0 前言

       乳腺癌已经成为全球最常见的女性恶性肿瘤，其发病率也在逐年上升^[1]。研究发现，新生血管的形成对于乳腺癌的发展和转移具有极为重要的作用，由于各种分子水平的乳腺癌基因表达特征不同，它们对血管的损伤也有所差异，从而影响到乳腺癌的预后^[2]。目前，针对新生血管生成靶向治疗的相关研究已成为临床热点，通过影像学尤其是多模态MRI手段检测和评价肿瘤新生血管的研究随之深入，其中以传统动态对比增强MRI（dynamic contrast-enhanced MRI, DCE-MRI）为代表的影像学技术是评价乳腺血管生成最常用、应用相对成熟的检测手段之一^{[3, 4]}。近年来的新兴及功能影像学技术包括超快DCE（ultrafast DCE, UF-DCE）、灌注加权成像（perfusion weighted imaging, PWI）、动脉自旋标记（arterial spin labeling, ASL）、血氧水平依赖功能MRI（blood oxygen level-dependent functional MRI, BOLD-fMRI）以及正电子发射断层扫描MRI（positron emission tomography MRI, PET-MRI）等，为乳腺肿瘤血管的评价与处理提供了更科学、更精确的诊断方案选择，虽然现阶段ASL、BOLD-fMRI和PET-MRI尚不作为临床常规手段用于乳腺血管检测，但在神经系统、心脏疾病以及肿瘤学方面的临床应用价值都得到了验证^{[5, 6, 7]}。目前尚缺乏自动识别乳腺癌及可疑病变血管的方法研究，通过整合MRI不同技术优势，有望实现对乳腺肿瘤血管形态和功能信息的观察，对于肿瘤的术前诊断、治疗方案的制订、抗肿瘤疗效及预后评估等均具有重要意义^{[8, 9, 10]}。因此本文将对乳腺癌血管生成的MRI影像学评价现状以及面临的机遇和挑战进行综述，以期加强影像医师对肿瘤血管的关注，有助于进一步提升乳腺癌的精准诊疗水平。

1 乳腺癌血管生成MRI影像学评价的病理学基础

       乳腺癌细胞从正常形态发展至肿瘤的形成、转移都需要新生血管生成作为病理基础，其生长模式是从病变边缘到内部的过度生长，从而破坏正常内部毛细血管的生存环境，扰乱血管的分布；同时为了维持肿瘤细胞的生长，血管数量会不断增加。在肿瘤组织中的血管厚度不均，直径粗大、囊状扩张的血管和曲折狭小甚至闭塞的血管并存，走行紊乱，且分布极不均匀，血供丰富的病变可进一步发展为网状血管结构，走形则更不规则，管径增大呈匍匐状或直接穿透肿瘤^[5,9]。不同组织学分级乳腺癌内部的肿瘤血管生成导致出现的血管拟态与临床预后参数相关，在淋巴结转移较高组和诺丁汉预后指数（Nottingham prognostic index, NPI）较差的预后指数队列中，血管拟态的发生率较高，血管拟态与女性雌孕激素受体表达呈负相关，在三阴性乳腺癌中血管拟态的发生率明显高于非三阴性乳腺癌^[11]。

       WANG等^[12]检测了乳腺癌患者新辅助化疗（neoadjuvant chemotherapy, NAC）中血管内皮生长因子（vascular endothelial growth factor, VEGF），用以评估化疗期间血清含量的变化，发现病理完全缓解（pathological complete response, pCR）患者的VEGF下降水平明显高于非pCR患者。通过VEGF可以在NAC早期辨别不同病理缓解程度的患者，并可用于评估患者的复发风险率。早期研究发现^[13]，恶性病变患侧乳腺血管增粗可能是由于肿瘤血管血流阻力降低、肿瘤代谢增高、肿瘤刺激乳腺血管生成等因素的综合作用，当肿瘤体积较小时，主要是肿瘤刺激乳腺血管生成因素作用导致患侧血管增粗，而当肿瘤体积较大时，肿瘤血管血流阻力降低、肿瘤代谢增高因素会发挥影响作用。近年来学者研究认为，随着乳腺癌病灶增大，肿瘤组织分泌VEGF增加，后者会促进肿瘤新生血管的生成，增多的新生血管为促进肿瘤细胞的增殖提供更多的氧气和营养物质^[14]。FULLER等^[15]认为，肿瘤与其周围血管的关系还受乳腺脂肪组织含量的影响，因为随着肥胖[身体质量指数（body mass index, BMI）＞30 kg/m²]和乳腺脂肪百分比的增加，血管密度显著增加。因此，肿瘤周围影响血管的因素主要包括血供来源、血供数目和位置、肿瘤大小、分型及乳腺脂肪比例等^{[11, 12, 13, 14, 15]}。

