亞洲健康互聯
優化產業的推手,生醫商機的GPS!

首頁產業資訊醫材報導醫材產業乳腺癌磁共振成像發展現狀

乳腺癌磁共振成像發展現狀

來源 : 中國醫療設備雜誌2019年第7期
update : 2019/08/30

引言
近年來,乳腺癌發病人數大幅增加,成為女性最好發的惡性腫瘤,對女性生理、心理造成極大影響[1]。早診治,對患者生存及預後產生積極效果。目前,乳腺癌常規影像檢查主要包括超音波成像、鉬靶X 光攝影和乳腺磁共振成像(Magnetic Resonance ImagingMRI),相較于其他兩項檢查,MRI 軟組織解析度高,可多方位、多序列成像,無電離輻射,可行動態增強掃描,打破了單一形態學的疾病診斷模式,可以對疾病進行定量、定性分析,提供更加精准的診斷資訊以評估治療效果及提示預後,並且,隨著MRI 新技術的不斷優化以及乳腺專用磁共振設備、影像組學的不斷發展,將為乳腺疾病提供更多有價值的資訊。

1 常規乳腺MRI

1.1 乳腺MRI技術基本要求

1)磁場和線圈:推薦1.5T 及以上的MRI 設備,採用乳腺專用線圈。線圈有兩種:一種是封閉式;一種是開放式,開放式線圈配合配置的固定板(有尺規和刻度),允許MRI 定位引導下的乳腺穿刺活檢及治療。隨著磁場與線圈的不斷改進,靜音技術、運動偽影消除技術得以實現,圖像的信噪比得到較好保障。

2)掃描體位元:俯臥位,雙側乳房懸垂於乳腺線圈內,乳頭與地面垂直,胸骨中線與線圈中線平齊。

3 掃描序列及參數:行T1WI 非脂肪抑制序列、T2WI 脂肪抑制序列、動態增強T1WI 脂肪抑制序列、擴散加權成像序列等掃描。增強掃描造影劑用Gd-DTPA,劑量0.1~0.2 mmol/kg,增強後的5 min 內至少連續採集5 組動態圖像。

4)圖像後處理:採集到圖像傳輸至後處理工作站,可得到一系列定量參數。

1.2 乳腺MRI序列和參數優化

1.2.1 乳腺MRI平掃
乳腺MRI 平掃一般安排在月經週期第2 [2] T1WIT2WI 掃描,常用序列為自旋回波(SE)序列 、快速自旋回波(FSE)及梯度回波(GRE)序列,SE 序列是臨床最早採用的序列,由於其操作時間久,已逐漸被淘汰。

FSE 是多次連續180° 脈衝所產生的回波填充一個K 空間而形成的圖像,大幅加快掃描速度及擴大掃描區域。FSEXLFSE 序列的升級版,使得掃描層數增加,掃描範圍進一步擴大。FSE-XL T1WI 序列對皮下及腺體內脂肪、乳房懸韌帶、乳後間隙顯影良好。FSE-XL T2WI 序列可以全面觀察病變,當病變合併壞死囊變、導管擴張時,更具優勢,也可評估腋窩是否存在淋巴結腫大及胸壁受累。脂肪抑制至關重要,脂肪抑制序列包括反轉恢復法(STIR)、頻率選擇法(SPIR SPAIR)和水脂分離法(DIXON)等,STIR 掃描範圍廣,但組織特異性差,操作長;SPIR 對磁場變化敏感,SPAIR 對病變邊緣壓脂效果差;DIXON 技術可完成MRI 水脂分離,同時獲得4 幅相位圖像,在水相圖像上得到精准的脂肪抑制,因此,越來越多的應用於臨床。

1.2.2 乳腺動態增強掃描
乳腺動態增強(Dynamic Contrast-Enhanced Magnetic Resonance ImagingDCE-MRI)是對病變形態學、血流動力學特性成像的技術,反映病變的微循環、血流灌注和血管通透性等情況。當前乳腺DCE-MRI 序列多採用FLASH-3D,可多角度重建,空間解析度提高,但時間解析度有待提高,該序列採用SPECIALSpectral Inversion Pulse)抑脂,效果亦不理想。GE 公司推出的Vibrant 序列是一種利用層面重疊技術,對雙側乳腺進行勻場,同時成像的技術,大大降低了掃描時間,彌補了FLASH-3D 序列時間解析度較低的不足 [3]。並行採集技術、水脂分離壓脂技術及時間分辨交叉隨機軌跡成像三種技術的容積插入法屏氣掃描檢查,加快了掃描速度,利用水脂分離壓脂技術也可得到良好的抑脂圖像[4]

