文献速递乳腺US

超声高清微血管成像联合新型定量生物标志物提高乳腺癌检测准确性

Ultrasound high-definition microvasculature imaging with novel quantitative biomarkers improves breast cancer detection accuracy.
PubMed 文献 · Eur Radiol · 2022-04-29

这项前瞻性研究在521例患者527个超声可疑乳腺肿块上测试无造影剂高清微血管成像(HDMI),提取微血管分形维数、Murray偏差、分叉角和空间血管模式等新定量标志物,并与病理对照。新标志物联合初始标志物及BI-RADS评分可提高良恶性鉴别准确性。

要点

  • HDMI无需造影剂即可显示亚毫米级肿瘤微血管并提取定量形态标志物。
  • 新标志物mvFD、BA、MD、SVP在良恶性病灶间差异有统计学意义,且不受肿瘤大小影响。
  • 新标志物联合初始标志物及BI-RADS评分可提高乳腺病灶良恶性鉴别的敏感度、特异度和AUC。

核心结论

  • 新定量HDMI生物标志物作为传统超声的补充影像工具,可显著提高乳腺病灶良恶性鉴别的准确性。

研究设计与样本

  • 前瞻性研究,2016年6月至2021年4月连续纳入530例超声发现可疑乳腺肿块并拟行活检的患者,最终521例患者527个病灶纳入分析。
  • 采用Alpinion Ecube12-R超声平台和L3-12H线阵探头(8.5 MHz),以约600帧/秒采集3秒平面波数据,每帧使用5角度相干平面波复合。
  • 以空心针穿刺活检病理为金标准,HDMI结果不用于临床决策,病理医师不知晓HDMI结果。

关键影像表现/征象

  • 常规多普勒仅显示斑片状较大血管,HDMI可高清显示恶性病灶周边及内部增多的微血管,复杂度高于良性病灶。
  • 良性病灶微血管较少、形态复杂度较低,SVP图可显示良性肿块周边血管与小恶性肿块中央微血管的分布差异。
  • III级恶性肿瘤SVP因子较低,肿瘤较大且瘤周血管密度较高;IDC且NG III级者mvFD、NV、NB、Dmax值较高(均p<0.05)。

诊断标准与关键数值

  • 新HDMI标志物在>20 mm病灶中敏感度95.6%、特异度100%。
  • 新标志物单独用于全部病灶(不论大小)鉴别时AUC 93.0%(95%CI 91–95%),敏感度83.4%、特异度88.6%;>20 mm病灶AUC 98.5%(95%CI 97–100%),敏感度95.6%、特异度100.0%,AUC随大小限制在93%–99%之间。
  • 新标志物联合初始标志物用于全部病灶时AUC 97%(95%CI 95–98%)、敏感度93.8%、特异度89.2%;加入BI-RADS评分后全部病灶AUC 97%(95%CI 95–98%)、敏感度93.8%、特异度89.2%,>20 mm病灶AUC 99.5%(95%CI 99–100%)、敏感度100%、特异度96.7%。
  • 联合HDMI标志物在纤维腺瘤(n=114)与浸润性导管癌(n=138)间鉴别的AUC 97.1%、敏感度95.5%、特异度98.7%。

临床应用与阅片要点

  • 作者设想的临床使用流程为:超声设备自动处理数据给出定量HDMI标志物,输入预测模型计算恶性概率,放射科医师将恶性概率与阈值比较后决策。
  • 作者提出若预测方程计算的恶性概率低于阈值,算法更支持随访,可能将拟诊BI-RADS 4a的病灶降为BI-RADS 3并建议随访。
  • 作者提出若恶性概率高于阈值,算法支持进行乳腺活检;并指出需经多中心大样本研究进一步验证和优化阈值。

局限性

  • 作者指出需经附加验证、优化和多中心大样本研究进一步验证阈值。
全文中译8 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Eur Radiol. 2022 Apr 29;32(11):7448–62. doi: 10.1007/s00330-022-08815-2

