彭文靜　劉正立　桂熙雯　張孝庚　路欣　馬紅　汪秀玲

【中圖分類號】R737.9 【文獻(xiàn)標(biāo)識碼】A 【文章編號】2095-6851（2018）06--01

乳腺癌是女性最常見的惡性腫瘤，其中以浸潤性導(dǎo)管癌最為多見[1]，纖維腺瘤是女性最常見的乳腺良性腫瘤。鉬靶X線攝影是乳腺疾病的首選篩查手段，兩者在X線上均常表現(xiàn)為腫塊。典型的纖維腺瘤腫塊境界清晰，與浸潤性導(dǎo)管癌較易鑒別，而相當(dāng)一部分不典型纖維腺瘤因含有囊腫、硬化性腺病等成分而表現(xiàn)為形態(tài)不規(guī)則、邊緣“假浸潤”，這導(dǎo)致其與浸潤性導(dǎo)管癌間區(qū)分困難，極易誤診[2]。參照美國放射學(xué)會BI-RADS分類標(biāo)準(zhǔn)，中國抗癌協(xié)會乳腺癌診治指南與規(guī)范（2015版）[3]將腫塊定義為在兩個相互垂直（或近似垂直）的投照位置上均可見到的，有一定輪廓的占位性病變，如何提高X線對兩種腫塊的鑒別效能成為臨床研究的熱點(diǎn)。紋理分析是近年新興的計(jì)算機(jī)輔助診斷技術(shù)，其通過定量提取并分析圖像灰度分布特征，可以更客觀的評價腫瘤異質(zhì)性[4]。本研究旨在探討定量X線紋理分析對鑒別乳腺纖維腺瘤與浸潤性導(dǎo)管癌的臨床價值。

1 資料與方法

1.1 一般資料 收集徐州醫(yī)科大學(xué)附屬醫(yī)院2015年6月至2017年6月期間經(jīng)手術(shù)病理證實(shí)的乳腺腫塊183個，良性腫塊為纖維腺瘤，共73個，惡性腫塊為浸潤性導(dǎo)管癌，共110個?；颊呔鶠榕?，其中纖維腺瘤患者年齡20～59歲，平均年齡（39.41±8.75）歲；浸潤性導(dǎo)管癌患者年齡32～75歲，平均年齡（51.10±9.29）歲。 所有患者均為單發(fā)乳腺腫塊，術(shù)前均接受常規(guī)X線攝影檢查。

1.2 儀器與方法 手術(shù)病理活檢前對患者行常規(guī)內(nèi)外側(cè)斜位（mediolateral oblique，MLO）和頭尾位（cranial caudal，CC）乳腺攝片；X線機(jī)選用GE Senographe DS新型全數(shù)字乳腺X線攝影機(jī)，配有高清晰度快速采集工作站及高分辨率的5M豎屏顯示器。

1.3 圖像處理與分析

1.3.1 圖像的選擇 由2名影像科醫(yī)生遵循盲法原則對每位患者乳腺內(nèi)外側(cè)斜位及頭尾位圖像進(jìn)行比較，選取腫塊顯示較清晰典型者上傳至紋理分析工作站分析。所有乳腺X線圖像均滿足紋理分析要求。

1.3.2 乳腺X線診斷 依據(jù)美國放射學(xué)會2003年發(fā)布的乳腺影像報告和數(shù)據(jù)系統(tǒng)（Breast Imaging Reporting and Data System，BI-RADS）[5]，以我院影像科發(fā)出的診斷報告為準(zhǔn)。將0～4A類歸為良性，4B～6類歸為惡性。

1.3.3 紋理分析 將所選腫塊X線圖像以DICOM格式導(dǎo)入FireVoxel （https：//wp.nyu.edu/FireVoxel）紋理分析軟件，由2名乳腺X線診斷經(jīng)驗(yàn)豐富的影像科醫(yī)師在對臨床及病理結(jié)果不知情的情況下，手動勾畫并均勻填充感興趣區(qū)。軟件自動提取均值、標(biāo)準(zhǔn)偏差、偏度、峰度、不均勻度和熵等反映腫瘤異質(zhì)性的紋理參數(shù)。每個參數(shù)提取2 次后取平均值。

