基于乳腺影像报告和数据系统的DWI和T2WI形态评估对乳腺病变的诊断价值

doi:10.12122/j.issn.1673-4254.2025.09.01

摘要/Abstract

摘要：

目的探讨单独及联合应用动态对比增强磁共振成像（DCE）、扩散加权成像（DWI）和T2加权成像（T2WI）的形态学特征对乳腺癌的诊断价值。方法回顾性分析394例行3.0T磁共振成像（MRI）检查并经病理学确诊的乳腺病变患者的影像资料。由经过培训的放射科医师分析DCE、DWI和T2WI病灶的形态学特征，对良恶性病变进行组间比较。采用Logistic回归分析构建乳腺癌临床预测模型，使用受试者工作特征曲线下面积（AUC）和DeLong检验比较诊断效能。结果对于肿块样病变，所有形态学特征在DCE、DWI和T2WI上均可区分良恶性病变（P<0.05）。联合诊断方法（DCE+DWI+T2WI）的AUC（0.865）高于单独诊断方法（DCE：0.786；DWI：0.793；T2WI：0.809）（P<0.05）。对于非肿块样病变，DWI信号强度是恶性病变的显著预测因子（P=0.036），但DWI诊断模型的AUC较低（0.669）。结论综合分析DCE、DWI和T2WI的形态学特征可提高乳腺肿块样病变的诊断效能。

关键词: 乳腺癌, 磁共振成像, 扩散加权成像, T2加权成像, 诊断准确性

Abstract:

Objective To qualitatively assess the diagnostic performance of dynamic contrast enhancement (DCE), diffusion-weighted imaging (DWI), and T2-weighted imaging (T2WI), alone or in combination, in the evaluation of breast cancer. Methods We retrospectively reviewed the records of 394 consecutive patients with pathologically confirmed breast lesions who had undergone 3-T magnetic resonance imaging (MRI). The morphological characteristics of breast lesions were evaluated using DCE, DWI, and T2WI based on BI-RADS lexicon descriptors by trained radiologists. Patients were categorized into mass and non-mass groups based on MRI characteristics of the lesions, and the differences between benign and malignant lesions in each group were compared. Clinical prediction models for breast cancer diagnosis were constructed using logistic regression analysis. Diagnostic efficacies were compared using the area under the receiver operating characteristic curve (AUC) and DeLong test. Results For mass-like lesions, all the morphological parameters significantly differentiated benign and malignant lesions on consensus DCE, DWI, and T2WI (P<0.05). The combined method (DCE+DWI+T2WI) had a higher AUC (0.865) than any of the individual modality (DCE: 0.786; DWI: 0.793; T2WI: 0.809) (P<0.05). For non-mass-like lesions, DWI signal intensity was a significant predictor of malignancy (P=0.036), but the model using DWI alone had a low AUC (0.669). Conclusion Morphological assessment using the combination of DCE, DWI, and T2WI provides better diagnostic value in differentiating benign and malignant breast mass-like lesions than assessment with only one of the modalities.

Key words: breast cancer, magnetic resonance imaging, diffusion-weighted imaging, T2-weighted imaging, diagnostic accuracy

张力莹, 张同贞, 赵鑫. 基于乳腺影像报告和数据系统的DWI和T2WI形态评估对乳腺病变的诊断价值[J]. 南方医科大学学报, 2025, 45(9): 1809-1817.

Liying ZHANG, Tongzhen ZHANG, Xin ZHAO. Diagnostic value of morphological features of breast lesions on DWI and T2WI assessed using Breast Imaging Reporting and Data System lexicon descriptors[J]. Journal of Southern Medical University, 2025, 45(9): 1809-1817.

