B1校正T1 mapping技术在乳腺良恶性病变鉴别及生物学特性预测中的临床应用价值

本研究针对乳腺病变良恶性鉴别及乳腺癌分子分型预测的临床难题，创新性采用B1校正T1 mapping技术，通过多翻转角成像序列定量分析364例患者增强前后的T1值参数（T1mean、ΔT1%等），构建出AUC达0.952的联合诊断模型，并首次揭示T1maxce与HER-2/Ki-67/ER/PR表达的相关性，为乳腺癌精准诊疗提供了新型无创影像学生物标志物。

　　

乳腺疾病诊断领域长期面临两大挑战：传统动态增强MRI（DCE-MRI）因背景实质强化干扰导致特异性不足（仅50-70%），而穿刺活检虽能获取HER-2、ER等分子标志物信息，但属有创操作且采样局限。国际癌症研究机构（IARC）2020年数据显示，乳腺癌已跃居全球女性恶性肿瘤发病率和死亡率首位，亟需发展精准无创的影像学评估方法。

研究团队创新性地将B1校正T1 mapping技术引入乳腺病变评估，该技术通过快速低角度激发序列获取T1弛豫时间，有效克服传统可变翻转角（VFA）技术受B1场不均匀性影响的缺陷，扫描时间仅21秒。团队纳入364例患者（366个病灶），采用3.0T MRI获取增强前后T1_mean、T1_max、T1_min等参数，并计算ΔT1（增强前后差值）、ΔT1%（百分比变化）等衍生指标。通过训练组（244例）和验证组（122例）双盲评估，结合BI-RADS分类和年龄构建多参数模型。

主要技术方法：采用西门子3.0T MAGNETOM Vida系统，18通道乳腺相控阵线圈，扫描序列包括：①双翻转角（3°/15°）VFA T1 mapping（TR/TE=5.2/2.39ms）；②动态增强扫描（GD-DTPA造影剂）；③DWI（b值=0/1000 s/mm2）。ROI避开坏死区，由两名医师独立测量确保一致性（ICC>0.8）。病理评估依据CSCO指南（2024版）判定HER-2、Ki-67、ER、PR状态。

研究结果

1. 1.

   良恶性鉴别：恶性组T1_mean（1640.7 vs 1313.5ms）、T1_max（2245 vs 1716ms）显著高于良性组（p<0.001），而T1_mince（325 vs 389ms）更低。ΔT1%联合BI-RADS和年龄的模型1诊断效能最优（AUC=0.954），特异性达86.1%。

   
2. 2.

   生物学特性预测：

   • •

     HER-2(+)组T1_mean、T1_maxce更高（AUC=0.673）

   • •

     Ki-67(+)组T1_mean、ΔT1值升高（AUC=0.695）

   • •

     ER/PR(+)组T1_maxce降低（AUC=0.623/0.601）

结论与意义

该研究首次系统验证B1校正T1 mapping技术的三重价值：①突破传统DCE-MRI的局限性，ΔT1%联合模型使良恶性鉴别AUC提升至0.95以上；②无创预测HER-2/Ki-67状态，为靶向治疗提供术前评估手段；③发现ER/PR阳性肿瘤血管渗透性差异（T1_maxce降低），可能反映激素受体对VEGF的调控作用。技术层面，21秒快速扫描方案更符合临床实际需求，而0.72-0.83的组间ICC证实该方法具备良好重复性。

值得注意的是，T1_maxce与Ki-67的正相关（r=0.654）提示该参数可能成为评估肿瘤增殖活性的影像学生物标志物，这与既往关于Ki-67促进血管生成的基础研究相吻合。研究局限性包括单中心设计（广东粤北人民医院）和设备依赖性，未来需通过多中心验证提升模型普适性。论文发表于《Scientific Reports》，为乳腺癌精准诊疗提供了创新性的定量影像学解决方案。