覃艷金，唐彩麗，胡奇蘭，李嫣，胡益祺，詹晨奧，霍敏，周航，艾濤

乳腺X線檢查

1.數(shù)字乳腺X線攝影

數(shù)字乳腺X線攝影(digital mammography，DM)是乳腺癌篩查的主要手段，但由于乳腺組織的重疊，傳統(tǒng)的DM可能會掩蓋真正的病變，同時正常組織的重疊也會導致不必要的召回。如何降低召回率并提高乳腺癌檢出率對篩查來說至關重要。DM篩查通常需要雙重閱片，Gommers等將閱片者分為高敏感性高特異性(HH)、高敏感性低特異性(HL)、低敏感性高特異性(LH)及低敏感性低特異性(LL)，并對隨機配對閱片者和特定配對閱片者的表現(xiàn)進行比較，結果顯示與給定相同召回率的隨機配對閱片者相比，當特定配對閱片者僅包含高敏感性閱片者(如HH和HL)時，能達到更高的乳腺癌檢出率(CDR)；通過優(yōu)化閱片者之間的配對，雙重閱片可以提高乳腺癌的檢出率并降低假陽性率。關于乳腺微鈣化與病理完全緩解(pCR)的關系，Sever等回顧性分析27例經活檢證實為廣泛惡性微鈣化(MM)的乳腺癌患者對新輔助化療(NAC)的反應；結果表明在27例行乳房切除術的患者中，19例患者為HER2陽性，而在19例HER2陽性患者中，9例(47%)患者達到pCR，其中有6例患者出現(xiàn)淋巴結受累，后行腋窩淋巴結清掃(ANC)或靶向腋窩清掃(n=4、2)，6例均顯示腋窩淋巴結達到pCR；因此，具有MM的HER2陽性患者對NAC反應良好，可進行保乳手術，而腋窩淋巴結的pCR有助于進一步制定治療計劃。

DM還用于評估乳腺腺體密度(MD)和乳腺癌的發(fā)病風險。Destounis等證實在Tyrer-cuzick模型中添加MD評估對絕經前的年輕女性影響更大。而Sechooulos等證實在全球范圍內使用基于乳腺體積密度(VBD)的測量對腺體密度進行分類，可用于DM輻射劑量評估或乳腺癌風險建模等。

2.數(shù)字乳腺斷層攝影

研究表明，數(shù)字乳腺斷層攝影(digital breast tomosynthesis，DBT)在篩查召回率和乳腺癌檢出率方面明顯優(yōu)于DM。Philpotts等評估采用DBT以來10年內召回率(RR)、乳腺癌檢出率(CDR) 和假陰性率(FN)指標；結果顯示平均RR為7.5%(7%～9%)，平均CDR為5.4/1000人，平均FN為0.8/1000人。Baird等研究了DBT與DM的RR在新型冠狀病毒肺炎(COVID-19)之前(正常病例量)與COVID-19期間(病例量減少)的差異；研究結果表明，在COVID-19之前，白天每增加1小時閱片，DBT的RR增加5%，DM的RR則增加2%；而在COVID-19期間，白天每增加1小時閱片，DBT與DM的RR均無顯著變化；因此，減少DBT的閱片量，可以降低召回率，而不會影響真陽性率。Lee等通過開發(fā)新的DBT成像指標(DIB-DBT，一種基于深度學習技術以檢測乳腺癌的成像參數(shù))來評估不同機構間減少紋理變化(TRM)的可行性；結果表明在檢測乳腺癌方面，未使用TRM的DIB-DBT與使用TRM的DIB-DBT在內部驗證集和外部驗證集的AUC分別為0.863 vs. 0.879和0.838 vs. 0.857；因此，DIB-DBT可以在多種設備中保持較高的乳腺癌檢出率。Tao等對128例病理性乳頭溢液患者進行DBT和全數(shù)字化乳腺攝影(FFDM)檢查，發(fā)現(xiàn)DBT的敏感度、特異度、陽性預測值(PPV)和陰性預測值(NPV)均高于FFDM乳管造影(DBT分別為93.3%、75%、97.7%和50%，F(xiàn)FDM分別為91.1%、50%、95.3%和33.3%)。