图/表 10

参考文献 33

[1]	Barkhausen J, Bischof A, Haverstock D, et al. Diagnostic efficacy of contrast-enhanced breast MRI versus X-ray mammography in women with different degrees of breast density [J]. Acta Radiol, 2021, 62(5): 586-93. doi：10.1177/0284185120936271
[2]	Kim YE, Cha JH, Kim HH, et al. Analysis of false-negative findings of breast cancer on previous magnetic resonance imaging [J]. Acta Radiol, 2021, 62(6): 722-34. doi：10.1177/0284185120941830
[3]	Tsarouchi MI, Vlachopoulos GF, Karahaliou AN, et al. Multi-parametric MRI lesion heterogeneity biomarkers for breast cancer diagnosis [J]. Phys Med, 2020, 80: 101-10. doi：10.1016/j.ejmp.2020.10.007
[4]	Yamaguchi K, Nakazono T, Egashira R, et al. Maximum slope of ultrafast dynamic contrast-enhanced MRI of the breast: comparisons with prognostic factors of breast cancer [J]. Jpn J Radiol, 2021, 39(3): 246-53. doi：10.1007/s11604-020-01049-6
[5]	Sippo DA, Rutledge GM, Mercaldo SF, et al. Impact of background parenchymal enhancement on diagnostic performance in screening breast MRI [J]. Acad Radiol, 2020, 27(5): 663-71. doi：10.1016/j.acra.2019.06.020
[6]	Rella R, Bufi E, Belli P, et al. Background parenchymal enhancement in breast magnetic resonance imaging: A review of current evidences and future trends [J]. Diagn Interv Imaging, 2018, 99(12): 815-26. doi：10.1016/j.diii.2018.08.011
[7]	Kanao S, Kataoka M, Iima M, et al. Differentiating benign and malignant inflammatory breast lesions: value of T2 weighted and diffusion weighted MR images [J]. Magn Reson Imaging, 2018, 50: 38-44. doi：10.1016/j.mri.2018.03.012
[8]	Nita Amornsiripanitch M. Diffusion-weighted MRI for unenhanced breast cancer screening [J]. Radiology, 2019, 293(3): 504-20. doi：10.1148/radiol.2019182789
[9]	Ha SM, Chang JM, Lee SH, et al. Detection of contralateral breast cancer using diffusion-weighted magnetic resonance imaging in women with newly diagnosed breast cancer: comparison with combined mammography and whole-breast ultrasound [J]. Korean J Radiol, 2021, 22(6): 867-79. doi：10.3348/kjr.2020.1183
[10]	Kul S, Metin Y, Bekircavusoglu S, et al. Qualitative characterization of breast tumors with diffusion-weighted imaging has comparable accuracy to quantitative analysis [J]. Clin Imaging, 2021, 77: 17-24. doi：10.1016/j.clinimag.2021.02.025
[11]	Kim JY, Kim JJ, Hwangbo L, et al. Diffusion-weighted imaging of invasive breast cancer: relationship to distant metastasis-free survival [J]. Radiology, 2019, 291(2): 300-07. doi：10.1148/radiol.2019181706
[12]	Arponen O, Sudah M, Masarwah A, et al. Diffusion-weighted imaging in 3.0 Tesla breast MRI: diagnostic performance and tumor characterization using small subregions vs. whole tumor regions of interest [J]. PLoS One, 2015, 10(10): e0138702. doi：10.1371/journal.pone.0138702
[13]	Baltzer P, Mann RM, Iima M, et al. Diffusion-weighted imaging of the breast-a consensus and mission statement from the EUSOBI International Breast Diffusion-Weighted Imaging working group [J]. Eur Radiol, 2020, 30(3): 1436-50. doi：10.1007/s00330-019-06510-3
[14]	Ota R, Kataoka M, Iima M, et al. Evaluation of breast lesions based on modified BI-RADS using high-resolution readout-segmented diffusion-weighted echo-planar imaging and T2/T1-weighted image [J]. Magn Reson Imaging, 2023, 98: 132-9. doi：10.1016/j.mri.2022.12.024
[15]	Naranjo ID, Sogani J, Saccarelli C, et al. MRI Screening of BRCA mutation carriers: comparison of standard protocol and abbreviated protocols with and without T2-weighted images [J]. AJR Am J Roentgenol, 2022, 218(5): 810-20. doi：10.2214/ajr.21.27022
[16]	Mann RM, Cho N, Moy L. Breast MRI: State of the Art [J]. Radiology, 2019, 292(3): 520-36. doi：10.1148/radiol.2019182947
[17]	Mann RM, Kuhl CK, Kinkel K, et al. Breast MRI: guidelines from the European Society of Breast Imaging [J]. Eur Radiol, 2008, 18(7): 1307-18. doi：10.1007/s00330-008-0863-7
