乳腺癌不同分子亚型的动态对比增强MRI影像学特征分析及ADC特点研究

贺春燕 高岩峰

引用本文:
Citation:

乳腺癌不同分子亚型的动态对比增强MRI影像学特征分析及ADC特点研究

    通讯作者: 高岩峰, 599037844@qq.com

Analysis of dynamic contrast-enhanced MRI image and apparent diffusion coefficient features of different molecular subtypes of breast cancer

    Corresponding author: Yanfeng Gao, 599037844@qq.com
  • 摘要: 目的 探讨乳腺癌不同分子亚型的动态对比增强磁共振成像(DCE-MRI)影像学征象及表观扩散系数(ADC)特点。 方法 回顾性分析2018年1月至2020年1月于内蒙古医科大学附属人民医院就诊并经免疫组织化学染色法检查证实的138例乳腺癌女性患者的临床资料,患者年龄27~71(56.1±5.6)岁。所有患者均于术前行乳腺常规MRI扫描,根据乳腺影像报告和数据系统分析乳腺癌不同分子亚型的DCE-MRI特征;测量 ADC并分析其特点。术后采用免疫组织化学染色法将乳腺癌分为不同分子亚型。采用卡方检验或 Fisher确切概率法分析DCE-MRI特征与乳腺癌分子亚型的关系。采用单因素方差分析比较各分子亚型的ADC。 结果 138 例乳腺癌患者的免疫组织化学染色法检测结果显示, Luminal A 型 14 例 、 Luminal B 型 62 例、HER-2 过表达型 33 例、基底细胞样型 29 例。4种乳腺癌分子亚型中,基底细胞样型较其他3种类型体积大( χ2=0.70、15.21、6.87,均P<0.01);Luminal A型多边缘光滑,其他3种类型边缘多不规则( χ2=26.41、7.23、7.88,均P<0.01);基底细胞样型乳腺癌多呈边缘强化,而Luminal A型乳腺癌多呈均匀强化,且其动态增强扫描时间-信号曲线(TIC)类型以Ⅱ型居多,其他3种类型的TIC类型以Ⅲ型为主( χ2=12.325,P<0.01)。所有患者病灶的ADC为(0.497×10−3~1.367×10−3)mm2/s[(0.865±0.021)×10−3 mm2/s]。HER-2过表达型乳腺癌的ADC最高[(1.023±0.027)×10−3 mm2/s],基底细胞样型和Luminal A型乳腺癌次之[(0.957±0.025)×10−3 mm2/s和(0.902±0.033)×10−3 mm2/s],Luminal B型乳腺癌最低[(0.852±0.013)×10−3 mm2/s]。HER-2过表达型乳腺癌的ADC与基底细胞样型及Luminal B型之间的差异均有统计学意义(F=11.80、12.40,均P<0.01),Luminal B型与Luminal A型之间的差异有统计学意义(F=25.50,P<0.01)。 结论 乳腺癌各分子亚型的DCE-MRI影像学征象及ADC具有一定的特征性,可为乳腺癌患者术前预测、治疗方案的制定及预后评估提供参考依据。
  • 图 1  4种不同分子亚型乳腺癌患者的DCE-MRI图及免疫组织化学染色图

    Figure 1.  The dynamic contrast-enhanced MRI image and immunohistochemical image of breast cancer patients with four different molecular subtypes

    表 1  138例乳腺癌患者不同分子亚型的DCE-MRI的影像学特征[例(%)]

    Table 1.  Imaging features of dynamic contrast-enhanced MRI in 138 breast cancer patients with different molecular subtypes [case(%)]

