王卉 胡云婷 謝元亮 王翔 萬維佳

1華中科技大學(xué)同濟醫(yī)學(xué)院附屬武漢中心醫(yī)院放射科（武漢430014）；2華中科技大學(xué)同濟醫(yī)學(xué)院附屬同濟醫(yī)院放射科（武漢430030）

在全世界范圍內(nèi)，乳腺癌已經(jīng)發(fā)展為女性腫瘤死亡的首要疾病[1]。目前在醫(yī)學(xué)上，乳腺癌在基因水平上被分為4 種分子分型，分別為Luminal A型、Luminal B型、HER-2 過表達型（HER-2型）和基底細胞樣型（basal like型）[2]。其中，Luminal A型和Luminal B型乳腺癌組織病理學(xué)均表達為雌激素受體（ER）陽性，和（或）孕激素受體（PR）陽性，故統(tǒng)稱ER 陽性乳腺癌。ER 陽性乳腺癌是其最常見的類型，約占所有乳腺癌的60%～80%[3]。乳腺癌的分子分型對治療方案的選擇具有重要意義。ER 陽性早期乳腺癌在術(shù)后前5年的預(yù)后優(yōu)于激素受體陰性的患者，而在診斷后5～15年，其預(yù)后則相對較差[3]。

臨床工作中常用組織病理學(xué)等方法來鑒別腫瘤分子亞型，不僅有創(chuàng)、耗時較長，而且易受取材等主觀因素影響。紋理分析是一種新興的計算機輔助診斷技術(shù)，可定量顯示圖像像素與排列方式的細微變化，不受圖像灰度和診斷者主觀因素的限制，其對多種腫瘤不均質(zhì)性的評價價值得到普遍證實，近年來已逐漸成為研究熱點[4-9]。但有關(guān)ER 陽性乳腺癌亞型的鑒別診斷鮮見[10-12]，本文將探索使用DCE-MRI紋理分析區(qū)分Luminal A型與Luminal B型乳腺癌的可行性。

1 對象與方法

1.1 研究對象回顧性分析2018年1-10月華中科技大學(xué)同濟醫(yī)學(xué)院武漢中心醫(yī)院96例乳腺癌患者的影像資料。納入標(biāo)準(zhǔn)：（1）經(jīng)病理證實ER 陽性；（2）具有完整的乳腺動態(tài)增強MR 影像資料；（3）同一機型，相同掃描及重建參數(shù)。排除標(biāo)準(zhǔn)：（1）影像檢查前行穿刺或新輔助化療者；（2）非腫塊型患者。最終共納入患者51例，其中Luminal A型19例，平均年齡（50.59 ± 7.73）歲；Luminal B型32例，平均（54.34 ± 12.73）歲。所有患者均行MR檢查后1周內(nèi)行腫瘤切除手術(shù)，并經(jīng)病理檢查確診。

1.2 乳腺DCE-MRI 圖像采集采用PHILIPS Achieva 3.0T TX 超導(dǎo)型MR 掃描儀，乳腺專用表面線圈（8 通道相控陣）。動態(tài)增強掃描采用dyneTHRIVE 序列容積成像，TR/TE=4.7 ms/2.3 ms，矩陣384 × 384，視野36 cm × 36 cm，Volume 各方位均設(shè)為1 mm；動態(tài)增強前先掃描蒙片，然后用高壓注射器通過肘靜脈團注釓噴酸葡胺（馬根維顯，Magnevist）0.2 mmol/kg，隨后團注20 mL 生理鹽水，速度均為2 mL/s；每分鐘采集1個時相，整個掃描序列共采集8個時相（共計8 min）。選用動態(tài)增強掃描第3個時相圖像[13-14]。

1.3 紋理分析將所選圖像以DICOM 格式導(dǎo)入計算機輔助診斷平臺Firevoxel進行分析，遵循盲法原則，逐層手動勾畫并填充感興趣區(qū)（ROI）。腫瘤ROI在病灶的每一層軸位DCE-MRI 序列上被手動定義，每一層ROI 盡可能包括更多的腫瘤組織，包括囊變、壞死及出血，以此來更好地評估不均質(zhì)性，且ROI 稍小于實際腫瘤的大小，由此生成3D ROI。多病灶多中心病例時選擇最大病灶。閱片前醫(yī)師已知患者組織病理為ER 陽性乳腺癌，但不知腫瘤的分子標(biāo)記的具體信息。軟件自動提取紋理參數(shù)（均值、標(biāo)準(zhǔn)偏差、偏度、峰度、不均勻度和熵）以及腫塊體積大小，每項參數(shù)各提取2次，取平均值作最終的特征參數(shù)值。

