期刊：Automated rating of background parenchymal enhancement in MRI of extremely dense breasts without compromising the association with breast cancer in the DENSE trial.（European journal of radiology, IF 3.2）
在DENSE临床试验中，极致密乳腺磁共振乳腺背景实质（BPE）自动化分级未影响其与乳腺癌关联性
本研究是DENSE研究二次分析，研究开发了对极度致密乳腺，基于DCE-MRI的BPE自动化分类方法，与人工分类方法具有可比性，并且对BPE与乳腺癌发生的潜在关联性未有影响。
BPE是潜在的重要的风险和预后因素，基于DCE-MRI，由放射科医生评估的BPE主观且阅片者内部和之间存在变异性，目前缺乏客观的BEP分类评估工具，本研究旨在开发基于DCE-MRI的自动化BPE分类。
本研究是对DENSE研究的二次分析，纳入8家中心的4553例进行补充乳腺MRI筛查的极致密乳腺患者。由放射科医生分类的最小、轻度、中度和显著BPE为参考标准。提取了15个乳腺组织纤维特征，采用随机森林、贝叶斯、KNN分类器等统计方法，预测BPE。结合多数投票法用于预测结果。内外部验证数据用于测试和验证。8家中心的平均表现采用逆方差加权平均准确性。Cox回归分析用于比较人工BEP分类与自动化分类对乳腺癌关联的非劣效分析。
8家中心多数投票法的准确性区间为0.56-0.84；BPE四分类加权平均预测准确性为0.76；自动化和手动BPE分类的乳腺癌发生HR具有可比性（(HR = 2.12 vs HR = 1.97, P = 0.65 轻中显著BPE/最小BPE）。
表1. BPE4个分类的预测表现
（Wang H, et.al. Eur J Radiol. 2024）
表2. 人工和自动BPE分类与乳腺癌发生的关联性（Wang H, et.al. Eur J Radiol. 2024）
在极度致密乳腺患者中，基于DCE-MRI的自动化BPE分类，具有可行性，并且不会影响乳腺癌发生的潜在关联性。最小BPE的分类准确性优效于其他3个BPE分类。
参考文献：
Wang H, et.al. Automated rating of background parenchymal enhancement in MRI of extremely dense breasts without compromising the association with breast cancer in the DENSE trial. Eur J Radiol. 2024 Jun;175:111442.
👉 https://pubmed.ncbi.nlm.nih.gov/38583349/
syMRI定量参数评估浸润性乳腺癌腋下淋巴结转移具有确切价值
期刊：Investigation of synthetic MRI with quantitative parameters for discriminating axillary lymph nodes status in invasive breast cancer.（European journal of radiology，IF3.2）
合成MRI（syMRI）定量参数用于评估浸润性乳腺癌腋下淋巴结状态的探讨
本研究纳入56例病理确认的浸润性乳腺癌患者，进行DCE-MRI和syMRI检查，提取syMRI的乳腺病灶和腋下淋巴结（ALN）的参数，乳腺癌病灶的T2值具有最高诊断效能，和ALN的T1值为ALNM的独立预测因子。
浸润性乳腺癌发生腋下淋巴结转移（ALNM）导致患者5年生存率降低，前哨淋巴结活检提升了ALNM准确性，但其有创、并发症且存假阴性结果，无创高阴性预测值评估ALNM极具价值。合成MRI（syMRI）为新兴技术，基于syMRI的参数，可能在定量评估ALNM和乳腺病灶具有潜在价值，本研究旨在评估其对ALNM的价值。
研究纳入56例经病理确认的浸润性乳腺癌患者，进行了DCE-MRI和syMRI检查，30个存在ALNM，26个未发现ALNM。syMRI参数包括T1弛豫时间、T2弛豫时间、质子密度。乳腺肿瘤的定量参数包括T1tumor，T2tumor，PDtumor，对比剂注射后T1+tumor，T2+tumor，PD+tumor；ALNM获取相同参数T1LN，T2LN，PDLN，T1+LN，T2+LN，PD+LN；并计算ΔT1 (T1-T1+), ΔT2 (T2-T2+), ΔPD (PD-PD+), T1/T2 and T1+/T2+；在ALNM和非ALNM队列中比较所有参数。观察者间一致性评估使用组内相关系数。T检验或Mann-Whitney U检验确定平均定量值与ALNM关联；多因素回顾分析，ROC分析，确认ALN状态。P＜0.05具有统计学意义。
淋巴结短径（DLN）在ALNM中显著长于非ALNM (10.22 ± 3.58 mm vs. 5.28 ± 1.39 mm, P < 0.001)，截断值为5.78，AUC值为0.894 (95 % CI: 0.838-0.939)，敏感性和特异性分别为86.7%和90.2%。在乳腺癌的syMRI定量参数中，T2tumor, ΔT2tumor和 ΔPDtumor在两组中具有差异（p＜0.05）；T2tumor区分ALN状态表现最好（AUC=0.712），截断值为90.12ms，敏感性和特异性分别为65%和83.6%。ALN评估中，T1LN, T2LN, T1LN/T2LN, T2+LN和 ΔT1LN值，在两组间存在差异（p＜0.05），AUCs 分别为 0.785, 0.840, 0.886, 0.702 和 0.754。多因素回归分析发现T1LN为ALNM的仅有独立预测因子(OR=1.426, 95 % CI: 1.130-1.798, P = 0.039)，敏感性和.特异性分别为86.7 % 和 69.4 %，截断值为1371.00ms。结合T1LN, T2LN, T1LN/T2LN, ΔT1LN和 DLN，在区分ALNM和非ALNM具有更好的表现，AUC值分别为0.905, 0.957, 0.964 和0.897。
表1. 比较ALNM和非ALNM两组中syMRI参数
（Qu M, et.al. . Eur J Radiol. 2024）
基于syMRI的定量参数区分浸润性乳腺癌患者ALN状态具有确定价值，乳腺癌参数中T2tumor表现最高诊断效能，T1LN为ALNM的独立预测因子。
参考文献：
Qu M, et.al. Investigation of synthetic MRI with quantitative parameters for discriminating axillary lymph nodes status in invasive breast cancer. Eur J Radiol. 2024 Jun;175:111452.
👉 https://pubmed.ncbi.nlm.nih.gov/38604092/
-仅供与医疗卫生专业人士学术沟通使用-
PP-GAD-CN-1667-1
