蔣新華， 李姣， 蔡宏民， 彭艷霞， 李立

乳腺癌是女性最常見的惡性腫瘤，位居全球女性惡性腫瘤死亡率第二位[1]。在精準醫(yī)學時代的臨床實踐中，預(yù)測乳腺癌的治療反應(yīng)和預(yù)后是必不可少的。 MRI是乳腺癌診斷、治療及療效評估最重要的檢查手段，但人工判讀MRI圖像不能評估腫瘤的異質(zhì)性。影像組學能從 MRI圖像中提取海量的影像定量特征，挖掘大量肉眼不能識別的信息，從而得到全面的腫瘤表征信息，達到精準醫(yī)療的目的。影像組學在乳腺癌中的應(yīng)用價值主要在于乳腺良惡性病變、乳腺癌分子分型的鑒別，化療療效、復(fù)發(fā)風險、預(yù)后、前哨淋巴結(jié)轉(zhuǎn)移、基因表達的預(yù)測等[2,3]。乳腺癌常用的分子標記物包括雌激素受體(ER)、孕激素受體(PR)、人表皮生長因子受體2(Her2)、增殖細胞核抗原(Ki-67)和P53蛋白(P53)等，目前常采用術(shù)后病理學免疫組化方法進行檢測，亟需一種無創(chuàng)性方法在術(shù)前預(yù)測乳腺癌分子標記物的表達情況，以指導臨床術(shù)前化療方案的制定。本研究旨在探討乳腺癌MRI 影像組學特征與病理免疫組化分子標記物的相關(guān)性，為 MRI 影像組學預(yù)測乳腺癌分子分型提供依據(jù)。

材料與方法

1.研究對象

回顧性分析我院2008年-2011年行MRI動態(tài)增強掃描(DCE-MRI)、且經(jīng)病理證實的140例乳腺癌患者的病例資料?；颊吣挲g25～78歲，平均年齡(48.3±10.7)歲。所有患者均行手術(shù)治療，并通過免疫組化檢測ER、PR、Ki-67和P53的表達情況。

2.掃描參數(shù)

使用GE Signa HDx 1.5T MRI掃描儀。掃描參數(shù)：平掃采用橫軸面FSE T1WI (TR 700 ms，TE 10 ms)和脂肪抑制T2WI (TR 4500 ms，TE 85 ms)，層厚5.0 mm，層間隔0.5 mm，矩陣384×224， 激勵次數(shù)2。動態(tài)增強采用3D快速梯度回波(VIBRANT)序列，雙側(cè)乳腺矢狀面同時成像技術(shù)，掃描參數(shù)：TR 5.5 ms，TE 2.6 ms，翻轉(zhuǎn)角15°，矩陣288×192，層厚3 mm，掃描視野22 cm×22 cm，激勵次數(shù)1。采用高壓注射器靜脈內(nèi)以3.0 mL/s流率團注對比劑Gd-DTPA (0.1 mmol/kg體重)后，注射等量生理鹽水。注射對比劑前掃描蒙片，注射對比劑后連續(xù)采集9個時相，單期掃描時間為59 s。

3.影像組學特征的提取

使用MATLAB軟件提取病灶的影像組學特征。手動識別乳腺癌病灶后，采用兩步法對病灶輪廓進行精確分割：先采用模糊C均值(fuzzy c-means,FCM)算法進行初始分割[4]，再根據(jù)基于梯度矢量流(gradient vector flow，GVF)的snake算法[5]對病灶進行精確分割(圖1)。提取24個影像組學特征，其中形態(tài)學特征11個，包括：緊致度、 毛刺度、矩形度、伸長率、實體度、 圓度、徑向分布熵、分形度、異質(zhì)性、面積和偏心率；紋理特征13個，包括：能量、相關(guān)性、慣量、熵、逆差、和平均、和方差、和熵、差平均、差方差、差熵、相關(guān)信息度量1和相關(guān)信息度量2。

4.免疫組化

所有免疫組化陽性均呈棕色顯色, 觀察并分析整張切片中陽性染色細胞占所有腫瘤細胞的百分比。檢測ER、PR時，腫瘤細胞≥1%陽性染色認為是陽性表達；檢測Ki-67時，腫瘤細胞≥14%陽性染色認為是陽性表達；檢測P53時，腫瘤細胞≥10%陽性染色認為是陽性表達。

5.統(tǒng)計學分析

采用SPSS 24.0統(tǒng)計軟件進行統(tǒng)計學分析。非參數(shù)檢驗分析各連續(xù)變量是否服從正態(tài)分布，服從正態(tài)分布的，采用獨立樣本t檢驗；不服從正態(tài)分布的，采用非參數(shù)檢驗。對有組間差異的變量 進一步行受試者工作特征(ROC)曲線分析，計算曲線下面積(AUC)，獲得診斷效能最佳時的診斷敏感性和特異性。P<0.05認為差異具有統(tǒng)計學意義。