       肿瘤相关脉管系统（tumor-associated vasculature, TAV）与健康血管的不同之处在于其复杂性、通透性和混杂结构，这些属性导致形成抗治疗的肿瘤微环境，减少了药物向肿瘤的转运，从而造成药物持久反应的缺乏，增加了治疗的难度^[16]。目前的研究认为，对治疗有抵抗的肿瘤与有治疗反应的肿瘤相比，其脉管系统的扭曲度和排列会不同，因此通过抗血管生成治疗可以使TAV结构正常化从而提高治疗干预的疗效^[17]。近期研究认为通过MRI可以分离出TAV，提取血管曲率、扭转率和组织的测量值，进行治疗评分，TAV的形状和结构可预测NAC后接受手术治疗的无复发生存率^[18]。

2 乳腺癌血管生成的MRI影像学评价研究

2.1 传统DCE-MRI

       目前，DCE-MRI广泛应用于乳腺癌诊断与评估，可动态观察和评估癌症的新生血管，是目前最常用的一种MR血管成像方法，通过追踪顺磁T1WI对比剂的药物代谢动力学，传统的DCE-MRI技术可以对微血管结构和功能进行非侵入性地半定量和定量分析^[3]。DCE-MRI半定量分析是建立在时间-信号强度曲线（time-signal intensity curve, TIC）模型基础上，计算出早期强化率（early enhancementrate, EER）、峰值时间（peak time, Tmax）、初始峰值增强百分比（initial peak percent enhancement, PE）、峰值强化率（peakenhancementrate, Emax）、强化峰值（Simax）、信号增强比（signal enhancement ratio, SER）、冲洗分数（washout fraction, WF）等半定量参数来诊断乳腺疾病。有学者分析表明DCE-MRI形态学、半定量参数与病理学免疫组化指标雌激素受体（estrogen receptor, ER）、孕激素受体（progesterone receptor, PR）、雄激素受体（androgen receptor, AR）和增殖细胞核抗原（Ki-67）的表达关系密切，有助于判断乳腺癌生物学特征并辅助预测临床预后^[19]。WANG等^[20]通过研究半定量参数用以区分乳腺良恶性肿瘤，发现乳腺癌组EER高于良性肿瘤组（P＜0.05），Tmax和Emax值低于良性肿瘤组（P＜0.05）。

       XIAO等^[4]提出半定量DCE-MRI可用于观察乳腺癌亚群的血管生成微环境，SER、WF可以非侵入性地补充评估乳腺癌的血管生成。尽管半定量参数不能定量反映病灶内对比剂的浓度变化，在反映病灶的血流灌注等病理生理学特征方面不够准确充分，但目前的研究认为半定量参数对于不同血管类型乳腺肿瘤病灶早期强化特征反映的价值突出，有助于良恶性肿瘤的鉴别。

