乳腺MRI筛查项目中纤维腺体组织量与背景实质强化与乳腺癌风险及假阳性的关系:回顾性队列研究
该回顾性队列研究纳入1533例高危女性筛查项目的阴性基线乳腺MRI,用深度学习自动量化纤维腺体组织量(FGT)与背景实质强化(BPE)。随访检出60例癌症;FGT仅与短期(2年内)癌症风险相关,BPE与癌症风险无关;高FGT和高BPE与基线假阳性召回及活检增加相关,但对后续筛查轮次假阳性无预测价值。
要点
- 基线MRI自动量化的FGT仅与2年内短期乳腺癌风险相关,与总体癌症风险无关。
- 基线BPE与乳腺癌发生风险无关,高BPE主要增加基线筛查的假阳性召回和活检。
- FGT和BPE对后续筛查轮次的假阳性召回或活检无预测价值。
核心结论
- 基线MRI测量的FGT和BPE对高危女性总体乳腺癌发生无预测价值,高FGT和高BPE导致基线时更多假阳性发现。
研究设计与样本
- 回顾性队列研究,纳入2003年1月1日至2014年1月1日筛查项目中1533例高危女性的阴性基线乳腺MRI。
- 采用基于深度学习的自动工具定量测量FGT和BPE,FGT为分割的纤维腺体组织体积除以全乳腺体积,BPE按ACR指南计算并以FGT体积为参照。
- BPE体素判定为相对强化值高于10%的FGT体素,最终FGT和BPE取双乳平均值。
- 采用前向选择的逻辑回归评估FGT、BPE与癌症检出、假阳性召回及假阳性活检的关系,协变量包括年龄和BRCA状态。
诊断标准与关键数值
- FGT与基线假阳性召回相关(OR 1.259,p=0.050),BPE与基线假阳性召回相关(OR 1.475,p=0.003)。
- FGT与基线假阳性活检相关(OR 1.315,p=0.049),BPE与基线假阳性活检相关(OR 1.807,p=0.002)。
- 总体癌症预测中仅BRCA状态为独立风险因素(OR 3.615,p=0.001),FGT和BPE均非显著预测因子。
- 2年内癌症亚组分析中FGT与乳腺癌相关(p=0.030),BPE不相关(p=0.302)。
- 后续筛查轮次中仅年龄与假阳性召回相关(OR 0.955,p=0.001),FGT和BPE均不相关。
临床应用与阅片要点
- 阅片时高FGT和高BPE提示基线筛查假阳性召回和活检风险增加,可据此预判基线阅片难度。
- 自动量化BPE可减少观察者间变异,但不同BPE评估方法可能导致风险模型结果不同。
- 原文指出当强化模式被解读为非肿块强化时,报告医师需考虑恶性可能,假阳性机会随之增加。
局限性
- 由于数据回顾性性质,并非总能获取月经周期或绝经状态数据,因此无法对这些因素进行校正。
- 2年内癌症亚组分析包含的癌症数量少且结果置信区间极大,需谨慎解读。
- 本研究和已发表其他研究的样本量有限可能解释结果差异。
- BRCA突变携带者中基线MRI前接受降低风险输卵管卵巢切除术者数量相对较少,结果需谨慎解读。
- 基线检查后BRCA突变携带者行降低风险输卵管卵巢切除术可能影响FGT和BPE在这些女性中的预测价值。
全文中译15 节 · 点击展开
引言
乳腺癌风险增高(终生风险≥ 20–25%)的女性有资格参加强化筛查项目,包括每年一次的乳腺磁共振成像(MRI)检查。根据潜在的危险因素,磁共振成像可从25岁起每年进行一次(在BRCA突变携带者中)[1, 2]。携带遗传性生殖系突变的女性以及年轻时接受过胸部放疗的女性有资格参加这些项目。对于其他女性,使用风险预测工具来确定其是否处于风险增高状态从而有资格接受磁共振成像筛查。目前的风险预测工具主要依赖于个人因素,如家族史、年龄和种族[3, 4]。然而,近期研究表明,其他独立危险因素(包括影像学生物标志物)可能提高风险预测的预测能力。
