基于AI的MRI乳腺密度量化及其与乳腺X线摄影评估的相关性研究

《npj Breast Cancer》：Breast density in MRI: an AI-based quantification and relationship to assessment in mammography

本研究针对乳腺MRI密度评估中存在的三维结构分析挑战，开发了基于深度学习的分割模型（3D V-Net），在三个独立数据集（ISPY2、DBC-MRI和内部数据集）上实现了纤维腺体组织（FGT）分割DSC达0.88的精准量化。研究发现MR乳腺密度与年龄呈负相关（20-29岁组0.21±0.14 vs 70-79岁组0.06±0.05），且与乳腺X线摄影密度分类呈显著正相关（Spearman系数0.750）。该研究为整合MR密度特征改进乳腺癌风险预测提供了新思路。

　　

乳腺密度作为乳腺癌的重要风险因子，在临床影像评估中一直占据关键地位。传统乳腺X线摄影（Mammography）虽广泛应用，却在致密型乳腺组织中面临敏感性与特异性双低的困境——致密组织与癌变组织相似的影像特征常导致误判，而主观性强的四分类评估体系（从"几乎全部脂肪"到"极度致密"）更存在显著的阅片者间差异。这些局限性不仅影响癌症检出率，更可能扭曲患者的终身乳腺癌风险计算。

当医学界寻求更精准的评估手段时，乳腺磁共振成像（MRI）展现出独特优势：高对比度分辨率和对侵袭性乳腺癌的增强敏感性。然而，MRI的三维特性却带来了新的分析难题——如何跨切片精准勾勒并整合复杂的乳腺结构？手动标注的高负荷、现有分割方法（如C-模糊聚类）的精度不足，以及深度学习模型的可重复性挑战，共同阻碍了MRI乳腺密度评估的广泛应用。

正是在此背景下，杜克大学研究团队在《npj Breast Cancer》发表了创新性研究，通过开发基于深度学习的自动分割模型，系统探索了MRI乳腺密度的量化特征及其与乳腺X线摄影评估的内在联系。

关键技术方法

研究团队应用3D V-Net架构开发乳腺体积和纤维腺体组织分割算法，在三个独立数据集（包括717例ISPY2、890例DBC-MRI和392例内部机构数据）上进行验证。通过基于DICOM头文件的标准化预处理和z-score强度归一化，确保跨数据集一致性。乳腺密度计算公式为密集组织体积与全乳体积比值（∑M_dense/∑M_breast）。与乳腺X线摄影的对比分析基于内部数据集中半年内配对的MRI和数字乳腺断层合成（DBT）检查。

研究结果

乳腺密度在三个数据集中的分布

分析显示三个数据集的MR乳腺密度分布高度一致，大多数密度值集中在0.0-0.2范围内。ISPY2数据集平均密度为0.104±0.092，DBC-MRI为0.114±0.096，内部数据集为0.114±0.112，总体平均值为0.111±0.098。这种跨数据集一致性凸显了方法的稳定性，尽管数据集在患者群体、成像协议和MR设备方面存在差异。

不同年龄组的乳腺密度分布

年龄分析揭示了明确的负相关趋势：20-29岁组平均密度为0.21±0.14，而70-79岁组降至0.06±0.05。年轻组（20-39岁）显示更高的变异性（标准差0.14和0.11），而年长组（60-79岁）变异性显著降低（标准差0.06和0.05）。特别值得注意的是，40-49岁与50-59岁组间出现最显著的密度下降，可能与更年期相关的生理变化有关。

MRI与乳腺X线摄影评估的相关性

与放射科医生判读的DBT密度分类对比显示，从"极度致密"到"几乎全部脂肪"组，MR密度呈现明确递减趋势（0.27±0.13 vs 0.019±0.02）。统计相关性分析显示Spearman等级相关系数为0.750（p=6.64×10^-72），Kendall's Tau系数为0.622（p=6.97×10⁵⁸），证实两种模态间存在强正相关。然而，"异质性致密"和"极度致密"类别中出现显著差异，提示MRI可能捕获了乳腺X线摄影无法检测的密度特征。

讨论与结论

本研究证实了深度学习驱动的MRI乳腺密度评估在不同数据集中的稳健性，揭示了与年龄相关的密度变化规律，并明确了MRI与乳腺X线摄影评估间的对应关系与差异。特别重要的是，MRI的三维成像特性使其能够识别"极度致密"类别内的亚组差异——某些视觉上看似高度致密的组织，在三维体积测量中可能显示较低密度值，这源于乳腺边缘切片中脂肪组织的贡献。

方法学上，3D V-Net在分割任务中表现最优（DSC 88.79%，HD 31.28），显著优于3D U-Net和nnU-Net。基于MRI密度的BI-RADS四分类准确率达73.42%，二元分类（"散在密度"vs"异质性致密"）AUC为91%，与现有乳腺X线摄影模型性能相当。

这些发现对乳腺癌风险预测具有重要启示：MRI提供的真三维量化可能更准确反映实际密集组织体积，减少乳腺X线摄影因投影重叠导致的过高估计。未来研究可探索如何将MR密度特征整合至现有风险模型，特别针对高危人群（如BRCA突变携带者）开发个性化筛查策略。随着"快速MRI"协议的推广，这种精准评估方法有望在临床实践中发挥更大价值。

研究的主要局限性包括尚未量化密集组织空间分布特征，以及MRI人群（高危筛查或疾病范围评估患者）与普通筛查人群的差异。然而，这项工作为建立更可靠、可重复的乳腺密度评估体系奠定了坚实基础，为改进乳腺癌风险预测开辟了新途径。