李伟伟，吴 迎，周 伟，，詹维伟，周庆华，陶玲玲，杨雁雯

（1.上海交通大学医学院附属瑞金医院卢湾分院a.超声诊断科，b.乳腺外科，上海 200020；2.上海交通大学医学院附属瑞金医院超声诊断科，上海 200025）

据2019 年美国癌症协会统计的数据，至2019 年1 月，美国有380 万乳腺癌患者，且每年以0.3%的速度小幅上升[1-2]，而超声检查是目前诊断乳腺肿块的主要方法之一[3]。血流特征在鉴别乳腺肿块良性、恶性中具有一定价值，但目前常规使用的彩色多普勒技术 [包括能量多普勒成像（power Doppler flow imaging,PDFI）、高级动态血流成像（advanced dramatic flow imaging,ADFI）]检测恶性肿瘤病灶内低速血流的灵敏度均不足。超微血管三维立体成像 （smart three-dimensional superb microvascular imaging，Smart 3D SMI）是一种最新的计算机血流容积成像技术[3-5]，其运用智能运算将低速血流信号与运动伪影分离，并对取得的二维图形进行重建来显示病灶内的低速血流及超微血管。目前，乳腺影像报告和数据系统 （breast imaging reporting and data system，BI-RADS） 4 类乳腺肿瘤恶性风险跨度大，诊断难度高，Smart 3D SMI 对此类肿块的研究少见。本研究观察Smart 3D SMI 检查显示BI-RADS 4 类乳腺肿块内血流的情况，并尝试采用该技术进行辅助诊断，具体报告如下。

资料与方法

一、资料

回顾分析我院2017 年3 月至2018 年12 月期间收治的120 例乳腺肿块患者，所有患者在术前均行超声检查，术后标本送病理学检查。患者的年龄为39～88 岁，平均为（54±10）岁，均为女性。本研究获得上海交通大学医学院附属瑞金医院卢湾分院伦理委员会批准。

二、方法

根据术后病理学检查结果，将120 例患者分为良性组（32 例）和恶性组（88 例），比较PDFI、ADFI及Smart 3D SMI 3 种检测方法对病灶内血流的显示情况；根据Smart 3D SMI 结果来校正BI-RADS 4 类乳腺肿块分类，观察其辅助诊断恶性乳腺肿块的效能。

1.仪器和参数：采用东芝Aplio 500 超声诊断仪进行检查，探头频率为10～18 MHz，配备PDFI、ADFI 及Smart 3D SMI 软件。

2.评估方法：常规超声依据美国放射学会制定的BI-RADS[6]对可疑病灶进行评估。分别在PDFI、ADFI 及Smart 3D SMI 的成像模式下，参照Adler法[7]评估肿块内血流，采用半定量分级，分4 级来记录微血管血流情况，具体如下。0 级，肿块内及边缘无血流；Ⅰ级，肿块内l～2 个点状或短棒状血流信号；Ⅱ级，肿块内3～4 个点状或1 支较长血流，其长度接近或超过肿块半径；Ⅲ级，肿块内5 个以上点状或2 支以上较长血流。本研究将0 和Ⅰ级定义为乏血流，Ⅱ和Ⅲ级定义为丰富血流。

3.BI-RADS 分类校正：Smart 3D SMI 检查结果血流分级为Ⅱ或Ⅲ级时，BI-RADS 分类相应提高一级，如BI-RADS 4A 类提高至BI-RADS 4B 类[8]，以此类推。本研究由同一名医师完成所有超声检查，图像分析由2 名工作5 年以上的超声医师共同完成评估，两人意见不一致时,经协商达成一致。

三、统计学处理

对于不同血流显像技术对乳腺肿块血流分级比较，采用SPSS 21.0 统计软件的χ2检验进行数据分析。病灶BI-RADS 分类校正前、后比较，采用MedCalc 19.2 统计软件进行分析，绘制受试者操作特征曲线 （receiver operator characteristic curve，ROC 曲线），曲线下面积比较采用Z 检验。P＜0.05时认为差异有统计学意义。

结 果

一、病理结果

120 例乳腺肿块中，88 例为恶性肿块，60 例为浸润性导管癌，18 例为导管原位癌，6 例为浸润性小叶癌，4 例为导管内乳头状癌；32 例为良性肿块，25 例为纤维腺瘤，3 例为乳腺腺病，4 例为导管内乳头状瘤。

二、3 种方法检测120 例乳腺肿块的血流情况

如表1 所示，PDFI 法和ADFI 法检查中，良性组均以0 和Ⅰ级血流信号多见，恶性组以Ⅱ和Ⅲ级血流多见，2 种方法检测良性、恶性病灶组间血流级别分布差异均有统计学意义（P 均＜0.001）。采用Smart 3D SMI 法检查，恶性病灶中显示为Ⅱ～Ⅲ级血流（见图1）者有72 例（81.8%），良性、恶性组间的血流级别分布差异亦有统计学意义（P=0.004）。

120 例乳腺病例中，PDFI 法检测血流丰富者占比为50.%（良性5 例、恶性55 例），ADFI 法显示血流丰富者占比为56.7%（良性7 例、恶性61 例），这2 种方法测得血流级别分布间差异无统计学意义（P=0.301）。用Smart 3D SMI 法检测出血流丰富病例占比为75.0%（良性18 例、恶性72 例），较PDFI组50.0%（良性5 例、恶性55 例）（P＜0.001）和ADFI组56.7%（良性7 例、恶性61 例）（P=0.004）明显增多。

