華 蓓，陳 軍，耿立娜，張 暉，戶培華，劉 齋，王 勇*

(1.河北醫(yī)科大學第一醫(yī)院放射與核醫(yī)學科，河北 石家莊 050031；2.河北醫(yī)科大學第四醫(yī)院放射科，河北 石家莊 050011；3.河北省人民醫(yī)院放射科，河北 石家莊 050000)

腋窩淋巴結(axillary lymph node,ALN)是乳腺癌最早、最常見轉移部位[1]。超聲是無創(chuàng)評估乳腺癌ALN轉移的首選影像學手段，但常規(guī)超聲的敏感度較低[2]。乳腺X線攝影無法全部顯示腋窩，診斷乳腺癌ALN轉移的價值有限[3]。對比增強能譜乳腺攝影(contrast enhancement spectral mammography,CESM)將常規(guī)乳腺X線攝影與對比增強技術相結合，有助于顯示病灶形態(tài)及其血供[4]。乳腺癌影像學特征與ALN轉移密切相關[5]。本研究構建乳腺癌CESM特征及病理指標模型，觀察其診斷ALN轉移的價值。

1 資料與方法

1.1 一般資料 回顧性分析2019年10月—2021年10月215例術前經(jīng)CESM檢出的單側腫塊型女性乳腺癌患者，年齡32～68歲，平均(51.2±8.0)歲；其中浸潤性導管癌180例，導管原位癌15例，其他特殊類型癌20例(小葉癌7例、乳頭狀癌6例、黏液癌4例、化生性癌2例、惡性葉狀腫瘤1例)；后均接受乳腺腫物切除術及ALN清掃術，且術前未接受相關臨床治療。排除雙側乳腺癌、圖像質量不佳或偽影較重而無法分析者。按18∶7比例隨機分為訓練集(n=155)和驗證集(n=60)，訓練集57例存在ALN轉移、98例無ALN轉移，驗證集27例存在ALN轉移、33例無ALN轉移。檢查前患者均簽署知情同意書。

1.2 設備與方法 采用GE Senographe Essential乳腺X線機。經(jīng)肘靜脈以3 ml/s流率注入碘帕醇 (370 mgI/ml，1.22 ml/kg體質量)2 min后，采用自動曝光模式于7 min內(nèi)依次拍攝雙側乳腺頭足(cranio caudal,CC)位及內(nèi)外斜(medial lateral oblique,MLO)位片，每個體位均采集低、高能圖像各1幀，后于乳腺后處理專用工作站獲得減影圖像。

1.3 圖像分析 采用上海岱嘉PACS-UniWeb軟件。由2名不知曉患者資料、具有5年乳腺影像學診斷經(jīng)驗的主治醫(yī)師根據(jù)乳腺影像報告與數(shù)據(jù)系統(tǒng)標準閱片，意見分歧時經(jīng)協(xié)商達成一致；存在多發(fā)腫塊時，擇其最大者；評估乳腺腺體密度(非致密型/致密型)、背景實質強化分型(輕微/輕度/中度/顯著)、腫塊位置(包括側別、象限)、數(shù)目(單發(fā)/多發(fā))、最大徑(于CC位或MLO位減影圖測量)、密度(低/等/高)、形態(tài)(規(guī)則/不規(guī)則)、強化特征(均勻/不均勻)，以及有無邊緣毛刺征、有無可疑惡性微鈣化(即沙粒狀、細多形性、細線性或細分支性簇狀微鈣化)和有無腋前腫大淋巴結(即實心淋巴結短徑≥1 cm)；分別于CC位及MLO位減影圖中的腫塊強化均勻且明顯區(qū)域手動勾畫0.5～2.0 cm2ROI1，將CC位(早期)及MLO位(晚期)病灶強化灰度值(signal in enhancing lesion，ES)記為ESCC及ESMLO，并于乳腺脂肪均勻強化區(qū)域勾畫約1.0 cm2ROI2，將其背景灰度值(signal in the background,S)記為SCC及SMLO；均測量3次，取平均值(圖1)。分別根據(jù)公式(1)～(3)計算CC位及MLO位病灶相對強化灰度比值(the percentage rate of signal of enhancing lesion and background of CC or MLO,RS%CC、RS%MLO)[6]及相對強化灰度差值(relative signal difference,RSD)[7]。參考動態(tài)增強MRI(dynamic contrast enhance-MRI,DCE-MRI)將腫塊強化曲線分為上升型(RSD≥10%)、穩(wěn)定型(-10%

