0 引言

       乳腺癌是女性最常见的恶性肿瘤之一，发病率居高不下^[1]。2025年美国癌症协会报告显示，乳腺癌占女性新发癌症的32%，年新发病例约31.7万例，其治疗已成为女性健康的核心问题^[2]。由于不同分型的乳腺癌在肿瘤内环境及治疗反应上差异显著，仅靠传统的临床表现和影像学特征难以准确判断每位患者的预后^[3]。因此，为了更精确地进行风险分层，众多研究者开始聚焦于分子和免疫相关指标^{[4, 5]}。在乳腺癌的生物标志物中，细胞增殖核蛋白Ki-67是乳腺癌术后复发风险的独立预测因子，其表达水平与患者存活率密切相关^{[6, 7]}。

       乳腺癌的诊断与评估依赖多种影像学方法，如超声、磁共振成像（magnetic resonance imaging, MRI）和计算机断层扫描（computed tomography, CT）^[8]。其中光谱CT作为一种新兴功能成像技术，能有效提供包括光谱曲线斜率（the spectral slope, λHU）、碘浓度（iodine concentration, IC）和有效原子序数（effective atomic number, Zeff）等定量信息，更精确地反映组织血供、成分差异及生物学特性^[9]。

       Ki-67作为细胞增殖与预后的重要指标，其表达水平影响治疗选择^[10]。在光谱CT方面，有初步研究提示光谱CT参数可能与乳腺癌免疫组化存在关联^{[11, 12]}。并且有研究进一步表明光谱CT 静脉期的标准化碘浓度（normalized iodine concentration, NIC）及标准化有效原子序数（normalized effective atomic number, nZeff）与Ki-67均有较好的相关性^[13]。在MRI方面，已有研究证实扩散加权成像（diffusion-weighted imaging, DWI）的定量参数与Ki-67的表达水平存在关联^{[14, 15]}。此类研究多为单一模态，两者关于Ki-67的联合应用研究较为少见，并未深入探究多模态数据融合的信息互补与协同增效能力。本研究旨在探索静脉期光谱CT与MRI的联合应用价值，通过构建多模态联合模型，系统地评估其较单一模态模型能否显著提升预测Ki-67表达水平的效能，从而验证两种技术联合的协同效应，为乳腺癌Ki-67的术前无创评估提供一种多模态影像学新方法，对提高临床术前风险分层与个体化新辅助化疗决策的精准性具有重要价值。

1 材料与方法

1.1 研究对象

       前瞻性连续纳入南通市第一人民医院2023年10月至2025年10月于术前或穿刺前接受光谱CT胸部增强扫描的疑似乳腺恶性肿瘤患者104例，其中4例因图像质量不佳排除，最终纳入100例。纳入标准：（1）乳腺X线或MRI评估BI-RADS分类为4~5类；（2）病理资料完整且术后组织标本均经免疫组化（immunohistochemistry, IHC）检测Ki-67表达水平；（3）术前2周内完成光谱CT检查且与MRI检查相隔小于1周。排除标准：（1）光谱CT检查前已接受穿刺或手术；（2）图像存在运动伪影或MRI扫描参数不一致。根据IHC结果，将患者分为Ki-67高表达组（58例）和Ki-67低表达组（42例），Ki-67指数≥20%定义为高表达^[16]。本研究遵循《赫尔辛基宣言》，经南通市第一人民医院伦理委员会批准（伦理审查编号：2023XJSL062、2025XM109），所有受试者均签署知情同意书。

1.2 图像数据采集

       光谱CT使用荷兰Philips Healthcare IQon Spectral CT扫描仪，患者取仰卧位，扫描范围自肺尖至肺底。采用光谱CT扫描协议进行增强扫描。扫描参数：管电压80 kV /140 kV，融合系数0.3 [进行双能量（80 kV和140 kV）扫描后，将两组原始数据重建成常规混合灰度图像时的低能数据权重占比为30%]，管电流89 mAs，采用CARE Dose 4D模式，准直器宽度64×0.6 mm，矩阵512×512，螺距0.55，旋转时间0.28 s/r。经肘静脉以3 mL/s流率注射碘海醇（美国，GE Health Care），剂量为1.5 mL/kg。采用团注追踪技术，在胸主动脉（主支气管分叉水平）设置监测感兴趣区（region of interest, ROI），阈值达100 HU后延迟25 s进行静脉期扫描。图像重建层厚与层距均为1.0 mm，采用迭代重建（3级）算法。这些方案措施的实施旨在尽量降低患者间差异，并在图像采集过程中使各患者获得可比且一致的对比增强时相^[17]。