DCE-MRI 可利用半定量、定量參數反映病灶的新生血管方面資訊。半定量參數主要包括時間- 信號強度曲線(Time-Signal Intensity CurveTIC)、早期強化率、達峰時間等。TIC 分為3 [5] I 型為流入型,逐漸強化,中後期信號升高多於10%,多考慮良性疾病;Ⅱ型為平臺型,早期信號顯著強化,中後期信號在峰值上下10% 的範圍內波動,疾病良惡性較難確定;Ⅲ型為流出型,早期信號升高,中後期信號較峰值減少多於10%,多傾向惡性病變。Sherif [6] 研究表明乳腺癌邊緣呈TIC Ⅲ型曲線有一定特異性。TIC 曲線類型預測化療有效的靈敏度、特異度分別為66.7%100%[7]

常用定量參數:細胞外血管外間隙容積(Ve)、容量轉移常數(Ktrans)、速率常數(Kep)等定量參數,這三個參數的關係:Kep=Ktrans/Ve。常用經典Tofts“兩室”模型、“參考區域”模型、“快速交換”模型推算這三個參數值。“兩室”模型操作簡單,但誤差較大,“參考區域”模型、“快速交換”模型等“多室”模型更能反映實際情況,不過操作較繁瑣。KtransKep 值越高,腫瘤惡性程度越高,Ve 值在良惡性病變間存在一定交叉。這些參數與TIC 類型可對乳腺腫瘤良惡性、腫瘤分期做出定性分析,準確率更高[8-9]

1.2.3 彌散加權成像
彌散加權成像(Diffusion-Weighted ImagingDWI)是可量化人體內水分子擴散受限程度的影像技術,揭示微觀水準人體組織的水分子功能狀態及生理特性。當前乳腺DWI 多利用EPI 技術,掃描時間短,但是偽影較重。小視野(reduced Field of ViewrFOVDWI 是採用2D 射頻激勵脈衝來選擇激勵範圍降低K 空間填充線,縮短檢查時間及盡可能避免偽影的出現。以敏感度編碼(SensitivityEncoding TechniqueSENSE 技術利用多線圈並行採集,加大了K 空間採樣距離,增加了圖像的清晰度,降低了偽影對圖像的影響。b 值代表擴散梯度的程度,在乳腺DWI 成像時,b 值多取500~1000 s/mm2[10]。表觀彌散係數(Apparent Diffusion CoefficientADC)可衡量這一運動,ADC 值與組織內水分子擴散呈負相關。由於惡性病變新生血管豐富、細胞密度高,制約了惡性病變內水分子的擴散,使惡性病變的ADC 值顯著低於良性病變,因此乳腺癌ADC 值低。調查顯示,DWI 對乳腺癌定性診斷敏感度大約為90%[11]。陸從容等[12] 研究證明乳腺癌的病理分級與ADC 值負線性關係。此外,化學治療能破壞腫瘤細胞膜連續性,使得其通透性增大,細胞間隙加寬,ADC 值隨之升高,並且發生於病變體積改變之前,說明化療後ADC 值變化是早期評估化療效果的指標之一[13]

常用DWI 採用單指數模型,準確性存在爭議。eDWI技術引進如體素內不相干運動擴散成像(Intravoxel Incoherent Motion ImagingIVIM)、擴散峰度成像(Diffusion Kurtosis ImagingDKI)等雙指數模型[14],更加準確量化病變血流灌注的情況,更能揭示病變真實情況,在乳腺病變病理分期、分級方面具有一定優勢[15]。背景抑制磁共振全身彌散技術(Diffusion Weighted Body Imaging SequenceDWIBS)是採用STIR 技術全身軸位元掃描,得到全身背景抑制圖像,又名類PETDWIBS 在乳腺癌方面應用較少,可幫助臨床確定是否出現全身骨及淋巴結轉移。另外,擴散張量成像(Diffusion Tensor ImagingDTI)可獲取組織的全部擴散特特徵,對微小病變更加敏感,在乳腺腫瘤診斷、鑒別診斷、觀察療效方面優勢明顯,將越來越廣泛應用於乳腺疾病各個方面。

