评价Kaiser评分与表观扩散系数（apparent diffusion coefficient, ADC）值对乳腺BI-RADS 4类病变的诊断效能。
回顾性分析2020年6月至2022年2月于河北省人民医院行乳腺MRI检查归类为BI-RADS 4类且病理结果明确的患者病例。对病例的每个病灶进行Kaiser评分、ADC值测量，Kaiser评分由两名放射科医生商议决定，ADC值的测量由经验丰富的医师指定感兴趣区域（region of interest, ROI）并测量，使用logistic回归联合Kaiser评分与ADC值后获得一个新的预测指标Kaiser+。应用受试者工作特征（receiver operating characteristic, ROC）曲线评价Kaiser评分和ADC值的诊断效能，应用Delong检验对曲线下面积（area under the curve, AUC）进行比较。
128例患者共165个病灶，Kaiser评分的总体诊断效能（AUC=0.882）显著高于ADC（AUC=0.582，P＜0.05），Kaiser+与Kaiser评分之间的AUC无显著性差异（P=0.885）。与ADC相比，Kaiser评分诊断效能不受背景实质增强影响。
对于乳腺MRI诊断的BI-RADS 4类病变，Kaiser评分具有较高的诊断效能且优于ADC，可以减少不必要的活检；Kaiser评分与ADC值联合相对于单独Kaiser评分的诊断效能没有显著优势。
本刊刊出的所有论文不代表本刊编委会的观点，除非特别声明
乳腺癌是女性最常见的恶性肿瘤，MRI是鉴别乳腺内良恶性病变的重要影像学检查方法，敏感性很高[1]。扩散加权成像（diffusion-weighted imaging, DWI）及其定量参数表观扩散系数（apparent diffusion coefficient, ADC）值可应用于乳腺病变良恶性的评估，已有研究表明恶性病变的ADC值显著低于良性病变[2]，可以避免不必要的临床干预[3]。目前DWI与动态对比增强（dynamic contrast enhanced, DCE）两种MRI检查序列联合应用可对乳腺癌进行影像学诊断[4]，然而对于恶性概率跨度极大的乳腺影像报告和数据系统（Breast Imaging-Reporting and Data System, BI-RADS）4类病变的诊断价值有限，BI-RADS 4类病变的恶性概率为2%～95%[1,5]，这预示部分良性病灶将被误诊为恶性病灶而接受不必要的手术，增加了患者的心理和经济负担。作为一种临床决策依据，纳入五种影像特征的Kaiser评分在评估乳腺病变方面具有极佳的敏感性和特异性[6, 7]，分值从1到11，相关文献认为评分≥4建议进行活检[8, 9]。本研究的目的是比较Kaiser评分与ADC值对BI-RADS 4类病变的诊断效能，并获取Kaiser评分诊断良恶性的截断值，以减少不必要的有创活检。
回顾性分析2020年6月至2022年2月于河北省人民医院行术前乳腺3.0 T MRI平扫及动态对比增强检查的女性患者病例共128例，年龄9～83（47±13）岁。纳入标准：诊断报告为BI-RADS 4类的强化病灶；影像资料及病理结果完善、清晰。排除标准：MRI检查前行乳腺穿刺、手术或放化疗。本研究经河北省人民医院伦理委员会批准，免除受试者知情同意，批准文号：2022082。
所有病例MRI扫描采用美国GE 3.0 T MRI仪，使用16通道乳腺表面相控阵线圈，取俯卧位，扫描范围包括双侧乳腺及腋窝。轴位快速自旋回波T2WI脂肪抑制成像序列扫描参数：TR 7061 ms，TE 104.3 ms，层厚5 mm，层间距5 mm，FOV 350×350；轴位T1WI序列扫描参数：TR 420 ms，TE 7.6 ms，层厚5 mm，层间距5 mm，FOV 350×350；DWI序列扫描参数：TR 5113 ms，TE 66.6 ms，层厚5 mm，层间距5 mm，FOV 350 mm×210 mm，b值取1000 s/mm2；DCE-MRI扫描参数：TR 5.7 ms，TE 1.8 ms，层厚1.6 mm，层间距0，FOV 350 mm×350 mm，共采集7期图像，对比剂为钆喷酸葡胺，剂量0.2 mmol/kg，流速2 mL/s，注射后用20 mL生理盐水以3 mL/s的速度自动冲洗注射器。
由两位高年资乳腺诊断医师（诊断医师1为工作经验30年的主任医师；诊断医师2为工作经验15年的副主任医师）根据Kaiser评分系统解读所有检查结果，出现分歧时协商达成一致。该评分系统包括5个独立的诊断标准，即毛刺征、时间-信号强度曲线（time-signal intensity curve, TIC）类型、病变边缘、内部强化模式及瘤周水肿。两位诊断医师均不知道病理结果和BI-RADS 分级，计算并记录每个病变的最终Kaiser评分。Kaiser评分系统的流程图如图1所示。