       MRI使用德国Siemens Verio 3.0 T超导型MRI机，16通道相控阵乳腺专用线圈，患者俯卧位，双侧乳房自然悬垂于乳腺线圈中央，双侧上肢自然摆放身体两侧，所有绝经前患者扫描均在月经周期第2周（7~14天）以减少背景强化。扫描序列和参数：横断面T1WI非脂肪抑制三维扰相梯度回波序列：TR 6.04 ms，TE 2.45 ms，翻转角20°；横断面T2WI快速反转恢复序列：TR 4300 ms，TE 61 ms，翻转角80°；横断面DWI平面回波成像序列：TR 7300 ms，TE 82 ms，翻转角90°，层厚5 mm，层间距5 mm，b=50、800 s/mm²，横断面T1WI动态增强脂肪抑制三维扰相梯度回波序列：TR 4.67 ms，TE 1.66 ms，翻转角10°，FOV 340 mm×340 mm，层厚1.2 mm，无间隔扫描6个时相，扫描时间6 min 25 s，高压注射器（美国Mallinckrodt，型号Optistar LE）以2 mL/s的流率注射对比剂钆特酸葡胺（中国，山东威智百科药业有限公司）15~20 mL，然后注射等量生理盐水冲管，25 s注射完毕触发扫描，每个时相采集1 min。

1.3 图像后处理与分析

       将静脉期光谱图像导入Philips IntelliSpace Portal工作站（荷兰Philips Healthcare, Version 12.1）进行后处理。由两位不知晓病理结果的放射科医师（一名住院医师及一名主治医师，工作年限分别为2年、10年）独立分析图像。在IC图像上，于病灶强化最明显的实性区域放置ROI，避开血管、坏死、钙化及脂肪区域；病灶直径<1 cm时，ROI面积控制在4~15 mm²，病灶直径≥1 cm时，ROI面积控制在10~25 mm²；若为非肿块病灶，则选取三个不同空间象限且涵盖高、中、低强化梯度的区域分别放置ROI并取平均值（两两中心间距大于病灶最大径的1/3，并避开坏死、钙化、血管）；同时在同层面主动脉管腔中心放置ROI（面积20~45 mm²），记录病灶与主动脉的IC。在Zeff图像上，保持ROI位置不变，记录病灶与主动脉的Zeff值。在单能量图像中，复制相同的ROI获得40、80 keV区的CT值。计算NIC（NIC=IC病灶/IC主动脉）、nZeff（nZeff = Zeff病灶/Zeff主动脉）及光谱曲线斜率[λHU=(CT40keV-CT80keV)/(80-40)]。在静脉期40 keV单能量图像上评估病灶大小、形态（图1）。

       MRI图像分析在syngo.via（德国Siemens Healthineers，VB408_HF08）进行，包括：在动态增强MRI（dynamic contrast-enhanced MRI, DCE-MRI）第二期病灶最大层面及上下层手动勾画与光谱CT层面相对应的病灶最大层面，避开坏死囊变区，测量早期强化值（定义为DCE-MRI第二期病灶的绝对信号强度）；并在DWI上病灶弥散受限区域复制相同的轮廓测量表观扩散系数（apparent diffusion coefficient, ADC），获取ADCmax、ADCmin及ADCmean值；在病灶实质强化最明显区域获取时间-信号强度曲线（time-signal intensity curve, TIC）（图2）。

点击查看大图

图1  Ki-67低表达组及高表达组的乳腺癌患者光谱CT图像示例。1A~1D：女，49岁，浸润性导管癌，Ki-67低表达。1E~1H：女，63岁，浸润性癌，Ki-67高表达。1A和1E：静脉期40 keV图像；1B和1F：常规CT静脉期图像；1C和1G：静脉期Zeff图，测得相应Zeff值，1C为8.10，1G为8.80；1D和1H：静脉期碘图，测得IC，1D为1.12 mg/mL，1H为2.63 mg/mL。Zeff：有效原子序数；IC：碘浓度。
Fig. 1  Examples of spectral CT images in breast cancer patients with low and high Ki-67 expression groups. 1A to 1D: A 49-year-old female with invasive ductal carcinoma and low Ki-67 expression. 1E to 1H: A 63-year-old female with invasive carcinoma and high Ki-67 expression. 1A and 1E: Venous-phase 40 keV images; 1B and 1F: Conventional venous-phase CT images; 1C and 1G: Venous-phase Zeff maps, with the corresponding Zeff values measured as 8.10 in 1C and 8.80 in 1G; 1D and 1H: Venous-phase iodine maps, with the IC values measured as 1.12 mg/mL in 1D and 2.63 mg/mL in 1H. Zeff: effective atomic number; IC: iodine concentration.