1.2.4 磁共振灌注成像
磁共振灌注成像(Perfusion-Weighted ImagingPWI)是利用對比劑首流經血管時組織信號的變化來顯示微循環灌注情況。乳腺PWI 最早採用的是GRE 序列,但其剛開始掃描時速度很慢,現在多採用EPI 序列進行乳腺PWI 成像,提高了掃描速度,可以得到完整的乳腺病變資訊。但EPI GRE 雜訊增大,且偽影較重。PWI 可分為外源性和內源性,外源性研究方法包括T2* 首過灌注成像和T1 加權灌注成像,以T2* 首過灌注成像研究最多。T2* 首過灌注成像通過對比劑首通過組織血管時,質子失相位,使得組織T2* 加權信號下降。有研究表明,T2* 首過灌注成像有助於乳腺癌鑒別診斷,惡性病變新生血管增多且血管壁通透性高[16],所以對比劑短時間內大量外滲,使得病變信號大幅下降,若超過20%,高度提示惡性腫瘤可能。更有資料顯示[17],最大信號強度下降率與微血管密度及血管內皮生長因數線性相關,因此最大信號強度下降率可提示腫瘤血管生成資訊。內源性研究方法為動脈自旋標記法,脈衝序列激勵流經自身的血液質子,不借助外源性造影劑,但檢查週期長,圖像品質欠佳,在乳腺病變方面尚未得到推廣。

1.2.5 磁共振波譜成像
磁共振波譜成像(Magnetic Resonance SpectroscopyMRS)是借助磁共振化學位移來揭示組織分子水準代謝變化的功能成像方法,可通過多種原子核成像,質子波譜(1HMRS)臨床常用。lH-MRS 上較高的膽鹼峰一般代表惡性病變,且惡性病變的膽鹼含量與病理分級呈線性關係,極少數的良性病變也會出現膽鹼峰,但含量一般低於1.5 mmol/L[18]。乳腺正常細胞向異常細胞轉化過程中,膽鹼激酶以及磷脂C 活性增加,致使細胞膜分解,膽鹼類物質增多,在3.2 ppm 可見膽鹼共振峰,其診斷乳腺癌的敏感性為70%~100%[19]。目前使用的MRS 技術屬於一種單體素技術,syngo GRACE 是一種高級的體素MRS 成像技術,可一鍵測量乳腺內總膽鹼含量,提高乳腺腫瘤診斷準確性[20]

磁共振彈性成像(Magnetic Resonance ElastographyMRE)是一種定量預估人體組織彈性的成像方式,可捕獲由應變聲波引起的規律性微小位移信號,統計應變波波長變化,得到一系列彈性常數。利用MRE 成像,可見乳腺腫瘤內膽鹼、磷酯類物質含量顯著增加。但是當前MRS 成像技術受到各方面限制,比如:磁場強度、病變體積等,目前尚未單獨用於對乳腺癌的診斷,需要進一步改良、升級,可與MRI 其他技術結合使用。

1.2.6 其他
敏感加權成像(Susceptibility Weighted ImagingSWI)是基於組織間的磁敏感性的特性,提高組織間對比度的成像方法,利用梯度回波序列成像,得到磁距圖像、相位圖像,二者解剖部位相互對應,有利於觀察病灶中的靜脈走形、出血灶及礦物質等,廣泛應用於各類血管性疾病,尤以神經系統為著[21]。近年來,SWI 在乳腺、骨肌病變應用有了一定進展,可以清晰顯示常規MRI 難以顯示乳腺病灶內的鈣化,彌補了常規MRI 對鈣化不敏感的缺陷,並可確定病灶引流靜脈,為乳腺癌的診斷及臨床治療提供了助力。

磁共振乳腺導管成像是一種無創導管成像方法,擴張導管呈分支狀高信號,導管內若出現充盈缺損,則提示病灶存在,在乳腺癌和導管內乳頭狀瘤方面得到推廣使用。鈉磁共振成像是一種新型MRI 技術,大多惡性腫瘤細胞內鈉含量大幅升高。細胞內鈉含量降低可作為化療有效的早期指標[22-23]。借助BOLD-MRI、化學交換飽和轉移成像可瞭解乳腺癌分子水準代謝情況,對乳腺病變良惡性鑒別、早期療效評估有一定意義[24]