所有MRI原始数据传到AW 4.2后处理工作站，应用Functool软件进行后处理，感兴趣区（region of interest, ROI）包括病灶的实性区域，避开坏死、囊变或出血的区域，避开纤维腺体及血管，测量每个ROI的ADC值及TIC，重复测量两次，以平均值作为最终数据。测量ADC值时，于DWI序列上病变明显高信号处勾画ROI。动态对比增强扫描采用乳腺容积成像即VIBRANT技术，第一期为蒙片，在第二或三期病变早期明显强化时勾画ROI测量TIC。背景实质增强（background parenchymal enhancement, BPE）即乳腺MRI图像上正常实质的强化，由两位高年资医生（诊断医师1为工作经验30年的主任医师；诊断医师2为工作经验15年的副主任医师）依据DCE-MRI图像按照BI-RADS系统分为4类：少量、轻度、中度、重度，分别代表＜25%、25%～50%、51%～75%、＞75%的腺体组织强化。
数据分析采用SPSS 25.0及MedCalc 20.0（Medcalc Software）软件处理，服从正态分布的计量资料以（±s）表示，组间比较采用独立样本t检验，应用配对卡方检验比较敏感度、特异度，采用Kappa值评价两种方法是否具有一致性。使用logistic回归联合Kaiser评分与ADC值作为一个新的预测指标Kaiser+。诊断效能采用受试者工作特征（receiver operating characteristic, ROC）曲线评估，应用准确度、敏感度、特异度、阳性预测值和阴性预测值评估诊断价值，应用DeLong检验比较曲线下面积（area under the curve, AUC），P＜0.05为差异有统计学意义。
128例患者病例共165个病灶，其中肿块样病灶111个，非肿块样病灶54个；恶性67个，良性98个。恶性病灶中，浸润性导管癌27个，导管原位癌17个，导管内乳头状癌5个，导管原位癌伴浸润性导管癌8个，浸润性小叶癌4个，包裹性乳头状癌1个，浸润性筛状癌1个，浸润性癌伴黏液分化1个，黏液癌2个，浸润性微乳头状癌1个；良性病灶中，纤维腺瘤37个，导管内乳头状瘤25个，腺病17个，肉芽肿性乳腺炎7个，炎症4个，硬化性腺病4个，良性叶状肿瘤3个，良性肌上皮瘤1个。典型病例见图2。
Kaiser评分与ADC值诊断结果见表1。恶性病变的Kaiser评分高于良性病变，ADC值低于良性病变，差异具有统计学意义（P＜0.05），结果见表2。对于所有病变、肿块型强化病变，Kaiser评分的AUC均高于ADC值的AUC，差异具有统计学意义（P＜0.001），但在非肿块病变中，差异无统计学意义（P=0.152）。Kaiser评分+的AUC在所有病变、肿块及非肿块型强化病变中均高于ADC值的AUC，差异具有统计学意义（P＜0.05）。在所有病变、肿块及非肿块型强化病变中，Kaiser评分与Kaiser评分+AUC比较，差异均不具有统计学意义，结果见表3、图3。依据BI-RADS系统将BPE分为4类，比较Kaiser、Kaiser+与ADC值的AUC，结果见图4、表3。在BPE 1～4类乳腺中，Kaiser评分的AUC均高于ADC值的AUC，这表明Kaiser评分在诊断BI-RADS 4类病变时不受BPE影响。
Kaiser评分、ADC值诊断结果与病理结果对比 单位：例
Comparison of Kaiser score, ADC value results and pathological findings
Kaiser评分、ADC值诊断结果与病理结果对比 单位：例
Comparison of Kaiser score, ADC value results and pathological findings
| 参数 | 病理良性 | 病理恶性 | 总计 |
|---|---|---|---|
| Kaiser | |||
| 良性 | 59 | 2 | 61 |
| 恶性 | 39 | 65 | 104 |
| ADC值 | |||
| 良性 | 37 | 14 | 51 |
| 恶性 | 61 | 53 | 114 |
注：ADC为表观扩散系数。
良恶性病变不同参数对比
Comparison of different parameters between benign and malignant lesions
良恶性病变不同参数对比
Comparison of different parameters between benign and malignant lesions
| 参数 | 恶性（n=67） | 良性（n=98） | t值 | P值 |
