0 引言

       肉芽肿性乳腺炎（granulomatous mastitis, GM），又称肉芽肿性小叶性乳腺炎（granulomatouslobular mastitis, GLM）、特发性肉芽肿性乳腺炎（idiopathic granulomatous mastitis, IGM）是一种少见的良性乳腺炎性疾病，约占所有乳腺炎性疾病的24%^[1]。GM的特征主要表现为局限于乳腺小叶的非干酪样肉芽肿性炎症伴微脓肿形成^[2]。GM好发于经产育龄期女性，且近年来发病率呈上升趋势^[3]。尽管其确切病因尚未完全阐明，但目前的研究提示可能与自身免疫异常、高泌乳素血症以及遗传易感性有关^[4]。GM往往表现为病程迁延反复，特别是当出现皮肤破溃时，常常难以愈合，慢性GM有发展为恶性肿瘤的风险，这对患者心理状态和生活质量产生严重影响^{[5, 6]}。但临床对于GM的治疗策略尚未达成共识，目前主要治疗方法包括手术和激素药物治疗^[7]。

       乳腺癌作为女性最常见的恶性肿瘤、癌症死亡的首位因素，近年来其发病率呈显著上升趋势^[8]。部分乳腺癌在影像学检查中未见典型肿块样形态，称为非肿块型乳腺癌（non-mass breast cancer, NMBC），其增强扫描呈非肿块样强化（non-mass enhancemwnt, NME）^[9]。研究数据表明，早期乳腺癌患者接受规范治疗后5年生存率可达91%~97%，而中晚期患者生存率可骤降至29%~78%^[10]，这一巨大差异凸显了乳腺癌早期准确诊断的重要性。非肿块样强化型GM相较于肿块样强化型更为常见，且GM与NMBC存在一系列临床和影像学的相似表现，导致二者临床诊断及鉴别诊断面临巨大挑战，对后续临床治疗决策的制订和患者预后也具有重大影响^{[11, 12]}。

       目前，穿刺病理活检仍被认为是鉴别GM与NMBC的“金标准”，然而，作为一项有创性检查，其早期应用率较低，且存在采样偏差导致临床漏诊、误诊的风险^[13]。因此，在临床实践中，早期鉴别诊断主要依赖影像学检查，故寻找精准、无创的影像诊断方法尤为重要。MRI具有良好软组织分辨率，是目前诊断乳腺疾病的重要手段。影像组学通过提取肉眼无法观察到的微观特征，进行定量分析和模型构建，间接反映肿瘤的异质性和生物学行为。近年来，磁共振成像（magnetic resonance imaging, MRI）在鉴别GM与NMBC中的应用日益广泛。然而，现有研究仍存在部分局限性，如多为单中心、小样本研究，对病灶的强化特征判定具有主观性等。目前尚缺乏全面探讨GM与NMBC的MRI影像征象及影像组学特征鉴别的系统性综述，导致二者鉴别诊断仍具有一定困难。在此背景下，本综述旨在系统总结当前MRI及影像组学鉴别GM与NMBC的研究进展、存在的争议与局限性并展望未来的研究方向，以期减少不必要的有创检查，提高患者预后生活质量。

1 基于多参数MRI鉴别GM与NMBC

       多参数MRI（multiparametric MRI, mpMRI）是评价乳腺病变的重要无创检查手段，通过结合多个MRI序列，可对病变动态发展过程进行多维度的量化并提供病变特征的关键信息，使得疾病诊出率、诊断准确率较单一MRI序列大大提高。动态增强MRI（dynamic contrast enhancement MRI, DCE-MRI）通过注射对比剂获取病灶的血流灌注信息，从而在一定程度上区分良恶性病变并提高非肿块型乳腺病变的检出率^[14]。扩散加权成像（diffusion-weighted imaging, DWI）是探测活体水分子布朗运动的唯一影像学手段，具有较高的敏感度及特异度，并可联合表观扩散系数（apparent diffusion coefficient, ADC）值进行量化分析^[15]。联合DCE和DWI序列区分乳腺病变可获得较优异的诊断效能^[16]。

