吳祺，王卓
乳腺硬化性腺病(sclerosing adenosis，SA)是乳腺腺病的一種，是一種常見的女性非腫瘤性良性上皮增生性病變，雖然乳腺SA尚未被認為是一種癌前病變，但其存在可以增加患癌的風險，是雙側乳腺癌患病的獨立風險因素[1, 2, 3, 4]。與乳腺癌病理基礎不同，乳腺SA小葉膨大且結構保留，界限清楚，小葉中心腺體成分增生伴有基質硬化[1]，仍存在外周肌上皮細胞層以及上皮細胞。該病病因至今尚未明確，普遍認為與激素不平衡有關。患病年齡分佈範圍廣(22～73歲)，主要集中在圍絕經期年齡段[5, 6, 7, 8]。大部分為無症狀患者透過體檢發現，偶因乳房脹痛和/或乳房腫塊就診。
乳腺SA常伴隨良惡性腫瘤出現，其影像學表現會出現類似惡性腫瘤的徵象，故而增加了放射科醫師診斷的難度。為減少患者因誤診或過度診斷而造成的不必要損失，充分了解該疾病影像學表現非常重要，本文將從多種影像學技術在乳腺SA的影像學表現及應用方面進行綜述。
1 X線攝影
1.1 乳腺SA的X線攝影及影響因素
X線攝影(mammography，MG)適用於40歲以上女性乳腺患者的篩查，在顯示SA患者中會出現的微小鈣化、結構扭曲檢出方面有突出優勢。常規MG一般採取雙側乳房的頭尾位和內外斜位進行投照，必要時可加攝區域性放大點壓片。應用於乳腺疾病診斷的MG技術還包括增強X線攝影(contrast-enhanced mammography，CEM)、基於光柵的相位對比成像乳腺攝影術(grating-based phase-contrast mammography)、對比增強斷層掃描(contrast-enhanced tomography，CET)、數字乳腺斷層合成(digital breast tomosynthesis，DBT)。MG在中國女性SA診斷中的誤診率較高(17.9%～85.1%不等)[5,7，8]，學者們普遍認為與SA患者較年輕、東方女性乳腺纖維腺體組織更緻密有關，此外，影像醫生經驗不足，對病灶中心密度高低、周圍毛刺形態的認識不夠以及SA大多表現為可疑鈣化均會造成誤診為惡性病變[5，6,8]。
1.2 乳腺SA的MG表現
乳腺SA的X線表現複雜多變，容易與乳腺惡性病變混淆。Chen等[6]在對136例SA患者的乳腺X線表現進行的大樣本研究中，SA表現的微鈣化主要以點狀成簇分佈為主，腫塊伴鈣化更常見於SA中。國內學者研究普遍認為，乳腺SA鈣化多表現為細小多形性區域性分佈，或鈣化稍鬆散成簇分佈，一般不會出現線性鈣化，這些特徵有助於SA診斷並與非硬化性腺病及導管原位癌進行鑑別；SA表現為結構扭曲，其病灶中心未見異常增高密度影，又稱病灶中心透X線(黑星)，而惡性病變的多為不透X線(白星)[7,10]。汪俐杉等[8]認為MG表現結構扭曲時，乳腺癌病變中心組織成分為癌細胞，部分伴出血壞死，表現為病灶中心稍高/高密度(即白星)，SA病理基礎是正常腺體發生結構扭曲變形，中心無腫塊，MG病灶中心表現稍低/低密度(即黑星)；SA病灶周圍毛刺柔軟細長,粗細較均勻,病理基礎為纖維組織增生,乳腺癌毛刺僵硬、由粗到細,病理基礎是毛刺從根部到遠端腫瘤細胞逐漸減少甚至消失且纖維組織成分逐漸增加，其中伴有少量炎性細胞浸潤,故SA病灶中心為稍低和/或低密度、病灶周圍毛刺柔軟細長、粗細較均勻可與乳腺癌進行鑑別。由此可見，當出現微鈣化表現點狀成簇分佈，鈣化為細小多行區域分佈或鬆散成簇分佈，結構扭曲中心灶稍低/低密度“黑星”，病灶周邊出現細長粗細均勻的毛刺可考慮SA。
近期Tan等[11]提出簇狀微鈣化和乳腺密度變化可作為早期評估浸潤性乳腺癌患病風險的影像指標。雖然現有研究認為SA的乳腺X線表現可根據鈣化的分佈、腫塊的大小、邊緣及形狀與惡性病變進行區分，但診斷準確率仍偏低，誤診率高，需要更充分認識和尋找SA的X線特徵性表現，必要時使用DBT或增強X線或結合其他方法提高診斷準確率。
