基于人工智能的多模态磁共振成像对鉴别乳腺良恶性病变的价值研究

摘要：目的" 探讨基于人工智能的多模态磁共振成像对乳腺良恶性病变的诊断价值。方法" 选择2021年5月-2023年7月抚州健强第五医院收治的120例进行手术治疗的乳腺良恶性病变患者为研究对象，将患者分为良性病变组72例和恶性病变组48例。患者均在本院完成基于人工智能的多模态磁共振成像与高频彩色多普勒超声检查，比较两组不同检查方法的准确度、灵敏度和特异度，以及两组sADC、ADC、f指标。结果" 基于人工智能的多模态磁共振成像对乳腺良恶性病变诊断灵敏度、特异度、准确率、阳性预测值、阴性预测值分别为95.83%、98.61%、97.50%、93.88%、95.95%，高于高频彩色多普勒超声的83.33%、80.56%、81.67%、64.52%、72.50%（Plt;0.05）;恶性病变组sADC低于良性病变组（Plt;0.05）;恶性病变组ADC以及f高于良性病变组（Plt;0.05）。结论" 基于人工智能的多模态磁共振成像对乳腺良恶性病变诊断灵敏度较高，有助于提高乳腺肿物诊断的准确率，可提供更加准确的检查结果。

关键词：人工智能;多模态磁共振成像;高频彩色多普勒超声;乳腺良恶性病变

中图分类号：R445.2;R655.8" " " " " " " " " " " " " 文献标识码：A" " " " " " " " " " " " " " "DOI：10.3969/j.issn.1006-1959.2024.24.039

文章编号：1006-1959（2024）24-0144-04

Value of Multimodal Magnetic Resonance Imaging Based on Artificial Intelligence

in Differentiating Benign and Malignant Breast Lesions

XU Wenhua，LIU Jinliang，WU Yongxing

（Imaging Department of Fuzhou Jianqiang Fifth Hospital，Fuzhou 344000，Jiangxi，China）

Abstract：Objective" To explore the diagnostic value of multimodal magnetic resonance imaging based on artificial intelligence in benign and malignant breast lesions.Methods" From May 2021 to July 2023， 120 patients with benign and malignant breast lesions who underwent surgical treatment in Fuzhou Jianqiang Fifth Hospital were selected as the research objects. The patients were divided into benign lesion group （n=72） and malignant lesion group （n=48）. All patients completed multimodal magnetic resonance imaging and high-frequency color Doppler ultrasound examination based on artificial intelligence in our hospital. The accuracy， sensitivity and specificity of different examination methods， as well as sADC， ADC and f indexes of the two groups were compared.Results" The sensitivity， specificity， accuracy， positive predictive value and negative predictive value of multimodal magnetic resonance imaging based on artificial intelligence in the diagnosis of benign and malignant breast lesions were 95.83%， 98.61%， 97.50%， 93.88% and 95.95%， respectively， which were higher than 83.33%， 80.56%， 81.67%， 64.52% and 72.50% of high frequency color Doppler ultrasound （Plt;0.05）. The sADC in malignant group was lower than that in benign group （Plt;0.05）. The ADC and f in the malignant lesion group were higher than those in the benign lesion group （Plt;0.05）.Conclusion" Multimodal magnetic resonance imaging based on artificial intelligence has high sensitivity in the diagnosis of benign and malignant breast lesions， which is helpful to improve the accuracy of breast mass diagnosis and provide more accurate examination results.

Key words：Artificial intelligence;Multimodal magnetic resonance imaging;High frequency color Doppler ultrasound;Benign and malignant breast lesions

乳腺癌是威胁我国女性健康的主要恶性肿瘤类型之一，可分类为良性肿瘤与恶性肿瘤，两者在治疗手段及预后方面存在显著差异。准确鉴别乳腺良恶性肿瘤对于指导临床治疗决策具有重要意义[1]。目前，病理穿刺活检被视为乳腺疾病诊断的“金标准”，但其属于有创检查。相比之下，影像学检查以其无创、安全、低痛苦的特点，在临床诊断中展现出独特优势[2]。近年来，磁共振成像（MRI）技术在我国乳腺疾病鉴别诊断中的应用日益广泛，不仅提高了诊断的敏感性，还有效降低了患者接受X线辐射的风险[3]。此外，随着人工智能（artificial intelligence， AI）技术的飞速发展，其在乳腺超声检查中作为辅助诊断工具的作用日益凸显。AI通过分析病灶的形态学与纹理特征，进行定量评估，有助于标准化超声诊断流程，并提升诊断结果的一致性[4]。鉴于此，本研究纳入了2021年5月-2023年7月在抚州健强第五医院接受手术治疗的120例乳腺良恶性病变患者，旨在探讨多模态磁共振成像在鉴别乳腺良恶性病变中的临床应用价值，现将研究结果报道如下。