1.1 常规MRI

       GM与NMBC在MRI上均单侧多见、表现为类圆形或不规则形，以及不均匀T2WI高信号的特点^[17]。SOYLU等^[18]指出，GM常呈多发囊性改变，约20.6%的GM患者会形成瘘管，主要是GM脓肿破溃导致的^[19]，而NMBC更常表现为结构变形；该研究还发现，仅GM组存在扩张导管内含有T1WI、T2WI高信号的脂肪成分，故当MRI出现该征象时，提示GM的可能性较大，这与GM主要发生在产后，泌乳导管的生化成分发生改变有关。此外，GM和NMBC在MRI均可表现皮肤增厚水肿，而相较于NMBC常见的弥漫性改变，GM多表现为局灶性皮肤增厚。这种差异可能是因为GM为急性炎症导致的病变组织皮肤增厚水肿，而NMBC则由于淋巴管阻塞而呈弥漫性皮肤增厚。最后，NMBC的MRI常可见边缘毛刺征或边缘模糊，而GM边缘多呈网格状改变^[20]，这主要是由GM病灶中增生的乳腺小叶和正常乳腺组织交替出现而形成^[21]。

       李建玉等^[22]的研究中，GM组未见明显钙化灶，而赵玉乔等^[23]的研究显示，NMBC肿瘤细胞异常分泌钙盐物质，常导致病灶内微小钙化灶的形成，提示病灶钙化的有无可作为GM和NMBC鉴别点。然而MRI检查对病灶钙化的敏感性较低，故常需联合乳腺钼靶或超声检查进行评估。虽然目前多模态影像技术鉴别GM与NMBC的研究有限，但部分研究证实，相较于单一成像模式，多模态成像对GM的诊断准确率更高，其联合诊断准确率可达96.4%，联合超声及MRI诊断NMBC也可获得更高临床价值^{[24, 25]}。多模态影像技术可显著提高鉴别诊断的准确性，减少误诊风险。

       综上所述，常规MRI在鉴别GM与NMBC时，通过综合分析其囊性病变、皮肤改变、导管内脂肪成分以及病灶边缘的特征，可在一定程度上对二者进行区分，而钙化作为重要的鉴别指标，MRI对其敏感性有限，在临床中通过多模态影像联合可进一步提高其诊断准确性。由于多数特征缺乏一定特异性，并可能与疾病发展阶段有关，未来仍需寻找更具有特异性的常规MRI征象，以充分发掘常规MRI的潜力，提高GM与NMBC的诊断准确率。

1.2 DCE-MRI

       刘鹏等^[26]系统分析GM与NMBC的影像学特征并探讨基于mpMRI鉴别诊断的应用价值，其研究结果显示，GM倾向于累及乳晕周围及乳晕后中央区；GM常表现为多区域强化，部分研究称为“簇样环状”强化^{[27, 28]}，其强化环较大、壁环比较小，这可能与炎症以小叶为中心，易沿导管向外扩散，致使病变范围广泛且与正常组织部分重叠^[29]有关，而NMBC则多表现为节段性强化、强化环较小、壁环比较大，这一结论与先前研究^[30]结果一致。QU等^[28]通过定量分析进一步发现，强化环直径7 mm为鉴别二者的最佳截断值（AUC为0.878），即强化环直径<7 mm多提示诊断为GM，反之，则诊断为NMBC的可能性较大，这为临床鉴别诊断提供了客观量化标准。