引言

浸润性乳腺癌是一种依赖血管生成的恶性肿瘤,研究表明肿瘤微血管密度增加与不良预后相关[1, 2]。重要的是,恶性肿瘤中的血管极其异质,与正常组织或良性肿瘤中的血管有很大不同。早期出现的肿瘤中低氧水平刺激血管内皮生长因子(VEGF)的释放,从而启动新的血管化和肿瘤生长[2, 3]。反过来,生长中的肿瘤对额外氧气的需求导致形成渗漏、脆弱、迂曲的血管[4]。相比之下,在大多数良性病例中,肿瘤生长受类似于正常组织的机制控制,导致形成有序且非迂曲的血管形态[4, 5]。

具有鉴别乳腺肿块潜力的常规多普勒方法[6–10]仅对快速血流敏感,导致所 underlying 血管的图像高度碎片化和斑片状,阻碍了微血管的结构分析。光声成像方法在浅表乳腺病变微血管架构差异方面的效用已被证明[11],但在深部肿瘤中的应用有限。超声造影(US)已被研究用于提高超声鉴别良恶性乳腺肿块的 specificity[12, 13]。声学血管造影和超声定位显微镜[14–16]在造影剂的帮助下,可在临床前研究中分辨微血管[17]。

最近,在乳腺癌自发小鼠模型[18]和人类[19]中,能够在超分辨率尺度上获得乳腺肿瘤的精细血管特征,但这种方法与注射造影剂相关的不便和成本增加有关。无造影剂超声成像肿瘤微血管用于鉴别良恶性乳腺肿块已被研究;然而,这些努力仅限于像素计数方法和图像视觉检查以评估血管形态和分布[20–22]。为解决这些研究空白,我们之前开发了一种基于无造影剂超声的技术,用于可视化亚毫米小血管(小至300 μm)并量化肿瘤微血管形态结构,称为定量高清晰度微血管成像(qHDMI)[23, 24]。本研究的目标是用乳腺肿瘤的微血管特征补充常规超声基于灰度形态的评估,以提高癌症检测的准确性。

最近,介绍了基于微血管图像的4种新定量生物标志物的基本原理,以及一些模拟和有限的患者研究结果,以说明每种生物标志物的作用[25]。这四种生物标志物是(1)微血管分形维数,(2)Murray偏差,(3)分叉角(BA)和(4)空间血管模式[25]。本研究的目标是在相对较大的人群中研究四种新开发的HDMI定量生物标志物的性能。因此,更多的病变类别使我们能够在多变量分析中研究HDMI单个生物标志物及其组合对不同病理和不同病变大小组的性能。该研究还测试了多个预测模型的性能,仅使用新生物标志物、仅使用初始生物标志物,以及新生物标志物和初始生物标志物的组合联合或不联合乳腺影像报告和数据系统(BI-RADS)评分。此外,还研究了HDMI生物标志物与癌症分级的相关性。因此,当前的验证研究大幅扩展了之前的工作。所提出的方法客观地将肿瘤分类为良性或恶性,这使得该方法不依赖操作者,并消除了观察者/阅片者变异性,从而实现可靠的临床应用。

材料和方法

参与者

我们获得了机构审查委员会的批准,符合《健康保险携带和责任法案》。在前瞻性研究之前,每位入组参与者均签署了书面知情同意书并允许发表。患者在前瞻性研究中于放射科乳腺影像部门连续入组。从2016年6月至2021年4月,连续入组了530例超声识别为可疑乳腺肿块并指示进行活检的患者。如预期的那样,大多数病例被分类为BI-RADS评分4和5;纳入本研究的BI-RADS 2和3患者均因危险因素(如一级家庭成员乳腺癌病史)和患者本人活检意愿而接受了活检。参与者选择、纳入和排除标准的详细信息见图1。病变由不同放射科医生进行BI-RADS评估,研究团队在调查期间对这些评估设盲。HDMI结果未用于入组患者的临床决策。本HDMI研究共纳入521名参与者,共527个病变。人口统计学特征见表2。在HDMI研究检查后,所有患者均在一小时内接受空心针活检,其组织病理学结果作为金诊断标准。评估和报告乳腺活检的病理科医生无法获得HDMI结果。以空心针活检的病理结果而非手术病理作为金参考标准,原因如下:(1)良性病变无法获得手术病理,因为良性病变通常不进行手术切除治疗;(2)对新辅助治疗达到完全病理缓解的患者不存在癌症。

