2. 重庆医科大学附属第一医院放射科, 重庆 400016;
3. 重庆市疾病预防控制中心, 重庆 400042;
4. 天津医科大学肿瘤医院放射科, 国家肿瘤临床医学研究中心, 天津市肿瘤防治重点实验室, 天津市恶性肿瘤临床医学研究中心, 乳腺癌防治教育部重点实验室, 天津 300060
2. Department of Radiology, The First Affiliated Hospital of Chongqing Medical University, Chongqing 400016 China;
3. Chongqing Center for Disease Control and Prevention, Chongqing 400042 China;
4. Department of Radiology, Tianjin Medical University Cancer Institute and Hospital, National Clinical Research Center of Cancer, Tianjin Key Laboratory of Cancer Prevention and Therapy, Tianjin’s Clinical Research Center for Cancer, Key Laboratory of Breast Cancer Prevention and Therapy, Tianjin 300060 China
据国际癌症研究机构最新统计，2020年乳腺癌发病率首次超过肺癌，成为全球第一大癌，也是我国女性群体中发病率最高的癌症[1]。乳腺X射线摄影（mammography，MG）作为重要诊断和筛查工具在乳腺癌的防治过程中发挥了重要作用[2]，截止2019年底，国内共统计上报了4137台乳腺X射线摄影设备[3]。乳房中的腺体组织是辐射敏感组织，MG在提高乳腺癌检出率的同时也会增加其发病风险[4]。因此，对受检者进行受照剂量控制至关重要[5]。而准确估计乳房特征是建立适宜的乳房模型、开展受检者剂量评估研究的前提[6]。目前国内对于女性群体乳腺密度及相关乳房特征的研究多基于二维MG图像展开[7-9]，随着乳腺锥形束CT（cone-beam computed tomography，CBCT）的临床应用，利用乳腺CBCT三维影像分析乳房特征成为可能。本文通过调查乳腺CBCT图像，建立利用三维影像分析女性乳房尺寸和密度特征的方法，描述并分析我国某地区女性乳房特征的分布情况，探讨其在乳腺CBCT受检者剂量学评估方面的价值。
1 材料与方法 1.1 受检者资料回顾性调查了2021年1月—2023年3月西南地区某市一家三级甲等医院既往接受乳腺CBCT检查的203位受检者的乳腺图像资料（左侧107例、右侧96例）。每位受检者仅调查健康侧乳房的平扫图像，若两侧都没病变则随机选择一侧进行测量。入组标准：①既往接受过乳腺CBCT检查。②乳腺CBCT图像信息完整，能涵盖整个乳房。排除标准：①乳腺相关癌症史。②乳房手术史。③假体植入史。
1.2 影像设备参数及图像获取采用科宁医疗设备有限公司生产的KBCT-1000乳腺CBCT成像系统，管电压为49 kV的固定值，管电流会根据受检乳房对X射线的衰减程度在12～200 mA内自动调整，其靶/滤过材料分别为钼基铼钨合金和铝，有效能量约为33 keV。该设备已通过中国国家食品药品监督管理总局（cFDA）、美国食品药品监督管理局（FDA）及欧盟CE认证。
检查时受检者卧位俯身将单侧乳房置于检查孔径中心，受检乳房呈自然悬垂状态，检查过程中X射线球管和平板探测器围绕乳房旋转一周扫描，每次扫描历时10 s，共拍摄300幅不同角度的二维投影图像，然后经计算机重建生成乳房横断面、矢状面、冠状面及3D动态图像。
1.3 图像分析 1.3.1 测量指标利用科宁乳腺CBCT阅片系统ImagingViewer （版本号：1.6.0.6.6.8），对受检者乳房三维影像进行查看和分析，调查内容包括：①胸径，以图像胸壁处冠状截面的胸壁有效直径（effective diameter of the breast at chest-wall，Deff）来表示。②胸壁-乳头距离（chest-wall to nipple length，CNL），定义为胸壁（胸大肌前缘）到乳头的垂直距离，在图像上表示为乳房在矢状轴方向上的高度。③半高胸径，指乳房二分之一CNL处冠状截面的有效直径，用Dh/2来表示。④乳房体积（breast volume，BV），指去皮模式下乳房的总体积（不包含乳头）。⑤腺体体积（glandular volume，GV）。⑥乳腺体积密度（volumetric breast density，VBD），定义为全乳区域中纤维腺体的体积百分比。
1.3.2 测量方法采用半自动化计算机辅助测量法。本研究参考了Huang等[10]的研究，在刘爱迪等[11]研究的基础上进行了调整。首先在感兴趣区（region of interest，ROI）的选择上进行了改进，同时增加了胸径和胸壁-乳头距离的测量。由于MG的相关剂量学研究更关注于乳房内部腺体组织和脂肪组织的相对含量，因此该部分乳房特征的参数调查均不包含乳房皮肤及乳头。利用Imaging Viewer中的测量工具来进行辅助测量。
