多模态MRI定量参数与乳腺癌HER-2表达状态的相关性分析

杨自力,邵凯,朱来敏,于昊,王唯伟

人类表皮生长因子受体-2(human epidermal growth factor receptor-2,HER-2)是一种原癌基因,其扩增或过表达与乳腺癌的发生、发展及预后密切相关[1]。术前采用功能MRI定量指标预测乳腺癌HER-2的表达状态对制订个性化治疗方案具有重要价值。体素内不相干运动模型(intravoxel incoherent motion,IVIM)通过双指数曲线拟合方式可分离出与微循环血流灌注情况相关的“假扩散”效应[2]。乳腺肿瘤的复杂性往往使瘤内部分水分子呈非高斯运动,扩散峰度成像(diffusion kurtosis imaging,DKI)基于水分子非高斯分布模型,能更真实地反映乳腺肿瘤微环境的变化[3]。DCE-MRI可利用药代动力学模型量化评价肿瘤的微血循环灌注及渗透情况,从而可为病变性质的判断提供重要信息[4]。大部分国内外学者的研究中采用的是单一IVIM、DKI或DCE-MRI序列对乳腺癌HER-2的表达状态进行评估,但基于单一序列构建的诊断模型的AUC均小于0.8[5-7],将上述序列联合以构建多参数MRI模型对乳腺癌进行研究尚鲜有文献报道,故本研究拟探究联合IVIM-DWI、DKI和DCE-MRI多项定量参数构建的联合诊断模型对乳腺癌HER-2表达状态的诊断价值。

材料与方法

1.一般临床资料

将2019年10月-2021年2月在本院经病理证实为乳腺癌的97例女性患者纳入本研究。其中,HER-2阳性组51例,平均年龄(51.31±10.24)岁;HER-2阴性组46例,平均年龄(50.54±9.44)岁。纳入标准:①临床拟诊为乳腺癌且接受IVIM-DWI、DKI和DCE-MRI检查;②MRI检查后2周内行穿刺活检或手术治疗并进行常规病理检查和免疫组化检测。排除标准:①MRI检查前已接受过穿刺活检、手术治疗或放化疗;②MRI扫描序列不全或图像质量不佳。本研究中59例患者行手术切除,38例行穿刺活检。

2.MRI检查方法

使用GE Discovery 750W 3.0T 超导型MR扫描仪及16通道的双乳相控阵线圈。患者取俯卧位,双侧乳房自然悬垂于乳腺线圈内,足先进。主要扫描序列和参数如下。①横轴面IVIM-DWI采用单次激发SE-EPI序列:TR 2500 ms,TE 90 ms,矩阵128×128,12个b值分别为0、30、50、80、100、150、200、500、800、1000、1500和2000 s/mm2,激励次数随着b值的增加依次为1、1、1、1、1、1、1、2、2、4、5和6次,扫描时间6 min 40 s;②DKI:b值选取0、1000和2000 s/mm2,30个方向的扩散敏感梯度场,激励次数2,TR 5000 ms,TE 89.9 ms,矩阵128×128,扫描时间5 min 55 s;IVIM-DWI及DKI序列层厚均为4 mm,层间距0.4 mm,扫描视野350 mm×350 mm。③DCE-MRI使用容积乳腺成像(volume imaging for breast assessment,VIBRANT)序列,先扫描1期蒙片,结束后立即经肘前静脉以3.0 mL/s的流率、0.1 mmol/kg的剂量注射钆喷酸葡胺,然后在自由呼吸状态下扫描45个期相的动态增强图像,每期7 s,扫描时间6 min 15 s;扫描参数:层厚1.4 mm,层间距0 mm,视野350 mm×350 mm。

