肿瘤相关扩散加权成像模型在乳腺癌预后因素预测中的研究进展

董测测，许茜

世界卫生组织国际癌症研究机构公布的2020年全球最新癌症负担数据显示，乳腺癌已首次取代肺癌成为全球第一大癌症，并且在女性癌症发病率及死亡率中远远高于其他癌症，严重威胁着女性生命健康[1]。乳腺癌不同的预后因素可影响疾病的进展、治疗效果及预后[2]。乳腺癌的预后因素主要包括病灶大小、组织学分级、淋巴结状态及分子相关因素，其中分子相关因素包括雌激素受体（estrogen receptor，ER）、孕激素受体（progesterone receptor，PR）、人表皮生长因子受体2（human epidermal growth factor receptor 2，HER2）、Ki-67表达水平及分子分型[3]。目前上述多数预后因素状态的确定仍依靠穿刺活检或手术等有创方式获得，因此通过影像检查无创甚至定量地预测乳腺癌预后因素状态具有重要的临床价值。MR扩散加权成像（DWI）可以从活体水平反映人体内水分子的运动状态，但由于体内组织结构的复杂性，水分子的扩散呈现出异质性。为了更“真实”地反映组织中水分子的扩散运动情况，一些研究者相继建立了多种扩散相关数学模型，并且已应用于乳腺良恶性病变的鉴别、乳腺癌的分级与分期、分子分型的预测及新辅助化疗疗效的评价[2，4-5]。此外，近些年提出的分数阶微积分（fractional order calculus，FROC）模型[6]及连续时间随机游走（continuous time random walk，CTRW）扩散模型[7]可以更真实地反映水分子扩散运动的时空特异性，其应用潜能有待进一步探究。本文就肿瘤相关扩散模型在乳腺癌相关预后因素中的研究进展予以综述。

1 DWI模型及其主要参数

1.1 单指数模型 单指数模型是假设水分子在人体的扩散运动处于理想状态（即水分子在人体中的运动遵循自由扩散原则，呈各向同性，并且满足高斯分布）且影响MR信号变化的因素只有水分子扩散受限程度。该模型的主要参数为表观扩散系数（ADC），ADC值越大，代表水分子扩散运动越自由；ADC值越小，代表水分子扩散运动越受限。单指数模型的数学表达式为：S（b）=S0exp（-bADC），其中S（b）代表扩散加权信号强度，S0代表未施加扩散梯度时的信号强度，b代表扩散敏感因子[下文数学表达式中符号S（b）、S0和b代表的含义与此相同]。

1.2 体素内不相干运动（intravoxel incoherent motion magnetic resonance imaging，IVIM）模型1986年Le Bihan等[8]首次提出了该模型，即通过双指数拟合的方式分离微循环灌注和水分子真性扩散，在b值较低时（b＜200 s/mm2）主要反映微血管灌注情况；b值较高时（b≥200 s/mm2）主要反映水分子的扩散受限情况。主要参数包括：①伪扩散系数（D*），反映灌注信息，主要代表灌注对扩散信号衰减的贡献，与平均毛细血管长度及平均血流速度密切相关；②真实扩散系数（D），反映真实的扩散信息，主要代表真实扩散对扩散信号衰减的贡献；③灌注分数（f），可间接反映病变中新生血管数量。IVIM模型的数学表达式为：S（b）=S0（1-f）exp（-bD）+S0fexp[-b（D+D*)]。

1.3 扩散峰度成像（diffusion kurtosis imaging，DKI）模型 在单位时间内水分子在生物组织中从一个位置扩散到另一个位置的概率可以通过概率分布模型来反映；在单指数模型中，将其描述为高斯分布。然而，对于几十毫秒量级的时间间隔，大多数组织的复杂结构可能会导致扩散位移概率分布偏离高斯形式，2005年Jensen等[9]提出DKI模型，并将这种偏离高斯特性的程度用一种无量纲度量——峰度来量化。主要参数包括：峰度（K），可以量化水分子扩散位移偏离高斯分布的程度，大小取决于组织结构的复杂程度，两者呈正相关；扩散系数（D），为经过非高斯分布校正以后的ADC值，表示单位时间内水分子的扩散距离，反映组织水分子的整体扩散水平及扩散阻力。DKI模型的数学表达式为：S（b）=S0exp（-bD+b2D2K/6）。

1.4 拉伸指数模型（stretched-exponential model,SEM）扩散的形式除了在细胞间隙内、毛细血管内之外，还有在细胞内与细胞外液之间、血管内与组织间液之间的运动等。2003年Bennett等[10]提出SEM以量化体素内扩散系数分布的异质性，前提是假设体素内质子池的扩散系数是连续分布的，可以评估体素内结构的复杂性。主要参数有：α，反映体素内扩散成分的不均质性，代表组织的复杂程度，α越接近0，代表扩散不均质性越高，反映组织结构越复杂；分布扩散系数（distributed diffusion coefficient,DDC），代表体素内平均扩散率，与组织细胞密度呈负相关。SEM的数学表达式为：S（b）=S0exp（-bDDC）α。

