乳腺癌的fMRI研究进展 | ![]() |
2. 南昌大学第二附属医院影像中心,江西 南昌 330006
乳腺癌是女性最常见的恶性肿瘤,早发现、早诊断和早治疗是改善患者预后和降低死亡率的重要手段。随着MRI技术的发展和临床应用的推广,其已成为乳腺癌诊断和治疗评估的重要影像学技术[1]。fMRI能提供包括组织的细胞、血管、氧合及新陈代谢等病理生理特征,为乳腺癌的早期诊断、治疗评估和预后判断提供重要依据[2]。笔者对乳腺癌的fMRI研究现状和最新进展进行综述。
1 乳腺DWI 1.1 单指数DWI人体内组织水分子的运动符合高斯分布,DWI通过检测水分子随机运动的程度进行成像。ADC可量化体内水分子运动受限的程度,ADC值越低,提示水分子运动受限越明显[3]。DWI已广泛应用于临床良恶性肿瘤的鉴别,多项研究证实,乳腺恶性肿瘤的ADC值低于良性肿瘤,提示恶性细胞间水分子自由扩散更受限制[4]。Meta分析显示,DWI鉴别乳腺良恶性病变的敏感度为0.88,特异度为0.84,SROC的AUC为0.94,Q指数为0.8[5]。
乳腺浸润性导管癌的ADC值与肿瘤最大径、肿瘤间质比及肿瘤组织学分级密切相关,表明ADC值可用于乳腺癌的术前评估[6]。在预测乳腺癌的治疗反应方面,有研究显示基线ADC值较低的乳腺肿瘤对放化疗的反应更敏感,ADC值的变化与最终的组织学反应相关,因此可早期预测乳腺癌新辅助化疗的疗效[7-8]。DWI由于采用单次激发EPI,图像质量易受伪影干扰,最近采用的分段读出EPI和小视野DWI被证实可获得更高质量的图像[9-10],这些新技术的应用有望进一步提高DWI在乳腺疾病方面的应用价值。
1.2 DTIDTI是在DWI技术基础上增加扩散编码方向数量,实现对水分子弥散方向性差异的表征,获得的参数包括平均扩散率(MD)、各向异性分数(FA)、轴向扩散异性(AD)和径向各向异性(RD),可提供水分扩散方向的异质性和组织微观结构的信息。研究表明,乳腺癌的MD明显低于良性肿瘤,且在鉴别良性病变和恶性肿瘤中具有较高的敏感度和特异度[11],但FA和RD的诊断价值存在争议[12]。研究发现,乳腺癌雌激素受体、孕激素受体及人表皮生长因子受体-2表达水平与FA之间存在显著相关性,且FA是Ki-67表达水平的独立预测因子[12]。以上研究提示,DTI参数具有区分乳腺癌亚型的潜力,在术前评估上具有一定价值,有待进一步研究和完善。
1.3 双指数DWI体素内不相干运动(intravoxel incoherent motion imaging,IVIM)是采用双指数模型的一种新型DWI技术,可拟合出定量参数,即组织水扩散率(扩散系数,D)、组织灌注(伪扩散系数,D*)和组织灌注分数(f)。研究表明,乳腺恶性肿瘤D值显著低于良性,且较ADC对鉴别乳腺良恶性肿瘤具有更高的敏感性和特异性[13],但对D*值及f值的诊断价值尚无一致结论[14],可能与D*值及f值易受扫描参数及患者自身条件等因素影响有关。IVIM反映的肿瘤微结构和微脉管信息对鉴别乳腺癌亚型和评估新辅助化疗的应答也有帮助[15]。IVIM无需外源性对比剂即可得到定量灌注相关参数(D*、f),因此IVIM技术也可作为一种简便、安全的灌注成像方法。研究显示,乳腺癌周围呈高灌注和较低弥散系数,肿瘤中心则相反[16]。另外,IVIM与MRI动态增强扫描灌注参数也存在相关性,对于不适宜注射对比剂的患者IVIM可能是MRI动态增强扫描潜在的替代方法[17]。
1.4 MRI扩散峰度成像(diffusion kurtosis imaging,DKI)DKI是基于非高斯分布的一种DWI技术,通过量化水分子自由运动的受限程度和扩散的不均质性,反映组织微观结构信息,主要参数包括平均峰度值(MK)和MD。近年来DKI已逐渐应用于乳腺疾病的诊断和研究中。
有研究显示,乳腺癌的MK值高于良性肿瘤,MD值低于良性肿瘤,提示乳腺恶性肿瘤组织的微结构较良性肿瘤更复杂[18],但乳腺黏液腺癌的MK值低于良性肿瘤,可能由于该肿瘤细胞分泌大量黏液,水分子各向异性扩散不受限。MK鉴别乳腺癌的效能高于MD(P<0.05),对反映组织非高斯分布扩散及微观结构更客观[11]。由于DKI反映的组织结构复杂性和不均匀性更接近肿瘤微环境的真实状态,其参数可能较ADC值更适合作为新辅助化疗疗效的预测指标[19]。
2 动脉自旋标记(arterial spin labelling,ASL)技术ASL技术是利用人体血液中的氢质子作为内源性示踪剂,通过MRI进行标记观察组织灌注过程的成像方法。ASL具有无创、可重复使用的优点,在中枢神经、胰腺和肾脏等方面应用较多[20]。Hernandez-Garcia等[21]研究乳腺癌ASL灌注的可行性,并分析与CT灌注成像之间的相关性,证实ASL灌注成像用于评估乳腺癌灌注特征的有效性。Buchbender等[22]初步研究显示,乳腺浸润性导管癌的ASL灌注平均值显著高于正常乳腺实质和浸润性小叶癌,差异有统计学意义(P<0.05),提示通过ASL得到的灌注参数可对浸润性导管癌与其他肿瘤进行鉴别。
