首页 > 文章详情

准确率高达90.9%！仅表现为微钙化的B3病变如何处置？

2021年01月19日

来源：肿瘤资讯

在影像引导活检中发现的恶性潜能不确定的乳腺病变，也就是通常说的“B3”病变，是一组异质性组织病理学实体，其特征是：相关恶性肿瘤的风险增加，之后在双侧乳房中发生浸润性乳腺癌的风险增加。

随着筛查普及和新型成像模式的出现，过去几十年中，诊断发现的B3病变显著增加。但是在许多国家，绝大多数B3病变仍通过开放手术切除。由此导致的结果是，许多患者手术切除后的最终病理结果为良性，却需要承担了不必要的手术费用。由于B3病变具有不同的影像学特征，因此影像引导活检中B3病变恶性部分被低估的风险在2%~58%。这种变异性与诸多因素有关，如B3病变类型、活检程序的特征（CNB或VABB）和活检病变的影像特征。

在立体定向引导下的VABB中，有3%-11%的微钙化灶存在不确定的恶性潜能病变。即使在仅以微钙化为主要表现的病变中，导管原位癌（DCIS）或浸润性癌的存在也并不能被安全排除，因此通常建议手术切除，但这会带来很多不必要的手术。

因而有学者认为，识别可能提示或排除恶性肿瘤的影像学或临床特征是非常有必要的，可帮助改善B3病变患者的临床决策，减少不必要的手术。2020年12月发表在《European Journal of Radiology》的一项回顾性研究，通过临床、影像学和病理学特征相结合，研究并检验了一种VABB诊断的乳腺钼靶微钙化B3病变的危险分层策略。

该研究是一项回顾性、横断面、观察性、单中心研究，纳入了76名患者的76例B3病变（最终组织学：66例良性，10例恶性）(训练组，Tr)，收集B3病变类型、是否存在异型性、微钙化特征（BI-RADS）、活检时切除和伴随病变的数据。单变量分析（卡方检验）后，使用十倍、交叉验证的分类和回归树分析（CRT）将数据合并为风险分层算法，在23例B3病变的测试数据集（测试组，Te）上测试算法。

存在伴发乳腺癌、高度可疑微钙化病变，最终升级为恶性肿瘤的风险显著更高

单变量分析中，恶性肿瘤多见于伴发癌（P<0.001）和高度可疑的微钙化（P<0.001，表1）。研究并未发现影像学表现与最终诊断恶性肿瘤之间的进一步关联（P>0.05）。

表1 根据术后最终诊断,纳入训练组和测试组分析的微钙化特征

在计算的CRT中，所有多形性或线性微钙化伴随乳腺癌的病例，最终组织学检查均发现恶性病变（3/3，N5，表2，图1）。在基于形态学分析（圆形/点状、无定形、粗糙异质）而表现出轻度疑似微钙化的病例中，VABB组织病理学检查未发现异型性，未发现癌症（0/25，N3，表2，图1）。其他特征组合产生不同的恶性率，在无定形或粗糙异质微钙化病例中为11.6%-23.1%，在多形性微钙化中超过40%（表2，图1)。

表2 CRT分类结果

最终，CRT算法保留了三个参数：微钙化的形态学；活检时存在非典型病变；存在伴发乳腺癌（图1）。

图1 根据CRT结果，仅表现为微钙化的B3病变的决策树

测试：决策树的准确性高达90.9%

在测试组中，最终组织学显示6个恶性病变和17个良性病变（升级率6/23，26.1%，95% CI：8.1%-44.0%）。6例均为DCIS。良性病变包括6例乳头状瘤，伴或不伴纤维囊性变，11例其他良性病变包括腺病、纤维囊性变和伴或不伴非典型性纤维化。在两名女性患者中发现伴随的恶性病变：一名DCIS和一名浸润性导管癌，均在活检诊断B3病变的对侧乳房。

下图显示了在测试组中应用诊断算法的结果。良性6例，无手术指征（6/23，26.1%）。6例活检后均行手术，未见恶性病变。CRT算法评估的恶性肿瘤风险在1例多形性微钙化和伴发癌病变的患者中被认为是高的（1/24，4.2%），最后的组织病理学也显示为DCIS。ROC分析显示，训练组的诊断准确率为0.902（95% CI：0.810–0.994），测试组的诊断准确率为0.909（95% CI：0.757–1.000）。

换言之，这一算法确定了25/76（32.9%，Tr）和6/23（26.1%，Te）病灶的低恶性风险，术中未发现恶性肿瘤（0/31），这些患者可能无需进行开放手术切除。有3/76（3.9%，Tr）和1/23（4.3%，Te）病灶被算法指定为高危病变，并在手术中得到确认（4/4）。在其余病变中（48/76，63.1%，Tr；16/23，69.6%，Te），恶性率在9%到88.4%之间，因此手术是不可避免的。

本研究提示，对于B3钙化，如果没有高度可疑的特征，且没有组织学上的非典型性，可以安全地进行随访。而对于具有高度可疑特征的B3钙化伴有恶性病变，应始终接受手术治疗。这一结果得到了现有文献的支持，但研究者建议，这一决策树应该在更大的、前瞻性研究中，对额外的临床、组织病理学和影像学因素进行分析，以进一步优化诊断工作。

参考文献

Clauser P, Kapetas P, Stöttinger A, et al. Eur J Radiol 2020,35:109479.

排版编辑：Yezi