1.4 分子分型標(biāo)準(zhǔn)依據(jù)2015 版《中國抗癌協(xié)會乳腺癌診治指南與規(guī)范》[2]，將ER、PR及HER-2 作為判斷乳腺癌分子分型的依據(jù)，Luminal A型是指ER和/或PR（+）、HER-2（-）、Ki-67≤14%；Luminal B型包含ER和（或）PR（+）、HER-2（-）、Ki-67≥14%以及ER和/或PR（+）、HER-2（+）、Ki-67 任何水平兩種情況。

1.5 統(tǒng)計學(xué)方法采用SPSS 19.0軟件進行統(tǒng)計分析。計量資料以均數(shù)±標(biāo)準(zhǔn)差表示。組間比較采用獨立樣本t檢驗；對兩組間差異有統(tǒng)計學(xué)意義的參數(shù)以Medcalc軟件建立ROC 曲線，計算計算曲線下面積（area under the curve，AUC），確定臨界值，評價其對2 種亞型之間的鑒別診斷效能。以P＜0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

對病變區(qū)域ROI的分割效果及直方圖輸出界面見圖1、2，并對每個ROI 提取7個特征參數(shù)，統(tǒng)計結(jié)果見表1。Luminal A型與Luminal B型兩組間信號均值、標(biāo)準(zhǔn)差、偏度以及體積的差異無統(tǒng)計學(xué)意義，其他3個特征（峰度、不均質(zhì)性和熵）的差異均具有統(tǒng)計學(xué)意義（圖3）。其中，Luminal A型峰度小于Luminal B型，差異有統(tǒng)計學(xué)意義（P＜0.01）（圖3A）；而前者不均質(zhì)性和熵則大于后者，差異亦具有統(tǒng)計學(xué)意義（P＜0.01）（圖3B、3C）。峰度、不均質(zhì)性和，熵鑒別診斷ER 陽性乳腺癌亞型的診斷效能（圖4），其ROC 下面積（AUC）分別為0.832、0.859和0.891，其中熵的鑒別診斷效能最高，以熵≤4.22 診斷Luminal B型的敏感度為90.62%，特異度為78.95%。

3 討論

目前乳腺癌制訂臨床治療方案主要依據(jù)分子分型，對大多數(shù)患者而言，Luminal A型僅僅需要內(nèi)分泌治療，且預(yù)后較好，而Luminal B型通常進行化療和內(nèi)分泌治療[2]。相對于臨床常用免疫組化法來確定分子分型，紋理分析不依賴于醫(yī)師的主觀因素及臨床經(jīng)驗，通過定量分析圖像的紋理特征參數(shù)輔助診斷疾病[9]。本研究初步證明了DCE-MRI紋理分析區(qū)分Luminal A型與Luminal B型乳腺癌的可行性。從DCE-MRI 中提取的特征可以初步被視為鑒別Luminal 乳腺癌兩種分子亞型的潛在生物標(biāo)志物。

表1 Luminal A型與Luminal B型乳腺癌患者的DCI-MRI紋理特征值結(jié)果比較Tab.1 DCE-MRI texture parameters between Luminal A and Luminal B breast cancer patients ±s

表1 Luminal A型與Luminal B型乳腺癌患者的DCI-MRI紋理特征值結(jié)果比較Tab.1 DCE-MRI texture parameters between Luminal A and Luminal B breast cancer patients ±s

分型Luminal A Luminal B t 值P 值例數(shù)19 32特征值信號均值147.00±63.04 214.22±151.46-1.836 0.072標(biāo)準(zhǔn)偏差50.12±26.36 51.98±34.53-0.202 0.841偏度-1.07±0.39-3.33±0..42 1.893 0.064峰度-0.51±0.42 0.03±0.60-3.450 0.001不均質(zhì)性0.35±0.08 0.25±0..05 5.456 0.000熵4.29±0.09 4.15±0..07 6.151 0.000體積1.73±1.25 1.91±1.40-0.460 0.647

圖1 Luminal A型乳腺癌DCE-MRI 興趣區(qū)示意圖及直方圖Fig.1 ROC and histogram of DCE-MRI with Luminal A breast cancer

圖2 Luminal B型乳腺癌DCE-MRI 興趣區(qū)示意圖及直方圖Fig.2 ROC and histogram of DCE-MRI with Luminal B breast cancer

圖3 差異有統(tǒng)計學(xué)意義的紋理參數(shù)在Luminal A 與Luminal B型乳腺癌患者中的箱形圖Fig.3 Box-plot of Luminal A and Luminal B breast cancer patients with statistically significant differences in texture parameters

