Article Info

近年来，乳腺癌发病人数大幅增加，成为女性最好发的恶性肿瘤，对女性生理、心理造成极大影响[1]。早诊治，对患者生存及预后产生积极效果。目前，乳腺癌常规影像检查主要包括超声成像、钼靶X线摄影和乳腺磁共振成像（Magnetic Resonance Imaging，MRI），相较于其他两项检查，MRI软组织分辨率高，可多方位、多序列成像，无电离辐射，可行动态增强扫描，打破了单一形态学的疾病诊断模式，可以对疾病进行定量、定性分析，提供更加精准的诊断信息以评估治疗效果及提示预后，并且，随着MRI新技术的不断优化以及乳腺专用磁共振设备、影像组学的不断发展，将为乳腺疾病提供更多有价值的信息。

1 常规乳腺MRI

1.1 乳腺MRI技术基本要求

（1）磁场和线圈：推荐1.5T及以上的MRI设备，采用乳腺专用线圈。线圈有两种：一种是封闭式；一种是开放式，开放式线圈配合配置的固定板（有标尺和刻度），允许MRI定位引导下的乳腺穿刺活检及治疗。随着磁场与线圈的不断改进，静音技术、运动伪影消除技术得以实现，图像的信噪比得到较好保障。

（2）扫描体位：俯卧位，双侧乳房悬垂于乳腺线圈内，乳头与地面垂直，胸骨中线与线圈中线平齐。

（3）扫描序列及参数：行T1WI非脂肪抑制序列、T2WI脂肪抑制序列、动态增强T1WI脂肪抑制序列、扩散加权成像序列等扫描。增强扫描造影剂用Gd-DTPA，剂量0.1～0.2 mmol/kg，增强后的5 min内至少连续采集5组动态图像。

（4）图像后处理：采集到图像传输至后处理工作站，可得到一系列定量参数。

1.2 乳腺MRI序列和参数优化

1.2.1 乳腺MRI平扫

乳腺MRI平扫一般安排在月经周期第2周[2]，行T1WI、T2WI扫描，常用序列为自旋回波（SE）序列、快速自旋回波（FSE）及梯度回波（GRE）序列，SE序列是临床最早采用的序列，由于其操作时间久，已逐渐被淘汰。FSE是多次连续180°脉冲所产生的回波填充一个K空间而形成的图像，大幅加快扫描速度及扩大扫描区域。FSEXL是FSE序列的升级版，使得扫描层数增加，扫描范围进一步扩大。FSE-XL T1WI序列对皮下及腺体内脂肪、乳房悬韧带、乳后间隙显影良好。FSE-XL T2WI序列可以全面观察病变，当病变合并坏死囊变、导管扩张时，更具优势，也可评估腋窝是否存在淋巴结肿大及胸壁受累。脂肪抑制至关重要，脂肪抑制序列包括反转恢复法（STIR）、频率选择法（SPIR和SPAIR）和水脂分离法（DIXON）等，STIR扫描范围广，但组织特异性差，操作长；SPIR对磁场变化敏感，SPAIR对病变边缘压脂效果差；DIXON技术可完成MRI水脂分离，同时获得4幅相位图像，在水相图像上得到精准的脂肪抑制，因此，越来越多的应用于临床。

1.2.2 乳腺动态增强扫描

乳腺动态增强（Dynamic Contrast-Enhanced Magnetic Resonance Imaging，DCE-MRI）是对病变形态学、血流动力学特性成像的技术，反映病变的微循环、血流灌注和血管通透性等情况。当前乳腺DCE-MRI序列多采用FLASH-3D，可多角度重建，空间分辨率提高，但时间分辨率有待提高，该序列采用SPECIAL（Spectral Inversion Pulse）抑脂，效果亦不理想。GE公司推出的Vibrant序列是一种利用层面重叠技术，对双侧乳腺进行匀场，同时成像的技术，大大降低了扫描时间，弥补了FLASH-3D序列时间分辨率较低的不足 [3]。并行采集技术、水脂分离压脂技术及时间分辨交叉随机轨迹成像三种技术的容积插入法屏气扫描检查，加快了扫描速度，利用水脂分离压脂技术也可得到良好的抑脂图像[4]。

