作者：王小芳，山西医科大学医学影像学院；钱丽霞，邢君，山西白求恩医院

乳腺癌居中国女性癌症死亡率第2 位，发病率逐年上升，与风险因素增加和生活方式西方化有关。乳腺癌具有高度异质性，根据基因表达模式分为4 种分子亚型：管腔A 型（Luminal A 型）、管腔B 型（Luminal B 型）、人表皮生长因子受体2（human epidermal growth factor receptor 2，HER-2）过表达型及基底细胞样型（包含三阴性乳腺癌）。雌激素受体或孕激素受体阳性为管腔型，其中Luminal B 型分为2 个亚组：雌激素受体或孕激素受体阳性，HER-2阴性；雌激素受体与HER-2 均为阳性。激素受体阴性、HER-2 阳性为HER-2 过表达型；激素受体和HER-2 均阴性为三阴性乳腺癌。

HER-2 是一种跨膜酪氨酸激酶受体，与乳腺癌中的过度表达、增殖、侵袭和转移有关，临床侵袭性更强，预后更差。临床上常使用超声、乳腺X 线摄影和MRI 等检查判断病情，制订个性化治疗方案，改善患者的生存状况。MRI 是乳腺癌检查中最准确的影像学方法，具有多参数、多序列以及多种功能成像的优势，可以更清晰地显示病变情况。目前MRI 在HER-2 阳性乳腺癌诊断和鉴别诊断方面具有重要价值，本文主要综述多参数MRI 在HER-2 阳性乳腺癌中的应用进展。

1. 动态对比增强MRI（DCE-MRI）参数在HER-2阳性乳腺癌中的应用

1.1 形态学特征 

DCE-MRI 形态学特征主要提供详细的乳腺组织结构图像，包括大小、形态和强化方式等特征，有助于及早发现乳腺癌，及时采取治疗措施，提高患者的治愈率。

1.1.1 肿块大小 

Kim 等研究发现，与HER-2 阴性者相比，富含HER-2 亚型的乳腺癌患者肿瘤更大（>2 cm）、组织学分级更高（3 级）。Szep 等也得出HER-2 过表达亚型中肿瘤体积最大的结论。HER-2 阳性乳腺癌肿瘤体积较大可能是由于其生长速度快、侵袭性强和易复发等因素所致。因此，临床实践中及时发现和治疗HER-2 阳性乳腺癌至关重要。但部分研究得出不同结论，Temerik 等及Galati 等发现肿瘤大小与不同分子亚型乳腺癌间无显著相关性。这可能是由于HER-2 阳性乳腺癌细胞通常具有较高的增殖能力，即使肿块较小，也可能具有广泛的生长和转移能力。需要进一步研究验证这些关系的存在，更全面地支持乳腺癌诊断和治疗。

1.1.2 肿块形态 

肿瘤形态及边缘在肿瘤类型的诊断和治疗方面至关重要。部分研究报道不同分子亚型的肿瘤形态及边缘存在显著差异。陈义磊等纳入74 例乳腺癌患者，其中34 例为HER-2 阳性，该组中病灶呈不规则或分叶形占85.29%，边缘呈不规则或毛刺占82.35%。苗环等的研究也得到类似结论，即肿瘤边缘毛刺征与HER-2 阳性表达呈正相关。总之，HER-2 阳性乳腺癌在MRI 检查中常呈不规则肿块，其边缘通常为毛刺状。

1.1.3 强化方式 

乳腺癌的强化方式通常可以分为均匀强化、不均匀强化和环形强化3 种类型，HER-2阳性乳腺癌内部强化方式多为不均匀强化，这可能与乳腺癌的组织特征相关，HER-2 阳性乳腺癌存在异常的血管生成和微血管渗漏，导致血液供应不均，形成不均匀强化模式。Mumin 等发现HER-2 阳性乳腺癌在MRI 图像中通常呈不均匀强化特征，其他研究也进一步证实了这一结论，该发现对于乳腺癌诊断和治疗具有重要意义。

综上所述，MRI 肿块形态学特征在预测肿瘤分子亚型方面具有很大潜力，但目前研究多为小样本回顾性研究，缺乏对结果的验证和复现，为更好地理解肿块形态特征与乳腺癌分子分型的关系，未来可以开展更大规模的前瞻性研究，结合临床和影像学数据，建立完整的数据库进行分析。

