磁共振扩散加权成像及其相关新技术在乳腺癌诊断和治疗中的应用进展

车树楠 周纯武

中国医学科学院肿瘤医院影像诊断科，北京100021

在全球范围内，乳腺癌是女性最常见的恶性肿瘤。我国乳腺癌的发病率居女性恶性肿瘤的第2位，死亡率也居第6位[1]。因此，对于乳腺癌进行早期、正确的诊断及采用合理的治疗方案能够对乳腺癌患者的预后产生很大的影响。

乳腺癌检查最常用的影像学方法是乳腺X线和超声检查，但其诊断的价值仍十分有限。磁共振成像（magnetic resonance imaging，MRI）作为重要的补充手段，已被逐渐应用到乳腺癌的诊断、疗效评价及预测当中。近年，随着磁共振机器软硬件的不断升级，一些新的功能性磁共振序列开始应用于乳腺病变的检查中，其中DWI就是研究最为热门的扫描序列之一。而多扩散敏感因子（b值）及小视野（reduced field of view，rFOV）DWI技术的出现，使得DWI向着图像更清晰、参数更多样而准确的方向发展。本文着重就这两种新的DWI技术在乳腺癌中的研究现状作一综述。

1 DWI及其新技术的基本原理和相关概念

DWI通过测量施加扩散敏感梯度场前后组织信号强度的变化，检测组织中水分子扩散运动的情况，从而反映不同组织微细结构的特征及变化。通常用表观扩散系数（apparent diffusion coefficient，ADC）来定量描述不同b值下水分子扩散能力的大小。组织中水分子的扩散越受限，DWI图像上的信号强度就越高，相应的ADC值就越低。

虽然临床上最常用来定量描述组织中水分子扩散能力的参数ADC值只需要两个b值就能够通过单指数模型计算得出，但是它同时包含有组织内水分子的扩散和微循环的灌注两种成分，不利于对组织微结构变化进行精确分析。而Le Bihan等[2]学者针对这一问题提出“体素内不相干运动（intravoxel incoherent motion，IVIM）”模型，基于这个模型的理论，通过多个b值DWI图像上组织信号强度的变化，经过更加复杂的计算能够得到分别代表组织单纯水分子扩散的参数D，以及代表组织微循环灌注的参数D*和f，其中D称为灌注不相关扩散系数，即单纯水分子的扩散系数；D*称为灌注相关扩散系数，即微循环灌注所产生的假性扩散系数；f称为灌注分数，即微循环灌注所占组织扩散的比例。

另一方面，乳腺作为体表器官，其紧邻空气，导致磁化率伪影及B1场不均匀，加重了DWI图像的变形，降低了图像的信噪比，加上传统的DWI序列采用平面回波成像（echo-planar imaging，EPI）技术，延长了序列读出时间，限制了DWI图像的空间分辨率。而rFOV-DWI与传统DWI成像的方法不同，它是使用2D选择性射频激励脉冲来控制激励范围，降低EPI序列相位编码方向上的FOV，减少K空间填充线的数量，缩短成像读出时间，同时相对地增加相位编码方向上的带宽，从而减少图像的变形，提高采集层面上图像的空间分辨率[3]。

2 DWI及其新技术与乳腺癌的诊断

临床上乳腺病变常规的MRI检查方法包括T1WI、T2WI及多期动态对比增强扫描（dynamic contract enhanced，DCE），而 DWI以其成像速度快、无创、无需注射造影剂的特点，广泛应用于乳腺良恶性病变的诊断中，并成为常规MRI检查的有效补充手段[4]。已有很多学者[5-8]研究得出ADC值能够鉴别良恶性乳腺肿瘤，但大部分研究中乳腺良恶性肿瘤的ADC值存在一定的重叠，限制了其诊断的特异性[4]。有学者指出这种重叠与不同研究中所用b值存在较大的差异有关，因为ADC值同时包含组织内水分子扩散与微循环灌注的成分，当使用不同的b值时，两种成分所占的比例就会相应改变，必然使得ADC值的诊断能力及最佳诊断阈值发生变化[4，9]。因此，利用IVIM模型分别计算灌注与扩散相关参数，来对乳腺病灶进行定性诊断是很有必要的。Sigmund等[10]认为正常乳腺组织与不同类型乳腺癌之间ADC值和D值均存在差异，而且D值在各组之间的差异较ADC值更大；Bokacheva等[11]研究得出ADC值、D值、f值在良恶性乳腺肿瘤间存在明显差异，联合IVIM模型的D值和f值进行诊断，诊断的效能要优于ADC值，其受试者特性曲线下面积（AUC）分别为0.84和0.72；Liu等[12]研究指出在对乳腺良恶性肿瘤进行鉴别诊断时，ADC值和D值的AUC分别为0.952和0.945，要高于f值和D*值（分别为0.723和0.630），而且联合f值和D值能使诊断的特异性提高到98.75%。从现有的这些研究中可以看出，IVIM模型参数值在乳腺良恶性肿瘤中的诊断价值优于传统的ADC值，IVIM模型参数值有可能进一步提高DWI鉴别乳腺良恶性病变的能力。