DCE-MRI可利用半定量、定量参数反映病灶的新生血管方面信息。半定量参数主要包括时间-信号强度曲线（Time-Signal Intensity Curve，TIC）、早期强化率、达峰时间等。TIC分为3型[5]：I型为流入型，逐渐强化，中后期信号升高多于10%，多考虑良性疾病；Ⅱ型为平台型，早期信号显著强化，中后期信号在峰值上下10%的范围内波动，疾病良恶性较难确定；Ⅲ型为流出型，早期信号升高，中后期信号较峰值减少多于10%，多倾向恶性病变。Sherif等[6]研究表明乳腺癌边缘呈TIC Ⅲ型曲线有一定特异性。TIC曲线类型预测化疗有效的灵敏度、特异度分别为 66.7%、100%[7]。

常用定量参数：细胞外血管外间隙容积（Ve）、容量转移常数（Ktrans）、速率常数（Kep）等定量参数，这三个参数的关系：Kep=Ktrans/Ve。常用经典Tofts“两室”模型、“参考区域”模型、“快速交换”模型推算这三个参数值。“两室”模型操作简单，但误差较大，“参考区域”模型、“快速交换”模型等“多室”模型更能反映实际情况，不过操作较繁琐。Ktrans、Kep值越高，肿瘤恶性程度越高，Ve值在良恶性病变间存在一定交叉。这些参数与TIC类型可对乳腺肿瘤良恶性、肿瘤分期做出定性分析，准确率更高[8-9]。

1.2.3 弥散加权成像

弥散加权成像（Diffusion-Weighted Imaging，DWI）是可量化人体内水分子扩散受限程度的影像技术，揭示微观水平人体组织的水分子功能状态及生理特性。当前乳腺DWI多利用EPI技术，扫描时间短，但是伪影较重。小视野（reduced Field of View，rFOV）DWI是采用2D射频激励脉冲来选择激励范围降低K空间填充线，缩短检查时间及尽可能避免伪影的出现。以敏感度编码（Sensitivity Encoding Technique，SENSE）技术利用多线圈并行采集，加大了K空间采样距离，增加了图像的清晰度，降低了伪影对图像的影响。b值代表扩散梯度的程度，在乳腺DWI成像时，b值多取500～1000 s/mm2[10]。表观弥散系数（Apparent Diffusion Coef ficient，ADC）可衡量这一运动，ADC值与组织内水分子扩散呈负相关。由于恶性病变新生血管丰富、细胞密度高，制约了恶性病变内水分子的扩散，使恶性病变的ADC值显著低于良性病变，因此乳腺癌ADC值低。调查显示，DWI对乳腺癌定性诊断敏感度大约为90%[11]。陆从容等[12]研究证明乳腺癌的病理分级与ADC值负线性关系。此外，化学治疗能破坏肿瘤细胞膜连续性，使得其通透性增大，细胞间隙加宽，ADC值随之升高，并且发生于病变体积改变之前，说明化疗后ADC值变化是早期评估化疗效果的指标之一[13]。

常用DWI采用单指数模型，准确性存在争议。eDWI技术引进如体素内不相干运动扩散成像（Intravoxel Incoherent Motion Imaging，IVIM）、扩散峰度成像（Diffusion Kurtosis Imaging，DKI）等双指数模型[14]，更加准确量化病变血流灌注的情况，更能揭示病变真实情况，在乳腺病变病理分期、分级方面具有一定优势[15]。背景抑制磁共振全身弥散技术（Diffusion Weighted Body Imaging Sequence，DWIBS）是采用STIR技术全身轴位扫描，得到全身背景抑制图像，又名类PET。DWIBS在乳腺癌方面应用较少，可帮助临床确定是否出现全身骨及淋巴结转移。另外，扩散张量成像（Diffusion Tensor Imaging，DTI）可获取组织的全部扩散特特征，对微小病变更加敏感，在乳腺肿瘤诊断、鉴别诊断、观察疗效方面优势明显，将越来越广泛应用于乳腺疾病各个方面。

