基于动态增强MRI影像学参数构建乳腺癌组织学分级预测模型

【摘要】目的 探讨动态增强MRI影像学参数对乳腺癌组织学分级的影响并构建预测模型，为临床治疗提供参考。方法 选取2021年1月至2022年12月汕尾市人民医院收治的110例不同乳腺癌组织学分级患者的临床资料，进行回顾性分析。将Ⅰ级、Ⅱ级患者作为低级别组（55例），将Ⅲ级患者作为高级别组（55例）。分析影响乳腺癌组织学分级的单因素及独立危险因素，基于动态增强MRI影像学参数构建乳腺癌组织学分级预测模型并分析其预测价值。结果 两组患者年龄、肿瘤体积、绝经状态、淋巴结转移情况、管外细胞间隙体积比（Ve）比较，差异均无统计学意义（均P>0.05）；高级别组患者容量转移常数（Ktrans）、速率常数（Kep）均高于低级别组（均P<0.05）。多因素Logistic回归分析结果显示：Ktrans、Kep均为影响乳腺癌组织学分级的独立危险因素（均P<0.05）。构建模型回归方程为：Logit（P）=1.455×Ktrans+1.023×Kep-1.256，该预测模型的曲线下面积（AUC）为0.893，最大约登指数为0.636，敏感度为0.954，特异度为0.691。结论 Ktrans、Kep均为影响乳腺癌组织学分级的独立危险因素，基于Ktrans、Kep构建乳腺癌组织学分级预测模型具有较高的预测价值，可为临床提供可靠依据。

【关键词】动态增强MRI；乳腺癌；组织学分级；预测模型

【中图分类号】R737.9 【文献标识码】A 【文章编号_{iV/JBAC8ay5p4J3cALU/mA==}】2096-2665.2024.21.0118.03

DOI：10.3969/j.issn.2096-2665.2024.21.036

乳腺癌是危害女性身心健康的常见恶性肿瘤，有研究指出，中国每年约16.9万女性罹患乳腺癌，因乳腺癌死亡的女性数量达4.5万[1]。按全球癌症研究机构的预测，2040年乳腺癌的发病率将增长46%以上[2]。目前，临床尚无乳腺癌的预防手段，早期诊断与治疗对提高乳腺癌患者的生存率至关重要。准确的组织学分级对治疗方案的制订和预后评估具有重要意义[3]。传统的组织学分级方法通常依赖病理活检结果，然而乳腺癌具有高度异质性，有创的活检技术无法对肿瘤异质性进行全面评估[4]。动态增强MRI以其对乳腺病变的高分辨率和多参数成像特点，可为乳腺癌的研究提供较全面的信息[5]。基于此，本研究探讨动态增强MRI影像学参数对乳腺癌组织学分级的影响并构建预测模型，为临床提供无创、准确的辅助诊断工具，现报道如下。

1 资料与方法

1.1 一般资料 选取2021年1月至2022年12月汕尾市人民医院收治的110例不同乳腺癌组织学分级患者的临床资料，进行回顾性分析。将Ⅰ级、Ⅱ级患者作为低级别组（55例），将Ⅲ级患者作为高级别组（55例）。两组患者一般资料比较，见表1，本研究经汕尾市人民医院医学伦理委员会批准。纳入标准：⑴女性；⑵符合乳腺癌的诊断标准[6]，且经病理学检查确诊；⑶均进行动态增强MRI检查；⑷病变类型为肿块型；⑸临床资料完整。排除标准：⑴近期接受过放疗、化疗者；⑵缺少动态增强MRI图像数据者；⑶图像存在明显运动伪像，成像质量不佳者；

⑷合并其他肿瘤者。组织学分级[7]：采用1～3分的评分体系，分别针对肿瘤的腺体/小管组成比例、细胞核形态异质性、核分裂计数进行独立评估，见表1。 3～5分为Ⅰ级；6～7分为Ⅱ级；8～9分为Ⅲ级。

1.2 检查方法 扫描前，对患者实施呼吸控制训练，防止因呼吸运动导致扫描图像不清晰。患者手背安置留置针，俯卧于线圈架上，保持躯干水平，头部前移，将双侧乳房自然垂直放置在线圈中。采用MRI扫描仪（飞利浦医疗系统荷兰有限公司，国械注进20153282758，型号： Achiva1.5 T）， 8通道乳腺专用相控阵表面线圈，进行三平面定位扫描。再进行乳腺横轴位扩散加权成像（DWI）扫描，采用单次激发自旋平面回波（SS-EPI）和频率选择脂肪抑制技术，扩散敏感因子（b）值为 0 s/mm2和800 s/mm2， TR 5 000 ms， TE 62 ms，层厚6 mm，层间距1.5 mm，矩阵128×128，激励次数4，视野34 cm；接着分别对双侧乳腺进行矢状位快速自旋回波（FSF）脂肪抑制（FS）序列的扫描， TR 4 040 ms， TE 81 ms，回波链长度19，层厚5 mm，层间距1.0 mm，矩阵320×224，激励次数2，视野22 cm，单侧乳腺扫描层数为18；以2.5 mL/s

