多模态磁共振预测乳腺癌淋巴结转移状态的研究进展

doi:10.3969/j.issn.1006-5725.2023.22.001

实用医学杂志 ›› 2023, Vol. 39 ›› Issue (22): 2861-2865.doi: 10.3969/j.issn.1006-5725.2023.22.001

• 专题笔谈：乳腺肿瘤 • 下一篇

多模态磁共振预测乳腺癌淋巴结转移状态的研究进展

石夕冉,王恒,何力兵,邱志强,李泓箭,徐晓雪()

川北医学院附属医院放射科（四川南充 637000 ）

收稿日期:2023-07-17 出版日期:2023-11-25 发布日期:2023-12-11
通讯作者: 徐晓雪 E-mail:nclittlesnownc@163.com
作者简介:徐晓雪，教授，硕士研究生导师，川北医学院附属医院放射科主任、介入医学中心主任，川北医学院医学影像学院放射诊断教研室主任。《医学影像学》国家级一流课程负责人，《医学影像学》省级一流课程、省级课程思政示范课程负责人。担任四川省医师协会放射专委会常务委员、四川省医学会疼痛专业委员会常务委员、四川省老年医学会疼痛专业委员会常务委员、四川省医学会介入医学专委会委员、四川省医学会疼痛医师分会委员，南充市医学会疼痛专业委员会主任委员、南充市医学会数字医学专委会候任主任委员。主持及参研国家级、省部级、厅局级课题10余项，发表学术SCI、中文核心期刊论文累计60余篇，申请国家实用新型专利3项，副主编、参编《放射诊断学基础》《放射学征象》《非脊柱疼痛介入影像学》专著4部，获四川省医学科技奖一等奖1项、三等奖1项，第五届嘉英荟南充双创大赛南充市十大创新英才，第六届嘉英荟南充双创大赛南充市十大创新项目本市级二等奖。
基金资助:
教育部产学合作协同育人项目(22097112073101)

Advance in predicting lymph node metastasis of breast cancer by multimodal MRI

Xiran SHI,Heng WANG,Libing HE,Zhiqiang QIU,Hongjian LI,Xiaoxue. XU()

Department of Radiology，the Affiliated Hospital of North Sichuan Medical College，Nanchong 637000，China

Received:2023-07-17 Online:2023-11-25 Published:2023-12-11
Contact: Xiaoxue. XU E-mail:nclittlesnownc@163.com

摘要/Abstract

摘要：

乳腺癌是女性最常见的肿瘤相关死亡原因之一，占女性恶性肿瘤发病率的第1位，其发病率逐年上升、逐渐年轻化。淋巴结（LN）转移是评估乳腺癌患者复发和生存率最重要的预测指标，准确评估腋窝淋巴结是否受累是乳腺癌分期的重要组成部分。前哨淋巴结活检术（SLNB）和腋窝淋巴结清扫术（ALND）均是有创检查，存在并发症风险及穿刺假阴性率较高，因此无创性影像学检查方法预测腋窝淋巴结转移成为近年的研究热点。多模态磁共振较其他成像方式预测乳腺癌淋巴转移更具优势，如无辐射、软组织分辨率更高、可进行多参数及多序列成像，应用于鉴别良恶性乳腺病变、评估乳腺癌患者预后、预测淋巴结转移状态、评估新辅助化疗的疗效等。本文就多模态磁共振中各指数模型及峰度扩散成像预测乳腺癌腋窝淋巴结转移的研究进展进行综述。

关键词: 乳腺癌, 淋巴结转移, 多模态磁共振, 弥散加权成像, 扩散峰度成像

Abstract:

Breast cancer is one of the most common tumor-related causes of death in women， accounting for the first place in the incidence of female malignant tumors， with its incidence increasing yearly and the age of onset gradually becoming younger. Lymph node（LN）metastasis is the most important predictor to evaluate the recurrence and survival rate of patients with breast cancer. Accurate assessment of axillary lymph node involvement is an important part for breast cancer staging. Sentinel lymph node biopsy（SLNB）and axillary lymph node dissection（ALND）are both invasive procedures with high risk of complications and false negative rate. Therefore， using non-invasive imaging methods to predict axillary lymph node metastasis have become a research hotspot in recent years. Multimodal magnetic resonance has the advantages of no radiation， high soft tissue resolution， multiple parameters， and multiple sequences compared with other imaging methods in predicting lymph node metastasis of breast cancer. It is widely used in the differentiation of benign and malignant breast lesions， evaluation of prognosis of breast cancer patients， evaluation of lymph node metastasis status， and evaluation of the efficacy of neoadjuvant chemotherapy. This article reviews the research progress of multimodal MRI in predicting axillary lymph node metastasis of breast cancer with various index models and kurtosis diffusion imaging.

