Differentiation of benign and malignant complex cystic lesions of the breast: The diagnostic value of MRI.
乳房複雜囊性病灶 MRI 鑑別：固態成分 ADC 單項 AUC 0.796，四項聯合模型達 0.853
- 固態成分 ADC（AUC 0.796）單項鑑別效能最優，優於病灶最大徑（0.733）及囊性 ADC 低訊號（0.641）
- 最大徑 + 固態 ADC + 囊性 ADC 低訊號 + TIC 型態四項聯合，診斷 AUC 提升至 0.853
- 回顧性單中心 106 例，ADC 閾值受 b 值與磁場強度影響，跨機構套用前需在本機設備驗證
在乳房複雜囊性病灶的 MRI 評估中，固態成分的 ADC 值（apparent diffusion coefficient，表觀擴散係數，反映組織內水分子擴散受限程度）單項 AUC 達到 0.796，已優於單純用病灶最大徑（AUC 0.733）做鑑別——而將最大徑、固態 ADC、囊性 ADC 低訊號與 TIC 曲線型態四項整合後，聯合診斷 AUC 提升至 0.853。本研究系統性量化了各 MRI 特徵對 106 例複雜囊性乳房病灶的鑑別貢獻。
複雜囊性乳房病灶的鑑別難題與 MRI 應用動機
複雜囊性乳房病灶（complex cystic breast lesions）在影像上同時含有液態囊性成分與固態成分，外觀多變，是乳房影像判讀的難題之一。良性的囊內乳突瘤、纖維腺瘤與惡性的囊性乳癌在超音波外觀上可能高度重疊，若鑑別錯誤，良性病灶可能被過度活檢，惡性病灶則可能延誤治療時機。
超音波是第一線評估工具，但在確認固態成分的組織特性方面存在明顯不足。MRI 能提供多維度的功能性資訊：DWI（diffusion-weighted imaging，擴散加權影像）序列可量化組織水分子擴散特性，DCE-MRI（dynamic contrast-enhanced MRI，動態對比增強磁振影像）的 TIC（time-intensity curve，時間-強度曲線）可呈現造影劑動態強化型態，T2WI 則可評估囊液訊號均質性。本研究的目標是系統性評估上述 MRI 特徵的診斷效能，並建立多變數聯合模型，為術前良惡性鑑別提供量化依據。
106 例回顧性研究設計與 MRI 分析特徵架構
研究回顧 2018 年 1 月至 2024 年 7 月間，經組織病理確診的 106 例複雜囊性乳房病灶病患資料。最終構成：51 例惡性、2 例交界性（borderline）、53 例良性，良惡性例數大致均衡，有助於邏輯斯迴歸模型的穩定性。
MRI 評估涵蓋六項特徵，依序納入單變數分析：病灶最大徑、固態成分 ADC 值、囊性成分 ADC 圖的低訊號區（low signal intensity on cystic component ADC maps）、病灶形態（lesion morphology）、囊性成分 T2WI 訊號均質性，以及固態成分 TIC 型態。六項特徵在單變數分析中均顯示出良惡性差異，隨後進入 logistic multivariate regression（多變數邏輯斯迴歸）篩選，以找出對診斷有獨立貢獻的因素。統計效能以 ROC（receiver operating characteristic，接收者操作特徵）曲線的 AUC（area under the curve，曲線下面積）量化，AUC 越接近 1.0 代表診斷效能越佳。
固態成分 ADC 的 AUC 0.796 與各特徵診斷效能比較
單項特徵的診斷表現依序如下：固態成分 ADC：AUC 0.796、病灶最大徑：AUC 0.733、囊性成分 ADC 低訊號：AUC 0.641。固態成分 ADC 在三項中表現最優。
