合成MRI联合扩散加权成像对乳腺良恶性病变的鉴别诊断价值

目的:评估合成MRI联合DWI在乳腺良恶性病变诊断中的价值。方法:前瞻性分析2019年7至9月在云南省肿瘤医院连续纳入的临床怀疑有乳腺病变的184例患者的资料。将所有患者随机分为训练组（110例）和验证组（74例），并在增强扫描前后均接受常规MRI和合成MRI扫描。在病灶的最大层面沿边缘勾画ROI，记作“tumor”，在肿瘤强化最明显的实性区域内勾画第2个ROI，记作“local”，并测量ADC值（ADC local和ADC tumor）和弛豫时间值（T local和T tumor）。以T和T +分别表示增强扫描前后的弛豫时间，ΔT%表示增强扫描前后弛豫时间的相对变化率。采用秩和检验分析良恶性乳腺病灶的定量参数，并将 P<0.05的变量纳入二元logositc回归分析中筛选独立变量并建立预测模型。使用ROC曲线下面积评估参数和模型的区分度。使用临床决策曲线（DCA）分析模型的临床适用性。 结果:训练组中，单因素分析显示T 1tumor值、T 1+tumor值、ΔT 1% tumor值、T 2local值、T 2+local值、T 2tumor值、T 2+tumor值、ADC local值、ADC tumor值在乳腺良恶性病变间差异具有统计学意义（ P<0.05）。多因素逻辑回归分析显示T 1+tumor、ΔT 1% tumor、T 2tumor、ADC local、ADC tumor是预测乳腺癌的独立变量。联合上述变量建立的弛豫时间模型（模型A：T 1+tumor、ΔT 1% tumor、T 2tumor）和ADC模型（模型B：ADC local、ADC tumor）诊断效能相当（曲线下面积分别为0.905、0.914， Z=-1.874， P=0.062），多参数组合模型（模型C：T 1+tumor、ΔT 1% tumor、T 2tumor、ADC local、ADC tumor）诊断效能最高（曲线下面积为0.965）。DCA分析显示当训练组预测概率为21%~99%，验证组为15%~99%时，模型C的净收益高于模型A和B。 结论:基于联合弛豫时间值和ADC值建立的多参数组合预测模型可以更高效地鉴别乳腺癌，并且基于该模型建立的列线图可以作为辅助诊断工具。