[18]	Wu LM, Chen J, Hu J, et al. Diffusion-weighted magnetic resonance imaging combined with T2-weighted images in the detection of small breast cancer: a single-center multi-observer study [J]. Acta Radiol, 2014, 55(1): 24-31. doi：10.1177/0284185113492458
[19]	Kawashima H, Kobayashi-Yoshida M, Matsui O, et al. Peripheral hyperintense pattern on T2-weighted magnetic resonance imaging (MRI) in breast carcinoma: correlation with early peripheral enhancement on dynamic MRI and histopathologic findings [J]. J Magn Reson Imaging, 2010, 32(5): 1117-23. doi：10.1002/jmri.22279
[20]	Yamaguchi R, Furusawa H, Nakahara H, et al. Clinicopathological study of invasive ductal carcinoma with large central acellular zone: special reference to magnetic resonance imaging findings [J]. Pathol Int, 2008, 58(1): 26-30. doi：10.1111/j.1440-1827.2007.02184.x
[21]	Niko Radovic M. Evaluation of breast cancer morphology using diffusion-weighted and dynamic contrast-enhanced MRI: intermethod and interobserver agreement [J]. J Magn Reson Imaging, 2019, 49(5): 1381-90. doi：10.1002/jmri.26332
[22]	Kishimoto AO, Kataoka M, Iima M, et al. The comparison of high-resolution diffusion weighted imaging (DWI) with high-resolution contrast-enhanced MRI in the evaluation of breast cancers [J]. Magn Reson Imaging, 2020, 71: 161-9. doi：10.1016/j.mri.2020.03.007
[23]	Christner SA, Grunz JP, Schlaiss T, et al. Breast lesion morphology assessment with high and standard b values in diffusion-weighted imaging at 3 Tesla [J]. Magn Reson Imaging, 2024, 107: 100-10. doi：10.1016/j.mri.2024.01.005
[24]	Yabuuchi H, Matsuo Y, Sunami S, et al. Detection of non-palpable breast cancer in asymptomatic women by using unenhanced diffusion-weighted and T2-weighted MR imaging: comparison with mammography and dynamic contrast-enhanced MR imaging [J]. Eur Radiol, 2011, 21(1): 11-7. doi：10.1007/s00330-010-1890-8
[25]	An YY. Differentiation of malignant and benign breast lesions: added value of the qualitative analysis of breast lesions on diffusion-weighted imaging (DWI) using readout-segmented echo-planar imaging at 3.0 T [J]. PLOS ONE, 2017, 12(3): e0174681. doi：10.1371/journal.pone.0174681
[26]	Kul S, Eyuboglu I, Cansu A, et al. Diagnostic efficacy of the diffusion weighted imaging in the characterization of different types of breast lesions [J]. J Magn Reson Imaging, 2014, 40(5): 1158-64. doi：10.1002/jmri.24491
[27]	Kuroki-suzuli S. Detecting breast cancer with non-contrast MR imaging: combining diffusion-weighted and STIR imaging [J]. Magn Reson Med Sci, 2007, 6(1): 21-7. doi：10.2463/mrms.6.21
[28]	Heacock L, Melsaether AN, Heller SL, et al. Evaluation of a known breast cancer using an abbreviated breast MRI protocol: correlation of imaging characteristics and pathology with lesion detection and conspicuity [J]. Eur J Radiol, 2016, 85(4): 815-23. doi：10.1016/j.ejrad.2016.01.005
[29]	Ao F, Yan Y, Zhang ZL, et al. The value of dynamic contrast-enhanced magnetic resonance imaging combined with apparent diffusion coefficient in the differentiation of benign and malignant diseases of the breast [J]. Acta Radiol, 2022, 63(7): 891-900. doi：10.1177/02841851211024002
[30]	Westra C, Dialani V, Mehta TS, et al. Using T2-weighted sequences to more accurately characterize breast masses seen on MRI [J]. AJR Am J Roentgenol, 2014, 202(3): W183-190. doi：10.2214/ajr.13.11266
[31]	Yuen S, Monzawa S, Yanai S, et al. The association between MRI findings and breast cancer subtypes: focused on the combination patterns on diffusion-weighted and T2-weighted images [J]. Breast Cancer, 2020, 27(5): 1029-37. doi：10.1007/s12282-020-01105-z
[32]	Santamaría G. Radiologic and pathologic findings in breast tumors with high signal intensity on T2-weighted MR images [J]. Radio Graphics, 2010, 30(2): 533-48. doi：10.1148/rg.302095044
[33]	Baltzer PA, Benndorf M, Dietzel M, et al. Sensitivity and specificity of unenhanced MR mammography (DWI combined with T2-weighted TSE imaging, ueMRM) for the differentiation of mass lesions [J]. Eur Radiol, 2010, 20(5): 1101-10. doi：10.1007/s00330-009-1654-5

