切换至 "中华医学电子期刊资源库"
高级检索
中华医学超声杂志（电子版）

中华医学超声杂志（电子版） ›› 2019, Vol. 16 ›› Issue (06) : 419 -425. doi: 10.3877/cma.j.issn.1672-6448.2019.06.003

所属专题： 乳腺超声； 文献；

浅表器官超声影像学

乳腺超声造影预测模型的建立及其对乳腺良恶性病变诊断效能的分析
赵璐1, 张莹2, 程颢3, 黄品同2,†()   
  1. 1. 323000，丽水市人民医院超声科
    2. 310009，杭州，浙江大学医学院附属第二医院超声科
    3. 710062，西安交通大学附属省肿瘤医院超声科
  • 收稿日期:2018-09-26 出版日期:2019-06-01
  • 通信作者: 黄品同

Comparative study of a contrast-enhanced ultrasound predictive model and dynamic contrast-enhanced magnetic resonance imaging in diagnosis of breast lesions

Lu Zhao1, Ying Zhang2, Hao Cheng3, Pintong Huang2,†()   

  1. 1. Department of Ultrasonography, Lishui People′s Hospital, Lishui 323000, China
    2. Department of Ultrasonography, the Second Affiliated Hospital of Zhejiang University School of Medicine, Hangzhou 310009, China
    3. Department of Ultrasonography, Shanxi Provincial Tumor Hospital, Affiliated Hospital of Medical College of Xi'an Jiaotong University, Xi′an 710062, China
  • Received:2018-09-26 Published:2019-06-01
  • Corresponding author: Pintong Huang
  • About author:
    Corresponding author: Huang Pintong, Email:
全文 ( ) 下载PDF ( ) 导出引用
引用本文：

赵璐, 张莹, 程颢, 黄品同. 乳腺超声造影预测模型的建立及其对乳腺良恶性病变诊断效能的分析[J]. 中华医学超声杂志（电子版）, 2019, 16(06): 419-425.

Lu Zhao, Ying Zhang, Hao Cheng, Pintong Huang. Comparative study of a contrast-enhanced ultrasound predictive model and dynamic contrast-enhanced magnetic resonance imaging in diagnosis of breast lesions[J]. Chinese Journal of Medical Ultrasound (Electronic Edition), 2019, 16(06): 419-425.

目的

分析乳腺超声造影（CEUS）的增强特征，构建乳腺病变CEUS预测模型，探讨该模型对乳腺良恶性病变的诊断价值。

方法

选取2016年6月至2018年8月于丽水市人民医院及浙江大学医学院附属第二医院就诊的乳腺病变患者192例共195个病灶，所有病灶均为常规超声检查BI-RADS分类4类及以上，均经穿刺活检或手术取得病理结果。将病例分为CEUS组120例共123个病灶，均经CEUS检查；CEUS＋动态增强磁共振（DCE-MRI）组72例共72个病灶，均接受CEUS及DCE-MRI检查。对CEUS组120例患者的CEUS模式特征进行单因素及多因素Logistic回归分析，筛选预测乳腺恶性病变的CEUS危险因素，并建立预测模型，绘制ROC曲线。以CEUS＋DCE-MRI组72例患者的病理结果为"金标准"，分别计算CEUS预测模型与DCE-MRI对乳腺良恶性病变的诊断效能。

结果

Logistic回归分析结果显示诊断乳腺恶性病灶的CEUS特征性表现为增强后病灶范围增大（OR=12.941，P=0.003），"蟹足"征或血管扭曲缠绕（OR=7.553，P=0.009），灌注缺损（OR=5.670，P=0.024）。建立的风险预测模型即Logistic回归方程为：Y=-4.108＋2.560X6＋2.022X7＋1.735X8。该模型预测乳腺良恶性病灶的ROC曲线下面积为0.953。以穿刺或术后病理结果为"金标准"，CEUS风险预测模型诊断乳腺良恶性病变的敏感度、特异度、阳性预测值、阴性预测值以及准确性分别为93.0%、73.3%、93.0%、73.3%、88.9%；DCE-MRI诊断乳腺良恶性病变的敏感度、特异度、阳性预测值、阴性预测值以及准确性分别为94.7%、73.3%、93.1%、78.6%、90.3%。CEUS风险预测模型与DCE-MRI诊断乳腺良恶性病变的一致性较高（Kappa值=0.70）。