    分子亚型肿瘤最大径边缘轮廓分布强化方式TIC类型
    ≤2(cm) >2(cm)光滑毛刺不规则多区域或
    弥漫性
    节段性均匀不均匀边缘强化
    Luminal A型
     [14 (10.2)]
    9
    (64.3)
    5
    (35.7)
    8
    (57.1)
    5
    (35.7)
    1
    (7.2)
    0
    0
    9
    (64.3)
    5
    (36.7)
    0
    3
    (21.4)
    6
    (42.9)
    5
    (35.7)
    Luminal B型
     [62 (44.9)]
    24
    (38.7)
    38
    (61.3)
    7
    (11.3)
    16
    (25.8)
    34
    (54.8)
    5
    (8.1)
    0
    6
    (9.7)
    45
    (72.6)
    11
    (17.7)
    5
    (8.1)
    10
    (16.1)
    47
    (75.8)
    HER-2过表达型
     [33 (23.9)]
    12
    (36.4)
    21
    (63.6)
    5
    (15.2)
    18
    (54.5)
    10
    (30.3)
    0
    0
    5
    (15.2)
    16
    (48.5)
    12
    (36.3)
    0
    6
    (18.2)
    27
    (81.8)
    基底细胞样型
     [29 (21.0)]
    7
    (24.1)
    22
    (75.9)
    3
    (10.3)
    15
    (51.7)
    7
    (24.1)
    0
    4
    (13.9)
    2
    (6.9)
    8
    (27.6)
    19
    (65.5)
    1
    (3.5)
    5
    (17.2)
    23
    (79.3)
    χ2 15.656 23.512 17.983 14.978
    P 0.001 <0.001 <0.001 0.009
     注:DCE-MRI为动态对比增强磁共振成像;TIC为时间-信号强度曲线;HER-2为人表皮生长因子受体2。−表示无此项数据
    下载: 导出CSV
  • [1] Effi AB, Aman NA, Koui BS, et al. Immunohistochemical determination of estrogen and progesterone receptors in breast cancer: relationship with clinicopathologic factors in 302 patients in Ivory Coast[J/OL]. BMC Cancer, 2017, 17(1): 115[2021-03-29]. https://bmccancer.biomedcentral.com/articles/10.1186/s12885-017-3105-z. DOI:10.1186/s12885-017-3105-z.
    [2] Harbeck N, Gnant M. Breast cancerInterpretation of the evidence for the efficacy and safety of statin therapy[J]. Lancet, 2017, 389(10074): 1134−1150. DOI: 10.1016/S0140-6736(16)31891-8.
    [3] Albain KS, Barlow WE, Shak S, et al. Prognostic and predictive value of the 21-gene recurrence score assay in postmenopausal women with node-positive, oestrogen-receptor-positive breast cancer on chemotherapy: a retrospective analysis of a randomised trial[J]. Lancet Oncol, 2010, 11(1): 55−65. DOI: 10.1016/S1470-2045(09)70314-6.
    [4] Perou CM, Sørlie T, Eisen MB, et al. Molecular portraits of human breast tumours[J]. Nature, 2000, 406(6797): 747−752. DOI: 10.1038/35021093.
    [5] Li H, Zhu YT, Burnside ES, et al. MR imaging radiomics signatures for predicting the risk of breast cancer recurrence as given by research versions of MammaPrint, Oncotype DX, and PAM50 gene assays[J]. Radiology, 2016, 281(2): 382−391. DOI: 10.1148/radiol.2016152110.
    [6] Youk JH, Son EJ, Chung J, et al. Triple-negative invasive breast cancer on dynamic contrast-enhanced and diffusion-weighted MR imaging: comparison with other breast cancer subtypes[J]. Eur Radiol, 2012, 22(8): 1724−1734. DOI: 10.1007/s00330-012-2425-2.