Key words: breast cancer, lymph node metastasis, multimodal MRI, diffusion weighted imaging, Diffusion kurtosis imaging

中图分类号:

R737.9

石夕冉,王恒,何力兵,邱志强,李泓箭,徐晓雪. 多模态磁共振预测乳腺癌淋巴结转移状态的研究进展[J]. 实用医学杂志, 2023, 39(22): 2861-2865.

Xiran SHI,Heng WANG,Libing HE,Zhiqiang QIU,Hongjian LI,Xiaoxue. XU. Advance in predicting lymph node metastasis of breast cancer by multimodal MRI[J]. The Journal of Practical Medicine, 2023, 39(22): 2861-2865.

参考文献 35

1	SUNG H， FERLAY J， SIEGEL R L， et al. Global Cancer Statistics 2020： GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries［J］. CA Cancer J Clin， 2021，71（3）：209-249.
2	HYUN S J， KIM E K， MOON H J， et al. Preoperative axillary lymph node evaluation in breast cancer patients by breast magnetic resonance imaging （MRI）： Can breast MRI exclude advanced nodal disease？［J］. Eur Radiol， 2016，26（11）：3865-3873.
3	GIULIANO A E， HUNT K K， BALLMAN K V， et al. Axillary dissection vs no axillary dissection in women with invasive breast cancer and sentinel node metastasis： a randomized clinical trial［J］. JAMA， 2011，305（6）：569-575.
4	LYMAN G H， SOMERFIELD M R， BOSSERMAN L D， et al. Sentinel Lymph Node Biopsy for Patients With Early-Stage Breast Cancer： American Society of Clinical Oncology Clinical Practice Guideline Update［J］. J Clin Oncol， 2017，35（5）：561-564.
5	KOOTSTRA J， HOEKSTRA-WEEBERS J E， RIETMAN H， et al. Quality of life after sentinel lymph node biopsy or axillary lymph node dissection in stage I/II breast cancer patients： a prospective longitudinal study［J］. Ann Surg Oncol， 2008，15（9）：2533-2541.
6	FEHM T， MAUL H， GEBAUER S， et al. Prediction of axillary lymph node status of breast cancer patients by tumorbiological factors of the primary tumor［J］. Strahlenther Onkol， 2005，181（9）：580-586.
7	CHOI E J， YOUK J H， CHOI H， et al. Dynamic contrast-enhanced and diffusion-weighted MRI of invasive breast cancer for the prediction of sentinel lymph node status［J］. J Magn Reson Imaging， 2020，51（2）：615-626.
8	RAHMAT K， MUMIN N A， HAMID M， et al. MRI Breast： Current Imaging Trends， Clinical Applications， and Future Research Directions［J］. Curr Med Imaging， 2022，18（13）：1347-1361.
9	王保茎，秦全波，毛怡盛，等. 动态增强磁共振联合DWI对乳腺癌淋巴结转移的诊断价值［J］. 实用癌症杂志， 2020，35（2）：270-273.
10	SUROV A， MEYER H J， WIENKE A. Can apparent diffusion coefficient （ADC） distinguish breast cancer from benign breast findings？ A meta-analysis based on 13 847 lesions［J］. BMC Cancer， 2019，19（1）：955.
11	KOH D M， COLLINS D J. Diffusion-weighted MRI in the body： applications and challenges in oncology［J］. AJR Am J Roentgenol， 2007，188（6）：1622-1635.
12	CHO P， PARK C S， PARK G E， et al. Diagnostic Usefulness of Diffusion-Weighted MRI for Axillary Lymph Node Evaluation in Patients with Breast Cancer［J］. Diagnostics （Basel）， 2023，13（3）：513.
13	KURT N， BINBOGA K B， GULSARAN U， et al. Diffusion tensor imaging and diffusion-weighted imaging on axillary lymph node status in breast cancer patients［J］. Diagn Interv Radiol， 2022，28（4）：329-336.
14	YANG Z L， LI Y， ZHAN C A， et al. Evaluation of suspicious breast lesions with diffusion kurtosis MR imaging and connection with prognostic factors［J］. Eur J Radiol， 2021，145：110014.
15	SUN J H， JIANG L， GUO F， et al. Diagnostic significance of apparent diffusion coefficient values with diffusion weighted MRI in breast cancer： a meta- analysis［J］. Asian Pac J Cancer Prev， 2014，15（19）：8271-8277.
16	LE BIHAN D， BRETON E， LALLEMAND D， et al. MR imaging of intravoxel incoherent motions： application to diffusion and perfusion in neurologic disorders［J］. Radiology， 1986，161（2）：401-407.
17	LE BIHAN D， TURNER R. The capillary network： a link between IVIM and classical perfusion［J］. Magn Reson Med， 1992，27（1）：171-178.