2 乳腺專用磁共振成像設備
乳腺專用磁共振成像(Dedicated Breast Magnetic Resonance ImagingDB-MRI 是乳腺檢查專用MRI 設備,採用勻磁線圈、活檢線圈,降低磁場不均勻對圖像清晰度的影響,同時,便於穿刺活檢及後續治療;採用Spiral Rodeo 脈衝序列,減少偽影產生,得到最優化的圖像;採用螺旋採樣、三維重建系統,掃描速度更快,層厚更薄(最薄約0.7 mm),掃描範圍更廣,有利於發現小病灶,也可對乳腺、胸壁、腋窩全面觀察。後處理工作站可得到最大密度投影圖像、減影圖像、偽彩圖像,勾畫感興趣區繪製時間- 信號強度曲線。DBMRI 平掃為單一T1WI序列,病變多呈稍低信號,減影像上多伴有瘤周水腫,環狀強化或非均勻強化且TIC 曲線為III 型的病變傾向惡性。Hillman [25] 研究證明其診斷敏感度為92%,特異度分別為88.8%。但是DBMRI 缺乏T2WIDWI 序列,在乳腺病變的應用方面受到一定限制,有待進一步解決。

3 乳腺MRI影像組學
影像組學可從高通量的醫學影像資料中獲取大量具有特徵性的影像參數,進而揭示影像特徵與疾病二者之間的關聯。影像組學分為圖像採集、病灶分割、特徵提取、資料庫建立、資料分析等5 部分[26]。病灶分割是整個作業系統的基礎,多通過手動、半自動進行。特徵提取是影像組學的核心,通過一階、二階或高階的統計方法得出一系列特徵參數,對病變進行定性、定量處理。近年來,影像組學成為研究熱點,可獲取較傳統影像學更多、更可信的資訊,在疾病準確診斷、預估療效及生存期等方面成果斐然。相對于正常乳腺組織,病變的紋理特徵會發生改變,紋理分析(Texture AnalysisTA)可捕捉到這一變化,有助於乳腺小癌病灶的檢出[27]。調查結果顯示[28],紋理參數熵對於乳腺病變定性診斷、分期、分型有較大價值。從T2WI 中獲取的參數與乳腺癌Ki-67 有良好的相關性[29]MRI 紋理分析對比度和方差差異等參數,可預估乳腺癌對化療的反應,進而指導臨床治療。基於DCE-MRI 圖像紋理參數值越低,提示患者預後越差,復發可能性越大。放射基因組學將影像表型與臨床和遺傳信息整合,並且三者之間顯示出良好的一致性,可為乳腺病變提供更加全面、精准的資訊[30]。不過,影像組學尚存在一些技術上的不足,有待進一步優化,隨著影像組學的深入研究,其將在臨床及科研領域充當重要角色。

4 展望
綜上所述,MRI 作為一種多方位、多序列的成像方法以及新技術的不斷發展,相較於鉬靶X 線、超聲在乳腺癌檢出、定性診斷、預測及評估NAC 療效、預後等方面優勢顯著。但是當前乳腺MRI 尚存在一些技術上的不足,亟需解決,相信隨著MRI 技術的不斷升級、改良,前景廣闊,將為精准醫療、科學研究保駕護航。