1.2.4 磁共振灌注成像

磁共振灌注成像（Perfusion-Weighted Imaging，PWI）是利用对比剂首流经血管时组织信号的变化来显示微循环灌注情况。乳腺PWI最早采用的是GRE序列，但其刚开始扫描时速度很慢，现在多采用EPI序列进行乳腺PWI成像，提高了扫描速度，可以得到完整的乳腺病变信息。但EPI较GRE噪声增大，且伪影较重。PWI可分为外源性和内源性，外源性研究方法包括T2*首过灌注成像和T1加权灌注成像，以T2*首过灌注成像研究最多。T2*首过灌注成像通过对比剂首通过组织血管时，质子失相位，使得组织T2*加权信号下降。有研究表明，T2*首过灌注成像有助于乳腺癌鉴别诊断，恶性病变新生血管增多且血管壁通透性高[16]，所以对比剂短时间内大量外渗，使得病变信号大幅下降，若超过20%，高度提示恶性肿瘤可能。更有资料显示[17]，最大信号强度下降率与微血管密度及血管内皮生长因子线性相关，因此最大信号强度下降率可提示肿瘤血管生成信息。内源性研究方法为动脉自旋标记法，脉冲序列激励流经自身的血液质子，不借助外源性造影剂，但检查周期长，图像质量欠佳，在乳腺病变方面尚未得到推广。

1.2.5 磁共振波谱成像

磁共振波谱成像（Magnetic Resonance Spectroscopy，MRS）是借助磁共振化学位移来揭示组织分子水平代谢变化的功能成像方法，可通过多种原子核成像，质子波谱（1HMRS）临床常用。lH-MRS上较高的胆碱峰一般代表恶性病变，且恶性病变的胆碱含量与病理分级呈线性关系，极少数的良性病变也会出现胆碱峰，但含量一般低于1.5 mmol/L[18]。乳腺正常细胞向异常细胞转化过程中，胆碱激酶以及磷脂C活性增加，致使细胞膜分解，胆碱类物质增多，在3.2 ppm可见胆碱共振峰，其诊断乳腺癌的敏感性为70%～100%[19]。目前使用的MRS技术属于一种单体素技术，syngo GRACE是一种高级的体素MRS成像技术，可一键测量乳腺内总胆碱含量，提高乳腺肿瘤诊断准确性[20]。

磁共振弹性成像（Magnetic Resonance Elastography，MRE）是一种定量预估人体组织弹性的成像方式，可捕获由应变声波引起的规律性微小位移信号，统计应变波波长变化，得到一系列弹性常数。利用MRE成像，可见乳腺肿瘤内胆碱、磷酯类物质含量显著增加。但是当前MRS成像技术受到各方面限制，比如：磁场强度、病变体积等，目前尚未单独用于对乳腺癌的诊断，需要进一步改良、升级，可与MRI其他技术结合使用。

敏感加权成像（Susceptibility Weighted Imaging，SWI）是基于组织间的磁敏感性的特性，提高组织间对比度的成像方法，利用梯度回波序列成像，得到磁距图像、相位图像，二者解剖部位相互对应，有利于观察病灶中的静脉走形、出血灶及矿物质等，广泛应用于各类血管性疾病，尤以神经系统为著[21]。近年来，SWI在乳腺、骨肌病变应用有了一定进展，可以清晰显示常规MRI难以显示乳腺病灶内的钙化，弥补了常规MRI对钙化不敏感的缺陷，并可确定病灶引流静脉，为乳腺癌的诊断及临床治疗提供了助力。

磁共振乳腺导管成像是一种无创导管成像方法，扩张导管呈分支状高信号，导管内若出现充盈缺损，则提示病灶存在，在乳腺癌和导管内乳头状瘤方面得到推广使用。钠磁共振成像是一种新型MRI技术，大多恶性肿瘤细胞内钠含量大幅升高。细胞内钠含量降低可作为化疗有效的早期指标[22-23]。借助BOLD-MRI、化学交换饱和转移成像可了解乳腺癌分子水平代谢情况，对乳腺病变良恶性鉴别、早期疗效评估有一定意义[24]。