3 MRI血氧水平依赖成像(bold oxygen level dependent MRI,BOLD-MRI)BOLD-MRI利用去氧血红蛋白含量的变化引起局部磁场磁化率改变,通过T2/T2*序列反映组织氧合状态成像。BOLD-MRI是检测有关乳腺癌氧合状态简单、有效的技术[23]。缺氧是肿瘤组织微环境中较常见的表现和特征,与肿瘤的进展、微血管生成等关系密切,通过量化乳腺肿瘤的缺氧程度,可用于乳腺良恶性肿瘤的鉴别。Stadlbauer等[24]研究显示,BOLD-MRI鉴别乳腺良恶性肿瘤的敏感度为65%,特异度为85%,准确率为76%,AUC 0.76,结合DWI可进一步提高诊断的准确性。最新的定量BOLD-MRI可获得组织氧提取分数、氧代谢率和线粒体氧张力等定量参数,通过这些参数可对乳腺肿瘤缺氧和新生血管进行无创评估,并提供肿瘤内异质性信息,有望成为未来乳腺癌诊断和评估治疗反应的有效方法[25]。
4 MRSMRS是可定量检测体内的组织化学物质,通过观察体内胆碱及其代谢产物含量的变化来诊断乳腺癌。乳腺MRS显示胆碱复合物(tCho)的波峰位于(3.14~3.44)×10-6之间,是包含游离胆碱、磷酸胆碱和甘油磷酸胆碱等多种胆碱化合物的复合峰。Galati等[26]的定性分析显示,tCho峰升高对诊断乳腺癌的敏感度为90.62%,特异度为94.44%。定量分析显示,当tCho峰阈值为0.8 mmol/L时,诊断乳腺癌的敏感度 > 95%[27],但许多乳腺良性肿瘤或哺乳期妇女乳腺tCho峰升高[28]。由于1H-MRS可敏感检测胆碱含量的变化,因此早期评估乳腺癌新辅助化疗疗效有独特优势。Bolan等[29]研究显示,乳腺MRS在第2个化疗周期后就能检测到乳腺癌tCho峰的降低,比MRI动态增强扫描和DWI更早反映新辅助化疗肿瘤细胞微观结构的变化。然而,乳腺1H-MRS空间分辨力低,对小病灶(直径<10 mm)检测能力差,限制了其在早期乳腺癌诊断中的应用。
5 MRI弹性成像(magnetic resonance elastography,MRE)MRE是通过外部装置对感兴趣组织施加动态、连续的低频机械剪切波,引起组织微小的形变和位移,然后应用MRI对组织质点位移进行成像,生成弹性图。乳腺MRE提供定量力学参数(包括硬度、弹性和黏度)评估脏器或肿瘤的组织力学特征。乳腺MRE的振动频率37.5~300 Hz,最合适的频率范围是50~100 Hz[30]。
Chen等[31]研究表明,MRE对乳腺癌诊断的敏感度、特异度、阳性预测值及阴性预测值分别为79%、90%、96%及56%,但良恶性肿瘤弹性值有重叠。另外,MRE参数与乳腺影像报告和数据系统(breast imaging reporting and data system,BI-RADS)的评分(> 3分)有相关性,随着BI-RADS评分增加,病灶弹性值降低,而黏度增加[30],提示恶性可能性越大。组织胶原蛋白含量是癌症预后和复发的预测因子。最近Li等[32]研究证明,MRE组织弹性和黏度可量化肿瘤胶原蛋白沉积,提示MRE可作为肿瘤胶原蛋白的敏感标志物。乳腺MRE对预测乳腺恶性肿瘤的预后特征和监测新辅助化疗反应也具有一定潜力。但MRE生物力学环境对乳腺癌的具体影响,以及乳腺密度和MRE硬度与乳腺癌发生风险之间的关系尚不明确,还需更多的研究和探索。
6 MR磁化转移成像(magnetization transfer,MT)MT通过自由水的质子和与大分子结合质子之间发生的磁化交换进行成像。由于化学交换和偶极-偶极相互作用,使用专用的非共振射频脉冲进行图像采集后,采用Z谱或MT比率直方图来量化ROI间的MT效应。最近,乳腺MT定量测量的可重复性得到了验证[33]。MT与MRS联合应用可对恶性肿瘤中的某些蛋白质聚集物进行定量检测,用于区分浸润性和非浸润性乳腺癌。如利用酰胺质子的MT成像可区分三阴性乳腺癌和其他亚型,认为这是由于三阴性乳腺癌微环境不同于其他亚型[34]。另外,在乳腺癌治疗相关的淋巴水肿患者中也观察到酰胺质子转移不对称性,在7 T场强下,化学交换饱和转移效应和SNR均得到增强[35],因此可获得更高质量的酰胺质子转移图像用于临床。
综上所述,随着fMRI技术的不断进步,乳腺MRI正由解剖形态学向多参数功能及生理定量化评估的转变。fMRI提供的组织血管生成、灌注、氧合、代谢,以及组织弹性等各种信息,为乳腺疾病的诊断鉴别、分型预测及治疗评估提供了新手段。但目前乳腺fMRI的临床应用尚缺乏统一的图像采集协议和后处理方法,未来需进一步提高其临床的再现性和一致性,充分发挥其作用。
[1] |
HELLER S L, HEACOCK L, MOY L. Developments in breast imaging: update on new and evolving MR imaging and molecular imaging techniques[J]. Magn Reson Imaging Clin N Am, 2018, 26(2): 247-258. DOI:10.1016/j.mric.2017.12.003 |
[2] |
GREENWOOD H I, DODELZON K, KATZEN J T. Impact of advancing technology on diagnosis and treatment of breast cancer[J]. Surg Clin North Am, 2018, 98(4): 703-724. DOI:10.1016/j.suc.2018.03.006 |
[3] |