结论

乳腺CEUS预测模型对鉴别良恶性病灶具有较高的诊断效能，且操作相对简单、检查时间短、可重复性好、价格相对低廉，不失为诊断乳腺良恶性病变的一种有效和可靠方法。

关键词: 乳腺肿瘤, 超声检查, 造影剂, 磁共振成像, Logistic模型
Objective

To identify the contrast-enhanced ultrasound (CEUS) features of the breast, to build a CEUS predictive model for breast lesions, and to evaluate the diagnostic value of this model in distinguishing breast benign from malignant lesions.

Methods

A total of 192 patients with 195 breast lesions were included in the study. The lesions were divided into two groups: 123 lesions in a CEUS group and 72 in a CEUS+ dynamic contrast-enhanced magnetic resonance imaging (DCE-MRI) group. In the CEUS group, CEUS were used to examine each lesion. Then, risky CEUS patterns in breast malignant lesions were identified by logistic regression analysis to build a breast CEUS predictive model. Using final pathology results as the gold standard, the diagnostic efficiencies of the CEUS prediction model and DCE-MRI were evaluated.

Results

Three independent variables, namely, increased lesion scope (OR=12.941), ″crab foot″ sign (OR=7.553), and filling defect (OR=5.670), were selected in the final step of the logistic regression analysis in the CEUS group. The CEUS predictive model was built as Y=-4.108+ 2.560X6+ 2.022X7+ 1.735X8. Using final pathology results as the gold standard, the area under ROC curve of the CEUS predictive model in distinguishing between benign and malignant breast lesions was calculated to be 0.953, and the diagnostic sensitivity, specificity, positive predictive value, negative predictive value, and accuracy of the CEUS predictive model were 93.0%, 73.3%, 93.0%, 73.3%, and 88.9%, respectively; the corresponding values of DCE-MRI were 94.7%, 73.3%, 93.1%, 78.6%, and 90.3%. The consistency between the CEUS risk prediction model and DCE-MRI in the diagnosis of benign and malignant breast lesions was high (Kappa value=0.70).

Conclusion

The breast CEUS predictive model built here can predict the malignant risk of breast lesions more accurately. It is an effective and reliable method for the diagnosis of benign and malignant breast lesions because of its simple operation, short examination time, reproducibility, and relatively low price.