测量步骤如下：步骤一：在去皮重建模式下，结合3D视图选定ROI，如图1（A、B、C）所示。前侧边框（a）定位在乳头后缘的切线上；后侧边框（b）定位在胸大肌前缘的切线上；头尾及内外两侧边框（c、d、e、f）定位在乳房四周边缘的切线上。所选定的ROI区域被视为是整个乳房（不包含皮肤和乳头），如图1（D）。步骤二：利用测距工具测量乳房胸壁冠状截面处的高L和宽W，由于受检者胸壁截面形状不规则，本研究将其看作如图1（C）所示的以L为长轴、W为短轴的椭圆。根据椭圆形的面积公式S = π·L/2·W/2和圆形的面积公式S = π·（D/2）2，计算胸壁截面的面积等效直径Deff =
|
图 1 选定的ROI范围在乳腺CBCT图像上的显示 Figure 1 The regions of interest on breast CBCT images 注：A：横断位；B：矢状位；C：冠状位；D：3D视图；E～G：腺体组织的标定情况。 |
采用SPSS 26.0软件进行数据分析，采用OriginPro 2021软件进行绘图。经Shapiro Wilk检验，各项计量资料均不服从正态分布，以中位数M和第25、75百分位数（P25，P75）描述；各年龄段乳房特征参数的组间差异通过Kruskal-Wallis H检验来比较，后续两两比较使用Bonferroni校正法进行；Spearman相关系数用于分析不同乳房特征与年龄的相关性，乳房尺寸特征参数与腺体体积密度的相关性。P < 0.05为差异有统计学意义。
2 结 果 2.1 基本情况本次研究共调查了203位受检者的健康侧乳房的乳腺CBCT平扫图像（左侧107例、右侧96例），受检者年龄范围为19～80岁，中位数为51岁。其胸壁有效直径（Deff）、半高胸径（Dh/2）、和胸壁-乳头距离（CNL）的M（P25，P75）分别为11.9（10.9，13.2）cm、8.3（7.4，9.2）cm和6.5（5.1，8.3）cm。乳房体积（BV）、腺体体积（GV）和乳腺体积密度（VBD）的M（P25，P75）分别为327.7（233.2，495.3）cm3、47.0（28.6，80.5）cm3和15.4（7.2，27.2）%。受检者乳房特征调查结果和分布情况见表1和图2。
|
表 1 受检者乳房特征调查结果 Table 1 Breast characteristics of the examinees |
|
图 2 受检者乳房特征总体分布情况 Figure 2 Overall distributions of breast characteristics of the examinees |
将调查对象按其年龄分布情况分为40岁以下（n = 30）、40～49岁（n = 63）、50～59岁（n = 78）、60岁及以上（n = 32），共4组。图3显示了乳房特征在各年龄组的分布情况，Deff和Dh/2在各年龄段分布相似，CNL和BV在60岁及以上年龄组偏高，GV和VBD随年龄段的增加而降低，在4个年龄段的差异较明显。
|
图 3 不同年龄段女性乳房特征分布情况 Figure 3 Distributions of breast characteristics in women of different ages |
经Kruskal-Wallis H检验，Deff、Dh/2和CNL在各年龄组间差异无统计学意义。BV在4个年龄段的分布差异有统计学意义（H = 11.364，P < 0.05），经Bonferroni法两两比较发现，其差异主要表现在60岁以上年龄组与其他3组的差异（H = −44.978、−37.514、−34.925，P < 0.05）。GV和VBD在不同年龄组分布的差异有统计学意义（H = 38.508、45.015，P < 0.001），两两比较发现，GV和VBD在40岁以下和40～49岁年龄组之间、50～59岁和60岁及以上年龄组之间无统计学差异，此外在任意两组之间的分布差异有统计学意义（GV：H = 56.528、79.138、33.625、56.234；VBD：H = 60.716、88.323、33.516、61.123，P < 0.01）。进一步进行Spearman相关分析可得GV和VBD与年龄均呈负相关（r = −0.465、−0.514，P < 0.001），GV和VBD在各年龄段的调查结果见表2。
|
|
表 2 不同年龄段受检者GV和VBD调查结果 Table 2 GV and VBD of the examinees of different ages |
Spearman相关分析可得，反映乳房尺寸特征的Deff、Dh/2和BV与乳腺体积密度VBD均存在负相关（r = −0.511、−0.462、−0.386，P < 0.001），CNL与VBD也存在负相关但相关性较弱（r = −0.179，P < 0.001）。图4拟合了VBD与Deff、CNL、BV的线性关系，VBD有随乳房尺寸增加而降低的趋势，与Spearman相关分析结果较一致。
