分享:
分享到微信朋友圈
X
临床研究
mDixon-Quant技术在乳腺浸润性导管癌诊断与预后评估中的价值研究
王卓 吴祺 宁宁 梁泓冰 田佳禾 张丽娜 宋清伟

Cite this article as: WANG Z, WU Q, NING N, et al. Study on the value of mDixon-Quant technique in the diagnosis and prognosis evaluation of invasive ductal breast cancer[J]. Chin J Magn Reson Imaging, 2023, 14(3): 65-71.本文引用格式:王卓, 吴祺, 宁宁, 等. mDixon-Quant技术在乳腺浸润性导管癌诊断与预后评估中的价值研究[J]. 磁共振成像, 2023, 14(3): 65-71. DOI:10.12015/issn.1674-8034.2023.03.012.


[摘要] 目的 利用mDixon-Quant技术探讨脂肪分数(fat fraction, FF)和T2*值与乳腺浸润性导管癌病理组织学分级及预后因素之间的关系。材料与方法 回顾性分析经手术病理证实的乳腺浸润性导管癌女性患者病例88例,低级别57例和高级别31例。术前均行mDixon-Quant扫描,分析两组间的FF和T2*值、临床基本资料包括年龄、绝经情况、肿块大小、肿块类型、身体质量指数(body mass index, BMI)、纤维腺体组织量(amount of fibroglandular tissue, FGT)以及乳腺实质背景强化(background parenchymal enhancement, BPE)。同时比较FF值和T2*值与组织学分级、雌激素受体(estrogen receptor, ER)、孕激素受体(progesterone receptor, PR)、人表皮生长因子受体2(human epidermal growth factor receptor 2, HER-2)、Ki-67以及分子分型等乳腺癌预后病理特征的关系。连续变量采用独立样本Mann-Whitney U检验或t检验;分类变量使用R×C列联表χ2检验;相关性检验使用Spearman秩相关检验。绘制受试者工作特征(receiving operator characteristic, ROC)曲线,利用曲线下面积(area under the curve, AUC)比较诊断性能。结果 最终纳入88例乳腺浸润性导管癌患者(平均年龄48.93±9.49,范围31~68岁)的88个病灶,FF值和T2*值测量具有良好的观察者间和观察者内一致性,组内相关系数(intra-class correlation coefficient, ICC)分别为0.964和0.909。两组病例在年龄、绝经情况、肿块大小、病灶最大径、肿块类型、FGT以及乳腺BPE间差异均无统计学意义。FF值和T2*值在不同组织学分级两组间的差异均具有显著统计学意义(P均<0.001);与低级别组相比,高级别组的FF值较小(5.06%±2.56% vs. 8.33%±3.92%),FF值与组织学分级呈负相关(r=-0.406,P<0.001)。高级别组的T2*值高于低级别组[(29.94±8.55)ms vs.(22.85±5.39)ms],T2*值与组织学分级呈正相关(r=0.397,P<0.001)。对于FF值和T2*值预测组织学分级,AUC分别为0.738和0.748。FF和T2*值联合预测的AUC为0.797,但与单一参数相比预测效能差异无统计学意义。FF值在不同ER和分子分型组间分布上差异有统计学意义(P=0.038和0.005);FF值与ER呈正相关(P=0.037),但与PR、Ki-67、HER-2及分子分型间无显著相关性(P均>0.05)。T2*值在不同ER、PR、Ki-67和分子分型组间差异均有统计学意义(P均<0.05);T2*值与ER、PR均呈负相关(P<0.001和P=0.003),与Ki-67和分子分型呈正相关(P均<0.001)。结论 mDixon-Quant衍生的FF值和T2*值是乳腺浸润性导管癌组织学分级的独立预测因素,两参数值联合有助于提高诊断的特异度,且与预后病理特征具有一定的相关性。
[Abstract] Objective To explore the correlation of FF and T2* values derived from mDixon-Quant imaging with pathological histological grade and prognostic factors of invasive breast carcinoma of the breast.Materials and Methods A total of 88 cases of invasive ductal carcinoma of the breast confirmed by pathology were retrospective analyzed (57 low-grade cases and 31 high-grade cases). The mDixon-Quant scanning was performed before operation, the FF, T2* values and basic clinical information including with age, menopausal status, tumor size, tumor type, body mass index (BMI), amount of fibroglandular tissue (FGT) and background parenchymal enhancement (BPE) between the two groups. The FF and T2* values were compared with some prognostic pathological features such as histological grade, estrogen receptor (ER), progesterone receptor (PR), human epidermal growth factor receptor 2 (HER-2), Ki-67 and molecular typing of breast cancer. The Mann-Whitney U test or t test was used for continuous variables; R×C χ2 test was used for categorical variables; Spearman rank correlation test was used for correlation test. The Receiving operator characteristic (ROC) curve was plotted and the area under curve (AUC) was calculated to compare the diagnostic performance.Results Finally, 88 lesions of 88 patients with invasive ductal carcinoma of the breast (mean age 48.93±9.49, range 31-68 years) were included, and FF and T2* values were measured with good inter- and intra-observer agreement with intra-class correlation coefficients (ICC) of 0.964 and 0.909, respectively. The study found that there was no statistical significance between the two groups in age, menopause situation, tumor size, maximum diameter of the lesion, tumor type, FGT, and BPE of breast parenchyma. Both FF and T2* values were statistically significant between the two groups of different histological grades (P<0.001). Compared with the low-grade group, the high-grade group had a smaller FF value (5.06%±2.56% vs. 8.33%±3.92%). FF value was negatively correlated with histological grade (r=-0.406, P<0.001).The T2* value of the high-grade group was higher than that of the low-grade group [(29.94±8.55) ms vs. (22.85±5.39) ms]. T2* value was positively correlated with histological grade (r=0.397, P<0.001). The AUC was 0.738 and 0.748 for FF value and T2* value to predict histological grade, respectively. The combined diagnostic AUC of FF and T2* values was 0.797, but there was no statistically significant difference with the diagnostic performance of a single parameter. There was a statistically significant difference in FF values in the distribution between different ER and molecular typing groups (P=0.038 and 0.005). FF values were positively correlated with ER (P=0.037) but not with PR, Ki-67, HER-2 and molecular typing (all P>0.05). T2* values were statistically significantly different between ER, PR, Ki-67 and molecular typing groups (all P<0.05). In addition, it was negatively correlated with ER and PR (P<0.001 and P=0.003), and positively correlated with Ki-67 and molecular typing (all P<0.001).Conclusions FF and T2* values derived from mDixon-Quant were independent predictors of histological grade of invasive ductal carcinoma of the breast, and the combination of the two parameter values helped to improve the specificity of the diagnosis and correlated with prognostic pathological features.
[关键词] 乳腺癌;浸润性导管癌;组织学分级;分子分型;脂肪定量;魔镜成像;磁共振成像
[Keywords] breast cancer;invasive ductal carcinoma;histological grade;molecular typing;fat quantification;mDixon-Quant;magnetic resonance imaging

