真空辅助乳腺活检诊断的非典型导管增生:预测恶性升级风险评分系统
这项多中心观察性回顾性研究分析了2012至2022年立体定向/断层合成引导真空辅助活检诊断的112个非典型导管增生病灶,识别年龄、绝经状态、同时乳腺癌、BI-RADS分类和ADH灶数为升级风险因素,建立评分系统,AUC=0.85(95%CI 0.76-0.94),总分≤1时升级风险<2%。
要点
- ADH在VAB诊断后总体升级率18.7%(21/112),其中升级为浸润癌5.3%(6/112)、仅DCIS 13.4%(15/112)。
- 评分系统AUC=0.85(95%CI 0.76-0.94),总分≤1时升级风险<2%,可识别可能良性病灶。
- 年龄、绝经状态、同时乳腺癌、BI-RADS分类和ADH灶数为升级独立预测因素,绝经后为负向预测因素。
核心结论
- 作者认为该评分系统似乎是简便易用的决策支持工具,可减少不必要手术、降低过度治疗和医疗费用。
- 作者指出需在独立数据集上进一步验证该模型。
研究设计与样本
- 多中心观察性回顾性研究,纳入意大利三个中心2012至2022年立体定向/断层合成引导VAB诊断的ADH病灶。
- 最终纳入109例患者共112个ADH病灶,平均年龄54±9岁(范围39-83岁),平均病灶大小19.6±17.8 mm。
- 纳入标准为具备手术切除全病灶组织病理检查或影像随访≥24个月。
- 采用9G(Eviva或Suros ATEC)或11G(Mammotome)VAB设备,每个活检部位获取6-12条组织。
- 以手术病理或影像随访发现癌为升级,采用后退逐步线性回归筛选预测因素,ROC-AUC评估判别能力,Hosmer-Lemeshow检验评估校准。
关键影像表现/征象
- 大多数ADH病灶(87.5%)表现为微钙化,可在立体定向引导下正确识别和活检。
- 立体定向与DBT引导之间的升级率无统计学显著差异。
- 靶病灶完全切除未进入模型,病灶大小未被识别为升级预测因素。
- 微乳头型ADH未显著增加恶性风险,ADH仅见于微钙化标本中与升级无关联。
- 其他B3病变的存在与ADH升级无关联。
诊断标准与关键数值
- 评分系统基于年龄、绝经状态、同时乳腺癌、BI-RADS分类和ADH灶数构建,AUC=0.85(95%CI 0.76-0.94)。
- 总分≤1时升级风险<2%,此cut-off值可用于定义「可能良性」病灶,对应BI-RADS 3类。
- 手术切除病灶升级率22.0%(20/91),随访处理病灶升级率4.8%(1/21)。
临床应用与阅片要点
- 评分系统可辅助识别ADH升级低风险(<2%)患者,可能安全随访以减少过度治疗。
- 同时存在同侧或对侧乳腺癌时,作者认为可同时切除乳腺癌和ADH部位以排除额外恶性。
- 作者指出该模型仅适用于立体定向/DBT引导VAB诊断的ADH,不适用于其他活检方式。
- 作者指出既往共识会议推荐ADH手术切除,仅在特殊情况下经多学科讨论考虑随访。
局限性
- 回顾性设计。
- 缺乏验证模型性能的数据集,作者正进行前瞻性更大独立队列验证。
- 模型仅基于立体定向/DBT引导VAB诊断的ADH,仅对部分ADH诊断决策有用。
- 纳入21/112(18.7%)未手术女性,即使中位随访时间较长(48个月),保守治疗患者中惰性低级别原位癌可能在影像随访期内未显现。
全文中译9 节 · 点击展开
引言
非典型导管增生(ADH)是一种累及终末导管小叶单位(TDLU)的导管内克隆性上皮细胞增殖。ADH与低级别导管原位癌(DCIS)具有相同的组织学和组织结构特征,但当累及的TDLU不超过一个且低级别导管内增殖的大小小于2 mm时,诊断为ADH [1]。ADH通常在乳腺X线摄影上表现为微钙化,因此在基于人群的筛查性乳腺X线摄影引入后其发病率有所增加 [2],约占微创乳腺活检病理发现的15% [3, 4]。
ADH被归类为“恶性潜能不确定”的病变,即“B3”类病变,被认为是乳腺癌的直接但非必然的前驱病变,同时也是乳腺癌的独立危险因素 [1]。迄今为止,最近一次关于B3类病变的共识会议建议对ADH病例进行手术切除(仅在特殊情况下经多学科讨论后考虑随访)[5],因为其手术切除后的升级风险约为25% [6–9]。因此,大多数针对ADH的手术活检结果为良性发现,并导致了实质上不必要的外科手术。这强调了需要识别更可能患有癌症且真正需要手术切除的女性,避免不必要的乳腺手术活检所带来的患者手术风险和医疗费用。