图1 研究参与者流程图。*9例患者因病灶为淋巴结被排除在HDMI研究之外。#BI-RADS 2和3类因患者意愿而进行了活检。HDMI = 高清微血管成像 查看原图 ↗

高清微血管成像与定量生物标志物

超声检查由两名分别具有30余年和15年超声扫描经验的超声技师完成。超声技师被要求尽量减少预压,以减少对组织微血管的不必要压力。为减少运动伪影,患者被要求在数据采集期间保持不动并屏气约3秒。为提高可重复性,在每个扫描方向上采集2次。每位参与者仅由两名超声技师中的一名进行HDMI扫描。

使用具备平面波成像能力的超声平台(Alpinion Ecube12-R,ALPINION Medical Systems)和以8.5 MHz工作的线阵L3-12H,在平面波B模式下识别乳腺病灶。随后在病灶部位采集一系列高帧率数据(约600帧/秒)。该超声系统以原始同相和正交波束形成数据的形式提供一系列帧,总持续时间为3秒。每帧数据使用5角度相干平面波复合形成[26]。获取HDMI图像、血管提取以及血管分割步骤的方法[23, 24]已在在线补充材料中详细说明。

新生物标志物的定义和计算(1)微血管分形维数(mvFD)[25, 27, 28],(2)分叉角度(BA)[25, 29, 30],(3)Murray偏差(MD)[25, 31, 32],以及(4)通过血管密度比(VDR)[34]计算的空间血管模式(SVP)[25, 33]以及初始生物标志物[24]详见表1和补充材料。

表1 HDMI定量生物标志物 查看原表 ↗

临床病理数据(请见补充材料)

数据分析

对每幅图像,获取了新发和初始高清微血管成像(HDMI)生物标志物的统计分布。以病理结果为金标准,采用受试者工作特征(ROC)分析检验血管形态学特征在区分良恶性病变中的统计学显著性。对每个新生物标志物,在不同病变大小约束条件下获取了带有95%置信区间(CI)的误差条图。获取了特异性、敏感性、曲线下面积(AUC)和95%CI。使用R软件(版本3.6.2)通过Wilcoxon秩和检验进行统计学显著性分析,p值<0.05视为显著。两种生物标志物之间的相关性使用cor函数以Pearson方法计算。除分析单个生物标志物的性能外,还进行了多变量逻辑回归分析,以研究所有新发和初始HDMI生物标志物联合在区分病变中的性能。此外,我们将用于对乳腺病变进行分类以选择活检候选者的BI-RADS及超声描述词[35, 36]纳入分析,以确定定量HDMI在提高检测准确性方面的附加价值。恶性概率通过以下公式计算:,其中B为从多变量逻辑回归分析中获得的常数;Pm为定量HDMI生物标志物或BI-RADS评分,Cm为从多变量逻辑回归分析中获得的相应定量生物标志物的系数;m为预测模型中包含的定量生物标志物数量,逻辑函数logit−1定义为logit−1(α) = 1/(1 + exp(−α))。

结果

在共527个经HDMI检查的乳腺病变中,316个为良性,211个为恶性。表2显示了参与者人口学和病变特征。按病理分类的病变类型分布总结于表3。最常见的良性组织学类型为纤维腺瘤。如预期所示,浸润性原发性乳腺癌占恶性肿瘤的大多数,其中66%为浸润性导管癌(IDC)。各浸润性乳腺癌类型的Nottingham分级见表3。