3.图像处理及分析

将采集的数据传输至GE AW 4.6后处理工作站。由2位乳腺影像诊断医师(5年以上影像诊断工作经验)在不知病理结果的情况下,进行图像分析和数据测量。对IVIM-DWI数据的后处理分别使用Function tools中的MADC、DKI和GenIQ程序获取表观扩散系数(ADC)、单纯扩散系数(ADCslow)、灌注相关扩散系数(ADCfast)、灌注分数(f)、平均扩散率(mean diffusity,MD)、扩散峰度(MK)、容量转移常数(Ktrans)、血管外细胞外间隙容积比(Ve)和速率常数(Kep)的伪彩图。在IVIM-DWI灰度图(b=1000 s/mm2)和DKI灰度图(b=1000 s/mm2)上选取病灶实性成分最大的层面,避开出血、坏死、囊变等区域,在肿瘤实性区域分别勾画3个ROI;对DCE-MRI图像的分析和测量,我们使用了Tofts模型及固定的基线T1值和基于人群的动脉输入函数,并在45期DCE-MRI图像中选取肿瘤强化最为明显的一期图像,于肿瘤内实性成分最大的层面进行ROI的勾画和定量参数的测量。选取蒙片及第1、5、10、15、20、25、30、35、40和45期动态增强图像生成时间-信号强度曲线(TIC)。每例患者在勾画ROI时尽量保证在三组图像(IVIM-DWI、DKI及DCE-MRI)上选择病灶的相同层面及位置;将IVIM-DWI、DKI及DCE-MRI三个序列上勾画的ROI复制到相应的定量参数伪彩图上,获得ROI的ADC、ADCslow、ADCfast、f、MD、MK、Ktrans、Kep和Ve值。每个病灶的每项参数重复测量3次,取3次的平均值;然后,对两位医师对各项参数的测量结果进行组间一致性分析,如一致性较好,则以年资较高医师的测量结果为准,进行后续的统计分析。

4.病理及免疫组化分析

根据美国肿瘤研究联合会(AJCC)癌症分期标准确定乳腺癌的组织学类型及TNM分期[8]。免疫组化(immunohistochemistry,IHC)检测中,采用链霉菌抗生物素蛋白-过氧化物酶连结法检测HER-2的表达水平,并采用荧光原位杂交方法(fluorescence in situ hybridization,FISH)检测其基因扩增情况。本研究中HER-2表达阳性的标准为免疫组化结果中IHC 3+或IHC 2+且FISH结果为阳性;HER-2表达阴性的标准为IHC 0、1+或2+且FISH结果为阴性[9]。Ki-67表达情况的评估标准:分为高表达和低表达两组,在高倍镜下计算任意10个视野内Ki-67表达阳性的细胞数所占比例,取10次结果的平均值,Ki-67阳性细胞数占比≥14%为高表达,<14%为 低表达。

5.统计学方法

使用SPSS 20.0和MedCalc 19.5.1软件对数据进行统计分析。对HER-2不同表达状态组之间临床病理资料及DCE-MRI的TIC曲线类型的比较采用χ2检验。采用组内相关系数(interclass correlation coefficient,ICC)对两位观察者测量的各项定量参数值的组间一致性进行分析(0.11～0.40为一致性较低,0.41～0.60为一致性一般,0.61～0.80为一致性良好,ICC>0.80属于一致性较强)。计量资料的正态分布分析采用Kolmoforov-SmirnovZ检验,并运用Le-vene检验分析其方差齐性,符合正态分布的变量以均数±标准差的形式来描述。对各项定量参数在不同HER-2表达状态组之间的比较采用独立样本t检验。采用Pearson秩相关分析对HER-2不同表达状态与各项MRI定量参数的相关性进行检验,0.8≤|r|≤1.0为高度相关,0.5≤|r|<0.8为中度相关,0.2≤|r|<0.5为低度相关,|r|<0.2为极弱相关。将各MRI序列定量参数中组间比较差异有统计学意义者分别构建IVIM-DWI、DKI和DCE-MRI预测模型及3序列联合预测模型,并采用二元logistic回归分析获取单个定量参数及3个预测模型的概率值,然后绘制ROC曲线分析MRI定量参数对HER-2表达状态的诊断价值,获取鉴别诊断的最大约登指数及截断值,并计算曲线下面积(AUC)及敏感度、特异度和符合率;对AUC的差异性分析采用Delong检验。以P<0.05为差异有统计学意义。

