定量X线纹理分析鉴别诊断乳腺纤维腺瘤与浸润性导管癌(2)
参照美国放射学会BI-RADS分类标准，中国抗癌协会乳腺癌诊治指南与规范(2015版)[3]将肿块定义为在两个相互垂直(或近似垂直)的投照位置上均可见到的，有一定轮廓的占位性病变。X线摄影对显示乳腺钙化灶有独特优势，但对于肿块的诊断相对局限，如何在现有检查技术的基础上，提高X线对乳腺肿块良恶性鉴别诊断的准确率成为研究热点[7]。
纹理分析是近年新兴的计算机辅助诊断技术，不同于传统的基于形态学研究，纹理分析可以定量显示图像像素值及其排列方式等人眼不可见的细微变化，客观反映肿瘤内部的异质性。目前纹理分析在多种器官肿瘤异质性的鉴别价值得到普遍证实[4]，但其对乳腺肿瘤的异质性研究多应用在MRI检查[8]，乳腺X线图像纹理分析评价肿瘤异质性的报道甚少。近期有文献证实，通过计算机辅助纹理分析技术，乳腺病变在X线片上可以显示的更加清晰[9]，这有望为本研究提供理论支持。
本研究对88个乳腺纤维腺瘤及95个浸润性导管癌肿块进行纹理分析后发现：均值、偏度、峰度及不均匀度在两组间差异无统计学意义(P>0.05)。熵值和标准偏差在浸润性导管癌中的数值高于纤维腺瘤(P<0.05)，其中熵代表图像内部像素的混杂程度，标准偏差是像素与均值间存在的变化或分散的度量，两者均可表示肿瘤的异质性[10]，且值越高代表肿块的恶性程度越高，内部结构更紊乱，这与Lubner等[11]报道的其他肿瘤纹理分析结果一致。考虑是因为浸润性导管癌的细胞通透性改变、异常血管生成以及囊变、坏死等混杂成分较纤维腺瘤更加明显。分析得到熵值对两者鉴别诊断的曲线下面积(AUC)为0.652，标准偏差的AUC值为 0.614(P均<0.05)，提示單一纹理特征鉴别纤维腺瘤与浸润性导管癌有一定价值，但诊断效能不是很高。以病理结果为金标准，进一步将3种纹理特征进行联合，计算得出纹理特征和乳腺X线联合纹理特征鉴别两种病变的AUC值分别为0.691及0.857，这表明多种纹理特征联合的鉴别效能高于单一纹理，且乳腺X线与纹理特征联合的鉴别价值最高，可将单纯X线的鉴别效能由0.818提升至0.857。
分析后发现：①纹理特征的诊断敏感度、特异度和准确度与乳腺X线相比差异无统计学意义，这说明仅采用纹理分析鉴别两种病变对提高诊断效能无益，临床上不推荐其代替X线独立使用。②乳腺X线联合纹理特征的诊断特异度和准确度均高于乳腺X线(P均<0.05)，此方法成功将一例复杂型纤维腺瘤由4C级降为4A级，有效避免了该患者的过度治疗。这提示乳腺X线联合纹理特征可以在一定程度上减少对复杂型纤维腺瘤的误判，降低假阳性率。目前，国际上利用增强乳腺MRI的纹理分析进行乳腺疾病研究的报道较多，但为得到较准确的MRI纹理分析结果，多需采用容积纹理提取方法[12]，逐层勾画感兴趣区，勾取时间较长，且后处理复杂[13]，阻碍了其临床应用。本研究采用的ROI勾取步骤简单，无需处理复杂的配准等问题便可自动提取纹理特征，且后处理方法简洁、可靠，与MRI纹理分析相比有较大临床应用优势。
综上所述，本研究应用X线纹理分析技术成功区分了乳腺纤维腺瘤与浸润性导管癌，提高了浸润性导管癌的诊断灵敏度和准确度，值得在临床上应用推广。本研究还存在一些不足：①本组试验在病例选择上主要为住院患者，样本选取存在一定偏倚；②本研究仅选取肿块最清晰典型的单张X线图像进行纹理分析，不能全面反映肿块特征，今后还需对多个投照体位的多张X线图像进行综合分析，全面评估纹理分析的应用价值；③部分学者进行纹理分析前，会剔除病灶内的钙化灶或囊变坏死区域，笔者认为这些区域也体现肿块部分纹理，故未作剔除。
参考文献
Chen W，Zheng R，Baade P D，et al.Cancer statistics in China，2015.[J].Ca Cancer J Clin，2016，66(2)：115-132.
Nassar A，Visscher D W，Degnim A C，et al.Complex fibroadenoma and breast cancer risk： a Mayo Clinic Benign Breast Disease Cohort Study.[J].Breast Cancer Res Treat，2015，153(2)：397-405.
佚名.中国抗癌协会乳腺癌诊治指南与规范(2015版)[J].中国癌症杂志，2015(9)：692-754.
Gillies R J，Kinahan P E，Hricak H.Radiomics： Images Are More than Pictures，They Are Data.[J].Radiology，2016，278(2)：563-577.
Radiology A C O.Breast imaging reporting and data system (BI-RADS).[M].American College of Radiology，2003.
Tice J A，Miglioretti D L，Li C S，et al.Breast Density and Benign Breast Disease： Risk Assessment to Identify Women at High Risk of Breast Cancer.[J].Journal of Clinical Oncology，2015，33(28)：3137-3143.
陈惠根，刘玉娥.乳腺不典型孤立小结节性病变的X 线定性诊断分析[J].实用放射学杂志，2017，33(2).
