Diffusionsbildgebung der Mamma – Möglichkeiten und Limitationen der DWI

Zusammenfassung

Hintergrund Die MRT-Untersuchung der Mamma ist von zentraler Bedeutung in der Diagnostik der Erkrankungen der Mamma. Dies gilt sowohl für die Primärdiagnostik als auch die Verlaufsbeurteilung. Obwohl dabei die frühe Kontrastmittelanreicherung derzeit die wichtigste diagnostische Sequenz darstellt, erlangt vor allem die Diffusionswichtung (DWI) eine zunehmende Bedeutung in der Bildgebung, nicht zuletzt aufgrund ihrer Unabhängigkeit von einer Kontrastmittelgabe. Die vorliegende Übersichtsarbeit stellt die diagnostische und prognostische Relevanz der DWI bei Erkrankungen der Mamma vor.

Methoden Unter Berücksichtigung der veröffentlichten Literatur stellt dieser Übersichtsartikel den möglichen klinisch relevanten Nutzen der DWI der Mamma dar. Es werden verschiedene diagnostische Anwendungen erläutert, insbesondere zur Primärdiagnostik von unklaren Raumforderungen der Mamma, und der Möglichkeit eines nativen Screenings. Weiterhin werden Korrelationen mit histopathologischen Eigenschaften und die Vorhersage des Therapieansprechens der neoadjuvanten Chemotherapie diskutiert.

Ergebnisse Viele Studien zeigten den diagnostischen Wert der DWI in der primären Dignitätseinschätzung von intramammären Herdbefunden. Benigne Läsionen der Mamma weisen signifikant höhere „Apparent diffusion coefficients“ (ADC-Werte) auf als maligne Tumoren. Dies kann klinisch genutzt werden, um unnötige Biopsien zu reduzieren. Zur Differenzierung der Subtypen des Mammakarzinoms wurden hingegen inkonklusive Ergebnisse veröffentlicht, sodass die DWI nicht sicher den immunhistochemischen Subtyp vorhersagen kann. Die DWI kann jedoch helfen, durch ein Ansteigen des ADC-Werts das Ansprechen der neoadjuvanten Chemotherapie vorherzusagen.

Schlussfolgerung Die DWI ist eine vielversprechende Untersuchungstechnik, die zum Standardprotokoll der Mamma-MRT gehören sollte. Sie kann vor allem bei der Diagnosestellung klinisch relevante Zusatzinformationen liefern. Bezüglich der prognostischen Relevanz, der Vorhersage von Subtypen oder dem Proliferationsindex gibt es jedoch keine Evidenz für einen Zusatznutzen. Die Technik benötigt vor allem noch vermehrte Standardisierung, um den ADC-Wert als klinischen Biomarker reliabel verwenden zu können.

Kernaussagen: 

• Die DWI kann helfen, zwischen benignen und malignen Tumoren der Mamma zu unterscheiden und damit unnötige Biopsien zu vermeiden.

• Der ADC-Wert kann nicht zwischen den immunhistochemischen Subtypen des Mammakarzinoms unterscheiden.

• Der ADC-Wert steigt unter der neoadjuvanten Chemotherapie des Mammakarzinoms an und kann damit helfen, ein Therapieansprechen frühzeitig vorherzusagen.

• Für die klinische Translation ist eine weitere Standardisierung der Technik vonnöten.

Zitierweise

• Meyer HJ, Martin M, Denecke T. DWI of the Breast – Possibilities and Limitations. Fortschr Röntgenstr 2022; 194: 966 – 974