图2为恶性和良性乳腺病变的HDMI图像与传统多普勒的视觉对比展示。虽然传统多普勒图像在恶性病例中以斑片状和大血管形式显示出略高的血液活动,但HDMI提供了外周和内部微血管增多的高清图像,其复杂性高于良性肿块中所见,后者的微血管明显更少且形态复杂性更低。HDMI这种提高的敏感性和增强的图像分辨率使得能够通过提取血管骨架并将分支划分为血管段来对血管形态学特征进行额外的定量分析,从而产生了如统计结果中所见的HDMI生物标志物的分类能力。

表2 人口学和病变特征 查看原表 ↗
表3 共527个乳腺病变中按病理分类的病变类型分布 查看原表 ↗
图2 使用不同成像方法获取肿瘤血管图像的代表性病例。常规彩色多普勒(第1行)、B模式上的HDMI叠加(第2行)以及乳腺肿块的HDMI(第3行)。每幅HDMI图像(第3行)左侧显示了代表性的新生物标志物和初始生物标志物。左侧两列代表两个恶性乳腺肿块(M1和M2),右侧两列代表良性乳腺病变(B1和B2)。两例恶性病例(M1和M2)的组织学结果分别报告为具有混合导管和小叶特征的浸润性乳腺癌III级和浸润性导管癌III级。良性病例(B1和B2)的活检结果指示为良性纤维腺瘤。第1行所示的参考临床多普勒图像是在临床环境中由另一位超声技师使用与研究团队所用研究超声平台不同的临床超声扫描仪获取的 查看原图 ↗

HDMI生物标志物的统计结果

每个新的HDMI生物标志物在不同大小组的恶性和良性之间均显示出统计学显著差异(p < 0.05)(图3)。在不同病理分级恶性肿瘤的HDMI生物标志物分析中,注意到III级恶性乳腺肿瘤中SVP因子较低,其中包括瘤周区域血管密度较高的较大肿瘤。此外,在IDC、NG III级中观察到mvFD、NV、NB和Dmax值较高(均p < 0.05)(图4)。所有新的和初始HDMI生物标志物在病变分类中的性能,包括敏感性、特异性、PPV、NPV、AUC、95% CI和p值,见在线补充表。

HDMI生物标志物预测免疫组织化学(IHC)生物标志物状态及分子亚型的性能总结于表4。发现FD、NV和NB在预测PR状态、HER2状态和Ki-67方面存在显著差异,PR阳性者FD、NV和NB值显著较低,而HER2阳性者显示显著较高的值。BAmean、NV和NB在预测分子亚型方面显示出显著性。在五种亚型中,Luminal A亚型的NV和NB值最小。

表5说明了不同HDMI参数之间的关系。相关系数小于0.45表示低相关关系(表5中用*标记)。换言之,它们彼此依赖性较低;因此,它们在预测乳腺癌诊断中的贡献是相加的。在新生物标志物中,FD与BAmean或MDmean相关性较低。在初始生物标志物中,τmean与其他初始生物标志物的相关系数较低。新生物标志物BAmean和MDmean与所有初始生物标志物的相关性均较低。

对新HDMI生物标志物单独使用以及新标志物与初始标志物联合使用在区分良恶性组方面的逻辑回归多变量分析结果汇总见图5。无论病灶大小如何,新HDMI生物标志物在所有病灶中对乳腺肿块的分类均优于初始生物标志物,AUC为93.0%(95% CI 91–95%),灵敏度和特异度分别为83.4%和88.6%。最佳性能观察于大于20 mm的病灶组,AUC为98.5%(95% CI:97–100%),灵敏度为95.6%,特异度为100.0%。AUC根据大小限制条件的不同在93%至99%之间变化。图5还包括了在不同大小限制条件下,单独使用和联合使用新HDMI生物标志物与初始HDMI生物标志物对所有病灶的ROC曲线。进行了类似的多变量逻辑回归分析,将BI-RADS评分[35]作为附加参数纳入,结果显示,无论肿块大小如何,对所有病灶的AUC、灵敏度和特异度分别为97%(95% CI:95–98%)、93.8%和89.2%。最佳分类在大于20 mm的病灶中实现,AUC、灵敏度和特异度分别为99.5%(95% CI:99–100%)、100%和96.7%。