静脉注射剂量15 mL的钆喷替酸葡甲胺（对比剂）后立即以相同的注射速度注入20 mL 0.9% NaCl冲管;采用乳腺容积成像技术进行横轴位动态增强MRI三维快速梯度回波序列的扫描， TR 6.2 ms，TE 3.0 ms，层厚3.2 mm，层间距0，矩阵256×350，激励次数0.8，视野36 cm，翻转角10°，扫描层数48，增强扫描8个时相， 42 s/时相。

图像和相关数据导入专业图像处理软件，由资深影像科医师进行分析。关注肿瘤的大小、位置及信号特性，以最大肿瘤直径和强化明显的层面为基准，避开液化、坏死和囊性病灶，划定兴趣区域（ROI）。通过计算得出反映对比剂从血管至细胞外液空间速度的容量转移常数

（Ktrans）、反映对比剂从细胞外液回流至血浆速度的速率常数（Kep），以及管外细胞间隙体积比（Ve）。

1.3 观察指标 ⑴分析影响乳腺癌组织学分级的单因素。⑵分析影响乳腺癌组织学分级的独立危险因素。⑶构建动态增强MRI影像学参数的乳腺癌组织学分级预测模型，分析其预测效果。

1.4 统计学分析 采用SPSS 26.0统计学软件进行数据分析。计量资料以（x）表示，采用t检验；计数资料以[例（%）]表示，组间采用χ2检验；构建预测模型采用Logistic回归方程；绘制受试者操作特征（ROC）曲线评价模型的预测能力。以P<0.05为差异有统计学意义。

2 结果

2.1 影响乳腺癌组织学分级的单因素分析 两组患者年龄、肿瘤体积、绝经状态、淋巴结转移情况、Ve比较，差异均无统计学意义（均P>0.05）。高级别组患者Ktrans、Kep均高于低级别组，差异均有统计学意义（均P<0.05），见表2。

2.2 影响乳腺癌组织学分级的多因素Logistic回归分析 以表1中差异有统计学意义的因素作为自变量（原值输入），以乳腺癌组织学分级结果作为因变量（Ⅰ级、

Ⅱ级=0，Ⅲ级=1），建立多因素Logistic回归分析模型。多因素Logistic回归分析结果显示： Ktrans、Kep均为影响乳腺癌组织学分级的独立危险因素（均P<0.05），见表3。

2.3 乳腺癌组织学分级预测模型的构建及预测效果分析 根据多因素Logistic回归分析结果构建模型回归方程为： Logit（P）=1.455×Ktrans＋1.023×Kep-1.256。绘制ROC曲线来检测乳腺癌组织学分级的敏感度和特异度，以约登指数的最大值作为预测模型的最优阈值。该预测模型的曲线下面积为0.893，最大约登指数为0.636，敏感度为0.954，特异度为0.691，见图1。

3 讨论

乳腺癌具有高度异质性，在形态、分子特征、生物学行为及治疗响应方面存在显著差异。乳腺癌组织学分级在乳腺癌的诊断、治疗及预后评估具有重要意义[8]。首先，组织学分级有助于明确肿瘤的恶性程度，分级越高提示肿瘤细胞的分化程度越低，肿瘤的生长速度更快、侵袭性更强、更易发生转移。其次，组织学分级对治疗方案的选择具有指导作用，低分级的乳腺癌可能适合保守治疗，高分级的乳腺癌可能需要更积极、综合的治疗策略，如手术、放疗等联合应用。同时，组织学分级是评估预后的重要指标之一，分级低的患者预后较好，生存时间较长；分级高的患者预后较差，复发和转移的风险增加[9]。

传统肿瘤组织学评估依赖于穿刺活检或术后病理切片，其缺点包括侵入性强、创伤大、耗时长且成本高。此外，所取样本未必能全面反映整个肿瘤的特性，可能影响结果精确度[10]。因此，迫切需要探索一种无创且精准的乳腺癌诊断技术，以预判病理分级，提升乳腺癌检测效率，为临床决策提供影像学依据。

动态增强MRI是一种无创的血流成像技术，能精确评估微血管灌注状态和组织血管发育情况，对肿瘤的性质判断、病理分级及个性化治疗决策具有显著价值[11]。有研究表明，动态增强MRI定量参数能区分乳腺癌的不同分子亚型[12]。