点击查看大图

图2  Ki-67低表达组及高表达组的乳腺癌患者MRI图像示例。2A~2D：女，49岁，浸润性导管癌，Ki-67低表达。2E~2H：女，63岁，浸润性癌，Ki-67高表达。2A和2E：第2期增强减影图像；2B和2F：DWI图像；2C和2G：ADC图像；2D和2H：TIC图，均呈流出型。DWI：扩散加权成像；ADC：表观扩散系数；TIC：时间-信号强度曲线。
Fig. 2  Examples of MRI images in breast cancer patients with low and high Ki-67 expression groups. 2A to 2D: A 49-year-old female with invasive ductal carcinoma and low Ki-67 expression. 2E to 2H: A 63-year-old female with invasive carcinoma and high Ki-67 expression. 2A and 2E: The second-phase enhancement subtraction image; 2B and 2F: DWI maps; 2C and 2G: ADC maps; 2D and 2H: TIC, all showing a washout pattern. DWI: diffusion-weighted imaging; ADC: apparent diffusion coefficient; TIC: time-intensity intensity curve.

1.4 Ki-67检测方法

       本研究所有病例的乳腺癌穿刺病理标本或手术切除标本均进行Ki-67检测。Ki-67阳性表达位于细胞核，阳性细胞染色呈淡黄色至棕黄色，Ki-67指数定义为以任意10个高倍镜视野中Ki-67阳性细胞数所占百分比。当百分比<20%，归为Ki-67低表达组；百分比≥20%，归为Ki-67高表达组^[16]。

1.5 统计学分析

       采用R 4.5.3软件（The R Foundation, https://www.r-project.org）进行统计分析，双侧P<0.05为差异有统计学意义。连续变量经Kolmogorov-Smirnov检验评估正态性，符合正态分布者以均数±标准差表示、组间比较采用独立样本t检（方差不齐时行Welch校正），非正态分布者以中位数（四分位数间距）表示、采用Mann-Whitney U检验；分类变量以频数表示，采用χ²检验或Fisher确切概率法。采用组内相关系数（intra-class correlation coefficient, ICC）评估连续变量的一致性；采用Kappa检验评估分类变量的一致性。鉴于候选变量较多，对全部14个光谱CT与MRI特征的组间比较P值统一行Bonferroni校正（校正后α=0.05/14≈0.004），临床病理变量不纳入校正。以容忍度及方差膨胀因子（variance inflation factor, VIF）评估候选参数共线性；将单因素分析中差异有统计学意义的参数以向前逐步法（纳入P<0.05，剔除P>0.10）分别纳入二元logistic回归，构建光谱CT模型、MRI模型及联合模型，并对各模型内部再次进行共线性诊断，连续变量回归系数以每增加1个标准差（standard deviation, SD）的比值比（odds ratio, OR）报告。采用受试者工作特征（receiver operating characteristic, ROC）曲线评估效能，以约登指数确定最佳截断值，曲线下面积（area under the curve, AUC）的比较采用DeLong检验；以Hosmer-Lemeshow检验及校准曲线评价校准度（P>0.05提示拟合良好）；采用决策曲线分析（decision curve analysis, DCA）评估临床净获益。

1.6 光谱CT辐射剂量数据采集

       根据纳入患者的检查信息列表中辐射剂量信息表，采集患者整个扫描范围内的平均辐射剂量（computed tomography dose index, CTDI）、总辐射剂量（dose length product, DLP）以及平扫期及静脉期的辐射量，并计算受检者的有效辐射剂量（effective dose, ED）。有效辐射剂量依据公式ED=DLP×K计算（公式中K为换算因子，依据欧洲CT质量标准指南^[18]，成年人胸部的K值为0.014 mSv·mGy^-1·cm^-1）。

2 结果

2.1 光谱CT定量参数及MRI分析

       2名观察者间参数的一致性良好（ICC 为0.895~0.941，P<0.01；κ为0.923~0.975，P<0.01）。经Bonferroni多重比较校正后，CT40keV、λHU、IC、NIC、Zeff、nZeff及ADC值在两组间的差异仍具有统计学意义（校正后PBonferroni<0.05），而校正后早期强化值的差异不具有统计学意义（校正后P>0.05）（表1）。

点击查看表格

表1  临床病理特征及静脉期光谱CT和MRI基线表（含Bonferroni多重比较校正）
Tab. 1  The baseline table of clinicopathological characteristics and venous-phase spectral CT and MRI (with Bonferroni correction for multiple comparisons)