圖1 患者女，47歲，乳腺浸潤性導管癌Ⅰ級 于乳腺CC位減影圖中腫塊強化區(qū)域勾畫ROI1(黃圈)、乳腺脂肪均勻強化區(qū)域勾畫ROI2(紅圈)，ESCC=2 109.8、SCC=1 999.4

(1)

(2)

(3)

1.4 術后病理 記錄乳腺癌病理類型、脈管侵犯情況及同側ALN轉移情況，觀察其雌激素受體(estrogen receptor,ER)、孕激素受體(progesterone receptor,PR)、人類表皮生長因子受體2(human epidermal growth factor receptor 2,HER-2)及Ki-67表達[8]。

1.5 統(tǒng)計學分析 采用SPSS 20.0及R 4.1.3統(tǒng)計分析軟件。以±s表示符合正態(tài)分布的計量資料，行t檢驗；以中位數(shù)(上下四分位數(shù))表示非正態(tài)分布者，行Wilcoxon秩和檢驗；采用χ2檢驗比較計數(shù)資料。行l(wèi)ogistic回歸分析，建立模型并繪制列線圖，以Hosmer-Lemeshow檢驗評估模型擬合優(yōu)度。繪制受試者工作特征(receiver operating characteristic,ROC)曲線、校正曲線及決策曲線。P<0.05為差異有統(tǒng)計學意義。

2 結果

訓練集中，伴與不伴ALN轉移乳腺癌之間，所在象限、最大徑、形態(tài)、邊緣毛刺征、腋前腫大淋巴結、RS%CC、RS%MLO、組織學類型、脈管侵犯情況及Ki-67表達差異均有統(tǒng)計學意義(P均<0.05)。見表1、圖2。

圖2 患者女，41歲，左側乳腺浸潤性導管癌Ⅱ級 A.左側乳腺CC位低能圖；B.左側乳腺MLO位低能圖；C.左側乳腺CC位減影圖；D.左側乳腺MLO位減影圖

表1 訓練集中伴或不伴ALN轉移乳腺癌患者臨床資料、乳腺病灶CESM特征及病理特征

將組間差異有統(tǒng)計學意義的指標納入logistic回歸分析，并將連續(xù)變量轉換為二分類變量(表2)，結果顯示腫塊最大徑、邊緣毛刺征、腋前腫大淋巴結、RS%MLO、脈管侵犯及Ki-67表達為乳腺癌ALN轉移的獨立危險因子(表3)。據(jù)此建立模型并繪制列線圖(圖3)，Hosmer-Lemeshow檢驗示其擬合良好(P=0.883)；校準曲線示其診斷乳腺癌ALN轉移的概率與實際概率的一致性較好(圖4)；決策曲線分析示其在多數(shù)概率閾值中具有良好臨床應用價值(圖5)。上述模型診斷訓練集乳腺癌ALN轉移的曲線下面積(area under the curve,AUC)、敏感度及特異度分別為0.85、72.00%及85.00%，其在驗證集分別為0.85、76.00%及81.00%(圖6)。

圖3 診斷乳腺癌ALN轉移列線圖 圖4 診斷乳腺癌ALN轉移模型校正曲線

圖5 診斷乳腺癌ALN轉移模型決策曲線 圖6 最大徑、邊緣毛刺征、腋前腫大淋巴結、RS%MLO、脈管侵犯、Ki-67表達及聯(lián)合模型診斷驗證集乳腺癌ALN轉移的ROC曲線