    [7] Camps-Herrero J. Diffusion-weighted imaging of the breast: current status as an imaging biomarker and future role[J/OL]. BJR| Open, 2019, 1(1): 20180049[2021-03-29]. https://www.birpublications.org/doi/10.1259/bjro.20180049. DOI: 10.1259/bjro.20180049.
    [8] Kim SR, Paik S. Genomics of adjuvant therapy for breast cancer[J]. Cancer J, 2011, 17(6): 500−504. DOI: 10.1097/PPO.0b013e31823e5370.
    [9] Goldhirsch A, Ingle JN, Gelber RD, et al. Thresholds for therapies: highlights of the St Gallen International Expert Consensus on the primary therapy of early breast cancer 2009[J]. Ann Oncol, 2009, 20(8): 1319−1329. DOI: 10.1093/annonc/mdp322.
    [10] Goldhirsch A, Wood WC, Coates AS, et al. Strategies for subtypes—dealing with the diversity of breast cancer: highlights of the St Gallen International Expert Consensus on the Primary Therapy of Early Breast Cancer 2011[J]. Ann Oncol, 2011, 22(8): 1736−1747. DOI: 10.1093/annonc/mdr304.
    [11] Bozkurt KK, Kapucuoğlu N. Investigation of immunohistochemical ERα, ERβ and ERβcx expressions in normal and neoplastic breast tissues[J]. Pathol-Res Pract, 2012, 208(3): 133−139. DOI: 10.1016/j.prp.2011.12.015.
    [12] Wang J, Feng L, Zhu ZT, et al. Aquaporins as diagnostic and therapeutic targets in cancer: how far we are?[J/OL]. J Transl Transl Med, 2015, 13: 1-11[2021-03-29]. https://translational-medicine.biomedcentral.com/articles/10.1186/s12967-015-0439-7. DOI:10.1186/s12967-015-0439-7.
    [13] Bharti JN, Rani P, Kamal V, et al. Angiogenesis in breast cancer and its correlation with estrogen, progesterone receptors and other prognostic factors[J]. J Clin Diagn Res, 2015, 9(1): EC05−EC07. DOI: 10.7860/JCDR/2015/10591.5447.
    [14] Prat A, Pineda E, Adamo B, et al. Clinical implications of the intrinsic molecular subtypes of breast cancer[J]. Breast, 2015, 24(Suppl 2): S26−35. DOI: 10.1016/j.breast.2015.07.008.
    [15] Coates AS, Winer EP, Goldhirsch A, et al. Tailoring therapies—improving the management of early breast cancer: St Gallen International Expert Consensus on the Primary Therapy of Early Breast Cancer 2015[J]. Ann Oncol, 2015, 26(8): 1533−1546. DOI: 10.1093/annonc/mdv221.
    [16] Valla M, Vatten LJ, Engstrøm MJ, et al. Molecular subtypes of breast cancer: long-term incidence trends and prognostic differences[J]. Cancer Epidemiol Biomarkers Prev, 2016, 25(12): 1625−1634. DOI: 10.1158/1055-9965.EPI-16-0427.
    [17] 石琴, 付志明, 张文, 等. 乳腺癌动态增强磁共振成像特征与分子预后标志物的关系[J]. 肿瘤影像学, 2019, 28(6): 371−376. DOI: 10.19732/j.cnki.2096-6210.2019.06.004.
    Shi Q, Fu ZM, Zhang W, et al. Correlation between dynamic contrast-enhanced magnetic resonance imaging features and molecular prognostic markers in breast cancer relationship between dynamic contrast-enhanced magnetic resonance imaging and molecular prognostic markers in breast cancer[J]. Oncoradiology, 2019, 28(6): 371−376. DOI: 10.19732/j.cnki.2096-6210.2019.06.004.