2.2 光谱CT参数模型、MRI模型及两者联合构建模型的诊断效能

       采用向前选择法构建三种logistic回归模型，用于预测乳腺癌Ki-67表达水平。根据ROC曲线及DeLong检验的分析结果，联合模型的诊断性能优于MRI模型（Z=2.216，P=0.020）及光谱CT参数模型（Z=2.607，P=0.009）（图3、表2、表3）。

       Hosmer-Lemeshow检验显示，三个模型拟合良好（均P>0.05），校准曲线贴近理想对角线。联合模型在保持最佳判别力的同时校准度亦优于单纯MRI模型，进一步支持了联合建模的稳健性（图4）。

点击查看大图

图3  光谱CT参数模型、MRI模型与联合模型的ROC曲线。ROC：受试者工作特征；AUC：曲线下面积。
Fig. 3  ROC curves of the spectral CT parameter model, MRI model, and combined model. ROC: receiver operating characteristic; AUC: area under the curve.

点击查看大图

图4  光谱CT模型、MRI模型与联合模型的校准曲线。
Fig. 4  The calibration curves of the spectral CT model, the MRI model, and the combined model.

点击查看表格

表2  各模型评估乳腺Ki-67表达水平的logistic回归分析结果
Tab. 2  The logistic regression analysis results of each model for evaluating Ki-67 expression levels in the breast

点击查看表格

表3  光谱CT模型、MRI模型及联合模型ROC曲线分析结果
Tab. 3  The ROC curve analysis results of the spectral CT model, the MRI model, and the combined model

2.3 模型的决策曲线分析

       决策曲线分析显示，在约0.2~0.7的阈值概率范围内，联合模型的净获益均高于光谱CT模型、MRI模型以及“全部干预”与“全不干预”两种极端策略。在中高阈值区间（如0.5~0.7），联合模型的净获益优势尤为明显（表4，图5）。

点击查看大图

图5  光谱CT参数模型、MRI模型与联合模型的决策曲线。
Fig. 5  The decision curves of the spectral CT parameter model, the MRI model, and the combined model.

点击查看表格

表4  各模型在代表性阈值概率下的净获益
Tab. 4  Net benefit of each model at representative threshold probabilities

2.4 光谱CT辐射剂量

       本研究纳入患者的总体DLP控制在（469.28±7.14）mGy*cm，总体ED为（6.57±0.09）mSv，平扫期ED为（2.49±0.06）mSv，静脉期ED为（2.48±0.06）mSv（表5）。

点击查看表格

表5  辐射剂量表
Tab. 5  Radiation dose table

3 讨论

       本研究为前瞻性研究，采用静脉期光谱CT定量参数联合MRI特征建立模型，用于术前评估乳腺肿瘤Ki-67表达水平。本研究提取了CT值、IC、Zeff、λHU、ADC及TIC等影像学指标，通过单因素分析和logistic回归分别建立光谱CT模型、MRI模型及联合模型，得出AUC并进行DeLong检验，计算敏感度及特异度，完善校准曲线及决策曲线。联合模型的效能最优，有望为乳腺肿瘤Ki-67表达水平的无创预测提供更准确的术前依据。

3.1 光谱CT定量参数与乳腺癌Ki-67表达的相关性

       光谱CT的定量参数可用于预测肿瘤的生物侵袭性^{[19, 20]}。在病灶中，碘等高原子序数物质具有更明显的能量依赖性衰减特征，其反映对比剂在组织内分布差异的准确性较高。因此，IC与NIC多用于间接反映病灶的微血管密度及通透性变化^[21]。λHU通常由低能级与较高能级单能量图像的CT值差除以能量差计算，可反映血供水平及组织成分差异^[22]。Zeff及nZeff通过不同组织成分对X射线能量衰减的差异，反映组织内在密度和构成，Ki-67表达越高，肿瘤细胞增殖越快，细胞堆积致组织密度增加，进而使Zeff及nZeff相应升高^{[23, 24]}。既往有浸润性乳腺癌的研究证明，Ki-67高表达组的静脉期NIC（0.42 vs. 0.23）、nZeff（0.88 vs. 0.85）及λHU（3.10 vs. 2.86）均高于低表达组，具有统计学差异（P<0.05）^[25]。在本研究中，静脉期结果显示Ki-67高表达组定量参数均明显升高，呈正相关，与上述文献报道基本一致。