1.3.4 統(tǒng)計(jì)學(xué)分析 使用SPSS 22.0統(tǒng)計(jì)分析軟件，正態(tài)分布特征數(shù)值采用兩獨(dú)立樣本t檢驗(yàn)，非正態(tài)分布特征數(shù)值采用Mann-Whitney U 檢驗(yàn)比較兩組紋理特征數(shù)值差異。繪制受試者工作特征曲線（Receiver Operating Characteristic，ROC）對差異有意義的紋理參數(shù)進(jìn)行診斷效能分析。以病理結(jié)果為金標(biāo)準(zhǔn)，計(jì)算乳腺X線、紋理特征、乳腺X線聯(lián)合紋理特征三種診斷方法鑒別兩種病變的敏感度、特異度及準(zhǔn)確度，并使用卡方檢驗(yàn)分析比較。檢驗(yàn)水準(zhǔn)均為α=0.05。

2 結(jié)果

我院影像科共診斷BI-RADS 0～4A類腫塊88個，4B～6類腫塊95個，其中纖維腺瘤被正確診斷為良性者63個，浸潤性導(dǎo)管癌被正確診斷為惡性者85個。乳腺X線鑒別診斷敏感度、特異度和準(zhǔn)確度分別為77.3%（85/110）、86.3%（63/73）和80.9%（148/183）。

對183個乳腺腫塊行紋理分析后得出：均值、偏度、峰度及不均勻度的參數(shù)值在兩組間差異無統(tǒng)計(jì)學(xué)意義（P>0.05），熵值和標(biāo)準(zhǔn)偏差在浸潤性導(dǎo)管癌中的數(shù)值高于纖維腺瘤，差異有統(tǒng)計(jì)學(xué)意義（P<0.05）（見表1）。熵值和標(biāo)準(zhǔn)偏差鑒別診斷的曲線下面積（AUC）分別為0.652和0.614（P<0.05）。進(jìn)一步將2種紋理特征與X線聯(lián)合后得出，紋理特征和X線聯(lián)合紋理特征鑒別診斷的敏感度分別為54.5%及77.3%；特異度分別為76.7%及89.0%；準(zhǔn)確度分別為63.4%及82.0%。分別繪制ROC曲線，得到乳腺X線、紋理特征及乳腺X線聯(lián)合紋理特征鑒別診斷的AUC值（見表2）。

使用卡方檢驗(yàn)分析得到：①紋理特征鑒別診斷乳腺纖維腺瘤與浸潤性導(dǎo)管癌的敏感度、特異度和準(zhǔn)確度與乳腺X線相比均無統(tǒng)計(jì)學(xué)意義（P均>0.05）。②乳腺X線聯(lián)合紋理特征診斷兩種腫塊的敏感度相同，特異度和準(zhǔn)確度均高于乳腺X線（特異度：?=7.41，P=0.007；準(zhǔn)確度：?=4.17，P=0.041）。

3 討論

乳腺癌是女性最常見的惡性腫瘤[1]，其中以浸潤性導(dǎo)管癌最為常見，異型導(dǎo)管上皮細(xì)胞或小葉上皮細(xì)胞異常增殖，穿破基底膜侵入間質(zhì)并呈浸潤性生長是其主要病理改變。乳腺纖維腺瘤是女性最常見的乳腺良性腫瘤，其發(fā)生與體內(nèi)雌激素水平過高或腺體對雌激素高敏感度有關(guān)[6]，腺體、導(dǎo)管局部異常增殖是其主要病理改變。乳腺X線攝影是乳腺疾病的首選篩查手段，兩者在X線上均常表現(xiàn)為腫塊。典型的乳腺纖維腺瘤邊界清晰、光整，可見“暈圈征”；典型的浸潤性導(dǎo)管癌多表現(xiàn)為從中心向各方向伸展的星芒狀毛刺。X線對于典型的病灶較易區(qū)分，而相當(dāng)一部分纖維腺瘤表現(xiàn)不典型，其中含有>3 mm的囊腫、硬化性腺病、上皮性鈣化或乳頭狀大汗腺化生的纖維腺瘤稱為復(fù)雜型纖維腺瘤[2]，X線上顯示其形態(tài)不規(guī)則、邊界不清晰，大量小腺管增生長入鄰近纖維間質(zhì)和（或）脂肪組織可呈現(xiàn)為“假浸潤”征，臨床上極易誤診。