例如,乳腺X线摄影乳腺密度(BD)与普通女性人群及BRCA突变携带者中的乳腺癌风险相关[5, 6]。因此,多项研究建议将乳腺密度纳入现有的风险预测工具中[7–10]。
乳腺磁共振成像使用的增加使得评估其他危险因素以改进现有风险预测工具成为可能。近期文献表明,在乳腺磁共振成像上测量的纤维腺体组织(FGT)量和/或背景实质强化(BPE)可能有助于预测接受乳腺磁共振成像女性的乳腺癌风险[11–13],尽管结果需谨慎解读[14]。
虽然在乳腺磁共振成像中所有正常纤维腺体组织在注射对比剂后均会强化,但强化程度和速度取决于激素水平的变化,而激素水平由月经周期阶段、绝经状态、他莫昔芬治疗和激素替代治疗决定[15–17]。King等和Dontchos等的研究[11, 12]显示,对侧乳腺中较高程度的背景实质强化增加乳腺癌诊断的风险。因此,他们的结果提示背景实质强化可用于乳腺癌风险的预测。遗憾的是,两项研究均在乳腺癌检出时评估背景实质强化,因此无法证明其对未来乳腺癌发生的预测价值。
另一个问题是,迄今为止研究中使用的四点量表(轻微< 25%、轻度25–50%、中度50–75%、显著75–100%)对背景实质强化的视觉评分存在较高的评分者间变异[18]。这限制了其在风险预测中的价值。类似于目前用于在数字乳腺X线摄影上自动估计乳腺密度的系统,自动评估纤维腺体组织和背景实质强化的工具可能减少评分者间变异,并可能为风险分层提供更稳健的参数。
本研究的目的在于研究使用自动化工具在无癌基线磁共振成像扫描上计算的纤维腺体组织和背景实质强化是否为乳腺磁共振成像筛查项目中未来乳腺癌的预测因素。此外,我们评估纤维腺体组织和背景实质强化是否预测假阳性结果。
材料与方法
本回顾性队列研究经本院机构审查委员会批准,知情同意要求被豁免。
筛查项目
我们机构针对终生风险≥20–25%女性的乳腺癌筛查方案包括每年进行乳腺磁共振成像(MRI)和乳腺X线摄影[1, 19]。在BRCA突变携带者中,筛查方案从25岁开始仅进行乳腺MRI。从30岁起增加乳腺X线摄影。其他人群从35岁或40岁开始同时采用两种方式筛查,具体取决于亲属罹患乳腺癌的年龄。此后,首次用于筛查的MRI扫描称为“基线”MRI。
病例选择
检索本地数据库以识别2003年1月1日至2014年1月1日期间接受乳腺MRI筛查的所有患者。病例选择流程见图1。在此期间至少接受两次乳腺MRI筛查检查的任何年龄女性均纳入。我们记录每例患者是否存在BRCA突变以及是否及何时接受了降低风险的输卵管卵巢切除术(RRSO)。基线MRI或其后的6个月内检出癌症的女性、有乳腺癌既往史的女性以及背景实质强化(BPE)自动评估失败的女性被排除。我们未排除首轮筛查中出现假阳性结果的女性。
参考标准
正常或良性筛查检查由至少一年的临床随访确认,若在后续筛查检查前未检出癌症则视为真阴性。当短期随访无需活检时,需要至少一年的临床随访以确认良性。活检病灶通过与我们病理记录的跨计算机检索进行识别。我们随后分析活检是基于筛查发现还是出于其他原因(例如症状)而进行。
图像采集
MRI方案随时间而变化[20]。动态对比增强乳腺MRI采集在1.5 T或3 T Siemens扫描仪上使用专用双侧乳腺线圈进行。患者取俯卧位。在给予对比剂之前进行横断面或冠状面三维T1加权梯度回波动态序列,随后进行四或五个增强后序列。第一个时间点在静脉注射对比剂之前采集,后续时间点在注射对比剂之后采集。钆螯合物以0.1 mmol/kg或0.2 mmol/kg的剂量使用动力注射器(Medrad)给药,随后以生理盐水冲洗。
影像判读