高分级的乳腺癌通常具有更高的细胞增殖活性、更丰富的新生血管形成、更高的血管通透性。Ktrans值反映对比剂从血管内空间渗透到血管外细胞外间隙（EES）的速率。有研究显示，随着肿瘤恶性程度的增加，Ktrans值逐渐升高[13]。本研究结果显示，高级别组患者Ktrans高于低级别组。分析原因为，高分级的乳腺癌肿瘤新生血管增多且不成熟，血管内皮细胞间隙较大，导致血管通透性增加，使对比剂更易从血管内渗入EES，从而表现为较高的Ktrans值。低分级的乳腺癌细胞增殖较慢，新生血管较少且较为成熟，血管通透性相对较低，Ktrans值也相对较低。

本研究结果显示，高级别组患者Kep高于低级别组。分析原因为，乳腺癌组织学分级越高的患者，通常其新生血管更丰富、紊乱，血管通透性也更高，这会导致对比剂更快地进入和流出肿瘤组织，从而使Kep值升高。较高的组织学分级意味着肿瘤细胞的增殖更活跃，代谢需求更大，这会促使肿瘤形成更多不成熟且功能异常的血管。这些血管会影响对比剂的交换，表现为较高的Kep值。Kep值还可间接反映肿瘤细胞的密度和肿瘤内部的压力，组织学分级高的肿瘤细胞，密度较大，内部压力较高，这会影响对比剂的扩散和交换，从而在Kep值上有所体现。

本研究构建模型回归方程为：Logit（P）=1.455×Ktrans+1.023×Kep-1.256。该预测模型的AUC为0.893，最大约登指数为0.636，敏感度为0.954，特异度为0.691，这表明，通过输入患者的相关资料，该模型在预测乳腺癌组织学分级方面具有较高的准确性，能帮助医护人员更好地了解患者的风险因素，从而制订相应的治疗措施，提升患者预后。

综上所述，基于K trans、Kep构建乳腺癌组织学分级预测模型具有较高的预测价值，可为临床提供可靠依据。但成像技术和患者个体都具有差异性，在实际应用中需综合考虑多种因素，并结合其他临床和影像学指标进行综合判断。

参考文献

马丹丹，刘坤，齐晓伟. 2018年全球癌症统计：乳腺癌发病和死亡人数统计[J/CD].中华乳腺病杂志（电子版）， 2018， 12（6）： 375.

HEER E， HARPER A， ESCANDOR N， et al. Global burden and trends in premenopausal and postmenopausal breast cancer： A population-based study[J]. Lancet Glob Health， 2020， 8（8）： e1027-e1037.

李玲玲，苏荃利，林菲菲，等.超声造影术前评价浸润性乳腺癌组织学分级的临床价值[J].中国超声医学杂志， 2022， 38（12）： 1350-1354.

李明，李薇，吴林桦，等.基于磁共振的影像组学模型预测浸润性乳腺癌组织学分级的研究[J].宁夏医科大学学报， 2023， 45（9）： 904-908， 923.

张林波，吴静，高洁，等. DCE-MRI、T2WI及DWI联合诊断乳腺癌的价值观察[J].中国CT和MRI杂志， 2024， 22（5）： 106-108.

中国临床肿瘤学会（CSCO）乳腺癌诊疗指南公布[J].肿瘤防治研究， 2017， 44（5）： 369.

梅放，柳剑英，薛卫成.浸润性乳腺癌的组织学分级： NOTTINGHAM组织学分级系统[J].中华病理学杂志， 2019， 48（8）： 659-664.

周悦，曹海艳，卓双双，等.乳腺癌超声特征与病理组织学分级的相关性分析[J].生物医学工程与临床， 2024， 28（1）： 51-55.

赵雅兰，马红霞，姜静，等.不同组织学分级乳腺癌放疗患者生理特征参数差异及5年预后的影响因素分析[J].临床和实验医学杂志， 2024， 23（7）： 722-726.

李明. MRI影像组学模型在鉴别乳腺良恶性肿瘤及预测浸润性乳腺癌组织学分级的应用研究[D].银川：宁夏医科大学， 2021.

夏淑媛，刘新凯，贾楠，等.乳腺癌的动态增强磁共振成像特征研究[J].大医生， 2022， 7（19）： 124-126.

沈孝春. 3.0T磁共振动态增强扫描联合弥散加权成像预测乳腺癌分子分型的价值[D].大理：大理大学， 2023.

饶德利，邱晓明，朱燕莉. DCE-MRI定量参数在乳腺癌分期及预后评估中的应用观察[J].中国CT和MRI杂志， 2024， 22（4）： 89-91.

1作者简介：薛春升，大学本科，副主任医师，研究方向：生殖系统疾病的诊疗。