Variable	Malignant （n=299）		Benign （n=95）
Variable	Mass （n=239）	Non-mass （n=60）	Mass （n=82）	Non-mass （n=13）
Age （year, Mean±SD）	48.8±9.8	50.5±10.6	37.9±11.5	35.2±9.0
Lesion size （mm, Mean±SD）	25.8±13.1	53.6±20.8	23.7±11.8	49.6±24.4
Histological type
Invasive ductal carcinoma	210	36
Invasive lobular carcinoma	5	3
Mucinous carcinoma	7	0
Papillary carcinoma	7	2
Apocrine carcinoma	0	1
Metaplastic carcinomas	2	0
Ductal carcinoma in situ	8	18
Fibroadenoma			54	0
Fibrocystic changes			7	0
Papilloma			6	2
Sclerosing adenosis			4	1
Phyllodes tumors			6	0
Inflammatory changes			5	10

Variable	Malignant （n=299）		Benign （n=95）
Variable	Mass （n=239）	Non-mass （n=60）	Mass （n=82）	Non-mass （n=13）
Age （year, Mean±SD）	48.8±9.8	50.5±10.6	37.9±11.5	35.2±9.0
Lesion size （mm, Mean±SD）	25.8±13.1	53.6±20.8	23.7±11.8	49.6±24.4
Histological type
Invasive ductal carcinoma	210	36
Invasive lobular carcinoma	5	3
Mucinous carcinoma	7	0
Papillary carcinoma	7	2
Apocrine carcinoma	0	1
Metaplastic carcinomas	2	0
Ductal carcinoma in situ	8	18
Fibroadenoma			54	0
Fibrocystic changes			7	0
Papilloma			6	2
Sclerosing adenosis			4	1
Phyllodes tumors			6	0
Inflammatory changes			5	10

Parameter	DCE		DWI			T2WI
Parameter	ICC （95% CI）	Level of concordance	ICC （95% CI）	Level of concordance	ICC （95% CI）	Level of concordance
Mass-like lesions
Shape	0.908 （0.887-0.926）	Excellent	0.910 （0.888-0.928）	Excellent	0.941 （0.926-0.953）	Excellent
Margin	0.890 （0.865-0.911）	Good	0.837 （0.786-0.875）	Good	0.759 （0.708-0.801）	Good
Internal patterns	0.871 （0.841-0.895）	Good	0.907 （0.886-0.925）	Excellent	0.833 （0.796-0.864）	Good
Signal intensity	-	-	0.897 （0.872-0.917）	Good	0.934 （0.918-0.948）	Excellent
Non-mass-like lesions
Distribution	0.991 （0.985-0.994）	Excellent	0.824 （0.734-0.886）	Good	0.791 （0.687-0.863）	Good
Internal patterns	0.789 （0.684-0.862）	Good	0.844 （0.763-0.899）	Good	0.802 （0.703-0.871）	Good
Signal intensity	-	-	0.834 （0.748-0.892）	Good	0.846 （0.765-0.900）	Good

