超微血管成像技术鉴别乳腺良恶性病变

薛 雯，杨柳茵，范 丽，冯思仪，林珍珍，彭雄强，张建兴

(广东省中医院超声科，广东 广州 510120)

乳腺癌是女性最常见的恶性肿瘤之一[1-2]，且其发病率有逐年上升趋势。超声检查是鉴别诊断乳腺良恶性病变的首选检查方法之一[3]，主要根据乳腺病变的形态学特征鉴别其良恶性，但二者声像图特征存在较多重叠，故鉴别困难。研究[4-6]表明，乳腺病变的血流特征对鉴别良恶性病变有一定价值。乳腺肿瘤的发生、发展、侵袭和转移均与血管生成密切相关[7]。恶性肿瘤的新生血管发育不成熟，存在结构缺陷，如管壁薄、基底膜不完整、缺乏平滑肌、血管扩张及空间分布不规则等[8]，且血管丰富程度明显高于良性肿瘤。超微血管成像(superb microvascular imaging, SMI)通过自适应计算方法区分低速血流多普勒信号与组织移动产生的信号，能够显示低速血流[9]。本文观察并比较CDFI和SMI显示乳腺病变的血管形态分布特征，旨在探讨SMI技术鉴别乳腺良恶性病变的临床价值。

1 资料与方法

1.1 一般资料 收集2017年1月—7月于我院就诊的乳腺癌患者。纳入标准：①术前2天内接受常规二维超声、CDFI及SMI检查；②乳腺病灶经手术切除或穿刺活检，取得病理结果；③检查前均未经放化疗；④病灶最大径<50 mm。最终纳入281例患者，均为女性。其中良性组195例，年龄17～67岁，中位年龄38岁；病灶单发177例，多发18例；恶性组86例，年龄28～87岁，中位年龄52岁，病灶单发85例，多发1例。多发同质病灶以其中最大者入组。

1.2 仪器与方法 采用Toshiba Aplio500彩色多普勒超声诊断仪，14L5高频线阵探头，频率14 MHz，配备SMI软件。由2名有5年以上工作经验的乳腺超声医师对病灶的超声图像进行评估，记录乳腺病灶的位置、大小、形态、方位、边缘、回声模式、后方回声特征及有无钙化等，并根据病灶二维超声特征进行乳腺影像报告数据系统(breast imaging-reporting and data system， BI-RADS)分类。观察乳腺病灶的CDFI和SMI图像，分析乳腺病灶的血供及血管形态分布特征。采用Adler半定量分级法[10]对病灶血管进行分级：0级，病灶内及边缘无血流信号；1级，少量血流，可见1～2个点状血流或短棒状血流信号；2级，中量血流，即3～4个点状或1条长条血流，其长度接近或超过病灶半径；3级，多量血流，5个及以上点状或2条重要血管。参考Xiao等[4]的标准区分血管形态特征：乏血管型，病灶内未探及血流信号，或仅为星点状血流信号；线性或曲线型，病变内可见单条或数条无交叉的直或微弯血管，血管走行自然，管径粗细均匀，部分呈环绕的受压血管；树枝状，病灶内血管呈树枝状分支，管径粗细均匀，分支清晰且分布均匀；血管粗大扭曲，病变内可见小于2支粗大扭曲的血管，血管管径粗细不均，分布不均匀；蟹足状，病变血管呈蟹足状或放射状分布，增粗扭曲的血管≥2条，或病灶边缘可见毛刺状小血管。若同一病灶出现2种或以上表现，以血流最丰富切面的血管形态为准。

1.3 统计学分析 采用SPSS 19.0统计分析软件。以Wilcoxon检验比较乳腺病灶的Adler分级，χ2检验比较CDFI及SMI模式下血流检出率及乳腺病灶的血管形态分布。以P<0.05为差异有统计学意义。

2 结果

共纳入300个乳腺病灶。其中恶性病灶87个，包括浸润性癌70个，导管内癌6个，实性乳头状癌4个，富于细胞性黏液癌3个，小灶包裹型乳头状癌2个，小叶原位癌1个，混合癌1个；良性病灶213个，含纤维腺瘤137个，纤维囊性乳腺病52个，导管内乳头状瘤12个，良性叶状肿瘤4个，肉芽肿性乳腺炎3个，幼年型纤维腺瘤2个，硬化性腺病、不典型增生、错构瘤各1个。BI-RADS分类3类175个(良性173个，恶性2个)，4a类45个(良性34个，恶性11个)，4b类22个(良性5个，恶性17个)，4c类26个(良性1个，恶性25个)，5类31个(均为恶性)，6类1个(恶性)。

2.1 血流分级 300个乳腺病灶中，CDFI于235个病灶检出血流，检出率为78.33%(235/300)，其中良性病变为72.30%(154/213)，恶性病变93.10%(81/87)。SMI血流检出率为90.33%(271/300)，良性病变87.32%(186/213)，恶性病变97.70%(85/87)。CDFI与SMI总血流检出率差异有统计学意义(χ2=116.066，P<0.001)。

CDFI对良性与恶性病变之间血流Adler分级差异有统计学意义(Z=-6.901，P<0.001，表1)，良性病变各级血流分布较均衡，恶性病变以2～3级血流信号为主。SMI对良性与恶性病变之间血流Adler的分级差异亦有统计学意义(Z=-5.972，P<0.001，表1)，良恶性病变均以3级血流信号多见。