|
图 4 VBD与Deff、CNL、BV的线性关系 Figure 4 Linear relationships between VBD and Deff, CNL, and BV |
乳腺密度不仅可以用于乳腺剂量学模型的开发，还能用于乳腺癌的风险评估及筛查方案的优化[12]，在国际上备受关注。乳腺密度研究主要包括定性和定量两种[13]。现临床上最常使用的是美国放射医学会（American college of radiology，ACR）第五版乳腺影像报告与数据系统（breast imaging reporting and data system，BI-RADS）中提出的乳腺分型，是一种定性研究的方法[14]，将乳腺密度分为4类，分别为a类（乳腺几乎全是脂肪组织）、b类（乳腺内纤维腺体密度区散在分布）、c类（乳腺组织密度不均匀，可能遮挡微小肿块）和d类（乳腺组织非常致密，导致乳腺X射线检查敏感性降低）。但定性研究是一种以X射线摄影图像为基础的人工视觉评估方法，依赖于放射医师的经验，不同医师对同一幅影响可能会得出不同的分型结果[15]。
乳腺密度的定量测量则表现出了比定性研究较好的稳定性[16]。之前国际上对于乳腺密度的定量研究局限于腺体组织在二维乳腺X射线摄影图像中所表现出的面积百分比，受限于需要压迫乳房的检查模式，乳腺纤维腺体呈现在图像上的分布会相对扩大[17]，且基于面积的测量方法未能考虑乳腺组织的空间分布[18]。近年来，Volpara和Quantra等全自动测量软件的开发实现了基于二维MG图像的女性乳腺体积密度测量[7-9]。但这些软件所测得的乳房及腺体组织体积都是基于乳房模型以及图像上X射线的衰减情况而得到的一个估算值，其测量结果可能存在偏差[19]。此外，国内对于女性乳房尺寸的研究多在于整形外科领域，主要用于辅助医生制定手术方案或进行客观的术后评价[20]，缺少基于人群的一般特征调查。而本研究是基于非受迫三维乳腺CBCT图像进行的，能更加真实地反映全乳及乳房内部组织的分布特征[21]。调查所使用的基于阈值分割的辅助测量方法在Liu等[11, 22]的前期研究中被证实具有较高的可靠性。
本次调查中，Deff、Dh/2、CNL、BV、GV和VBD在调查群体中的中位数分别为11.9 cm、8.3 cm、6.5 cm、327.7 cm3、47.0 cm3和15.4%。Deff、Dh/2和CNL的分布近似正态，而BV、GV和VBD则呈明显的正偏态分布。各乳房特征分布直方图与国外Huang等[10]和Vedantham等[23]的研究相似。Deff、Dh/2在各年龄段的分布无明显差异；CNL在60岁以上年龄组偏高，但不具有统计学差异；BV在60岁及以上显著高于其他年龄组。GV和VBD随着受检者年龄的增加而降低的趋势，以50岁为界差异尤为明显。一方面可能是因为机体的新陈代谢能力会随年龄增加而下降，因此高年龄女性脂肪更容易囤积，进而使主要由脂肪和腺体构成的乳房变大；另一方面，绝经后女性的卵巢会逐渐萎缩，导致体内激素水平显著下降，乳腺腺体组织逐渐由萎缩性上皮细胞和脂肪组织替代，从而表现出高年龄女性乳房体积较大，密度较低的特点。
在美国Vedantham等[23]基于137名女性乳腺CT图像的调查中，其Deff、PNL（pectoralis to nipple length）和BV的中位数分别为13.3 cm、7.5 cm和375.9 cm3，略高于本次研究，考虑与人群差异有关。Vedantham等[23]的研究对于乳房厚度的测量调查了CNL和PNL两个参数，其PNL的定义与本文中的CNL更吻合，因此在讨论其胸壁-乳头距离时，均参考的是PNL值。Vedantham等[23]在测量胸径时所选取胸壁截面有78.1%的病例包含了少量胸肌，而本研究则选取的是胸大肌前缘的截面，几乎不包含胸肌，在胸壁截面选择上的差异，也会造成其结果偏高。同时其对胸径和胸壁-乳头距离的测量包含了皮肤的厚度，而本研究在去皮模式下进行，但以往有研究指出乳房皮肤的平均厚度仅为（0.145±0.03） mm[10]，因此认为乳房皮肤厚度不足以影响胸径大小。国内刘爱迪等[11]基于乳腺CBCT图像的研究中（n = 64），BV的中位数为490 cm3左右，王佳豪等[7]基于MG图像的研究中（n = 1140），BV呈正态分布，其平均水平为（491.77±256.96） cm3，均高于本研究中327.7的中位数（平均水平）以及378.9 cm3的均数，其原因可能在于南北方人群群体间的差，本研究在西南地区开展，而上述两项研究均在华北地区开展。此外，根据本次研究所得Deff和CNL的中位数，计算出相应的半椭球形体积为493.1 cm3，高于调查所得BV的中位数327.7 cm3，说明以往对于乳腺CT的剂量学研究中所使用的半椭球形乳房模型[24]可能高估了乳房体积。笔者认为悬垂乳房应该是介于圆锥形和半椭球形之间的一种形状，本文中所调查的Dh/2可为优化乳腺CBCT的剂量学模型提供依据。