1.5 FROC及CTRW模型FROC模型于2010年被提出[6]，利用分数阶微积分理论对人体组织内的扩散运动情况进行了更详尽的分析，可以反映生物组织的基本微观结构和拓扑特征。主要参数有扩散系数（D）、空间参数（μ）和空间分数导数（β），其中D反映水分子扩散受限程度，μ及β反映体素内水分子扩散运动的空间异质性。FROC模型的数学表达式 为：S（b）=S0exp{-Dμ2（β-1）（γGdδ）2β[Δ-（2β-1）δ/（2β+1）]}，其中γ代表磁旋比，δ和Δ代表扩散梯度脉冲宽度和梯度分隔。

CTRW模型是在FROC模型的基础上进一步发展而来，于2014年由Ingo等[7]提出，该模型假设水分子扩散位移的均方值和扩散时间之间是成比例的，其中扩散运动的跳跃距离和跳跃等待时间不再符合高斯分布。主要参数有：时间参数（α）、空间参数（β）及反常扩散系数（anomalous diffusion coefficient，Dm），其中α及β分别反映体素内水分子扩散运动的时间及空间异质性，Dm反映水分子扩散受限情况。CTRW模型的数学表达式为：S（b）=S0Eα[-（bDm）β]。

2 不同DWI模型的b值选择

DWI数据在低b值（b＜200 s/mm2）时主要反映血流灌注情况，随着b值升高（b＞1 000 s/mm2），所得到的结果就越接近真实的体内微观结构及微环境的变化；单指数模型只需2个b值就可以进行ADC值的计算，非单指数模型各参数的计算需要多个b值，可选择的b值个数依赖于硬件的梯度性能；可选择的b值越多，在进行多维度分析时结果的精确度越高[11]。

另外，在b值选择时需要注意以下几点：①b值的选择需要结合所扫描的器官。对于平均扩散系数较大的器官，应选择较低的b值，因为b值越大，水分子相位离散越重，信号降低越明显，所以高b值会降低影像信噪比，反之亦然。②b值选择与用于分析的扩散模型有关。例如，当使用IVIM模型时，除了采用＞200 s/mm2的b值外，还建议采用6个b值（范围0～200 s/mm2），以确保提取IVIM参数的可靠性和再现性[11]；使用DKI模型时，b＞2 000 s/mm2时参数准确度更高，并且要求施加15个以上的非共线且非共面的扩散梯度方向；使用CTRW或FROC模型时，通常需要10～15个b值，并且b值的上限通常应超过3 000 s/mm2[12]。③b值的选择还应同时考虑信噪比和扩散对比度。尽管较高的b值产生更好的扩散对比度，但由于高b值所需的扫描时间较长，更易造成伪影，并且较长的采集时间引起的信号衰减会使影像信噪比显著降低。平衡影像信噪比和对比度之间最佳b值的选择通常由医师经验确定。

3 肿瘤相关DWI模型在乳腺癌预后因素预测中的应用

3.1 分子生物标志物因素与分子分型 乳腺癌的分子生物标志物包括：ER、PR、HER2及Ki-67，在临床实践中，基于以上标志物表达的免疫组织化学分型为乳腺癌的预后评估提供了重要信息，也为临床系统性、个体化治疗提供了必要的指导[13]。根据2011年St．Gallen国际乳腺癌大会的诊断标准，在免疫组化水平可以将乳腺癌分为以下4种亚型：管腔A型（Luminal A型）、管腔B型（Luminal B型）、HER2过表达型及三阴型[14]。

3.1.1 管腔型乳腺癌 管腔型是乳腺癌最常见的亚型（＞70%），又分为Luminal A型（ER和/或PR（+）、HER2（-）、Ki-67低表达）及Luminal B型[ER和/或PR（+）、HER2（-）、Ki-67高表达]。管腔型被视为低增殖亚型，此型乳腺癌细胞的分化程度高，异型性及恶性程度相对较低，对内分泌治疗更敏感，预后较好，其中Luminal A型预后最好，5年总生存率可达95．1%[15]。