TAOUREL P. Diffusion-weighted MRI for breast cancer: Why and with what impact[J]. Radiology, 2019, 291(2): 308-309. DOI:10.1148/radiol.2019190331 |
[4] |
MILON A, WAHAB C A, KERMARREC E, et al. Breast MRI: Is faster better?[J]. AJR Am J Roentgenol, 2020, 214(2): 282-295. DOI:10.2214/AJR.19.21924 |
[5] |
LIANG J, ZENG S, LI Z, et al. Intravoxel incoherent motion diffusion-weighted imaging for quantitative differentiation of breast tumors: a meta-analysis[J]. Front Oncol, 2020, 10: 585486. DOI:10.3389/fonc.2020.585486 |
[6] |
HAN C H, YAO W G, HE J, et al. MRI and the pathology of breast invasive micropapillary carcinoma[J]. Oncol Lett, 2020, 20(3): 2811-2819. DOI:10.3892/ol.2020.11848 |
[7] |
NEGRAO E M S, SOUZA J A, MARQUES E F, et al. Breast cancer phenotype influences MRI response evaluation after neoadjuvant chemotherapy[J]. Eur J Radiol, 2019, 120: 108701. DOI:10.1016/j.ejrad.2019.108701 |
[8] |
陈丽贤, 朱新进, 李康倩, 等. 乳腺良恶性病变的MRI多模态灌注成像研究进展[J]. 中国中西医结合影像学杂志, 2020, 18(2): 211-215. DOI:10.3969/j.issn.1672-0512.2020.02.031 |
[9] |
ⅡMA M, HONDA M, SIGMUND E E, et al. Diffusion MRI of the breast: current status and future directions[J]. J Magn Reson Imaging, 2020, 52(1): 70-90. DOI:10.1002/jmri.26908 |
[10] |
CAO J, GAO S, ZHANG C, et al. Differentiating atypical hemangiomas and vertebral metastases: a field-of-view (FOV) and FOCUS intravoxel incoherent motion (IVIM) diffusion-weighted imaging (DWI) study[J]. Eur Spine J, 2020, 29(12): 3187-3193. DOI:10.1007/s00586-020-06632-z |
[11] |
NISSAN N, ALLWEIS T, MENES T, et al. Breast MRI during lactation: effects on tumor conspicuity using dynamic contrastenhanced (DCE) in comparison with diffusion tensor imaging (DTI) parametric maps[J]. Eur Radiol, 2020, 30(2): 767-777. DOI:10.1007/s00330-019-06435-x |
[12] |
TONG T, LU H, ZONG J, et al. Chemotherapy-related cognitive impairment in patients with breast cancer based on MRS and DTI analysis[J]. Breast Cancer, 2020, 27(5): 893-902. DOI:10.1007/s12282-020-01094-z |
[13] |
CHEN B Y, XIE Z, NIE P, et al. Multiple b-value diffusionweighted imaging in differentiating benign from malignant breast lesions: comparison of conventional mono-, bi-and stretched exponential models[J]. Clin Radiol, 2020, 75(8): 641.e1-642.e8. DOI:10.1016/j.crad.2020.03.037 |
[14] |