       DCE-MRI定量分析是基于药物代谢动力学定量模型计算的肿瘤血管通透性参数，最多见的是Toft s和Ker-mode模型，目前利用新型MRI对比剂可以无创评估乳腺肿瘤的血管通透性^[21]。模型的定量参数主要包括容积转移常数（volume transport constant, K^trans）、速率常数（rate constant, Kep）和血管外细胞外间隙容积分数（extravascular extracellular clearance volumefraction, Ve），关系为Kep=K^trans/Ve，其中K^trans和Kep包括组织灌注和血管渗透性，反映了肿瘤新生血管的程度，并在分子水平上反映了血流灌注和血管分布等病理生理信息^[22]。THAWANI等^[23]研究提出，单独使用K^trans参数可用于预测乳腺癌复发率，可在NAC之前指导临床用药，避免过度治疗。由于恶性肿瘤内血管数量巨大，微循环血容量容易增加，通透性明显低于正常乳腺实质，因此评估恶性肿瘤的血管通透性对乳腺癌的诊断和治疗有重要作用。KANG等^[24]研究认为，三阴性型乳腺癌的K^trans和Kep高于Luminal型乳腺癌，表明定量DCE-MRI可以预测不同分型乳腺癌血管生成情况，其中，ER阴性肿瘤的K^trans高于ER阳性肿瘤，PR阴性肿瘤的Ve高于PR阳性肿瘤。定量DCE-MRI目前尚存在一些不足，由于动脉输入功能测量、参数耦合、体液交换和数理模型自适应不稳定性的影响，K^trans和Ve等定量血管通透性参数的准确性和一致性仍然受到质疑，需要在今后的研究中通过改进技术参数等成像方法挖掘其临床应用潜力。

       DCE-MRI可以通过最大密度投影（maximum intensity projection, MIP）获得血管的三维减影图像，清晰地反映血管在乳腺中的分布情况。3D-MIP是辅助乳腺癌诊断的重要方法，为临床术前评估、手术方案、治疗及预后提供了重要依据^[5]。瘤周血管分析通常采用SARDANELLI等^[13]提出的筛选标准，即患侧乳腺内长度≥3 cm且直径≥2 mm的血管，或者长度＜3 cm但直径≥3 mm的血管被认为是有意义的血管。与对侧正常乳腺相比，血管增多2条及2条以上，认为患侧乳腺血管较健侧增多。据此比较乳腺肿瘤良恶性的血管差异，为临床提供额外的诊断信息。AO等^[22]研究发现，使用＞3条同侧血管作为乳腺恶性病变的诊断标准，良恶性肿瘤的血管数量差异具有统计学意义，诊断效能较高，敏感度和特异度分别为81.6%和80.8%。现有研究认为，DCE-MRI中肿瘤相关血管与同侧恶性乳腺肿瘤相关，并反映了新生血管的形成；利用DCE-MRI可用于评价乳腺癌NAC患者的血管生成和细胞增殖情况^[8]。通过DCE-MRI参数图进行多分辨率分形分析可以更准确地捕捉肿瘤血管异质性的变化，从而更好地早期预测NAC反应^{[25, 26]}。

       综上所述，由于存在检查费用昂贵、检查时间偏长、患者配合等因素影响，传统DCE-MRI虽尚未能普遍应用于乳腺癌的常规筛查中，但在高危人群的乳腺癌筛查，特别是肿瘤新生血管的观察及评估方面具有重要临床应用，在乳腺癌的诊断、分子分型评估及NAC疗效预测等方面价值突出。

2.2 UF-DCE

       UF-DCE是一种DCE-MRI新方法，可在增强早期捕获动力学信息，具有高时间分辨率的同时保持合理的空间分辨率。使用超快乳腺MRI开发的深度学习模型在良恶性肿瘤鉴别方面比传统DCE-MRI具有更高的诊断性能^[6]。UF-DCE MRI的一大优势是其提供的高时间和空间分辨率使乳腺动脉和静脉的分离识别成为可能。UF-DCE获得的有关血流动力学参数包括：最大斜率（maximum slope, MS）、增强时间（time to enhance, TTE）、推注到达时间（bolus arrival time, BAT）、流入分数（wash-in slope, WIS）、动脉和静脉可视化之间的时间间隔（time interval between arterial and venous visualization, AVI）和经验数学模型（empirical mathematical model, EMM）等，可作为区分良恶性病变以及评估乳腺癌的预后标志物，其中早期增强参数（如TTE和MS）与乳腺癌的组织学分级相关，TTE与ER阴性状态显著相关，表明其有潜力作为乳腺癌肿瘤侵袭性的成像生物标志物，有助于确定更具侵袭性的乳腺癌^[27]。