王卓 1   吴祺 1   宁宁 1   梁泓冰 1   田佳禾 2   张丽娜 1*   宋清伟 1  

1 大连医科大学附属第一医院放射科,大连 116011

2 大连医科大学中山学院,大连 116085

通信作者:张丽娜,E-mail:zln201045@163.com

作者贡献声明:张丽娜设计本研究的方案,对稿件的重要内容进行了修改;王卓起草和撰写稿件,获取、分析或解释本研究的数据;吴祺、宁宁、梁泓冰、田佳禾、宋清伟获取、分析或解释本研究的数据,对稿件的重要内容进行了修改;张丽娜获得2022辽宁省成人教育学会继续教育教学改革研究课题、2022年度大连市医学重点专科“登峰计划”一般项目、2021年度大连医科大学教学改革研究一般项目资金资助;全体作者都同意发表最后的修改稿,同意对本研究的所有方面负责,确保本研究的准确性和诚信。


基金项目: 2022辽宁省成人教育学会继续教育教学改革研究课题 LCYJGZXYB22100 2022年度大连市医学重点专科“登峰计划”一般项目 2022DF042 2021年度大连医科大学教学改革研究一般项目 DYLX21036
收稿日期:2022-10-18
接受日期:2023-02-28
中图分类号:R445.2  R737.9 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2023.03.012
本文引用格式:王卓, 吴祺, 宁宁, 等. mDixon-Quant技术在乳腺浸润性导管癌诊断与预后评估中的价值研究[J]. 磁共振成像, 2023, 14(3): 65-71. DOI:10.12015/issn.1674-8034.2023.03.012.

0 前言

       乳腺癌是女性中最常见的恶性肿瘤,也是女性癌症相关死亡的主要原因[1]。乳腺癌是一种复杂而异质性强的疾病,不同组织学类型的乳腺癌会有不同的预后[2]。评估乳腺癌的侵袭性对治疗决策选择至关重要。Nottingham分级系统是评估乳腺癌侵袭性的病理参考标准,组织学分级考虑了形态和增殖,具有独特的预后意义[3]。组织学分级评分需要通过侵入性穿刺活检或外科手术获得,而在治疗前寻求一种非侵入性方法评估乳腺癌的侵袭性对于治疗决策的选择具有指导意义。

       MRI凭借其良好的敏感度,被广泛应用于乳腺癌疾病诊断与分期、疗效监测和预后预测等方面。动态对比增强MRI(dynamic contrast enhancement MRI, DCE-MRI)可提供病灶血供情况用以间接分析病灶的微血管生成状况,通过计算定量增强参数分析乳腺癌的病灶微血管灌注及渗透状况;弥散加权成像(diffusion weighted imaging, DWI)则通过观察水分子的微观运动进行在体检测。已有研究证实DCE-MRI和DWI在乳腺癌病理类型和组织学分级诊断及评估中有一定价值,通过定量参数的测定,为鉴别不同病理类型的乳腺癌提供有意义的参考,有利于早期诊断并及早进行干预[4, 5]。目前乳腺MRI对于乳腺癌诊断的敏感度虽然很高(88%~100%),但其特异度可变且不稳定(37%~97%),存在过度诊断导致临床不必要的活检[6]

       mDixon-Quant技术作为一项MRI精准定量新技术,能够一次采集6个回波,并结合7峰脂肪模型和T2*校正区分水、脂肪信号;有效减少主磁场不均匀性、涡流效应、T1偏差和脂肪共振磁化偏移的影响,从而实现更高效的采集速度和更出色的水脂分离效果,具有测量简便、定量精确以及可重复性好等特点;同时生成水相、脂相、同相位、反相位、脂肪分数(fat fraction, FF)图和T2*图等多组图像,其中FF图可以直接用来进行脂肪定量,而T2*值可以反映组织内磁敏感性的改变,从而量化组织内结构和物质代谢改变。目前,基于FF和T2*值的定量参数成像已应用于骨髓、肝脏等部位的临床研究[7, 8],最近有学者评估了乳腺癌患者淋巴结的FF值,认为转移性淋巴结的FF值明显低于非转移性淋巴结[9]。但尚未见mDixon-Quant定量乳腺癌脂肪含量和T2*值与病理特征关系的相关报道。本研究拟利用mDixon-Quant技术探讨乳腺癌FF和T2*值与浸润性导管癌组织学预后因素之间的关系,以期为浸润性乳腺癌患者的预后全面评估提供更多的信息。