臨床工作中，醫(yī)生對疾病的診斷在很大程度上依賴于病變的形態(tài)。由于本研究所使用的紋理分析軟件限制，只提取了病變的體積大小1項形態(tài)學(xué)指標(biāo)，但兩組之間差異并無統(tǒng)計學(xué)意義，這與FAN 等[14]結(jié)論一致，而與JUAN 等[12，15]結(jié)論不一致。筆者認為這可能與患者就診時間以及病理診斷時間不一致有關(guān)，其需要在相同的條件下使用動態(tài)分析進一步驗證。

在本研究中，Luminal A亞型乳腺癌的峰度低于Luminal B亞型，而前者的不均質(zhì)性和熵則高于后者。峰度是描述數(shù)據(jù)分布曲線陡緩程度的參數(shù)，被認為是腫瘤不均質(zhì)性的生物標(biāo)志物[16]，其與治療有效性成負相關(guān)[17]。這與Luminal A亞型的臨床特征一致，Luminal A亞型的侵襲性較低，預(yù)后較好，生存率較高[2]。FAN 等[18]對乳腺癌四種亞型MR 影像組學(xué)分析中亦證明，Luminal A型具有較低的峰度及偏度，且差異具有統(tǒng)計學(xué)意義。偏度是描述數(shù)據(jù)曲線分布對稱性的參數(shù)。正態(tài)分布的偏度為零，任何對稱數(shù)據(jù)的偏度都應(yīng)該接近于零。偏斜度的負值表示向左傾斜的數(shù)據(jù)，而偏斜度的正值表示向右傾斜的數(shù)據(jù)。圖2中可以發(fā)現(xiàn)Luminal 兩亞型的數(shù)據(jù)均向左偏斜，且Luminal B亞型更向左傾斜，但兩亞型偏度差異無統(tǒng)計學(xué)意義，這可能與本組病例均是乳腺浸潤性導(dǎo)管癌，病理類型局限，以及病例數(shù)量較少有關(guān)，還需進一步研究。不均質(zhì)性和熵反映的是直方圖的隨機性及平均信息。圖3顯示，Luminal B亞型直方圖中像素灰度頻率分布較集中高聳，信號強度較均勻；而Luminal A亞型像素灰度頻率分布明顯減低且不均勻。這可能由于Luminal B亞型具有更強的生物增殖能力，可以攝取更多類似的體素，因此體素似乎更均勻有關(guān)。

通過對鑒別Luminal亞型乳腺癌差異有統(tǒng)計學(xué)意義的三項紋理指標(biāo)（熵、不均勻性及峰度）進行ROC 曲線的分析，得出三者的診斷效均較高，其中以熵為最高，AUC 達0.891，當(dāng)熵≤4.22 時診斷Luminal B型乳腺癌敏感性較高，特異性稍低。HOLLI-HELENIUS 等[15]通過增強前T1WI 平掃圖像紋理分析鑒別Luminal亞型乳腺癌研究中，熵的診斷效能亦較高，AUC 達0.828。彭文靜等[19]利用乳腺X 線圖像紋理分析鑒別乳腺小結(jié)節(jié)良惡性的研究中得到，熵的鑒別效能最高，AUC 達0.681，指出熵可作為乳腺X 線紋理分析鑒別乳腺小結(jié)節(jié)良惡性的最佳單一紋理指標(biāo)。由此可見，熵作為紋理分析中常用參數(shù)，具有較高的診斷效能。

本研究存在一定的局限性：（1）由于非腫塊型乳腺癌病灶散在而彌漫，醫(yī)師在進行手動分割時邊界確定困難，為減少由于邊界識別困難導(dǎo)致的觀察者之間的差異，因此未納入非腫塊型乳腺癌；（2）樣本量不夠多，且是單中心研究；（3）由于分析軟件限制，僅針對紋理分析中常用的幾個參數(shù)進行獨立分析，未進行系統(tǒng)組學(xué)研究；（4）僅針對ER 陽性乳腺癌腫塊亞型進行預(yù)測，未將淋巴結(jié)轉(zhuǎn)移情況納入研究范圍，筆者將在今后做更深入的研究。

盡管目前基于影像組學(xué)的人工智能技術(shù)應(yīng)用還需更進一步研究及臨床驗證，但作為影像組學(xué)分析一部分的紋理分析已日趨顯示其臨床應(yīng)用價值[20-24]。本研究DCR-MRI紋理分析可術(shù)前較準(zhǔn)確地預(yù)測ER 陽性乳腺癌分型，熵最可能成為潛在的影像標(biāo)記物，為臨床醫(yī)師提供相應(yīng)的參考價值。