       当背景实质强化（background parenchymal enhancement, BPE）明显时，UF-DCE MRI可用于识别富血管病变，尤其在BPE较高的绝经前女性患者中，UF-DCE MRI的病变检出率更高，更适用于识别血管丰富的恶性病变^{[28, 29]}。WU等^[30]的研究通过UF-DCE采集数据，利用外部技术生成每个体素属于血管的概率图，从周围组织中分割脉管系统，为血管形态及与肿瘤物理连接的血管提供测量值，有助于乳腺癌的诊断。AVI是观察肿瘤血管的MRI参数，目前的定义为乳腺静脉和乳腺动脉开始增强的两个时间点之间的间隔^[9]。现有报道认为在恶性乳腺病变中AVI明显短于良性病变者和无病变乳腺纤维腺体^[9,31]。TTE着眼于乳腺病变开始强化的时间，即病变TTE减去主动脉TTE，恶性病变往往比良性病变更早强化，因此导致TTE更短^[32]，阈值为12.96 s的TTE的判别力优于传统的TIC类型分析^[33]。RAMTOHUL等^[34]发现在诸多UF-DCE的半定量灌注参数中，WIS是乳腺癌患者NAC后病理反应早期预测中最有意义的参数。

       现阶段UF-DCE MRI的研究主要侧重于观察病变的血管分布，难免会出现对于乏血管病变低估而对富血管良性病变过度诊断的情况，目前尚缺乏自动识别乳腺癌或可疑病变血管的方法研究，通过DCE-MR分析肿瘤血管结构、重建模拟瘤周血管的三维成像是今后乳腺癌血管生成MR研究的重点方向之一，对于降低患者的手术风险和复发率、提高预后生存质量具有重要意义。

2.3 PWI

       PWI是一种反映组织或病灶微血管分布和血流灌注的MRI技术。在恶性肿瘤中，由于新生血管密度高，瘤体早期灌注作用明显，同时新生血管壁不完整，流出速度随着瘤内对比剂的快速填充而增快；而良性肿瘤由于血管相对较少，对比剂填充缓慢；无病变乳腺纤维腺体则无明显灌注效应^[35]。PWI根据其成像原理可分为外源性和内源性两种方法。根据对比剂净效果的不同，外源性对比剂技术可进一步分为动态磁敏感对比增强MRI（dynamic susceptibility contrast MRI, DSC-MRI）和DCE-MRI。其中DSC-MRI已被应用于身体不同区域的肿瘤血管生成的诊断和评估，特别是脑、肝脏和乳腺^[7,36]。微血管密度（microvessel density, MVD）是与肿瘤血管生成密切相关的主要病理学评价指标^[37]，KRISHNAPRIYA等^[38]研究认为具有非常高MVD（＞100）的局部晚期乳腺癌（locally advanced breast cancer, LABC）患者的无进展生存期和总生存期较差，表明血管生成可能是LABC的预后因素。现有的研究发现DSC-MRI参数，如负性增强积分（negative enhancement integral, NEI）、最大上升斜率（maximum slopes of increase, MSI）和最大下降斜率（maximum slopes of decrease, MSD）等与MVD和VEGF呈正相关，可以间接评估血管生成^[7]。