近年来,关于选择性ADH病例是否仅需随访的争论日益增多,许多研究检查了经皮乳腺活检中ADH的影像学和组织学特征,以确定可预测手术切除后升级风险的特征 [10, 11]。既往研究和最近的一项荟萃分析报告称,当进行立体定向活检、使用更大口径的穿刺针以及目标病灶被完全切除时,升级率较低 [12–15]。然而,文献中所有数据均来自单中心研究。
我们的多中心研究分析了在立体定向/断层合成(DBT)引导下经真空辅助活检(VAB)诊断为ADH的大队列患者的临床、影像学和病理学特征,以识别与升级为癌症风险相关的因素,从而开发一个评分系统以支持基于风险-获益的决策制定。
材料与方法
研究人群
这是一项多中心观察性回顾性研究。数据在意大利三个中心收集,每项单中心研究均获得当地机构审查委员会(IRB)的批准(方案编号0078775/2023,2023年4月21日)。所有纳入研究的个体参与者均获得了知情同意。数据收集和汇总以完全匿名的方式进行,并符合国际法规。本研究按照《赫尔辛基宣言》关于涉及人类受试者的医学研究的声明进行。
2012年至2022年在立体定向/断层合成引导下经VAB诊断为ADH的患者符合本研究条件。纳入标准为:具备诊断性手术切除且对整个病灶进行组织病理学检查,或具备≥24个月的影像学随访(FUP)。初步共确定146名女性,经立体定向/DBT引导下VAB诊断出148个ADH病灶。排除以下情况:妊娠期女性(146名患者中1名,0.7%)、携带乳腺癌基因突变的女性(146名患者中2名,1.7%)、在其他机构接受手术的女性(146名患者中13名,8.9%)、乳腺X线摄影数据缺失者(146名患者中5名,3.4%)或无FUP数据者(146名中15名,10.3%)以及同一象限内多个病灶且结局无法区分者(146名患者中1名,0.7%)。当乳腺癌与ADH部位分离且能够识别ADH病灶的手术组织病理学检查时,合并同侧乳腺癌的患者被纳入。最终,109名患者共112个ADH病灶纳入分析。数据筛选流程见图1。
活检操作
所有立体定向或DBT引导的乳腺活检均使用9G(Eviva或Suros ATEC®,Hologic公司,马萨诸塞州马尔伯勒)或11G(Mammotome®,Devicor Medical Products公司,俄亥俄州辛辛那提,美国)VAB设备进行,每个活检部位获取6–12条组织芯。当同一患者发现一个以上目标病灶时,对每一个病灶分别进行活检并单独分析。
数据收集
临床分析数据从电子病历中提取,包括年龄、绝经前或绝经后状态、乳腺癌家族史、激素治疗、既往乳腺恶性肿瘤以及合并同侧或对侧乳腺癌。
影像学和组织学特征在不知晓癌升级结局的情况下进行收集。阅片由现场读片医师完成。对于每个病例,由两名乳腺放射科医师(在乳腺影像方面具有>5年经验)为机构审查活检前放大视图(若目标病灶为微钙化)以及活检前和活检后乳腺X线摄影,评估以下影像学特征:乳腺密度、目标病灶大小(最大径)、病灶类型(致密影、微钙化、结构扭曲、不对称)、美国放射学会乳腺影像报告和数据系统(BI-RADS)第5版评估分类[16]、获取组织芯中的微钙化(若目标病灶为微钙化)、目标病灶是否完全切除(通过活检后即刻进行的乳腺X线摄影检查)以及影像-病理一致性。乳腺X线摄影乳腺密度、乳腺影像报告和数据系统(BIRADS)可疑分类及影像-病理一致性由两名乳腺放射科医师协商一致确定。
VAB原始切片由各机构的病理科医师(均具有20年以上经验并对乳腺病理有特殊兴趣)审查,评估以下组织学特征:ADH病灶数量、ADH模式(实性、筛状、微乳头状、其他)、ADH仅存在于含微钙化的组织芯中(若目标病灶为微钙化)以及是否存在任何其他B3病变。
统计分析
将VAB检查结果与手术病理结果或影像学随访演变进行比较以评估升级。手术切除或随访期间发现癌症称为“升级”。
采用向后逐步线性回归来确定结局(ADH升级)的可能预测因素。每一步根据p值剔除变量。通过ROC AUC计算模型的判别能力。使用Hosmer–Lemeshow检验评估模型校准度。