结 果

1.临床病理资料的比较

HER-2阳性组和HER-2阴性组之间各项临床和病理资料的比较结果见表1。HER-2阳性组的脉管神经侵犯和淋巴结转移较阴性组更多见,且出现率在两组间的差异均有统计学意义(P<0.05);HER-2阳性组中Ki-67高表达(Ki-67>14%)的比例高于阴性组,且差异具有统计学意义(P<0.05)。两组间患者的年龄、肿瘤的病理分级及分期的差异均无统计学意义(P>0.05)。

表1 HER-2不同表达状态组临床病理资料的比较

2.IVIM、DKI及DCE-MRI参数的组间比较

ADC、ADCslow、ADCfast、f值及MD、MK值和Ktrans、Kep及Ve值的ICC值均大于0.80(范围为0.805～0.964),一致性较强。HER-2阳性组的ADCslow和MK值小于阴性组,而ADCfast、Ktrans、Kep和Ve值高于阴性组,差异有统计学意义(P<0.05)。TIC曲线形态、ADC、f和MD值在两组间的差异均无统计学意义(P>0.05)。

3.相关性分析

各项MRI定量参数与HER-2表达情况的相关性详见表2和图1～2。ADCslow和MK值与HER-2阳性表达均呈低度负相关(r=-0.277,P=0.006;r=-0.209,P=0.040);ADCfast、Ktrans、Kep和Ve值与HER-2阳性表达均呈低度正相关(r=0.299,P=0.003;r=0.279,P=0.006;r=0.224,P=0.027;r=0.383,P=0.001)。

图1 女性患者,64岁,左乳浸润性导管癌III级,Luminal B型(HER-2表达阴性)。a)IVIM-DWI灰度图(b=1000 s/mm2),示左侧乳腺内病灶呈混杂高信号;b)ADCslow伪彩图,示病灶的ADCslow值较高呈蓝绿色,ROI1的ADCslow=0.69×10-3mm2/s;c)ADCfast伪彩图,示病灶的ADCfast值较高呈蓝绿色,ROI-1的ADCfast=14.5×10-3mm2/s;d)f值伪彩图,示病灶的f值较高呈黄绿色,ROI-1的f=22.2%;e)MD伪彩图,示病灶的MD值较高呈蓝绿色,MD=1.58×10-3mm2/s;f)MK伪彩图,示病灶的MK值较高呈绿色,MK=0.99;g)DCE-MRI原始图像,示病灶呈明显均匀强化;h)Ktrans伪彩图,示病灶的Ktrans值较高呈红色,Ktrans=0.193/min;i)Kep值伪彩图,示病灶的Kep值较高呈蓝绿色,Kep=0.633/min;j)Ve值伪彩图,示病灶的Ve值较低呈蓝绿色,Ve=0.373。

图2 女性患者,37岁,左乳浸润性导管癌Ⅲ级,HER-2强阳性型。a)IVIM-DWI灰度图(b=1000 s/mm2),示乳腺内病灶呈混杂高信号;b)ADCslow伪彩图,示病灶的ADCslow值较高呈蓝绿色,ROI-1的ADCslow=0.37×10-3mm2/s;c)ADCfast伪彩图,示病灶的ADCfast值较高呈蓝绿色,ROI-1的ADCfast=47.2×10-3mm2/s;d)f值伪彩图,示病灶的f值较高呈红蓝色,ROI1的f=48.8%; e)MD伪彩图,示病灶的MD值较高呈绿色,ROI-1的MD=2.40×10-3mm2/s;f)MK伪彩图,示病灶的MK值较高呈蓝绿色,ROI-1的MK=0.54; g)DCE-MRI强化原始图,显示乳腺内病灶呈明显强化;h)Ktrans伪彩图,示病灶的Ktrans值较低呈蓝绿色,ROI-1的Ktrans=0.322/min;i)Kep值伪彩图,示病灶的Kep值较低呈蓝紫色,ROI-1的Kep=0.407/min;j)Ve值伪彩图,示病灶的Ve值较高呈黄蓝色,ROI-1的Ve=0.790。