       ASL技术是以内源性质子为对比剂的PWI技术，即在不使用对比剂的情况下可以反映组织血流灌注。因需射频标记进入感兴趣区的动脉血流，ASL技术通常适用于研究具有单一供血方向的器官。3D-ASL虽然只能提供血流量参数，但血流量是反映乳腺内部血流动力学稳定性的重要参数，在乳腺血管疾病的应用中具有突出优势。与传统的ASL方法相比，速度选择性ASL（velocity selective ASL, VS-ASL）可以解决具有挑战性的乳房灌注特征，实现双侧全乳房灌注成像^[39]。VS-ASL对血管化和灌注敏感，也对生物侵袭性乳腺癌亚型敏感，VS-ASL与UF-DCE相似，可以实现血管灌注和密度的测量；通过VS-ASL技术，可以显示较大的动脉和静脉，可视化血管信号，分析其与乳腺癌患者的临床相关性^[40]。但该技术仍存在一些局限性，VS-ASL无法获得动力学和管壁通透性的信息，所以目前被认为对于区分乳腺癌亚型帮助不大。ASL技术目前常应用于神经系统疾病的血管检测，而在乳腺血管检测方面的临床研究较少，需要进一步证实其应用潜力。

2.4 BOLD-fMRI

       BOLD-fMRI是目前唯一能在活体进行无创检测病灶内氧含量的成像技术。可用于评估乳腺癌组织的缺氧代谢水平和血管成熟度，从而为制订临床治疗方案提供有用信息。BOLD-fMRI技术的原理是通过血管内脱氧血红蛋白作为内源性对比来反映病灶内血氧、血流量和血容量的变化。由于肿瘤的表观自旋-自旋弛豫率（R2^*）与单位组织内的脱氧血红蛋白含量明显相关，所以R2^*可以作为反映组织氧分压的敏感指标，因此能比较准确地反映肿瘤内氧分压的状况。近期研究表明R2^*单独使用虽然效用有限，但已在包括乳腺癌在内的肿瘤临床和临床前研究中展现出前景^{[41, 42]}。临床和临床前数据均支持R2^*随脱氧血红蛋白浓度（更顺磁性）的增加而增加，可以识别出更低氧的区域（如恶性病变），良性病变缺氧较少，其R2^*则低于恶性病变^[43]。

       BOLD-fMRI评估乳腺癌血管生成的原理与DCE-MRI类似，但两者在反映肿瘤血管生成状况方面的侧重点不同，前者是反映肿瘤内部血管的结构、密度及成熟度，后者反映肿瘤血管数目及高通透性^{[41, 42]}。GLICKSMAN等^[44]研究认为对肿瘤的抗血管生成治疗仅针对肿瘤中的未成熟血管，对成熟血管的功能并无影响。

       BOLD-fMRI通过反映乳腺癌内成熟血管和不成熟血管的比例，间接反映肿瘤血管生成的质量，并从影像学角度无创性地为肿瘤抗血管生成治疗找到血管正常化的治疗“时间窗”^[45]。有研究通过BOLD检查评估了乳腺良恶性病变的缺氧和新生血管情况，观测肿瘤内异质性；通过计算氧代谢率和线粒体氧张力，测量组织缺氧和新生血管结构，与良性肿瘤相比，恶性肿瘤缺氧和新生血管更多^[46]。BOLD技术是目前脑功能成像较为成熟的方法之一，尤其在脑功能定位区域具有较高敏感性，但在乳腺癌血管生成评估方面的研究尚处于科研阶段，需要临床验证及挖掘应用价值。