在Vedantham等[23]的研究中，其VBD的中位数和平均数分别为13.6%和17.2%，略低于本研究中15.4%的中位数和19.5%的平均值。虽然目前关于乳腺密度和种族或民族的数据有限，但有研究表明亚洲女性乳房的致密程度较高[25]。刘爱迪等[11]研究中VBD的中位数为15.25%～16.79%，与本次调查结果相近。王佳豪等[7]的调查中，VBD呈正态分布，其平均水平为14.57%±7.24%，略低于本研究中15.4%的中位数，提示南北方女性群体之间的乳房特征可能存在差异，饮食、环境暴露因素等可能会对乳房腺体密度产生影响。此外，本研究发现VBD与Deff、Dh/2和BV均存在负相关，与Vedantham等[23]的研究结果较一致，提示乳房体积越小，其所表现出的腺体密度越高。但这并不能说明乳腺密度与乳腺尺寸直接相关，不同尺寸乳房的密度差异可能受到年龄、体内激素水平、身体质量指数等因素共同影响[26]。
本研究仍存在一定的局限性，一是本研究采用了较为新颖的基于乳腺CBCT图像的半自动化计算机辅助测量法，在划定感兴趣区域和确定腺体分割精度时需要人为设定，在一定程度上会受到阅片者自身经验的影响。二是本次调查为单中心研究，数据局限于一家位于我国西南地区的三级医院，在外推到全国人群时受到一定的地域限制，未来可对位于全国不同地区多家医院进行调查以更加准确的了解我国女性乳房的一般特征。了解乳房的真实特征是开发适宜的乳房模型和开展剂量学研究的前提，本研究首次利用了三维影像对我国西南地区女性乳房的尺寸和腺体密度进行了详细的调查和表征，并进一步分析了不同年龄段乳房特征参数的分布情况，为将来在我国多地区调查女性乳腺体积密度特征提供方法支持。这些数据可以指导更接近于我国女性乳房特征的剂量学模型及国人体素模型的开发，为进一步开展乳腺X射线摄影相关的辐射剂量研究提供参考。
志谢 感谢科宁（天津）医疗设备有限公司提供的支持和帮助
| [1] |
Sung H, Ferlay J, Siegel RL, et al. Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA A Cancer J Clin, 2021, 71(3): 209-249. DOI:10.3322/caac.21660 |
| [2] |
赫捷, 陈万青, 李霓, 等. 中国女性乳腺癌筛查与早诊早治指南(2021, 北京)[J]. 中华肿瘤杂志, 2021, 43(4): 357-382. He J, Chen WQ, Li N, et al. China guideline for the screening and early detection of female breast cancer (2021, Beijing)[J]. Chin J Oncol, 2021, 43(4): 357-382. DOI:10.3760/cma.j.cn112152-20210119-00061 |
| [3] |
安晶刚, 徐辉, 范胜男, 等. 全国医疗机构放射诊断资源基本情况分析[J]. 中华放射医学与防护杂志, 2021, 41(6): 450-455. An JG, Xu H, Fan SN, et al. Analysis of basic situation of diagnostic radiology resources of the nationawide medical institutions[J]. Chin J Radiol Med Prot, 2021, 41(6): 450-455. DOI:10.3760/cma.j.issn.0254-5098.2021.06.009 |
| [4] |
Miglioretti DL, Lange J, Van Den Broek JJ, et al. Radiation-induced breast cancer incidence and mortality from digital mammography screening: a modeling study[J]. Ann Intern Med, 2016, 164(4): 205-214. DOI:10.7326/M15-1241 |
| [5] |
徐辉, 岳保荣, 尉可道, 等. 我国乳腺X射线摄影受检者乳腺剂量水平调查研究[J]. 中国辐射卫生, 2016, 25(6): 641-644. Xu H, Yue BR, Wei KD, et al. Research on glandular dose level of mammography in China[J]. Chin J Radiol Health, 2016, 25(6): 641-644. DOI:10.13491/j.cnki.issn.1004-714X.2016.06.001 |
| [6] |
