乳腺硬化性腺病(sclerosing adenosis，SA)是乳腺腺病的一种，是一种常见的女性非肿瘤性良性上皮增生性病变，虽然乳腺SA尚未被认为是一种癌前病变，但其存在可以增加患癌的风险，是双侧乳腺癌患病的独立风险因素^{[1, 2, 3, 4]}。与乳腺癌病理基础不同，乳腺SA小叶膨大且结构保留，界限清楚，小叶中心腺体成分增生伴有基质硬化^[1]，仍存在外周肌上皮细胞层以及上皮细胞。该病病因至今尚未明确，普遍认为与激素不平衡有关。患病年龄分布范围广(22～73岁)，主要集中在围绝经期年龄段^{[5, 6, 7, 8]}。大部分为无症状患者通过体检发现，偶因乳房胀痛和/或乳房肿块就诊。

       乳腺SA常伴随良恶性肿瘤出现，其影像学表现会出现类似恶性肿瘤的征象，故而增加了放射科医师诊断的难度。为减少患者因误诊或过度诊断而造成的不必要损失，充分了解该疾病影像学表现非常重要，本文将从多种影像学技术在乳腺SA的影像学表现及应用方面进行综述。

1 X线摄影

1.1 乳腺SA的X线摄影及影响因素

       X线摄影(mammography，MG)适用于40岁以上女性乳腺患者的筛查，在显示SA患者中会出现的微小钙化、结构扭曲检出方面有突出优势。常规MG一般采取双侧乳房的头尾位和内外斜位进行投照，必要时可加摄局部放大点压片。应用于乳腺疾病诊断的MG技术还包括增强X线摄影(contrast-enhanced mammography，CEM)、基于光栅的相位对比成像乳腺摄影术(grating-based phase-contrast mammography)、对比增强断层扫描(contrast-enhanced tomography，CET)、数字乳腺断层合成(digital breast tomosynthesis，DBT)。MG在中国女性SA诊断中的误诊率较高(17.9%～85.1%不等)^[5,7，8]，学者们普遍认为与SA患者较年轻、东方女性乳腺纤维腺体组织更致密有关，此外，影像医生经验不足，对病灶中心密度高低、周围毛刺形态的认识不够以及SA大多表现为可疑钙化均会造成误诊为恶性病变^[5，6,8]。

1.2 乳腺SA的MG表现

       乳腺SA的X线表现复杂多变，容易与乳腺恶性病变混淆。Chen等^[6]在对136例SA患者的乳腺X线表现进行的大样本研究中，SA表现的微钙化主要以点状成簇分布为主，肿块伴钙化更常见于SA中。国内学者研究普遍认为，乳腺SA钙化多表现为细小多形性区域性分布，或钙化稍松散成簇分布，一般不会出现线性钙化，这些特征有助于SA诊断并与非硬化性腺病及导管原位癌进行鉴别；SA表现为结构扭曲，其病灶中心未见异常增高密度影，又称病灶中心透X线(黑星)，而恶性病变的多为不透X线(白星)^[7,10]。汪俐杉等^[8]认为MG表现结构扭曲时，乳腺癌病变中心组织成分为癌细胞，部分伴出血坏死，表现为病灶中心稍高/高密度(即白星)，SA病理基础是正常腺体发生结构扭曲变形，中心无肿块，MG病灶中心表现稍低/低密度(即黑星)；SA病灶周围毛刺柔软细长,粗细较均匀,病理基础为纤维组织增生,乳腺癌毛刺僵硬、由粗到细,病理基础是毛刺从根部到远端肿瘤细胞逐渐减少甚至消失且纤维组织成分逐渐增加，其中伴有少量炎性细胞浸润,故SA病灶中心为稍低和/或低密度、病灶周围毛刺柔软细长、粗细较均匀可与乳腺癌进行鉴别。由此可见，当出现微钙化表现点状成簇分布，钙化为细小多行区域分布或松散成簇分布，结构扭曲中心灶稍低/低密度“黑星”，病灶周边出现细长粗细均匀的毛刺可考虑SA。