       段小玲等^[31]分析GM和NMBC在DCE-MRI中具有鉴别意义的影像学特征，以期提高GM与NMBC的诊断准确率。研究发现，NMBC组的动态增强时间-信号强度曲线（time intensity curve, TIC）以Ⅱ型（平台型）、Ⅲ型（流出型）为主，而GM组以Ⅰ型（流入型）、Ⅱ型多见，这与吴林桦等的^[32]研究结果相同，可能与NMBC病灶内保留了部分正常腺体结构相关，对临床疾病诊断具有重要提示意义。然而，王彩红等^[33]的研究认为TIC对二者的鉴别诊断缺乏临床价值，研究认为GM病变所处炎症反应的不同阶段，即急性期、亚急性期和慢性期，可能表现出不同的强化特征，从而导致TIC类型的变异^{[34, 35]}。这提示在临床实践中应注重动态观察病变的演变过程，仅依靠单次检查的TIC类型进行诊断可能会造成误诊。但目前尚缺乏基于DCE-MRI区分GM不同炎症阶段的研究，故在未来的研究中需进一步探讨不同时期GM的DCE-MRI特异性表现以及对鉴别GM与NMBC的临床意义。

       李振宇等^[36]在基于MRI灌注成像鉴别GM与NMBC的研究中发现，GM和NMBC的早期强化率（1.038 vs. 0.902）和最大强化率（2.085 vs. 1.632）虽存在数值差异，但差异无统计学意义，这说明单纯依靠血流动力学参数进行鉴别诊断可能存在局限性。周钰等^[37]进一步定量测量乳腺病灶内的灌注参数并将其联合血清淀粉样蛋白A（amyloid A, SAA）、三叶因子家族1（the trefoil factor family, TFF1）水平，探讨其对GM与NMBC的鉴别能力。研究结果显示，与NMBC组相比，GM组的速率常数（rate constant, Kep）、容量转移常数（capacity transfer constant, K^trans）、对比增强比（contrast enhancementratio, CER）及早期强化率（early enhancement ratio, EER）值均较高（P<0.05），这与陈艳等^[38]的研究结果一致；此外，MRI+SAA+TFF1的诊断效能（AUC为0.935）及敏感度（96.3%）均高于任一单一序列。该研究说明定量测量MRI灌注参数可提高临床诊断GM的准确性，MRI灌注参数联合血清学指标对区分GM与NMBC具有显著临床意义。

       综上，DCE-MRI中乳腺病灶的强化方式、强化环直径、TIC类型均对GM与NMBC的鉴别具有一定的临床意义；Kep、K^trans、CER及EER值也具有较高提示意义，并且当进一步联合临床指标时，可大大提高其诊断性能。但值得注意的是，病灶强化环直径及TIC均可能随炎症阶段而变化，且上述研究中研究样本均较小，可能造成样本偏差，故后续研究除将二者的疾病发展阶段纳入观察指标外，应尽可能采用大样本、多中心研究，以发现更特异的DCE-MRI观察指标，从而提高疾病诊断的准确率。

1.3 DWI

       刘鹏等^[26]的研究中发现NMBC病灶的ADC值低于GM，差异具有统计学意义（P<0.05），这可能与肿瘤细胞排列较密集导致水分子扩散受限有关，而GM的炎症本质保留更多的细胞外间隙。李春志等^[39]进一步发现当DWI呈高信号（b=1000 s/mm²），且ADC值大于0.67×10^-3 mm²/s时，诊断GM可能性较大，而ADC值低于0.64×10^-3 mm²/s时，则高度提示浸润性乳腺癌；詹茸婷等^[40]的研究也指出，在相同b值条件下，GM实质部分的ADC值约（1.38±0.27）×10^-3 mm²/s，NMBC约为（1.09±0.25）×10^-3 mm²/s，两者差异具有统计学意义，而GM脓肿部分ADC值约（0.86±0.24）×10^-3 mm²/s，与实质部分差异也具有统计学意义。但史叶锋等^[41]学者的研究结果提示ADC值解释的复杂性，GM病灶内平均ADC值与炎症发展阶段有关，当脓腔小而密集时可能导致所测ADC值出现偏倚。此外，不同b值也会对ADC值的测量产生一定影响。低b值条件下，DWI图像受微循环灌注的影响较大，常会产生比扩散效应更大的信号衰减，导致ADC值的测量准确性降低。在高b值条件下，DWI图像具有较高扩散权重和对比度，微循环灌注的影响相对减弱，ADC值接近真实扩散系数D^[42]。部分研究表明当b=1000 s/mm²时，DWI序列对诊断乳腺疾病具有较高敏感度、特异度^[43]。但目前国内外关于鉴别乳腺良恶性疾病的最佳b值尚未统一，未来仍需要进一步探讨在不同b值条件下所获ADC值在GM与NMBC时存在的差异与其潜在临床应用价值。