    [18] Net JM, Whitman GJ, Morris E, et al. Relationships between human-extracted MRI tumor phenotypes of breast cancer and clinical prognostic indicators including receptor status and molecular subtype[J]. Curr Probl Diagn Radiol, 2019, 48(5): 467−472. DOI: 10.1067/j.cpradiol.2018.08.003.
    [19] Montemezzi S, Camera L, Giri MG, et al. Is there a correlation between 3T multiparametric MRI and molecular subtypes of breast cancer?[J]. Eur J Radiol, 2018, 108: 120−127. DOI: 10.1016/j.ejrad.2018.09.024.
    [20] Roknsharifi S, Fishman MDC, Agarwal MD, et al. The role of diffusion weighted imaging as supplement to dynamic contrast enhanced breast MRI: can it help predict malignancy, histologic grade and recurrence?[J]. Acad Radiol, 2019, 26(7): 923−929. DOI: 10.1016/j.acra.2018.09.003.
    [21] 南帅明, 黄波, 罗娅红. 不同乳腺非特殊型浸润性癌分子分型的MRI表观扩散系数特点研究[J]. 磁共振成像, 2019, 10(2): 130−135. DOI: 10.12015/issn.1674-8034.2019.02.011.
    Nan SM, Huang B, Luo YH. Apparent diffusion coefficient value study in different molecular subtypes of non-specific type invasive breast carcinomas[J]. Chin J Magn Reson Imaging, 2019, 10(2): 130−135. DOI: 10.12015/issn.1674-8034.2019.02.011.
  • [1] 董佳佳章斌 . 多种影像学方法评价乳腺癌新辅助化疗疗效的价值比较. 国际放射医学核医学杂志, 2014, 38(6): 427-432. doi: 10.3760/cma.j.issn.1673-4114.2014.06.018
    [2] 刘晓瑜林翠君黄洁代海洋 . 不同分子分型乳腺癌的超声、MRI及乳腺X射线摄影特征的诊断价值. 国际放射医学核医学杂志, 2024, 48(2): 1-9. doi: 10.3760/cma.j.cn121381-202212013-00349
    [3] 胡鸿唐刚华聂大红 . 乳腺癌分子显像研究进展. 国际放射医学核医学杂志, 2015, 39(1): 91-95. doi: 10.3760/cma.j.issn.1673-4114.2015.01.019
    [4] 赵晋华郭慧敏 . 综合应用临床影像学对乳腺癌进行筛查、诊断和分期. 国际放射医学核医学杂志, 2009, 33(4): 222-225. doi: 10.3760/cma.j.issn.1673-4114.2009.04.009
    [5] 郭慧敏赵晋华 . 应用影像学方法评价乳腺癌新辅助化疗疗效. 国际放射医学核医学杂志, 2009, 33(3): 149-153. doi: 10.3760/cma.j.issn.1673-4114.2009.03.006
    [6] 夏晓天张永学 . 影像学检查在乳腺癌的诊断及疗效评估中的应用价值. 国际放射医学核医学杂志, 2010, 34(4): 242-246, 249. doi: 10.3760/cma.j.issn.1673-4114.2010.04.014
    [7] 石琴张文付志明卢晓娟贝金玲 . 肿块型与非肿块型乳腺癌MRI弥散加权成像表观扩散系数与分子生物学指标的相关性研究. 国际放射医学核医学杂志, 2020, 44(4): 225-230. doi: 10.3760/cma.j.cn121381-201903008-00019
    [8] 黄娟颜剑豪梁联保江桂华 . 注射钆剂后弥散加权成像对乳腺肿瘤诊断的影响. 国际放射医学核医学杂志, 2015, 39(4): 287-291. doi: 10.3760/cma.j.issn.1673-4114.2015.04.003
    [9] 袁建伟杨劼贺小红张培培肖菊梅王颖 . 乳腺癌18F-FDG PET/CT和3.0T MRI联合显像评分与Ki-67表达水平的相关性分析. 国际放射医学核医学杂志, 2013, 37(2): 84-87. doi: 10.3760/cma.j.issn.1673-4114.2013.02.006
    [10] 袁建伟杨劼贺小红张培培肖菊梅王颖18F-FDG PET/CT与3.0T MRI联合显像在乳腺癌原发病灶诊断中的价值. 国际放射医学核医学杂志, 2013, 37(4): 199-202. doi: 10.3760/cma.j.issn.1673-4114.2013.04.003
    [11] 杨晓棠杨继虎杜笑松张建新 . 磁共振扩散加权成像及动态增强MRI在乳腺病变中的应用价值. 国际放射医学核医学杂志, 2011, 35(3): 189-193. doi: 10.3760/cma.j.issn.1673-4114.2011.03.014
  • 加载中
图(1)表(1)
计量
  • 文章访问数:  3391
  • HTML全文浏览量:  2644
  • PDF下载量:  23
出版历程
  • 收稿日期:  2021-03-30
  • 刊出日期:  2021-07-01

