马依迪丽·尼加提 迪丽阿热姆·艾海提 阿布都克尤木江·阿布力孜 帕力丹木·吾买尔 田序伟 吴卓 沈君 戴国朝

近年来研究表明， 乳腺癌脉管侵犯（lymphovascular invasion，LVI）是影响患者预后，及临床治疗方案选择的重要因素。磁共振成像（magnetic resonance imaging，MRI）， 尤其是动态对比增强磁共振（dynamic contrast-enhanced MRI，DCE-MRI）越来越广泛应用于乳腺癌的诊断及疗效的评估［2］。DCE-MRI 可根据动态时间-信号曲线反映肿瘤组织血流灌注的特征，帮助进行定性诊断［3］。扩散加权成像（diffusion-weighted imaging，DWI）能够直观地反映水分子运动，从分子水平反应人体病理生理状态下组织结构的空间组成信息的改变， 反映肿瘤细胞的密度［4］。然而，目前 DCE-MRI 及 DWI 定量参数能否预测乳腺癌脉管侵犯尚未见报道。本研究旨在探讨乳腺癌穿刺病理结果联合常规及功能MRI 特征的诺模图预测乳腺癌脉管侵犯的价值。

资料与方法

1.一般资料

本研究为回顾性研究， 经中山大学孙逸仙纪念医院伦理委员会批准，免签病人知情同意书。收集 2016年1月～2018年12月中山大学孙逸仙纪念医院收治的256 例经病理证实的浸润性乳腺癌患者，年龄 29～86 岁，平均 49.8±11.2 岁。所有患者在MRI 检查后1 个月内行乳腺癌切除术。脉管侵犯依据术后病理确定。收集患者临床资料包括年龄、肿瘤组织孕激素受体（progesterone receptor，PR）、雌激素受体（estrogen receptor，ER）、人类表皮生长因子受体（human epidermal growth factor receptor，Her-2）、 细胞核增殖指数 Ki67 阳性率及病理分级指标。

2.MRI检查

所有患者进行MRI 检查，采用Siemens Avanto 1.5 T 超导磁共振扫描仪，4 通道乳腺专用线圈和6 通道体部协同线圈组合成像。患者取俯卧位，双手自然前伸，双乳自然悬垂置于线圈中央。MRI 检查包括常规序列、DWI 及DCE-MRI 检查。常规序列包括： 横断位扰相梯度回波及质子分离T1WI（DIXON）：TR/TE 6.86 ms/2.39 ms， 层厚 2 mm，矩阵 384×384，视野 360 mm；横断位脂肪抑制 T2WI，脂肪抑制采用短TI 时间翻转恢复（STIR）技术：TR/TI 2550 ms/170 ms，TE 107 ms， 层厚 5 mm，矩阵 320 × 320，视野 350 mm。横断位 DWI 采用 SE序列：TR/TE 6800 ms/115 ms， 层厚 5 mm， 矩阵200×170，视野 350 mm，b 值为 0、800 s/mm2。随后行乳腺横断位DCE 扫描：采用横断位Flash-3D 脂肪抑制序列，TR/TE 5.16 ms/2.38 ms，翻转角 10°，矩阵 120×90，视野 340 mm×320 mm×280 mm，8 个动态期相，每期60.6 s，扫描持续时间484.8 s，于第2 个动态增强时相开始前采用高压注射器经肘静脉注射对比剂钆双胺（欧乃影，GE 公司），剂量0.1 mmol/kg， 注射流率为 3 ml/s， 对比剂注射完后用30 ml 生理盐水冲管，注射流率3 ml/s。动态增强扫描结束后再行冠状位、横断位脂肪抑制T1WI 常规增强扫描， 脂肪抑制T1WI 冠状位参数为：TR/TE 6.88 ms/2.39 ms, 层厚 2 mm，矩阵 384×384，视野360 mm；横断位参数为：TR/TE 4.85 ms/2.34 ms，层厚 3 mm，矩阵 320×320，视野 380 mm。