BAXTER G C, GRAVES M J, GILBERT F J, et al. A metaanalysis of the diagnostic performance of diffusion MRI for breast lesion characterization[J]. Radiology, 2019, 291(3): 632-641. DOI:10.1148/radiol.2019182510 |
[15] |
MARALANI P J, MYREHAUG S, MEHRABIAN H, et al. Intravoxel incoherent motion (IVIM) modeling of diffusion MRI during chemoradiation predicts therapeutic response in IDH wildtype glioblastoma[J]. Radiother Oncol, 2021, 156(10): 258-265. |
[16] |
BAIDYA KAYALE, KANDASAMY D, KHARE K, et al. Intravoxel incoherent motion (IVIM) for response assessment in patients with osteosarcoma undergoing neoadjuvant chemotherapy[J]. Eur J Radiol, 2019, 119: 108635. DOI:10.1016/j.ejrad.2019.08.004 |
[17] |
魏清顺, 周祖邦, 李淑兰, 等. 体素内不相干运动成像应用于乳腺癌研究进展[J]. 中国医学影像技术, 2019, 35(6): 938-941. |
[18] |
ZHOU W P, ZAN X Y, HU X Y, et al. Characterization of breast lesions using diffusion kurtosis model-based imaging: an initial experience[J]. J Xray Sci Technol, 2020, 28(1): 157-169. |
[19] |
李相生, 冯瑞, 王东, 等. 比较扩散加权成像单指数模型和扩散峰度成像模型在预测局部晚期乳腺癌新辅助化疗疗效中的价值[J]. 中华放射学杂志, 2019, 53(1): 26-32. DOI:10.3760/cma.j.issn.1005-1201.2019.01.007 |
[20] |
HEIDARI PAHLAVIAN S, GERI O, RUSSIN J, et al. Semiautomatic cerebrovascular territory mapping based on dynamic ASL MR angiography without vessel-encoded labeling[J]. Magn Reson Med, 2021, 85(5): 2735-2746. DOI:10.1002/mrm.28623 |
[21] |
HERNANDEZ-GARCIA L, LAHIRI A, SCHOLLENBERGER J. Recent progress in ASL[J]. Neuroimage, 2019, 187: 3-16. DOI:10.1016/j.neuroimage.2017.12.095 |
[22] |
BUCHBENDER S, OBENAUER S, MOHRMANN S, et al. Arterial spin labelling perfusion MRI of breast cancer using FAIR TrueFISP: initial results[J]. Clin Radiol, 2013, 68(3): 123-127. DOI:10.1016/j.crad.2012.10.011 |
[23] |
VU C, CHAI Y, COLOIGNER J, et al. Quantitative perfusion mapping with induced transient hypoxia using BOLD MRI[J]. Magn Reson Med, 2021, 85(1): 168-181. DOI:10.1002/mrm.28422 |
[24] |
STADLBAUER A, ZIMMERMANN M, BENNANI-BAITI B, et al. Development of a non-invasive assessment of hypoxia and neovascularization with magnetic resonance imaging in benign and malignant breast tumors: initial results[J]. Mol Imaging Biol, 2019, 21(4): 758-770. DOI:10.1007/s11307-018-1298-4 |
[25] |
O'CONNOR J P B, ROBINSON S P, WATERTON J C. Imaging tumour hypoxia with oxygen-enhanced MRI and BOLD MRI[J]. Br J Radiol, 2019, 92(1095): 20180642. |
[26] |
