超声定位显微镜鉴别乳腺良恶性病变的价值
该前瞻性单中心研究纳入31个经病理证实的乳腺病变,评估超声定位显微镜(ULM)定性和定量参数鉴别良恶性的能力。恶性病变微血管形态多呈紊乱型,良性病变多呈点状、线状或分支状;微血管最大直径的AUC最高(0.962),以763.88 μm为阈值时敏感度88.2%、特异度92.9%。作者认为ULM有助于鉴别乳腺良恶性病变,值得进一步研究。
要点
- ULM微血管形态呈紊乱型提示恶性,呈点状、线状或分支状提示良性。
- 微血管最大直径鉴别良恶性的AUC最高(0.962),阈值为763.88 μm。
- 恶性病变微血管密度、平均直径、最大直径和最大迂曲度均大于良性病变。
核心结论
- ULM有助于鉴别乳腺良恶性病变,可提供一种新的诊断方法,值得进一步研究。
研究设计与样本
- 前瞻性单中心研究,纳入24例患者共31个乳腺病变(良性14个、恶性17个),均经手术切除或穿刺活检病理证实。
- 采用Philips EPIQ Elite(eL18-4探头,4–18 MHz)或Resona 9(L11-3U 11 MHz或L9-3U 9 MHz线阵探头)行常规超声和超声造影(CEUS),造影剂为SonoVue,团注0.5 mL后5 mL生理盐水冲管。
- ULM成像基于CEUS视频片段后处理,软件在MATLAB(R2021a)中开发,机械指数小于0.1,帧率23–32帧/s。
关键影像表现/征象
- 良性病变微血管形态呈点状、线状或分支状者占93%,恶性病变仅6%;恶性病变呈紊乱型者占94%,良性病变仅7%(p < 0.001)。
- 1例良性叶状肿瘤呈紊乱型;6例CEUS误判为恶性的良性病变(2例纤维腺瘤、1例导管内乳头状瘤、3例腺病)经ULM显示为良性形态。
诊断标准与关键数值
- 微血管形态鉴别良恶性的AUC为0.935(95% CI: 0.785–0.992),敏感度94.1%,特异度92.9%。
- 微血管最大直径以763.88 μm为阈值时,AUC为0.962(95% CI: 0.824–0.998),敏感度88.2%,特异度92.9%。
- 微血管平均直径AUC为0.941(95% CI: 0.794–0.994),密度AUC为0.857(95% CI: 0.685–0.956),平均流速AUC为0.765(95% CI: 0.579–0.898),最大迂曲度AUC为0.727(95% CI: 0.538–0.871),最大流速AUC为0.651(95% CI: 0.460–0.813),平均迂曲度AUC为0.649(95% CI: 0.458–0.811)。
临床应用与阅片要点
- 阅片时可依据ULM微血管形态初步区分良恶性:点状、线状或分支状多提示良性,紊乱型多提示恶性。
- 定量参数中应优先关注微血管最大直径和最大迂曲度,其诊断价值分别优于平均直径和平均迂曲度(AUC 0.962 vs 0.941;0.727 vs 0.649)。
- 定量参数操作者内和操作者间信度均优秀,ICC均大于0.90。
局限性
- 原文结论指出ULM值得进一步研究。
全文中译11 节 · 点击展开
引言
乳腺癌是全世界女性中最常见的恶性肿瘤。血管生成是一个高度动态且复杂的病理过程,在肿瘤的生长和远处转移中起重要作用[1, 2]。微血管系统包含关于肿瘤血管生成的重要信息。与良性病变相比,乳腺恶性病变的微血管系统表现为走行迂曲、排列紊乱且分支不规则[3]。此外,微血管密度是量化乳腺病变血管生成的常用方法。良性和恶性乳腺病变的微血管密度不同。如先前报道,乳腺恶性病变的微血管密度高于良性病变[4]。因此,微血管系统分析对于乳腺病变的鉴别诊断很重要。
为了评估乳腺病变中血管的特征,磁共振成像(MRI)和超声(US)两种诊断成像方法已在临床环境中广泛使用。乳腺MRI具有高敏感性,擅长提供浅表和深部组织的详细可视化[5, 6]。然而,由于其分辨率有限,它仅能提供关于微血管系统的大体概括,而无法详细描绘其精细结构。对于超声成像,多普勒技术常用于评估肿瘤血管性。然而,多普勒技术对低速血流不敏感[7],导致微血管信息丢失。对比增强超声(CEUS)是另一种常规应用于组织灌注评估的成像技术,通过使用微泡(MB)造影剂,可以观察微血管系统。然而,CEUS观察微血管系统的能力有限,因为其分辨率受基本衍射极限的限制[8]。因此,也很难可视化精细的微血管结构。
