-2)的表达与DWI及DCE参数之间的相关性时表明，ADC值及DCE参数中的早期强化率与Her-2表达呈显著正相关。Her-2阳性的乳腺癌出现复发转移的风险比阴性的高，对Her-2阳性乳腺癌患者进行抗Her-2的靶向药物治疗，能改善其预后[23]。

1H-MRS诊断乳腺癌的准确性与感兴趣区的选择有关，单独应用干扰因素多。1H-MRS一般作为DCE及DWI的补充序列，提供有价值的信息。1H-MRS结合DCE序列，感兴趣区的选择可以尽量避开水肿、坏死区，提高诊断的准确性。1H-MRS联合DWI鉴别乳腺良恶性病变的敏感性为93.3%，特异性为72.7%[24]，特异性较低的原因可能是1H-MRS和DWI图像分辨率都较低，对于非肿块型病变以及较小的病变，1H-MRS存在诊断的困难。另外，在评估乳腺癌NAC反应方面，随着化疗的进行，病灶如果发生体积缩小或内部出现液化坏死，感兴趣区的选择会出现偏差。1H-MRS存在部分技术限制是影响其临床可用性的原因之一。

2 影像组学

2.1 影像组学概述

影像组学是一种无创且可重复的影像分析方法，它能把影像的任何感兴趣区作为研究对象，提取大量的特征信息，再通过分析筛选出关键信息，最终用于疾病的诊断或治疗的评估。

影像组学的工作流程主要包括图像采集、图像分割、特征提取和筛选、建立模型[25-26]。医学影像图像都可以与影像组学结合起来。图像分割是精准提取影像组学特征的重要前提。特征提取和筛选是指从大量影像特征中选取最核心的特征集，最常提取的四大类肿瘤定量参数包括信号强度特征、形态学特征、纹理特征及小波特征[26]。在众多的参数中，嫡是应用较广泛的一个，嫡反映了肿瘤内部的像素分布，像素分布均匀即代表肿瘤异质性低，反之代表异质性高[27]。模型的选择与建立的方法归纳为两大类，分别是基于统计学和基于机器学习，基于统计学方法中的Logistic回归模型因其简单易行，是较为常用的监督分类器[4]。

2.2 基于MRI影像组学分析在乳腺癌诊疗中的应用

基于DWI的影像组学分析具有良好的Ki-67增殖指数识别能力，有助于乳腺癌分子分型的预测。有研究[28]对乳腺浸润性导管癌的患者进行基于DWI的影像组学分析，将患者分为Ki-67阴性表达组和Ki-67阳性表达组，从DWI图像中的ADC图谱提取放射学特征1029个，选择11个特征构建模型，研究结果表明Ki-67阳性表达与ADC值呈负相关。Holli-Helenius等[27]研究人员对浸润性导管乳腺癌分子亚型的预测进行研究，结果表明Luminal B型乳腺癌体积和嫡值均比Luminal A型大，反映了Luminal B型乳腺癌的异质性更大。病理上，Luminal B型乳腺癌Ki-67指数较Luminal A型高，高Ki-67指数影响肿瘤细胞内的血管内皮生长因子表达，引起血管内皮细胞增值率和血管通透性增高，肿瘤异质性增高[27]。Ashirbani等[25]采用基于机器学习的方法，在DCE的背景下对乳腺癌进行了影像组学分析，研究表明影像组学特征可以区分Luminal A 及其它乳腺癌分子亚型。一项基于乳腺癌DCE影像组学特征预测远处转移研究[29]表明，骨、肺、肝是乳腺癌最常见的远处转移部位，Luminal型乳腺癌骨转移常见，三阴型乳腺癌肺转移常见，Her-2过表达型乳腺癌肝转移常见。基于影像组学的纹理参数还可以很好评估NAC的效果[9]。这些实验结果表明MRI影像组学在预测肿瘤分子分型方面有着较大优势，在评估不同免疫表型乳腺癌NAC变化方面也有较高的敏感性。

DWI可以反映组织和细胞微观结构，DCE图像分辨率高，肿瘤与周围背景分界清楚，基于DCE的影像组学分析有利于图像分割，将不同模态的图像结合可以得到更丰富的信息。融合多模态MRI的特征将有助于提高影像组学模型的效能。基于T2WI、DKI和定量DCE影像组学特征的模型，对良恶性乳腺病变具有很高的鉴别能力[30]。基于多模态MRI影像组学在评估NAC方面比单模态具有更高的敏感性[4，31]。研究人员[4]从多模态MRI中提取4个影像组学特征，并建立了结合影像组学和独立临床危险因素的联合预测模型，结果表明这个模型在预测NAC不敏感型乳腺癌方面具有优势。一项多中心研究[31]表明，多模态MRI影像组学建立的模型在PCR的预测方面优于临床模型。不同的影像组学处理方式可能对建立的模型甚至最终的结果产生影响，因此，选用科学及合理的方法是研究的重点。

3 结 语

多模态MRI及影像组学在乳腺癌的诊断、预测肿瘤分子分型、NAC前后肿瘤的评估、预测PCR等方面都具有一定的价值。然而，目前的研究结果并不完全一致，不同数据的实验设备及成像参数不同，感兴趣区的选取、图像分割、影像组学特征集的选择、模型的建立等因素也不尽相同。基于多模态MRI的影像组学也处于发展阶段。未来的研究还需要通过大量数据进行分析和验证，最终应用于临床。