結(jié) 果

140例乳腺癌中，浸潤性導管癌108例，導管內(nèi)癌26例，粘液腺癌5例，Paget's病1例。

MRI影像組學特征鑒別病灶是否表達ER時，和平均的診斷效能最佳，ER陽性者和平均(290.28±28.90)明顯高于ER陰性者(266.26±33.76)，AUC為0.701(95% CI:0.605～0.797)，敏感度為79.6%，特異度為54.8%(圖2a)。PR 陽性者圓度(3.99±2.75)明顯低于 PR 陰性者(6.11±4.18)；PR 陽性者緊致度(2.54±1.35)明顯低于PR陰性者(3.87±2.64)；PR陽性者實體度(0.85±0.07)明顯高于PR陰性者(0.79±0.11);聯(lián)合圓度、緊致度、實體度鑒別病灶是否表達PR時，AUC為0.678，敏感度為92.0%，特異度為42.3%(表1，圖2b)。Ki-67陽性者和熵(7.76±0.53)明顯高于Ki-67陰性者(7.36±0.50)；Ki-67陽性者毛刺度(2.52±1.35)明顯高于Ki-67陰性者(1.75±0.57)；Ki-67陽性者面積(2033.07±1697.32)明顯高于 Ki-67陰性者(1085.64±871.89)；Ki-67陽性者熵(10.47±0.99)明顯高于Ki-67陰性者(9.79±0.83);聯(lián)合這4個影像組學特征鑒別病灶是否表達Ki-67時，AUC為0.767，敏感度為63.4%，特異度為79.5%(表1，圖2c)。P53陽性者緊致度(2.56±1.33)明顯低于P53陰性者(4.03±2.79)；P53陽性者分形度(1.20±0.13)明顯低于P53陰性者(1.26±0.14)；P53陽性者實體度(0.84±0.07)明顯高于P53陰性者(0.78±0.12)；P53陽性者圓度(4.21±2.83)明顯低于P53陰性者(5.97±4.38);聯(lián)合這4個影像組學特征鑒別病灶是否表達P53時，AUC為0.669，敏感度為67.4%，特異度為62.2%(表1，圖2d)。

圖1 手動識別乳腺癌病灶后，采用兩步法對乳腺癌病灶輪廓進行精確分割。

P值敏感度特異度AUCPR陽性與PR陰性 緊致度0.0010.3650.9430.649(0.551～0.747) 實體度0.0010.7840.5000.662(0.566～0.758) 圓度0.0020.5770.7840.664(0.564～0.764) 聯(lián)合<0.0010.9200.4230.678(0.582～0.775)Ki-67陽性與Ki-67陰性 毛刺度<0.0010.3960.9740.684(0.594～0.775) 面積<0.0010.4750.8720.695(0.605～0.785) 熵<0.0010.6440.7440.722(0.635～0.809) 和熵<0.0010.6730.7690.749(0.663～0.835) 聯(lián)合<0.0010.6340.7950.767(0.686～0.847)P53陽性與P53陰性 分形度0.0300.4890.8210.617(0.507～0.728) 緊致度0.0010.4670.8530.659(0.555～0.763) 實體度0.0030.8210.5110.650(0.544～0.755) 圓度0.0170.5330.7470.622(0.515～0.730) 聯(lián)合0.0010.6740.6220.669(0.568～0.770)

討 論

乳腺癌的生物學行為、預(yù)后與分子標記物密切相關(guān)[6]?；驒z測能夠準確區(qū)分乳腺癌分子分型，但是由于成本的限制，臨床應(yīng)用較少。目前主要使用病理免疫組化區(qū)分乳腺癌分子分型，但由于腫瘤的異質(zhì)性，病理組織學無法全面、定量分析腫瘤的生物學行為，而且免疫組化僅能用于術(shù)后評估。近年來，由于影像組學的飛速發(fā)展，使術(shù)前應(yīng)用MRI影像組學無創(chuàng)性評估乳腺癌病灶的分子標記物的表達情況成為可能。