CDFI与SMI对乳腺病灶血流Adler分级差异有统计学意义(Z=-9.722，P<0.001，表1、图1)。SMI对乳腺病灶3级血流信号的检出率为58.00%(174/300)，CDFI为40.33%(121/300)，差异有统计学意义(χ2=146.850，P<0.001)。

2.2 血管形态 CDFI显示良恶性乳腺病变之间血管形态差异有统计学意义(χ2=122.810，P<0.001，表2)。SMI显示良恶性乳腺病变间血管形态差异亦有统计学意义(χ2=189.857，P<0.001，表3)。良性病灶多表现为乏血管型、线性或曲线型以及树枝状(图2、3)，恶性病变则多表现为血管粗大扭曲和蟹足状血管形态(图4、5)。

3 讨论

乳腺肿瘤的生长、侵袭和转移均离不开肿瘤血管。CDFI作为常用的血供评估方法，只能显示流速相对较高、管径>200 μm的血管[11]。SMI能够显示管径>100 μm的微细血管，理论上可弥补CDFI对微细血管的检测不足，但目前对于SMI模式下Adler半定量分级评估乳腺肿块良恶性的价值存在争议。Ma等[12]比较SMI与CDFI模式下乳腺肿块的Adler分级，结果显示差异有统计学意义，尤其在恶性肿块中差异明显，而在良性肿块中不明显，因此认为SMI检测肿块微血管更为敏感，SMI与BI-RADS联合可以提高超声对乳腺恶性肿块的诊断效能。相反，王希等[6]则认为SMI模式下行传统Adler半定量分级对于评估肿块的良恶性无统计学意义。本研究中，无论CDFI还是SMI，良恶性乳腺病灶间Adler半定量分级差异均有统计学意义，提示二者对诊断良恶性乳腺病变均有一定临床意义；SMI与CDFI模式下，乳腺病变Adler分级差异有统计学意义(Z=-9.722，P<0.001)，且SMI模式下对血流的总检出率和对3级血流的检出率均高于CDFI(P<0.001)，提示SMI对血流检出更敏感，可检出更细小的血管。

表1 良恶性乳腺病灶CDFI及SMI血流Adler分级[个(%)]

表2 CDFI模式下乳腺病灶的血管形态特征[个(%)]

表3 SMI模式下乳腺病灶血管形态特征[个(%)]

图1 患者24岁，乳腺纤维腺瘤 A.CDFI图，Adler分级为2级； B.SMI图，Adler分级为3级 图2 患者37岁，乳腺纤维腺瘤 SMI示血管呈曲线型，管径粗细一致 图3 患者18岁，乳腺纤维腺瘤 SMI示血管呈树枝状及曲线型，管径粗细一致 图4 患者74岁，浸润性乳腺癌 SMI示血管粗大扭曲 图5 患者61岁，浸润性乳腺癌 SMI示血管呈蟹足状

研究[4,13]表明SMI检测肿瘤血管不仅较彩色多普勒以及能量多普勒更敏感，而且能够提供更多的肿瘤血管形态学细节。本研究结果发现在CDFI及SMI下乳腺良性病变血管多表现为乏血管型、线性或曲线型以及树枝状，而恶性病变多表现为血管粗大扭曲和蟹足状；恶性病变出现上述血管形态分布特征的原因可能为恶性肿瘤的新生血管管壁薄、基底膜不完整，肿瘤呈浸润性生长，致血管分支粗细不均、走行纡曲，以及存在动静脉瘘。本研究SMI检出的78个表现为乏血管型的病灶中，8个为恶性病变，其中小叶原位癌1个，浸润性癌3个，导管内癌1个，混合癌(70%黏液癌，30%浸润性导管癌)1个，实性乳头状癌2个；91个表现为线性或曲线型血流信号的病灶中，5个为恶性病变，其中浸润性癌4个和小灶包裹型乳头状癌1例；55个表现为树枝状血流信号的病灶中，5个为恶性病变，其中导管内癌1个，小灶包裹型乳头状癌1个，浸润性癌3个；49个表现为血管粗大扭曲的病灶中，6个为良性病变，其中1个为不典型增生(病灶直径约0.7 mm)，合并纤维腺瘤及纤维囊性乳腺病，2个纤维腺瘤，1个良性叶状肿瘤，1个纤维囊性乳腺病，1个导管内乳头状瘤；27个表现为蟹足状血流信号的病灶中，仅1个为良性病变(导管内乳头状瘤，局灶可见导管上皮不典型增生)。分析恶性病灶未出现典型的恶性血流征象的原因可能：①病灶较小，其中2个实性乳头状癌术后病理病灶均小于5 mm；②病灶位置深，SMI对病灶血管显示欠佳；③某些特殊病理类型，如乏血供黏液癌等；④导管原位癌可由周边正常血管提供营养，肿瘤内尚未形成新生血管[11]。良性病灶出现恶性血流征象的原因可能为：①周围血管的容积效应；②硬化性腺病、不典型增生、导管内乳头瘤等为癌前病变，可出现恶性血流征象。

本研究的不足：①未分析SMI的血管形态分型与微血管密度之间的相关性；②对乳腺病灶血流分级和血管形态特征存在主观性；③未对BI-RADS分类不能确定的乳腺肿块进行SMI与BI-RADS分类综合分析判断。

总之，SMI能较CDFI更敏感地检测乳腺病灶内的血流信号。采用SMI及CDFI进行Adler血流分级对乳腺良恶性病变具有一定诊断价值，初步分析乳腺病灶的血管形态特征有助于鉴别诊断良恶性病变。