3.對比增強能譜乳腺X線成像

對比增強乳腺X線成像(contrast-enhanced spectral mammography，CESM)是建立在傳統(tǒng)X線攝影基礎上的一種新技術，它將傳統(tǒng)X線與對比增強相結合，利用多數(shù)惡性腫瘤富含新生血管的特點，通過注射對比劑使腫瘤成像，以提高檢查的敏感度和特異度。Clauser等通過兩位閱片者(R1和R2)對128名因常規(guī)DM或超聲檢查結果可疑而接受CESM的患者進行回顧性評估，結果表明獲取額外的頭尾位CESM視圖可提高診斷性能(R1和R2的AUC分別為0.877和0.850)；但是，在CESM檢查中，不同程度的背景實質強化可以顯著降低CESM的敏感度(R1的敏感度從100%下降到85.7%，R2的敏感度從100%下降到89.5%)。Cao等探討低劑量對比劑CESM評估乳腺病變的臨床價值，該研究將223例行CESM患者隨機分為兩組，包括113例常規(guī)劑量組和110例低劑量組，兩組均行MRI檢查，結果顯示CESM常規(guī)劑量組的AUC、敏感度、特異度、PPV、NPV與MRI相似(0.928、0.962、0.846、0.783、0.821 vs. 0.903、0.974、0.809、0.805、0.856)，且CESM低劑量組也與MRI相似(0.944、0.990、0.825、0.802、0.855 vs. 0.925、0.941、0.831、0.825、0.895)；Bland-Altman分析顯示在評估腫瘤大小方面，CESM低劑量組、MRI和病理結果具有最佳一致性。因此，低劑量CESM可以在不降低診斷性能的情況下滿足臨床和影像學的需求。

乳腺超聲

1.常規(guī)超聲

超聲成像在乳腺癌診斷、分期、腋窩淋巴結評估、生存預后等方面發(fā)揮著重要作用。Liu等開發(fā)和驗證了基于超聲特征(回聲類型、后部特征和淺筋膜深層狀態(tài))的諾模圖(Nomogram)，可以預測三陰型乳腺癌(TNBC)的無病生存率(DFS)。有無腋窩淋巴結轉移是判斷乳腺癌臨床分期及評估預后的重要內容。Machado等利用對比增強淋巴超聲檢查(CEUS)識別前哨淋巴結(SLN)，結果顯示藍色染料的符合率為50%，放射性示蹤劑的符合率為73%，而淋巴超聲的符合率為100%。Sun等利用經皮注射Sonazoid的CEUS可以準確地識別早期乳腺癌患者的SLN，敏感度和特異度分別為90.91%和84.5%。

人工智能(AI)可自動識別成像信息并進行分類評估，提高超聲在乳腺影像中的應用價值。Moy等開發(fā)了AI輔助診斷系統(tǒng)，在5,442,907張乳腺超聲影像上對乳腺病變進行自動檢測和分類；結果表明，AI作為獨立閱片者識別惡性病變的AUC為0.976，而通過AI與閱片者的混合決策模型可提高診斷性能(混合決策模型將閱片者的AUC從0.929提高到0.960)。

另外，Tomkovich等利用超聲引導冷凍消融術對低級別乳腺癌進行初步治療，初始手術成功率為100%，臨床總體成功率為98%(36個月隨訪)，且患者耐受性良好；因此，超聲引導冷凍消融術可作為低級別乳腺癌患者乳房切除術的替代方案。

2.三維諧波超聲

三維(3D)諧波(HI)和亞諧波(SHI)超聲成像具有可視化乳腺病變血管和量化血管異質性的能力。Forsberg等比較了219例患者的3D HI和3D SHI超聲成像對乳腺血管性腫塊探測的準確性；結果表明，3D HI 超聲成像可顯示8個病灶的血流，而3D SHI超聲成像可顯示83個病灶的血流；因此，3D SHI超聲成像在檢測乳腺富血供性病灶方面更有優(yōu)勢。

