崔春晓，林 青

（青岛大学附属医院乳腺影像科，山东 青岛 266100）

目前，乳腺癌是全球女性发病率和死亡率最高的癌症，居我国女性癌症发病率首位，及早筛查并诊断尤为重要。该病筛查和诊断常用的影像诊断方法包括乳腺X 线摄影（mammography，MG）、超声和MRI。随着乳腺影像检查技术的发展，乳腺X 线摄影新技术，如数字乳腺断层摄影（digital breast tomosynthesis，DBT）、对比增强乳腺X 线摄影（contrast-enhanced mammography，CEM），以及人工智能已应用于乳腺癌的筛查和诊断中，提高了对该病的诊断和鉴别能力。

1 乳腺X 线摄影新技术

1.1 DBT MG 是乳腺疾病最常用的筛查和诊断方法，也是乳腺癌筛查的首选方法，对微钙化的检出非常敏感。目前，国内以美国放射学会（American Collegeof Radiology，ACR）的乳腺影像报告和数据系统（breast imagingand reporting system，BI-RADS）为依据进行乳腺疾病的检查及评估。但MG 也存在其局限性：对非钙化性病变的显示受乳腺致密度的影响较大。MG 需压迫乳腺后拍摄，难以避免纤维腺体组织和病变重叠对病变的遮蔽，且致密的纤维腺体组织也可局部重叠影响诊断。

DBT 技术是指X 线球管沿特定角度（15°～50°）移动曝光摄影，获得乳腺多角度多幅低剂量投射图像，后重建成与乳房压迫平面平行的1 mm 薄层图像，减少了致密乳腺组织对病变的掩盖。目前，DBT主要应用于以下方面：①在筛查中的应用。既往研究显示，DBT 能够提高乳腺癌检出率，降低召回率［1］。在美国DBT 已广泛应用于乳腺疾病的筛查和诊断，但目前我国尚未发表关于DBT 的筛查指南。美国《国家综合癌症网络（NCCN）乳腺癌筛查指南》建议，在对年龄≥40 岁、具有平均乳腺癌风险的女性，以及在适当的临床情况下、年龄≥30 岁、具有高危乳腺癌风险的女性行年度X 线筛查时，应考虑DBT［2］。ACR 适宜性标准［3］同样建议常规筛查采用数字乳腺摄影（digital mammography，DM）或DBT。在高危人群的筛查方面，近期一项比较DM 和DBT 对有乳腺癌病史女性的X 线筛查研究显示，DBT 筛查假阳性率低，特异度高，但不影响乳腺癌的检出率［4］。②在诊断中的应用。DBT 能减少乳腺组织的遮蔽，提高致密型乳腺内肿块的检出率，同时能更好地显示肿块边缘和结构扭曲［5-7］。DBT 可减少非钙化性病变附加体位的拍摄，但对微钙化的评估仍需行局部放大摄影。与DM 相比，DBT 提高了浸润性癌的检出率［6，8］，尤其是浸润性小叶癌的检出率，最大限度地识别具有生物学意义的疾病，同时减少过度诊断，对非钙化原位癌的检出率较DM 高［9-19］。DBT 能提高BI-RADS 不确定病变的附加价值，近期一项研究显示，将DBT加入到BI-RADS 分类中，可提高其对DM 分类为BI-RADS 0、3、4 类病变的检测和特征描述的诊断性能［11］。③在引导活检和定位中的应用。DBT 除外筛查和诊断功能，还可用于引导活检和术前定位。对于不可触及的微小病变，如成簇分布的可疑微小钙化和仅DBT 显示的结构扭曲等高危病变，可行引导穿刺活检，或术前植入定位导丝以实现外科精准切除活检。

但DBT 也存在局限性：①同时行DBT 和MG 检查，会增加辐射剂量；②重建的断层图像在中间部分显示清晰，但在邻近皮肤的边缘部分，准确性有待提高；③尽管在不同年龄组和乳腺密度患者中，乳腺癌的检出率和召回率均有提高，但对乳腺组织极其致密的女性，其优势显著降低。④尽管DBT 比DM能检测到更多的浸润性癌症，但仍低于超声和MRI。