三、采用Smart 3D SMI 评估结果对120 例乳腺肿块的BI-RADS 分类校正

采用Smart 3D SMI 血流评估结果对120 例乳腺肿块的BI-RADS 分类进行校正，其中88 例恶性组中有52 例因血流丰富而相应提高了分类类别，良性组有14 例提高了分类，校正前、后的对比见表2。采用MedCalc 19.2 作ROC 曲线，对校正前、后的诊断效能进行评估（见图2），发现校正后曲线下面积为0.86 （95%Cl 为0.795～0.919），与校正前0.80（95%Cl 为0.724～0.868）相比，提示采用校正后BIRADS 可提高诊断恶性肿块的效能 （P=0.011，Z=2.545）。

表1 不同血流显像技术对乳腺良恶性肿块血流分级评估[n（%）]

图1 同一乳腺浸润性导管癌病灶的不同血流显像技术

表2 乳腺良恶性肿块BI-RADS 分类校正前、后的对照评估（n）

图2 Smart 3D SMI 对BI-RADS 分类校正前后曲线下面积比较

讨 论

血管生成是肿瘤发展和转移的关键[9]。肿瘤内及周围的新生血管生成被认为是恶性肿瘤细胞增殖的前提，快速生长的微血管为肿瘤提供了营养。与良性病变相比，恶性肿瘤的微血流灌注则更为丰富[4,10]。既往研究发现，乳腺良性病变在超声多普勒血流检测中呈无信号或低彩色信号，而中度以上的血流信号常见于恶性病变[11]。这一特征使血流评估乳腺病变性质成为可能，详细的肿瘤血供信息成为评估乳腺病变的一个重要特征。研究显示，观察血流征象可以提高乳腺肿瘤的诊断准确率[12]。

一、Smart 3D SMI 与传统的PDFI、ADFI 技 术在分析乳腺病灶内血流情况中的价值

随着超声检查中各种肿瘤血流检测方式的出现，半定量分级的方法逐步开始应用于乳腺肿瘤的临床诊断。PDFI、ADFI 和Smart 3D SMI 是不同的检测血流的超声多普勒技术。Smart 3D SMI 是一种全新的技术，其强大而智能的算法能够有效地将低速血流信号与运动伪影分离开，从而在微血管中显示真实的血流信号。研究报道发现，二维超微血管成像技术在乳腺癌的微血管评估中有其独特价值，与传统的超声多普勒技术相比，二维超微血管成像在乳腺病变中可检测到更多的血流[13-14]。本研究参照Adler 半定量分级法发现，虽然PDFI、ADFI 和Smart 3D SMI 3 种技术显示的血流分级在良性、恶性肿瘤中均有明显差异，但在所有病变中，Smart 3D SMI 对丰富血流的总体检出率均高于PDFI 及ADFI，这提示Smart 3D SMI 对细微血流检出更灵敏。恶性肿瘤可诱导周围正常血管包绕肿瘤产生新生血管，这部分血管不仅停留在肿瘤表面，还可深入肿瘤内部。Smart 3D SMI 检出的血流信号是无数帧单平面血流信号的叠加或总和，因此在Smart 3D SMI 中可以呈现出完整的条形或树枝状血流[3]。

二、采用Smart 3D SMI 结果校正BI-RADS 4 类乳腺病灶的诊断效能分析

美国放射学会制定的BI-RADS 已广泛应用于乳腺病变的评估，其对乳腺肿块各种灰阶超声特征进行详细描述而分类。目前已有诸多研究报道了其对乳腺肿瘤分类的价值[15-16]。BI-RADS 共分为0、1、2、3、4、5 和6 类，其中4 类病变可细分为4A、4B 和4C，恶性风险为2%～95%，恶性风险跨度较大[4]。对于此类病变，相关建议是进行组织病理学检查，以进一步明确性质，但对所有病例均进行活检可能会增加较多的不必要性。因此，如何提高BI-RADS 4 类病变的诊断效能显得尤为重要。目前，虽然BI-RADS系统考虑了肿瘤的血供，但只是简单地分为无血供、内部血供和边缘血供3 种模式，而没有将肿瘤的血流丰富程度纳入评估体系之中[6,17]。随着目前研究的深入，有越来越多的学者认为应该将肿块的详细血流信息加入到BI-RADS 分类评估中去，以此对分类进行校正，从而提高超声诊断的准确率[18-19]。因此，为提高超声检查对BI-RADS 4 类病变的诊断效能，本研究利用肿块的血流分级来辅助BI-RADS的分类校正，结果发现，其ROC 曲线下面积与校正前相比，差异有统计学意义。由此可见，对病灶内血流情况进行更准确的评估有利于判定乳腺肿块的良恶性，为乳腺肿瘤的进一步精准诊疗提供更加详实的信息。

三、本研究的不足

本研究是回顾性的研究，可能有选择偏倚，而且病例数有限，需要进一步行大样本的前瞻性研究以明确结论。此外，本研究只研究了BI-RADS 4 类乳腺病变血流图，对于BI-RADS 3 类病变的血流分布模式，尚有待今后进行深入研究。本研究发现，Smart 3D SMI 技术对恶性肿瘤的诊断效能有所提高，但由于其对血流检测的灵敏度较高，易导致对部分良性肿瘤的BI-RADS 评级过高，因此对新技术的研究,有待增加样本的多样性并进行多角度探索。

总之，与PDFI、ADFI 的血流检测比较，Smart 3D SMI 技术能够发现BI-RADS 4 类乳腺肿块中更低速而细微的血流信息，获得更丰富的图像细节，这对提高乳腺BI-RADS 4 类乳腺恶性肿瘤具有一定辅助诊断价值。