1资料与方法

1.1一般资料" 选取2021年5月-2023年7月在抚州健强第五医院接受诊治的120例进行手术治疗的乳腺良恶性病变患者作为研究对象，将患者分为良性病变组和恶性病变组。其中良性病变组72例，年龄29～71岁，平均年龄（49.96±20.94）岁;病程2～12个月，平均病程（8.94±2.74）个月;疾病类型包括7例错构瘤，11例脂肪瘤，41例纤维腺瘤，13例导管内乳头状瘤;恶性病变组48例，年龄28～72岁，平均年龄（49.85±20.47）岁;病程3～11个月，平均病程（8.76±2.58）个月;疾病类型包括5例髓样癌，5例小叶原位癌，9例单纯癌，29例浸润性导管癌。两组年龄、病程、疾病类型比较，差异无统计学意义（Pgt;0.05），可比较。本研究中患者及家属均知情同意，签署知情同意书。

1.2纳入及排除标准" 纳入标准：①年龄gt;18岁，且无乳腺手术史;②本次研究前未接受过任何治疗（化疗、放疗、内分泌治疗等）;③有完整的手术病理或活检穿刺结果;④多模态磁共振成像检查在治疗或活检等有创操作前完成;⑤MR扫描序列规范。排除标准：①妊娠期、哺乳期患者;②T2WI、DWI、翻转角为5°和15°的Ti-mapping和DCE-MRI序列图像质量不佳;③乳腺病灶体积过小（直径lt;10 mm），难以准确勾画病灶ROI，且难以生成质量良好的ADC图及DKI图。

1.3方法nbsp; 在检查前，安排患者进行高频彩色多普勒超声及X线钼靶摄影检查，后续经手术病理结果证实。多模态磁共振成像检查操作如下：要求患者移除所有胸部饰品，换上病号服，俯卧于检查床上，双乳自然垂挂于线圈内。使用配备专用8通道相控阵乳腺表面线圈的SIEMENS-MAGNETOM ESSENZA 1.5T磁共振扫描仪，扫描序列涵盖轴位脂肪抑制STIR、轴位T1FSE、轴位DWI、双乳矢状位fsT2FSE以及轴位VIBRANT多期动态增强扫描。采用Gd-DTPA作为对比剂，通过高压注射器经肘正中静脉快速注入，剂量0.1 mmol/kg，注射速率2.5 ml/s。

1.4图像后处理" 勾画出感兴趣区（region of interest， ROI），所有病灶均经手动精确标注。利用人工智能灰度梯度共生矩阵分析ROI，提取形态学与纹理学特征。通过卷积神经网络与深度学习技术，对这些特征进行加权处理，以AI判定病灶的良恶性。扫描数据被传输至GEAW4.6工作站，由两位资深影像诊断医师独立分析，评估并测量病灶形态学特征、信号强度、DWI-ADC值、强化模式及时间-强度曲线（TIC）类型。

1.5观察指标" 比较两组不同检查方法的准确度、灵敏度和特异度：灵敏度=真阳性/（真阳性+假阴性）×100%;特异度=真阴性/（真阴性+假阳性）×100%;准确度=（真阳性+真阴性）/（真阴性+假阳性+真阴性+假阴性）×100%[5];乳腺良恶性病变在慢扩散系数（sADC）、fADC以及灌注分数（f）等指标方面的差异：利用IVIM模型计算sADC、快扩散系数（ADC）以及f等参数，比较良恶性乳腺肿瘤在sADC、fADC以及f的差异[6]。

1.6统计学方法" 应用SPSS 24.0进行数据分析，计量资料用（x±s）形式表示，用t值进行检验;计数资料以（n）或（%）形式表示，并行χ2检验;Plt;0.05为差异有统计学意义。

2结果

2.1不同检查方法的准确度、灵敏度和特异度比较" 基于人工智能的多模态磁共振成像对乳腺良恶性病变诊断灵敏度、特异度、准确率、阳性预测值、阴性预测值高于高频彩色多普勒超声，差异有统计学意义（Plt;0.05），见表1。