18	ZHU Y， LI X， WANG F， et al. Intravoxel incoherent motion diffusion-weighted magnetic resonance imaging in characterization of axillary lymph nodes： Preliminary animal experience［J］. Magn Reson Imaging， 2018，52：46-52.
19	ZHAO M， WU Q， GUO L， et al. Magnetic resonance imaging features for predicting axillary lymph node metastasis in patients with breast cancer［J］. Eur J Radiol， 2020，129：109093.
20	ZHOU Z， CHEN Y， ZHAO F， et al. Predictive value of intravoxel incoherent motion combined with diffusion kurtosis imaging for breast cancer axillary lymph node metastasis： a retrospective study［J］. Acta Radiol， 2023，64（3）：951-961.
21	LIU Y， LUO H， WANG C， et al. Diagnostic performance of T2-weighted imaging and intravoxel incoherent motion diffusion-weighted MRI for predicting metastatic axillary lymph nodes in T1 and T2 stage breast cancer［J］. Acta Radiol， 2022，63（4）：447-457.
22	BENNETT K M， SCHMAINDA K M， BENNETT R T， et al. Characterization of continuously distributed cortical water diffusion rates with a stretched-exponential model［J］. Magn Reson Med， 2003，50（4）：727-734.
23	SUO S， CHENG F， CAO M， et al. Multiparametric diffusion-weighted imaging in breast lesions： Association with pathologic diagnosis and prognostic factors［J］. J Magn Reson Imaging， 2017，46（3）：740-750.
24	MAZAHERI Y， AFAQ A， ROWE D B， et al. Diffusion-weighted magnetic resonance imaging of the prostate： improved robustness with stretched exponential modeling［J］. J Comput Assist Tomogr， 2012，36（6）：695-703.
25	WINFIELD J M， DESOUZA N M， PRIEST A N， et al. Modelling DW-MRI data from primary and metastatic ovarian tumours［J］. Eur Radiol， 2015，25（7）：2033-2040.
26	PANEK R， BORRI M， ORTON M， et al. Evaluation of diffusion models in breast cancer［J］. Med Phys， 2015，42（8）：4833-4839.
27	SUO S， YIN Y， GENG X， et al. Diffusion-weighted MRI for predicting pathologic response to neoadjuvant chemotherapy in breast cancer： evaluation with mono-， bi-， and stretched-exponential models［J］. J Transl Med， 2021，19（1）：236.
28	KIM Y， KIM S H， LEE H W， et al. Intravoxel incoherent motion diffusion-weighted MRI for predicting response to neoadjuvant chemotherapy in breast cancer［J］. Magn Reson Imaging， 2018，48：27-33.
29	ALMUTLAQ Z M， WILSON D J， BACON S E， et al. Evaluation of Monoexponential， Stretched-Exponential and Intravoxel Incoherent Motion MRI Diffusion Models in Early Response Monitoring to Neoadjuvant Chemotherapy in Patients With Breast Cancer-A Preliminary Study［J］. J Magn Reson Imaging， 2022，56（4）：1079-1088.
30	BEDAIR R， PRIEST A N， PATTERSON A J， et al. Assessment of early treatment response to neoadjuvant chemotherapy in breast cancer using non-mono-exponential diffusion models： a feasibility study comparing the baseline and mid-treatment MRI examinations［J］. Eur Radiol， 2017，27（7）：2726-2736.
31	JENSEN J H， HELPERN J A， RAMANI A， et al. Diffusional kurtosis imaging： the quantification of non-gaussian water diffusion by means of magnetic resonance imaging［J］. Magn Reson Med， 2005，53（6）：1432-1440.
32	JENSEN J H， HELPERN J A. MRI quantification of non-Gaussian water diffusion by kurtosis analysis［J］. NMR Biomed， 2010，23（7）：698-710.
33	HONDA M， IIMA M， KATAOKA M， et al. Biomarkers Predictive of Distant Disease-free Survival Derived from Diffusion-weighted Imaging of Breast Cancer［J］. Magn Reson Med Sci， 2023，22（4）：469-476.
34	TANG W， ZHOU H， QUAN T， et al. XGboost Prediction Model Based on 3.0T Diffusion Kurtosis Imaging Improves the Diagnostic Accuracy of MRI BiRADS 4 Masses［J］. Front Oncol， 2022，12：833680.
35	HUANG Y， LIN Y， HU W， et al. Diffusion Kurtosis at 3.0T as an in vivo Imaging Marker for Breast Cancer Characterization： Correlation With Prognostic Factors［J］. J Magn Reson Imaging， 2019，49（3）：845-856.