GALATI F, LUCIANI M L, CARAMANICO C, et al. Breast magnetic resonance spectroscopy at 3 T in biopsy-proven breast cancers: does choline peak correlate with prognostic factors?[J]. Invest Radiol, 2019, 54(12): 767-773. DOI:10.1097/RLI.0000000000000597 |
[27] |
郭转转, 冯雯, 刘海峰, 等. 1H-MRS在乳腺癌中的应用进展及技术限度[J]. 中国医学影像学杂志, 2020, 28(9): 709-712. DOI:10.3969/j.issn.1005-5185.2020.09.018 |
[28] |
CEN D, XU L. Differential diagnosis between malignant and benign breast lesions using single-voxel proton MRS: a metaanalysis[J]. J Cancer Res Clin Oncol, 2014, 140(6): 993-1001. DOI:10.1007/s00432-014-1605-7 |
[29] |
BOLAN P J, KIM E, HERMAN B A, et al. MR spectroscopy of breast cancer for assessing early treatment response: results from the ACRIN 6657 MRS trial[J]. J Magn Reson Imaging, 2017, 46(1): 290-302. DOI:10.1002/jmri.25560 |
[30] |
PATEL B K, SAMREEN N, ZHOU Y, et al. MR elastography of the breast: evolution of technique, case examples, and future directions[J]. Clin Breast Cancer, 2021, 21(1): 102-111. DOI:10.1016/j.clbc.2020.08.005 |
[31] |
CHEN J H, CHAN S, ZHANG Y, et al. Evaluation of breast stiffness measured by ultrasound and breast density measured by MRI using a prone-supine deformation model[J]. Biomark Res, 2019, 7(1): 20. DOI:10.1186/s40364-019-0171-1 |
[32] |
LI J, ZORMPAS-PETRIDIS K, BOULT J K R, et al. Investigating the contribution of collagen to the tumor biomechanical phenotype with noninvasive magnetic resonance elastography[J]. Cancer Res, 2019, 79(22): 5874-5883. DOI:10.1158/0008-5472.CAN-19-1595 |
[33] |
MENG N, WANG X J, SUN J, et al. Comparative study of amide proton transfer-weighted imaging and intravoxel incoherent motion imaging in breast cancer diagnosis and evaluation[J]. J Magn Reson Imaging, 2020, 52(4): 1175-1186. DOI:10.1002/jmri.27190 |
[34] |
VIROSTKO J, SORACE A G, WU C, et al. Magnetization transfer MRI of breast cancer in the community setting: reproducibility and preliminary results in neoadjuvant therapy[J]. Tomography, 2019, 5(1): 44-52. DOI:10.18383/j.tom.2018.00019 |
[35] |
KRIKKEN E, KHLEBNIKOV V, ZAISS M, et al. Amide chemical exchange saturation transfer at 7 T: a possible biomarker for detecting early response to neoadjuvant chemotherapy in breast cancer patients[J]. Breast Cancer Res, 2018, 20(1): 51. DOI:10.1186/s13058-018-0982-2 |