1 材料与方法

1.1 研究对象

       本研究遵守《赫尔辛基宣言》,经大连医科大学附属第一医院伦理委员会批准,免除受试者知情同意,批准文号:PJ-KS-KY-2022-207。回顾性分析2019年12月至2022年9月于我院行乳腺3.0 T MRI检查且术后经病理证实的乳腺浸润性导管癌的女性患者102例。纳入标准:(1)术后病理证实为单侧乳腺浸润性导管癌;(2)术前在我院行3.0 T乳腺MRI(包括mDixon-Quant及增强扫描)。排除标准:(1)影像资料不完整或图像质量不佳(n=2);(2)行MRI检查前患者进行过穿刺或者新辅助化疗(n=11);(3)病灶太小难以进行感兴趣区(region of interest, ROI)勾画导致参数计算错误(n=1)。对于多个病灶,选择有病理证实的最大病灶进行研究。最终纳入88例女性。

1.2 MRI扫描

       采用飞利浦公司3.0 T MR扫描仪(Ingenia CX,philips,Healthcare)行乳腺MR扫描,使用7通道乳腺相控阵专用线圈,检查时患者呈俯卧位,双乳自然下垂,且充分暴露于乳腺相控阵线圈内,乳头居中。扫描序列包括轴位脂肪抑制T2加权成像(TR 1500 ms,TE 184 ms,矩阵400×333,翻转角40°,视野400 mm×400 mm,层厚1.5 mm,无层间距)、DCE-MRI、mDixon-Quant。使用3D T1加权快速低翻转角序列获取DCE-MRI图像,包括一期增强前和29期增强后图像。获得增强前图像后,使用动力注射器以2 mL/s的速率静脉推注0.1 mmol/kg钆喷酸葡胺(钆喷酸葡胺注射液,北京北陆药业股份有限公司,中国北京),随后立即以相同的流速用20 mL盐水冲洗。DCE-MRI采集参数如下:TR 3.70 ms,TE 1.96 ms,矩阵240×283,翻转角10°,视野240 mm×340 mm,层厚4.0 mm,层间距-2.0 mm。mDixon-Quant序列采集在DCE-MRI前完成,具体参数如下:6个梯度回波,TR 6.40 ms,TE 1.11 ms,矩阵132×156,视野300 mm×360 mm,层厚5.0 mm,层间距-2.5 mm,翻转角3°。mDixon-Quant成像的采集时间为23 s。

1.3 图像分析

       MRI图像由从事乳腺影像诊断的放射科住院医师(5年)和教授(17年)两人分别独立阅片,事先未知临床病理学信息,依据美国放射学院制订的第五版乳腺影像报告和数据系统(Breast Imaging Reporting and Data System, BI-RADS)指南分类[10],将病灶强化类型分为肿块强化和非肿块强化,并分析纤维腺体组织量(amount of fibroglandular tissue, FGT)和乳腺实质背景强化(background parenchymal enhancement, BPE)。

       在Philips后处理工作站上获得FF图和T2*图,以增强图像为参考在两组图像的病灶强化区域手动勾画ROI,然后根据病灶范围逐层勾画,最后形成一个三维感兴趣区(volume of interest, VOI),两位放射科医师就选择合适的VOI位置和形状达成共识。在图像勾画VOI后可直接得到瘤体的FF值、T2*值、VOI大小和病灶最大径(图1)。勾画过程中避免包含坏死、出血和囊性成分,以防影响FF值和T2*值的准确计算。同时在对侧正常腺体勾画与病灶大小相同的ROI,记录对侧腺体FF值。ROI方法适用于肿块和非肿块病变,尽可能标准化图像分析过程。为了评估FF和T2*值测量的可重复性,两名放射科医师中具有较高年资的医师在不知道先前测量的情况下进行第二次测量。

图1  女,39岁,右侧乳腺浸润性导管癌Ⅲ级(Luminal B型)。1A为增强图像,肿块型强化;1B为脂肪分数(FF)图,FF值为7.8%;1C为T2*图,T2*值为23.8 ms。
Fig. 1  A 39-year-old female patient with right breast invasive ductal carcinoma grade Ⅲ (Luminal B). 1A is the enhanced image, mass enhancement; 1B is the fat fraction (FF) figure, FF value of 7.8%; 1C is the T2* figure, T2* value of 23.8 ms.