rFOV-DWI作为一种新的DWI成像方法，大多数学者主要研究这种技术在图像质量方面的改进，已有学者将其应用到甲状腺[13]、胰腺[14]、颈胸部脊髓[15]、乳腺[16-17]等部位的DWI成像上，一方面能明显提高图像的质量，减少图像的变形和伪影，另一方面也提高了医生诊断病变的信心。另外，Dong等[17]研究得出rFOV-DWI序列所得乳腺癌的平均ADC值为 1.065×10-3mm2/s，传统 DWI所得ADC值为1.192×10-3mm2/s，两者的差异存在统计学意义（p＜0.05），并指出这种差异为rFOV-DWI图像能够减小周围正常乳腺腺体部分容积效应对肿瘤ADC值的影响所致，所得的结果更加准确；Singer等[16]的研究也得出类似的结论。因此，rFOV-DWI无论在图像质量还是在ADC值准确性方面均较传统DWI更好，而rFOV-DWI在乳腺良恶性肿瘤的鉴别诊断能力方面能否较传统DWI有所提高，尚无具体的研究，是一个值得深入研究的新方向。

3 DWI及其新技术在乳腺癌新辅助化疗中的作用

新辅助化疗（neoadjuvant chemotherapy，NAC）在乳腺癌患者的治疗中应用越来越广泛，对于进展期的乳腺癌患者，采用NAC可以降低肿瘤的临床分期，使不能手术的患者获得手术的机会；不能保乳手术的患者在经过NAC治疗后争取保乳手术；NAC还可减少微小肿瘤病灶，降低复发和转移的概率，提高患者的远期生存率；为手术后患者化疗方案的选择提供指导等。正是因为NAC对于乳腺癌患者有诸多益处，所以在治疗早期对其疗效进行评价与预测并指导实施治疗方案至关重要。传统的通过测量肿瘤的大小及使用DCEMRI的方法预测疗效均存在一定的局限性，因此，近年国内外学者开始研究DWI在NAC疗效评价和预测中的价值。

DWI能够检测出不同病变中水分子扩散运动的情况，并通过ADC值定量反映扩散的差异。对于乳腺癌的病灶而言，肿瘤内细胞密度增高，细胞膜通透性降低，可使病灶的ADC值明显减低。化疗药物能够诱导细胞凋亡和坏死，从而降低细胞的密度，破坏肿瘤细胞膜的完整性，增加细胞外间隙，以致在肿瘤进展早期就出现ADC值升高，但是此时肿瘤形态及血供还没有明显改变。许多研究[18-20]指出对NAC存在疗效的患者，其ADC值的升高要早于常规MRI所观察到的肿瘤形态学变化及DCE-MRI所测得的血流参数改变，甚至在NAC的第一个治疗周期后就会表现出来[21]，因而ADC值具有早期预测疗效的能力。同时，有学者[21-23]研究指出对NAC治疗有效的患者，治疗前的基线ADC值要低于疗效不佳的患者，而ADC值的变化量也会高于疗效不佳的患者[22-24]，但是并非所有研究都认为ADC值有预测疗效的价值；Nilsen等[25]认为NAC治疗前乳腺癌的ADC值与治疗结束后是否存在疗效并无相关性。

IVIM模型能将ADC值中表示水分子扩散和灌注的参数分离开来研究，从而进一步提高DWI对NAC疗效评价和预测的能力。曾经有学者利用IVIM模型参数对肝细胞癌进行研究[26]得出，灌注分数f值在治疗有、无疗效的患者中存在差异，而ADC值和D值不存在差异。可见IVIM模型多参数值有增加ADC值预测化疗疗效的可能性，但是尚无学者将IVIM模型各项参数用到乳腺癌NAC的疗效评价与预测中。