乳腺癌不同分子亚型的动态对比增强MRI影像学特征分析及ADC特点研究

    通讯作者: 高岩峰, 599037844@qq.com
  • 内蒙古医科大学附属人民医院放射科,呼和浩特 010020

摘要:  目的 探讨乳腺癌不同分子亚型的动态对比增强磁共振成像(DCE-MRI)影像学征象及表观扩散系数(ADC)特点。 方法 回顾性分析2018年1月至2020年1月于内蒙古医科大学附属人民医院就诊并经免疫组织化学染色法检查证实的138例乳腺癌女性患者的临床资料,患者年龄27~71(56.1±5.6)岁。所有患者均于术前行乳腺常规MRI扫描,根据乳腺影像报告和数据系统分析乳腺癌不同分子亚型的DCE-MRI特征;测量 ADC并分析其特点。术后采用免疫组织化学染色法将乳腺癌分为不同分子亚型。采用卡方检验或 Fisher确切概率法分析DCE-MRI特征与乳腺癌分子亚型的关系。采用单因素方差分析比较各分子亚型的ADC。 结果 138 例乳腺癌患者的免疫组织化学染色法检测结果显示, Luminal A 型 14 例 、 Luminal B 型 62 例、HER-2 过表达型 33 例、基底细胞样型 29 例。4种乳腺癌分子亚型中,基底细胞样型较其他3种类型体积大( χ2=0.70、15.21、6.87,均P<0.01);Luminal A型多边缘光滑,其他3种类型边缘多不规则( χ2=26.41、7.23、7.88,均P<0.01);基底细胞样型乳腺癌多呈边缘强化,而Luminal A型乳腺癌多呈均匀强化,且其动态增强扫描时间-信号曲线(TIC)类型以Ⅱ型居多,其他3种类型的TIC类型以Ⅲ型为主( χ2=12.325,P<0.01)。所有患者病灶的ADC为(0.497×10−3~1.367×10−3)mm2/s[(0.865±0.021)×10−3 mm2/s]。HER-2过表达型乳腺癌的ADC最高[(1.023±0.027)×10−3 mm2/s],基底细胞样型和Luminal A型乳腺癌次之[(0.957±0.025)×10−3 mm2/s和(0.902±0.033)×10−3 mm2/s],Luminal B型乳腺癌最低[(0.852±0.013)×10−3 mm2/s]。HER-2过表达型乳腺癌的ADC与基底细胞样型及Luminal B型之间的差异均有统计学意义(F=11.80、12.40,均P<0.01),Luminal B型与Luminal A型之间的差异有统计学意义(F=25.50,P<0.01)。 结论 乳腺癌各分子亚型的DCE-MRI影像学征象及ADC具有一定的特征性,可为乳腺癌患者术前预测、治疗方案的制定及预后评估提供参考依据。

English Abstract

  • 乳腺癌是女性较常见的恶性肿瘤之一,也是女性因癌症死亡的主要原因[1-2]。目前有研究结果表明,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,HER-2)和细胞增殖核抗原Ki-67(简称Ki-67)的表达与肿瘤最大径和腋窝淋巴结受累程度相结合可用于评估乳腺癌预后并预测术后辅助治疗的疗效[3]。而根据4种分子生物标志物的不同表达产生的Luminal A、Luminal B、HER-2过表达型及基底细胞样型不同分子亚型可以更全面地评估乳腺癌预后的异质性[4]。动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI)及表观扩散系数(apparent diffusion coefficient,ADC)可以提供乳腺癌的形态学信息及血流动力学情况,并可区分不同的组织病理学和生物学特征[5],在乳腺癌的诊断及分期中发挥着重要作用。本研究回顾性分析不同分子亚型乳腺癌患者的DCE-MRI影像学表现及ADC特点,从而为术前预测乳腺癌不同分子亚型提供可靠的影像学依据。

    • 回顾性分析2018年1月至2020年1月于内蒙古医科大学附属人民医院就诊并经免疫组织化学染色法检查证实的138例乳腺癌女性患者的临床资料,年龄27~71(56.1±5.6)岁。纳入标准:(1)符合乳腺癌诊断标准;(2)经免疫组化检查确诊;(3)临床资料齐全;(4)单侧乳房患病;(5)均为女性,患者年龄>18岁;(6)病灶最大径≥1 cm。排除标准:(1)合并有其他恶性肿瘤;(2)存在远处转移;(3)预计生存期<6 个月;(4)有心、肝、肾功能障碍;(5)有精神或智力异常;(6)有MRI检查禁忌症;(7)检查前行乳腺癌手术、放化疗等其他临床干预。

    • 所有患者于术前使用德国西门子公司生产的MAGNETOM Avanto 型1.5T MRI仪进行乳腺扫描,使用专用双时相8通道乳腺表面线圈,患者俯卧位头先进,双侧乳房自然悬垂于线圈内,未绝经患者需在月经结束后第2周进行检查。MRI平扫序列包括:T1加权成像横断面[重复时间(repetition time,TR)/回波时间(echo time,TE)480 ms/10 ms、层厚/间隔5 mm/1 mm、矩阵320×224、激励次数4]、脂肪抑制T2加权成像横断面及冠状面(TR/TE 3200 ms/85 ms、层厚/间隔5 mm/1 mm、矩阵320×224、激励次数4)、扩散加权成像(diffusion weighted imaging,DWI)序列(480 ms/10 ms、层厚/间隔5 mm/1 mm、矩阵320×224、激励次数4)。MRI增强扫描采用乳腺评估容积成像(Vibrant)技术,对比剂采用Gd-DTPA注射液,剂量为0.2 mmoL/kg,2.5 mL/s静脉团注,然后用20 mL生理盐水冲洗。团注前采集蒙片,注射后连续采集6个时相,每个时相60 s。