1.4 临床基本资料和病理及免疫组化结果

       收集患者的年龄、绝经情况和身体质量指数(body mass index, BMI)。本研究的所有组织病理学标本均由两名乳腺专科病理科高级职称医师(15年和18年)进行复审,他们事先对MRI检查结果不知情,最终达成一致决定。组织学分级根据Nottingham分级系统[11]:腺管/腺体形成、细胞核异质以及有丝分裂,每项计分1~3分,总分即为组织学分级。其中,总分3~5分为Ⅰ级(高分化),6~7分为Ⅱ级(中分化),8~9分为Ⅲ级(低分化)。本研究根据病例收集情况及既往研究将病例分为高级别(Ⅲ级)和低级别(Ⅰ-Ⅱ级)两组[12]。免疫组化判定标准[13]:(1)雌激素受体(estrogen receptor, ER)、孕激素受体(progesterone receptor, PR),阳性细胞数≥1%判定为阳性,阳性细胞数<1%判定为阴性;(2)表皮生长因子受体2(human epidermal growth factor receptor 2, HER-2),HER-2(+++)判定为阳性,0和(+)判定为阴性,(++)须进一步Fish检测,Fish检测阳性即判定为阳性,Fish检测为阴性即判定为阴性;(3)Ki-67,阳性细胞数≥20%判定为高表达,阳性细胞数<20%判定为低表达。分子分型:ER阳性和(或)PR阳性,HER-2阴性,Ki-67<20%时为Luminal A型;ER阳性和(或)PR阳性,HER-2阴性,Ki-67≥20%或者ER阳性和(或)PR阳性,HER-2阳性,无论Ki-67表达如何时为Luminal B型;ER阴性,PR阴性,HER-2阳性时为HER-2过表达型;ER阴性,PR阴性,HER-2阴性时为三阴性[13]

1.5 统计学分析

       使用SPSS 21.0统计软件进行统计分析。所有适用的临床和影像数据均符合正态分布,用平均值±标准差表示。连续变量使用独立样本Mann-Whitney U检验或t检验;分类变量使用R×C列联表χ2检验;相关性检验使用Spearman秩相关检验。组内相关系数(intra-class correlation coefficient, ICC)用于检测两个观察者内和观察者间的一致性,绘制受试者工作特征(receiving operator characteristic, ROC)曲线,计算曲线下面积(area under the curve, AUC),获得最佳截止点以及敏感度和特异度。使用MedCalc软件的DeLong检验进行诊断效能的比较。

2 结果

       本研究分析了88例[年龄31~68(48.93±9.49)岁]乳腺浸润性导管癌患者的88例病灶,根据组织病理学分级将其分为高级别(Ⅲ级)和低级别(Ⅰ~Ⅱ级)两组,其中高级别31例,年龄31~67(46.81±9.75)岁;低级别57例,年龄32~68(50.09±9.14)岁,年龄在两组间的差异无统计学意义(P=0.141)。高级别组肿块最大径(24.31±11.20)mm,低级别组肿块最大径(20.74±12.8)mm,肿瘤最大径在两组间的差异无统计学意义(P=0.181),且高级别组肿瘤最大径>10 mm的占比大于低级别组(96.8% vs. 76.0%)(P=0.201,差异无统计学意义)。观察者间和观察者内部均有较好的一致性,ICC分别为0.964和0.909。两组病例在绝经情况、BMI、肿块大小、肿块类型、FGT以及BPE等临床及DCE基本资料间的差异均无统计学意义,详见表1

       在高低级别两组之间,低级别组FF值(8.33%±3.92%)明显高于高级别组(5.06%±2.56%),两组间的FF值分布的差异有统计学意义(P<0.001);比较对侧正常腺体FF值发现高级别组略高于低级别组(17.32%±12.57% vs.15.38%±7.89%),但两组间对侧正常腺体FF值差异并无统计学意义。FF值在不同ER状态和分子分型组间分布的统计学上有显著差异(P=0.038和0.005);低级别组的T2*值(22.85±5.39)ms低于高级别组(29.94±8.55)ms,差异具有统计学意义(P<0.001);T2*值在不同ER、PR、Ki-67状态和分子分型组间统计学上有显著差异(P均<0.05),而在不同HER-2状态组间差异无统计学意义(P=0.829)(表2)。FF值与组织学分级呈负相关(r=-0.406,P<0.001);与ER状态呈正相关(r=0.222,P=0.037)。T2*值与组织学分级呈正相关(r=0.397,P<0.001)。而T2*值与ER、PR状态均呈负相关(P<0.001和P=0.003),与Ki-67状态和分子分型均呈正相关(P均<0.001)(表3)。FF值预测组织学分级的AUC为0.738,敏感度为83.9%,特异度为54.4%,最佳截断值7.45%;T2*值预测组织学分级的AUC为0.748,敏感度51.6%,特异度达87.7%,最佳截断值为28.60 ms;两参数联合预测组织学分级的AUC为0.797,敏感度45.2%,特异度100.0%(图2)。经DeLong检验FF值、T2*值以及两者联合预测组织学分级的效能差异均无统计学意义(P值分别为0.88、0.11和0.13)。

图2  各影像参数值预测组织学分级的ROC曲线。FF值预测组织学分级的AUC为0.738,敏感度为83.9%,特异度为54.4%,最佳截断值7.45%;T2*值预测组织学分级的AUC为0.748,敏感度51.6%,特异度达87.7%,最佳截断值为28.60 ms;FF和T2*值联合预测组织学分级的AUC为0.797,敏感度45.2%,特异度100.0%。ROC为受试者工作特征曲线,AUC为曲线下面积,FF为脂肪分数。
Fig. 2  The receiving operator characteristic (ROC) curve of each image parameter value predicting histological grading. The area under the curve (AUC) of the fat fraction (FF) value predicted the histological grade is 0.738, the sensitivity is 83.9%, the specificity is 54.4%, and the best cut-off value is 7.45%; the AUC of the T2* value predicted the histological grade is 0.748, the sensitivity is 51.6%, the specificity is 87.7%, and the best cut-off value is 28.60 ms; the AUC of FF and T2* value combined predicted histological grade is 0.797, the sensitivity is 45.2%, and the specificity is 100.0%.
表1  不同组织学分级乳腺癌的临床、DCE基本特征分布
Tab. 1  Distribution of clinical and DCE basic features of breast cancer with different histological grades
表2  FF值和T2*值与乳腺癌病理特征的关系
Tab. 2  Relationship between FF and T2* values and pathological features of breast cancer
表3  FF和T2*值与病理特征的相关性
Tab. 3  Correlation of FF and T2* values with pathological features