表2 不同HER-2表达状态之间多模态MRI定量参数的比较

4.各项MRI定量参数的诊断效能分析

各项MRI定量参数的诊断效能分析结果详见表3和图3。当ADCslow≤0.68×10-3mm2/s、ADCfast≥16.4×10-3mm2/s、MK≤0.61、Ktrans≥0.259/min、Kep≥0.453/min或Ve≥0.447时,倾向于HER-2阳性表达。其中,以DCE-MRI定量参数Ve的AUC(0.724)为最大,相应的特异度和符合率也最高,分别为84.8%和68.0%。

表3 IVIM、DCE-MRI及DKI参数和各预测模型对HER-2表达状态的诊断效能

5.模型的构建和效能分析

将IVIM、DKI及DCE-MRI三个序列中对HER-2表达状态有鉴别诊断价值的参数分别纳入逻辑回归分析以构建诊断模型,对其诊断效能的分析结果详见表3和图4。其中IVIM-DWI模型中的纳入的参数为ADCslow和ADCfast,模型的AUC为0.728;DKI模型中仅纳入MK,其AUC为0.625;DCE-MRI模型中的纳入的参数为Ktrans、Kep和Ve,其AUC为0.791,相应的特异度和符合率分别为71.7%和72.2%,均高于IVIM-DWI模型及DKI模型。

将IVIM-DWI、DKI和DCE-MRI模型中的定量参数进行联合,构建的联合模型的AUC为0.852,诊断效能高于各单序列模型(Z=1.908～3.595,P均<0.05),诊断敏感度为84.3%、特异度为69.6%、符合率为75.3%,详见表3和图4。

讨 论

本研究分析了IVIM-DWI、DKI及DCE-MRI三个序列的定量参数对乳腺癌HER-2表达状态的诊断价值,结果显示IVIM-DWI序列的ADCslow、ADCfast,DKI序列的MK及DCE-MRI序列的Ktrans、Kep和Ve,均与HER-2表达状态具有一定的相关性;且当ADCslow≤0.68×10-3mm2/s、ADCfast≥ 16.4×10-3mm2/s、MK≤0.61、Ktrans≥0.259/min、Kep≥0.453/min或Ve≥0.447时,乳腺癌HER-2倾向于阳性表达,其中DCE-MRI的Ve对预测HER-2阳性表达的AUC最大,特异度和符合率也最高;DCE-MRI模型的诊断效能高于IVIM及DKI模型。此外,本研究联合IVIM-DWI、DKI及DCE-MRI三个序列的定量参数构建联合模型对乳腺癌的HER-2表达状态进行判断,结果显示联合模型的AUC高于各单序列模型,表明联合模型的诊断效能得到进一步提升。

HER-2可诱导血管内皮细胞生长因子生长,促进肿瘤边缘新生大量微血管,还可以促进细胞分裂,抑制细胞凋亡,提高癌细胞的增值率,增强其侵袭能力。本研究结果显示,HER-2阳性组中脉管及神经侵犯及Ki-67高表达者较多见,说明HER-2阳性表达的乳腺癌具有易浸润和转移的特性,基于上述病理特征,有学者认为HER-2基因是评估乳腺癌患者预后的独立影响因素[10]。临床上内分泌治疗对HER-2阳性表达的乳腺癌患者的效果欠佳,但靶向药物曲妥珠单抗对其疗效较好[11]。

