目的 探讨非对称回波最小二乘估算法迭代水脂分离序列(iterative decomposition of water and fat with echo asymmetrical and least-squares estimation quantitation sequence, IDEAL-IQ)来源的R2^(*)值在乳腺良恶性肿瘤鉴别诊断中...目的 探讨非对称回波最小二乘估算法迭代水脂分离序列(iterative decomposition of water and fat with echo asymmetrical and least-squares estimation quantitation sequence, IDEAL-IQ)来源的R2^(*)值在乳腺良恶性肿瘤鉴别诊断中的价值,并与传统多回波T2^(*)梯度回波(gradient recalled echo, GRE)序列来源的R2^(*)值进行比较。材料与方法 回顾性分析2021年9月至2023年10月在中国医科大学附属第一医院连续收治的42名患者的50个良性肿瘤病灶,在本院影像归档和通信系统(picture archiving and communication systems, PACS)中使用倾向性评分匹配方法匹配肿瘤所在最大层面的最长径,按1∶3的比例纳入150名患者的150个恶性肿瘤病灶。将恶性肿瘤根据预后因子[雌激素受体(estrogen receptor, ER)、孕激素受体(progesterone receptor, PR)以及人表皮生长因子受体2(human epidermal growth factor receptor 2, HER-2)]的阳性/阴性表达情况进行分组。所有患者均接受包含IDEAL-IQ和多回波T2*GRE序列的多参数MRI,测量以下定量参数:IDEAL-IQ序列R2^(*)值(R2^(*)IDEAL)、多回波T2*GRE序列R2^(*)值(R2^(*)GRE)、表观扩散系数(apparent diffusion coefficient, ADC)及肿瘤长径。根据原始资料类型的不同,分别利用单因素分析(独立样本t检验、Mann-Whitney U检验等方法)对比分析各参数的差异。采用Spearman相关性分析R2^(*)IDEAL与R2^(*)GRE及二者与ADC的相关性。采用配对样本t检验比较R2^(*)IDEAL与R2^(*)GRE的差异。采用logistic回归分析建立联合诊断模型,并使用受试者工作特征(receiver operating characteristic, ROC)曲线及曲线下面积(area under the curve,AUC)分析单独及联合参数鉴别乳腺肿瘤良恶性的效能。结果 相关性分析显示乳腺肿瘤患者的R2^(*)IDEAL与R2^(*)GRE呈中度相关(r=0.763,P<0.001),二者与ADC值均呈负性弱相关[r=-0.300(R2^(*)IDEAL),-0.306(R2^(*)GRE),P<0.001]。良性组与恶性组中,R2^(*)IDEAL与R2^(*)GRE均呈中度相关(r=0.745、0.680,P<0.001),二者与ADC均无相关性。两种序列所得的R2^(*)值差异有统计学意义(P<0.001)。R2^(*)IDEAL在良恶性组间差异有统计学意义(P<0.001),管腔HER-2阴性型R2^(*)值最高。对于单一参数,ADC值鉴别良恶性的AUC最高(0.857);对于联合参数,R2^(*)IDEAL+ADC鉴别良性组与管腔阴性组的AUC最高(0.927);差异均有统计学意义(P<0.05)。结论 IDEAL-IQ序列生成的R2^(*)值可用于区分良恶性乳腺肿块,可能成为除ADC外辅助乳腺肿瘤良恶性鉴别的又一无需对比剂参数。展开更多