乳腺MRI

1.常規(guī)乳腺MRI

簡化乳腺MRI序列(ABMR)作為近年來一種新的篩查方案，得到廣泛認可。Kim等比較了726名有乳腺癌個人史(PHBC)的女性在完整協(xié)議MRI(FPMR)和ABMR中的篩查表現(xiàn)；結果表明 FPMR 與ABMR的敏感度、癌癥檢出率、間隔期癌癥發(fā)生率及特異度分別為69.2% vs. 100.0%、12.4/1000 vs. 20.7/1000、5.5/1000 vs. 0/1000、85.8% vs. 92.8%；因此，當對有乳腺癌個人病史的女性進行MRI篩查時，短掃描時間的ABMR可能會取代FPMR。Stelzer等認為掃描床上患者的轉換時間(TST)增加了ABMR的掃描時間，并對ABMR的使用提出了挑戰(zhàn)，并建議可通過聘請專業(yè)的放射科技師對患者進行準備，以增加MRI掃描人數(shù)和成本效益。Julie等研究乳腺病變的MRI特征和組織學亞型是否會影響高危人群MRI乳腺癌篩查的檢出率，將診斷時MRI上的病灶特征與先前篩查MRI上相同病灶的特征進行比較，結果顯示MRI特征和乳腺癌漏診率沒有關聯(lián)；在三陰型乳腺癌中，攜帶BRCA1基因者(50%)高于非攜帶者(12%)，且攜帶BRCA1基因者中，乳腺癌漏診率較低。

術前預測NAC后pCR將有助于指導治療和改善患者的預后。Malhaire等使用乳腺影像報告和數(shù)據(jù)系統(tǒng)(BI-RADS)描述乳腺癌患者治療前MRI上病灶的特征，采用Boruta算法進行特征選擇后建立了兩個pCR預測模型，模型1針對研究的總人群，模型2針對三陰型和Luminal型乳腺癌；結果顯示模型1與模型2的AUC分別為0.750、0.782，使用BI-RADS描述治療前MRI上病灶的特征結合乳腺癌分子亞型可預測pCR。Park等研究證實NAC后DWI上腫瘤ADC平均值增加有助于預測pCR，但腫瘤ADC平均變化值(ΔADC)僅是HER2-陽性患者達到pCR的獨立預測因子。Zhou等利用深度學習(DL)進行pCR預測，結果顯示DL平均AUC為0.81，pCR的陽性預測值為0.75。

2.擴散加權成像

通過擴散加權成像(DWI)獲得的表觀擴散系數(shù)(ADC)值已被證明是鑒別乳腺良惡性病變的有效工具。Bickel等設計了一套與 BI-RADS相似的乳腺ADC分類(bADC)系統(tǒng)，結果表明ADC平均值在良惡性病變之間存在顯著差異，也在浸潤性癌、導管原位癌和良性病變之間存在顯著差異；該研究提出的bADC分類系統(tǒng)提供了簡單且普遍適用的閾值，可指導臨床決策。Varga等證實了ADC值在注射對比劑前后以及根據(jù)不同b值(0/800 mm2/s和50/800 mm2/s)計算的ADC值之間沒有顯著差異，因此可以根據(jù)臨床需求對掃描協(xié)議進行個性化定制。三維酰胺質子轉移加權成像(APTWI)是一種新技術，亦可用于無創(chuàng)性鑒別乳腺良惡性病變。Wang等探討APTWI及其與DWI聯(lián)合應用對乳腺良惡性病變的鑒別價值，結果表明乳腺惡性病變的ADC值和非對稱磁化轉移率(MTRasym)值顯著低于良性病變；ADC值和MTRasym值的AUC分別為0.817和0.752。Honda等探討乳腺癌患者體內非相干運動(IVIM)和非高斯擴散參數(shù)是否與遠處無轉移生存率相關，Kaplan-Meier生存分析顯示K值較高(>0.92)而ADC0-800值較低(<0.76×10-3mm2/s)；非高斯擴散模型衍生的K值和ADC0-800值可用于預測遠處轉移。

3.動態(tài)增強磁共振成像

動態(tài)增強磁共振成像(DCE-MRI)不僅能獲得病變的形態(tài)學信息，還能反映組織血管通透性及局部區(qū)域血流灌注等異質性微觀信息。Ataya等證實測量DCE-MRI上腫瘤內灌注異質性可對導管原位癌(DCIS)升級為浸潤性癌進行高低風險分層，訓練集及驗證集符合率分別為86%、79%。Ko等通過無監(jiān)督聚類在DCE-MRI上測量病灶灌注異質性有助于預測患者的預后并了解腫瘤生物學。