为使模型适用于临床工作,采用了类似于Framingham风险评分[17]开发过程的程序。评分系统基于多变量模型的风险因素构建。将风险因素组织为类别;若某风险因素为连续变量(如年龄),则设立相邻分组。确定每个类别的参考值。为每个风险因素选择一个基础类别,基础类别为评分系统中赋0分的类别,而反映该风险因素较差(升级风险较高)状态的类别赋正分,反映较好(升级风险较低)状态的类别赋负分。首先以回归单位计算每个类别距基础类别的距离,然后以积分表示,将结果除以一个常数(B,任意选定)。最后,确定每个总积分对应的风险(升级概率)[17]。
统计分析使用SPSS 12.0版软件(SPSS,芝加哥,伊利诺伊州)进行。
结果
研究人群
共纳入109例患者、112个ADH病灶进行分析。诊断时平均年龄为54 ± 9(标准差)岁(范围39–83岁),平均病灶大小为19.6 ± 17.8 mm(标准差)。图1显示研究流程图。
在这112个病灶中,91个(91/112,81.3%)接受了手术切除,其中20个诊断为恶性肿瘤。最终病理显示5例浸润性癌和15例仅为DCIS。5例浸润性癌中,2例为管状癌,3例为1级浸润性导管癌(1例为微浸润)。其余21个ADH病灶(21/112,18.7%)因患者偏好或患者合并症而接受每年一次的钼靶和超声随访监测(平均随访时间48个月)。1例再次行VAB取样,确认了ADH诊断。随访期间,仅1例患者发现钼靶表现变化而致手术切除,手术切除病理分析显示为恶性病变(中级别浸润性导管癌)。
总体升级率为18.7%(21/112),其中升级为浸润性癌的比率为5.3%(6/112),仅升级为DCIS的比率为13.4%(15/112)。手术切除病灶和随访治疗病灶的升级率分别为22.0%(20/91)和4.8%(1/21)。
升级的预测因素
表1总结了患者特征(临床、影像学和病理组织学因素)。向后逐步回归分析确定年龄、绝经状态、合并乳腺癌、BIRADS分类和ADH病灶数目为后续ADH升级的风险因素(表2)。我们的模型显示AUC = 0.85(95% CI 0.76–0.94)(图2)。
评分系统
基于所选取的独立危险因素,我们建立了一个评分系统来预测升级概率。多因素模型中各显著因素各类别的参考值、β系数和分值见表3。表4显示了与各总分相关的估计升级概率,随着评分增加风险升高(图3)。基于这些结果,制作了列线图(图4)。当总分为≤1时,升级风险低于2%(图5)。
讨论
本研究首次建立了一个评分系统,用于预测在立体定向/DBT引导下VAB诊断为ADH的患者的升级概率。ADH对乳腺专科医生而言仍是一个挑战:尽管大多数ADH为良性,但仍推荐手术切除,因为无法识别出这些病灶中升级率足够低以至于可以避免手术的亚组[11, 15]。这导致了大量不必要的手术切除,构成过度治疗,尤其是在降阶梯治疗时代,甚至有越来越多的证据表明对于DCIS,对选定病例进行监测是标准手术治疗的安全替代方案[18, 19]。
我们仅选取了经立体定向/DBT引导下VAB诊断的ADH,以减少数据的异质性。此外,既往研究和最近的一项荟萃分析表明,与超声引导或MRI引导活检相比,此类活检的升级率显著更低(约一半)[12–15],这可能与病灶类型(微钙化的 prevalence)、更大的穿刺标本以及使用真空辅助装置有关,因此如果能够正确识别,其中一部分病灶可能适合随访而非手术切除。我们还决定排除突变携带者患者,因为该类患者中B3病变与高恶性风险相关,这提示在高危女性中这些病灶必须始终进行手术切除[20]。
在我们的研究中,低估率为18.7%,与此前发表的结果一致[9, 10, 15, 21];且即使仅考虑升级为浸润性癌的升级率,仍发现5.3%的低估率,提示该比例过高,无法安全地避免手术。本研究确定较高年龄、同时性乳腺癌、4b/4c/5 BIRADS分类以及ADH多灶性为升级的独立预测因素,而绝经后状态为阴性预测因素。我们发现较年轻和绝经前女性升级风险更高,与此前多项研究的发现一致[22–24]。此外,病变的BIRADS分类被证实是与升级相关的因素[11]。同侧或对侧乳腺癌的存在与升级风险显著相关,支持同时切除乳腺癌和ADH部位(通过一次大范围肿块切除术或两次分开的肿块切除术),以实现切除已知癌并排除ADH部位额外恶性肿瘤的目标。