为了克服这一限制,超声定位显微成像(ULM),也称为超声超分辨率微循环成像(USRmi)和超分辨率超声(SRUS)成像,已被提出。ULM需要基于CEUS进行,这是通过从一系列CEUS图像中精确定位单个MB造影剂并追踪其位移来实现的[9–11]。与传统超声模式相比,ULM可以克服声衍射极限,成像分辨率提高十倍[10, 11]。分辨率可达数十微米[12–14]。因此,ULM可生成高度详细的微血管网络。此外,可以从ULM中提取血流动力学参数,如微血管密度、方向和速度,这些可以提供更多关于微血管系统的信息,有助于区分良性和恶性乳腺病变。
近年来,超微血管成像(ULM)越来越受欢迎。该技术已广泛应用于各种动物的微血管循环成像[10, 11, 15–23]。ULM在人类中的研究少于动物。对于人类乳腺病变,大多数研究集中于恶性病变微血管的可视化[6, 24, 25]。迄今为止,仅有一项研究进行了乳腺良恶性病变的分类,证明定量参数,即微血管密度和微血管血流速度,有助于鉴别乳腺病变[26]。然而,基于ULM的定性和其他定量参数的作用仍不清楚。
因此,我们研究了ULM定性和定量参数在鉴别乳腺良恶性病变中的作用。
材料与方法
患者
我们进行了一项前瞻性单中心研究。连续纳入2021年8月至2023年1月经灰阶超声检出乳腺病变的患者进行超声造影(CEUS)检查。对患者行CEUS检查。对乳腺病变的CEUS视频片段行ULM成像。纳入标准为(a)年龄≥18岁,(b)在活检或手术前进行CEUS检查。排除标准包括(a)缺乏组织学结果,(b)图像质量不合格。患者流程图见图1。
常规超声和CEUS检查
常规超声和CEUS检查均使用Philips EPIQ Elite(Philips Healthcare,Bothell,WA,USA)配备eL18-4(4–18 MHz)线阵探头或Resona 9(Mindray,Shenzhen,China)配备L11-3U(11 MHz)或L9-3U(9 MHz)线阵探头进行。常规超声和CEUS检查均由一名具有8年乳腺超声经验的超声医师(超声医师1)完成。患者取仰卧位。首先进行灰阶超声扫描乳腺肿瘤。随后在不同切面进行彩色多普勒血流成像(CDFI)以评估瘤内和瘤外血管情况。存储病变的静态图像。最后,根据CDFI选择血管数量最多的切面进行CEUS。在常规超声和CEUS检查过程中,我们将探头置于皮肤上而不施加压力,以避免组织受压并避免血管腔塌陷。此外,要求患者保持不动并平静呼吸。CEUS过程中,将机器参数调整为每个肿瘤的最佳参数;机械指数小于0.1,帧率为23–32帧/秒,受检查窗口深度影响。每位患者一旦设定,检查过程中不更改任何参数。CEUS使用第二代造影剂SonoVue(Bracco,Milan,Italy)进行。每位患者在前臂静脉2秒内团注0.5 mL造影剂,随后推注5 mL生理盐水。机器计时器同时启动,从注射开始记录视频片段约3分钟。
ULM成像与评估
乳腺病变的B模式和相应CEUS视频片段由MATLAB(R2021a,MathWorks,Natick,MA,UAS)开发的软件进行后处理。包括呼吸在内的组织运动通过B模式图像之间的图像配准进行检测,并对相应的CEUS图像进行校正。CEUS序列中的微泡(MBs)通过先前工作中描述的框架进行定位和追踪,该框架能够处理商用机器中可用的低帧率[27]。在该框架中,基于稀疏性的反卷积能够从重叠图像中分离出MBs,并利用多特征(包括MB图像特征和卡尔曼运动模型)来配对连续帧之间移动距离较大的MBs。通过累积MB轨迹生成超分辨率MB密度图和以红色(朝向超声换能器)和蓝色(远离超声换能器)显示血流方向的密度图。流速幅值图和血流角度图通过对每个像素上轨迹的速度矢量取平均值生成。密度图和血流图通过二维高斯滤波或圆盘平滑进行模糊处理,以考虑图像重建中的定位不确定性。ULM的示意图见图2。
