乳腺腫瘤不同部位動態(tài)增強核磁共振信號

1、乳腺腫瘤不同部位動態(tài)增強核乳腺腫瘤不同部位動態(tài)增強核磁共振信號強度的研究磁共振信號強度的研究研究背景（一） 1. 乳腺癌占女性惡性腫瘤發(fā)病率第一 2. 新輔助化療已經成為乳腺癌治療的標準方法 3. 然而，由于缺乏大病理支持使得新輔助化療存在一定的盲目性（判斷腫瘤預后以及預測腫瘤的化療療效等方面）。 4. 對于那些對化療不敏感的惡性腫瘤，新輔助化療往往延誤了手術或其他治療的時機 所以有必要研究一種無創(chuàng)性的檢查方法，以期為臨床治療提供有益參考。研究背景（二） 1. dce-mri檢查既可以觀察乳腺腫瘤的結構特點，又可以觀察其動態(tài)特點。該檢查有可能為乳腺癌的個體化治療提供有益參考。 2. 常規(guī)的dc

2、e-mri檢查通常只關注對熱點特征的描述。然而腫瘤不僅包含熱點的特性，還應有冷點及不均勻性的特征。研究目的 1. 鑒別乳腺良惡性腫瘤并判斷惡性腫瘤病理分級 2. 預測腫瘤預后 3. 預測腫瘤對化療的敏感性the research of dce-mr signal intensities in different areas of tumor for breast cancer patients backgroud： prediction of prognosis and response to neoadjuvant chemotherapy can improve treatment of

3、patients with invasive breast cancer. the association between dynamic magnetic resonance imaging features and chemosensitivity were evaluated for breast cancer patients prior to receiving chemotherapy. evaluation of ischemia area (cold spot) characteristics might predict chemosensitivity. our findin

4、gs may assist clinicians in prediction of prognosis and chemosensitivity. 第一部分 動態(tài)增強核磁共振在鑒別乳腺良、惡性腫瘤和提示惡性腫瘤病理分級中的作用材料與方法（一）材料與方法（一） 1. 研究對象的病理診斷情況 2. 研究對象的病理學分級 i級： 9 例 ii級： 19例 iii級：10例。材料與方法（二）材料與方法（二） 掃描方法和技術參數(shù)： 儀器：signa excite hd （ge）3.0t超高場裝置 造影劑：gadolinium-dtpa(用量0.1mmol/kg ,流率2.0ml/s, 20ml鹽水跟進沖

5、洗) 注射造影劑后延遲15秒啟動連續(xù)動態(tài)掃描。時間分辨率42秒。 共設定13個時相。每一時相重建92層有效圖像,間隔1.6mm 材料與方法（三）材料與方法（三） 第一個動態(tài)序列中的腫瘤內部選擇至少3個強化較明顯的區(qū)域勾畫roi,從中選擇強化最明顯的區(qū)域以代表熱點 在腫瘤內部至少3個強化較弱的區(qū)域勾畫roi,從中選擇強化最弱的區(qū)域以代表冷點 roi的面積應足夠小（4-10個像素）以避免容積效應。 材料與方法（四） 動態(tài)參數(shù)的計算方法 slopec：冷點的slopein值; washoutc：冷點的washout值 slopeh：熱點的slopein值; washouth：熱點的washout值

6、ratio-in= slopeh / slopec; ratio-out= (washouth - washoutc)/ washouth材料與方法-統(tǒng)計學方法 采用spss12.0以及medcalc11.6.1軟件 采用roc曲線分析各參數(shù)在鑒別良、惡性乳腺腫瘤方面的診斷價值（包括：靈敏度、特異度、陽性預測值、陰性預測值和roc曲線下面積），并比較各參數(shù)的roc曲線下面積之間是否存在顯著差異。 應用joncheere-terpstra檢驗，觀察多組非正態(tài)分布數(shù)據(jù)間是否存在顯著差異。采用卡方檢驗分析成組資料。 以p0.05作為差異有統(tǒng)計學意義。結果 動態(tài)及形態(tài)參數(shù)在鑒別乳腺良、惡性腫瘤上的診斷

7、結果 動態(tài)參數(shù)與腫瘤組織學分級之間的關聯(lián)關系 動態(tài)參數(shù)與腫瘤組織學分級之間的關聯(lián)關系 冷點動態(tài)參數(shù)slopec以及反映腫瘤內部不均勻性的參數(shù)ratio-in在不同組織學分級的惡性腫瘤間差異顯著(p0.05)。 腫瘤較高的不均勻性強化程度亦提示腫瘤的病理分級較高。 不同病理分級乳腺惡性腫瘤的mr強化特征和動態(tài)增強曲線 a (1-3), b (1-3), 和 c (1-3)分別取自病理分級為i級， ii級和iii級的惡性腫瘤。 a-1, b-1, 和c-1提示這些腫瘤均有環(huán)形強化的影像特征。 a-2, b-2, 和c-2 提示這些腫瘤在熱點處均表現(xiàn)出造影劑快速流入的特征。以上提示：這些腫瘤具有類似