薛珂, 徐辉, 岳保荣, 等. 乳腺X射线摄影中受检者辐射剂量评估研究进展[J]. 中华放射医学与防护杂志, 2023, 43(8): 663-668. Xue K, Xu H, Yue BR, et al. Research progress in the average glandular dose during mammography[J]. Chin J Radiol Med Prot, 2023, 43(8): 663-668. DOI:10.3760/cma.j.cn112271-20230301-00057 |
| [7] |
王佳豪, 邱睿, 胡安康, 等. 女性乳腺体积密度及分布的影像学初步研究[J]. 中华放射医学与防护杂志, 2022, 42(10): 806-811. Wang JH, Qiu R, Hu AK, et al. Preliminary imaging study on the distribution of female volumetric breast density[J]. Chin J Radiol Med Prot, 2022, 42(10): 806-811. DOI:10.3760/cma.j.cn112271-20220527-00229 |
| [8] |
胡从依, 马文娟, 柳杰, 等. 乳腺密度、年龄与乳腺癌发病风险的关系分析[J]. 临床放射学杂志, 2022, 41(11): 2037-2040. Hu CY, Ma WJ, Liu J, et al. Relationship between breast density, age and the risk of breast cancer[J]. J Clin Radiol, 2022, 41(11): 2037-2040. DOI:10.13437/j.cnki.jcr.2022.11.013 |
| [9] |
王建明, 张晓飞, 刘慧. Quantra体积密度软件与乳腺影像报告和数据系统分型评估乳腺X线密度一致性分析[J]. 实用医技杂志, 2022, 29(7): 677-680. Wang JM, Zhang XF, Liu J. Consistency in breast density on mammography as assessed by Quantra breast volumetric density software vs breast imaging reporting and data system classification[J]. J Pract Med Tech, 2022, 29(7): 677-680. DOI:10.19522/j.cnki.1671-5098.2022.07.001 |
| [10] |
Huang SY, Boone JM, Yang K, et al. The characterization of breast anatomical metrics using dedicated breast CT[J]. Med Phys, 2011, 38(4): 2180-2191. DOI:10.1118/1.3567147 |
| [11] |
刘爱迪, 叶兆祥, 马悦, 等. 基于锥光束乳腺CT测量乳腺密度的可靠性研究[J]. 中国肿瘤临床, 2018, 45(5): 246-250. Liu AD, Ye ZX, Ma Y, et al. Reliability of breast density estimation based on cone beam breast CT[J]. Chin J Clin Oncol, 2018, 45(5): 246-250. DOI:10.3969/j.issn.1000-8179.2018.05.167 |
| [12] |
Kataoka M. Mammographic density for personalized breast cancer risk[J]. Radiology, 2023, 306(2): e222129. DOI:10.1148/radiol.222129 |
| [13] |
Edmonds CE, O’Brien SR, Conant EF. Mammographic breast density: current assessment methods, clinical implications, and future directions[J]. Semin Ultrasound CT MR, 2023, 44(1): 35-45. DOI:10.1053/j.sult.2022.11.001 |
| [14] |
D'Orsi CJ, Sickles EA, Mendelson EB, et al. Breast imaging reporting and data system[M]. Reston: American College of Radiology, 2013.