4.多參數(shù)MRI及人工智能

Park等證實與RNA測序相比，腫瘤形態(tài)、異質性和血管生成的多參數(shù)MRI特征與乳腺癌分子亞型、藥物反應和預后相關。腫瘤微環(huán)境由細胞外基質、免疫細胞和微血管組成，在腫瘤進展和治療反應中起著關鍵作用。Kim等用CLARITY技術對空心針活檢乳腺癌標本進行3D組織學成像處理，并進行六次免疫組織化學染色以評估腫瘤微環(huán)境成分(膠原蛋白、層粘連蛋白、巢蛋白、Foxp3、CD8 和 CD34)，使用Mann-WhitneyU檢驗評估MRI多參數(shù)組學特征與腫瘤微環(huán)境成分之間的關聯(lián)；結果表明膠原蛋白、層粘連蛋白和巢蛋白(細胞外基質的成分)的表達與基于直方圖和紋理(灰度共現(xiàn)矩陣)的放射組學特征相關；CD34(微血管標志物)的表達與基于形狀和紋理(灰度共現(xiàn)矩陣)的放射組學特征相關。

AI是通過計算機輔助MRI影像診斷的深度學習系統(tǒng)，可提取乳腺腫塊的形態(tài)特征，對乳腺腫塊進行自動智能分類，避免主觀誤差，提高診斷的準確性。Zhang等使用掩模區(qū)域卷積神經網絡(R-CNN)在 MRI上開發(fā)了一種全自動乳腺癌檢測方法，并使用ResNet50深度學習模型來估計惡性概率，結果表明R-CNN檢測模型與ResNet50分類模型敏感度較高(分別為96%、81%)。此外，他還證實了基于ResNet50算法的深度學習診斷非腫塊病變符合率高達90%左右。研究乳腺腺體密度對患癌風險預測有著重要的意義。Gilhuijs等證實對乳腺腺體致密的女性進行MRI篩查時使用AI分類可以減少放射科醫(yī)生的工作量，從而優(yōu)化資源的使用。Velden等證實AI可將58%腺體密度減低的女性從MRI篩查返回到DM篩查。

乳腺PET-CT/MRI

PET-CT/MRI是一種全身顯像技術，最常用的示蹤劑18F-FDG可用于晚期乳腺癌的全身分期，但在評估原發(fā)性乳腺病變方面的準確性有限，而最近使用的示蹤劑成纖維細胞活化蛋白(FAP)可在浸潤性乳腺癌中大量表達。Burg等回顧性分析了19位乳腺癌女性患者的68Ga-FAPi-PET/MRI和PET/CT掃描，結果顯示所有患者乳腺病灶均可觀察到示蹤劑攝取，13位術前證實淋巴結轉移的患者亦可見示蹤劑的攝取；因此，F(xiàn)APi-PET/MRI可用于評估局部腫瘤范圍和全身轉移。Clauser等證實乳腺癌病灶中18F-FEC 最大標準攝取值(SUVmax)顯著高于良性乳腺病灶，SUVmax的AUC為0.846。此外，他還探究PET/MRI在診斷乳腺癌患者淋巴結轉移方面的有效性，通過兩位閱片者(R1與R2)使用MRI上形態(tài)學標準和FEC-PET的二分法(攝取/不攝取)對圖像進行評估，結果表明MRI評估的敏感度較低(R1為46.4%和R2為50%)，特異度較高(兩者均為96.3%)，而PET評估敏感度較高(R1為78.6%，R2為67.9%)，特異性較低(R1為81.5%，R2為74.1%)；所有MRI正確分類的轉移性淋巴結，也可用PET進行正確分類，F(xiàn)EC-PET/MRI可以準確地對乳腺癌患者腋窩淋巴結轉移的風險進行分層。

乳腺微波成像

乳腺微波成像(MBI)是一種新興的非電離技術，具有檢測和描述乳腺病變的能力。Wavelia MBI系統(tǒng)是一種低功率電磁波原型，在臨床前研究中具有通過合成乳腺模型檢測腫瘤和纖維腺體組織之間介電對比的能力。Moloney等詳細介紹了Wavelia MBI系統(tǒng)的首次人體臨床試驗結果，該研究納入24例患者，包括11例經活檢證實為乳腺癌的患者及13例經活檢證實為良性病變的患者，通過QDA分類器對良惡性病變進行分類。結果顯示MBI系統(tǒng)可以檢測出9例乳腺癌和12例良性病變；該研究證實了MBI成像系統(tǒng)檢測、定位和描述乳腺病變的能力。