參照美國放射學(xué)會BI-RADS分類標(biāo)準(zhǔn)，中國抗癌協(xié)會乳腺癌診治指南與規(guī)范（2015版）[3]將腫塊定義為在兩個相互垂直（或近似垂直）的投照位置上均可見到的，有一定輪廓的占位性病變。X線攝影對顯示乳腺鈣化灶有獨(dú)特優(yōu)勢，但對于腫塊的診斷相對局限，如何在現(xiàn)有檢查技術(shù)的基礎(chǔ)上，提高X線對乳腺腫塊良惡性鑒別診斷的準(zhǔn)確率成為研究熱點(diǎn)[7]。

紋理分析是近年新興的計(jì)算機(jī)輔助診斷技術(shù)，不同于傳統(tǒng)的基于形態(tài)學(xué)研究，紋理分析可以定量顯示圖像像素值及其排列方式等人眼不可見的細(xì)微變化，客觀反映腫瘤內(nèi)部的異質(zhì)性。目前紋理分析在多種器官腫瘤異質(zhì)性的鑒別價值得到普遍證實(shí)[4]，但其對乳腺腫瘤的異質(zhì)性研究多應(yīng)用在MRI檢查[8]，乳腺X線圖像紋理分析評價腫瘤異質(zhì)性的報道甚少。近期有文獻(xiàn)證實(shí)，通過計(jì)算機(jī)輔助紋理分析技術(shù)，乳腺病變在X線片上可以顯示的更加清晰[9]，這有望為本研究提供理論支持。

本研究對88個乳腺纖維腺瘤及95個浸潤性導(dǎo)管癌腫塊進(jìn)行紋理分析后發(fā)現(xiàn)：均值、偏度、峰度及不均勻度在兩組間差異無統(tǒng)計(jì)學(xué)意義（P>0.05）。熵值和標(biāo)準(zhǔn)偏差在浸潤性導(dǎo)管癌中的數(shù)值高于纖維腺瘤（P<0.05），其中熵代表圖像內(nèi)部像素的混雜程度，標(biāo)準(zhǔn)偏差是像素與均值間存在的變化或分散的度量，兩者均可表示腫瘤的異質(zhì)性[10]，且值越高代表腫塊的惡性程度越高，內(nèi)部結(jié)構(gòu)更紊亂，這與Lubner等[11]報道的其他腫瘤紋理分析結(jié)果一致?？紤]是因?yàn)榻櫺詫?dǎo)管癌的細(xì)胞通透性改變、異常血管生成以及囊變、壞死等混雜成分較纖維腺瘤更加明顯。分析得到熵值對兩者鑒別診斷的曲線下面積（AUC）為0.652，標(biāo)準(zhǔn)偏差的AUC值為 0.614（P均<0.05），提示單一紋理特征鑒別纖維腺瘤與浸潤性導(dǎo)管癌有一定價值，但診斷效能不是很高。以病理結(jié)果為金標(biāo)準(zhǔn)，進(jìn)一步將3種紋理特征進(jìn)行聯(lián)合，計(jì)算得出紋理特征和乳腺X線聯(lián)合紋理特征鑒別兩種病變的AUC值分別為0.691及0.857，這表明多種紋理特征聯(lián)合的鑒別效能高于單一紋理，且乳腺X線與紋理特征聯(lián)合的鑒別價值最高，可將單純X線的鑒別效能由0.818提升至0.857。

分析后發(fā)現(xiàn)：①紋理特征的診斷敏感度、特異度和準(zhǔn)確度與乳腺X線相比差異無統(tǒng)計(jì)學(xué)意義，這說明僅采用紋理分析鑒別兩種病變對提高診斷效能無益，臨床上不推薦其代替X線獨(dú)立使用。②乳腺X線聯(lián)合紋理特征的診斷特異度和準(zhǔn)確度均高于乳腺X線（P均<0.05），此方法成功將一例復(fù)雜型纖維腺瘤由4C級降為4A級，有效避免了該患者的過度治療。這提示乳腺X線聯(lián)合紋理特征可以在一定程度上減少對復(fù)雜型纖維腺瘤的誤判，降低假陽性率。目前，國際上利用增強(qiáng)乳腺M(fèi)RI的紋理分析進(jìn)行乳腺疾病研究的報道較多，但為得到較準(zhǔn)確的MRI紋理分析結(jié)果，多需采用容積紋理提取方法[12]，逐層勾畫感興趣區(qū)，勾取時間較長，且后處理復(fù)雜[13]，阻礙了其臨床應(yīng)用。本研究采用的ROI勾取步驟簡單，無需處理復(fù)雜的配準(zhǔn)等問題便可自動提取紋理特征，且后處理方法簡潔、可靠，與MRI紋理分析相比有較大臨床應(yīng)用優(yōu)勢。