       近期Tan等^[11]提出簇状微钙化和乳腺密度变化可作为早期评估浸润性乳腺癌患病风险的影像指标。虽然现有研究认为SA的乳腺X线表现可根据钙化的分布、肿块的大小、边缘及形状与恶性病变进行区分，但诊断准确率仍偏低，误诊率高，需要更充分认识和寻找SA的X线特征性表现，必要时使用DBT或增强X线或结合其他方法提高诊断准确率。

       国外学者研究认为CEM和基于光栅的相位对比成像乳腺摄影术对疑似恶性[乳腺影像报告和数据系统4类(Breast Imaging Reporting and Data System 4，BI-RADS 4)]的微钙化诊断鉴别更有优势^[12，13]；DBT在致密型乳腺患者的病变检出较常规MG有明显优势，特别在微钙化的良恶性鉴别，以及小结节是否浸润有着很好的诊断效能^[14，15]；DBT对乳腺结构扭曲的检出率高于常规MG和超声，有利于鉴别良恶性结构扭曲，在恶性结构扭曲的检出中更有优势，其中良性结构扭曲(已纳入SA)多为对称或轮辐毛刺状^{[16, 17, 18]}。目前国内外学者利用CEM、CET、DBT多进行乳腺良恶性鉴别方面的研究，尚缺乏有关乳腺SA的CEM、CET、DBT影像学表现方面的大样本研究报道。

2 超声

2.1 乳腺SA的US成像及影响因素

       超声(ultrasound，US)因其无创、成本低、等待时间短且无辐射已成为筛查乳腺疾病的最重要的工具之一。检查体位采取平卧位或侧卧位，患者双手抱头，充分暴露腋窝及乳房，检查医师依据乳腺检查常规顺序对各个象限进行多方位扫查，并根据患者病史对重点部位仔细扫查。应用于SA诊断的除常规US外还包括增强超声、弹性成像技术(elastography)、自动乳腺全容积成像技术(automated breast volume scanner，ABVS)等。常规US在显示结构扭曲及钙化方面虽然不如MG，但在年轻患者或乳腺纤维腺体致密的情况下，高频率和高分辨率的US要优于MG对乳腺的评估。传统US主观性强，依赖操作者的经验。近期Shao等^[19]对增强US与常规US在乳腺SA中的诊断效能进行了比较，增强US的敏感度、特异度和准确度均高于常规US，敏感度甚至高达100%，增强US有助于提高SA的检出率。Elastography可以测量乳腺病变的硬度，并提供剪切波速度(shear wave velocity，SWV)等定量信息鉴别良恶性病变。ABVS是一种新的三维容积US成像技术，可获取三维图像并具有可重复性。文欢等^[20]研究表明，ABVS更有利于显示微型钙化，联合US比单独US对乳腺良恶性疾病的诊断效能要高，且优于US和MG的联合诊断效能。

2.2 乳腺SA的US表现

       寻找乳腺SA超声的特异性表现对其与其他疾病特别是恶性肿瘤的鉴别诊断尤为重要。多数学者研究认为SA超声主要表现为良性肿块病变，也可出现形状不规则和边界不清，部分肿块边缘呈毛刺状，这正是容易与恶性病变混淆的表现^[21]；由于乳腺SA病灶内的纤维增生和恶性肿瘤在细胞恶变过程产生的胶原纤维都会导致回声衰减，局部回声衰减是否为乳腺SA的特异性表现仍有争议^[8]。姚洁洁等^[22]将35例女性乳腺SA的US表现分为类似恶性肿块特征型、良性结节特征型(圆形或椭圆形肿块，呈低回声，水平位生长，边界清晰，边缘规则，后方回声无改变或轻度增强)和腺体结构紊乱三种类型，其中良性结节特征型诊断SA的诊断准确率最高(达93%)，缺乏血供这一特征最具鉴别诊断价值(准确率达100%)。