记录从ULM图像中提取的乳腺病变的定性和定量参数。定性参数为微血管形态。微血管形态分为两种类型:(1)点状、线状或分支状模式;(2)紊乱模式。点状、线状或分支状模式定义为点状、直行或弯曲血管,伴或不伴分支血管,伴或不伴外周环形血管。紊乱模式定义为血管排列紊乱,形成异常血管网络。定量参数包括微血管密度、直径(平均直径和最大直径)、迂曲度(平均迂曲度和最大迂曲度)以及流速(平均流速和最大流速)。微血管直径用测微计测量。
两名经过培训的超声技师(超声技师2和超声技师3)独立进行ULM成像并审阅每个病变的ULM定性参数。如果最终结果不一致,则由超声技师4评估ULM定性参数。所有超声技师对病理、临床组织学和其他检查结果均设盲。此外,ULM定量参数由超声技师2在进行ULM成像后记录。为检验定量参数的操作者内信度,超声技师2在1个月后重复操作。为检验定量参数的操作者间信度,超声技师3进行第二次操作。超声技师2和3相互对对方的结果设盲。
统计分析
采用Shapiro–Wilk检验检查数据是否呈正态分布。连续变量以均数±标准差(SD)或中位数(P25,P75)表示。分类变量以频数和百分比表示。比较ULM定性参数采用Fisher精确检验。比较ULM定量参数采用独立样本t检验或Mann–Whitney U检验。应用受试者工作特征(ROC)曲线评估ULM定性和定量参数的诊断性能。计算曲线下面积(AUC)、灵敏度和特异度。通过ROC曲线分析获得定量参数的最佳截断值,以最大化约登指数。AUC、灵敏度和特异度采用95%置信区间(CI)计算。定量参数的组内和组间操作者信度通过组内相关系数(ICC)评估。以p值<0.05表示差异有统计学意义。统计分析使用SPSS和MedCalc进行。
结果
临床特征
所有患者均为女性(平均年龄:51.54±17.28岁,范围:23–81岁)。本研究对41例患者的50个乳腺病灶进行了CEUS检查。最终,24例患者的31个乳腺病灶被纳入本研究。31个乳腺病灶经手术切除或针刺活检的病理结果验证,其中14个为良性,17个为恶性。表1总结了乳腺病灶的病理结果。
基于ULM定性参数比较良性和恶性乳腺病灶
在微血管形态方面,良性病灶与点状、线状或分支状模式相关(93% vs 6%),而恶性病灶与紊乱模式相关(94% vs 7%)(p<0.001)(表2)。在良性病灶中,1例良性叶状肿瘤(PT)呈现紊乱模式。此外,有6例良性病灶在CEUS上被定性为恶性病灶,而ULM显示为良性表现,包括2例纤维腺瘤、1例导管内乳头状瘤和3例腺病。图3–5显示了良性和恶性病灶的ULM特征。
基于ULM定量参数的乳腺良恶性病灶比较
恶性病灶的微血管密度[46.00(23.50,70.00)% vs 12.00(8.75,26.00)%,p < 0.05]、平均直径[254.89(231.32,314.76)μm vs 127.49(112.79,148.45)μm,p < 0.001]、最大直径[1341.86(965.38,1591.64)μm vs 348.94(287.54,460.63)μm,p < 0.001]和最大迂曲度[46.48(34.21,68.45) vs 24.36(22.43,53.17),p < 0.05]显著大于良性病灶。良性病灶的微血管平均血流速度[(2.02 ± 0.30)mm/s vs(1.62 ± 0.47)mm/s,p < 0.05]显著大于恶性病灶。然而,良恶性病灶之间的微血管平均迂曲度[2.54(2.45,3.20) vs 2.54(2.28,2.71),p > 0.05]或最大血流速度[9.00(8.07,9.26)mm/s vs 9.41(7.73,9.71)mm/s,p > 0.05]无显著差异(表3)。
ULM定性和定量参数对乳腺良恶性病灶的诊断性能
微血管形态鉴别良恶性病灶的AUC为0.935(95% CI:0.785–0.992),灵敏度为94.1%,特异度为92.9%。就定量参数而言,微血管最大直径鉴别良恶性病灶的AUC最高(0.962,95% CI:0.824–0.998),其次为微血管平均直径(0.941,95% CI:0.794–0.994)、密度(0.857,95% CI:0.685–0.956)、平均血流速度(0.765,95% CI:0.579–0.898)、最大迂曲度(0.727,95% CI:0.538–0.871)、最大血流速度(0.651,95% CI:0.460–0.813)和平均迂曲度(0.649,95% CI:0.458–0.811)。在截断值为763.88 μm时,微血管最大直径鉴别良恶性病灶的灵敏度为88.2%,特异度为92.9%(表4)。图6显示了ULM定性和定量参数鉴别乳腺良恶性病灶的ROC曲线。