Key words: Breast neoplasms, Ultrasonography, Contrast medium, Magnetic resonance imaging, Logistic models
表1 评估乳腺良恶性病灶的超声造影模式单因素分析［个（%）］
超声造影特征 良性组（58个） 恶性组（65个） χ2值 P值
增强时间 ? ? 32.575 <0.05
? 较早 14（24.1） 49（75.4） ? ?
? 同时 34（58.6） 11（16.9） ? ?
? 较晚 10（17.3） 5（7.7） ? ?
消退时间 ? ? 3.122 0.21
? 较早 18（30.0） 30（46.2） ? ?
? 同时 27（46.6） 22（33.8） ? ?
? 较晚 13（22.4） 13（20.0） ? ?
增强强度 ? ? 6.664 0.04
? 高增强 31（53.4） 49（75.4） ? ?
? 等增强 17（29.3） 9（13.8） ? ?
? 低增强 10（17.3） 7（10.8） ? ?
增强方向 ? ? 3.221 0.73
? 向心 2（3.4） 8（12.4） ? ?
? 离心 0（0） 0（0） ? ?
? 弥散 56（96.6） 57（87.6） ? ?
病灶内部 ? ? 14.359 <0.05
? 均匀 22（37.9） 6（9.2） ? ?
? 不均匀 36（62.1） 59（90.8） ? ?
增强后病灶边缘 ? ? 41.751 <0.05
? 清楚 39（67.2） 7（10.8） ? ?
? 不清楚 19（32.8） 58（89.2） ? ?
病灶形状 ? ? 10.355 <0.05
? 规则 24（41.4） 10（15.4） ? ?
? 不规则 34（58.6） 55（84.6） ? ?
环状增强 ? ? 2.256 0.13
? 有 4（6.9） 1（1.5） ? ?
? 无 54（93.1） 64（98.5） ? ?
病灶范围 ? ? 58.334 <0.05
? 增大 12（20.7） 50（76.9） ? ?
? 相同 41（70.7） 10（15.4） ? ?
? 缩小 5（8.6） 5（7.7） ? ?
"蟹足"征或血管扭曲缠绕 ? ? 11.325 <0.05
? 有 6（10.3） 38（58.5） ? ?
? 无 52（89.7） 27（41.5） ? ?
灌注缺损 ? ? 12.855 <0.05
? 有 7（12.1） 38（58.5） ? ?
? 无 51（87.9） 27（41.5） ? ?
图1 乳腺恶性病变超声造影图像。图a示造影特征为快进或同进伴高增强或等增强，出现滋养血管或"蟹足"征，不伴充盈缺损，病理提示为浸润性癌；图b示造影特征为快进高增强伴增强后病灶范围增大，病理提示浸润性导管癌；图c示造影特征为快进高增强，边界不清伴充盈缺损，增强后病灶范围无增大，病理提示浸润性导管癌
图2 乳腺良性病变超声造影图像。图a示造影特征为快进高增强或等增强，增强后病灶范围无增大，边界清楚，病理提示为纤维瘤；图b示造影特征为同进或慢进，等增强，增强后难以分辨边界及形态，病理提示纤维腺瘤并腺病；图c示造影特征为同进或慢进，增强后病灶范围缩小，病理提示为纤维瘤
表2 评估乳腺良恶性病变的超声造影增强模式赋值表
超声造影模式 变量名 变量赋值说明
增强时间 X1 同时=1，较晚=2，较早=3
增强强度 X2 低增强=1，等增强=2，高增强=3
病灶内部回声 X3 不均匀=1，均匀=2
增强后病灶边缘 X4 不清楚=1，清楚=2
病灶形状 X5 不规则=1，规则=2
增强后病灶范围变化 X6 不变=1，缩小=2，增大=3
"蟹足"征或血管扭曲缠绕 X7 无=1，有=2
灌注缺损 X8 无=1，有=2
病理结果 Y 良性=0，恶性=1
表3 评估乳腺良恶性病变的超声造影模式多因素Logistic回归分析结果
参数 回归系数 标准误 Wald值 P值 OR值 95%CI
病灶范围 ? ? ? ? ? ?
? 不变 - - 9.032 0.011 - -
? 缩小 -0.610 0.937 0.424 0.515 1.841 0.293~11.552
? 增大 2.560 0.867 8.713 0.003 12.941 2.362~70.848
"蟹足"征或血管扭曲缠绕 2.022 0.774 6.825 0.009 7.553 1.657~34.426
灌注缺损 1.735 0.771 5.063 0.024 5.670 1.251~25.709
常数项 -4.108 2.522 2.654 0.103 0.016 -
图3 超声造影预测模型诊断乳腺良恶性病变的ROC曲线
表4 超声造影预测模型与动态增强磁共振对乳腺良恶性病变的诊断结果
检查方法（个） 病理学（个）
良性 恶性
超声造影预测模型 ? ?
? 良性 11 4
? 恶性 4 53
动态增强磁共振 ? ?
? 良性 12 3
? 恶性 3 54
1
马志健, 蓝永洪, 郑艺菲, 等. HIF-1α表达与乳腺癌分级及分子亚型的关系研究 [J]. 中国热带医学, 2016, 16(6): 588-590, 604.
2
Are C, Rajaram S, Are M, et al. A review of global cancer burden: trends, challenges, strategies, and a role for surgeons [J]. J Surg Oncol, 2013, 107(2): 221-226.