      所有患者行DCE-MRI检查前均签署了知情同意书。本研究符合《赫尔辛基宣言》的原则。

    • 扫描结束后,采用仪器自带的软件对图像进行后处理。影像分析采用双盲法由2名有5年以上乳腺MRI诊断经验的放射科医师进行阅片,意见不一致时协商达成一致。根据乳腺影像报告和数据系统(breast imaging reporting and data system,BI-RADS)分析DCE-MRI特征,主要包括肿瘤大小(以最大径2 cm为界)、边缘轮廓(光滑、毛刺和不规则)、肿瘤分布情况以及强化形式(均匀、不均匀、边缘强化),同时测量ADC并分析其特点。测量ADC需将ROI固定于病变的中央且于病灶最大层面,避开出血、坏死及囊变区域,由同一名放射科医师绘制,每个ROI测量3次,取平均值作为病变的最终ADC。动态增强扫描时间-信号强度曲线(TIC)选取病变最强化的区域手动绘制ROI,平均ROI大小为10 mm2,绘制时尽量避开坏死、囊变或出血区域。将时间-信号强度曲线(TIC)分为3型:Ⅰ型为流入型;Ⅱ型为平台型;Ⅲ型为流出型。

    • 术后所有肿瘤标本经4%中性缓冲甲醛溶液固定后脱水,采用二甲苯透明、石蜡包埋,采用免疫组织化学染色法对ER、PR、HER-2及Ki-67指标进行检测。ER、PR阳性产物定位于细胞核,阳性细胞为细胞核内出现棕黄色颗粒。阳性细胞<1%为阴性,阳性细胞≥1%为阳性。HER-2阳性产物为棕黄色颗粒,定位于细胞膜。无染色或≤10%肿瘤细胞呈现弱的、不完整的细胞膜染色为阴性(−),>10%的肿瘤细胞有不完整的细胞膜染色为弱阳性(+),>10%的肿瘤细胞有较弱但完整的细胞膜染色或者≤10%的肿瘤细胞呈现强且完整的细胞膜染色为中度阳性(++),>10%的肿瘤细胞呈现较强且完整的细胞膜染色为强阳性(+++)。将(−)和(+)记为HER-2阴性,(+++)记为HER-2阳性。HER-2为(++)的患者,需进一步通过荧光原位杂交技术进行基因检测,扩增者定义为HER-2阳性,反之为阴性。细胞核内出现棕黄色颗粒为阳性反应,高倍镜下计数1000个细胞,其中阳性细胞≤14%为Ki-67阴性,>14%为Ki-67阳性。根据上述生物标志物的表达将乳腺癌分为4种分子亚型:Luminal A型(ER/PR阳性,Ki-67≤14%,HER-2阴性)、Luminal B型[(ER/PR阳性,Ki-67>14%和(或)HER-2阳性)]、HER-2过表达型(ER/PR阴性,HER-2阳性)和基底细胞样型(ER/PR阴性,HER-2阴性)[6-7]

    • 采用SPSS 19.0软件进行统计学分析。符合正态分布的计量资料以$\bar x $±s表示。采用卡方检验或 Fisher确切概率法分析肿瘤大小(以2 cm为界)、边缘轮廓(光滑、毛刺和不规则)以及肿瘤强化形式与乳腺癌分子亚型的关系;采用单因素方差分析比较各分子亚型的ADC。P<0.05为差异有统计学意义。

    • 138例乳腺癌患者中,左侧乳腺癌59例、右侧乳腺癌79例;其中浸润性导管癌71例、浸润性小叶癌42例、导管原位癌17例、髓样癌4例、单纯癌3例、黏液腺癌1例。免疫组织化学染色法检测结果显示,Luminal A型14例、Luminal B型62例、HER-2过表达型33例、基底细胞样型29例。

    • 乳腺癌不同分子亚型的DCE-MRI特征表现见表1。4种乳腺癌分子亚型中,基底细胞样型乳腺癌较其他3种类型体积大(χ2=0.70、15.21、6.87,均P<0.01);Luminal A型多边缘光滑,其他3种类型边缘多不规则(χ2=26.41、7.23、7.88,均P<0.01);基底细胞样型乳腺癌多呈边缘强化,而Luminal A型乳腺癌多呈均匀强化,且其TIC类型以Ⅱ型居多,其他3种类型TIC类型以Ⅲ型为主(χ2=12.325,P<0.01)。4种乳腺癌分子亚型的DCE-MRI特征表现的典型病例见图1