1.2 定量分析

1.2.1 时间-强度曲线（time-intensity curve，TIC） 

乳腺MRI 的定性检查局限于观察病变形态学特征，而肿瘤组织的DCE 曲线反映了乳腺癌组织的不同生长模式和血流动力学特征，这种半定量的评估方法对个体化治疗具有重要意义。肿瘤病灶的血流TIC 型分为Ⅰ型（流入型）、Ⅱ型（平台型）和Ⅲ型（流出型）。HER-2 阳性乳腺癌的增强曲线在形态上主要呈现为Ⅲ型曲线。

Mansour 等的研究表明造影剂摄取的中度初始峰值和流出曲线模式与HER-2 富集亚型的诊断结果显著相关。Kazama 等的荟萃分析发现HER-2阳性乳腺癌中观察到的Ⅲ型曲线比例明显高于HER-2阴性乳腺癌。程雪等发现TIC 形态与HER-2 表达相关，流入型与HER-2 呈负相关，流出型与HER-2 呈正相关，且与平台型无关。HER-2 阳性乳腺癌在MRI 上的流出曲线比例高，可能是由于其血管生成增加导致早期造影剂快速摄取。目前，HER-2 阳性乳腺癌与TIC间的关系对临床诊治具有重要意义，但在实际操作中存在感兴趣区误差大的问题，需要更多研究进一步分析。

1.2.2 速率常数（Kep）、容量转移常数（Ktrans）与血管外细胞外间隙容积比（Ve） 

定量动态增强MRI 检查中，药代动力学模型可用于对造影剂在组织器官内的动力学过程建模和分析，结合该模型和MRI 图像数据分析可计算出一系列定量增强参数，包括Kep、Ktrans 与Ve 等参数，能够提供关于药物在组织和器官中运转方式的详尽信息，反映肿瘤微血管通透性、灌注和血管生成等生物学特征。Ktrans 反映血管内物质向组织细胞外间隙的扩散速度，Kep 反映物质从组织细胞外间隙返回血管内的速度，Ve 反映血管外细胞外间隙与血管内的容积比例。

目前研究一致认为HER-2 阳性乳腺癌的Ktrans、Kep 均较HER-2 阴性乳腺癌高，而Ve 较HER-2 阴性乳腺癌低，这与HER-2 阳性乳腺癌较高的血管生成和侵袭性有关。Yang 等对Luminal A 型、Luminal B 型、HER-2 阳性及三阴性乳腺癌进行研究，发现其Kep 分别为0.76、0.86、0.92、0.90，Kep 在HER-2 富集的乳腺癌中最高，与既往研究结果一致，表明更具侵袭性的肿瘤Kep 更高。

Wang 等也表明HER-2 阳性乳腺癌患者Ve 显著低于HER-2 阴性乳腺癌患者。HER-2 阳性乳腺癌通常微血管生成和异常血管结构更多，导致血流速度快，血管密度高，Ve 降低。Du 等研究表明HER-2 阳性肿瘤Ktrans、Kep 显著高于HER-2 阴性肿瘤，该研究使用DISCO 技术和3D 采集方法对乳腺MRI 图像进行分析，在测量肿瘤体积和药代动力学参数方面的可重复性和准确性更高。MRI 检查结合药代动力学模型能提供药物在组织中的分布情况，帮助医师制订个性化治疗方案，但面临数据分析复杂、成本高昂、对专业人员的需求等挑战，未来需展开进一步研究。

2. 扩散成像技术在HER-2 阳性乳腺癌中的应用

扩散加权成像（DWI）利用水分子扩散提供关于组织微结构和细胞密度信息。表观扩散系数（ADC）是对水分子扩散的定量化指标，乳腺癌组织通常具有高细胞密度和细胞核比例，导致DWI 图像高信号和ADC 较低。多项研究表明，定量ADC 评估在区分肿瘤亚型方面有一定参考价值，HER-2 阳性乳腺癌的ADC 明显高于HER-2 阴性乳腺癌，可能原因为：①HER-2 阳性乳腺癌的肿瘤细胞具有高代谢活性和高细胞密度导致扩散受限，血管生成增加导致血管通透性提高，扩散增加，ADC 增高；②在HER-2 阳性肿瘤中，血管生成在HER-2 阳性肿瘤中可能比细胞密度因素更具主导性，导致平均ADC 增高。

还有一些因素也可能影响HER-2 阳性乳腺癌患者的ADC，如肿瘤分化程度、异质性、病灶大小和位置、患者年龄和性别等。尽管潜在因素可能影响ADC，但缺乏实验证据支持，需要进一步研究验证这些因素对患者ADC 的确切影响。DWI 检测到的水分子在组织中的扩散受多种因素影响，包括细胞密度、组织结构、微灌注和扩散异质性，导致准确性有所下降。

