乳腺癌是女性常见的恶性肿瘤，早期准确诊断对于提高治疗效果至关重要。在乳腺影像学检查中，磁共振成像（MRI）因其高敏感性被广泛应用。然而，MRI报告和数据系统（BI-RADS）中定义的一类病变——非肿块样强化（NME），因其不具备明确的肿块形态，且常与正常腺体组织混杂，给诊断带来了挑战。区分良性与恶性NME病变是临床实践中的一个难点，有时甚至经验丰富的影像科医生也可能面临解读上的困惑。
为了提高对这类模糊病变的诊断效率，研究人员一直在探索新的影像技术和分析方法。传统的动态对比增强MRI（DCE-MRI）虽然能显示血管生成（恶性肿瘤的标志之一），但对于微小钙化等形态学特征的显示能力有限。而乳腺钼靶摄影（MG）是显示微小钙化的有效手段。将多种影像技术结合（如多参数MRI联合MG）已被证明能提高诊断效能。
近年来，对比增强乳腺钼靶摄影（CEM）作为一种新兴技术受到越来越多的关注。CEM结合了传统钼靶摄影显示形态特征（如微小钙化）的优势，以及对比剂强化显示病灶血供的特点。它能够在一次检查中同时提供形态学和功能学信息，被认为在诊断性能上可与MRI媲美，甚至在某些方面具有更高的特异性。基于CEM的这些优势，研究人员提出，是否可以利用CEM的影像特征来更准确地预测NME病变的恶性概率？
CEM在预测乳腺癌非肿块强化病变中的应用研究
近期发表在《European Radiology》杂志上的一项研究，正是为了回答这一问题。该研究旨在深入分析恶性非肿块样强化（NME）病变在对比增强乳腺钼靶摄影（CEM）中的形态和强化特征，并基于这些特征建立一个能够准确预测NME病变恶性概率的多变量模型。
研究共纳入了162例患者的206个NME病变，并将数据随机分为训练集和测试集。研究人员在训练集中比较了良性和恶性NME病变在CEM影像上的差异，并运用逻辑回归分析构建了预测模型。最后，通过计算训练集和测试集中的曲线下面积（AUC）、敏感性和特异性来评估模型的预测价值。
研究发现，在伴有恶性微钙化（32.35%）、呈节段性和线性分布（55.88%）、表现为团簇状和簇状环形强化模式（70.59%）以及III型时间-信号曲线（64.71%）的NME病变中，恶性病变的发生率显著更高（所有P值均小于0.002）。这些特征被纳入多变量预测模型。
构建的多变量模型在训练集和测试集中均表现出良好的预测性能，敏感性范围为79.41%-80.77%，特异性范围为94.44%-97.37%，AUC范围为0.920-0.946。这意味着该模型在识别恶性NME病变方面具有较高的准确性，特别是其高特异性有助于减少不必要的活检。
图：结合微钙化、EMD、IEP和TIC的nomogram模型
研究结论与临床意义
这项研究表明，结合微钙化和强化特征，基于对比增强乳腺钼靶摄影（CEM）构建的多变量预测模型，在预测非肿块样强化（NME）病变的恶性方面，展现出可接受的敏感性和较高的特异性。这一发现为临床医生评估NME病变的恶性风险提供了新的工具，有助于提高乳腺癌诊断的准确性和效率，减少不必要的侵入性检查。
准确的诊断是制定有效治疗方案的第一步。对于确诊的癌症患者，及时获取最适合的治疗药物至关重要，这可能包括靶向药、免疫疗法或化疗等。了解不同药物的信息、获取海外前沿药物（如靶向药、仿制药）有时面临挑战。MedFind致力于为癌症患者提供全面的支持，包括专业的AI问诊服务、丰富的抗癌资讯（涵盖药物信息、诊疗指南等），以及便捷可靠的海外靶向药代购服务，帮助患者获取所需的药品。
原文出处：
Bei Hua,Jun Chen,Yong Wang,et al.Multivariable model to predict breast cancer in non-mass enhancement lesions: a study on contrast-enhanced mammography.DOI:10.1007/s00330-025-11597-y
