论文部分内容阅读
背景和目的女性乳腺癌已成为全球最常见恶性肿瘤,也是女性癌症相关死亡的主要原因,早期发现、早期诊断和早期治疗能够有效提高乳腺癌患者的生存率,因而乳腺癌的早期诊断显得尤为重要,对乳腺良恶性肿块的鉴别诊断具有重要的意义。随着社会经济的发展,MRI越来越广泛应用于乳腺疾病的筛查及诊断。MRI以其优越的软组织成像对比,丰富的成像参数,为乳腺疾病的诊断与鉴别诊断提供了更加丰富的信息。研究显示MRI对乳腺癌的检出及乳腺癌病变特征的呈现比乳腺X线摄影及超声具有更高准确性。通过对照研究乳腺良恶性肿块病变的MRI资料,筛选出有统计学意义的MRI成像征象并分析其诊断效能,建立Logistic回归模型,提高乳腺良恶性肿块病变的诊断和鉴别诊断水平,为临床进一步检查和治疗提供准确的参考信息,更好的服务于临床和患者。资料和方法本研究为病例对照研究,收集河南中医药大学第一附属医院磁共振室在2020年8月至2021年8月期间完成的乳腺MRI检查451例,排除治疗后病例35例,排除无病理病例96例,排除灶点状病例113例,排除非肿块型病例115例,排除男性病人1例,最终纳入91例肿块型病例,其中包含51例恶性肿块型病例和40例良性肿块型病例,所有病例均经河南中医药大学第一附属医院病理证实。对纳入的乳腺良恶性肿块型病变的磁共振影像征象进行采集汇总、统计分析。乳腺磁共振影像征象纳入乳腺纤维腺体组织(FGT)分类、肿块左右乳分布、肿块象限、肿块深度、肿块数目、肿块磁共振平扫(T1WI、T2WI)信号、肿块形状、肿块边缘、肿块最大径、DWI和ADC信号表现、ADC值和ADC值差值、增强扫描内部强化特征、动态对比增强特征(早期强化率、峰值强化率、早期强化比值、达峰时间、TIC曲线)、血管征、腋窝淋巴结恶性征象。应用统计分析软件SPSS 25.0分析良恶性组的MRI资料,定量资料满足独立性、正态性、方差齐性,以“均数±标准差(?)”表示,组间比较采用t检验,不符合方差齐性时,采用校正t检验;定量资料为偏态分布,以“中位数(四分位数)[M(P25,P75)]”表示,组间比较采用非参数检验;计数资料以“例数(百分比)[n(%)]”表示,组间比较采用卡方检验或Fisher确切概率法检验。P<0.05差异有统计学意义。对有统计学意义的变量绘制受试者工作特征(ROC)曲线,对变量的诊断效能进行分析,并将诊断效能较高的变量纳入多因素Logistic回归分析,建立乳腺MRI良恶性肿块鉴别诊断的Logistic回归模型。结果乳腺良恶性肿块FGT分类相比较,组间差异无统计学意义(P=0.122)。乳腺良恶性肿块左右乳分布相比较,组间差异无统计学意义(P=0.059);乳腺良恶性肿块象限分布相比较,组间差异无统计学意义(P=0.168);乳腺良恶性肿块分布按外上象限与其他象限进行比较,组间差异有统计学意义(P=0.027);乳腺良恶性肿块深度相比较,组间差异无统计学意义(P=0.073)。乳腺良恶性肿块数目相比较,组间差异无统计学意义(P=0.376)。乳腺良恶性肿块T1WI信号相比较,组间差异无统计学意义(P=0.099)。乳腺良恶性肿块T2WI信号相比较,组间差异有统计学意义(P=0.023)。乳腺良恶性肿块形状相比较,组间差异有统计学意义(P<0.001)。乳腺良恶性肿块边缘相比较,组间差异有统计学意义(P<0.001)。乳腺良恶性肿块最大径相比较,组间差异有统计学意义(P<0.001)。乳腺良恶性肿块DWI、ADC信号相比较,组间差异有统计学意义(P<0.001)。乳腺良恶性肿块ADC值相比较,组间差异有统计学意义(P<0.001),乳腺良恶性肿块ADC值差值相比较,组间差异无统计学意义(P=0.535)。乳腺良恶性肿块动态对比增强内部强化特征相比较,组间差异有统计学意义(P<0.001),早期强化率组间差异无统计学意义(P=0.846),峰值强化率组间差异无统计学意义(P=0.183),早期强化比值组间差异有统计学意义(P<0.001),强达峰时间组间差异有统计学意义(P<0.001),TIC曲线组间差异有统计学意义(P<0.001)。乳腺良恶性肿块血管征相比较,组间差异有统计学意义(P<0.001)。乳腺肿块伴随腋窝淋巴结恶性征象良恶性组相比较,差异有统计学意义(P=0.041)。对有统计学意义变量进行诊断效能评价,结果为:ADC值>边缘>ADC信号>TIC曲线>达峰时间>早期强化比值>最大径>DCE内部强化特征>血管征>DWI信号>形状>腋窝淋巴结恶性征象>T2WI信号,其曲线下面积(AUC)分别为:0.952、0.925、0.900、0.820、0.772、0.761、0.740、0.733、0.686、0.670、0.616、0.569、0.555。应用二元Logistic回归分析,最终纳入了ADC值、边缘、TIC曲线,成功构建了乳腺磁共振成像良恶性肿块鉴别诊断的Logistic回归模型,即:Logit(P)=-11.792+2.837×ADC值+2.651×边缘+2.981×TIC曲线。结论1乳腺肿块的形状、边缘、最大径、T2WI信号、DWI与ADC信号、ADC值、内部强化特征、早期强化比值、达峰时间、TIC曲线、血管征、腋窝淋巴结恶性征象等因素,对乳腺肿块的良恶性鉴别诊断有重要应用价值。2应用以ADC值、边缘、TIC曲线建立的乳腺MRI良恶性肿块鉴别诊断Logistic回归模型,有助于对乳腺肿块进行良恶性鉴别诊断。