乳腺癌是异质性很高的恶性肿瘤，居女性恶性肿瘤致死率前列。根据2011年St. Gallen共识，结合免疫组化中ER、PR、Ki-67及Her-2的状态，可将乳腺癌分为4种分子分型，即Luminal A型、Luminal B型、Her-2过表达型及Basal-like基底样型，临床常根据患者的分子分型确定治疗方案^[1]。Basal-like基底样型乳腺癌常行化疗，Her-2过表达型乳腺癌在化疗的同时还需抗Her-2治疗^[2]。本研究尝试分析Her-2过表达型乳腺癌和Basal-like基底样型乳腺癌DWI参数的差异，探讨DWI定量值鉴别诊断两类乳腺癌的可行性。

收集2015—2018年在我院行乳腺MRI检查的乳腺癌74例，均为女性，年龄（47.52± 7.1）岁；均经病理结果证实，74例中Her-2过表达型43例，Basal-Like基底样型31例。MRI检查前未行其他治疗，剔除MRI图像存在严重伪影者，且DWI均在增强扫描前完成。本研究经我院伦理委员会通过，所有患者均签署MRI检查知情同意书。

采用Philips Ingenia CX 3.0 T超导型MRI扫描仪和乳腺专用8通道相控阵线圈。患者头先进，取俯卧位，双乳自然下垂。DWI参数：TR 2 486 ms，TE 71.9 ms，b值取800 s/mm²，层厚4.0 mm，层距1 mm，间隔10%，FOV 320 mm×320 mm，矩阵256×224。

由2位经验丰富的放射科主治医师在不知道免疫组化结果的前提下，参考乳腺影像报告和数据系统，在DWI图像上测量ADC值，获得直方图参数：①ADC值的测量，避开坏死、囊变、出血区及正常腺体组织，选取3个ROI，获得3个ADC值，取平均值。②直方图参数根据ADC图像中获取的ROI位置和大小，在相应的DWI图像上勾画出ROI，通过Matlab软件实现3个ROI的融合操作，计算融合ROI的灰度直方图分布。ADC图与DWI图像的ROI应为同一层面、同一位置、相同大小和形状。

采用SPSS 19.0统计软件进行分析。2种分子分型乳腺癌的ADC值与直方图参数比较行非参数Mann-Whitney检验，以P < 0.05为差异有统计学意义；对差异有统计学意义的定量参数采用ROC曲线分析其对两类乳腺癌的鉴别敏感度和特异度，曲线下面积>0.7以上认为对2类乳腺癌的鉴别诊断有一定的敏感度和特异度。最后，基于直方图参数，建立Logistic回归模型尝试实现对2种基因分型乳腺癌的鉴别诊断。

74例中2种分子分型乳腺癌患者的年龄、患侧及病理结果差异均无统计学意义（均P>0.05）。

表 1

表 1 患者基本信息

表 1 患者基本信息 分子分型 年龄（岁，x±s） 患侧(例) 病理结果(例) 左侧 右侧 浸润性乳腺癌 原位癌 Her-2过表达型（n=43） 49.65±12.51 18 25 30 13 Basal-Like基底样型（n=31） 53.45± 9.40 21 10 22 9

2种分子分型乳腺癌的DWI和ADC图见图 1，2，肿瘤区域在DWI图上呈高信号，在ADC图上呈稍低信号。

图 1

图 1 女，45岁，Her-2过表达型乳腺癌 图 1a ，1b 分别为DWI图及ADC图，红色不规则区域为肿瘤ROI 图 1c DWI直方图来自DWI图像的红色不规则区域

图 2

图 2 女，57岁，Basal-Like基底样型乳腺癌 图 2a ，2b 分别为DWI图及ADC图，红色不规则区域为肿瘤ROI 图 2c DWI直方图来自DWI图像的红色不规则区域

2种分子分型乳腺癌的ADC与DWI直方图参数的Mann-Whitney检验及ROC曲线分析见表 2，图 3，4。ADC值在Her-2过表达型与Basal-Like基底样型乳腺癌中差异有统计学意义（P < 0.01），ROC曲线分析显示ADC值鉴别两类乳腺癌的敏感度和特异度较低（AUC=0.66）。

表 2

表 2 2种分子分型乳腺癌ADC值及DWI直方图参数的非参数Mann-Whitney检验及ROC曲线分析(x±s)

表 2 2种分子分型乳腺癌ADC值及DWI直方图参数的非参数Mann-Whitney检验及ROC曲线分析(x±s) 分子分型 ADC值 (x10-3mm2/s) 直方图参数 最小值 最大值 平均值 标准差 偏度 峰度 能量 熵值 Her-2过表 达型 1.052±0.14 112.6±62. 347.9±223.1 223.2±109.5 46.8±44.4 0.05±0.4 -0.17±0.81 1.81±2.6 5.73±1.27 Basal-Like 基底样型 0.973±0.170 269.1±134.7 478.4±232.4 368.4±162.3 49.9±33.0 -0.007±0.500 -0.52±0.86 3.19±2.2 4.65±1.68 p值 < 0.01 < 0.01 < 0.01 < 0.01 0.276 0.485 0.020 0.044 < 0.01 ROC曲线 下面积 0.66 0.87 0.74 0.79 无 无 0.67 0.65 0.70 最大约登 指数 0.40 0.63 0.54 0.53 无 无 0.32 0.42 0.35 敏感度 0.60 0.65 0.81 0.77 无 无 0.81 0.77 0.73 特异度 0.80 0.97 0.73 0.76 无 无 0.51 0.65 062