3 讨论

       本研究利用mDixon-Quant技术探讨了FF和T2*值与乳腺浸润性导管癌组织学分级及预后相关因素之间的关系,认为FF值和T2*值均是预测组织学分级的独立预测因素,两参数联合预测组织学分级诊断效能有所提高,特异度明显提高;且FF值与ER、T2*值与ER、PR、Ki-67以及分子分型预后病理特征分别具有相关性。本研究首次将mDixon-Quant技术应用于乳腺癌的脂肪定量和T2*值测量中并获得了稳定的测量值,通过探讨其与浸润性导管癌病理诊断及预后特征因素(包括组织学分级、免疫组化及分子分型)的关系,有望为术前诊断和治疗策略的实施提供新的见解。

3.1 mDixon-Quant参数与组织学分级及分子分型特征的关系

       mDixon-Quant技术作为一种MRI脂肪定量新技术,已经被证实在脂肪定量方面与磁共振波谱成像(magnetic resonance spectroscopy, MRS)具有较好的一致性[14]。而与MRS相比,它还具有解剖结构可视化的快速体积数据采集、扫描时间短和后处理过程较为简单等优势[15]。mDixon-Quant技术已被广泛应用于肝脏、骨髓、肌肉、腺体等含脂部位,用于脂肪含量的测定并动态监测脂肪含量变化[16, 17, 18]。衍生出的T2*值也是目前最常用的检测心脏和肝组织中铁沉积的无创方法,并且能够观察骨的微观结构特征和骨密度的变化[19, 20, 21, 22]。我们通过前期的预试验及观察者间、观察者内的一致性检验后,认为利用mDixon-Quant技术在乳腺肿瘤中进行脂肪定量和T2*值的测定均具有良好的可重复性和一致性。

       现有的研究显示,癌细胞分泌可溶性因子导致脂肪细胞的“去分化”,脂肪细胞发生形态学变化,首先是脂肪细胞大小和脂质含量的减少[23]。在肿瘤恶性进展过程中,由于脂肪生成酶活性的增加,脂质代谢被激活,乳腺癌细胞已被证明会消耗脂质,以在肿瘤微环境中生存和维持增殖能力[6]。异常脂质代谢改变已经成为乳腺癌的一个新兴标志,表现为乳腺癌组织中水和脂质组成的改变。研究表明脂质代谢在乳腺癌的发展中起着重要作用,水脂比可作为乳腺癌检测的生物标记物[24]

       KHUSHBU等[24]的研究显示,乳腺恶性组织FF值明显低于良性和正常乳腺组织。本研究中,为观察患者自身乳腺脂肪含量对病灶FF值的影响,我们同时在对侧正常纤维腺体区勾画与病灶大小相同的ROI,发现高低级别两组间对侧正常腺体FF值差异并无统计学意义。同时我们发现,ER阳性/PR阳性组的FF值明显低于ER阴性/PR阴性组,且在ER不同状态组间具有显著的统计学差异。我们针对不同组织学分级的同一种病理类型的浸润性乳腺癌进行研究,发现FF值与组织学分级和ER的状态有相关性,FF值与组织学分级呈负相关,与ER状态呈正相关,提示随着肿瘤细胞侵袭程度的增加,脂肪细胞逐渐被替代从而导致脂肪含量减少,可以作为一种无创成像生物标记物对乳腺癌的临床诊断及预后评估提供有价值的参考。

       T2*值是在不消除磁场均匀性和周围磁性材料的影响下得到有效横向弛豫时间。T2*值受顺磁性物质的含量、质子密度、含水量和水分子的运动状态的影响。在本研究中,高级别组乳腺癌的T2*值明显高于低级别组,推测原因为恶性肿瘤在处于高增殖状态时血管增加或凋亡,伴随乳腺癌组织中脂肪含量减少,水含量增加,可能导致T2*值的显著增加。SEO等[25]也在组织学级别较高的浸润性乳腺癌中观察到更长的T2*。T2*值受水含量以及水分子运动的自由度影响,若组织中水含量较高或水分子运动自由度大时T2*值可增高[26]

       此外,本研究还观察到了T2*值与免疫组化特征之间的相关性,与ER、PR呈负相关,与Ki-67和分子分型呈正相关。ER、PR、Ki-67等生物标志物与肿瘤细胞的数量、血管分布和侵袭性有关;早期发现预后因素可能有助于预测临床结果,在识别从治疗中获益的患者方面发挥重要作用[27]。ER、PR阳性状态的肿瘤细胞更有可能是分化良好、侵袭性较低的。本研究中ER/PR阳性浸润性乳腺癌的T2*值更低,我们推测,高细胞密度可能导致整个肿瘤的细胞外空间减少,游离含水量减少,从而导致T2*值的降低。而本研究结果显示在Ki-67高表达状态时观察到T2*值明显增高。Ki-67指数已被证明作为无病生存期、总生存期的预测因素发挥了相当大的作用,并可用于治疗和随访评估,可以反映肿瘤细胞在体内的增殖活性[28]。高增殖状态的肿瘤细胞数量增加、新生血管增加和细胞外液的连续增加,因此会呈现较高的T2*值。这些结果表明,T2*值有助于提供与磁场不均匀性相关的信息,在获得肿瘤微结构信息方面具有额外的意义。