       张田^[44]的研究创新性探讨相对ADC值的诊断意义，患侧病变ADC值、rADC1值（病变ADC值/同侧乳腺正常腺体ADC值）、rADC2值（病变ADC值/对侧乳腺正常腺体ADC值）均有鉴别价值，且rADC2值的诊断效能最高，这一发现可能归因于rADC2值能够同时反映病变本身的特征和对侧正常组织的参考状态，从而减少了单侧乳腺背景信号变异带来的干扰。但在该研究中所纳GM占乳腺炎总样本的26%，这种样本构成的差异可能导致研究结果的偏差，故该研究结果未来仍需要进一步验证。

       GM较高的ADC值与NMBC较低的ADC值形成鲜明对比，且rADC2 值展现出良好的鉴别诊断效能。但现有研究仍存在NMBC样本类型多样以及扫描参数不同等局限性，故未来的研究中应考虑纳入单一类型NMBC样本、统一扫描参数（多中心研究统一扫描设备）等，从而系统分析DWI对GM与NMBC的鉴别能力，进一步明确其应用价值。

1.4 DCE-MRI联合DWI

       部分学者认为，DCE-MRI联合DWI是鉴别乳腺病变的最佳成像方式^[45]。冯友红^[46]通过联合DCE-MRI、DWI及ADC值探讨其在鉴别GM与NMBC的诊断价值发现，三者联合鉴别GM与NMBC的敏感度、准确率可达96.67%、92.00%。通过该研究可以发现，多参数MRI鉴别GM与NMBC可获得较高的临床效益，进一步提高早期诊断准确性。史叶锋等^[41]的研究结果与其基本一致。

       有研究表明，纤维腺体组织的数量及其相关的组织细胞结构可能会导致病灶和正常组织的ADC值被低估^[47]。PERIĆ等^[48]通过在DCE-MRI乳腺剪影图像中勾画ROI，以减小乳腺纤维腺体的影响，研究ADC值鉴别非肿块样强化灶良恶性的价值。研究结果表明在此方法下，对于整个肿瘤ROI，排除恶性肿瘤的标准为ADC值大于1.505×10^-3 mm²/s，敏感度为97.1%，具有较高临床诊断价值。但使用DCE-MRI剪影图像勾画病灶ROI具有一些局限性，即对图像中较暗区域的判别存在挑战性，故在未来研究中可进一步探索如何提高勾画ROI的准确性。

       综上，DCE-MRI联合DWI鉴别GM与NMBC的联合模型已初步展现较为优异的临床诊断价值，且整合ADC值后可进一步提升其临床诊断性能。然而，现有研究多存在样本量较小、参数异质性等局限性，故未来进行GM与NMBC的鉴别研究时可通过增加样本量、进行多中心研究、统一扫描参数等进一步探讨DCE-MRI联合的鉴别诊断能力，为临床早期制订个体化治疗方案提供可靠依据。

2 影像组学在鉴别GM与NMBC中的应用

       影像组学借助计算机技术和特定算法，从MRI图像中提取大量高通量特征，以揭示病灶的微观结构与异质性，旨在通过捕捉肉眼难以识别的信息，为疾病的诊断、治疗与预后提供深层次支持，从而提升临床医生的诊断准确率^[49]。