      分子亚型肿瘤最大径边缘轮廓分布强化方式TIC类型
      ≤2(cm) >2(cm)光滑毛刺不规则多区域或
      弥漫性
      节段性均匀不均匀边缘强化
      Luminal A型
       [14 (10.2)]
      9
      (64.3)
      5
      (35.7)
      8
      (57.1)
      5
      (35.7)
      1
      (7.2)
      0
      0
      9
      (64.3)
      5
      (36.7)
      0
      3
      (21.4)
      6
      (42.9)
      5
      (35.7)
      Luminal B型
       [62 (44.9)]
      24
      (38.7)
      38
      (61.3)
      7
      (11.3)
      16
      (25.8)
      34
      (54.8)
      5
      (8.1)
      0
      6
      (9.7)
      45
      (72.6)
      11
      (17.7)
      5
      (8.1)
      10
      (16.1)
      47
      (75.8)
      HER-2过表达型
       [33 (23.9)]
      12
      (36.4)
      21
      (63.6)
      5
      (15.2)
      18
      (54.5)
      10
      (30.3)
      0
      0
      5
      (15.2)
      16
      (48.5)
      12
      (36.3)
      0
      6
      (18.2)
      27
      (81.8)
      基底细胞样型
       [29 (21.0)]
      7
      (24.1)
      22
      (75.9)
      3
      (10.3)
      15
      (51.7)
      7
      (24.1)
      0
      4
      (13.9)
      2
      (6.9)
      8
      (27.6)
      19
      (65.5)
      1
      (3.5)
      5
      (17.2)
      23
      (79.3)
      χ2 15.656 23.512 17.983 14.978
      P 0.001 <0.001 <0.001 0.009
       注:DCE-MRI为动态对比增强磁共振成像;TIC为时间-信号强度曲线;HER-2为人表皮生长因子受体2。−表示无此项数据

      表 1  138例乳腺癌患者不同分子亚型的DCE-MRI的影像学特征[例(%)]

      Table 1.  Imaging features of dynamic contrast-enhanced MRI in 138 breast cancer patients with different molecular subtypes [case(%)]

      图  1  4种不同分子亚型乳腺癌患者的DCE-MRI图及免疫组织化学染色图

      Figure 1.  The dynamic contrast-enhanced MRI image and immunohistochemical image of breast cancer patients with four different molecular subtypes

      138例患者病灶的ADC为(0.497×10−3~1.367×10−3)mm2/s [(0.865±0.021)×10−3 mm2/s],其中,HER-2过表达型乳腺癌的ADC最高[( 1.023±0.027)×10−3 mm2/s],基底细胞样型和Luminal A型乳腺癌次之[(0.957±0.025)×10−3 mm2/s和(0.902±0.033)×10−3 mm2/s],Luminal B型乳腺癌最低[(0.852±0.013)×10−3 mm2/s]。HER-2过表达型乳腺癌的ADC与基底细胞样型及Luminal B型之间的差异均有统计学意义(F=11.80、12.40,均P<0.01),Luminal B型与Luminal A型之间的差异有统计学意义(F=25.50,P<0.01)。

    • 乳腺癌主要受雌激素和孕激素的调控[8]。ER可调节正常乳腺上皮细胞及肿瘤细胞的增殖[9],ER水平是决定其阳性乳腺癌内分泌治疗反应和预后的关键因素[10],其中ERα可促进细胞增殖和血管生成,而ERβ被认为可以通过加强内分泌治疗的抗药性而导致乳腺癌预后不良[11]。孕酮通过与细胞内PR相互作用来调节靶基因的转录,其需通过核PR与膜PR发挥作用[12],作为ER的调节基因,PR的表达受到ER的严格调控[13],因而本研究将二者放在一起讨论。作为受体酪氨酸激酶ErbB家族的一员,HER-2可以促进细胞增殖及新生血管的形成,延缓细胞凋亡,从而增加肿瘤的侵袭性,HER-2的表达可以作为预测乳腺癌病死率和复发的独立生物标志物[14]。Ki-67是与细胞增殖相关的核抗原,除G0期外,其在细胞周期的其他阶段均有表达。已有研究结果表明,Ki-67的增殖活性与肿瘤的分化程度、侵袭转移及预后有关,并被确认为乳腺癌的独立预测因子和预后因子[15]