國外學者研究認為CEM和基於光柵的相位對比成像乳腺攝影術對疑似惡性[乳腺影像報告和資料系統4類(Breast Imaging Reporting and Data System 4，BI-RADS 4)]的微鈣化診斷鑑別更有優勢[12，13]；DBT在緻密型乳腺患者的病變檢出較常規MG有明顯優勢，特別在微鈣化的良惡性鑑別，以及小結節是否浸潤有著很好的診斷效能[14，15]；DBT對乳腺結構扭曲的檢出率高於常規MG和超聲，有利於鑑別良惡性結構扭曲，在惡性結構扭曲的檢出中更有優勢，其中良性結構扭曲(已納入SA)多為對稱或輪輻毛刺狀[16, 17, 18]。目前國內外學者利用CEM、CET、DBT多進行乳腺良惡性鑑別方面的研究，尚缺乏有關乳腺SA的CEM、CET、DBT影像學表現方面的大樣本研究報道。
2 超聲
2.1 乳腺SA的US成像及影響因素
超聲(ultrasound，US)因其無創、成本低、等待時間短且無輻射已成為篩查乳腺疾病的最重要的工具之一。檢查體位採取平臥位或側臥位，患者雙手抱頭，充分暴露腋窩及乳房，檢查醫師依據乳腺檢查常規順序對各個象限進行多方位掃查，並根據患者病史對重點部位仔細掃查。應用於SA診斷的除常規US外還包括增強超聲、彈性成像技術(elastography)、自動乳腺全容積成像技術(automated breast volume scanner，ABVS)等。常規US在顯示結構扭曲及鈣化方面雖然不如MG，但在年輕患者或乳腺纖維腺體緻密的情況下，高頻率和高解析度的US要優於MG對乳腺的評估。傳統US主觀性強，依賴操作者的經驗。近期Shao等[19]對增強US與常規US在乳腺SA中的診斷效能進行了比較，增強US的敏感度、特異度和準確度均高於常規US，敏感度甚至高達100%，增強US有助於提高SA的檢出率。Elastography可以測量乳腺病變的硬度，並提供剪下波速度(shear wave velocity，SWV)等定量資訊鑑別良惡性病變。ABVS是一種新的三維容積US成像技術，可獲取三維影象並具有可重複性。文歡等[20]研究表明，ABVS更有利於顯示微型鈣化，聯合US比單獨US對乳腺良惡性疾病的診斷效能要高，且優於US和MG的聯合診斷效能。
2.2 乳腺SA的US表現
尋找乳腺SA超聲的特異性表現對其與其他疾病特別是惡性腫瘤的鑑別診斷尤為重要。多數學者研究認為SA超聲主要表現為良性腫塊病變，也可出現形狀不規則和邊界不清，部分腫塊邊緣呈毛刺狀，這正是容易與惡性病變混淆的表現[21]；由於乳腺SA病灶內的纖維增生和惡性腫瘤在細胞惡變過程產生的膠原纖維都會導致回聲衰減，區域性回聲衰減是否為乳腺SA的特異性表現仍有爭議[8]。姚潔潔等[22]將35例女性乳腺SA的US表現分為類似惡性腫塊特徵型、良性結節特徵型(圓形或橢圓形腫塊，呈低迴聲，水平位生長，邊界清晰，邊緣規則，後方回聲無改變或輕度增強)和腺體結構紊亂三種類型，其中良性結節特徵型診斷SA的診斷準確率最高(達93%)，缺乏血供這一特徵最具鑑別診斷價值(準確率達100%)。
Liu等[23]研究指出，在結合彈性成像評分後，病變腫塊內鈣化少見和病灶無血運的SA特徵可以用來與浸潤性導管癌鑑別。Toprak等[24]對180名乳腺患者進行的US彈性成像研究指出，酷似惡性病變的疾病(肉芽腫性乳腺炎、SA、慢性炎症、脂肪壞死、纖維化乳腺組織和疤痕組織等良性病變)的SWV值與惡性病變的SWV值一樣高，推測原因是這些良性病變組織硬度接近惡性病變，而SWV值是利用彈性成像技術測量組織聲波速度(組織硬度)因而造成重疊。Shao等[19]研究認為，良性病變組(單純性SA和伴或不伴良性腫瘤的SA)的增強US主要表現為早期明顯不均勻強化，邊界清晰以及強化範圍無擴大，認為這與SA早期階段新生血管及伴發的上皮細胞增生活躍有關；惡性組(SA伴惡性病變)超聲表現中強化範圍擴大以及會出現蟹爪樣增強訊號(與惡性腫瘤及血管畸形有關)是與良性組的主要鑑別點(P值分別為0.012，0.008)。ABVS乳腺SA相關文獻資訊較少，有待研究資料的積累。