綜上所述，本研究應(yīng)用X線紋理分析技術(shù)成功區(qū)分了乳腺纖維腺瘤與浸潤性導(dǎo)管癌，提高了浸潤性導(dǎo)管癌的診斷靈敏度和準(zhǔn)確度，值得在臨床上應(yīng)用推廣。本研究還存在一些不足：①本組試驗(yàn)在病例選擇上主要為住院患者，樣本選取存在一定偏倚；②本研究僅選取腫塊最清晰典型的單張X線圖像進(jìn)行紋理分析，不能全面反映腫塊特征，今后還需對多個投照體位的多張X線圖像進(jìn)行綜合分析，全面評估紋理分析的應(yīng)用價值；③部分學(xué)者進(jìn)行紋理分析前，會剔除病灶內(nèi)的鈣化灶或囊變壞死區(qū)域，筆者認(rèn)為這些區(qū)域也體現(xiàn)腫塊部分紋理，故未作剔除。

參考文獻(xiàn)

Chen W，Zheng R，Baade P D，et al.Cancer statistics in China，2015.[J].Ca Cancer J Clin，2016，66（2）：115-132.

Nassar A，Visscher D W，Degnim A C，et al.Complex fibroadenoma and breast cancer risk： a Mayo Clinic Benign Breast Disease Cohort Study.[J].Breast Cancer Res Treat，2015，153（2）：397-405.

佚名.中國抗癌協(xié)會乳腺癌診治指南與規(guī)范（2015版）[J].中國癌癥雜志，2015（9）：692-754.

Gillies R J，Kinahan P E，Hricak H.Radiomics： Images Are More than Pictures，They Are Data.[J].Radiology，2016，278（2）：563-577.

Radiology A C O.Breast imaging reporting and data system （BI-RADS）.[M].American College of Radiology，2003.

Tice J A，Miglioretti D L，Li C S，et al.Breast Density and Benign Breast Disease： Risk Assessment to Identify Women at High Risk of Breast Cancer.[J].Journal of Clinical Oncology，2015，33（28）：3137-3143.

陳惠根，劉玉娥.乳腺不典型孤立小結(jié)節(jié)性病變的X 線定性診斷分析[J].實(shí)用放射學(xué)雜志，2017，33（2）.

Waugh S A，Purdie C A，Jordan L B，et al.Magnetic resonance imaging texture analysis classification of primary breast cancer[J].European Radiology，2016，26（2）：322-330.

Teruel J R，Heldahl M G，Goa P E，et al.Dynamic contrast‐enhanced MRI texture analysis for pretreatment prediction of clinical and pathological response to neoadjuvant chemotherapy in patients with locally advanced breast cancer[J].Nmr in Biomedicine，2014，27（8）：887-896.

Bayanati H，R E T，Souza C A，et al.Quantitative CT texture and shape analysis： can it differentiate benign and malignant mediastinal lymph nodes in patients with primary lung cancer？[J].European Radiology，2015，25（2）：480-487.

Lubner M G，Stabo N，Abel E J，et al.CT Textural Analysis of Large Primary Renal Cell Carcinomas： Pretreatment Tumor Heterogeneity Correlates With Histologic Findings and Clinical Outcomes[J].Ajr American Journal of Roentgenology，2016，207（1）：96.

Orphanidouvlachou E，Vlachos N，Davies N P，et al.Texture analysis of T1 - and T2 -weighted MR images and use of probabilistic neural network to discriminate posterior fossa tumours in children.[J].Nmr in Biomedicine，2014，27（6）：632-639.

Waugh S A，Purdie C A，Jordan L B，et al.Magnetic resonance imaging texture analysis classification of primary breast cancer[J].European Radiology，2016，26（2）：322-330.