      近年来,根据相关生物标志物的表达来区分乳腺癌分子亚型,为乳腺癌异质性的研究提供了独特的视角,为临床根据乳腺癌不同分型制订治疗方案提供了重要的信息。Luminal A型乳腺癌预后较好,存活率较高,复发率较低,5年生存率超过80%;Luminal B型乳腺癌通常比Luminal A型确诊年龄更早,预后更差,5年生存率约为40%;HER-2过表达型乳腺癌通常是中到高级别的肿瘤,5年生存率为31%;基底细胞样型乳腺癌常发生于年轻女性和非裔美国女性中,而且往往更具侵袭性,是乳腺癌中预后最差的亚型[6]。本研究中,基底细胞样型乳腺癌多为大肿块病灶(最大径>2 cm的占75.9%)。笔者分析其原因是由于ER、PR和HER-2的缺失,促进了癌基因的过度表达,使细胞增殖率高,生长迅速,因而体积较大。Luminal A型乳腺癌边缘光滑,其他3个亚型的边缘多不规则,非肿块样乳腺癌多属于Luminal B型和基底细胞样型,Luminal B型呈多区域分布,而基底细胞样型呈节段性分布,边缘毛刺征在HER-2过表达型及基底细胞样型乳腺癌中分布较多。笔者推测原因是由于癌细胞向周围间质组织浸润形成,但其与肿瘤恶性程度的相关性尚存在争议[16-17]。DCE-MRI的强化特征可反映乳腺癌的血供情况及微血管密度,本研究中基底细胞样型乳腺癌呈边缘强化的百分比最大(65.5%)。分析其原因是由于此类型乳腺癌的细胞增殖活跃,基质丰富,肿瘤组织微血管密度较高,具有高灌注性、高通透性,因而强化明显,但由于其细胞增殖快,体积较大,肿块内部血管系统易供氧不足,导致局部坏死及纤维化[18],最终表现为边缘强化。而Luminal A型乳腺癌多呈均匀强化,且其TIC类型以Ⅱ型居多,这与Montemezzi等[19]的研究结果一致,其他3种亚型乳腺癌的TIC类型以Ⅲ型为主。本研究中,HER-2过表达型乳腺癌的ADC最高,基底细胞样型乳腺癌次之,Luminal B型乳腺癌最低,这与Camps-Herrero等[7]的研究结果一致。多种因素影响ADC的大小,如新形成的微脉管系统促进肿瘤血液的微循环、血液灌注增加,而且新生血管的血管壁不稳定、细胞膜的通透性增加,有利于水分子扩散;但肿瘤细胞增殖率高,生长迅速,细胞密度增大,限制水分子扩散[20]。笔者分析原因是由于HER-2过表达型乳腺癌及基底细胞样型乳腺癌的恶性程度较高,血管再生能力强,肿瘤组织新生血管灌注能力超过肿瘤细胞密度的增加,因而ADC较高。而Luminal B型乳腺癌的Ki-67指数较Luminal A型高,Luminal B型细胞增殖率高,细胞密度大,限制了水分子扩散,ADC稍低,这与南帅明等[21]的研究结果一致。本研究存在的局限性:(1)乳腺癌病灶的ROI是由放射科医师手动绘制的,对病灶确切轮廓的判断受个人经验影响较大;(2)由于DCE-MRI扫描层厚的限制,只选择了病灶最大径≥1 cm的乳腺癌患者;(3)样本量相对较小,需要通过增加病例数进行进一步研究。

      综上所述,乳腺癌不同分子亚型的部分DCE-MRI影像学征象如肿瘤大小、边缘形态、血流动力学及ADC具有一定的特征性,有望为乳腺癌患者的术前预测、治疗方案的制定及预后的评估提供无创性参考依据。

      利益冲突 本研究由署名作者按以下贡献声明独立开展,不涉及任何利益冲突。

      作者贡献声明 贺春燕负责研究命题的提出与设计、数据的收集、整理与分析、论文的起草与撰写、最终版本的修订;高岩峰负责研究命题的提出、数据的获取与提供、论文的审阅。

参考文献 (21)

目录

    /

    返回文章
    返回