表2 乳腺癌最大徑、RS%CC及RS%MLO轉換的二分類變量

表3 乳腺癌ALN轉移的多因素logistic回歸分析結果

3 討論

乳腺癌累及乳腺范圍越大，腫瘤細胞增殖越快、侵襲性越強，發(fā)生ALN轉移的可能性越大；既往研究[9]認為直徑≥2 cm是乳腺癌ALN轉移的獨立危險因子，而以直徑>2.45 cm預測乳腺癌ALN轉移的效能較佳[10]。本研究以乳腺癌最大徑預測ALN轉移的截斷值為2.73 cm。乳腺癌形態(tài)學特征可在一定程度上反映其生長模式及生物學行為。關寧等[11]報道，發(fā)生ALN轉移的乳腺癌邊緣多呈不規(guī)則或毛刺狀，而未發(fā)生者邊緣多較光滑；毛刺征形成與腫瘤細胞向周圍腺體組織、血管、淋巴管浸潤及纖維結締組織增生有關[12]；而腫瘤血管生成因子刺激腫瘤及鄰近組織產(chǎn)生大量新生血管、淋巴管及復雜的吻合支，為腫瘤細胞入侵血管及淋巴管、發(fā)生轉移提供通路[13]，故乳腺癌病灶早期強化程度與ALN轉移密切相關[11]。肖正遠等[14]發(fā)現(xiàn)乳腺癌動脈期和實質期CT強化值均與ALN轉移相關，以動脈期CT強化值診斷ALN轉移的效能較佳。DIETZEL等[15]以MRI特征神經(jīng)網(wǎng)絡模型評估乳腺癌ALN轉移，發(fā)現(xiàn)早期和延遲期強化程度的診斷效能較佳。本研究中，伴與不伴ALN轉移乳腺癌腫塊形態(tài)、邊緣毛刺征、RS%CC和RS%MLO差異均有統(tǒng)計學意義，但僅邊緣毛刺征和RS%MLO是乳腺癌ALN轉移的獨立危險因子；分析原因，可能在于CESM壓迫乳腺使對比劑達峰時間延遲，2次曝光時間與乳腺MR/CT掃描時間存在差異，以及碘對比劑與釓對比劑作用機制不同。

乳腺癌病理類型、組織學分級及脈管侵犯等均與淋巴結轉移有關[16]。楊麗等[17]發(fā)現(xiàn)乳腺癌病理類型及脈管侵犯是前哨淋巴結轉移的獨立危險因子。本研究中，伴與不伴ALN轉移乳腺癌病理類型及脈管侵犯差異均有統(tǒng)計學意義，但僅后者為乳腺癌ALN轉移的獨立危險因子，可能意味著淋巴管和血管浸潤為淋巴結轉移的較關鍵環(huán)節(jié)。Ki-67高表達代表癌細胞增殖及侵襲能力強、惡性程度高，發(fā)生淋巴結轉移的可能性更大。王惠等[2]發(fā)現(xiàn)Ki-67可用于診斷乳腺癌ALN轉移，本研究結果與之相符。

王美晨等[18]基于乳腺癌超聲特征構建的模型預測ALN轉移的AUC為0.87。MAO等[19-20]提取乳腺癌CESM影像組學特征構建的模型預測ALN轉移的AUC為0.78和0.82，但操作復雜而耗時。本研究根據(jù)乳腺癌CESM影像學和病理特征構建模型，以之診斷ALN轉移的AUC達0.85。

綜上，乳腺癌CESM特征聯(lián)合病理指標診斷ALN轉移的效能較佳。但本研究為回顧性分析，且樣本量小，而醫(yī)師主觀判讀CESM和病理特征可能存在誤差，所構建模型僅針對腫塊型乳腺癌，有待進一步完善。