采用自动工具客观计算乳腺MRI体积上的FGT和BPE百分比。使用基于深度学习的方法在原生T1加权平扫采集图像上分割乳腺和FGT,该方法如[20]所述并经验证。FGT分数计算为分割的FGT体积除以总乳腺体积。BPE相对强化值使用运动校正后的平扫和第一次增强后T1加权采集图像计算[21],依据ACR指南[22, 23]。BPE分数相对于FGT体积表示,其中FGT体素若其相对强化值高于10%则被认为存在强化,根据Dalmis等[24]的研究,该阈值与放射科医师的评分相关性最佳。图2展示了FGT和BPE自动计算的示例。最终FGT和BPE测量值为每位女性双侧乳腺的平均结果。为验证在不同截断值下相关性是否发生变化,我们对20%、30%、40%和50%相对强化值进行了相同的分析(补充表2)。
数据分析
发生癌症的女性通过将我们的数据与荷兰综合癌症组织链接来识别。假阳性MRI检查定义为导致无乳腺癌检出的女性被召回的检查。假阳性召回(FPR)包括所有被召回的女性(无论是否进行活检)。假阳性活检(FPB)仅包括召回导致活检的女性。我们将第一轮中的FPR和FPB与后续筛查轮次中发生的FPR和FPB分开。
为研究基线扫描与癌症发生之间时间的影响,我们对基线MRI扫描后2年内发生乳腺癌的患者进行了亚组分析。
统计分析
不完整数据被假定为随机缺失并予以排除。描述性统计采用分类数据的列联表分析和Fisher精确检验进行。比例的95%置信区间(95% CI)使用单比例Z检验估计。连续数据在正态分布时采用Student t检验或Pearson相关系数(r)进行比较;否则使用Mann-Whitney U检验。采用自举法(N = 1000)计算95% CI。为提高统计效能,FGT和BPE根据ROC分析中的最佳分类(第0–50百分位和第50–100百分位)二分为两个类别。构建二元逻辑回归模型以寻找乳腺癌或假阳性的独立预测因子。对FGT和BPE分别进行单独模型和联合模型分析。变量纳入模型基于现有的乳腺癌和/或假阳性危险因素知识(协变量:年龄和BRCA状态)。使用Box-Tidwell检验评估非线性效应,必要时进行变换。预测因子的价值通过前向特征选择(使用宽松的进入概率0.1)进行评估。在最终模型中通过纳入交互项及主效应项来评估预测因子之间的交互作用。最终模型进行了自举法验证(N = 1000)。应用启发式方法的收缩以校正过度乐观[25]。使用比值比(OR)报告结局(未来癌症或假阳性结果)发生的相对比值,其中OR = 1时,预测因子不影响结局的比值;OR > 1时,预测因子与较高的结局比值相关;OR < 1时,预测因子与较低的结局比值相关。所有统计检验均为双侧。p ≤ 0.05视为显著。所有统计均使用SPSS(v.22, SPSS Inc.)完成。
结果
人群
最终分析评估了1533名女性的基线乳腺MRI扫描,其中包括573名(37.4%)BRCA突变携带者(补充表1)。患者选择和排除流程见图1。基线时的中位年龄为41岁(BRCA突变携带者为37岁,其他人为44岁)。在60名(3.9%)女性中,基线扫描阴性后发现了癌症。45例(75%)癌症为筛查发现的癌症,6例(10%)为间期癌症,9例(15%)在预防性乳房切除术中发现。43例(71.7%)癌症为浸润性,17例(28.3%)仅为导管原位癌(DCIS)。阴性基线扫描与癌症检测之间的中位时间为3年(BRCA患者为2年,其他人为3年)。在573名BRCA突变携带者中,103名(18%)女性在第一个筛查轮次之前接受了RRSO,而227名在第一个筛查轮次之后接受了RRSO。
337名(22.0%)女性出现了假阳性召回。其中73名(21.7%)女性是基于钼靶发现而被召回的。264名(78.3%)女性至少有一次基于MRI检查的假阳性召回(MRI召回总计286次),203名(13.2%)女性至少有一次因MRI发现而进行的假阳性活检(活检总计217次)。MRI测量的FGT中位数为12.7%(四分位距(IQR),18.9%),BPE中位数为67.7%(IQR,27.6%)。表1、表2和表3更详细地展示了人群特征。