国内外利用rFOV-DWI对乳腺癌NAC进行评价的研究极少，仅Wilmes等[27]比较了rFOV-DWI与传统DWI成像方法所得ADC值在治疗前、治疗前后变化上的差异，以及治疗前ADC值与肿瘤治疗前后体积变化相关性的差异，认为两种方法所得的ADC值在治疗前、治疗前后变化上不存在统计学意义。因此，rFOV-DWI与传统的DWI所得的ADC值在NAC疗效评价和预测中的价值相比，并没有太大的提高，但由于这方面研究较少，还需要大宗病例的深入研究。

4 DWI及其新技术与乳腺癌预后因子

乳腺癌的预后危险因素包括：是否有腋窝淋巴结转移，是否有血管浸润，肿瘤直径，Ki-67指数，ER（+/-），HER2（+/-），PR（+/-），癌细胞的核分级等，这些因素可以预测患者的预后，并指导临床化疗方案的选择。有研究表明ADC值与各危险因素之间存在关联。Kamitani等[28]研究指出，存在腋窝淋巴结转移的患者ADC值高于非转移者，ER（+）、PR（+）患者的ADC值低于阴性患者，表明ADC值与部分预后危险因素间存在相关性；Martincich等[29]研究则指出不同分子亚型的乳腺癌，其ADC值存在一定的差异；相反，Kim等[30]认为ADC值与乳腺癌的预后危险因素之间不存在明显的相关性。而目前尚无IVIM模型的参数值的相关研究，其多参数的价值尚有待于进一步深入探讨。

5 小结

综上所述，MRI小视野DWI、IVIM模型等新技术，对于乳腺DWI成像的图像质量、参数定量计算方面较传统的DWI图像均有所改善，其对于乳腺癌诊断、疗效评价与预测、预后评估等方面的研究虽然已有肯定的结果，但总体上研究还较少，需要进一步进行大样本的前瞻性研究来评价其可能存在的临床应用价值。

［1］张敏璐,黄哲宙,郑莹.中国2008年女性乳腺癌发病、死亡和患病情况的估计及预测[J].中华流行病学杂志,2012,33(10):1049-1051.

［2］Le Bihan D,Breton E,Lallemand D,et al.MR imaging of intravoxel incoherent motions:application to diffusion and perfusion in neurologic disorders[J].Radiology,1986,161(2):401-407.

［3］Saritas EU,Cunningham CH,Lee JH,et al.DWI of the spinal cord with reduced FOV single-shot EPI[J].Magn Reson Med,2008,60(2):468-473.

［4］Woodhams R,Ramadan S,Stanwell P,et al.Diffusionweighted imaging of the breast:principles and clinical applications[J].Radiographics,2011,31(4):1059-1084.

［5］Ei Khouli RH,Jacobs MA,Mezban SD,et al.Diffusionweighted imaging improves the diagnostic accuracy of conventional 3.0 T breast MR imaging[J].Radiology,2010,256(1):64-73.

［6］Hirano M,Satake H,Ishigaki S,et al.Diffusion-weighted imaging of breast masses:comparison of diagnostic performance using various apparent diffusion coefficient parameters[J].AJR,2012,198(3):717-722.

［7］Kul S,Cansu A,Alhan E,et al.Contribution of diffusion-weighted imaging to dynamic contrast-enhanced MRI in the characterization of breast tumors[J].AJR,2011,196(1):210-217.

［8］Partridge SC,Demartini WB,Kurland BF,et al.Differential diagnosis of mammographically and clinically occult breast lesions on diffusion-weighted MRI[J].J Magn Reson Imaging,2010,31(3):562-570.

［9］Zhang JL,Sigmund EE,Chandarana H,et al.Variability of renal apparent diffusion coefficients:limitations of the monoexponential model for diffusion quantification[J].Radiology,2010,254(3):783-792.

［10］Sigmund EE,Cho GY,Kim S,et al.Intravoxel incoherent motion imaging of tumor microenvironment in locally advanced breast cancer[J].Magn Reson Med,2011,65(5):1437-1447.

［11］Bokacheva L,Kaplan JB,Giri DD,et al.Intravoxel incoherent motion diffusion-weighted MRI at 3.0 T differentiates malignant breast lesions from benign lesions and breast parenchyma[J].J Magn Reson Imaging,2014,40(4):813-823.