Chen等[16]对116例乳腺癌病人进行DWI研究，结果发现ADC值不能用于鉴别管腔型及非管腔型乳腺癌。这一发现与先前研究[2]结果一致，推测可能是由于管腔型与非管腔型肿瘤的细胞密度均较高，导致水分子扩散受限；尽管ER/PR阳性会抑制肿瘤血管生成，导致灌注减少，突出扩散受限的差异，但仅ADC值并不能反映这种差异。IVIM成像通过施加多个b值可以区分扩散效应及灌注效应，Wang等[2]研究发现管腔型乳腺癌具有更低的D及D*值，与Ma等[17]研究结果一致，可能与该型病变具有较高细胞密度及相对低的血管密度有关，并且该研究还发现Luminal B型具有最低的D值，推测与该亚型ER/PR阳性和较高的Ki-67指数下调了血管内皮生长因子的水平，抑制了血管生成途径，细胞数量增加，从而限制了水的扩散有关。Kang等[18]对383例乳腺癌病人行乳腺DKI检查，研究发现，管腔型乳腺癌较非管腔型显示出更高的K值。有研究者[19]推测这可能与其特有的形态模式有关，管腔型乳腺癌更容易表现为边缘毛刺，在细胞水平上毛刺可能代表肿瘤浸润、相邻间质的粘连、增生反应或乳腺导管周围的纤维化，从而增加管腔型乳腺癌显微结构的复杂性和异质性，导致该亚型乳腺癌的峰度值较高。但也有研究[2,20]得出了相反的结果。上述差异需统一扫描标准后进一步研究。

3.1.2 HER 2过表达型乳腺癌HER2过表达型乳腺癌[ER及PR（-）、HER2（+）、Ki-67任何水平]常与较高淋巴结转移率、较高肿瘤级别以及较高增殖活性有关，虽然对靶向治疗较敏感，但HER2水平越高，肿瘤的侵袭性越强，预后越差[21]。近年已有多项研究[2，5，22]发现HER2（+）乳腺癌具有较高的ADC值。一方面这可能与HER2可促进肿瘤组织中血管内皮因子生成及血管和淋巴管的生长，从而增加灌注效应有关；另一方面HER2（+）乳腺癌中常见的微钙化降低了细胞密度，也可导致扩散增加，从而使ADC值升高[22]。Uslu等[23]对51例乳腺癌病人进行IVIM成像，研究发现HER2过表达型乳腺癌的f及D*值均较高，反映了该亚型肿瘤具有较强的血管生成能力，与Ma等[17]研究结果相近。但也有研究[2]显示，IVIM成像相关参数在HER2过表达与其他亚型乳腺癌之间的差异无统计学意义，该研究使用的最高b值高达2 000 s/mm2，而前述研究[23]最高b值为1 000 s/mm2，可见b值选择的差异可能会对最终定量结果产生影响。一些有关乳腺DKI的研究[2，18]发现，HER2过表达型乳腺癌的D值高于其他亚型，推测这可能与较高的血管生成比例导致细胞间隙相对增加有关。Wang等[2]研究还发现HER2过表达型乳腺癌的K值低于其他亚型，但目前未发现与其类似的研究结果。

3.1.3 三阴型乳腺癌 三阴型乳腺癌[ER和PR（-）、HER2（-）、Ki-67任何水平]具有高度侵袭性、高度异质性，易早期复发，是预后最差的亚型[24]。一些研究[2，16-17]发现三阴型乳腺癌的ADC值低于其他亚型，表明该亚型细胞增殖旺盛。也有研究者[25]采用半自动提取影像学特征的方法，筛选出了12个对诊断三阴型乳腺癌有意义的DWI影像特征，分析其诊断效能，结果显示训练组和验证组受试者操作特征曲线下面积（AUC）值分别高达0.817和0.804。近年一些乳腺IVIM成像相关研究[2，17]发现，三阴型乳腺癌的D*及f值均高于其他亚型，分析原因可能与肿瘤高侵袭性所致的肿瘤新生血管增加有关，但也有研究[23]发现乳腺癌三阴型组的f值低于其他亚型，可能与病变坏死导致的低灌注有关。有研究者[2，20]应用DKI对乳腺癌分子分型进行研究，结果发现三阴型乳腺癌的K值高于其他亚型，可能是由于三阴型乳腺癌具有高度异质性，而Kang等[18]研究结果与之相反。综上，更大的样本量、统一的ROI勾画及扫描方案有助于获得更准确的研究结果。

3.2 组织学分级因素 根据腺管形成的比例、细胞的异型性以及核分裂象3项指标将浸润性乳腺癌分为高、中、低3级，随着组织学等级升高，浸润性导管癌的淋巴结转移率、复发率及死亡率均增高。

细胞密度是影响肿瘤内水分子扩散运动的重要因素之一，这使得通过分析ADC值预测乳腺癌组织学分级成为可能。Santucci等[26]研究发现病变组织学分级与ADC值呈负相关。李等[27]对ADC值与乳腺浸润性导管癌恶性程度的相关性研究中亦发现，ADC值与乳腺癌组织学分级呈负相关。Yuan等[28]通过建立贝叶斯判别模型进行研究，结果表明ADC值对组织学分级有较好的预测效果，错误率仅约9.69%。