3.图像分析

MRI 图像由两位有5年以上乳腺疾病诊断经验的医生进行独立双盲评价， 评估肿块位置（外上、外下、内上、内下象限及乳头后方）、最大径、边界（清晰或不清晰）、是否有分叶、是否有毛刺、腋窝淋巴结转移（无或单个或多个）、强化方式（明显强化或轻度强化）、DWI 信号特点（轻度受限或明显受限）。腋窝淋巴结转移标准为长径大于10 mm，淋 巴 结 门 结 构 消 失［5］。DCE-MRI 图 像 在 Siemens Syano Multimodality 工作站进行， 在肿块最大层面选取肿块实性部分绘制兴趣区（region of interest，ROI），自动获得时间-信号强度曲线（time-intensity curve，TIC）。TIC 曲线类型分为上升型、平台型、速升速降型，分别为Ⅰ、Ⅱ、Ⅲ型［6］。

4.乳腺癌脉管浸润预测模型构建及验证

256 例患者按 2∶1 随机分为训练集（n=171）及验证集（n=85）。利用LASSO 回归筛选与乳腺癌脉管浸润最相关的预测因素， 在训练集中构建基于多参数MRI 及穿刺病理结果的诺模图模型预测浸润性乳腺癌脉管浸润概率， 然后在验证集中验证， 绘制诺模图 ROC 曲线。如果模型 AUC 介于0.71～0.9 之间表明模型具有较高准确度， 如果AUC 大于0.9 表明模型具有高准确度。

5.统计学方法

统计分析均使用R 软件（2.3.4 版本）。所用软件包如下：“glmnet” 包用于 LASSO 正则化逻辑回归分析，“rms”包用于诺模图。训练集及验证集之间患者及肿瘤特性的比较使用独立样本t 检验或Mann-Whitney U 检验（不满足正态分布情况下）及卡方检验。P＜0.05 具有显著统计学差异。

结 果

1.多参数MRI的预测因素筛选及模型

256 例患者，149 例（58.2%）为浸润性导管癌2 级，107 例（41.8%）为浸润性乳腺癌 3 级。其中，99 例（35.9%）发生肿瘤脉管侵犯，包括浸润性导管癌 3 级（48 例），浸润性乳腺癌 2 级（n=51）。

15 个预测参数中，除年龄外，其余14 个为常规 MRI、DWI、DCE-MRI 参数及病理特征，包括肿块最大径、象限、边界、分叶征、毛刺征、腋窝淋巴结转移、DWI 信号特点、 强化方式、TIC 类型、ER、PR、Her2、Ki67 及病理分级。经 LASSO 回归分析，L1 正则化将额外的惩罚项加到损失函数上，由于正则项非零， 迫使与预测结局相关性弱的特征系数变为0，系数非0 的特征被选出，最后选择出8个参数为乳腺癌脉管侵犯相关的预测因素， 分别为患者年龄、肿块部位、边界、分叶征、DWI 信号、TIC 类型、 腋窝淋巴结转移、 病理分级及HER-2表达水平（图1）。8 个参数回归系数的绝对值排序为：分叶征（1.7）、边界（1.6）、TIC 类型（1.2）、DWI表现 （1.0）、 病理分级 （0.9）、 腋窝淋巴结转移（0.7）、HER-2（0.4）及肿块位置（0.3）。图2、3 分别为有无脉管侵犯的代表性病例MRI 图像。

2.诺模图预测效能

训练集及验证集的15 个参数比较见表1。经LASSO 回归入选的8 个独立预测参数构建诺模图， 包括肿块象限、 边界、DWI 信号特点、TIC 类型、腋窝淋巴结转移、病理分级以及HER-2 表达量，在训练集中，经ROC 分析，诺模图预测脉管侵犯的 AUC 为 0.843， 敏感度 76.3%， 特异度77.7%，符合率77.2%，阳性预测值64.3%，阴性预测值86.1%； 验证集中， 诺模图预测脉管侵犯的AUC 为0.833，敏感度 65.0%，特异度84.4%，符合率75.3%，阳性预测值78.8%，阴性预测值73.1%。