Parameter	DCE		DWI			T2WI
Parameter	ICC （95% CI）	Level of concordance	ICC （95% CI）	Level of concordance	ICC （95% CI）	Level of concordance
Mass-like lesions
Shape	0.908 （0.887-0.926）	Excellent	0.910 （0.888-0.928）	Excellent	0.941 （0.926-0.953）	Excellent
Margin	0.890 （0.865-0.911）	Good	0.837 （0.786-0.875）	Good	0.759 （0.708-0.801）	Good
Internal patterns	0.871 （0.841-0.895）	Good	0.907 （0.886-0.925）	Excellent	0.833 （0.796-0.864）	Good
Signal intensity	-	-	0.897 （0.872-0.917）	Good	0.934 （0.918-0.948）	Excellent
Non-mass-like lesions
Distribution	0.991 （0.985-0.994）	Excellent	0.824 （0.734-0.886）	Good	0.791 （0.687-0.863）	Good
Internal patterns	0.789 （0.684-0.862）	Good	0.844 （0.763-0.899）	Good	0.802 （0.703-0.871）	Good
Signal intensity	-	-	0.834 （0.748-0.892）	Good	0.846 （0.765-0.900）	Good

Lesion type	DCE		P	DWI		P	T2WI		P
Lesion type	Benign	Malignant	P	Benign	Malignant	P	Benign	Malignant	P
Mass-like lesions （n=321）
Shape
Oval	33 （40.2）	17 （7.1）	<0.001	34 （41.5）	27 （11.3）	<0.001	33 （40.2）	19 （7.9）	<0.001
Round	28 （34.1）	115 （48.1）		29 （35.4）	111 （46.4）		30 （36.6）	120 （50.2）
Irregular	21 （25.6）	107 （44.8）		19 （23.2）	101 （42.3）		19 （23.2）	100 （41.8）
Margin
Circumscribed	48 （58.5）	59 （24.7）	<0.001	50 （61.0）	100 （41.8）	0.003	49 （59.8）	63 （26.4）	<0.001
Not circumscribed	34 （41.5）	180 （75.3）		32 （39.0）	139 （58.2）		33 （40.2）	176 （73.6）
Internal patterns
Homogeneous	11 （13.4）	25 （10.5）	<0.001	17 （20.7）	43 （18.0）	<0.001	23 （28.0）	69 （28.9）	<0.001
Heterogeneous	62 （75.6）	131 （54.8）		60 （73.2）	127 （53.1）		57 （69.5）	119 （49.8）
Rim	9 （11.0）	83 （34.7）		5 （6.1）	69 （28.9）		2 （2.4）	51 （21.3）
Signal intensity
Low-Iso	-	-	-	6 （7.3）	0 （0）	<0.001	19 （23.2）	95 （39.7）	0.002
Slightly high	-	-		10 （12.2）	9 （3.8）		9 （11.0）	41 （17.2）
High	-	-		66 （80.5）	230 （96.2）		54 （65.9）	103 （43.1）
Non-mass-like lesions （n=73）
Distribution
Focal	3 （23.1）	6 （10.0）	0.153	3 （23.1）	6 （10.0）	0.085	3 （23.1）	8 （13.3）	0.134
Segmental	5 （38.5）	32 （53.3）		4 （30.8）	31 （51.7）		4 （30.8）	29 （48.3）
Regional	5 （38.5）	13 （21.7）		6 （46.2）	14 （23.3）		6 （46.2）	14 （23.3）
Diffuse	0 （0）	9 （15.0）		0 （0）	9 （15.0）		0 （0）	9 （15.0）
Internal patterns
Homogeneous	0 （0）	1 （1.7）	0.171	0 （0）	0 （0）	0.289	0 （0）	1 （1.7）	1.0
Heterogeneous	8 （61.5）	50 （83.3）		11 （84.6）	56 （93.3）		13 （100.0）	58 （96.7）
Clumped/clustered ring	5 （38.5）	9 （15.0）		2 （15.4）	4 （6.7）		0 （0）	1 （1.7）
Signal intensity
Low-Iso	-	-	-	2 （15.4）	2 （3.3）	0.036	6 （46.2）	27 （45.0）	0.608
Slightly high	-	-		5 （38.5）	11 （18.3）		6 （46.2）	21 （35.0）
High	-	-		6 （46.2）	47 （78.3）		1 （7.7）	12 （20.0）