3
荔姣媛. 乳腺彩超在早期乳腺癌诊断中的临床价值分析 [J]. 人人健康, 2019(8): 271.
4
Meade E, Dowling M. Early breast cancer: diagnosis, treatment and survivorship [J]. Br J Nurs, 2012, 21(17): S4-S8, S10.
5
Sedgwick E. The breast ultrasound lexicon: breast imaging reporting and data system (BI-RADS) [J]. Semin Roentgenol, 2011, 46(4): 245-251.
6
Tang L, Chen Y, Du Z, et al. A multicenter study of a contrast-enhanced ultrasound diagnostic classification of breast lesions [J]. Cancer Manag Res, 2019, 11: 2163-2170.
7
Zhao H, Xu R, Ouyang Q, et al. Contrast-enhanced ultrasound is helpful in the differentiation of malignant and benign breast lesions [J]. Eur J Radiol, 2010, 73(2): 288-293.
8
Zhao LX, Liu H, Wei Q, et al. Contrast-Enhanced Ultrasonography Features of Breast Malignancies with Different Sizes: Correlation with Prognostic Factors [J]. Biomed Res Int, 2015, 2015: 613831.
9
Xiao X, Ou B, Yang H, et al. Breast contrast-enhanced ultrasound: is ascoring system feasible ? A preliminary study in China [J]. PLoS One, 2014, 9(8): e105517.
10
Zhou JH, Zheng W, Cao LH, et al. Contrast-enhanced ultrasonic parametric perfusion imaging in the evaluation of antiangiogenic tumor treatment [J]. Eur J Radiol, 2012, 81(6): 1360-1365.
11
Bartolotta TV, Taibbi A, Midiri M, et al. Contrast-enhanced ultrasound of hepatocellular carcinoma: where do we stand? [J]. Ultrasonography. 2019. [Epub ahead of print].
12
王美祺, 张世玉, 毛超丽, 等. 乳腺癌患者血清VEGF的表达及临床意义 [J]. 河北医科大学学报, 2018, 4: 416-419, 424.
13
Park AY, Kwon M, Woo OH, et al. A Prospective Study on the Value of Ultrasound Microflow Assessment to Distinguish Malignant from Benign Solid Breast Masses: Association between Ultrasound Parameters and Histologic Microvessel Densities [J]. Korean J Radiol, 2019, 20(5): 759-772.
14
刘辉, 周理乾, 刘莉. 乳腺钼靶超声和磁共振检查评估乳腺癌大小的准确性分析 [J]. 中国肿瘤临床与康复, 2014, 21(11): 1290-1292.
15
Shoma A, Moutamed A, Ameen M, et al. Ultrasound for accurate measurement of invasive breast cancer tumor size [J].Breast J, 2006, 12(3): 252-256.
16
Xu J, Ma G, Liang M, et al. Factors that influence ultrasound evaluation of breast tumor size [J]. Med Ultrason, 2019, 21(2): 144-151.
17