根据LASSO 回归模型中筛选特征的贡献度情况，给出相应的评分，再计算某个患者的诺模图总得分， 从而得到每个乳腺癌患者脉管浸润的预测概率。

讨 论

1.浸润性乳腺癌的脉管侵犯

乳腺癌的死因多归因于肿瘤局部复发和远处转移， 其中淋巴结转移是最主要也是最常见的转移途径， 而肿瘤脉管浸润在淋巴结转移过程中起关键性作用， 癌细胞通过脉管或淋巴管转移至区域淋巴结和远隔器官。乳腺癌脉管侵犯可早于淋巴结转移的出现，是乳腺癌不良预后的指标之一，可辅助判断乳腺癌分期、 治疗方案选择及预后判断［7-11］。一直以来只有依靠术后病理检查来明确肿瘤脉管促进淋巴管与血管生成与浸润情况， 术前缺乏能较准确预测肿瘤脉管浸润的有效方法［12］。本研究通过乳腺癌患者临床和多参数MRI 特征构建诺模图预测乳腺癌脉管浸润。临床特征中HER-2 表达水平及肿瘤病理分级可用于脉管浸润预测，HER-2 通过促进细胞分裂和蛋白水解酶的分泌，并提高细胞的运动能力，从而促进肿瘤侵袭与转移［13］。HER-2 基因激活后，触发相关信号传导通路，改变细胞的生物学特性，从而导致细胞向恶性转化、出现恶性表型［13］。乳腺癌病理组织学分级与预后、 生长因子受体及癌基因产物的表达等密切相关。分级越高，肿瘤的侵袭性越强，患者预后越差。因此，HER-2 表达水平越高，病理分级越高，发生脉管浸润的风险也就越大。

表1 训练集及验证集各预测参数比较

图1 使用LASSO 算法进行变量选择。a)在LASSO 逻辑回归模型中最佳惩罚系数λ 的选择使用10 折交叉验证和最小化标准。在曲线最低点选出了最佳Lambda；b)变量系数惩罚图，随着惩罚系数Lambda 的增大，越来越多变量的系数被压缩，最后绝大部分变量系数被压缩为0，最终选出8 个非零系数的变量，去掉大部分无相关的特征，从而实现变量的自动选择

图2 右乳浸润型导管癌 2 级，病理上脉管可见癌栓，左腋窝淋巴结转移，ER 约 95%（+），PR 约 60%（弱+），Her-2 (2+)，Ki67 约 15%（+）。a)T2WI 及b) T1WI，轴位示右乳外上象限不规则、分叶状肿块，边缘见毛刺；c)高b 值DWI 示肿块呈高信号；d)ADC 图见肿块明显扩散受限；e)、f)轴位动态增强DCE 序列示肿块明显不均匀强化；g)动态增强曲线呈“流出型”；h) MRI 增强冠状位示右侧腋窝见多发淋巴结转移 图3 左乳浸润型导管癌2 级，病理上脉管内无癌栓，左腋窝淋巴结未转移，ER 约 90%（+），PR 约 30%（+），Her-2(2+)，Ki67约10%（+）。a)T2WI 及 b)T1WI，轴位示左乳外上象限不规则、浅分叶状肿块，边缘无毛刺；c)高 b 值 DWI，肿块部分呈高信号；d)ADC 图呈肿块轻度扩散受限；e)、f)轴位动态增强DCE 序列示肿块明显均匀强化；g)动态增强曲线呈“平台型”；h) MRI 增强冠状位示腋窝未见淋巴结转移