乳腺SA雖無典型的US表現，但當出現腫塊規則，邊界清楚，腫塊內部乏血供及少見鈣化，增強US出現早期明顯不均勻強化，邊界清晰及強化範圍無擴大時可考慮SA，必要時可參考SWV值，更多特異性表現需進一步研究。
3 磁共振成像
3.1 乳腺SA的MR成像及影響因素
MRI檢查時患者俯臥於專用的乳腺相控陣表面線圈上，雙側乳房自然懸垂於線圈內，雙側乳頭與地面垂直。MRI主要採用高場強(1.5 T或3.0 T)系統，常規需要進行平掃和動態增強掃描，必要時增加擴散加權成像(diffusion weighted imaging，DWI)，獲得半定量和定量血流動力學以及細胞彌散指標，包括時間訊號曲線(time-signal intensity curve，TIC)、轉移常數(transfer constant，Ktrans)、速率常數(rate constant，Kep)、血管外細胞間隙容積(volume of extravascular extracellular space，Ve)以及表觀擴散係數(apparent diffusion coefficient，ADC)值。
乳腺是一個激素敏感的軟組織器官，因此乳腺MRI受年齡、生理週期、掃描體位及脂肪抑制等多種因素的影響。一般絕經前期女性在月經週期的第7～14天進行檢查有利於病變檢出和診斷，激素水平相關的乳腺實質局灶性強化有時會與乳腺惡性病變在形態上難以鑑別，在進行MR檢查前需避開月經週期的影響。抑制脂肪技術也對乳腺MR成像及SA診斷尤為重要，目前經常採用化學位移(chemical shift，CEST)、短時反轉恢復(short time inversion recovery，STIR)、頻率選擇性脂肪飽和(frequency-selective fat saturation，fatsat)、水選擇性激發(water-selective excitation)、水脂分離技術(Dixon technique)等技術進行脂肪抑制[25]。
3.2 乳腺SA的MR表現
乳腺SA常規MR影象上T1WI多為低訊號，T2WI多為不均勻或高訊號；增強後呈現以腫塊或非腫塊強化為主[3,8]，內部強化方式以均勻性強化為主，當出現形態不規則、邊緣毛糙不清、鄰近腺體結構紊亂、呈星芒狀腫塊樣改變時容易與乳腺癌混淆[5,8,26,27]；TIC多為Ⅰ型(緩升型)或Ⅱ型(平臺型)[7, 8, 9]。現有研究認為，增強MR上非腫塊強化出現局灶性或節段性分佈，腫塊強化出現形狀不規則、邊緣不清、強化不均勻、腫塊≥1 cm，TIC早期快速增強呈Ⅲ型(流出型)或Ⅱ型時，為可疑乳腺癌特徵[28]。Oztekin等[29]研究認為結節性SA的MR表現常為腫塊強化，出現類似惡性病變特徵，是SA中最易與乳腺癌混淆的一種亞型。因此，當SA出現類似惡性病變表現時，單純依靠常規MR表現難以得出可靠診斷。
Fornasa等[30]透過對43例良性乳腺疾病(包括腺病、纖維囊病、纖維腺瘤及炎症等)進行DWI的ADC值測量，認為DWI有助於鑑別乳腺良惡性病變。Cheng等[31]研究了腺病與浸潤性導管癌的腫塊和非腫塊強化病變的平均ADC值間的差異，其中腺病腫塊強化和非腫塊強化病灶的ADC值分別為(1.40±0.31)×10-3 mm2/s和(1.71±0.35)×10-3 mm2/s；浸潤性導管癌腫塊強化和非腫塊強化病灶的ADC值分別為(0.97±0.18)×10-3 mm2/s和(1.05±0.29)×10-3 mm2/s，認為ADC值有助於腺病與浸潤性導管癌的鑑別，同時提示在鑑別良惡性病變時應考慮病變形態對ADC值的影響。DWI的ADC值對鑑別乳腺良惡性疾病有明確意義，對SA的診斷無特異性，SA常合併良惡性腫瘤，但在診斷困難時可參考ADC值有助於鑑別。