Key words

DWI - breast cancer - ADC

Publikationsverlauf

Eingereicht: 12. März 2021

Angenommen: 25. Januar 2022

Artikel online veröffentlicht:
19. April 2022

• References

• 1 Mann RM, Balleyguier C, Baltzer PA. et al. Breast MRI: EUSOBI recommendations for women’s information. Eur Radiol 2015; 25: 3669-3678
• 2 Mann RM, Kuhl CK, Moy L. Contrast-enhanced MRI for breast cancer screening. J Magn Reson Imaging 2019; 50: 377-390
• 3 Baltzer P, Mann RM, Iima M. et al. Diffusion-weighted imaging of the breast-a consensus and mission statement from the EUSOBI International Breast Diffusion-Weighted Imaging working group. Eur Radiol 2020; 30: 1436-1450
• 4 Padhani AR, Liu G, Koh DM. et al. Diffusion-weighted magnetic resonance imaging as a cancer biomarker: consensus and recommendations. Neoplasia 2009; 11: 102-125
• 5 Surov A, Meyer HJ, Wienke A. Correlation between apparent diffusion coefficient (ADC) and cellularity is different in several tumors: a meta-analysis. Oncotarget 2017; 8: 59492-59499
• 6 Bailey C, Siow B, Panagiotaki E. et al. Microstructural models for diffusion MRI in breast cancer and surrounding stroma: an ex vivo study. NMR Biomed 2017; 30: e3679
• 7 Parsian S, Giannakopoulos NV, Rahbar H. et al. Diffusion-weighted imaging reflects variable cellularity and stromal density present in breast fibroadenomas. Clin Imaging 2016; 40: 1047-1054
• 8 Woodhams R, Kakita S, Hata H. et al. Diffusion-weighted imaging of mucinous carcinoma of the breast: evaluation of apparent diffusion coefficient and signal intensity in correlation with histologic findings. Am J Roentgenol 2009; 193: 260-266
• 9 Jiang R, Ma Z, Dong H. et al. Diffusion tensor imaging of breast lesions: evaluation of apparent diffusion coefficient and fractional anisotropy and tissue cellularity. Br J Radiol 2016; 89: 20160076
• 10 Onishi N, Kanao S, Kataoka M. et al. Apparent diffusion coefficient as a potential surrogate marker for Ki-67 index in mucinous breast carcinoma. J Magn Reson Imaging 2015; 41: 610-615
• 11 Le Bihan D. What can we see with IVIM MRI?. Neuroimage 2019; 187: 56-67
• 12 Klau M, Mayer P, Bergmann F. et al. Correlation of Histological Vessel Characteristics and Diffusion-Weighted Imaging Intravoxel Incoherent Motion-Derived Parameters in Pancreatic Ductal Adenocarcinomas and Pancreatic Neuroendocrine Tumors. Invest Radiol 2015; 50: 792-797
• 13 Marrale M, Collura G, Brai M. et al. Physics, Techniques and Review of Neuroradiological Applications of Diffusion Kurtosis Imaging (DKI). Clin Neuroradiol 2016; 26: 391-403
• 14 Liang J, Zeng S, Li Z. et al. Intravoxel Incoherent Motion Diffusion-Weighted Imaging for Quantitative Differentiation of Breast Tumors: A Meta-Analysis. Front Oncol 2020; 10: 585486
• 15 Li Z, Li X, Peng C. et al. The Diagnostic Performance of Diffusion Kurtosis Imaging in the Characterization of Breast Tumors: A Meta-Analysis. Front Oncol 2020; 10: 575272
• 16 Iima M, Honda M, Sigmund EE. et al. Diffusion MRI of the breast: Current status and future directions. J Magn Reson Imaging 2020; 52: 70-90
• 17 Yabuuchi H, Matsuo Y, Okafuji T. et al. Enhanced mass on contrast-enhanced breast MR imaging: Lesion characterization using combination of dynamic contrast-enhanced and diffusion-weighted MR images. J Magn Reson Imaging 2008; 28: 1157-1165
• 18 Chen X, Li WL, Zhang YL. et al. Meta-analysis of quantitative diffusion-weighted MR imaging in the differential diagnosis of breast lesions. BMC Cancer 2010; 10: 693