       Liu等^[23]研究指出，在结合弹性成像评分后，病变肿块内钙化少见和病灶无血运的SA特征可以用来与浸润性导管癌鉴别。Toprak等^[24]对180名乳腺患者进行的US弹性成像研究指出，酷似恶性病变的疾病(肉芽肿性乳腺炎、SA、慢性炎症、脂肪坏死、纤维化乳腺组织和疤痕组织等良性病变)的SWV值与恶性病变的SWV值一样高，推测原因是这些良性病变组织硬度接近恶性病变，而SWV值是利用弹性成像技术测量组织声波速度(组织硬度)因而造成重叠。Shao等^[19]研究认为，良性病变组(单纯性SA和伴或不伴良性肿瘤的SA)的增强US主要表现为早期明显不均匀强化，边界清晰以及强化范围无扩大，认为这与SA早期阶段新生血管及伴发的上皮细胞增生活跃有关；恶性组(SA伴恶性病变)超声表现中强化范围扩大以及会出现蟹爪样增强信号(与恶性肿瘤及血管畸形有关)是与良性组的主要鉴别点(P值分别为0.012，0.008)。ABVS乳腺SA相关文献信息较少，有待研究数据的积累。

       乳腺SA虽无典型的US表现，但当出现肿块规则，边界清楚，肿块内部乏血供及少见钙化，增强US出现早期明显不均匀强化，边界清晰及强化范围无扩大时可考虑SA，必要时可参考SWV值，更多特异性表现需进一步研究。

3 磁共振成像

3.1 乳腺SA的MR成像及影响因素

       MRI检查时患者俯卧于专用的乳腺相控阵表面线圈上，双侧乳房自然悬垂于线圈内，双侧乳头与地面垂直。MRI主要采用高场强(1.5 T或3.0 T)系统，常规需要进行平扫和动态增强扫描，必要时增加扩散加权成像(diffusion weighted imaging，DWI)，获得半定量和定量血流动力学以及细胞弥散指标，包括时间信号曲线(time-signal intensity curve，TIC)、转移常数(transfer constant，K^trans)、速率常数(rate constant，Kep)、血管外细胞间隙容积(volume of extravascular extracellular space，Ve)以及表观扩散系数(apparent diffusion coefficient，ADC)值。

       乳腺是一个激素敏感的软组织器官，因此乳腺MRI受年龄、生理周期、扫描体位及脂肪抑制等多种因素的影响。一般绝经前期女性在月经周期的第7～14天进行检查有利于病变检出和诊断，激素水平相关的乳腺实质局灶性强化有时会与乳腺恶性病变在形态上难以鉴别，在进行MR检查前需避开月经周期的影响。抑制脂肪技术也对乳腺MR成像及SA诊断尤为重要，目前经常采用化学位移(chemical shift，CEST)、短时反转恢复(short time inversion recovery，STIR)、频率选择性脂肪饱和(frequency-selective fat saturation，fatsat)、水选择性激发(water-selective excitation)、水脂分离技术(Dixon technique)等技术进行脂肪抑制^[25]。

3.2 乳腺SA的MR表现

       乳腺SA常规MR图像上T1WI多为低信号，T2WI多为不均匀或高信号；增强后呈现以肿块或非肿块强化为主^[3,8]，内部强化方式以均匀性强化为主，当出现形态不规则、边缘毛糙不清、邻近腺体结构紊乱、呈星芒状肿块样改变时容易与乳腺癌混淆^[5,8,26,27]；TIC多为Ⅰ型(缓升型)或Ⅱ型(平台型)^{[7, 8, 9]}。现有研究认为，增强MR上非肿块强化出现局灶性或节段性分布，肿块强化出现形状不规则、边缘不清、强化不均匀、肿块≥1 cm，TIC早期快速增强呈Ⅲ型(流出型)或Ⅱ型时，为可疑乳腺癌特征^[28]。Oztekin等^[29]研究认为结节性SA的MR表现常为肿块强化，出现类似恶性病变特征，是SA中最易与乳腺癌混淆的一种亚型。因此，当SA出现类似恶性病变表现时，单纯依靠常规MR表现难以得出可靠诊断。