van Esser S, Veldhuis WB, van Hillegersberg R, et al. Accuracy of contrast-enhanced breast ultrasound for pre-operative tumor size assessment in patients diagnosed with invasive ductal carcinoma of the breast [J]. Cancer Imaging, 2007, 7: 63-68.
18
田磊, 沈会明, 王颖彦, 等. 超声造影联合BI-RADS分类在乳腺良恶性肿瘤诊断中的研究 [J/CD]. 临床检验杂志(电子版), 2019, 2: 31-33.
19
朱慧, 徐卫平, 陈红燕, 等. 超声造影联合超微血管显像对乳腺癌微血管的评价 [J]. 中国临床医学影像杂志, 2016, 6: 390-392.
20
彭吉明. 磁共振动态增强在早期乳腺癌影像诊断中的作用 [J]. 影像研究与医学应用, 2018, 15: 120-121.
21
Young P, Kim B, Malin JL. Preoperative breast MRI in early-stage breast cancer [J]. Breast Cancer Res Treat, 2012, 135(3): 907-912.
22
Wang SY, Virnig BA, Tuttle TM, et al. Variability of preoperative breast MRI utilization among older women with newly diagnosed early-stage breast cancer [J]. Breast J, 2013, 19(6): 627-636.
[1] 魏淑婕, 惠品晶, 丁亚芳, 张白, 颜燕红, 周鹏, 黄亚波. 单侧颈内动脉闭塞患者行颞浅动脉-大脑中动脉搭桥术的脑血流动力学评估[J]. 中华医学超声杂志（电子版）, 2023, 20(10): 1046-1055.
[2] 张璇, 马宇童, 苗玉倩, 张云, 吴士文, 党晓楚, 陈颖颖, 钟兆明, 王雪娟, 胡淼, 孙岩峰, 马秀珠, 吕发勤, 寇海燕. 超声对Duchenne肌营养不良儿童膈肌功能的评价[J]. 中华医学超声杂志（电子版）, 2023, 20(10): 1068-1073.
[3] 朱连华, 费翔, 韩鹏, 姜波, 李楠, 罗渝昆. 高帧频超声造影在胆囊息肉样病变中的鉴别诊断价值[J]. 中华医学超声杂志（电子版）, 2023, 20(09): 904-910.
[4] 丁建民, 秦正义, 张翔, 周燕, 周洪雨, 王彦冬, 经翔. 超声造影与普美显磁共振成像对具有高危因素的≤3 cm肝结节进行LI-RADS分类诊断的前瞻性研究[J]. 中华医学超声杂志（电子版）, 2023, 20(09): 930-938.
[5] 张梅芳, 谭莹, 朱巧珍, 温昕, 袁鹰, 秦越, 郭洪波, 侯伶秀, 黄文兰, 彭桂艳, 李胜利. 早孕期胎儿头臀长正中矢状切面超声图像的人工智能质控研究[J]. 中华医学超声杂志（电子版）, 2023, 20(09): 945-950.
[6] 陈舜, 薛恩生, 叶琴. PDCA在持续改进超声危急值管理制度中的价值[J]. 中华医学超声杂志（电子版）, 2023, 20(09): 974-978.
[7] 周钰菡, 肖欢, 唐毅, 杨春江, 周娟, 朱丽容, 徐娟, 牟芳婷. 超声对儿童髋关节暂时性滑膜炎的诊断价值[J]. 中华医学超声杂志（电子版）, 2023, 20(08): 795-800.
[8] 刘欢颜, 华扬, 贾凌云, 赵新宇, 刘蓓蓓. 颈内动脉闭塞病变管腔结构和血流动力学特征分析[J]. 中华医学超声杂志（电子版）, 2023, 20(08): 809-815.
[9] 张莲莲, 惠品晶, 丁亚芳. 颈部血管超声在粥样硬化斑块易损性评估中的应用价值[J]. 中华医学超声杂志（电子版）, 2023, 20(08): 816-821.
[10] 郏亚平, 曾书娥. 含鳞状细胞癌成分的乳腺化生性癌的超声与病理特征分析[J]. 中华医学超声杂志（电子版）, 2023, 20(08): 844-848.
[11] 张丽丽, 陈莉, 余美琴, 聂小艳, 王婧玲, 刘婷. PDCA循环法在超声浅表器官亚专科建设中的应用[J]. 中华医学超声杂志（电子版）, 2023, 20(07): 717-721.
[12] 罗刚, 泮思林, 陈涛涛, 许茜, 纪志娴, 王思宝, 孙玲玉. 超声心动图在胎儿心脏介入治疗室间隔完整的肺动脉闭锁中的应用[J]. 中华医学超声杂志（电子版）, 2023, 20(06): 605-609.
[13] 黄佳, 石华, 张玉国, 胡佳琪, 陈茜. 胎儿左头臂静脉正常与异常超声图像特征及其临床意义[J]. 中华医学超声杂志（电子版）, 2023, 20(06): 610-617.
[14] 袁泽, 庄丽. 超声检测胎儿脐动脉和大脑中动脉血流对胎儿宫内窘迫的诊断价值[J]. 中华医学超声杂志（电子版）, 2023, 20(06): 618-621.
[15] 蒋佳纯, 王晓冰, 陈培荣, 许世豪. 血清学指标联合常规超声及超声造影评分诊断原发性干燥综合征的临床价值[J]. 中华医学超声杂志（电子版）, 2023, 20(06): 622-630.
阅读次数
全文


摘要

版权所有 中华医学会 中华医学电子音像出版社有限责任公司  京ICP备14006079号-1  网络出版服务许可证：(署)网出证(京)字第075号