在单因素分析中,FGT与BRCA状态在百分比(p = 0.001)和二分类评分(p < 0.001)上均存在显著关联。BRCA突变携带者的FGT评分低于其他人。BRCA突变携带者在基线扫描时的年龄较低(BRCA突变携带者的中位年龄为37岁,其他人为44岁,p < 0.001)。BPE百分比与BRCA状态之间也发现了类似的关联(p = 0.005),因为BRCA突变携带者的BPE评分显著较低。将BPE二分类后,这一关联仍然显著(p = 0.020)。FGT和BPE与年龄呈负相关(r = − 0.289和r = − 0.129,p < 0.001),使用二分类值时也是如此(p ≤ 0.007)。在BRCA突变携带者中,相关系数分别为r = − 0.418(p < 0.001)和r = − 0.132(p = 0.002),而在无BRCA突变的女性中,分别为r = − 0.307(p < 0.001)和r = − 0.152(p < 0.001)。FGT与BPE不相关(p = 0.879)。单因素分析的图表见图3和图4。在BRCA突变携带者中,BPE与RRSO史无关(p = 0.886,表2)。
癌症预测模型
在单因素分析中,FGT与乳腺癌在离散值(p = 0.768)和二分类值(p = 0.511)上均无关联。在回归分析中,FGT未被认定为乳腺癌的独立危险因素;只有BRCA状态是(OR,3.615;p = 0.001)。同样,基线MRI扫描的BPE百分比和二分类BPE评分与乳腺癌无关(p = 0.625和p = 0.236)。在回归分析中,调整唯一显著的危险因素(BRCA状态)后,BPE也不是癌症的显著预测因子(p = 0.112)。在同时评估FGT和BPE时,两者均与乳腺癌风险无显著关联(p = 0.824和p = 0.112)。仅在BRCA突变携带者和非BRCA突变携带者的亚组中,BPE和FGT也与乳腺癌无关。
对基线MRI扫描后两年内发生的癌症进行的亚组分析包括17例癌症和总共1499次基线MRI扫描。在单因素和多因素分析中,连续性BPE仍与乳腺癌无关(p = 0.302),但FGT有关(p = 0.030)。将BPE(p = 0.234)和FGT(p = 0.012)二分类化并未改变结果。在回归分析中,FGT与乳腺癌相关(p = 0.036),但BPE不相关(p = 0.137)。预测因子的详细信息见表4。
FPR模型
当仅研究第一轮结果(诊断模型)时,FGT和BPE均与更高的FPR相关(分别为OR,1.259;p = 0.050,和OR,1.475;p = 0.003)。对于后续轮次(预后模型),基线时较高的FGT在连续值和二分类值中均仍与较高的FPR显著相关(p ≤ 0.029)。然而,在单因素分析中,BPE与FPR无关(p ≥ 0.818)。在回归分析中,仅年龄仍是随访中与FPR相关的因素(OR,0.955,p = 0.001;表5)。
FPB模型
当仅研究第一轮(诊断模型)时,FGT和BPE均与更高的FPB相关(分别为OR,1.315(p = 0.049)和OR,1.807(p = 0.002))。当排除第一轮中的FPB(预后模型)时,在单因素分析中FGT和BPE均与FPB无关(p ≥ 0.066)。回归分析显示年龄与随访中FPB呈负相关(p = 0.001,表5)。
在任何预测模型中均未发现交互项具有显著性。此外,改变BPE截断值水平并未改变癌症预测模型和假阳性预测模型的任何结论(补充表2和表3)。
讨论