定量参数的操作者内和操作者间可靠性
定量参数的操作者内和操作者间可靠性均极佳,ICC均大于0.900。对于操作者内可靠性,微血管密度、平均直径、最大直径、平均迂曲度、最大迂曲度、平均流速和最大流速的ICC分别为1.000、0.999、0.999、0.994、0.964、0.999和0.998。对于操作者间可靠性,微血管密度、平均直径、最大直径、平均迂曲度、最大迂曲度、平均流速和最大流速的ICC分别为0.902、0.968、0.998、0.995、0.947、0.999和0.984(表5)。
讨论
在本研究中,评估了ULM定性和定量参数在鉴别乳腺良恶性病变中的作用。我们的结果显示,就定性参数而言,点状、线状或分支状模式与良性乳腺病变显著相关,混乱模式与恶性乳腺病变显著相关。就定量参数而言,恶性病变的微血管密度、平均直径、最大直径和最大迂曲度显著大于良性病变;良性病变的微血管平均流速显著大于恶性病变。在定量参数中,微血管最大直径鉴别乳腺病变的AUC最高。
迄今为止,尚未在人类乳腺病灶中研究ULM的微血管形态。其他超声成像技术,如彩色多普勒血流成像(CDFI)、能量多普勒成像(PDI)、超微血管成像(SMI)和超声造影(CEUS),已报道了血管形态在乳腺病灶鉴别诊断中的价值。然而,各研究之间的发现不尽相同。Gokalp等[28]使用PDI证明线状模式与良性乳腺病灶相关,而分支状或杂乱状模式与恶性乳腺病灶相关。Diao等[29]报道,使用SMI和CEUS时,线状模式主要见于良性乳腺病灶,分支状模式也主要见于良性乳腺病灶。他们还揭示,根据CDFI和PDI,良性与恶性乳腺病灶之间的血管形态无显著差异。我们的研究表明,使用ULM时,点状、线状或分支状模式与良性乳腺病灶显著相关,而杂乱状模式与恶性乳腺病灶显著相关。不同研究中血管形态存在差异的一种可能解释是超声成像技术的不同,导致对血管的敏感性不同。我们进一步评估了微血管形态的诊断效能,发现其达到了相对较高的AUC(0.935)、敏感性(94.1%)和特异性(92.9%)。这些发现表明,基于ULM的微血管形态可作为乳腺病灶鉴别诊断的良好指标。
与传统超声成像技术相比,基于ULM的定量参数不仅能够获取微血管水平的信息,还能直接计算这些参数。我们评估了七个定量参数,包括微血管密度、平均直径、最大直径、平均迂曲度、最大迂曲度、平均流速和最大流速。其中,微血管密度已成为评估肿瘤血管生成的金标准[30]。在本研究中,恶性乳腺病灶的微血管密度显著大于良性病灶(p < 0.05)。该结果与既往研究[26]一致。事实上,恶性乳腺病灶常表现为富血供[31, 32]。因此,恶性病灶具有高于良性病灶的微血管密度并不令人意外。
在本研究中,我们发现乳腺恶性病变中微血管的最大直径和平均直径均显著大于良性病变(均 p < 0.001)。这可归因于乳腺恶性病变中常见扩张的大血管[33]。这些结果与Gu等[34]先前使用超声高清微血管成像的研究结果一致。然而,与该研究相比,我们的研究在微血管测量的精确度方面更优,因为微血管直径是在微米尺度上测量的。在那项研究中,微血管直径是以毫米为单位测量的。换言之,超声定位显微镜(ULM)能够提供更多关于微血管的信息。此外,本研究首次评估了微血管最大直径和平均直径的诊断性能。我们发现微血管最大直径的AUC大于微血管平均直径的AUC(0.962 vs 0.941),提示微血管最大直径的诊断价值优于微血管平均直径。
血管迂曲度用于评估血管弯曲程度,其可能与血管壁中生长因子相关的改变有关,如上皮细胞增殖、基底膜变化以及周细胞和平滑肌丢失[35]。其他超声成像技术已揭示血管迂曲度增加与乳腺恶性病变显著相关[36, 37]。Ternifi等[37]使用超声高清微血管成像研究了微血管迂曲度,包括微血管平均迂曲度和最大迂曲度,发现乳腺恶性病变的微血管最大迂曲度大于良性病变,但微血管平均迂曲度无显著差异。这些发现与我们的研究一致。然而,我们的研究首次评估了微血管最大迂曲度和平均迂曲度的诊断性能。与微血管直径类似,微血管最大迂曲度的AUC也大于微血管平均迂曲度(0.727 vs 0.649),提示微血管最大迂曲度的诊断价值优于微血管平均迂曲度。基于上述结果,需要更多考虑微血管直径和迂曲度的最大值。
