数字乳腺断层摄影、全数字化乳腺X线摄影对致密型乳腺良恶性疾病的诊断价值.pdf

94 医学影像影像研究与医学应用 2024年1月 第8卷第2期 数字乳腺断层摄影、全数字化乳腺 X 线摄影对致密型乳腺良恶性疾病的诊断价值马 华，努尔也木麦麦提，孙 悦，姚 娟（通信作者）（新疆医科大学第一附属医院影像中心 新疆 乌鲁木齐 830054）【摘要】目的：初步探讨致密型乳腺疾病应用数字乳腺断层摄影（DBT）、全数字化乳腺 X 线摄影（FFDM）诊断的价值。方法：收集2021 年 7 月2023 年 6 月在新疆医科大学第一附属医院行 DBT 和 FFDM 检查并有病理诊断结果的 108 例乳腺疾病患者（病灶 115 个），分析 DBT、FFDM 和 FFDM+DBT 对致密型乳腺良恶性疾病的诊断价值。结果：病理学检查结果显示：良性病变 93 处（80.87%），恶性病变22 处（19.13%）。DBT、FFDM+DBT 对致密型乳腺良恶性病变的诊断效能差异无统计学意义（P 0.05）。FFDM、DBT、FFDM+DBT 对致密型乳腺良恶性病变的诊断特异度差异无统计学意义（P 0.05）；FFDM+DBT 对致密型乳腺良恶性病变的诊断灵敏度、准确度均高于FFDM和DBT单一检查（P0.05）。FFDM+DBT对致密型乳腺良恶性病变的诊断价值较单一检查高，且与病理检查结果的一致性良好（Kappa值=0.813）。结论：FFDM+DBT 对致密型乳腺疾病良恶性的诊断准确率优于 FFDM 和 DBT 诊断，FFDM+DBT 对致密型乳腺疾病良恶性病变的诊断效能较单一诊断高。【关键词】DBT；乳腺疾病；FFDM【中图分类号】R445.4 【文献标识码】A 【文章编号】2096-3807（2024）02-0094-03乳腺癌是临床威胁女性健康最常见的恶性肿瘤之一，其发病率逐年增加，病死率也高居榜首，近年的发病年龄也趋于年轻化1。在乳腺癌发病早期如果得以确诊对降低患者病死率、改善预后，提高生活质量具有重要意义2。近年来，随着全数字化乳腺X线摄影（full-field digital mammography，FFDM）筛查的开展，可使乳腺癌的死亡率明显下降3。但是对于部分腺体组织与病灶重叠的情况，FFDM 的诊断效能受限4-5。数字乳腺断层摄影（digital breast tomosynthesis，DBT）能够减少腺体组织重叠和噪声对图像的影响，可提高病变图像的清晰度，进而提高诊断效能6。本研究通过比较 FFDM、DBT、FFDM+DBT 对致密型乳腺病灶性质的诊断价值，旨在为致密型乳腺良恶性疾病的筛查和提早诊治提供参考。1 资料与方法1.1 一般资料收集 2021 年 7 月2023 年 6 月新疆医科大学第一附属医院收治的 108 例乳腺疾病患者，所有患者同时行DBT 和 FFDM 检查并有病理诊断结果，对其病历资料和影像学检查资料进行分析。所有患者均为女性，并接受乳腺手术治疗。纳入 108 例患者，共计 115 处乳腺病灶。年龄 35 73 岁，平均（45.156.8）岁；病灶位置：左乳 59 处，右乳 52 处，双乳 4 处。纳入标准：（1）在门诊医师触诊检查时疑似存在可疑病灶，并有病理诊断结果；（2）所有入组患者均接受 FFDM、DBT 影像学检查并为致密型乳腺；（3）所有患者均是首次确诊，未接受放化疗，亦未进行手术治疗；（4）所有患者均签署知情同意书。排除标准：（1）既往有乳腺手术病史；（2）乳腺内有假体植入；（3）美国放射学会（American College of Radiology，ACR）乳腺影像报告和数据系统（breast imaging reporting and data system,BI-RADS）分级 1 2 类；（4）存在其他系统严重病变。1.2 方法1.2.1 影像学检查 所有患者均采用美国通用电气（GE）公司生产的全自动化乳腺机（型号Senographe 2000D）进行检查，选择头尾位及内外斜位摄影，在相同压迫条件和 Combo 自动曝光模式下获取 FFDM 和 DBT 影像学图像。由 2 名高年资影像科医师（负责乳腺影像诊断）分别对 FFDM、DBT、FFDM+DBT 图像进行阅片。参照 BI-RADS 第 5 版对图像进行分析。将 BI-RADS 分级 3 类病灶定义为阴性，BI-RADS 分级 4、5 类的病灶定义为阳性7。1.2.2 病理学检查 所有患者均进行病理学检测，根据检查结果确定手术方案。1.3 观察指标根据病理学检查结果（金标准）评估 FFDM、DBT单一检查及 FFDM+DBT 联合检查对致密性乳腺良恶性疾病诊断的灵敏度、特异度和约登指数，同时经 Kappa检验评估不同检查方法与金标准的一致性。1.4 统计学方法采用 SPSS 19.0 统计软件处理数据。计数资料以频数（n）、百分率（%）表示，采用2检验；一致性基金项目：新疆维吾尔自治区自然科学基金资助项目（2021D01C317）。95医学影像影像研究与医学应用 2024年1月 第8卷第2期 采用 Kappa 检验，Kappa 值 0.75 表示一致性良好，0.40.75表示一致性尚可，0.4则表示一致性较差。以 P 0.05 代表差异有统计学意义。