乳腺癌的发病率在全球范围内呈上升趋势^[1]，预计到2030年，全球乳腺癌的发病和死亡人数将分别达到2640万和1700万^[2]。影像学检查在乳腺癌的早期诊断及预估预后中起着举足轻重的作用^[3]。Peters等^[4]做的meta分析报告显示乳腺MRI的敏感性和特异性分别为90％和72%，较其他影像学方法有明显的优势。乳腺癌是血管依赖性肿瘤，以往的乳腺MR的研究多是基于动态增强的定性分析、半定量分析。定性分析是观察不同类型的时间-信号曲线，但良恶性病变均可表现为II型曲线，有一定重叠。半定量分析是运用常规的多期动态增强扫描序列，完成双乳扫描时间分辨率较低，或者在高时间分辨率下仅能够完成肿瘤区的局部灌注，较为局限。且不能反映组织对比剂浓度，因此半定量参数不能准确反映MR含钆对比剂引起组织增强的病理生理过程。微血管密度（microvessel density，MVD）^[5]和血管内皮生长因子（vascular endothelial growth factors，VEGF）^[6]是反映肿瘤血管生成和血管通透性的最重要因素。然而这些指标需依赖切取乳腺组织才能测定。基于此，本研究采用高时间分辨率对双乳进行T1动态增强扫描，探讨定量参数对乳腺良恶性病变的鉴别能力及其与MVD、VEGF的相关性。

1　材料与方法

1.1　一般资料

       本研究收集我院2014年11月至2015年2月67例因临床触诊或超声检查或乳腺钼靶X线检查发现乳腺病变的初诊患者行磁共振高时间分辨率T1动态增强磁共振扫描，检查前签署知情同意书。入组标准：(1)未经手术、放射治疗、化学治疗、激素或靶向治疗；(2)无检查禁忌症；(3)图像没有明显运动及呼吸伪影；(4)均于检查后一周内手术，手术病理确诊。排除标准：(1)怀孕、哺乳期妇女；(2)患有严重心、肝、肾疾病、免疫性疾病及其他内外科疾病。

       符合入组标准的67例患者共发现70个病灶（3例为双病灶），患者均为女性。良性组年龄29~ 51岁，中位年龄为39岁，16例19个病灶，包括导管内乳头状瘤3个，上皮不典型增生5个，纤维腺瘤8个，乳腺增生性腺病3个。恶性组年龄28~ 62岁，中位年龄为47岁，51例51个病灶，包括导管内癌（含伴微浸润）5个，浸润性导管癌40个，髓样癌3个，浸润性微乳头状癌2个，叶状肿瘤II级1个。随机选取57例非脂肪型乳腺作为正常腺体组。恶性组30例患者测量MVD、VEGF表达。本研究方案已经我院伦理委员会审核通过。

1.2　检查方法、步骤

       采用3.0 T磁共振扫描仪（Magnetom Skyra，Siemens，德国），专用八通道双侧乳房相控线圈。患者取俯卧位，双侧乳房自然悬垂于线圈内，头先进。扫描范围包含双侧乳腺组织，双侧腋窝，向后包括主动脉。

       横轴位tirm T2WI：TR 4060，TE 70，TI 230，层厚3.0 mm，层间距1.5 mm，FOV 340 mm×340 mm，采集矩阵358 × 448；横轴位DWI：TR 5700 ms，TE 66 ms，b值分别取0 s/mm^-2和800 s/mm^-2。

       T1多翻转角：参数为TR 5.64 ms，TE 2.46 ms，FOV 333 mm × 380 mm，矩阵196 × 320，层厚2.5 mm，层间距0.5 mm，翻转角度5°、10°、12°、15°。

       T1动态增强序列：翻转角采用12°，其余扫描参数同T1多翻转角。扫描应用时间分辨随机轨道成像（time resolved angiography with interleaved stochastic trajectories，TWIST）技术，注射磁共振对比剂(钆双胺，GE，美国)0.1 mmol/kg体重，注射流率2.5 ml/s，完毕后追加15 ml生理盐水同样流速注射。无间歇扫描，总扫描时相70次。第1时相17.3 s，以后单时相扫描时间4.58 s，总时间约5 min 33 s。

1.3　MRI数据处理与分析

       将动态增强图像调入Omni-Kinetics软件（GE医疗）进行后处理。结合T2WI、DWI及灌注图像确定病变位置。避开血管、钙化、脂肪、空洞和坏死组织，选择肿物的实质成分强化最明显的部位作为感兴趣区，每个病变测量3次定量参数并取平均值；手动选取对侧正常乳腺相对致密的腺体为感兴趣区，避开腺体边缘、血管、脂肪等结构，每个患者测量3次取平均值。选取病灶感兴趣区层面的主动脉作为输入动脉获得动脉输入函数，运用Extended Tofts线性模型，通过计算得到以下参数：(1)容量转移常数（K^trans），对比剂从血管内扩散到血管外的速率常数，单位为min^-1；(2)血管外细胞外间隙容积比（Ve），是血管外细胞外间隙占整个体素的容积比；(3)速率常数（Kep），组织间对比剂重新回到血管内的速率常数，单位为min^-1。三者间关系为Ve=K^trans/Kep。