       在构建影像组学模型的过程中，支持向量机（support vector machine, SVM）作为一种有监督学习算法，在处理中小规模的样本数据时，能有效避免过拟合现象^[50]。吕顺一等^[51]探讨影像组学在非肿块样强化病变中鉴别GM和乳腺癌的应用价值，研究中选取DCE-MRI中的第二期与高b值DWI序列，通过使用SVM分类器分别构建基于DCE-MRI序列、DWI序列及联合序列的影像组学预测模型。结果显示，在训练集中，三种模型的AUC分别为0.864、0.855和0.947，其中联合模型展现出最佳预测效能，且决策曲线分析进一步证实，无论是在训练集还是测试集中，联合模型均取得较高的临床收益。

       KAYADIBI等^[52]进一步探讨基于机器学习的临床、影像组学和联合模型在区分GM和NMBC中的应用效能。研究发现，脓肿、瘘管和皮肤变化等特征在GM组中更为常见。在非肿块样强化病灶的评价中，联合模型取得最佳区分性能（AUC：0.979），为多参数影像组学分析在临床实践中的应用提供了有力证据。

       基于全病灶的ADC直方图和纹理分析能够全面反映病灶的微观结构和异质性，从而提供更加客观、完整的定量信息^[53]。在此基础上，ZHAO等^[54]开展一项创新性的研究，探讨乳腺ADC直方图和纹理分析鉴别GM与NMBC的临床价值。研究中共提取7个一阶直方图参数和4个二阶纹理参数，其中，第5百分位数、差异熵和熵差异具有统计学意义（P<0.05）。通过联合上述参数构建预测模型，其鉴别GM与NMBC的AUC为0.778，准确度为79.3%、敏感度为87.1%。此外，研究显示NMBC的差异熵和熵均高于GM，提示NMBC可能具有更高的内部异质性。但该研究存在研究样本小、扫描参数具有异质性等局限性，未来仍需更完善的研究进一步证实。基于全病灶的ADC直方图和纹理分析有望成为辅助GM与NMBC鉴别诊断的有力工具，为推动GM的精确诊断和个体化治疗做出重要贡献。

       以上研究证实影像组学在鉴别GM与NMBC方面不可替代的重要性。但影像组学中病灶ROI的勾画往往存在人为导致的偏差，且不同个体乳腺背景实质强化的影响不能够完全排除，故在未来研究中，纳入研究对象及勾画病灶ROI时应尽可能减少偏差，以寻求更精准的鉴别诊断依据，协助临床制订治疗策略、改善患者预后生活质量。

3 小结与展望

       当前，多参数MRI技术已成为鉴别肉芽肿性乳腺炎与NMBC的重要工具。多参数MRI通过综合分析病灶的形态学特征、功能学参数以及TIC特征，显著提高了鉴别诊断的准确性，为临床诊断提供多维度的评估手段。影像组学的引入也为这一领域带来了巨大突破，实现了对病变特征的深度挖掘和客观量化，为鉴别诊断提供了更加深入和个性化的依据。然而，当前研究仍存在若干局限性，如多为单中心、小样本研究、不同研究间存在参数异质性、未充分考虑不同乳腺癌亚型（如Lumina A型、Lumina B型、HER-2阳性型、三阴性等）的影像特征差异、乳腺腺体数量及乳腺背景实质强化对病灶评估的影响等，故未来仍需多中心、大样本以及标准化的研究来进一步开发及验证多参数MRI在鉴别GM与NMBC中的研究价值。随着人工智能技术的快速发展，特别是深度学习，如卷积神经网络（convolitional neural network, CNN）、Transformer、自监督学习（self-supervised learning, SSL）等，已在预测乳腺癌分子分型、腋窝淋巴结专业及新辅助治疗疗效中广泛应用并取得优异效能，我们有理由相信未来会有更加精准、高效的无创鉴别诊断方案的出现，为实现个体化精准医疗的目标提供更多可能性。