一些有关乳腺癌IVIM成像的研究[3，23，29]显示，D值随病理级别的升高而降低，D*随病理级别的升高而升高。分析原因是由于乳腺癌恶性程度越高，细胞增殖越旺盛，细胞外容积越小，并且不成熟的肿瘤血管越多，从而导致上述变化。安等[30]研究发现IVIM单双指数模型分别测得的D值和D*值与肿瘤分级呈负相关，并且Spearman秩相关分析结果显示D值与肿瘤分级的相关性较传统的单指数DWI测得的ADC值与肿瘤分级的相关性明显要高，主要是由于D值排除了组织微循环灌注的影响，因此在鉴别乳腺癌恶性程度上优于ADC值。

Meng等[29]应用DKI对76例乳腺癌病人进行研究，结果发现K值与乳腺癌组织学分级呈正相关，D值与组织学分级呈负相关，与Huang等[3]研究结果一致；分析原因可能是由于组织学分级高的病变肿瘤细胞密度高，核异型性明显，组织坏死多，进而影响内部水分子的扩散分布。

3.3 腋窝淋巴结状态因素 腋窝淋巴结状态与乳腺癌治疗顺序、治疗类型(内分泌、化疗和/或靶向治疗)以及使用的药物种类和周期密切相关，是乳腺癌重要的预后因素之一。

Tezcan等[31]对83例乳腺癌病人的DWI研究发现，腋窝淋巴结转移者病灶ADC值低于腋窝淋巴结未受累者，与Ren等[32]研究结果一致。可能的作用机制是转移淋巴结内肿瘤细胞密度较高而坏死少见，细胞外和细胞内间隙减小，限制水分子的移动导致ADC值降低[33]。Chai等[34]对120例乳腺癌病人进行MR多参数影像组学特征的对比研究，结果发现DWI诊断腋窝淋巴结转移的准确度及受试者操作特征曲线下面积分别为79%和0.85。

一项关于IVIM-DWI在乳腺肿瘤鉴别诊断中诊断效能的Meta分析研究[7]显示，有淋巴结转移的病灶比无淋巴结转移病灶的D*值和f值更高，分析原因是由于肿瘤中新生血管所致的丰富血流灌注促进淋巴转移。但You等[35]对145例HER2（+）乳腺癌的研究发现，IVIM相关参数与腋窝淋巴结状态之间无相关性。上述研究结果不一致的原因可能是由于影响腋窝淋巴结状态的因素较多，如脉管瘤栓、肿瘤大小及组织学级别等[36]。

Huang等[3]对50例乳腺癌病人进行DKI研究，结果发现有淋巴结受累的乳腺病灶比没有淋巴结受累的乳腺病灶的K值更高、D值更低，与Kang等[18]研究结果一致，可能是由于转移性淋巴结具有较高的异质性及肿瘤细胞密度。此外，Huang等[3]研究还发现K值在检测淋巴结状态时较ADC值的效能更高（AUC分别为0.724和0.634）。

3.4 其他 近些年提出的FROC及CTRW模型可以量化时间及空间上的体素内扩散异质性，基于此独特优势，已有研究[37-39]将这两种模型用于儿童及成人的脑胶质瘤分级、胃腺癌Lauren分类以及胃肠道间质瘤的靶向治疗疗效评估。未来也将逐步应用于乳腺肿瘤的研究。

4 局限性与展望

综上所述，基于不同数学模型的肿瘤相关DWI从不同角度反映了生物组织中水分子的运动情况，在乳腺癌预后因素的无创检测中具有一定价值，为临床治疗方案的选择及预后判断提供依据。应用研究中比较突出的问题是不同研究中采用同一模型评估诊断效能的结果存在差异。分析可能的原因：①不同病理类型的乳腺癌异质性不同，DWI表现各异，需针对乳腺癌病理类型扩大样本量并进行细化的分层研究；②不同的ROI勾画方法对定量参数值的测量有影响，进一步比较不同ROI勾画方法的诊断效能及结合肿瘤异质性深入挖掘各参数图的直方图、纹理特征等可能为现有数据提供新的分析思路；③DWI参数设置的标准化及可重复性是影响研究结果准确性和一致性的主要因素，尤其是b值优化、采样策略及拟合方法的选择等仍需大样本、多中心的对比联合研究。随着MRI技术的不断发展及研究深入，相信基于不同数学模型的DWI技术也会进一步得到优化，为乳腺癌的临床诊治提供更多有价值的信息。