3.2 MRI特征在乳腺癌Ki-67表达评估中的价值

       除光谱CT外，MRI也可提供肿瘤微结构与动力学方面的信息。既往有DCE-MRI的相关研究表明，Ki-67升高常伴随增强达峰时间缩短及更显著的ADC改变，可能与增殖加快后出现的血氧失衡、组织坏死、组织纤维化及扩散概率增大有关^[26]。本研究的发现与此一致，Ki-67高表达组的ADC值更低，这说明Ki-67高表达组有更活跃的通透性改变、更高的细胞密度与更明显的扩散受限。PICKLES等^[27]在新辅助治疗的研究中也发现，ADC变化往往早于体积缩小出现，说明其对微结构变化更敏感凭借ADC对微结构变化的敏感性，其在监测肿瘤内部结构变化方面具有独特优势。本研究在DCE-MRI分析中仅取第2期的早期强化绝对值，未纳入3~6期的后期时相，是由于晚期时相（>2 min）虽能反映对比剂外渗至血管外细胞外间隙的情况，但其易受心输出量及动脉输入函数个体差异的干扰。本研究过程中未进行药代动力学模型拟合以校正干扰，故不宜采用后期时相。相比之下，早期强化阶段主要受肿瘤灌注及血管通透性影响，可更好地间接反映肿瘤的增殖活性^[28]。在本研究中，Bonferroni校正后早期强化值的P值未达到显著性阈值（校正后P=0.168），未纳入最终模型。这一结果可能与以下因素有关：①本研究测量的是病灶的绝对信号强度，而非经标准化处理的早期增强比，后者可能更能反映血流动力学特征；②本研究的样本量有限，对于效应量较小的指标可能存在检验效能不足。TUAN LINH等^[29]采用标准化早期信号增强比，发现其与Ki-67表达水平存在弱相关性（P=0.047），说明标准化处理是未来研究优化的方向，但仍需更大样本验证。此外，TIC虽然没有显著的统计学意义，但其在高表达组中流出型比例更高，说明高增殖特征的病灶强化特点更接近“快进快出”的模式，与众多学者的研究一致^{[30, 31]}。

3.3 联合模型在乳腺癌Ki-67表达评估中的价值

       本研究整合光谱CT定量参数与MRI特征，构建联合预测模型。结果表明，该模型（纳入NIC、ADCmean）在预测乳腺肿瘤Ki-67高表达方面展现的效能显著优于单一模型。ADC值基于水分子扩散受限程度，反映肿瘤细胞密度及组织结构致密性^[32]。因此，NIC与ADC分别从血供与细胞密度两个层面提供互补信息，可较为全面地表征肿瘤增殖微环境，从而提高对Ki-67表达水平的预测能力。值得注意的是，在联合模型中，NIC的OR值由单模态的2.115升高至3.242，说明ADC的加入可能通过校正肿瘤细胞密度对血流动力学参数的影响，使NIC更为准确地反映肿瘤新生血管的真实状态，从而增强了其与Ki-67增殖活性的关联强度。

3.4 研究的局限性

       本研究亦存在不足：（1）本研究为单中心前瞻性研究，样本量有限，未经过外部验证，在实际临床应用方面尚不明确，未来需要进行多中心、大样本的外部验证研究以验证模型的实用性；（2）本研究中低表达组缺乏三阴性乳腺癌的患者，对于该分子分型的患者结论不宜外推；（3）ROI为人工勾画，可能存在观察者差异与选择偏倚；（4）Ki-67检测存在实验室间差异（计数方法、阈值选择等）；（5）仅纳入BI-RADS 4~5类患者，模型在BI-RADS 3类患者中的效能未知。（6）我院乳腺MRI检查采取b值为50和800 s/mm²，不同于当前指南推荐b=1000 s/mm²，可能导致ADC高估，建议未来研究采用更高b值以提高特异性。在低剂量扫描条件下，迭代重建技术仍可维持较好的定量测量准确性，为进一步优化扫描方案提供参考依据^[33]。在安全性评估方面，既往综述指出CT单次检查的平均有效剂量多为1.4~10.0 mSv；对多次复查随访的人群，即使进行低剂量扫描，仍需评估电离辐射的潜在风险^[34]。总体而言，光谱CT不可避免地存在辐射暴露，但本研究中患者接受的ED为（6.57±0.09）mSv处于公认安全剂量水平的可接受范围，为乳腺癌患者提供一种减少辐射暴露的评估方法。

4 结论

       综上所述，静脉期光谱CT的NIC及 MRI的ADCmean与Ki-67分层高度相关，多模态整合后模型表现更佳，可用于术前无创评估高增殖风险并辅助临床分层决策。