Waugh S A，Purdie C A，Jordan L B，et al.Magnetic resonance imaging texture analysis classification of primary breast cancer[J].European Radiology，2016，26(2)：322-330. (彭文静 刘正立 桂熙雯 张孝庚 路欣 马红 汪秀玲)
纹理分析是近年新兴的计算机辅助诊断技术，不同于传统的基于形态学研究，纹理分析可以定量显示图像像素值及其排列方式等人眼不可见的细微变化，客观反映肿瘤内部的异质性。目前纹理分析在多种器官肿瘤异质性的鉴别价值得到普遍证实[4]，但其对乳腺肿瘤的异质性研究多应用在MRI检查[8]，乳腺X线图像纹理分析评价肿瘤异质性的报道甚少。近期有文献证实，通过计算机辅助纹理分析技术，乳腺病变在X线片上可以显示的更加清晰[9]，这有望为本研究提供理论支持。
本研究对88个乳腺纤维腺瘤及95个浸润性导管癌肿块进行纹理分析后发现：均值、偏度、峰度及不均匀度在两组间差异无统计学意义(P>0.05)。熵值和标准偏差在浸润性导管癌中的数值高于纤维腺瘤(P<0.05)，其中熵代表图像内部像素的混杂程度，标准偏差是像素与均值间存在的变化或分散的度量，两者均可表示肿瘤的异质性[10]，且值越高代表肿块的恶性程度越高，内部结构更紊乱，这与Lubner等[11]报道的其他肿瘤纹理分析结果一致。考虑是因为浸润性导管癌的细胞通透性改变、异常血管生成以及囊变、坏死等混杂成分较纤维腺瘤更加明显。分析得到熵值对两者鉴别诊断的曲线下面积(AUC)为0.652，标准偏差的AUC值为 0.614(P均<0.05)，提示單一纹理特征鉴别纤维腺瘤与浸润性导管癌有一定价值，但诊断效能不是很高。以病理结果为金标准，进一步将3种纹理特征进行联合，计算得出纹理特征和乳腺X线联合纹理特征鉴别两种病变的AUC值分别为0.691及0.857，这表明多种纹理特征联合的鉴别效能高于单一纹理，且乳腺X线与纹理特征联合的鉴别价值最高，可将单纯X线的鉴别效能由0.818提升至0.857。
分析后发现：①纹理特征的诊断敏感度、特异度和准确度与乳腺X线相比差异无统计学意义，这说明仅采用纹理分析鉴别两种病变对提高诊断效能无益，临床上不推荐其代替X线独立使用。②乳腺X线联合纹理特征的诊断特异度和准确度均高于乳腺X线(P均<0.05)，此方法成功将一例复杂型纤维腺瘤由4C级降为4A级，有效避免了该患者的过度治疗。这提示乳腺X线联合纹理特征可以在一定程度上减少对复杂型纤维腺瘤的误判，降低假阳性率。目前，国际上利用增强乳腺MRI的纹理分析进行乳腺疾病研究的报道较多，但为得到较准确的MRI纹理分析结果，多需采用容积纹理提取方法[12]，逐层勾画感兴趣区，勾取时间较长，且后处理复杂[13]，阻碍了其临床应用。本研究采用的ROI勾取步骤简单，无需处理复杂的配准等问题便可自动提取纹理特征，且后处理方法简洁、可靠，与MRI纹理分析相比有较大临床应用优势。
综上所述，本研究应用X线纹理分析技术成功区分了乳腺纤维腺瘤与浸润性导管癌，提高了浸润性导管癌的诊断灵敏度和准确度，值得在临床上应用推广。本研究还存在一些不足：①本组试验在病例选择上主要为住院患者，样本选取存在一定偏倚；②本研究仅选取肿块最清晰典型的单张X线图像进行纹理分析，不能全面反映肿块特征，今后还需对多个投照体位的多张X线图像进行综合分析，全面评估纹理分析的应用价值；③部分学者进行纹理分析前，会剔除病灶内的钙化灶或囊变坏死区域，笔者认为这些区域也体现肿块部分纹理，故未作剔除。
参考文献
Chen W，Zheng R，Baade P D，et al.Cancer statistics in China，2015.[J].Ca Cancer J Clin，2016，66(2)：115-132.
Nassar A，Visscher D W，Degnim A C，et al.Complex fibroadenoma and breast cancer risk： a Mayo Clinic Benign Breast Disease Cohort Study.[J].Breast Cancer Res Treat，2015，153(2)：397-405.
佚名.中国抗癌协会乳腺癌诊治指南与规范(2015版)[J].中国癌症杂志，2015(9)：692-754.
Gillies R J，Kinahan P E，Hricak H.Radiomics： Images Are More than Pictures，They Are Data.[J].Radiology，2016，278(2)：563-577.
Radiology A C O.Breast imaging reporting and data system (BI-RADS).[M].American College of Radiology，2003.
Tice J A，Miglioretti D L，Li C S，et al.Breast Density and Benign Breast Disease： Risk Assessment to Identify Women at High Risk of Breast Cancer.[J].Journal of Clinical Oncology，2015，33(28)：3137-3143.
陈惠根，刘玉娥.乳腺不典型孤立小结节性病变的X 线定性诊断分析[J].实用放射学杂志，2017，33(2).
Waugh S A，Purdie C A，Jordan L B，et al.Magnetic resonance imaging texture analysis classification of primary breast cancer[J].European Radiology，2016，26(2)：322-330. (彭文静 刘正立 桂熙雯 张孝庚 路欣 马红 汪秀玲)