本研究的目的是在乳腺癌发病风险增高的人群中,探讨纤维腺体组织(FGT)量和背景实质强化(BPE)在预测乳腺癌风险中的预测价值。此外,还研究了FGT和BPE对假阳性召回和活检的影响。我们的结果表明,基线时的FGT和BPE均与发生乳腺癌的总体风险无关。然而,在仅评估基线MRI扫描后前2年内检出癌症的亚组分析中,我们发现与FGT存在关联。较高的FGT和BPE确实导致基线检查中假阳性结果的比值比升高。我们未观察到FGT或BPE在后续筛查轮次中对FPR或FPB的任何预测价值。
已经充分证实,乳腺X线摄影乳腺密度(BD)会降低乳腺X线摄影的敏感性[26]。在平均风险人群中,BD也与乳腺癌风险相关[5]。与Dontchos等[11]和Passaperuma等[27]的研究一致——他们报告在风险增高女性中,乳腺X线摄影BD和MRI上的FGT均不能预测乳腺癌风险——我们在高危队列中未观察到FGT与乳腺癌发生之间的总体相关性。然而,Mitchell等[6]报告了相反的结果。在他们的研究中,提示BRCA突变携带者的高BD增加乳腺癌风险,其相对风险与一般人群中观察到的相似。在我们的亚组分析中,我们发现FGT可能与早期癌症发生相关,并且由于FGT和BPE可能因正常激素变化而改变,因此在这一通常年轻的人群中,长期预测潜力相对有限可能是合理的。然而,由于该分析纳入的癌症数量较少且结果显示置信区间极大,这些结果需谨慎评估。应当注意,这些研究与我们的发现之间的差异至少部分可由我们研究中使用的自动体积FGT估算来解释,其提供的FGT表示与乳腺X线摄影中视觉评估的BD不同,尽管既往研究显示这些测量之间存在明确相关性[28],且所用方法已被证明对MRI采集和乳腺密度分类的变化具有稳健性[19]。这也可能与我们研究及迄今发表的其他研究样本量有限有关。
当前临床实践正转向个性化筛查,使风险预测工具日益重要。近期病例对照研究显示,BPE可能预测乳腺癌风险[11, 12],尽管在非高危女性中存在相反结果[29]。然而,在这些研究中,乳腺癌患者健康侧乳腺的BPE评分([11]中部分如此)与健康对照的BPE评分进行了比较。本研究在实际患者中评估癌症发生前的BPE,提示BPE不能预测风险增高女性的乳腺癌。对此的一种可能解释是,在病例对照研究中,癌症患者的BPE可能受到乳腺癌存在的影响。因此,需要进一步研究BPE的生物学基础和修饰因素。或者,我们的结果可能提示风险增高女性的致癌机制不同。
证据表明,背景实质强化(BPE)与年龄呈负相关,并随激素活性增加而增加[30–32]。有趣的是,我们的结果显示,与无BRCA突变的女性相比,BRCA突变携带者的纤维腺体组织(FGT)和BPE值显著较低,而BRCA突变携带者的年龄显著低于无BRCA突变的女性。这一违反直觉的结果可能是由于携带和不携带BRCA突变的女性中激素对FGT影响的差异[33]。我们在基线MRI前接受和未接受降低风险输卵管卵巢切除术(RRSO)的BRCA突变携带者之间未观察到BPE差异,这一事实也指向这一方向。尽管如此,既往研究表明RRSO仍可能降低BPE和FGT值[34],因此,我们的结果需要谨慎解读,因为它们也可能由我们研究中接受RRSO的女性数量相对较少来解释。应当注意,BRCA突变携带者在基线检查后接受RRSO可能对这些女性中FGT和BPE的预测价值产生了影响。
BPE评分高的女性在第一轮筛查中获得假阳性召回(FPR)的几率高1.5倍,获得假阳性活检(FPB)的几率高1.8倍。这与既往研究一致,既往研究描述,在筛查环境中,更局灶性、区域性或以不对称方式分布的BPE与更高的BI-RADS 3评估可能性相关[35]。Giess等指出,在后一种情况下,可能难以将BPE与非肿块强化(NME)区分开来[36]。因此,当强化模式被解释为NME时,报告放射科医师必须考虑恶性肿瘤的可能性;因此,假阳性的机会增加。DeMartini等[37]也报告,较高的BPE量与较高的异常解释率相关。Brennan等报告,与轻微或轻度BPE相比,中度和显著BPE与显著更高的MR成像引导下空心针活检取消率相关[38]。然而,我们研究中BPE与FPB之间更强的相关性不幸表明,许多活检仍因BPE而进行。尽管如此,BPE和FGT均不能预测后续筛查轮次中的假阳性召回或活检,这可能意味着BPE和FGT仅在没有既往检查可用时影响假阳性。