单指数DWI模型可从分子水平对乳腺癌进行定量分析,临床应用广泛,但其对HER-2基因表达的诊断价值尚存在争议。本研究结果显示ADC值并不能用于HER-2表达状态的预测,与Horvat等[12]学者的研究结果基本一致,究其原因,HER-2阳性表达的肿瘤细胞具有明显的异性性,使肿瘤组织局部水分子扩散明显受限,而肿瘤内丰富的血供却促进水分子的高斯运动,上述两种病理改变强度不同,导致了ADC值的变化不同。

IVIM-DWI采用的是双指数数学模型,可区分肿瘤内水分子的真实扩散情况与微循环灌注,从成像原理上而言,可弥补单指数DWI的不足。本研究中HER-2阳性组的ADCslow值小于阴性组,病理基础为HER-2阳性表达的肿瘤细胞排列较为紧密,细胞异形性显著,细胞外自由水(真实)扩散受限较HER-2阴性表达的肿瘤组织明显,与余哲歆等[5]的研究结果相一致。本研究中还发现HER-2阳性组的ADCfast值较阴性组高,原因是HER-2基因表达可使肿瘤内毛细血管容积及微循环灌注量增加。

在本研究中HER-2阳性组的MK值低于阴性组,与刘庆旭等[13]学者的研究结果相仿。但也有部分研究中发现MK值在HER-2阳性组与阴性组之间的差异不具有统计学意义[14-15]。导致研究结果出现不一致的原因可能是HER-2阳性表达的肿瘤组织具有微结构复杂且微循环灌注丰富的病理特征,而上述两种病理特征对于水分子非高斯运动的影响不同,如HER-2阳性细胞的密实性及高异形性会增加水分子运动受限的程度,而瘤内丰富的微循环灌注则会促进瘤内水分子的运动,减弱其扩散受限的程度[16];两者的作用效果相反,两种因素在肿瘤内的不同比重即可能导致研究结果出现一定的差异。

TIC曲线是DCE-MRI提供的半定量指标,现已广泛应用于乳腺良恶性肿瘤的鉴别诊断,此项指标在诊断HER-2基因表达状态方面具有一定的局限性。本研究中HER-2阳性组与阴性组之间TIC曲线类型的差异无统计学意义(P>0.05),与程雪等[17]学者的研究结果相一致。定量DCE-MRI不仅可提供TIC类型这项半定量参数,而且可提供反映局部血流量和血管通透性的定量参数,其中恶性程度高的肿瘤新生血管丰富、血流灌注量大、毛细血管通透性高,表现为Ktrans和Kep值较高,而Ve值作为Ktrans与Kep的比值,数值可降低,亦可增高。本研究结果显示,HER-2 阳性组的Ktrans、Kep和Ve值均高于阴性组,其中Ve值的诊断效能较高。相关的病理基础是HER-2基因诱导血管内皮生长因子生成,从而促进肿瘤新生血管的生成,增强了瘤内微循环灌注和血管通透性。王倩等[18]学者的研究中仅发现Ve对HER-2表达状态有鉴别价值,而李丽环[19]等学者认为各项DCE-MRI定量参数对HER-2基因表达状态无显著鉴别诊断价值。本研究与上述文献报道结果不一致,原因可能是本研究中纳入的HER-2阴性组患者多数无基因扩增,而阳性组患者多数有基因扩增,增强了HER-2的蛋白质表达与基因扩增的一致性,研究结果更为可靠。

本研究具有一定的局限性:①样本量偏小;②多b值IVIM-DWI和DKI检查中所选b值的个数及大小目前尚无统一标准,可能导致不同的研究结果之间存在差异;③本研究中ROI勾画是选取肿瘤面积最大的3个层面,并没有覆盖整个肿瘤体积,故各定量参数测量位置与病理组织取材之间可能存在一定的差异,有可能导致错配问题。

综上所述,联合IVIM-DWI、DKI和DCE-MRI定量参数构建的联合模型可定量评估乳腺癌HER-2的表达状态,在临床实践中作为常规MRI序列的补充,有助于HER-2阳性患者术前个体化治疗方案的制订及预后预测。