为克服这一问题，Si 等提出体素内不相干运动（intra-voxel incoherent motion，IVIM）模型，通过区分微血管系统和周围组织解决高斯和非高斯扩散率之间的冲突。IVIM 利用双指数模型模拟信号的衰减，得到水在组织中的扩散系数（D或Dt）、灌注的伪扩散系数（D*、Dp 或Df）以及灌注分数（f、fp 或fIVIM）等重要参数。Uslu 等和Ma 等的研究均发现HER-2 阳性肿瘤的f 和D*值更高，表明其比HER-2 阴性肿瘤的血管生成更多。Wang 等的研究表明HER-2 阳性乳腺癌D 值高于非HER-2 阳性乳腺癌；非管腔乳腺癌，包括HER-2阳性和三阴性乳腺癌，其D*值高于Luminal A/B 型。

综上所述，HER-2 阳性乳腺癌D、D*、f 通常较高，可能是HER-2 表达的潜在标志物。但IVIM 技术在高信噪比情况下易受干扰，且操作者需要接受专门培训，需要在实践中不断完善和优化。扩散峰度成像（diffusion kurtosis imaging，DKI）基于活体组织中的非高斯现象，在乳腺病变鉴别和表征方面具有独特优势，能够提供组织微观结构更深入的信息。

在DKI 中，平均扩散率反映水分子在组织中的自由扩散程度，平均峰度表示非高斯扩散的程度，即水分子在组织中的受限扩散情况。HER-2 阳性乳腺癌患者的肿瘤组织中平均扩散率高于HER-2阴性乳腺癌患者，而平均峰度低于HER-2 阴性乳腺癌患者，这种关系对于指导临床治疗和预后评估具有重要意义。Kang 等分析峰度与乳腺癌亚型的关联性，HER-2 阳性和三阴性亚型的峰度值比管腔亚型更低，两者峰度差异显著，可能是新生血管增加、血管通透性增加和细胞外液连续增加所致。

Wang 等的研究表明HER-2 阳性乳腺癌的平均扩散率显著高于其他亚型，原因可能是HER-2 高表达病变具有高细胞密度、丰富的组织血液灌注以及高侵袭和转移能力，这些因素可能导致肿瘤组织的水分子在不同方向上的扩散受到更多限制，从而使平均扩散率增加。总之，在HER-2 阳性乳腺癌中，DKI 有助于了解肿瘤生长和浸润状况，对制订治疗方案具有重要参考价值。但DKI 效果可能受异质性和微环境影响，需综合考虑多方面因素以确保准确性。

3. MRI 影像组学及人工智能在HER-2 阳性乳腺癌中的应用

MRI 在识别和诊断病变方面具有高特异度和敏感度，但仍然存在局限性。影像组学是一种非侵入性成像技术，能够将数字医学图像转换为定量的连续数据，评估时间和空间异质性。通过深度学习和机器学习等技术，人工智能可以快速、准确地识别和分析医学影像中的病变特征，帮助医师更精准地诊断和选择更优的治疗方案。Li 等基于乳腺DCE-MRI 的功能参数图上瘤内和瘤周区域的影像组学特征可以识别HER-2 和Ki-67 状态，瘤内和瘤周区域的影像组学特征预测HER-2 状态的曲线下面积（AUC）最大、分类准确度最高（分别为0.808、78.6%）。

Huang 等使用6 种分类算法构建模型预测分子亚型，结果显示多层感知器在3 个分类任务（三阴性与非三阴性、HER-2阳性与HER-2 阴性和激素受体阳性/HER-2 阴性与其他）中表现最佳，AUC 分别为0.965、0.840 和0.860，准确度分别为92.6%、79.0%和82.1%。Sheng 等发现随机森林模型在分析HER-2 过表达组和非HER-2过表达组时比其他5 个模型的分类效率和区分能力更高，AUC（0.805 4）和特异度（97.44%）较高。Lupat 等提出一种多组学神经网络算法（Moanna 算法）用于预测乳腺癌亚型，该模型区分HER-2 阳性和HER-2 阴性的分类准确度、精确度分别为95.9%、96.0%。

总之，影像组学及人工智能在乳腺癌分子分型方面具有广阔的应用前景，通过结合影像学和病理学方法，可以实现对乳腺癌分子表型的全面评估，为患者的个性化治疗提供更多信息。

来源：王小芳,钱丽霞,邢君.多参数MRI在诊断HER-2阳性乳腺癌中的研究进展[J].中国医学影像学杂志,2025,33(07):791-795.