我们在图6中以柱状图展示了新生物标志物的值,并在3对良性和恶性乳腺肿块的代表性病例图像中展示了比较图像。这些结果详见于在线补充材料。联合HDMI生物标志物(初始和新标志物)还在本研究中样本量最大的两种主要良性和恶性组织学类型上进行了测试,即纤维腺瘤(n = 114)和浸润性导管癌(n = 138)。ROC分析得出ROC曲线下面积为97.1%,灵敏度为95.5%,特异度为98.7%(图B-补充;请参见在线补充材料)。

图3 使用新生物标志物在不同病灶大小组中区分良性和恶性乳腺病灶的误差条图:A 微血管分形维数(mvFD),B 最大Murray偏差,C 最大分叉角(BA),D 血管密度比(VDR),以及初始生物标志物:E 血管段数量(NV),F 血管密度(VD),G 分支点数量(NB),H 最大距离度量(DMmax,迂曲度度量)。d = 病灶直径,*p < 0.05,**p < 0.01,***p < 0.001。无限制:良性(n = 316),恶性(n = 211);d < 10 mm,良性(n = 103),恶性(n = 50);10 ≤ d ≤ 20 mm,良性(n = 152),恶性(n = 93);d > 20 mm,良性(n = 61),恶性(n = 68) 查看原图 ↗
图4 用于区分浸润性乳腺癌分级的HDMI生物标志物误差条图:A 微血管分形维数(mvFD),B 分支点数量(NB),C 血管段数量(NV),D 最大直径(Dmax)。* p < 0.05,** p < 0.01,*** p < 0.001,**** p < 0.0001。HDMI = 高清微血管成像 查看原图 ↗
表4 HDMI生物标志物用于预测恶性肿块中ER、PR、HER2、Ki-67状态及分子亚型的诊断性能 查看原表 ↗
表5 HDMI生物标志物之间相关系数汇总 查看原表 ↗
图5 使用新型/初始HDMI生物标志物以及联合新型/初始±BI-RADS,在不同大小组中鉴别良性与恶性的逻辑回归多变量分析和ROC曲线汇总。(B,良性;M,恶性;Sen,灵敏度;Sp,特异度;PPV,阳性预测值;NPV,阴性预测值;AUC,曲线下面积;CI,置信区间;BI-RADS,乳腺影像报告和数据系统。Sen、Sp、PPV、NPV、AUC和CI的数值以百分位数给出。)新型HDMI生物标志物、初始HDMI生物标志物、联合HDMI生物标志物、联合生物标志物联合BI-RADS的ROC曲线 查看原图 ↗
图6 代表性良性和恶性病例:第I组和第II组代表乳腺肿块微血管图像的SVP图。第III组代表一个良性和一个恶性乳腺肿块微血管图像的mvFD图。第I组显示< 10 mm的乳腺肿块(良性,上排,以及一个恶性肿块,第二排)。图A1、D1、B1和E1为HDMI图像。图C1和F1显示SVP图,表明良性肿块中血管位于周边,而小恶性肿块中微血管位于中心。第II组显示> 10 mm的乳腺肿块(纤维腺瘤,排的上部,以及低分化浸润性导管癌,NG III级,位于底部)。图A2、D2、B2和E2为第II组肿块的HDMI图像。图C2和F2为SVP图,显示大良性乳腺肿块中血管向中心集中,而大恶性肿块中微血管分布于周边。第III组显示一个良性肿块(玻璃样变纤维腺瘤)和一个恶性肿块(浸润性导管癌,II级)。图A3、D3、B3和E3为HDMI图像。图C3为mvFD图,表明这两个肿块中微血管的复杂性。该图显示恶性和良性肿块之间复杂性存在显著差异。图6右侧的条形图显示,在三组中每一组内,每个新型HDMI生物标志物(mvFD、BA、MD和VDR(代表SVP))的值在良性和恶性肿块之间均存在显著差异 查看原图 ↗

