合成MRI联合扩散加权成像对乳腺良恶性病变的鉴别诊断价值

• 作 者: 孙诗昀 李卓琳 聂莉莎 刘一帆 张冬雪 薛珂 丁莹莹
• 机 构: 昆明医科大学第三附属医院 云南省肿瘤医院放射科 650118,昆明医科大学第三附属医院 云南省肿瘤医院放射科 650118,GE医疗中国磁共振科研部, 北京 100176,昆明医科大学第三附属医院 云
• 出 处: 中华放射学杂志
• 发表日期: 2021年55期
• 关键词: 乳腺肿瘤 磁共振成像 合成MRI

目的

评估合成MRI联合DWI在乳腺良恶性病变诊断中的价值。

方法

前瞻性分析2019年7至9月在云南省肿瘤医院连续纳入的临床怀疑有乳腺病变的184例患者的资料。将所有患者随机分为训练组（110例）和验证组（74例），并在增强扫描前后均接受常规MRI和合成MRI扫描。在病灶的最大层面沿边缘勾画ROI，记作“tumor”，在肿瘤强化最明显的实性区域内勾画第2个ROI，记作“local”，并测量ADC值（ADC_local和ADC_tumor）和弛豫时间值（T_local和T_tumor）。以T和T⁺分别表示增强扫描前后的弛豫时间，ΔT%表示增强扫描前后弛豫时间的相对变化率。采用秩和检验分析良恶性乳腺病灶的定量参数，并将P<0.05的变量纳入二元logositc回归分析中筛选独立变量并建立预测模型。使用ROC曲线下面积评估参数和模型的区分度。使用临床决策曲线（DCA）分析模型的临床适用性。

结果

训练组中，单因素分析显示T_1tumor值、T₁⁺_tumor值、ΔT₁%_tumor值、T_2local值、T₂⁺_local值、T_2tumor值、T₂⁺_tumor值、ADC_local值、ADC_tumor值在乳腺良恶性病变间差异具有统计学意义（P<0.05）。多因素逻辑回归分析显示T₁⁺_tumor、ΔT₁%_tumor、T_2tumor、ADC_local、ADC_tumor是预测乳腺癌的独立变量。联合上述变量建立的弛豫时间模型（模型A：T₁⁺_tumor、ΔT₁%_tumor、T_2tumor）和ADC模型（模型B：ADC_local、ADC_tumor）诊断效能相当（曲线下面积分别为0.905、0.914，Z=-1.874，P=0.062），多参数组合模型（模型C：T₁⁺_tumor、ΔT₁%_tumor、T_2tumor、ADC_local、ADC_tumor）诊断效能最高（曲线下面积为0.965）。DCA分析显示当训练组预测概率为21%~99%，验证组为15%~99%时，模型C的净收益高于模型A和B。

结论

基于联合弛豫时间值和ADC值建立的多参数组合预测模型可以更高效地鉴别乳腺癌，并且基于该模型建立的列线图可以作为辅助诊断工具。