       此外,HER-2作为生长因子受体之一,其过表达可导致血管内皮生长因子基础水平的诱导增加,与细胞增殖、侵袭和转移有关,是乳腺肿瘤增殖的影响因素之一[27]。本研究中FF值和T2*值与浸润性导管癌的HER-2状态之间相关性并无统计学意义,mDixon-Quant定量参数值与HER-2表达的关联性仍需进一步探讨。

       有研究表明,不同的分子亚型对治疗的反应不同,并且与不同的预后有关。Luminal A通常具有最佳的预后,Luminal B对放疗表现出良好的反应并且具有中等生存期,HER-2过表达型和三阴性乳腺癌对化疗也具有良好的反应,但总生存率最差[29]。本研究中观察到不同分子分型间的FF值没有显著相关性,T2*值与分子分型呈显著正相关,而不同分子分型间的FF和T2*值都有较为明显差异,三阴性乳腺癌有最低的FF值和最高的T2*值,进一步验证了我们的研究结论,高侵袭性的肿瘤会使脂肪含量减少,水含量增加,表明通过影像学预测肿瘤分子亚型可能为制订早期治疗计划和了解临床预后提供重要的贡献。

3.2 不同组织学分级的临床及常规MRI特征分布

       本研究考虑了患者年龄、绝经状态、体质量、肿瘤最大径以及DCE的相关特征,后者包括强化类型、FGT和BPE等基本信息,但这些指标在高低级别两组间差异均无统计学意义。BOUGUERRA等[30]等认为由于脂肪组织可以产生瘦素和脂联素等激素即脂肪因子,能够刺激血管生成和恶性细胞生长。BMI≥28 kg/m2被视为肥胖,本研究中观察到肥胖者在组织学分级更高的组中占比略高于低级别组(16% vs. 13%)。本研究中肿瘤最大径在高低级别两组间差异无统计学意义(P=0.181),有研究认为Ⅲ级肿瘤最大径更可能大于10 mm,考虑可能与细胞高度增殖和较高的有丝分裂数量有关[31],本研究依据美国癌症分期联合委员会(American Joint Commission on Cancer, AJCC)第8版及中国抗癌协会乳腺癌诊治指南与规范(2021年版)[13]中TNM分期,将肿瘤最大径进一步分为三组,其中高级别组肿瘤最大径>10 mm者占96.8%,远大于低级别组(86.0%),表明更大的肿瘤通常与更高的组织级别有关。BPE与乳腺X线摄影显示的乳房密度相似,是与乳腺癌的风险相关联的,有研究表明,高密度乳腺患乳腺癌的风险是低密度乳腺的3~5倍[32],MRI测量的BPE和FGT等都是乳腺癌相关独立风险因素,提供了关于乳腺癌风险的不同信息;BPE和FGT的分型受内源性和外源性激素水平影响,与高危女性乳腺癌的风险存在相关性,被认为有助于预测乳腺癌预后[33],本研究中BPE轻中度强化在高级别组(71.0%)中占比低于低级别组(71.9%),但在统计学上无明显差异(P=0.989)。上述浸润性导管癌临床及常规MRI因素与FF值及T2*的关系仍有待扩大样本进一步研究。

3.3 局限性

       本研究仍然有一些局限性。首先,本研究为回顾性分析,可能存在不可控的选择偏倚;其次,样本量较少,浸润性乳腺癌仅针对浸润性导管癌的非特殊类型进行分析,今后需纳入包括小叶癌、黏液癌等不同病理类型浸润性癌进行探讨;此外,由于所使用的mDixon-Quant技术扫描图像容易受到运动伪影的影响,图像后处理仅通过手动描绘ROI测量FF和T2*值可能存在测量误差,结合人工智能等手段有望提供肿瘤全域与病理异质性特征相关信息。

4 结论

       综上所述,mDixon-Quant检查技术可以同时获得FF和T2*值信息,对于乳腺癌组织的测量稳定性较好,在与浸润性乳腺癌分级和免疫组化等预后信息相关性方面其MRI定量信息有一定参考价值,FF和T2*值联合诊断的效能虽然未高于单独参数诊断的效能,但提高了诊断特异度。因此,mDixon-Quant技术作为无创、无须使用对比剂的定量MRI技术,在乳腺疾病的鉴别诊断、监测肿瘤进展及乳腺癌预后评估等方面的潜力有待进一步挖掘。