用于BPE估计的自动化算法消除了评估者内和评估者间变异性。这一点具有重要意义,因为既往研究报道,根据BI-RADS词典使用观察者评分时,BPE的评估者间变异性仅为中等[18]。该自动化方法提供了定量测量,因此为定义更精确的截断点创造了机会。所选截断点基于既往研究选定,但不同截断点可能导致不同结果,但未导致不同结论。这与最近一项关于BPE在单侧乳腺癌女性对侧乳腺中预后价值的研究一致,该研究中不同截断点的影响似乎很小[39]。尽管如此,应当注意,评估BPE的不同方法也可能在风险模型中导致不同结局。
我们的研究存在一些局限性。由于数据的回顾性特征,并非总能获取月经周期或绝经状态的数据。因此,我们无法对这些因素进行校正。显然,通过在风险模型中纳入年龄,绝经状态已部分被涵盖。然而,未来需要进一步研究以更好地探讨绝经状态对乳腺纤维腺体组织(FGT)和背景实质强化(BPE)预测未来乳腺癌发生价值的影响。此外,这是一项单机构研究,可能限制其普遍适用性。我们选择纳入基线扫描后期间检测到的所有癌症,以寻找基线扫描与任何未来乳腺癌发生(平均随访3年)之间的关系。然而,较短时间段的相对风险也可能非常值得研究。此外,FGT和BPE相对于基线的变化也可能预测风险。由于我们的队列太小,无法回答这些问题,需要在未来研究中进一步评估。在研究期间,我们从1.5 T扫描仪更换为3 T扫描仪,并多次调整扫描方案,这可能潜在影响BPE计算算法的结果。然而,我们确保在对比剂给药后90至120秒之间测量BPE,并且由于BPE仅进行半定量评估(以模仿放射科医生的视觉检查),我们旨在尽量减少这一影响。尽管如此,成像参数的进一步标准化可能改善FGT和BPE估计的同质性,并可能提高预测潜力。该研究的另一个可能局限性是,仅在假阳性发现的情况下,我们没有排除在首轮筛查后直接出现假阳性发现的女性。理论上,这可能改变FGT和BPE评分,尽管我们通过对双侧乳房评分取平均值来尽量减少这一影响。
总之,在乳腺癌高风险女性队列中,基线时自动计算的FGT和BPE测量值与后续乳腺癌发生无关。这对个性化筛查具有意义,因为FGT和BPE无法纳入风险预测模型。然而,较高的FGT和BPE与基线时较高的假阳性发现率相关;因此,在开始MRI筛查前,患者咨询应包括这些结果。
电子补充材料
ESM 1(DOCX 23 kb)
引用
- Vreemann S, Dalmis MU, Bult P, et al. Amount of fibroglandular tissue FGT and background parenchymal enhancement BPE in relation to breast cancer risk and false positives in a breast MRI screening program : A retrospective cohort study. Eur Radiol. 2019. PMID: 30796568. doi:10.1007/s00330-019-06020-2
- 全文:PMC6682856(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6682856/
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。