|---|---|---|---|---|
| ADC值/（×10-3 mm2/·s-1） | 1.17±0.35 | 1.29±0.34 | 2.220 | ＜0.05 |
| Kaiser评分/分 | 6.84±1.67 | 4.08±1.51 | -10.789 | ＜0.05 |
注：ADC为表观扩散系数。
Kaiser评分、Kaiser+及ADC值ROC曲线比较
Comparison of ROC curves of Kaiser score, Kaiser+, and ADC value
Kaiser评分、Kaiser+及ADC值ROC曲线比较
Comparison of ROC curves of Kaiser score, Kaiser+, and ADC value
| ADC值 | Kaiser评分 | Kaiser+ | P值① | P值② | P值③ | ||||
|---|---|---|---|---|---|---|---|---|---|
| AUC（95% CI） | SE | AUC（95% CI） | SE | AUC（95% CI） | SE | ||||
| 所有病变 | 0.584（0.497～0.672） | 0.045 | 0.882（0.833～0.932） | 0.026 | 0.884（0.834～0.933） | 0.025 | ＜0.001 | ＜0.001 | 0.885 |
| 肿块 | 0.668（0.568～0.768） | 0.038 | 0.938（0.895～0.980） | 0.020 | 0.944（0.883～0.978） | 0.020 | ＜0.001 | ＜0.001 | 0.445 |
| 非肿块 | 0.413（0.256～0.570） | 0.080 | 0.729（0.597～0.862） | 0.068 | 0.776（0.652～0.900） | 0.063 | 0.152 | 0.021 | 0.292 |
| BPE | |||||||||
| 1 | 0.583（0.233～0.880） | 0.186 | 0.889（0.518～0.997） | 0.089 | 0.944（0.586～0.990） | 0.079 | 0.195 | 0.049 | 0.480 |
| 2 | 0.714（0.537～0.854） | 0.074 | 0.884（0.731～0.967） | 0.048 | 0.844（0.681～0.944） | 0.065 | 0.023 | 0.175 | 0.145 |
| 3 | 0.515（0.396～0.633） | 0.048 | 0.889（0.795～0.950） | 0.036 | 0.902（0.811～0.959） | 0.036 | ＜0.001 | ＜0.001 | 0.297 |
| 4 | 0.556（0.405～0.699） | 0.083 | 0.792（0.650～0.895） | 0.067 | 0.804（0.664～0.905） | 0.074 | 0.013 | 0.029 | 0.668 |
注：ADC为表观扩散系数；ROC为受试者工作特征；AUC为ROC曲线下面积；CI为置信区间；SE为标准误；BPE为背景实质增强；BPE 1～4分别代表＜25%、25%～50%、51%～75%及＞75%的腺体组织强化。①为ADC vs.Kaiser评分；②为ADC vs.Kaiser+；③为Kaiser评分vs.Kaiser+。
对于所有病变，Kaiser评分与ADC值诊断一致性较差（Kappa=0.192,95% CI：0.039～0.345，P=0.013），Kaiser评分的准确度（124/165,75%）高于ADC值的准确度（90/165,55%），但差异无统计学意义（P＞0.05）。Kaiser评分的敏感度（65/67,97.0%）、特异度（59/98,60.2%）均高于ADC值的敏感度（53/67,79.1%）、特异度（37/98,37.8%），差异具有统计学意义（P＜0.001）。根据ROC曲线确定约登指数，确定Kaiser评分评估BI-RADS 4类病变良恶性的截断值为4，截断值对应的敏感度为97.0%（65/67），特异度为60.2%（59/98），阳性预测值为62.5%（65/104），阴性预测值为96.7%（59/61）。对于所有病变应用Kaiser评分可以减少不必要的活检。
本研究采用随机对照研究中的配对设计方法评估了Kaiser评分、ADC值和两者联合在乳腺BI-RADS 4类病变诊断中的效能，结果显示在乳腺BI-RADS 4类病变中，Kiser评分诊断效能高于ADC值，可以减少临床不必要的活检，联合应用Kaiser评分和ADC值并不能显著提高诊断效能。本研究为国内首次在BI-RADS 4类病变中同时应用Kaiser评分和ADC值，并对两者的诊断效能做出比较。