2.2两组sADC、ADC以及f检测结果比较" 恶性病变组sADC低于良性病变组，ADC及f高于良性病变组，差异有统计学意义（Plt;0.05），见表2。

3讨论

乳腺癌作为女性最常见的恶性肿瘤之一，其发病率在全球范围内居高不下，严重威胁着女性的生命健康。由于乳腺癌的早期症状往往不明显或缺乏特异性，多数情况下是在妇科检查或治疗其他乳腺、胸腔疾病时被偶然发现，导致许多患者在确诊时已处于中晚期，错过最佳治疗时机[7]。因此，早期、准确、无创地鉴别乳腺良恶性病变，对于提高乳腺癌的治愈率、降低死亡率具有重要意义。传统的乳腺病变检查方法，如B超、钼靶摄影等，虽然在一定程度上能够定位病灶，但在鉴别肿瘤良恶性方面存在局限性[8]。随着医学影像技术的不断发展，磁共振成像以其无创、无辐射、软组织分辨率高等优势，逐渐成为乳腺疾病检查的重要手段[9]。特别是多模态磁共振成像技术，通过结合多种成像序列，能够更全面地反映乳腺病变的生物学特性，为乳腺良恶性病变的鉴别诊断提供了更为丰富的信息，已成为一种重要的检查方法[10]。磁共振检查具有显著优势，能够清晰观察乳腺肿瘤的形态学特征、钙化情况，有效避免组织重叠对诊断的干扰，并能准确区分良恶性肿瘤的差异性，为患者的精确诊断提供了可靠依据[11，12]。

相关文献报道显示，基于人工智能的多模态磁共振成像采用多期动态增强扫描后，后处理软件形成的动态增强曲线为乳腺肿物分级提供更多有价值信息，同时利用多b值DWI及多期动态增强扫描等扫描方式，可进一步提升成像效果，从而提升乳腺良恶性病变诊断的敏感性，灵敏度可达到90%～98%，而高频彩色多普勒超声诊断灵敏度仅为75%～88%[13，14]。本次研究进一步分析两者诊断效果也发现，高频彩色多普勒超声对乳腺良恶性病变诊断灵敏度（83.33%）、特异度（80.56%）、准确率（81.67%）低于基于人工智能的多模态磁共振成像（95.83%、98.61%、97.50%）（Plt;0.05），提示基于人工智能的多模态磁共振成像提升了乳腺良恶性病变诊断灵敏度、特异度以及准确率，对乳腺良恶性病变鉴别诊断价值较高，可为临床诊断、术式建立、放化疗方案制定提供更多帮助。分析认为，多模态磁共振成像能够利用磁场和射频波对乳腺组织进行成像，具有软组织分辨率高、多参数成像、无辐射等优点。在乳腺良恶性病变的诊断中，基于AI的多模态磁共振成像能够全面反映病变的形态学、血流动力学及微观结构特征，并通过深度学习算法对影像特征进行自动提取和分析，能够实现对乳腺良恶性病变的精准分类，不受操作者技术水平影响，因此具有较高的灵敏度、特异度及准确率。多模态磁共振成像技术基于磁共振原理，在乳腺肿瘤诊断领域展现出独特优势，它能够精确观测患者乳腺肿瘤的形态、钙化情况，有效削弱图像重叠对诊断结果的干扰，提升诊断的精确性，并清晰地区分良恶性肿瘤的特征[15，16]。相较于传统的磁共振扫描，多模态磁共振成像的图像模糊问题显著减少，为良恶性肿瘤的鉴别诊断提供了极大的助力[17]。近年来，AI的兴起为乳腺超声检查带来全新的辅助诊断手段[18]。AI的决策过程依赖于对病灶形态学和纹理特征的深度提取与细致分析，这些特征的量化评估有效提高超声诊断流程的规范性，同时增强了观察者间的一致性[19]。本次研究发现恶性病变组sADC低于良性病变组，且ADC以及f高于良性病变组（Plt;0.05）。这一发现表明乳腺良恶性病变在sADC、ADC及f等参数上存在显著差异。鉴于此，基于人工智能技术的多模态磁共振成像为临床鉴别诊断提供了坚实的数据支撑，有效降低了误诊与漏诊的可能性，确保了患者能够尽早接受适当的治疗，进而优化了其疾病预后。

综上所述，基于人工智能的多模态磁共振成像对乳腺良恶性病变诊断灵敏度、特异度以及准确率较高，有助于提高乳腺肿物诊断的准确率。

参考文献：

[1]殷文兵，张海青，韩羽凤，等.多模态磁共振成像对乳腺腺病与非钙化型乳腺癌的诊断价值研究[J].医学影像学杂志，2023，33（2）：253-257.