       Fornasa等^[30]通过对43例良性乳腺疾病(包括腺病、纤维囊病、纤维腺瘤及炎症等)进行DWI的ADC值测量，认为DWI有助于鉴别乳腺良恶性病变。Cheng等^[31]研究了腺病与浸润性导管癌的肿块和非肿块强化病变的平均ADC值间的差异，其中腺病肿块强化和非肿块强化病灶的ADC值分别为(1.40±0.31)×10^-3 mm²/s和(1.71±0.35)×10^-3 mm²/s；浸润性导管癌肿块强化和非肿块强化病灶的ADC值分别为(0.97±0.18)×10^-3 mm²/s和(1.05±0.29)×10^-3 mm²/s，认为ADC值有助于腺病与浸润性导管癌的鉴别，同时提示在鉴别良恶性病变时应考虑病变形态对ADC值的影响。DWI的ADC值对鉴别乳腺良恶性疾病有明确意义，对SA的诊断无特异性，SA常合并良恶性肿瘤，但在诊断困难时可参考ADC值有助于鉴别。

       朱丹等^[26]认为混合型乳腺腺病(已纳入SA)的TIC曲线早期均快速强化，晚期以流出型为主，动态增强联合DWI有助于乳腺腺病与浸润性导管癌的鉴别诊断，并认为乳腺腺病的间质纤维化可能是恶性征象出现的原因。李艳翠等^[7]研究认为T2WI序列信号不均匀、增强扫描呈星芒状小肿块、DWI图像轻度或无弥散受限以及ADC值(≥1.0×10^-3 mm²/s)减低不明显时应考虑SA的诊断。有研究表明，非肿块强化良性病变(纳入腺病)多表现内部均匀强化、脂肪抑制T2WI高信号以及TIC曲线多为Ⅰ型，且均与恶性病变表现(内部不均匀强化、T2WI低信号以及TIC曲线Ⅲ型)之间差别有统计学意义^[27]。汪俐彬等^[8]认为当MRI表现中心低信号的局灶强化、横断面与矢状面病灶形态有较大差异、Ⅰ型曲线、ADC值≥1.25×10^-3 mm²/s时可以考虑SA的诊断。目前多数学者认为，SA的TIC曲线多见于Ⅰ型或者Ⅱ型，联合ADC值有助于提高SA的诊断效能^{[7, 8, 9,26,27]}。

4 人工智能及其他在乳腺SA影像诊断中的应用

       人工智能辅助诊断系统近十几年比较热门，其中深度学习更是给医学界带来了巨大的进步，深度学习是受人类大脑结构和功能启发而出现的一种学习机器，它利用包含多个隐藏处理层次的人工神经网络通过复杂的等级结构从未处理信息去学习固定模式，在大量数据库和连续重复操作的训练后，通过改善连接输入与输出数据之间的算法来提高自己。目前，仅有部分学者在乳腺良恶性疾病鉴别诊断时纳入SA进行了超声、X线和MR方面相关研究。Wang等^[32]的最新研究指出DBT结合多路径协同融合(multi-path synergic fusion，MSF)深层神经网络模型有助于鉴别乳腺良恶性肿块。Xiao等^[33]和Choi等^[34]等分别通过对448名经病理证实患乳腺病变(218例恶性、230例良性)和226名患者(173例良性，53例恶性)的研究认为，基于深度学习的辅助超声诊断系统比有经验的放射科医师的诊断正确率更高，特别是对于纤维腺瘤和腺病，尤其是SA诊断准确率明显提高。国外学者在大样本(5151名乳腺患者)研究中获得结论，深度学习结合超声图像可以准确区分乳腺良恶性病变，对良性肿瘤敏感度和特异度更高^[35]。Han等^[36]研究了178例乳腺癌患者对侧BI-RADS 4类乳腺病变，其中81例良性病变中45例为单纯腺病，10例为SA，认为基于MRI放射组学的机器学习模型可以提高对侧BI-RADS 4类病变评估的准确率。近年有国外学者对结节性SA在分子乳腺成像(molecular breast imaging，MBI)方面进行了病例报告，结节性SA可以表现为局灶性摄取，MBI在乳腺SA中的诊断价值有待进一步研究^[37]。

5 小结

       综上所述，目前应用于乳腺SA疾病诊断中的影像技术主要是MG、US和MRI，虽然各种影像学表现多种多样且无特异性，且与恶性病变有混淆表现，但仍有部分影像征象可有助于SA的诊断，联合诊断可以提高SA诊断的准确率，人工智在乳腺SA方面的应用价值和前景有待进一步开发和探索。