8、的形態(tài)特征和熱點的動態(tài)特征。 然而, a-3, b-3, 和c-3 表明病理分級高的惡性腫瘤其冷點的造影劑流入速度較慢。討論（一）討論（一） dce-mri檢查能同時反映腫瘤的形態(tài)學和動態(tài)學特點，有可能為臨床治療乳腺癌提供有益參考。 但在dce-mri檢查中，通常在腫瘤內選擇強化最明顯處（熱點）作為roi, 繪制時間-信號強度曲線 討論（二）討論（二） 腫瘤不僅包括熱點，還包括冷點和不均勻性的特征。 冷點區(qū)域往往缺乏血供，并且腫瘤內的微血管分布往往是不均勻的。討論（三） 研究結果發(fā)現(xiàn)：與低病理分級的腫瘤相比，病理分級高的惡性腫瘤往往具有更“冷”的冷點。 有作者報道壞死往往預示著乳腺癌的不良預后

9、。 我們認為：壞死很可能是腫瘤冷點的特殊表現(xiàn)形式。 結論 反映冷點和腫瘤內部不均勻性特征的動態(tài)參數(shù)對在新輔助化療前提示腫瘤病理分級有重要意義。 反映熱點特征的動態(tài)參數(shù)slopeh有潛在的可能性能夠提高鑒別診斷良、惡性腫瘤的正確率。 第二部分 動態(tài)增強核磁共振對預測乳腺癌患者預后的作用材料與方法 研究對象：2008年1月至2008年6月在我院新就治的87例原發(fā)乳腺癌患者 病理學情況：同第一部分 mri及動態(tài)mri參數(shù)：同第一部分 動態(tài)學參數(shù)的計算：同第一部分 形態(tài)特征的評估：同第一部分材料與方法-統(tǒng)計學方法 采用mann-whiney u檢驗觀察兩個獨立樣本的中位數(shù)是否存在顯著差異。 采用jon

10、ckheere terpstra檢驗觀察兩個以上樣本的中位數(shù)之間是否存在顯著性差異，而對于分組資料采用卡方檢驗。 用spearman檢驗觀察兩個連續(xù)性變量是否存在相關關系；采用二項分布的邏輯回歸檢驗以確定能夠預測經典腫瘤預后因素（腫瘤分級、淋巴結狀況、er、ki-67、c-erbb-2等）的變量。 以上均采用spss12.0作統(tǒng)計分析，p0.05認為差異有顯著意義。 結果 具有不良預后因素的惡性腫物，其熱點參數(shù)(slopeh和 washouth)往往較高，而冷點參數(shù)(slopec)往往較低。 動態(tài)參數(shù)（slopec, ratio-in, washoutc和ratio-out）在較大的腫瘤和較小

11、的腫瘤之間存在顯著差異。不均勻性參數(shù)（ratio-in）與腫瘤最大徑呈正相關(r=0.516)，而熱點參數(shù)(slopeh和washouth) 并未表現(xiàn)出與腫瘤最大軸位直徑的相關關系 直徑較大的腫瘤更有可能表現(xiàn)為環(huán)形強化的特征(p=0.014)。具有不良預后因素的腫物（諸如高病理分級，p=0.030；較大的腫瘤直徑，p0.001；和淋巴結陽性，p=0.016）更有可能表現(xiàn)為不均勻強化的特征。 選擇在單因素分析（諸如mann-whitney u檢驗，jonckheere terpstra檢驗，以及spearman檢驗）中展示為有顯著差異的變量進入邏輯回歸檢驗。 在回歸分析中檢驗這些變量是否能夠預測

12、病理分級，淋巴結狀況，腫瘤直徑以及ki-67。 ratio-in是病理分級唯一的獨立預測因素(p=0.021) slopec是淋巴結狀況的獨立預測因素(p=0.024) 內部不均勻性是腫瘤大小的獨立預測因素(p0.001) slopeh是ki-67的獨立預測因素 (p=0.001)。 討論（一） 惡性腫瘤不僅包括熱點還包括冷點。 本研究結論顯示：為了全面反映惡性腫瘤特征，有必要在治療前對熱點、冷點以及腫瘤不均勻的性質加以評估。 我們的結果也許能夠對預測乳腺惡性腫瘤的預后，進而有可能為制定個體化治療方案提供有益幫助。 討論（二） 腫塊大小和淋巴結狀況以及病理分級是乳腺惡性腫瘤非常重要的獨立預后因