DWI是一种功能MRI技术，被广泛应用于评估乳腺病变，可以提高MRI的诊断准确性[10, 11, 12]，在临床上可以通过其定量参数ADC值评估组织中水分子的扩散程度[4,10]。在恶性病变中，由于肿瘤细胞增殖、细胞外空间受压，扩散受限，导致DWI信号增高，相应的ADC值降低。作为一种定量诊断工具，ADC值在初步评估乳腺病变良恶性方面表现良好，但ADC值容易受到病变成分及扫描参数的影响，并且对于那些表现为T2WI或DWI等信号、非肿块强化或存在广泛坏死的病变，测量其数值困难，导致其诊断效能下降，易出现假阴性结果；另外，某些病变如黏液癌，表现为ADC值升高，与良性病变相似，单独依靠ADC值容易误诊[13]。
Kaiser评分是Baltzer等[14]提出的一种病变分类算法，基于常规T2WI压脂序列及DCE-MRI序列，应用了五个独立的形态学及动态增强相关的特征，范围从1到11，提供了病变的恶性可能性，分数≤4时可以在很大程度上排除恶性，评分高则需要活检，评分结果不受设备参数及增强扫描期相影响[15]，易于推广。相对于BI-RADS系统仅做到使诊断报告标准化，Kaiser评分可以作为诊断依据辅助评估病变良恶性。Kaiser评分的诊断标准符合BI-RADS[16]，观察者间一致性良好，即使不同观察者的个人评分不同，但最终是否需要活检的最终结果是一致的，且重复性高[17, 18, 19]。Kaiser评分敏感性高，在高危女性中，采用4作为病变的阈值可以避免超过45% BI-RADS 4类的病灶进行不必要的活检[9]，并且可以对X线表现为可疑恶性的钙化进行风险分层，降低58.3%～65.3%不必要的定向活检[8]。Rong等[20]得出结论，对比增强乳腺X线摄影技术与Kaiser评分结合有助于诊断BI-RADS 4A类病变，可以避免75.8%～82.1%不必要的良性乳腺病变活检。王珊等[21]的研究表明，Kaiser评分对BI-RADS 4类非肿块样强化病变具有较高的敏感性和准确性，与本研究结果一致。对于BI-RADS 3-5类病变中性质不明确的病灶，Kaiser评分也可以辅助诊断，提高诊断准确性，避免45.2%～60.8%的活检[22]。
本研究结果显示，Kaiser评分对于BI-RADS 4类病变的诊断效能高于ADC值，而且Kaiser评分不受BPE影响，在每个亚组均表现出良好的鉴别能力。研究证实[23]，中重度BPE的女性患者DCE-MRI的敏感度低于轻微及轻度BPE的女性，高BPE可能会导致假阳性或假阴性[24]，且高BPE可能是乳腺癌的独立危险因素[25]。Kaiser评分与ADC值两者的结合较单独Kaiser评分诊断效能并未见显著提高。当Kaiser评分＜3时，对BI-RADS 4类病变的诊断未出现假阴性结果；当Kaiser评分＞9时，对BI-RADS 4类病变的诊断未出现假阳性结果。当评分取截断值4时，敏感度、特异度、阳性预测值、阴性预测值分别为97.0%、60.2%、62.5%、96.7%。对于肿块、非肿块强化病变，Kaiser评分诊断效能均高于ADC值，但诊断非强化病变的特异性较其他研究低[26]，这可能是由于本研究中非肿块病变较少，且多数为良性。Kaiser评分诊断的2例假阴性均为非肿块强化，均为导管原位癌，在评估Kaiser评分时TIC为流出型，被评价为4分，这是因为导管原位癌病灶区域基底膜周围有多少不等的新生血管，所以TIC形式多样，其中平台型最常见，且在导管原位癌诊断中TIC类型差异无统计学意义[27]。
本研究有一定的局限性：第一，由于乳腺病变早期筛查的普及，Kaiser评分为10、11分的病变较少，且由于选择偏倚导致本研究BI-RADS 4类病变恶性率（40.6%）高于文献报道[28]，阳性预测值会偏高，后续研究中将严格掌握研究对象的纳入与排除标准，增加样本量。第二，在测量ADC值时没有评估病灶的大小，病灶较小会导致ADC值测量不准确，最近的研究证实Kaiser评分可以用来评估小于5 mm的病灶[29]，这可能影响结果，后续研究可以将病灶按照大小进行分层分析。第三，在二维图像上勾画ROI忽略了病变异质性的影响，这可以通过使用ITK-SNAP软件进一步勾画三维容积ROI尽量避免。
综上所述，Kaiser评分对于BI-RADS 4类病变的诊断效能高于ADC值，有望降低不必要的穿刺活检率。与单纯的Kaiser评分相比，联合应用Kaiser评分和ADC值不能显著提高BI-RADS 4类病变的诊断效能。
Hebei Province Talent Training Project (No. A201901017).
全体作者均声明无利益冲突。