为减少辐射剂量，研究人员在DBT 基础上开发合成了二维乳腺X 线摄影（synthesized two-dimensional mammograms，SM）技术。与DBT+MG 相比，DBT+SM可将平均腺体剂量降低约45%［12］。国内一项前瞻性研究显示，DBT 合成的2D 图像诊断效能与DM 相当，结合DBT，可在不增加辐射剂量前提下，提高鉴别诊断良恶性病变的效能［13］。国外一项双中心回顾性研究显示，DBT+SM 取代DBT+DM 后，乳腺癌的筛查效能仍保持在基准线之内［14］。但SM 分辨力较低，有可能忽略微小钙化，需更可靠的数据和更长期的随访进一步研究，以确定其是否可能遗漏相关疾病。

1.2 CEM CEM 又称对比增强能谱乳腺摄影（contrast-enhanced spectral mammography，CESM）、对比增强数字乳腺摄影（contrast-enhanced digital mammography，CEDM）或对比增强双能量乳腺摄影（contrastenhanced dual-energy mammography，CDEM），是将数字乳腺X 线摄影与静脉注射对比剂相结合，通过密度、形态特征及与恶性肿瘤相关的新生血管，识别乳腺恶性病变［15-16］。在注射非离子低渗碘化对比剂后，使用双能量技术行标准头尾位和内外侧斜位成像，获得低能和高能图像并自动后处理获得重建图像，低能和重建图像用于诊断评估。但目前BI-RADS 图谱（2013 版）尚未对CEM 进行特定的图像解释。因此BI-RADS 图谱中乳腺X 线摄影词典用于低能量图像，MRI 词典部分用于重建图像的评估［17-18］，动态增强扫描曲线因每个图像只有1 个时间点不适用于CEM。低能量图像与DM 相似。CEM 不同于DM 和超声，主要用于诊断性检查。美国食品和药物管理局（FDA）于2011 年批准使用CEM 作为“乳房X 线摄影和/或超声检查后的辅助手段，以定位已知或可疑病变”。

目前，CEM 主要应用于以下方面：①乳腺DM 发现病变的评估，尤其是致密性乳腺病变的评估。既往研究证实，CEM 对恶性病变，尤其是肿块、结构扭曲和微钙化的敏感度较高［19］。但对DM 和DBT 明确的结构扭曲和可疑钙化，不论CEM 是否强化，都建议活检。国内学者研究显示，在致密性乳腺中，DM+CEM 与DCE-MRI 诊断乳腺癌的敏感度相当，但特异度更高［85.71%（30/35）vs.51.43%（18/35）］［20］。国外也有研究显示，在致密性乳腺中，CEM 对乳腺癌检出率比MG、DBT 和DBT+超声要高［21］。②新诊断乳腺癌的术前分期。对于新诊断的乳腺癌，需术前明确病变程度、大小、是否存在多灶性或多中心性病变、对侧乳腺是否存在病变，以指导后续治疗。近期的一项回顾性研究显示CEM 的敏感度显著高于MG（87.63%vs.38.51%），对手术决策的改变率为20.00%［22］。Lee等［23］的研究表明，在评估新诊断乳腺癌患者疾病程度方面，CEM 的敏感度与MRI 相似。与MRI 相比，CEM 在病理分析中显示出令人满意的与病灶大小的相关性，尽管CEM 在某些情况下导致了对病灶大小的高估。③新辅助治疗反应病理完全缓解的评估。由于在判断病变程度方面CEM 与MRI 近似，因此可推断CEM 在评估乳腺癌新辅助治疗反应和残余癌方面的效能也与之近似。近期的一项荟萃比较了对比增强MRI（CE-MRI）和CEM 检测新辅助治疗反应中病理反应的准确率，纳入24 项研究，18 项仅接受CE-MRI，3 项仅接受CEM，3 项同时接受2 种检测。结果显示，CEM 具有同等的特异度，且敏感度更高，在评估新辅助治疗反应方面可能有更广阔的前景［24］。④乳腺MRI 的补充检查。对MRI 检查禁忌者，如幽闭恐惧症、MRI 不兼容的植入物、体质量限制及无法俯卧位检查者，CEM 是一种有效的替代方法，且价格低廉，更利于在临床工作中普及。