[1]	严健亮,谢泽宇,景蓉蓉,崔明. 基于机器学习利用常规检验指标建立胃癌淋巴结转移预测模型[J]. 实用医学杂志, 2024, 40(6): 844-849.
[2]	宋子旭,朱光正,郭晨旭,武佳琪,张立功,钱军. SLC35A2、前叶黄素亚基2在乳腺癌中的表达及其与临床观察指标和预后的关系[J]. 实用医学杂志, 2024, 40(4): 496-502.
[3]	杨家明,谢诗,周海深,张家庆. 早期多原发与单发肺腺癌结节的临床特征及淋巴结转移风险对比[J]. 实用医学杂志, 2024, 40(22): 3208-3214.
[4]	曾颖华,李文姬,郑莉. 经外周置入中心静脉导管后首次换药时间对乳腺癌术后患者的影响[J]. 实用医学杂志, 2024, 40(19): 2772-2777.
[5]	詹银周,陈俊衡,陈超,蔡楚源,马学珠,郭春明. 伤害感受水平指数指导瑞芬太尼输注靶浓度对接受乳腺癌根治术患者细胞免疫和缺氧诱导因子-1α的影响[J]. 实用医学杂志, 2024, 40(18): 2566-2570.
[6]	陈车,罗德红,喻皇飞,张琴,胡小池,余盛华,李亚军. 自动勾画技术在全乳内侧瘤床同步推量中的应用[J]. 实用医学杂志, 2024, 40(17): 2406-2411.
[7]	李劭晋,郑世鹏. 术前影像病理特征及肿瘤标志物预测乳腺癌前哨淋巴结转移风险[J]. 实用医学杂志, 2024, 40(17): 2418-2424.
[8]	方玲玉,胡璟骅,文俊峰,韩诗琪,王雅丽,蒲卢兰,李静佳,杨懿,邓世山,侯令密,周方方. 泛素特异性蛋白酶20、低氧诱导因子1α在乳腺癌中的表达变化及意义[J]. 实用医学杂志, 2024, 40(16): 2270-2276.
[9]	吕悦,路会景,张娟娟. MRI-DWI联合超声声衰减成像诊断脂肪肝背景下< 2 cm局灶结节性病变的价值[J]. 实用医学杂志, 2024, 40(15): 2148-2153.
[10]	艾勇彪黄军袁杰李文仿 . 早期三阴性乳腺癌中雄激素受体表达与临床病理特征及预后的关系 [J]. 实用医学杂志, 2023, 39(8): 975-979.
[11]	袁柳青梁伟东李晓玲邓六香钟茂林 . 耳穴压豆联合经皮穴电刺激预防乳腺癌术后恶心呕吐的效果 [J]. 实用医学杂志, 2023, 39(5): 642-646.
[12]	杨光,张丹凤,冯晓娜,张燕. 细胞程序性死亡蛋白5与宫颈癌患者病理特征的关系及对淋巴结转移发生风险的评估价值[J]. 实用医学杂志, 2023, 39(24): 3210-3213.
[13]	车雅丹,李丽霞. 小分子抗血管生成药物在晚期乳腺癌中的研究进展[J]. 实用医学杂志, 2023, 39(22): 2866-2871.
[14]	庄赵为,袁武梅,任作东,李上飞,陈明贵,曾妍. 乳腺癌患者外周血中颗粒酶B和穿孔素的表达及意义[J]. 实用医学杂志, 2023, 39(22): 2872-2877.
[15]	刘海英,陈峰,姚嘉. 下调胰岛素样生长因子抑制miR-767-5p的表达对乳腺癌细胞增殖、迁移、侵袭及上皮间充质转化的影响[J]. 实用医学杂志, 2023, 39(22): 2878-2884.

多模态磁共振预测乳腺癌淋巴结转移状态的研究进展

Advance in predicting lymph node metastasis of breast cancer by multimodal MRI

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献 35

相关文章 15

编辑推荐

Metrics

本文评价