2 结果2.1 病理学检查结果在 115 个乳腺病灶中，肿块（肿块伴钙化）76 例（66.09%），单纯钙化 19 例（16.52%），不对称致密17 例（14.78%），结构扭曲 3 例（2.61%）。病理学检查结果显示：良性病变 93 处（80.87%），恶性病变22 处（19.13%）。2.2 不同方法对致密型乳腺良恶性病变的诊断价值比较FFDM、DBT、FFDM+DBT 对致密型乳腺良恶性病变的诊断特异度差异无统计学意义（P 0.05）；FFDM+DBT 对致密型乳腺良恶性病变的诊断灵敏度、准确度均高于 FFDM 和 DBT（P 0.05）。FFDM+DBT对致密型乳腺良恶性病变的诊断价值较单一检查高，且与病理检查结果的一致性良好（Kappa 值=0.813）。见表 1 表 4。表 1 FFDM 对致密型乳腺良恶性病变的诊断结果单位：个FFDM病理学检查合计恶性良性阳性1721 38阴性 572 77合计2293115表 2 DBT 对致密型乳腺良恶性病变的诊断结果单位：个DBT病理学检查合计恶性良性阳性1915 34阴性 378 81合计2293115表 3 FFDM+DBT 对致密型乳腺良恶性病变的诊断结果单位：个FFDM+DBT病理学检查合计恶性良性阳性20 5 25阴性 288 90合计2293115表 4 不同方法对致密型乳腺良恶性病变的诊断价值比较%（n/m）方法灵敏度特异度准确度约登指数Kappa 值FFDM77.27（17/22）77.42（72/93）77.39（89/115）0.5470.428DBT86.36（19/22）83.87（78/93）84.35（97/115）0.7020.587FFDM+DBT90.91（20/22）94.62（88/93）93.91（108/115）0.8550.8132.3 典型病例 FFDM、DBT 图像对比 患者，女，43 岁，入院后确诊为浸润性导管癌，经手术治疗后痊愈，术前典型影像资料见图 1。（a）（b）（c）（d）注：（a）（c）为 FFDM 下见左乳内下象限前部可见模糊肿块；（b）（d）为 DBT 下见左乳内下象限前部见一明显肿块、边缘毛刺征。图 1 浸润性导管癌患者 FFDM、DBT 图像对比3 讨论FFDM 是目前筛查和诊断乳腺癌的首选影像学检查方法，尤其对于超声和 MRI 不敏感的钙化性乳腺病变的诊断具有非常重要的诊断价值8。由于致密腺体组织重叠掩盖了病灶造成诊断出现假阴性结果或是形成类似病灶出现的假阳性结果，降低了 FFDM 对乳腺肿块、不对称致密及结构扭曲病灶的灵敏度和特异度，影响了乳腺BI-RADS 分级，从而降低了乳腺癌的早期检出率9-11。FFDM 对于非钙化性病变的可见性受乳腺腺体致密度的影响12。而 DBT 的应用弥补了 FFDM 的这一不足，其是一种 X 线三维断层融合成像技术，既保留了对钙化的灵敏度，又有效减少了腺体重叠对病灶显示的影响13。雷丽敏等14研究结果表明，DBT 可以发现 FFDM 中不能显示的小结节，提高了病灶的可见性，更有利于清晰地观察乳腺肿块病灶的形态、密度、边缘及周围血管等影像征象，能够进一步明确 BI-RADS 分级，大大提高了乳腺疾病影像诊断的灵敏度与特异度。DBT 对乳腺中96 医学影像影像研究与医学应用 2024年1月 第8卷第2期 肿块病灶性质的诊断准确率高于 FFDM，在不伴有钙化的肿块病灶中尤为明显15。DBT 诊断乳腺良恶性病变的准确率、特异度、灵敏度均高于 FFDM，但其灵敏度和准确率稍低于 FFDM+DBT16。本研究结果显示，病理学检查结果显示：良性病变 93 处（80.87%），恶性病变 22 处（19.13%）。FFDM、DBT、FFDM+DBT 对致密型乳腺良恶性病变的诊断特异度差异无统计学意义（P 0.05）；FFDM+DBT 对致密型乳腺良恶性病变的诊断灵敏度、准确率均高于 FFDM 和 DBT 单一检查（P 0.05）。FFDM+DBT 对致密型乳腺良恶性病变的诊断价值较单一检查高，且与病理检查结果的一致性好（Kappa 值=0.813）。本研究还存在一定的不足之处，样本量的不足可能造成本研究结果存在一定的偏倚，在以后的工作中还需要扩大样本量，围绕肿块、钙化、不对称致密及结构扭曲等 X 线征象对 DBT 技术在乳腺疾病中的诊断价值做进一步的探讨。此外，近年来人工智能与乳腺 X 线摄影技术的结合提高了影像诊断医师的工作效率及诊断能力，并开启了乳腺癌早期影像诊断及治疗的新视角，这仍需在今后的临床工作中不断探索研究17-19。综上所述，FFDM+DBT 对致密型乳腺良恶性疾病的诊断准确率均优于 FFDM 和 DBT 诊断，FFDM+DBT 对致密型乳腺良恶性病变的诊断价值较单一诊断高。