谭丽丽，田 晞，张 骞，冯莉莉，张 旭，刘 钢，王 曼

(北京中医药大学第三附属医院放射科，北京 100029)

MRI能提供乳腺病变的重要信息[1]。DWI可探测肿瘤微观结构、微循环等信息，在提高诊断准确率方面显示出巨大潜力[2]。扩散敏感系数，即b值，是DWI的重要参数之一，与图像质量及识别病变能力密切相关[3]。高b值(b≥1 000 s/mm2)DWI对于检测和表征病变具有较大优势[4]，但随着b值增加，背景噪声也明显增大，对显示病变效果随之下降[5]。本研究采用Meta分析系统评价高b值DWI对于乳腺良恶性病变的诊断价值。

1 资料与方法

1.1 检索策略 检索PubMed、Embase、Cochrane Library、万方医学网、中国知网及维普数据库，检索时间自建库至2019年10月。英文检索词包括breast cancer、breast neoplasma、magnetic resonance imaging、diffusion weighted、high b-value、MRI、DWI；中文检索词包括乳腺癌、乳腺肿瘤、磁共振、弥散加权成像、DWI、b值。由2名医师独立筛选文献，如有争议通过讨论协商解决。

1.2 文献纳入及排除标准 纳入标准：①DWI评估乳腺良恶性病变的中英文研究；②研究对象为可疑乳腺癌患者；③b值≥1 000 s/mm2，场强为1.5T或3.0T；④以病理结果为诊断金标准；⑤可提取四格表所需数据。排除标准：①综述、个案报道、学位论文等类型；②研究对象为动物或确诊乳腺癌患者。

1.3 文献资料提取和质量评价

1.3.1 基本特征 提取第一作者、国家(资料归属国)、发表年份、研究设计类型、患者年龄、病例数、病灶数、设备来源厂家、场强、b值、DWI诊断方法及诊断效能等。

1.3.2 质量评估 由2名医师根据试验评价工具(quality assessment of diagnostic accuracy studies， QUADAS)[6]对所选择的研究独立进行质量评价，对其每个条目做出“是”(1分)、“否”(-1分)或“不清楚”(0分)的判断，根据最终得分评价文献质量，QUADAS评分≥10分为文献质量较好。

1.4 统计学分析 采用Meta-Disc 1.4软件进行异质性分析，绘制合并受试者工作特征(summary receiver operating characteristic, SROC)曲线，计算曲线下面积(area under the curve, AUC)。以Spearman相关分析观察敏感度对数与特异度对数的相关性，评价研究之间是否存在阈值效应。采用Meta回归分析评价异质性来源，计算高b值DWI鉴别诊断乳腺良恶性病变的合并敏感度、合并特异度及合并诊断比值比。以Stata 15.0软件绘制Deek's 漏斗图，观察发表偏倚[7]。P<0.05为差异有统计学意义。

2 结果

2.1 文献检索及数据提取 最初纳入 564篇文献，通过阅读标题和摘要排除386篇，进一步阅读全文后排除160篇；最终纳入文献18篇[8-25]，其中中文13篇，英文5篇。文献筛选流程及结果见图1。

图1 文献筛选流程

纳入文献QUADAS评分均≥11分，质量均较好，包括1 334例患者、1 360个乳腺病灶。

18篇中，回顾性研究5篇[12,14,18,21,25]、前瞻性研究2篇[10,22]，其余11篇未交待研究类型；其中4篇[17-18,22，25]采用盲法研究，14篇[8-16，19-21，23，24]未交待研究方法。

8篇[8-11,18,20,24-25]采用GE、9篇[12-15,17,19,21-23]采用Siemens设备，1篇[16]采用Marconi设备，3篇[21-22,25]所用场强为3.0T，15篇为1.5T。18篇均采用乳腺专用线圈，其中17篇以ADC阈值、1篇[21]采用信号强度比作为DWI诊断标准。9项研究[8-10,15,21-25]采用平面回波成像(echo planar imaging, EPI)，7项[11-13,17-20]采用单次激发自旋平面回波成像(single-shot spin echo-echo planar imaging, SS-SE-EPI)，2项[14,16]未交待技术类型。纳入文献的基本特征及诊断效能见表1。