13、素 免疫組化方面的預后因素則包括er、pr、c-erbb-2和ki-67。討論（三） 正常組織的細胞增殖與血供一般會形成良好的平衡，不會有正常細胞生長于血供范圍之外。 然而，這一平衡在惡性腫瘤往往會被破壞掉，從而形成大小不等的缺血乏氧區(qū)域。 缺血導致的壞死也許是腫瘤內部形成冷點的重要原因之一。 結論 在治療前運用動態(tài)參數(shù)（包括冷點參數(shù)、熱點參數(shù)以及不均勻參數(shù)）有可能發(fā)現(xiàn)惡性程度較高的腫瘤。為了從整體上揭示腫瘤的特征，我們應同樣關注腫瘤內的冷點。 第三部分 動態(tài)增強核磁共振預測新輔助化療療效的研究 研究背景： 1. 預測腫瘤對化療的敏感性是提高新輔助化療療效的關鍵。 2. 常規(guī)的dce-mri檢

14、查往往僅關注對腫瘤熱點特征的描述，而腫瘤還應包括冷點和不均勻性的特征。材料與方法 研究對象：2008年4月至2009年7月，共60例原發(fā)乳腺癌患者（腫瘤最大徑1cm或淋巴結陽性） mri及動態(tài)mri參數(shù)：同第一部分 動態(tài)學參數(shù)的計算：同第一部分 形態(tài)特征的評估：同第一部分 化療方案為4周期紫杉醇(160 mg/m2)+吡柔吡星(40 mg/m2) 病理完全反應（pcr, pathologic complete response）定義為腫瘤細胞完全消失以及原位癌。由于本研究的目的是觀察應用dce-mri預測腫瘤化療療效，故原位癌伴微小浸潤亦歸入病理完全緩解組。 材料與方法-統(tǒng)計學方法 用中位數(shù)和

15、百分位數(shù)來描述連續(xù)性變量。用頻數(shù)描述分類變量。 用mann-whiney u檢驗觀察兩組非正態(tài)分布數(shù)據(jù)的差異 卡方檢驗用于分類變量。 spearman檢驗用于觀察兩個非正態(tài)分布的變量是否存在相關性。 雙因素邏輯回歸分析用于確定獨立預測因子。以上統(tǒng)計分析檢驗均采用spss12.0。 用medcalc軟件做roc曲線分析，以確定最佳臨界值。結果 pcr組和non-pcr組動態(tài)參數(shù)間的差異 pcr組和non-pcr在形態(tài)因素方面的差異 邏輯回歸分析結果： washoutc ( = 26.128, p = 0.005)是pcr的唯一獨立預測因子。washoutc 每下降0.001個單位，化療后達到病理

16、完全緩解的可能性會下降2.65%。 用washoutc區(qū)分pcr組和non-pcr組的最佳臨界值為0.0277，其敏感度為80.0% (8/10; 95%的可信區(qū)間: 44.4%97.5%)，特異度為74.0% (37/50; 95% 可信區(qū)間: 59.7%85.4%) (圖 3-1), roc曲線下面積為0.774（95%的可信區(qū)間: 0.6480.872）。 用roc曲線分析尋找冷點參數(shù)washoutc 的最佳臨界值以期預測化療療效（pcr）washoutc的最佳臨界值為0.0277，曲線下面積為0.774 （95%可信區(qū)間：0.6480.872)。 圖3-2. 化療后達到pcr患者（64

17、歲女性；病理：浸潤性導管癌）的化療前后的mr圖像以及熱點和冷點的時間-信號強度曲線 圖2a和圖2b分別為化療前和化療后腫物的軸位增強t1加權圖像（抑脂）。圖3-2a示：腫物最大直徑為1.3 cm；而在圖3-2b則未發(fā)現(xiàn)有強化腫物。 圖3-2a中, 細箭所示為熱點，粗箭所示為冷點。 圖3-2c示：腫瘤的熱點呈現(xiàn)出造影劑快速流入的特點。 而圖3-2d示腫瘤的冷點亦呈現(xiàn)出造影劑相對較快速的流入。 化療前的 washoutc 值為0.0900。 圖 3-3. 化療后未達到pcr患者（年齡：45歲；病理：浸潤性導管癌）的化療前后的mr圖像以及熱點和冷點的時間-信號強度曲線 圖3-3a和圖3-3b分別為化

18、療前和化療后腫物的軸位增強t1加權圖像（抑脂）。圖3-3a示：腫物最大直徑為3.9 cm；而圖3-3b示：腫物最大直徑為3.5cm。化療前、后相比腫物最大直徑僅減少了10.3%。并且，殘留腫物在顯微鏡下測得得最大直徑為3.1cm。圖3-3a中, 細箭所示為熱點，粗箭所示為冷點。與圖3-2c類似，圖3-3c示：腫瘤的熱點呈現(xiàn)出造影劑快速流入的特點。 而圖3-3d示：冷點處的造影劑流入速度較慢。 化療前，washoutc 值為0.0000。圖3-3e 是一個剪影圖像。圖3-3f和3-3g 取自腫瘤的上極，而3-3h 取自腫瘤的下極。這幾幅圖像對判斷化療后殘存腫瘤有所幫助。討論（一） nsabp b-18和nsabp b-27的研究結果顯示：在化療后獲得病理完全緩解的病人其治愈率會顯著提高。然而，大多數(shù)病人很難得到病理完全緩解。因此，有必