• 19 Surov A, Meyer HJ, Wienke A. Can apparent diffusion coefficient (ADC) distinguish breast cancer from benign breast findings? A meta-analysis based on 13 847 lesions. BMC Cancer 2019; 19: 955
• 20 Rahbar H, Zhang Z, Chenevert TL. et al. Utility of Diffusion-weighted Imaging to Decrease Unnecessary Biopsies Prompted by Breast MRI: A Trial of the ECOG-ACRIN Cancer Research Group (A6702). Clin Cancer Res 2019; 25: 1756-1765
• 21 Clauser P, Krug B, Bickel H. et al. Diffusion-weighted imaging allows for downgrading MR BI-RADS 4 lesions in contrast-enhanced MRI of the breast to avoid unnecessary biopsy. Clin Cancer Res 2021;
• 22 McDonald ES, Romanoff J, Rahbar H. et al. Mean Apparent Diffusion Coefficient Is a Sufficient Conventional Diffusion-weighted MRI Metric to Improve Breast MRI Diagnostic Performance: Results from the ECOG-ACRIN Cancer Research Group A6702 Diffusion Imaging Trial. Radiology 2021; 298: 60-70
• 23 Dietzel M, Krug B, Clauser P. et al. A Multicentric Comparison of Apparent Diffusion Coefficient Mapping and the Kaiser Score in the Assessment of Breast Lesions. Invest Radiol 2021; 56: 274-282
• 24 Baltzer A, Dietzel M, Kaiser CG. et al. Combined reading of Contrast Enhanced and Diffusion Weighted Magnetic Resonance Imaging by using a simple sum score. Eur Radiol 2016; 26: 884-891
• 25 Kim JY, Kim JJ, Hwangbo L. et al. Diffusion-weighted Imaging of Invasive Breast Cancer: Relationship to Distant Metastasis-free Survival. Radiology 2019; 291: 300-307
• 26 Surov A, Meyer HJ, Wienke A. Associations between apparent diffusion coefficient (ADC) and KI 67 in different tumors: a meta-analysis. Part 1: ADC_mean . Oncotarget 2017; 8: 75434-75444
• 27 Bonacho T, Rodrigues F, Liberal J. Immunohistochemistry for diagnosis and prognosis of breast cancer: a review. Biotech Histochem 2020; 95: 71-91
• 28 Shen L, Zhou G, Tong T. et al. ADC at 3.0 T as a noninvasive biomarker for preoperative prediction of Ki67 expression in invasive ductal carcinoma of breast. Clin Imaging 2018; 52: 16-22
• 29 Mori N, Mugikura S, Takasawa C. et al. Peritumoral apparent diffusion coefficients for prediction of lymphovascular invasion in clinically node-negative invasive breast cancer. Eur Radiol 2016; 26: 331-339
• 30 Martincich L, Deantoni V, Bertotto I. et al. Correlations between diffusion-weighted imaging and breast cancer biomarkers. Eur Radiol 2012; 22: 1519-1528
• 31 Kim SH, Cha ES, Kim HS. et al. Diffusion-weighted imaging of breast cancer: correlation of the apparent diffusion coefficient value with prognostic factors. J Magn Reson Imaging 2009; 30: 615-620
• 32 Surov A, Clauser P, Chang YW. et al. Can diffusion-weighted imaging predict tumor grade and expression of Ki-67 in breast cancer? A multicenter analysis. Breast Cancer Res 2018; 20: 58
• 33 Park SH, Choi HY, Hahn SY. Correlations between apparent diffusion coefficient values of invasive ductal carcinoma and pathologic factors on diffusion-weighted MRI at 3.0 Tesla. J Magn Reson Imaging 2015; 41: 175-182
• 34 Meyer HJ, Wienke A, Surov A. Diffusion-weighted imaging of different breast cancer molecular subtypes. A systematic review and meta analysis. Breast Care 2021;
• 35 Beek MA, Verheuvel NC, Luiten EJ. et al. Two decades of axillary management in breast cancer. Br J Surg 2015; 102: 1658-1664
• 36 Meyer HJ, Wienke A, Surov A. Diffusion-weighted imaging to predict nodal status in breast cancer. A systematic review and meta analysis. Breast J 2021; 27: 495-498