[1]
BRAY F, FERLAY J, SOERJOMATARAM I, et al. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin, 2018, 68(6): 394-424. DOI: 10.3322/caac.21492.
[2]
GALATI F, LUCIANI M L, CARAMANICO C, et al. Breast magnetic resonance spectroscopy at 3 T in biopsy-proven breast cancers: does choline peak correlate with prognostic factors?[J]. Invest Radiol, 2019, 54(12): 767-773. DOI: 10.1097/RLI.0000000000000597.
[3]
WANG Y, ACS B, ROBERTSON S, et al. Improved breast cancer histological grading using deep learning[J]. Ann Oncol, 2022, 33(1): 89-98. DOI: 10.1016/j.annonc.2021.09.007.
[4]
XU A Q, CHU X F, ZHANG S J, et al. Prediction breast molecular typing of invasive ductal carcinoma based on dynamic contrast enhancement magnetic resonance imaging radiomics characteristics: a feasibility study[J/OL]. Front Oncol, 2022, 12: 799232 [2022-07-03]. https://pubmed.ncbi.nlm.nih.gov/35664741/. DOI: 10.3389/fonc.2022.799232.
[5]
SHENG A Z, LI A J, XIA J B, et al. Application of MRI image based on computer semiautomatic segmentation algorithm in the classification prediction of breast cancer histology[J/OL]. J Healthc Eng, 2021, 2021: 6088322 [2022-07-04]. https://pubmed.ncbi.nlm.nih.gov/34868525/. DOI: 10.1155/2021/6088322.
[6]
THAKUR S B, BRENNAN S B, ISHILL N M, et al. Diagnostic usefulness of water-to-fat ratio and choline concentration in malignant and benign breast lesions and normal breast parenchyma: an in vivo (1) H MRS study[J]. J Magn Reson Imaging, 2011, 33(4): 855-863. DOI: 10.1002/jmri.22493.
[7]
BAINBRIDGE A, BRAY T J P, SENGUPTA R, et al. Practical approaches to bone marrow fat fraction quantification across magnetic resonance imaging platforms[J]. J Magn Reson Imaging, 2020, 52(1): 298-306. DOI: 10.1002/jmri.27039.
[8]
CRAFT M L, EDWARDS M, JAIN T P, et al. R2 and R2* MRI assessment of liver iron content in an undifferentiated diagnostic population with hyperferritinaemia, and impact on clinical decision making[J/OL]. Eur J Radiol, 2021, 135: 109473 [2022-07-06]. https://pubmed.ncbi.nlm.nih.gov/33373894/. DOI: 10.1016/j.ejrad.2020.109473.
[9]
BUUS T W, SIVESGAARD K, FRIS T L, et al. Fat fractions from high-resolution 3D radial Dixon MRI for predicting metastatic axillary lymph nodes in breast cancer patients[J/OL]. Eur J Radiol Open, 2020, 7: 100284 [2022-07-25]. https://pubmed.ncbi.nlm.nih.gov/33204769/. DOI: 10.1016/j.ejro.2020.100284.
[10]
HONDA M, KATAOKA M, KAWAGUCHI K, et al. Subcategory classifications of Breast Imaging and Data System (BI-RADS) category 4 lesions on MRI[J].Jpn J Radiol, 2021, 39(1): 56-65. DOI: 10.1007/s11604-020-01029-w.
[11]
RAKHA E A, EL-SAYED M E, LEE A H, et al. Prognostic significance of Nottingham histologic grade in invasive breast carcinoma[J]. J Clin Oncol, 2008, 26(19): 3153-3158. DOI: 10.1200/JCO.2007.15.5986.
[12]
KAMIYA S, SATAKE H, HAYASHI Y, et al. Features from MRI texture analysis associated with survival outcomes in triple-negative breast cancer patients[J]. Breast Cancer, 2022, 29(1): 164-173. DOI: 10.1007/s12282-021-01294-1.
[13]
中国抗癌协会乳腺癌专业委员会. 中国抗癌协会乳腺癌诊治指南与规范(2021年版)[J]. 中国癌症杂志, 2021, 31(10): 954-1040. DOI: 10.19401/j.cnki.1007-3639.2021.10.013.
Breast Cancer Professional Committee of Chinese Anti-Cancer Association. Guidelines and norms for diagnosis and treatment of breast cancer of China Anti-Cancer Association (2021 edition)[J]. China Oncol, 2021, 31(10): 954-1040. DOI: 10.19401/j.cnki.1007-3639.2021.10.013.
[14]
KUKUK G M, HITTATIYA K, SPRINKART A M, et al. Comparison between modified Dixon MRI techniques, MR spectroscopic relaxometry, and different histologic quantification methods in the assessment of hepatic steatosis[J]. Eur Radiol, 2015, 25(10): 2869-2879. DOI: 10.1007/s00330-015-3703-6.
[15]
ZHANG Y, ZHOU Z, WANG C, et al. Reliability of measuring the fat content of the lumbar vertebral marrow and paraspinal muscles using MRI mDIXON-Quant sequence[J]. Diagn Interv Radiol, 2018, 24(5): 302-307. DOI: 10.5152/dir.2018.17323.
[16]
RODGE G A, GOENKA M K, GOENKA U, et al. Quantification of liver fat by MRI-PDFF imaging in patients with suspected non-alcoholic fatty liver disease and its correlation with metabolic syndrome, liver function test and ultrasonography[J]. J Clin Exp Hepatol, 2021, 11(5): 586-591. DOI: 10.1016/j.jceh.2020.11.004.
[17]
SUN M T, CHENG J L, REN C P, et al. Quantitative whole-body MR imaging for assessment of tumor burden in patients with multiple myeloma: correlation with prognostic biomarkers[J]. Quant Imaging Med Surg, 2021, 11(8): 3767-3780. DOI: 10.21037/qims-20-1361.
[18]