2.常规MRI参数预测脉管侵犯

本研究发现乳腺癌脉管侵犯患者的肿块最大径远大于无脉管侵犯患者，与文献报道相符［14］。出现脉管侵犯的肿块边界不清、多呈分叶状，而无脉管侵犯患者肿块边界相对清楚， 笔者认为这与肿块恶性程度及浸润性特性相关，肿瘤恶性程度越高、生长速度越快、浸润性就会越强，对周围淋巴管及脉管侵犯的几率也会越高。本研究显示肿块大小、边界、 分叶征等对脉管浸润预测具有重要参考意义，与之前文献报道基本相符［15-17］。肿块位于外上象限更易发生脉管浸润， 可能原因为外上象限为乳腺组织致密区［18］。本研究显示乳腺癌脉管浸润与腋窝淋巴结转移显著相关， 一定程度上佐证了乳腺癌脉管浸润与淋巴结转移机制的必然联系［19］；同时发现有脉管浸润的乳腺癌患者都有淋巴结转移，且以多发淋巴结转移为主。

3.功能MRI参数预测脉管侵犯

DWI 是一种反映活体水分子微观运动的功能成像方法，其ADC 值是一个定量指标，与水分子的扩散和微循环灌注相关，水分子扩散快，信号衰减快，DWI 呈低信号，ADC 值高， 反之 ADC 值越低，ADC 受细胞数目、液体黏滞度、细胞内外液体含量、细胞流动方向等因素影响。既往研究显示，ADC 值与肿瘤细胞密度呈负相关。肿瘤恶性程度越高，细胞密度高，ADC 值低［20］，本研究中有乳腺癌脉管侵犯患者，DWI 上扩散受限程度较无脉管侵犯患者明显，这与既往研究结果相似，说明扩散受限能较好地反映肿瘤细胞密度较高的区域，提供了更多肿瘤生物学信息［21］。

DCE-MRI 半定量分析是指在肿瘤组织选取兴趣区、绘制TIC，从而获得乳腺实质的血流动力学特征参数［22］，TIC 曲线下面积越大，说明肿瘤血供越丰富，浸润性越强，对周围组织结构的侵犯几率越高［23,24］。本研究对比有脉管浸润和无脉管浸润患者的动态增强曲线类型， 发现脉管侵犯患者动态增强曲线类型多呈速升流出型（Ⅲ型），而无脉管侵犯患者磁共振动态增强曲线类型呈速升平台型。Kim 等［25］对 50 例不同分级的乳腺癌病灶进行研究认为， 动态增强曲线呈速升流出型病灶多见于快速生长的乳腺癌， 其病理表现为较高的细胞密集度，故速升流出型曲线类型肿块的预后差，脉管侵犯的概率也会较高。

4.诺模图预测乳腺癌脉管浸润

本研究首次采用诺模图对浸润性乳腺癌患者脉管浸润进行预测， 基于临床及影像MRI 参数，可实现个体化、直观化及可视化精准预测。单个预测因素难以达到较高的预测效果， 而诺模图则能综合考虑各个预测因素的贡献并进行线性加权，得到个体化的预测概率。诺模图在训练集中预测AUC 为0.843，敏感度76.3%，特异度77.7%；验证集中，诺模图预测脉管侵犯的AUC 为0.833，敏感度65.0%，特异度84.4%。本研究所构建诺模图能较准确预测浸润性乳腺癌患者是否发生脉管浸润。

5.本研究局限性

本研究同时存在一些局限性：（1）DWI 参数只区分了轻中度及明显受限， 没有纳入ADC 值分析。（2）为单中心研究，缺乏外部验证，因而可能限制模型运用于其他医疗机构。（3）未应用影像组学获得更多的图像特征，深入分析乳腺癌MRI 特征参数用于预测乳腺癌脉管浸润的效能。

综上所述，本研究显示肿块象限、边界、分叶征、DWI 表现、TIC 类型、腋窝淋巴结转移、病理分级及HER-2 与乳腺癌脉管浸润相关。构建预测脉管侵犯诺模图达到良好准确度、敏感性及特异性。基于增强MRI 参数及HER-2 表达水平能高效预测乳腺癌脉管浸润， 为临床治疗决策提供有价值的信息。