讨论

本研究探讨了新型无造影剂高清微血管成像(HDMI)定量生物标志物在鉴别乳腺良恶性肿块方面的性能。我们的研究结果表明,通过VDR计算的SVP、mvFD、BA和MD这四个新的HDMI生物标志物,在恶性和良性病变组之间提供了有意义的区分,并且优于我们最初的生物标志物(血管直径、血管密度、迂曲度、血管段数量和分支点数量)[24]。使用逻辑回归分类方法对所有新生物标志物进行多变量分析,其判别性能始终优于任何单一生物标志物。此外,判别能力随肿瘤生长而提高。将基于超声描述词的BI-RADS评分加入使用所有生物标志物的多变量分析中,在所有大小分组中均显著提高了敏感性、特异性和AUC。这一发现表明,新的定量HDMI为传统超声提供了互补的诊断信息,从而提高了乳腺癌诊断的准确性。此外,这一新工具的一个重要优势是无需注射造影剂即可实现更好的血管增强。定量HDMI技术临床应用的设想策略包括以下步骤:(1)配备相关HDMI处理技术的超声机器自动处理数据,提供定量生物标志物。(2)定量HDMI生物标志物将进一步输入超声机器中实现的预测模型,以计算恶性概率。(3)然后,放射科医生读取恶性概率并将该值与阈值进行比较以做出决策。该HDMI技术的临床应用价值如下:(1)如果通过预测方程计算的恶性概率低于阈值,算法将更支持随访。因此,该模型可帮助临床决策,可能将推定的BI-RADS 4a病变降级为BI-RADS 3并建议随访。(2)如果恶性概率高于阈值,算法将支持乳腺活检。通过多中心大样本研究的进一步验证、完善和测试,该阈值将得到进一步验证。

很少有研究提出使用超声微血管成像来鉴别乳腺肿块,无论是使用[19, 22]还是不使用[37]造影剂,且患者研究有限,仅使用少数形态学生物标志物。当前的定量HDMI研究纳入了广泛的肿瘤微血管形态学生物标志物,并在相对较大的患者群体中进行了测试。另一个优势是可以在亚毫米水平上增强和可视化肿瘤血管,而无需造影剂。此外,我们的方法能够量化血管直径,这在造影增强追踪方法中可能具有挑战性[38]。

本研究探讨了MD、BA、mvFD和SVP作为无造影剂超声微血管成像中肿瘤微血管的新型形态学生物标志物,在乳腺病变鉴别诊断中的表现。MD对不同疾病的诊断价值已得到证实[39–42],表明病变组织的血管网络可能偏离Murray定律[43]。我们的研究还显示,恶性乳腺病变中MD较高。此外,我们的研究发现,恶性乳腺病变中BA呈统计学显著降低。同样,既往一项研究显示结肠浸润性癌中BA降低[30]。在我们的研究中,发现mvFD在所有大小约束条件下在恶性病变中均高于良性病变。这一发现与其他研究结果一致,表明通过mvFD计算的微血管复杂性可能提供重要的诊断和预后信息,以及对肿瘤血管生成的深入认识[27, 28]。在我们的研究中,SVP生物标志物表明,较大肿瘤(直径 > 20 mm)中周边集中的血管分布与恶性相关;然而,在较小肿瘤(直径 ≤ 20 mm)中,中央集中的血管分布是恶性的指标。这一发现也与其他研究一致,提示小的恶性肿瘤周边有少量大血管,但随着肿瘤增大,中央区域血管密度降低,微血管趋向于更偏向周边分布[4, 44, 45]。如果病变内没有或仅有少量微血管,定量HDMI可将该病变归类为良性。