[參考文獻]
[1] Fan L,Strasserweippl K,Li JJ,et al.Breast cancer in China[J].Lancet Oncol,2014,15(7):e279-e289.
[2] Scaranelo A.Breast screening with magnetic resonance imaging[J].CMAJ,2012,184:E877.
[3] 何暉,張忠林,梁長虹,.Vibrant技術在雙側乳腺磁共振動態增強中的應用初探[J].廣東醫學,2005,26(11):1556-1557.
[4] 胡益祺,艾濤,李嫣,.基於CAIPIRINHA-Dixon-TWIST-VIBE技術動態增強MRI對乳腺病變的定量參數分析[J].影像診斷與介入放射學,2016,25(2):98-101.
[5] Kuhl CK,Schild HH.Dynamic image interpretation of MRI of the breast[J].JMRI,2000,12(6):965-974.
[6] Sherif H,Mahfouz AE,Oellinger H,et al.Peripheral washout sign on contrast-enhanced MR images of the breast[J].Radiology,1997,205(1):209-213.
[7] AhSee ML,Makris A,Taylor NJ,et al.Early changes in functional dynamic magnetic resonance imaging predict for pathologic response to neoadjuvant chemotherapy in primary breast cancer[J].Clin Cancer Res,2008,14(20):6580-6589.
[8] Kostopoulos SA,Vassiou KG,Lavdas EN,et al.Computer-based automated estimation of breast vascularity and correlation with breast cancer in DCE-MRI images[J].Magn Reason Imaging,2017,35:39-45.
[9] Chang RF,Chen HH,Chang YC,et al.Quantification of breast tumor heterogeneity for ER status, HER2 status, and TN molecular subtype evaluation on DCE-MRI[J].Magn Reason Imaging,2016,34(6):809-819.
[10] Friedman PD,Swaminathan SV,Smith R.SENSE imaging of the breast[J].Ajr Am J Roentg,2005,184(2):448-451.
[11] Lo GG,Ai V,Chan JKF,et al.Diffusion-weighted magnetic resonance imaging of breast lesions: First experiences at 3T[J].J Comp Ass Tom,2009,33(1):63-69.
[12] 陸從容,李青春,吳曉東,.乳腺癌病理分級與MR DWI的表觀擴散係數間的關聯性分析[ J ] .中南醫學科學雜誌,2015,13(3):293-295.
[13] Partridge SC,Nissan N,Rahbar H,et al.Diffusion-weighted breast MRI: Clinical applications and emerging techniques[J].Magn Reson Imaging,2017,45(2):337-355.
[14] 高燕,王培軍.乳腺癌MRI診斷進展[J].中國醫學影像技術,2018,34(2):306-309.
[15] Cho GY,Moy L,Kim SG,et al.Evaluation of breast cancer using intravoxel incoherent motion (IVIM) histogram analysis: comparison with malignant status, histological subtype, and molecular prognostic factors[J].Eur Radiol,2016,26(8):2547-2558.
[16] 黃智亮.磁共振影像在乳腺疾病診斷中的主要應用[J].實用醫技雜誌,2016,23(7):720-722.
[17] Liu Y,Tamimi RM,Collins LC,et al.The association between vascular endothelial growth factor expression in invasive breast cancer and survival varies with intrinsic subtypes and use of adjuvant systemic therapy:results from the nurses' health study[J].Breast Cancer Res Treat,2011,129(1):175-184.
[18] Bathen TF,Heldahl MG,Sitter B,et al.In vivo mrs of locally advanced breast cancer: characteristics related to negative or positive choline detection and early monitoring of treatment response[J].MAGMA,2011,24(6):347-357.
[19] Bartella L,Morris EA,Dershaw DD,et al.Proton MR spectroscopy with choline peak as malignancy marker improves positive predictive value for breast cancer diagnosis:Preliminary study[J].Radiology,2006,239(3):686-692.
[20] 孫治國.西門子磁共振技術在乳腺疾病診斷中的應用[J].磁共振成像,2010,1(6):465-467.
[21] 周紅,陳東.乳腺癌功能磁共振成像發展現狀[J].中國臨床醫學影像雜誌,2015,26(1):47-49.
[22] Zaric O,Pinker K,Zbyn S,et al.Quantitative Sodium MR imaging at 7TInitial results and comparison with diffusionweighted imaging in patients with breast tumors[J]. Radiology,2016,280(1):39-48
[23] Jacobs MA,Stearns V,Wolff AC,et al.Multiparametric magnetic resonance imaging, spectroscopy and multinuclear (23Na) imaging monitoring of preoperative chemotherapy for locally advanced breast cancer[J].Acad Radiol,2010,17(12):1477-1485.
[24] Van der Kemp WJ,Stehouwer BL,Boer VO,et al.Proton and phosphorus magnetic resonance spectroscopy of the healthy human breast at 7 T[J].NMR Biom,2017,30(2):e3684.
[25] Hillman BJ,Harms SE,Stevens G,et al.Diagnostic performance of a dedicated 1.5T breast MR imaging system[J]. Radiology,2012,265(1):51-58.
[26] Levy MA,Freymann JB,Kirby JS,et al.Informatics methods to enable sharing of quantitative imaging research data[J].Magn Reson Imaging,2012,30(9):1249-1256.
[27] Michoux N,Vand BS,Lacoste L,et al.Texture analysis on MR images helps predicting non-response to NAC in breast cancer[J].BMC Cancer,2015,15(1):574.
[28] Ma W,Zhao Y,Ji Y,et al.Breast cancer molecular subtype prediction by mammographic radiomic features[J].Acad Radiol,2019,26(2):196-201.
[29] Liang C,Cheng Z,Huang Y,et al.An MRI-based radiomics classifer for preoperative prediction of Ki-67 status in breast cancer[J].Acad Radiol,2018,25(9):1111-1117.
[30] Sala E,Mema E,Himoto Y,et al.Unravelling tumour heterogeneity using next-generation imaging: radiomics, radiogenomics, and habitat imaging[J].Clin Radiol,2017,72(1):3-10.