1.4　病理学评价

       参照2003版WHO乳腺病理分型分为良性组、恶性组。根据经Elston和Ellis改良的Bloom-Richardson分级法确定组织学分级。VEGF、CD34^[7]的免疫组化染色采用试剂盒推荐的PV两步法。微血管计数是利用免疫组化技术针anti-CD34和血管内皮细胞抗原结合对肿瘤血管进行定量分析，阳性呈棕黄色，参照Weidner^[8]法。VEGF阳性棕黄色颗粒多位于细胞质，综合着色细胞百分数和染色强度，参照Mattern^[9]积分法。

1.5　统计学方法

       应用SPSS 13.0统计软件对数据结果进行统计分析，先进行正态分布检验及单因素方差分析。采用LSD法两两比较正常组、良性组及恶性组间定量参数的差异；最后绘制ROC曲线并计算曲线下面积，根据最大约登指数（Youden index：约登指数＝敏感性＋特异性-1）分析乳腺良、恶性组间的差异。30例乳腺癌患者各定量参数与MVD、VEGF的相关性采用Pearson相关性分析。计量资料以±s表示，检验水准均为0.05。

2　结果

       单因素方差分析显示，恶性组、良性组与正常组间定量参数值均呈正态分布且方差齐同。采用LSD法比较两两间差异，Kep、K^trans在良、恶性病变间有差异统计学意义(P<0.05)，见表1。恶性病变、良性病变及正常腺体的K^trans、Kep、Ve均值依次减低，各定量参数伪彩图分别显示为混杂色，红色代表高强化，蓝色代表强化较低，黄色介于两者之间（图1、图2）。绘制K^trans、Kep、Ve的ROC曲线，可知K^trans、Kep的敏感性较高，Kep的特异性最高（表2，图3）。

       30个乳腺癌病灶的K^trans、Kep、Ve值分别为（0.183±0.031） min^-1、(1.192±0.063) min^-1、(0.127±0.031)。MVD计数为（34.96±9.86） ，VEGF积分为（5±1）分。Pearson相关分析K^trans、Kep与免疫组化因子呈正相关(P<0.05)，见表3。

点击查看大图

图1  右乳浸润性导管癌III级。A：增强图像；B~ D：K^trans、Kep、Ve的伪彩图，其数值分别为0.178 min^-1、1.462 min^-1、0.163；E：CD34标记的MVD高表达(× 200，SP)；F：VEGF高表达(× 200，SP)
Fig. 1  Invasive ductal carcinoma of Grade III in the right breast. A: T1WI contrast-enhanced image; B-D: Pseudo-color image of K^trans, Kep and Ve map, the values are 0.178 min^-1, 1.462 min^-1, 0.163; E: High CD34 stained MVD (×200, SP); F: High expression VEGF (×200, SP).

点击查看大图

图2  左乳纤维腺瘤。A：增强图像；B~ D：K^trans、Kep、Ve的伪彩图，其数值分别为0.050 min^-1、0.601 min^-1、0.114；E：病理结果图片(HE × 200)
图3  K^trans、Kep和Ve鉴别良恶性的ROC曲线
Fig. 2  Fibroa-denoma in the left. A: T1WI contrast-enhanced image; B-D: Pseudo-color image of K^trans, Kep and Ve map, the values are 0.050 min^-1, 0.601 min^-1, 0.114; E: Pathological image (HE ×200).
Fig. 3  Receiver operating characteristic (ROC) curves for K^trans, Kep and Ve in differential diagnosis.

点击查看表格

表1  良性组、恶性组与正常腺体组定量参数结果比较(±s)
Tab. 1  Difference analysis of quantitative parameters among normal glandular tissue, benign lesions and malignant lesions (±s)

点击查看表格

表2  定量参数对乳腺良恶性肿瘤诊断效能
Tab. 2  Area under ROC curve, the best diagnosis value, sensitivity, and specificity of quantitative parameters between benign lesions and malignant lesions

点击查看表格

表3  定量参数与MVD、VEGF的相关性
Tab. 3  Correlation analysis between the quantitative parameters and MVD, VEGF

3　讨论

       肿瘤的发生、发展与转归与血管生成密切相关^[10,11]。肿瘤新生血管的特点为：(1)肿瘤血管数量巨大，微循环血容量增大、流速增加；(2)新生血管结构紊乱，血管内皮细胞幼稚，基底膜减少，裂隙性血管网尚无舒缩功能，渗漏性增高。以上构成了肿瘤微循环在空间和时间上的不均衡性。乳腺恶性肿瘤^[5,12,13]符合以上特点，而良性肿瘤血管形态相对成熟，微血管密度等于或者略高于正常乳腺实质，相对于恶性肿瘤渗透性较低。