|
| [15] |
Melnikow J, Fenton JJ, Whitlock EP, et al. Supplemental screening for breast cancer in women with dense breasts: a systematic review for the U. S. Preventive services task force[J]. Ann Intern Med, 2016, 164(4): 268-278. DOI:10.7326/M15-1789 |
| [16] |
Ekpo EU, McEntee MF. Measurement of breast density with digital breast tomosynthesis-a systematic review[J]. Br J Radiol, 2014, 87(1043): 20140460. DOI:10.1259/bjr.20140460 |
| [17] |
Yaffe MJ, Boone JM, Packard N, et al. The myth of the 50-50 breast[J]. Med Phys, 2009, 36(12): 5437-5443. DOI:10.1118/1.3250863 |
| [18] |
Acciavatti RJ, Lee SH, Reig B, et al. Beyond breast density: risk measures for breast cancer in multiple imaging modalities[J]. Radiology, 2023, 306(3): e222575. DOI:10.1148/radiol.222575 |
| [19] |
Alonzo-Proulx O, Mawdsley GE, Patrie JT, et al. Reliability of automated breast density measurements[J]. Radiology, 2015, 275(2): 366-376. DOI:10.1148/radiol.15141686 |
| [20] |
李浩然, 穆大力. 乳房体积测量方法研究进展[J]. 中华整形外科杂志, 2022, 38(5): 583-587. Li HR, Mu DL. Research progress of breast volume measurement[J]. Chin J Plast Surg, 2022, 38(5): 583-587. DOI:10.3760/cma.j.cn114453-20200509-00277 |
| [21] |
Zhu YQ, O′Connell AM, Ma Y, et al. Dedicated breast CT: state of the art-Part I. Historical evolution and technical aspects[J]. Eur Radiol, 2022, 32(3): 1579-1589. DOI:10.1007/s00330-021-08179-z |
| [22] |
Liu AD, Yin L, Ma Y, et al. Quantitative breast density measurement based on three-dimensional images: a study on cone-beam breast computed tomography[J]. Acta Radiol, 2022, 63(8): 1023-1031. DOI:10.1177/02841851211027386 |
| [23] |
Vedantham S, Shi LX, Karellas A, et al. Dedicated breast CT: fibroglandular volume measurements in a diagnostic population[J]. Med Phys, 2012, 39(12): 7317-7328. DOI:10.1118/1.4765050 |
| [24] |
Yi Y, Lai CJ, Han T, et al. Radiation doses in cone-beam breast computed tomography: a Monte Carlo simulation study[J]. Med Phys, 2011, 38(2): 589-597. DOI:10.1118/1.3521469 |
| [25] |
Del Carmen MG, Halpern EF, Kopans DB, et al. Mammographic breast density and race[J]. Am J Roentgenol, 2007, 188(4): 1147-1150. DOI:10.2214/AJR.06.0619 |
| [26] |
闫晔. 中国女性乳腺腺体密度分布及其影响因素的研究[D]. 天津: 天津医科大学, 2014. Yan Y. Distribution of mammographic density and its influential factors among Chinese women[D]. Tianjin: Tianjin Medical University, 2014. |