【参考文献】1 ASBEUTAH A M,Al MAJRAN A A,BRINDHABAN A,et al.Comparison of radiation doses between diagnostic full-field digital mammography(FFDM)and digital breast tomosynthesis(DBT):a clinical study J.J Med Radiat Sci,2020,67(3):185-192.2 TANG A,TAM R,CADRIN-CHNEVERT A,et al.Canadian association of radiologists white paper on artificial intelligence in radiology J.Can Assoc Radiol J,2018,69(2):120-135.3 PHI X A,TAGLIAFICO A,HOUSSAMI N,et al.Digital breast tomosynthesis for breast cancer screening and diagnosis in women with dense breasts-a systematic review and meta-analysis J.BMC Cancer,2018,18(1):380.4 位寒，刘鸿利，王思奇，等.数字乳腺三维断层摄影及全数字化乳腺摄影对乳腺疾病诊断价值对比的初步研究J.临床放射学杂志，2019，38(1):171-176.5 魏瑶，芦春花，李岩.全视野数字化乳腺摄影及数字乳腺断层摄影诊断致密型乳腺内病变 J.中国医学影像技术，2018，34(12):1815-1819.6 郑福玲，孔令燕，王晓，等.数字乳腺断层摄影对乳腺良恶性疾病的诊断价值 J.肿瘤影像学，2020，29(3):221-225.7 胡燕标，吴飞飞，张景峰，等.乳腺低危团簇状分布钙化的BI-RADS 分类建议及临床处理策略 J.放射学实践，2020，35(7):883-887.8 RICHMAN I,TESSIER-SHERMAN B,GALUSHA D,et al.Breast cancer screening during the COVID-19 pandemic:moving from disparities to health equity J.J Natl Cancer Inst,2023,115(2):139-145.9 崔春晓，林青.乳腺摄影新技术和人工智能在乳腺癌筛查诊断中的应用价值 J.中国中西医结合影像学杂志，2021，19(6):513-515，531.10 季宇，郝玉娟，刘佩芳，等.乳腺 X 线摄影和超声检查诊断疾病准确性及与女性体质量指数、乳房体积及乳腺密度的相关性研究 J.中华放射学杂志，2017，51(2):123-126.11 蒋可.数字乳腺断层摄影与全数字化乳腺摄影对乳腺病变诊断价值的比较研究 D.苏州:苏州大学，2016.12 OIWA M,ENDO T,SUDA N,et al.Can quantitative evaluation of mammographic breast density,volumetric measurement,predict the masking risk with dense breast tissue?Investigation by comparison with subjective visual estimation by Japanese radiologists J.Breast Cancer,2019,26(3):349-358.13 尤超，顾雅佳，彭卫军.数字乳腺断层融合 X 线成像的应用研究进展 J.肿瘤影像学，2013，22(2):112-115.14 雷丽敏，郭晓旭，吕东博，等.国产数字乳腺断层摄影在乳腺癌筛查中的初步研究 J.临床放射学杂志，2022，41(9):1649-1653.15 陶阳，褚志刚，朱明霞，等.数字乳腺断层摄影对致密型乳腺内乳腺癌的诊断价值研究 J.临床放射学杂志，2018，37(7):1096-1100.16 李霞，王晋.数字乳腺断层摄影（DBT）与全数字化乳腺摄影（FFDM）对乳腺病变诊断效能的对比 J.昆明医科大学学报，2022，43(9):118-124.17 LNG K,DUSTLER M,DAHLBLOM V,et al.Identifying normal mammograms in a large screening population using artificial intelligence J.Eur Radiol,2021,31(3):1687-1692.18 LNG K,HOFVIND S,RODRGUEZ-RUIZ A,et al.Can artificial intelligence reduce the interval cancer rate in mammography screening?J.Eur Radiol,2021,31(8):5940-5947.19 RAYA-POVEDANO J L,ROMERO-MARTN S,Elas-Cabot E,et al.AI-based strategies to reduce workload in breast cancer screening with mammography and tomosynthesis:a retrospective evaluation J.Radiology,2021,300(1):57-65.