但CEM 也存在局限性：如对比剂的过敏反应及外渗，多次评估乳腺癌新辅助治疗反应时的辐射剂量增加，无法全面评估腋窝淋巴结及显示贴近胸壁或乳房内侧的病变等。

2 影像组学和人工智能

近年来，影像组学和人工智能迅猛发展，且越来越多地应用于临床。影像组学能够从医学成像数据中高通量地提取、量化和挖掘肉眼无法察觉的高维特征，其分析的重要前提是，提取的图像特征代表整个肿瘤的表型和基因类型，因此可对肿瘤生物学进行相关深入研究。不同的研究结合了影像组学或人工智能的方法来开发模型，用于提高乳腺癌诊断的准确率，预测治疗反应、分子分型和复发风险。

目前，影像组学和人工智能常结合研究的检查方法包括DM、超声、DBT、CEM、MRI 等。Lang 等［25-26］的研究显示，在筛查中，人工智能系统阅读乳腺X 线片，可达到与放射科医师相近甚至更高的准确率，通过人工智能系统，可降低筛查中间期癌的发生率。另一项研究同样显示，基于人工智能系统的DM 和DBT筛查策略可减少高达70%的工作量［27］。Jiang 等［28］研究显示，使用人工智能系统可提高放射科医师鉴别乳腺良恶性病变的能力。Li 等［29］研究显示，将来自肿瘤的定量影像组学数据与对侧实质特征相结合可提高乳腺癌的诊断准确率。Marino 等［30］研究显示，DCE-MRI 和CESM 的影像组学分析在无创性评估肿瘤浸润性（对浸润性癌与非浸润性癌分类准确率分别为92%、90%）、激素受体状态（HR+和HR-分类准确率分别为95.6%、82.6%）和肿瘤分级（G1+G2 和G3 浸润性癌分类准确率分别为77.8%、77.8%）方面具有潜力。Braman 等［31］研究显示，结合瘤周和瘤内影像组学特征，可从影像学上识别HER2+乳腺癌的内在分子亚型，从而深入了解瘤周环境中的免疫反应，并为治疗指导提供潜在益处。Yu 等［32］研究了基于MRI 的机器学习在乳腺癌患者中的应用，提出了新的个体化临床决策诺模图，可用于预测腋窝淋巴结转移状态和无病生存期。Sutton 等［33］的研究验证了一种结合影像组学和分子亚型的影像组学分类器，该分类器能够对新辅助治疗反应后MRI 图像上的病理完全缓解进行准确分类。

影像组学和人工智能系统在乳腺癌的检测、诊断、分期、治疗评估和预测预后方面应用前景广阔。这些定量信息与临床病史、组织学和基因组数据整合有利于个体化治疗的实现。但由于大多数研究都是回顾性且规模相对较小，同时特征的提取及数据的获得存在差异，因此需多中心更大规模的前瞻性研究验证上述结果。

综上所述，DBT 和CEM 是乳腺X 线摄影技术的进步，DBT 可提高乳腺癌筛查和乳腺疾病诊断的准确率，CEM 有广泛的适应证，包括DM 发现异常病变的评估、致密乳腺的筛查、乳腺癌术前分期、对新辅助化疗的反应等，尤其适用于乳腺MRI 应用受限人群。影像组学和人工智能与乳腺影像技术的结合开启了个体化治疗的新视角，但仍需不断研究探索。