图 3

图 3 ADC值的ROC曲线分析

图 4

图 4 DWI直方图的ROC曲线分析

在DWI 8个直方图参数中，灰度最小值、最大值、平均值、峰度、能量及熵值在2种基因类型乳腺癌种差异均有统计学意义（均P < 0.05），ROC曲线下面积分析显示灰度最小值对2类乳腺癌的鉴别诊断能力最高（P < 0.01，AUC=0.87）。

基于直方图建立的Logistic回归分析对两类乳腺癌的鉴别诊断准确率为83.78%（62/74），其中对Her-2过表达型乳腺癌的诊断准确率为86.05%（37/ 43），对Basal-Like基底样型诊断准确率为80.65%（25/ 31）。Logistic预测概率的AUC为0.88（图 5）。

图 5

图 5 Logistic回归分析预测概率的ROC曲线分析

乳腺癌是常见的女性恶性肿瘤之一，手术是其主要治疗方法之一，其他的辅助治疗方法包括化疗、内分泌治疗、放疗及生物靶向治疗等^[3]。乳腺癌的分子分型是临床确定治疗方案的重要指标，也是判断患者预后的重要因素。根据2011年St.Gallen专家共识，乳腺癌4种分子分型中，Lu鄄mianl A和Luminal B型的大部分患者适合进行内分泌治疗，部分Luminal B型乳腺癌内分泌治疗时应进行化学治疗，相较于其他类型乳腺癌，Luminal型复发及转移风险较低^[1-2]。

Basal-like型乳腺癌是发生率较低的乳腺癌分子分型，需进行化疗；Her-2过表达型乳腺癌在化疗同时还需行抗Her-2治疗。

MRI因其较高的软组织对比度及多种成像模式已成为除超声外的乳腺疾病常用的检查方式。肿瘤区域内部由于微血管、细胞等的变化而引起的微环境的改变会导致水分子在肿瘤组织内部弥散受限，因此恶性肿瘤原发灶及转移灶在DWI上均呈明显高信号。张海燕等^[4]的研究发现，ADC值判断Her-2过表达型乳腺癌新辅助化疗早期疗效具有可行性，敏感度和特异度均较高。张悦等^[5]对比了不同b值的DWI图像的ADC参数，结果发现，ADC值与乳腺癌部分预后因子表达状态及不同分子亚型具有相关性，且行乳腺DWI检查时b值选择800 s/mm²为佳。刘鸿利等^[6]发现不同ADC参数和乳腺癌分子分型有明显相关性，Her-2阳性组ADC参数值均高于其他组。以上研究证实ADC值可实现对不同分子分型乳腺癌的鉴别诊断。

直方图分析方法已尝试被用于乳腺癌的分子分型研究^[7]；Choi等^[8]将直方图分析应用于三阴型乳腺癌与雌激素受体（ER）阳性乳腺癌的对比分析中，ADC直方图分析显示三阴型乳腺癌的ADC峰度高于ER阳性的乳腺癌；研究^[9]还发现ADC直方图分析通过提供额外的定量参数，对乳腺良性病变和恶性肿瘤的鉴别诊断具有重要价值。

本研究基于DWI图像得到肿瘤的ADC值和直方图，结果发现，相较于ADC值对Her-2过表达性乳腺癌与Basal-Like型乳腺癌的鉴别诊断能力（P < 0.01，AUC=0.66），DWI图像肿瘤ROI区域的直方图参数表现出更好的鉴别诊断能力，在所有参与分析的8个直方图参数中，DWI图像灰度最小值表现出最好的鉴别诊断能力（P < 0.01，AUC=0.87）。

这一研究结果表明，直方图参数可量化评价乳腺恶性肿瘤的不同分子分型，Her-2过表达型比Basal-Like基底样型乳腺癌有着更高的肿瘤异质性。

Logis鄄tic回归分析常被用于实现两类或多类样本的分类分析^[10]。在本研究中，基于DWI得到的8个直方图参数建立的Logistic回归模型尝试对Her-2过表达型乳腺癌与Basal-like型乳腺癌进行分类分析，结果显示，线性回归分析结合直方图参数可实现对两类乳腺癌分子分型的分类鉴别，分类准确率为83.78%，AUC为0.88，可见Logistic回归分析结合定量化参数具备乳腺癌分子分型的分类鉴别能力。

综上所述，DWI的ADC参数及肿瘤ROI区域的直方图参数可实现对Her-2过表达型与Basal-Like基底样型乳腺癌的鉴别诊断，有望成为鉴别诊断乳腺癌分子分型的无创工具和辅助手段。