[2]姜丽英.多模态超声联合磁共振在早期乳腺癌鉴别诊断中的价值[J].中国肿瘤外科杂志，2022，14（4）：390-393.

[3]叶萍，彭格红，周炜炜，等.多模态超声与磁共振在乳腺癌中的诊断价值[J].医学研究杂志，2022，51（4）：140-143.

[4]陈瑛，马秀梅，贾爱华，等.多模态超声联合核磁共振检查在乳腺肿瘤良、恶性鉴别诊断中的应用[J].海南医学，2021，32（24）：3227-3230.

[5]徐红芳，崔青，朱紫阳，等.乳腺磁共振成像联合乳腺数字三维断层摄影技术对乳腺良恶性病变鉴别价值[J].临床军医杂志，2023，51（4）：417-420.

[6]高宇飞，张晖，陈英敏，等.DKI在多模态磁共振成像技术中对乳腺良恶性肿瘤的突出诊断价值[J].临床放射学杂志，2021，40（10）：1899-1904.

[7]王晶瑶，石建军.乳腺MRI动态增强扫描和弥散加权成像在乳腺良恶性肿瘤鉴别诊断中的价值[J].中国医刊，2023，58（9）：1027-1029.

[8]黄恩善，李瑞雄，王盛集，等.核磁共振扩散加权成像定量参数在鉴别乳腺良恶性病变中的应用价值[J].广西医学，2019，41（23）：2981-2983，2988.

[9]文洁，康文焱，刘周，等.磁共振动态增强成像联合扩散加权成像对乳腺良恶性疾病鉴别诊断价值[J].磁共振成像，2020，11（4）：304-307.

[10]张琦，顾文权，杜丽娟，等.钼靶与磁共振DWI联合用于乳腺良恶性疾病鉴别诊断价值分析[J].中国医学装备，2021，18（6）：56-59.

[11]渠静静，王世威，刘玉凤，等.磁共振体素内不相干运动对鉴别诊断乳腺良恶性病灶价值的初步研究[J].浙江临床医学，2019，21（2）：187-189.

[12]付金凤，郭晓涵，沈文荣，等.3.0T磁共振扩散加权成像在乳腺良恶性病变鉴别中的价值及较优b值下ADC值与预后因子相关性研究[J].现代生物医学进展，2020，20（24）：4679-4682，4611.

[13]陈淑君，邵国良，邵峰，等.磁共振弥散加权成像的纹理特征鉴别良恶性单纯微钙化型乳腺隐匿性病灶的价值[J].浙江大学学报（医学版），2018，47（4）：400-404.

[14]王磊，赵凡，朱来敏，等.多模态定量磁共振成像对乳腺良恶性病变的诊断价值[J].临床放射学杂志，2023，42（10）：1578-1583.

[15]黎鑫乐，谭令，柴维敏.磁共振动态增强成像结合扩散加权成像对乳腺良恶性乳头状病变的鉴别诊断价值研究[J].诊断学理论与实践，2019，18（3）：301-306.

[16]夏冰清，黎鑫乐，孙琨，等.三种不同磁共振扩散加权成像模型在鉴别乳腺良恶性病灶中的价值研究[J].中国癌症杂志，2018，28（5）：361-368.

[17]王毅，黄美铃，蔡思清，等.磁共振弥散加权成像结合三维乳腺数字化断层摄影钙化分数在乳腺良恶性钙化病变鉴别中的诊断价值[J].分子影像学杂志，2021，44（6）：927-931.

[18]周永进，钟屹，赵雪妙，等.磁共振扩散加权成像联合T2WI图纹理分析定量评估乳腺良恶性结节的价值[J].温州医科大学学报，2019，49（9）：667-672.

[19]王梅，郭浩东，朱建国，等.动态比较增强MRI定量参数及其直方图对乳腺良恶性病变鉴别诊断的价值[J].临床放射学杂志，2023，42（2）：222-227.

收稿日期：2023-11-21;修回日期：2023-12-04

编辑/肖婷婷

基金项目：抚州市指导性科技计划项目（抚科社字【2023】7号序号59）

作者简介：徐文华（1984.3-），男，江西抚州人，本科，主治医师，主要从事影像科工作