這個結果與惡性腫瘤的病理生理一致：惡性病灶固態部分的細胞密度高，細胞外間隙受壓縮，水分子擴散自由度下降，對應的 ADC 值偏低。DWI 序列正是透過偵測這種擴散受限，將惡性固態成分「標出來」。相較之下，囊性成分 ADC 圖低訊號的 AUC 僅 0.641，代表單靠囊液的擴散特性區分良惡性的能力有限，囊腫的液體特性受多種因素影響（如出血、蛋白含量），不如固態成分的 ADC 穩定。
病灶最大徑（AUC 0.733）表現居中，顯示較大病灶整體上惡性率較高，但與固態 ADC 相比，純粹的大小資訊存在更多良惡性重疊。
固態成分 ADC 單項表現最優（0.796），四項聯合提升至 0.853
四項特徵聯合診斷模型：AUC 0.853 的鑑別效能
多變數分析最終保留四項特徵：病灶最大徑、固態成分 ADC 值、囊性成分 ADC 低訊號及固態成分 TIC 型態。四項聯合後 AUC 達 0.853，相較於最佳單項（固態 ADC 0.796）提升 0.057，顯示多參數整合確能增強整體鑑別效能。
TIC 曲線型態是 DCE-MRI 的重要評估面向，一般分為三型：I 型（持續上升，多為良性）、II 型（平台型，不確定）、III 型（快速上升後洗出，高度惡性疑慮）。惡性腫瘤的固態成分通常因血管豐富且通透性高，呈現早期快速強化後的洗出型態（III 型），與良性病灶的型態明顯不同。TIC 評估需要 DCE-MRI 序列在注射造影劑前後多個時間點取像，時間解析度的設定會影響曲線的準確捕捉，這也是各機構在實際操作中需要注意的技術層面。
值得一提的是，病灶形態與 T2WI 訊號均質性在單變數分析中有差異，但在多變數篩選中未進入最終模型，提示在固態 ADC 與 TIC 型態的資訊已涵蓋的情況下，這兩項的獨立鑑別貢獻相對有限。
| MRI 特徵 | 技術序列 | 惡性方向 | 單項 AUC |
|---|---|---|---|
| 病灶最大徑 | 形態評估 | 較大 | 0.733 |
| 固態成分 ADC | DWI | 偏低（擴散受限） | 0.796 |
| 囊性成分 ADC 低訊號 | DWI ADC 圖 | 低訊號區存在 | 0.641 |
| 固態成分 TIC 型態 | DCE-MRI | III 型（洗出型） | 未個別報告 |
T2WI 均質性與形態在單變數顯著，但多變數篩選後未進入最終模型
研究限制與 MRI 乳房鑑別診斷的適用邊界
本研究最主要的限制是回顧性單中心設計，106 例的樣本量對於建立穩健多變數模型屬中小型規模。更值得注意的是，ADC 的絕對數值高度依賴掃描參數設定，尤其是 DWI 的 b 值（b-value，控制擴散敏感程度的參數）、磁場強度（1.5T vs 3T）、迴波時間（TE）、以及影像矩陣等技術條件。不同機構、不同品牌設備測出的 ADC 切點值（threshold）可能存在差異，因此在直接套用本研究的閾值進行鑑別時，應先於本機構的設備上驗證其適用性。
DCE-MRI 的 TIC 型態判讀同樣受掃描協定影響——若時間解析度不足，III 型的洗出型態可能被誤判為 II 型。此外，2 例交界性病灶在 abstract 中未說明如何處理，這類病灶在臨床本就難以歸類，屬於模型的邊界情境。觀察者間的 ROI 勾畫一致性（inter-observer reliability）是 ADC 測量的潛在弱點，但 abstract 中未提供相關數據。
研究結論指出，此模型最大的潛在價值在於協助術前鑑別複雜囊性病灶，對於影像評估後仍難以定性的 BI-RADS 4 類病灶，MRI 多參數評估有望協助篩選出真正需要活檢的惡性病灶，減少良性病灶的不必要介入。
固態成分 ADC 是最強單項指標（AUC 0.796），整合最大徑與 TIC 型態達 0.853，適合作為複雜囊性乳房病灶活檢前的 MRI 評估架構。