3 PET-MRI

       具有¹⁸F标记的硝基咪唑（¹⁸F-fluoromisonidazole, ¹⁸F-FMISO）的PET可以提供细胞内缺氧水平的检测。使用联合¹⁸F-FMISO PET-MRI可以探讨乳腺肿瘤血管缺氧与血管功能的关系。CARMONA-BOZO等^[10]分析了29名乳腺癌患者PET-MRI数据，认为¹⁸F-FMISO PET上测量的流入速率常数Ki和低氧分数（%HF）与DCE-MRI灌注参数K^trans成反比关系，表明肿瘤缺氧是肿瘤血管供氧不足引起。PET和DCE-MRI参数图像显示出大量异质的瘤内模式，Ki图上的缺氧通常与K^trans增加的区域共存。目前有研究认为乳腺肿瘤缺氧多由低灌注引起，少部分也可在高灌注下出现缺氧^[47]。而在CARMONA-BOZO等^[10]的研究中发现，单个肿瘤亚体积中可以观察到两种灌注方式同时存在，这表明缺氧灌注模式的异质性，侧面说明了癌症中发生的缺氧与血流灌注病理生理机制需深入探讨。一体化PET-MRI是很有前途的乳腺血管评估方式，它可以结合来自高分辨率下的MRI形态学数据和来自PET的细胞水平的功能代谢信息，为图像数据集提供互补信息，是MRI对乳房内疾病范围的敏感性和PET对乳腺血管及腋窝和内乳淋巴结转移的敏感性的优势互补^[48]。CARMONA-BOZO等^[10]的研究提出乳腺病变中的标准化摄取值（standardized uptake value, SUV）与DCE-MRI的灌注参数有很好的相关性。在肿瘤学领域，PET-MRI是一种很有前途的成像方式，在乳腺癌患者的全身成像中，PET-MRI在辐射剂量约为PET的一半时，可以比PET检测到更多的转移^[48]，为乳腺癌的疗效评估以及复发监测提供更为敏感、精确的分子与功能信息。目前一体化PET-MRI应用在肿瘤学、神经学、心脏扫描及腹部扫描等临床检查上的应用日趋发展成熟，但在乳腺癌血管生成评估中的应用价值仍待探索。

4 乳腺癌血管生成的MRI影像组学研究

       影像组学可以通过从不同模态的影像数据中提取高维影像特征，构建疾病诊断或风险评估的定量分析模型，用以支持、优化患者的临床诊疗过程，助力精准医疗的快速发展。近年来，国内外学者基于MRI影像组学特征在乳腺癌血管浸润及与血管生成病理指标相关性方面开展了许多积极的前沿性工作^{[49, 50]}。

       乳腺癌淋巴血管浸润（lymphovascular invasion, LVI）研究方面，WANG等^[51]利用DCE-MRI第二期相及弥散加权成像（diffusion weighted imaging, DWI）在乳腺浸润性导管癌的瘤周不同距离环形带提取定量影像组学特征，研究表明距离瘤周1 mm模型对LVI状态的预测效能最好（曲线下面积为0.93，诊断敏感度、特异度分别为96%和80%），优于经验丰富的影像医生的诊断性能，同时说明DWI上乳腺癌瘤周区域对恶性肿瘤预测的价值较高。临床研究已证实，较高水平的血管生成与乳腺癌患者预后较差和远处转移的发展相关，BUJOR等^[52]研究表明MVD水平已被证明预示着较低的生存率，并与侵袭性的乳腺癌亚型相关。XIAO等^[4]利用DCE-MRI的乳腺癌影像组学特征分析其与MVD的关联，其中灰度共生矩阵、灰度运行游程矩阵、灰度依赖性矩阵等纹理特征可显著区分MVD不同水平的乳腺癌，提示影像组学模型可以提供更加新颖的方法来非侵入性地评估MVD，但目前相关研究较少，需要进一步论证挖掘影像组学的应用潜力。多项早期针对瘤周血管的研究已经证实影像组学特征与乳腺癌的预后因素有关，包括治疗反应、复发风险的预后分析以及免疫组化水平^{[53, 54, 55]}。

       近年来影像组学的研究如火如荼，组学分析可以解决跨平台变异性的问题，并提供比半定量和定量动力学特征更多的重复性结果。但因存在诊断效能不一、联合指标众多以及数据处理的稳定性、鲁棒性和可解释性欠佳等问题，临床实际应用仍存在局限性^[56]。

5 总结与展望

       乳腺癌血管生成MRI影像学研究日益得到国内外学者的关注，新兴乳腺MR血管成像技术、多模态联合成像以及影像组学的应用为乳腺癌的诊断、治疗及预后监测提供了丰富、综合的影像信息。今后，依据临床诊疗需求进行前瞻性、多中心临床研究是充分挖掘乳腺癌血管生成影像应用价值的可行之路，合理优化MR血管成像技术的组合方案，有助于提高临床应用效能，进一步增进影像学科与临床、病理和分子生物学等交叉学科的联系，有益于提升乳腺癌的精准诊疗水平。