在本研究中,与良性肿块相比,恶性病变的Dmax在统计学上显著更高。事实上,使用Dmax可以检验可能存在主要供血血管的可能性,而这可能提示恶性。这一结果与以下事实一致:VEGF-A在恶性肿瘤周边形成大量较大的血管(可能是母血管),但在肿瘤中央部分形成较少且较小的血管[4, 44, 46]。因此,最大血管直径比血管直径的平均值具有更好的鉴别能力。对血管迂曲度也做了类似观察。当对整个血管床的迂曲度取平均值时,在所有大小组中恶性和良性之间均无统计学显著差异;然而,与良性病例相比,恶性病例的最大血管迂曲度在统计学上显著更高。这些发现与以下事实相符:随着恶性肿瘤增大,在肿瘤–宿主界面处可见比中央区域更多、直径增大的迂曲血管[4],表明对这些生物标志物取平均值的诊断价值低于确定其最大值。这表明血管迂曲度分析可提供与血流成像互补的信息,并且当良性和恶性肿瘤均为富血供时,可能在鉴别中提供附加价值[47]。我们研究中分支点和血管段数量的增加意味着血管 Sprouting 水平更高,支持将其作为良性和恶性肿瘤的鉴别指标[48]。

此外,在恶性乳腺肿瘤的高级别和低级别核分级(NG)之间,HDMI生物标志物具有统计学显著差异。在更高级别的乳腺癌中,观察到mvFD(血管复杂性的标志物)、NB、NV和VD的值更高。既往研究报道,更高的微血管密度、出芽和结构不规则性与乳腺癌更高的病理分级相关,这可能导致更高的转移发生率和更差的预后[28, 49, 50]。

本研究的一个局限性在于,定量生物标志物是使用二维HDMI估算的,这可能忽略了一些重要的三维(3D)形态学特征以及肿瘤微血管的连通性,从而可能导致对这些特征的低估或高估。为解决这些局限性,一项补充研究将涉及定量3D HDMI成像和形态学分析,使用配备线阵[51]的机械扫描系统或矩阵超声换能器[52]进行容积成像。此类方法将能够实现更全面的血管形态学分析。为对所有患者保持单一金标准参考,采用空芯针活检的病理结果而非手术病理作为金标准参考。由于良性病变通常不进行手术切除治疗而无法获得手术病理,而在新辅助治疗完全病理缓解组中将无癌组织。然而,空芯针活检中癌症的组织学特征与手术病理相同。

未来工作还应侧重于使用新兴的影像组学分析方法,通过整合数据表征算法从图像中提取大量特征。尽管影像组学分析有其自身的挑战[53],但它可能具有促进改善临床决策的潜力[54]。提高超声诊断性能的另一个方向是将我们的微血管形态学分析与已确立的常规超声指标相结合。常规超声提供关于乳腺病变形状和纹理的信息以辅助癌症检测,而我们的定量微血管方法提供与血管生成相关的信息。将这两方面信息结合可能提高超声的整体诊断性能。HDMI研究是在经临床超声检出可疑乳腺病变并计划进行活检的患者中进行的。几乎所有病例被分类为BI-RADS 4和5。因此,我们认为将本方法的敏感性和特异性与常规超声进行比较是不公平的,因为本研究中纳入的BI-RADS类别低于4的病例数量有限。未来研究可纳入无论BI-RADS类别如何的乳腺病变的微血管形态学分析,但需注意较低BI-RADS类别的病例将没有病理结果可供比较。本研究的重点是在大规模患者人群中验证新型HDMI生物标志物用于乳腺病变鉴别诊断的性能。对于未来研究,我们希望将HDMI的性能与其他诊断方法进行比较,例如B模式、彩色多普勒和超声造影。

总之,HDMI方法的四种新型定量生物标志物在乳腺癌检测中的疗效前景广阔。HDMI无需注射对比剂这一事实简化了其在常规临床实践中的应用。未来,所提出的方法及新生物标志物可作为传统超声的补充成像工具,为乳腺癌检测提供新手段。

补充信息

ESM 1(DOCX 289 kb)

引用

  1. Ternifi R, Wang Y, Gu J, et al. Ultrasound high-definition microvasculature imaging with novel quantitative biomarkers improves breast cancer detection accuracy. Eur Radiol. 2022. PMID: 35486168. doi:10.1007/s00330-022-08815-2
  2. 全文:PMC9616967(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9616967/

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。