2 乳腺专用磁共振成像设备

乳腺专用磁共振成像（Dedicated Breast Magnetic Resonance Imaging，DB-MRI）是乳腺检查专用MRI设备，采用匀磁线圈、活检线圈，降低磁场不均匀对图像清晰度的影响，同时，便于穿刺活检及后续治疗；采用Spiral Rodeo脉冲序列，减少伪影产生，得到最优化的图像；采用螺旋采样、三维重建系统，扫描速度更快，层厚更薄（最薄约0.7 mm），扫描范围更广，有利于发现小病灶，也可对乳腺、胸壁、腋窝全面观察。后处理工作站可得到最大密度投影图像、减影图像、伪彩图像，勾画感兴趣区绘制时间-信号强度曲线。DBMRI平扫为单一T1WI序列，病变多呈稍低信号，减影像上多伴有瘤周水肿，环状强化或非均匀强化且TIC曲线为III型的病变倾向恶性。Hillman等[25]研究证明其诊断敏感度为92%，特异度分别为88.8%。但是DBMRI缺乏T2WI、DWI序列，在乳腺病变的应用方面受到一定限制，有待进一步解决。

3 乳腺MRI影像组学

影像组学可从高通量的医学影像数据中获取大量具有特征性的影像参数，进而揭示影像特征与疾病二者之间的关联。影像组学分为图像采集、病灶分割、特征提取、数据库建立、数据分析等5部分[26]。病灶分割是整个操作系统的基础，多通过手动、半自动进行。特征提取是影像组学的核心，通过一阶、二阶或高阶的统计方法得出一系列特征参数，对病变进行定性、定量处理。近年来，影像组学成为研究热点，可获取较传统影像学更多、更可信的信息，在疾病准确诊断、预估疗效及生存期等方面成果斐然。相对于正常乳腺组织，病变的纹理特征会发生改变，纹理分析（Texture Analysis，TA）可捕捉到这一变化，有助于乳腺小癌病灶的检出[27]。调查结果显示[28]，纹理参数熵对于乳腺病变定性诊断、分期、分型有较大价值。从T2WI中获取的参数与乳腺癌Ki-67有良好的相关性[29]。MRI纹理分析对比度和方差差异等参数，可预估乳腺癌对化疗的反应，进而指导临床治疗。基于DCE-MRI图像纹理参数值越低，提示患者预后越差，复发可能性越大。放射基因组学将影像表型与临床和遗传信息整合，并且三者之间显示出良好的一致性，可为乳腺病变提供更加全面、精准的信息[30]。不过，影像组学尚存在一些技术上的不足，有待进一步优化，随着影像组学的深入研究，其将在临床及科研领域充当重要角色。

4 展望

综上所述，MRI作为一种多方位、多序列的成像方法以及新技术的不断发展，相较于钼靶X线、超声在乳腺癌检出、定性诊断、预测及评估NAC疗效、预后等方面优势显著。但是当前乳腺MRI尚存在一些技术上的不足，亟需解决，相信随着MRI技术的不断升级、改良，前景广阔，将为精准医疗、科学研究保驾护航。

[1] Fan L,Strasserweippl K,Li JJ,et al.Breast cancer in China[J].Lancet Oncol,2014,15(7):e279-e289.

[2] Scaranelo A.Breast screening with magnetic resonance imaging[J].CMAJ,2012,184:E877.

[3] 何晖,张忠林,梁长虹,等.Vibrant技术在双侧乳腺磁共振动态增强中的应用初探[J].广东医学,2005,26(11):1556-1557.

[4] 胡益祺,艾涛,李嫣,等.基于CAIPIRINHA-Dixon-TWIST-VIBE技术动态增强MRI对乳腺病变的定量参数分析[J].影像诊断与介入放射学,2016,25(2):98-101.

[5] Kuhl CK,Schild HH.Dynamic image interpretation of MRI of the breast[J].JMRI,2000,12(6):965-974.

[6] Sherif H,Mahfouz AE,Oellinger H,et al.Peripheral washout sign on contrast-enhanced MR images of the breast[J].Radiology,1997,205(1):209-213.

[7] AhSee ML,Makris A,Taylor NJ,et al.Early changes in functional dynamic magnetic resonance imaging predict for pathologic response to neoadjuvant chemotherapy in primary breast cancer[J].Clin Cancer Res,2008,14(20):6580-6589.

[8] Kostopoulos SA,Vassiou KG,Lavdas EN,et al.Computer-based automated estimation of breast vascularity and correlation with breast cancer in DCE-MRI images[J].Magn Reson Imaging,2017,35:39-45.

[9] Chang RF,Chen HH,Chang YC,et al.Quantification of breast tumor heterogeneity for ER status, HER2 status, and TN molecular subtype evaluation on DCE-MRI[J].Magn Reson Imaging,2016,34(6):809-819.