2.2 Meta分析 敏感度对数与(1-特异度)对数的Spearman相关系数rs=-0.31(P=0.21)，提示研究之间不存在明显阈值效应。拟合SROC曲线的AUC为0.94，Q指数为0.88，见图2。SROC的合并敏感度为0.88[95%CI(0.85,0.90)]，I2=72.3%；合并特异度为0.84[95%CI(0.81,0.87)]，I2=74.8%；合并诊断比值比为51.97[95%CI(27.31,98.91)]，I2=63.3%；见图3。Meta回归分析结果显示研究间异质性主要与设备品牌有关(P=0.04)，见表2。

表1 纳入文献基本特征及诊断效能

表2 纳入研究的Meta回归分析结果

图2 高b值DWI鉴别乳腺良恶性病变的SROC曲线

2.3 发表偏倚 Deek's漏斗图显示数据呈对称分布，无明显发表偏倚(P=0.06)，见图4。

3 讨论

作为一种非侵入性功能成像技术，DWI可在不需要对比剂观察体内水分子的微观运动，为早期发现组织的异常水分变化提供技术支持[26]。在肿瘤组织中，由于亲脂细胞膜及细胞外空间基质的扭曲，导致水分子扩散受到较大限制[27]。

理论上，较高b值DWI能更准确地反映扩散系数，最小化灌注和T2穿透效应的影响，并进一步抑制腺体的背景组织信号，在良恶性组织之间形成更好的对比度；但高b值也易于产生涡流畸变，导致整体信噪比降低，图像产生不同程度扭曲、变形，降低对于小病灶的敏感性[28]。本研究纳入的18篇文献中，17篇所用b值为1 000 s/m2，仅1篇b值为1 500 s/m2.。ZONG等[29]提出，由于存在T2穿透效应，不建议b值<1 000 s/mm2，但采用大b值对较小恶性病变可能显示不佳，b值取1 500～3 000 s/mm2可能效果最佳。KUROKI等[30]认为设定的最佳b值应能充分抑制乳腺的背景信号，并提供足够强的肿瘤信号。b值=1 000 s/mm2时，背景信号降低到接近噪声水平，恶性肿瘤显示为显著高信号；b值增加到1 500 s/mm2时，虽然背景信号降低到噪声水平，同时肿瘤信号也降低，但仍有足够高的诊断准确性；当b值增加至2 000 s/mm2时，背景信号和恶性肿瘤信号均降低到接近噪声水平而致诊断困难。因此，在时间限制仅允许以2个b值获得扩散图像时，b=0和1 000 s/m2组合可作为鉴别乳腺良恶性病变的最佳选择。

图3 高b值DWI鉴别乳腺良恶性病变森林图 A.敏感度； B.特异度； C.诊断比值比

图4 高b值DWI鉴别乳腺良恶性病变发表偏倚的Deek's漏斗图

本次Meta分析结果显示，高b值DWI鉴别诊断乳腺良恶性病变的AUC为0.94，其诊断效能较高；合并敏感度及特异度亦均较高，分别为0.88、0.84。本研究中发现存在非阈值效应引起的异质性，Meta回归结果显示异质性主要来源于设备，可能与不同品牌设备的数据分析、技术参数及后处理程序标准不同有关；其他因素则可能与患者选择偏倚、病理类型、分化程度及组织学分级等因素有关[31]。此外，即使采用了相同的b值组合，不同研究间也存在ADC值测量、ROI界定、诊断界值选取等差异，进一步提示采用相同测量及数据分析方法的重要性。3.0T MR系统可以克服1.5T MR系统中ADC图信噪比低、空间分辨率低等缺点，更有助于检出小病灶，但本次Meta回归分析发现1.5 T与3.0 T MR设备诊断病变效能差异并无统计学意义，可能与纳入研究的文献数量有限有关，未来需要纳入更多研究来确定可否通过更高场强来提高诊断准确率。

本研究的局限性：①部分研究样本量较小，有影响结论稳定性的潜在可能；②纳入的部分文献未报道是否使用盲法，可能存在测量偏倚；③仅检索了中英文数据库，可能存在语言选择偏倚。

综上所述，高b值DWI对鉴别乳腺良恶性病变具有明显优势，可作为常规MRI的辅助手段用于鉴别诊断乳腺良恶性病变。