YU F Y, HE B, CHEN L, et al. Intermuscular fat content in young Chinese men with newly diagnosed type 2 diabetes: based on MR mDIXON-quant quantitative technique[J/OL]. Front Endocrinol (Lausanne), 2021, 12: 536018 [2022-07-15] .https://pubmed.ncbi.nlm.nih.gov/33868161/. DOI: 10.3389/fendo.2021.536018.
[19]
MAGGI L, MOSCATELLI M, FRANGIAMORE R, et al. Quantitative muscle MRI protocol as possible biomarker in Becker muscular dystrophy[J]. Clin Neuroradiol, 2021, 31(1): 257-266. DOI: 10.1007/s00062-019-00875-0.
[20]
LIDÉN M, ADRIAN D, WIDELL J, et al. Quantitative T2* imaging of iron overload in a non-dedicated center-Normal variation, repeatability and reader variation[J/OL]. Eur J Radiol Open, 2021, 8: 100357 [2022-07-13]. https://pubmed.ncbi.nlm.nih.gov/34095355/. DOI: 10.1016/j.ejro.2021.100357.
[21]
PEREIRA G A R, FOPPA M, EIFER D A, et al. Myocardial iron content by T2 Star cardiac magnetic resonance and serum markers of iron metabolism in patients with heart failure[J]. J Cardiovasc Med (Hagerstown), 2022, 23(1): e33-e35 [2022-07-20]. https://pubmed.ncbi.nlm.nih.gov/34580252/. DOI: 10.2459/JCM.0000000000001263.
[22]
D'ASSIGNIES G, PAISANT A, BARDOU-JACQUET E, et al. Non-invasive measurement of liver iron concentration using 3-Tesla magnetic resonance imaging: validation against biopsy[J]. Eur Radiol, 2018, 28(5): 2022-2030. DOI: 10.1007/s00330-017-5106-3.
[23]
HISANAGA S, AOKI T, SHIMAJIRI S, et al. Peritumoral fat content correlates with histological prognostic factors in breast carcinoma: a study using iterative decomposition of water and fat with echo asymmetry and least-squares estimation (IDEAL)[J]. Magn Reson Med Sci, 2021, 20(1): 28-33. DOI: 10.2463/mrms.mp.2019-0201.
[24]
AGARWAL K, SHARMA U, MATHUR S, et al. Study of lipid metabolism by estimating the fat fraction in different breast tissues and in various breast tumor sub-types by in vivo 1H MR spectroscopy[J]. Magn Reson Imaging, 2018, 49: 116-122. DOI: 10.1016/j.mri.2018.02.004.
[25]
SEO M, RYU J K, JAHNG G H, et al. Estimation of T2* relaxation time of breast cancer: correlation with clinical, imaging and pathological features[J]. Korean J Radiol, 2017, 18(1): 238-248. DOI: 10.3348/kjr.2017.18.1.238.
[26]
王燕鸣, 殷成, 周涛, 等. 增强T2*加权血管成像在宫颈癌诊断及评估放疗疗效的价值[J]. 磁共振成像, 2021, 12(10): 22-25, 31. DOI: 10.12015/issn.1674-8034.2021.10.005.
WANG Y M, YIN C, ZHOU T, et al. The value of enhanced T2 star weighted angiography in the diagnosis of cervical cancer and the evaluation of radiotherapy effect[J]. Chin J Magn Reson Imaging, 2021, 12(10): 22-25, 31. DOI: 10.12015/issn.1674-8034.2021.10.005.
[27]
LI Q, XIAO Q, YANG M, et al. Histogram analysis of quantitative parameters from synthetic MRI: correlations with prognostic factors and molecular subtypes in invasive ductal breast cancer[J/OL]. Eur J Radiol, 2021, 139: 109697 [2022-07-14]. https://pubmed.ncbi.nlm.nih.gov/33857828/. DOI: 10.1016/j.ejrad.2021.109697.
[28]
QIU Z L, XIAO J F, ZHENG S K, et al. Associations between functional polychlorinated biphenyls in adipose tissues and prognostic biomarkers of breast cancer patients[J/OL]. Environ Res, 2020, 185: 109441 [2022-07-20]. https://pubmed.ncbi.nlm.nih.gov/32247153/. DOI: 10.1016/j.envres.2020.109441.
[29]
CHEN H, LI W, WAN C, et al. Correlation of dynamic contrast-enhanced MRI and diffusion-weighted MR imaging with prognostic factors and subtypes of breast cancers[J/OL]. Front Oncol, 2022, 12: 942943 [2022-07-20]. https://pubmed.ncbi.nlm.nih.gov/35992872/. DOI: 10.3389/fonc.2022.942943.
[30]
BOUGUERRA H, GUISSOUMA H, LABIDI S, et al. Breast cancer in Tunisia: association of body mass index with histopathological aspects of tumors[J]. Asian Pac J Cancer Prev, 2014, 15(16): 6805-6810. DOI: 10.7314/apjcp.2014.15.16.6805.
[31]
MOUTINHO-GUILHERME R, OYOLA J H, SANZ-ROSA D, et al. Correlation between apparent diffusion coefficient values in breast magnetic resonance imaging and prognostic factors of breast invasive ductal carcinoma[J]. Porto Biomed J, 2019, 4(1):e27 [2022-07-21]. https://pubmed.ncbi.nlm.nih.gov/31595254/. DOI: 10.1016/j.pbj.0000000000000027.
[32]
LI J, MO Y, HE B, et al. Association between MRI background parenchymal enhancement and lymphovascular invasion and estrogen receptor status in invasive breast cancer[J/OL]. Br J Radiol, 2019, 92(1103): 20190417 [2022-07-23]. https://pubmed.ncbi.nlm.nih.gov/31398071/. DOI: 10.1259/bjr.20190417.
[33]
BROOKS J D, CHRISTENSEN R A G, SUNG J S, et al. MRI background parenchymal enhancement, breast density and breast cancer risk factors: a cross-sectional study in pre- and post-menopausal women[J/OL]. NPJ Breast Cancer, 2022, 8(1): 97 [2022-07-23]. https://pubmed.ncbi.nlm.nih.gov/36008488/. DOI: 10.1038/s41523-022-00458-2.

上一篇 基于特征融合的集成模型分类乳腺癌分子亚型的研究
下一篇 瘤体及瘤周多参数MRI对于乳腺癌及病理因素的诊断价值研究
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2