[10] Friedman PD,Swaminathan SV,Smith R.SENSE imaging of the breast[J].Ajr Am J Roentg,2005,184(2):448-451.

[11] Lo GG,Ai V,Chan JKF,et al.Diffusion-weighted magnetic resonance imaging of breast lesions: First experiences at 3T[J].J Comp Ass Tom,2009,33(1):63-69.

[12] 陆从容,李青春,吴晓东,等.乳腺癌病理分级与MR DWI的表观扩散系数间的关联性分析[J].中南医学科学杂志,2015,13(3):293-295.

[13] Partridge SC,Nissan N,Rahbar H,et al.Diffusion-weighted breast MRI: Clinical applications and emerging techniques[J].Magn Reson Imaging,2017,45(2):337-355.

[14] 高燕,王培军.乳腺癌MRI诊断进展[J].中国医学影像技术,2018,34(2):306-309.

[15] Cho GY,Moy L,Kim SG,et al.Evaluation of breast cancer using intravoxel incoherent motion (IVIM) histogram analysis: comparison with malignant status, histological subtype, and molecular prognostic factors[J].Eur Radiol,2016,26(8):2547-2558.

[16] 黄智亮.磁共振影像在乳腺疾病诊断中的主要应用[J].实用医技杂志,2016,23(7):720-722.

[17] Liu Y,Tamimi RM,Collins LC,et al.The association between vascular endothelial growth factor expression in invasive breast cancer and survival varies with intrinsic subtypes and use of adjuvant systemic therapy:results from the nurses' health study[J].Breast Cancer Res Treat,2011,129(1):175-184.

[18] Bathen TF,Heldahl MG,Sitter B,et al.In vivo mrs of locally advanced breast cancer: characteristics related to negative or positive choline detection and early monitoring of treatment response[J].MAGMA,2011,24(6):347-357.

[19] Bartella L,Morris EA,Dershaw DD,et al.Proton MR spectroscopy with choline peak as malignancy marker improves positive predictive value for breast cancer diagnosis:Preliminary study[J].Radiology,2006,239(3):686-692.

[20] 孙治国.西门子磁共振技术在乳腺疾病诊断中的应用[J].磁共振成像,2010,1(6):465-467.

[21] 周红,陈东.乳腺癌功能磁共振成像发展现状[J].中国临床医学影像杂志,2015,26(1):47-49.

[22] Zaric O,Pinker K,Zbyn S,et al.Quantitative Sodium MR imaging at 7T：Initial results and comparison with diffusionweighted imaging in patients with breast tumors[J].Radiology,2016,280(1):39-48．

[23] Jacobs MA,Stearns V,Wolff AC,et al.Multiparametric magnetic resonance imaging, spectroscopy and multinuclear (23Na)imaging monitoring of preoperative chemotherapy for locally advanced breast cancer[J].Acad Radiol,2010,17(12):1477-1485.

[24] Van der Kemp WJ,Stehouwer BL,Boer VO,et al.Proton and phosphorus magnetic resonance spectroscopy of the healthy human breast at 7 T[J].NMR Biom,2017,30(2):e3684.

[25] Hillman BJ,Harms SE,Stevens G,et al.Diagnostic performance of a dedicated 1.5T breast MR imaging system[J].Radiology,2012,265(1):51-58.

[26] Levy MA,Freymann JB,Kirby JS,et al.Informatics methods to enable sharing of quantitative imaging research data[J].Magn Reson Imaging,2012,30(9):1249-1256.

[27] Michoux N,Vand BS,Lacoste L,et al.Texture analysis on MR images helps predicting non-response to NAC in breast cancer[J].BMC Cancer,2015,15(1):574.

[28] Ma W,Zhao Y,Ji Y,et al.Breast cancer molecular subtype prediction by mammographic radiomic features[J].Acad Radiol,2019,26(2):196-201.

[29] Liang C,Cheng Z,Huang Y,et al.An MRI-based radiomics classifer for preoperative prediction of Ki-67 status in breast cancer[J].Acad Radiol,2018,25(9):1111-1117.

[30] Sala E,Mema E,Himoto Y,et al.Unravelling tumour heterogeneity using next-generation imaging: radiomics, radiogenomics, and habitat imaging[J].Clin Radiol,2017,72(1):3-10.