微血管流速是超声定位显微镜(ULM)获得的另一个定量参数。在临床实践中,血管流速通常通过多普勒超声检测。然而,多普勒超声仅能检测快速血流(大于1 cm/s)[6]。相比之下,ULM是一种新型成像方法,对检测低速血流具有高灵敏度。此外,ULM可以通过速度图清晰显示乳腺病灶微血管流速的大小。准确评估肿瘤的血流状态有助于识别恶性肿瘤[38, 39]。已有报道称最大流速与乳腺癌中血管生成相关基因的蛋白表达相关。Niu等[40]报道VEDGF165、NRP-1、SphK1、CD31、YAP、CTGF和Gli2的蛋白表达与最大流速呈正相关;而PTEN和MFN2的蛋白表达与最大流速呈负相关。我们的研究表明,微血管最大流速在乳腺病灶分类中无显著差异(p > 0.05),这与既往研究[26]的发现不一致。与最大流速不同,良性乳腺病灶的微血管平均流速显著大于恶性病灶(p < 0.05)。迄今为止,尚无研究探讨基于超声成像的微血管平均流速在人类良恶性乳腺病灶之间的诊断价值。
乳腺叶状肿瘤(PTs)和纤维腺瘤需要加以鉴别,因为两者在组织病理学、临床表现和影像学表现方面具有相似特征[41]。临床上,PTs和纤维腺瘤的处理方法包括不同的治疗方式。在超声上,PTs和纤维腺瘤的分类具有挑战性,因为两种疾病之间存在大量重叠[42, 43]。在本研究中,有1例良性PT和8例纤维腺瘤。这些病灶在ULM上呈现不同的微血管形态。良性PTs表现为杂乱模式,而纤维腺瘤表现为点状、线状或分支状模式。这些发现表明ULM可为鉴别良性PTs和纤维腺瘤提供一种新方法。
超声定位显微镜(ULM)能够提供高空间分辨率以可视化微血管,在乳腺疾病管理方面具有广泛的潜在临床应用。例如,ULM可以识别血管最丰富的区域,可用于提高活检的准确性并降低活检率。此外,ULM在适当识别低可疑良性病变方面具有最大价值,这些病变在超声造影(CEUS)上被误诊为恶性病变的比例较高。在我们的研究中,6个病变通过CEUS被定性为恶性病变,而ULM显示为良性表现。因此,ULM有潜力减少对良性病变的不必要活检。此外,在本研究中,ULM定量参数的组内和组间操作者可靠性极好(ICC大于0.90)。这表明ULM具有可重复性。然而,ULM有几个局限性。它受微泡(MB)浓度和组织运动的影响,这两者在定位准确性中起重要作用。高浓度的MB使得难以在连续帧中识别每个MB [44]。对于组织运动,轻微的平面内运动可以校正,但相对较大的运动难以校正 [8]。在本研究中,成像欠佳的原因是MB浓度高以及患者配合导致的较大运动。在这种情况下,可以考虑替代技术,如CEUS和基于深度神经网络的无造影超分辨率功率多普勒(CS-PD),用于评估微血管 [45]。
我们的研究有几个局限性。第一,需要更大的样本量,特别是用于分析诊断性能。尽管最终纳入了31个病变,但样本数量仍然较小,需要更大的样本量。第二,我们使用二维超声进行研究,与三维超声相比,可能无法完全反映整个病变的血管情况。为了获得更多血管,我们选择了血管密度最丰富的平面进行CEUS检查,进而进行ULM。
总之,ULM有助于区分乳腺良恶性病变。ULM可为乳腺病变提供一种新的诊断方法,值得进一步研究。
引用
- Li J, Wei C, Ying T, et al. Differentiation of benign and malignant breast lesions by ultrasound localization microscopy. Insights Imaging. 2025. PMID: 40533698. doi:10.1186/s13244-025-02013-6
- 全文:PMC12176706(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12176706/
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。