［12］Liu C,Liang C,Liu Z,et al.Intravoxel incoherent motion(IVIM)in evaluation of breast lesions:comparison with conventional DWI[J].Eur J Radiol,2013,82(12):e782-789.

［13］Taviani V,Nagala S,Priest AN,et al.3T diffusionweighted MRI of the thyroid gland with reduced distortion:preliminary results[J].Br J Radiol,2013,86(1028):20130022.

［14］Ma C,Li YJ,Pan CS,et al.High resolution diffusion weighted magnetic resonance imaging of the pancreas using reduced field of view single-shot echo-planar imaging at 3T[J].Magn Reson Imaging,2014,32(2):125-131.

［15］Andre JB,Zaharchuk G,Saritas E,et al.Clinical evaluation of reduced field-of-view diffusion-weighted imaging of the cervical and thoracic spine and spinal cord[J].AJNR,2012,33(10):1860-1866.

［16］Singer L,Wilmes LJ,Saritas EU,et al.High-resolution diffusion-weighted magnetic resonance imaging in patients with locally advanced breast cancer[J].Acad Radiol,2012,19(5):526-534.

［17］Dong H,Li Y,Li H,et al.Study of the reduced fieldof-view diffusion-weighted imaging of the breast[J].Clin Breast Cancer,2014,14(4):265-271.

［18］Sharma U,Danishad KK,Seenu V,et al.Longitudinal study of the assessment by MRI and diffusion-weighted imaging of tumor response in patients with locally advanced breast cancer undergoing neoadjuvant chemotherapy[J].NMR Biomed,2009,22(1):104-113.

［19］Woodhams R,Kakita S,Hata H,et al.Identification of residual breast carcinoma following neoadjuvant chemotherapy:diffusion-weighted imaging-comparison with contrast-enhanced MR imaging and pathologic findings[J].Radiology,2010,254(2):357-366.

［20］Pickles MD,Gibbs P,Lowry M,et al.Diffusion changes precede size reduction in neoadjuvant treatment of breast cancer[J].Magn Reson Imaging,2006,24(7):843-847.

［21］Li XR,Cheng LQ,Liu M,et al.DW-MRI ADC values can predict treatment response in patients with locally advanced breast cancer undergoing neoadjuvant chemotherapy[J].Med Oncol,2012,29(2):425-431.

［22］Iacconi C,Giannelli M,Marini C,et al.The role of mean diffusivity(MD)as a predictive index of the response to chemotherapy in locally advanced breast cancer:a preliminary study[J].Eur Radiol,2010,20(2):303-308.

［23］Park SH,Moon WK,Cho N,et al.Diffusion-weighted MR imaging:pretreatment prediction of response to neoadjuvant chemotherapy in patients with breast cancer[J].Radiology,2010,257(1):56-63.

［24］Fangberget A,Nilsen LB,Hole KH,et al.Neoadjuvant chemotherapy in breast cancer-response evaluation and prediction of response to treatment using dynamic contrast-enhanced and diffusion-weighted MR imaging[J].Eur Radiol,2011,21(6):1188-1199.

［25］Nilsen L,Fangberget A,Geier O,et al.Diffusionweighted magnetic resonance imaging for pretreatment prediction and monitoring of treatment response of patients with locally advanced breast cancer undergoing neoadjuvant chemotherapy[J].Acta Oncologica,2010,49(3):354-360.

［26］Lewin M,Fartoux L,Vignaud A,et al.The diffusionweighted imaging perfusion fraction f is a potential marker of sorafenib treatment in advanced hepatocellular carcinoma:a pilot study[J].Eur Radiol,2011,21(2):281-290.

［27］Wilmes LJ,McLaughlin RL,Newitt DC,et al.Highresolution diffusion-weighted imaging for monitoring breast cancer treatment response[J].Acad Radiol,2013,20(5):581-589.

［28］Kamitani T,Matsuo Y,Yabuuchi H,et al.Correlations between apparent diffusion coefficient values and prognostic factors of breast cancer[J].Magn Reson Med Sci,2013,12(3):193-199.

［29］Martincich L,Deantoni V,Bertotto I,et al.Correlations between diffusion-weighted imaging and breast cancer biomarkers[J].Eur Radiol,2012,22(7):1519-1528.

［30］Kim SH,Cha ES,Kim HS,et al.Diffusion-weighted imaging of breast cancer:correlation of the apparent diffusion coefficient value with prognostic factors[J].J Magn Reson Imaging,2009,30(3):615-620.