我们的结果还证实,活检中ADH多灶性与更频繁的升级相关,正如此前多项研究报道,采用< 2个病灶[25, 26]或< 3个病灶[27, 28]的截断值。我们未发现立体定向引导与DBT引导之间的升级率有统计学显著差异:大多数ADH病变(在我们的队列中为87.5%)表现为微钙化,可在立体定向引导下被正确识别并进行活检,使用DBT引导时无显著改善(正如我们对结构扭曲的预期,DBT显示更好)。目标病变的完全切除未进入我们的模型。该因素最初被认为是支持随访的安全条件,但随后证实升级率(同样在目标病变完全切除的病例中)仍然过高,因此在B3病变共识会议第二版中删除了对这些病例进行随访的建议[5]。病变尺寸也未被确定为升级的预测因素,而此前发表的大多数研究发现残留病变与升级之间存在显著关联[11, 25, 26],并且我们的数据单变量分析也显示病变直径与升级之间存在关联(p = 0.012,数据未显示)。然而,由于我们研究的目的是确定结局(ADH升级)的可能预测因素以构建评分系统,我们使用了向后逐步线性回归,该方法通过自动化方法,基于p值以逐步方式移除预测变量,从一组候选预测变量中构建回归模型。逐步回归未证实单变量分析的结果,可能是因为与其他进入模型的预测因素相比,病变直径对升级的影响较不显著。关于ADH模式,已发表的结果相互矛盾[25, 27],我们的结果未发现微乳头状模式显著增加恶性风险。此前研究报道,当ADH仅在显示微钙化的标本中发现时,升级率显著降低[11],而我们的数据未证实这一关联。最后,我们的数据证实了此前发表的结果,即ADH升级与其他B3病变的存在之间无关联[12, 29–32];似乎当ADH存在时,其自身的升级风险超过了与其他B3病变(如FEA、LN、乳头状瘤或RS)相关的风险。
我们的模型显示 AUC = 0.85(95% CI 0.76–0.94),表明具有良好的判别能力。随后开发了一个评分系统作为统计工具,用于预测升级的概率并辅助临床医生决策。Ko 等人 [33] 此前提出过一个用于超声引导下粗针穿刺活检(CNB)诊断的 ADH 评分系统,基于临床、影像和病理特征,但他们仅在 34 例患者中验证了该评分,随后的一项验证研究 [34] 显示该评分的可重复性较低。本评分系统在总分 ≤ 1 时识别恶性升级低风险(< 2%)女性方面表现出高诊断性能,因此该截断值可用于定义“可能良性”病变亚组,对应于 BIRADS 3 类。这些病变可安全地进行随访,减少过度治疗,从而降低发病率和经济负担。尽管人工智能 [35, 36] 或分子标志物 [37, 38] 等新方法似乎是前景广阔的发展方向,但我们基于临床、影像学和组织病理学数据的工具在任何实际环境中均易于获取,可作为日常实践中的有用工具。
本研究的局限性包括其回顾性设计以及缺乏用于验证模型性能的数据集,因此我们正在致力于在更大的独立队列中前瞻性验证我们的工作。此外,我们的模型仅基于在立体定向/DBT 引导下经真空辅助活检(VAB)诊断的 ADH 构建,因此仅对部分 ADH 诊断的决策有用。最后,我们研究中还纳入了未接受手术的女性(21/112,18.7%),因此,即使中位随访时间相对较长(48 个月),保守治疗患者中的惰性低级别原位癌可能在影像学随访期间尚未显现。
总之,我们基于临床、影像学和组织病理学参数的评分系统似乎是一种有前景的、易于使用的 ADH 管理决策支持工具,可减少不必要的手术,降低患者的过度治疗和医疗费用。需要进一步的工作在独立数据集上验证我们的模型。
引用
- Rella R, Conti M, Borghetti A, et al. Atypical ductal hyperplasia on vacuum-assisted breast biopsy: a scoring system to predict the risk of upgrade to malignancy. Radiol Med. 2023. PMID: 37874442. doi:10.1007/s11547-023-01740-4
- 全文:PMC10808485(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10808485/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。