朱丹等[26]認為混合型乳腺腺病(已納入SA)的TIC曲線早期均快速強化，晚期以流出型為主，動態增強聯合DWI有助於乳腺腺病與浸潤性導管癌的鑑別診斷，並認為乳腺腺病的間質纖維化可能是惡性徵象出現的原因。李豔翠等[7]研究認為T2WI序列訊號不均勻、增強掃描呈星芒狀小腫塊、DWI影象輕度或無彌散受限以及ADC值(≥1.0×10-3 mm2/s)減低不明顯時應考慮SA的診斷。有研究表明，非腫塊強化良性病變(納入腺病)多表現內部均勻強化、脂肪抑制T2WI高訊號以及TIC曲線多為Ⅰ型，且均與惡性病變表現(內部不均勻強化、T2WI低訊號以及TIC曲線Ⅲ型)之間差別有統計學意義[27]。汪俐彬等[8]認為當MRI表現中心低訊號的局灶強化、橫斷面與矢狀面病灶形態有較大差異、Ⅰ型曲線、ADC值≥1.25×10-3 mm2/s時可以考慮SA的診斷。目前多數學者認為，SA的TIC曲線多見於Ⅰ型或者Ⅱ型，聯合ADC值有助於提高SA的診斷效能[7, 8, 9,26,27]。
4 人工智慧及其他在乳腺SA影像診斷中的應用
人工智慧輔助診斷系統近十幾年比較熱門，其中深度學習更是給醫學界帶來了巨大的進步，深度學習是受人類大腦結構和功能啟發而出現的一種學習機器，它利用包含多個隱藏處理層次的人工神經網路透過複雜的等級結構從未處理資訊去學習固定模式，在大量資料庫和連續重複操作的訓練後，透過改善連線輸入與輸出資料之間的演算法來提高自己。目前，僅有部分學者在乳腺良惡性疾病鑑別診斷時納入SA進行了超聲、X線和MR方面相關研究。Wang等[32]的最新研究指出DBT結合多路徑協同融合(multi-path synergic fusion，MSF)深層神經網路模型有助於鑑別乳腺良惡性腫塊。Xiao等[33]和Choi等[34]等分別透過對448名經病理證實患乳腺病變(218例惡性、230例良性)和226名患者(173例良性，53例惡性)的研究認為，基於深度學習的輔助超聲診斷系統比有經驗的放射科醫師的診斷正確率更高，特別是對於纖維腺瘤和腺病，尤其是SA診斷準確率明顯提高。國外學者在大樣本(5151名乳腺患者)研究中獲得結論，深度學習結合超聲影象可以準確區分乳腺良惡性病變，對良性腫瘤敏感度和特異度更高[35]。Han等[36]研究了178例乳腺癌患者對側BI-RADS 4類乳腺病變，其中81例良性病變中45例為單純腺病，10例為SA，認為基於MRI放射組學的機器學習模型可以提高對側BI-RADS 4類病變評估的準確率。近年有國外學者對結節性SA在分子乳腺成像(molecular breast imaging，MBI)方面進行了病例報告，結節性SA可以表現為局灶性攝取，MBI在乳腺SA中的診斷價值有待進一步研究[37]。
5 小結
綜上所述，目前應用於乳腺SA疾病診斷中的影像技術主要是MG、US和MRI，雖然各種影像學表現多種多樣且無特異性，且與惡性病變有混淆表現，但仍有部分影像徵象可有助於SA的診斷，聯合診斷可以提高SA診斷的準確率，人工智在乳腺SA方面的應用價值和前景有待進一步開發和探索。
該專案受到遼寧省科學技術計劃自然基金指導專案（2019-ZD-0907）大連醫科大學校級教學改革研究一般專案（DYLX21036）的資助。
利益衝突全部作者均宣告無利益衝突。
參考文獻略。
【吳祺,王卓,康建蘊,等.乳腺硬化性腺病的影像學表現及其研究進展[J].磁共振成像, 2021,12(10):101-104.
DOI:10.12015/issn.1674-8034.2021.10.026.】