       T1加权的DCE-MRI利用异常的肿瘤微循环系统，动态监测对比剂在体内的吸收、代谢等药代动力学过程，获得直接代表造影剂浓度的定量参数。Medeiros^[14]、李瑞敏^[15]等报道Kep、K^trans在正常组与恶性组、良性组与恶性组鉴别中均有统计学差异，与本研究结果相同。而K^trans、Kep在正常组与良性组间无统计学差异，这与病理生理基础密切相关。乳腺癌细胞生长旺盛，新生血管迅速增多，血管结构紊乱、动静脉瘘等造成血管管径增粗，内皮不完整，血管壁薄而脆，基底膜减少等导致血管壁通透性增高，对比剂交换剂量增多、速度加快。良性病变与正常乳腺由于缺乏高通透性的血管，血流较平稳，对比剂均呈缓慢填充，且良性病变中胶原纤维增生导致细胞外血管外间隙结构致密，对比剂流通受阻。

       K^trans、Kep的曲线下面积分别为0.931、0.819，诊断效能较高。K^trans、Kep的敏感性分别为86.8%、67.9%，K^trans、Kep的特异性分别为89.5%、94.7%。Baek等^[16]研究发现，在血管功能参数中K^trans对良恶性病变的诊断鉴别意义最大，与本实验结果相符。因为K^trans反映肿瘤局部微血管血流状态及渗透性，被认为是最能反映肿瘤组织渗透性的指标^[17,18]。K^trans、Kep、Ve的最佳诊断切入点为0.083 min^-1、0.902 min^-1、0.066。Kep体现出更高的良恶性鉴别准确率。与既往报道^{[15,16,17,18]}不完全一致，分析原因可能是数学模型不同。本研究运用Extended Tofts线性模型，该模型把组织分为血管内及血管外细胞外间隙（extravascular extracellular space，EES）两个部分。血管内细胞外体积分数（即血浆）为中央室，而血管外细胞外体积分数为周边室，对比剂依赖浓度梯度在血管内与EES之间交换，更接近真实的肿瘤病生理过程。另外，本研究采用TWIST序列，该技术通过以螺旋轨道填充K空间提高扫描速度^[19]，时间分辨率很高(4.58 s每期)，所获得的信息就更接近体素内真实的血流、血管通透性以及相关的生理学参数值。

       本实验Ve在各组病变间鉴别均无明显统计学差异。恶性病变的K^trans值、Kep值同时增高，两者的比值Ve并无显著升高，或病变发展过程中Ve的变化较慢，因此与良性病变的Ve值存在重叠。Tofts^[20]的研究结果表明Ve值较不稳定，可能与Ve受病变周围水肿的影响较大有关。也有学者^[21,22]认为产生不同结果的原因可能为输入动脉不同。动脉输入函数是动脉内对比剂浓度随时间变化的函数关系。理论上最好选择病变组织的供血血管，这样计算出的定量参数更为准确，但是组织中这类血管非常细小、难以获得，易受部分容积效应或移动伪影的影响^[23]。本研究选择显示清晰的主动脉。另外，注射速率、个体差异等也会影响Ve值。

       通过Pearson相关分析发现，定量参数均与免疫组化因子之间存在正相关关系，Kep与MVD相关性最强，K^trans与VEGF相关性最强，与国内外研究^[24,25,26]结果基本一致。Uzzan B^[5]证实MVD可直接反映肿瘤血管新生的活跃程度。当肿瘤MVD增加时，肿瘤新生血管活跃，血容量增加且血管壁通透性好，EES增大，对比剂在血管内与EES间交换更快，故K^trans、Kep、Ve值增加。MVD被公认为是判断血管生成的"金标准"，然而不能直接反映血流灌注、血管通透性等情况，VEGF兼顾了肿瘤的生物学特性。由于肿瘤组织VEGF分泌持续性增多，VEGF作为高度特异的有丝分裂原与血管内皮细胞上的受体结合，刺激血管内皮细胞分裂、趋化，改变内皮细胞基因活化形式，抑制血管内皮细胞的凋亡，使肿瘤增生迅速区域血管分布丰富，则血流灌注量增大；诱导内皮细胞产生纤溶酶原激活物、间质胶原酶，增加毛细血管壁通透性，故K^trans、Kep均会增高。丰富的血供为肿瘤的生长提供更多的营养物质和氧分，均会经过EES，故Ve值也会增高。故定量参数仅在乳腺癌的应用中一定程度上代替了组织学检查，成为评价乳腺癌的MVD、VEGF的检查方法。

       综上所述，本研究显示K^trans、Kep对乳腺良恶性病变有鉴别意义，且与MVD、VEGF有较强的相关性，因此K^trans、Kep用于无创评估肿瘤性质及预后成为可能，但Ve值的意义有待进一步探讨。