• 37 Fornasa F, Nesoti MV, Bovo C. et al. Diffusion-weighted magnetic resonance imaging in the characterization of axillary lymph nodes in patients with breast cancer. J Magn Reson Imaging 2012; 36: 858-864
• 38 Rautiainen S, Könönen M, Sironen R. et al. Preoperative axillary staging with 3.0-T breast MRI: clinical value of diffusion imaging and apparent diffusion coefficient. PLoS One 2015; 10: e0122516
• 39 Negrão EMS, Souza JA, Marques EF. et al. Breast cancer phenotype influences MRI response evaluation after neoadjuvant chemotherapy. Eur J Radiol 2019; 120: 108701
• 40 Surov A, Wienke A, Meyer HJ. Pretreatment apparent diffusion coefficient does not predict therapy response to neoadjuvant chemotherapy in breast cancer. Breast 2020; 53: 59-67
• 41 Tsukada H, Tsukada J, Schrading S. et al. Accuracy of multi-parametric breast MR imaging for predicting pathological complete response of operable breast cancer prior to neoadjuvant systemic therapy. Magn Reson Imaging 2019; 62: 242-248
• 42 Yuan L, Li JJ, Li CQ. et al. Diffusion-weighted MR imaging of locally advanced breast carcinoma: the optimal time window of predicting the early response to neoadjuvant chemotherapy. Cancer Imaging 2018; 18: 38
• 43 Partridge SC, Zhang Z, Newitt DC. et al. Diffusion-weighted MRI Findings Predict Pathologic Response in Neoadjuvant Treatment of Breast Cancer: The ACRIN 6698 Multicenter Trial. Radiology 2018; 289: 618-627
• 44 Tahmassebi A, Wengert GJ, Helbich TH. et al. Impact of Machine Learning With Multiparametric Magnetic Resonance Imaging of the Breast for Early Prediction of Response to Neoadjuvant Chemotherapy and Survival Outcomes in Breast Cancer Patients. Invest Radiol 2019; 54: 110-117
• 45 Amornsiripanitch N, Bickelhaupt S, Shin HJ. et al. Diffusion-weighted MRI for Unenhanced Breast Cancer Screening. Radiology 2019; 293: 504-520
• 46 Yabuuchi H, Matsuo Y, Sunami S. et al. Detection of non-palpable breast cancer in asymptomatic women by using unenhanced diffusion-weighted and T2-weighted MR imaging: comparison with mammography and dynamic contrast-enhanced MR imaging. Eur Radiol 2011; 21: 11-17
• 47 Kazama T, Kuroki Y, Kikuchi M. et al. Diffusion-weighted MRI as an adjunct to mammography in women under 50 years of age: an initial study. J Magn Reson Imaging 2012; 36: 139-144
• 48 Bickelhaupt S, Laun FB, Tesdorff J. et al. Fast and Noninvasive Characterization of Suspicious Lesions Detected at Breast Cancer X-Ray Screening: Capability of Diffusion-weighted MR Imaging with MIPs. Radiology 2016; 278: 689-697
• 49 Rotili A, Trimboli RM, Penco S. et al. Double reading of diffusion-weighted magnetic resonance imaging for breast cancer detection. Breast Cancer Res Treat 2020; 180: 111-120
• 50 Baltzer PAT, Kapetas P, Sodano C. et al. Kontrastmittelfreie Mamma-MRT: Vorteile und potenzielle Nachteile [Contrast agent-free breast MRI: Advantages and potential disadvantages]. Radiologe 2019; 59: 510-516
• 51 Palm T, Wenkel E, Ohlmeyer S. et al. Diffusion kurtosis imaging does not improve differentiation performance of breast lesions in a short clinical protocol. Magn Reson Imaging 2019; 63: 205-216
• 52 Wang K, Li Z, Wu Z. et al. Diagnostic Performance of Diffusion Tensor Imaging for Characterizing Breast Tumors: A Comprehensive Meta-Analysis. Front Oncol 2019; 9: 1229
• 53 Baxter GC, Graves MJ, Gilbert FJ. et al. A Meta-analysis of the Diagnostic Performance of Diffusion MRI for Breast Lesion Characterization. Radiology 2019; 291: 632-641