Grimm等[7]提取56個MRI影像組學特征，包括形態(tài)學特征、紋理特征和血流動力學特征，發(fā)現(xiàn)部分影像組學特征能夠鑒別乳腺癌Luminal A、B亞型。Agner等[8]通過MRI影像組學特征鑒別三陰性乳腺癌與非三陰性( ER和Her2陽性、ER 陽性、Her2陽性)乳腺癌及纖維腺瘤，結(jié)果顯示三陰性乳腺癌較非三陰性乳腺癌強化均勻且致密，較纖維腺瘤異質(zhì)性高；同時其ROC下面積(AUC)為 0.73～0.97。Fan等[9]從60例乳腺癌的DCE-MRI提取88個影像組學特征，結(jié)果顯示聯(lián)合影像組學特征和臨床信息能預(yù)測乳腺癌的分子分型。Mazurowski等[10]從27例Luminal A型、8例 Luminal B型、4例Her2過表達型及8例基底樣型乳腺癌的動態(tài)增強掃描序列中提取23個影像組學特征，結(jié)果顯示Luminal B型乳腺癌與動態(tài)增強特征值相關(guān)，即病灶強化率與背景實質(zhì)強化率比值越高，Luminal B型的可能性越大。Wang等[11]從84例乳腺癌(共88個病灶)的DCE-MRI提取85個影像組學特征，結(jié)果顯示影像組學特征鑒別三陰性乳腺癌與非三陰性乳腺癌的AUC為0.782，準確度和敏感度分別為86.9%和33.0%；聯(lián)合背景實質(zhì)強化區(qū)影像組學特征時，AUC提高至0.878，準確度和敏感度分別提高至90.0%和57.0%，說明聯(lián)合背景實質(zhì)強化可提高三陰性乳腺癌的鑒別診斷效能。

圖2 組間具有統(tǒng)計學差異的影像組學特征的ROC曲線。a) 鑒別乳腺癌是否表達ER的ROC曲線； b) 鑒別乳腺癌是否表達PR的ROC曲線； c) 鑒別乳腺癌是否表達Ki-67的ROC曲線； d) 鑒別乳腺癌是否表達P53的ROC曲線。

2016年發(fā)表的一項回顧性研究探討了91例乳腺癌的MRI影像組學特征與受體狀態(tài)的相關(guān)性，結(jié)果顯示MRI影像組學特征與ER、PR和Her2 的表達明顯相關(guān)，作者認為MRI影像組學特征能作為“虛擬組織活檢”預(yù)測乳腺癌分子分型，推進精準醫(yī)學的發(fā)展[12]。本研究也顯示 DCE-MRI影像組學特征與ER、PR的表達具有明顯的相關(guān)性。

Ki-67可評估細胞增殖和治療反應(yīng)，是判斷腫瘤細胞活躍程度的一個重要指標，通常作為乳腺癌患者的預(yù)后標志物。Ma等[13]回顧性收集377名浸潤性乳腺癌患者，提取了56個MRI影像組學特征(包括形態(tài)學特征、灰度統(tǒng)計學特征和紋理特征)，結(jié)果顯示13個影像組學特征與Ki-67表達相關(guān)，其中3種紋理特征(對比度、熵和線條相似度)與Ki-67的表達明顯相關(guān)。本研究回顧性研究多種病理類型的乳腺癌患者，結(jié)果顯示Ki-67陽性者的毛刺度、面積、熵、和熵較陰性者更大。熵主要反映病灶紋理的復(fù)雜程度，紋理越復(fù)雜熵值越高；毛刺度、面積、熵值大說明病灶生長速度較快，具有更大的異質(zhì)性，與Ki-67陽性相吻合。

P53突變率高的乳腺癌細胞增殖活力強、分化差、惡性度高、侵襲性強、淋巴結(jié)轉(zhuǎn)移率高。李建靈等[14]分析39例乳腺癌患者的DCE-MRI特征，結(jié)果顯示乳腺癌達峰時間和P53陽性表達呈負相關(guān)。 本研究結(jié)果顯示，P53陽性者緊致度明顯低于P53陰性者。緊致度主要反映病灶的圓潤程度，一般良性病灶的緊致度比惡性病灶大，P53陽性者乳腺癌細胞增殖活力強，與緊致度小相吻合。

本研究結(jié)果顯示，乳腺癌病灶的DCE-MRI 影像組學特征與 ER、PR、Ki-67、P53的表達存在相關(guān)性，具有無創(chuàng)性預(yù)測乳腺癌分子標記物表達的潛力，有助于臨床制定個體化治療計劃，預(yù)測患者化療療效、復(fù)發(fā)風險及預(yù)后，為個體化精準治療提供依據(jù)。

各種影像組學特征所代表的生物學含義尚未完全明確，僅少部分影像組學特征具有可解釋性。目前僅用影像組學特征預(yù)測乳腺癌分子標記物的表達情況的研究結(jié)果并不理想，文獻報道的病例數(shù)也不多。筆者初步探討140例乳腺癌的DCE-MRI影像組學特征與分子標記物表達的相關(guān)性，結(jié)果顯示部分影像組學特征與分子標記物的表達具有相關(guān)性，單個影像組學特征的診斷效能較低，聯(lián)合多個影像組學特征可提高診斷效能。今后的研究可增加病例數(shù)，結(jié)合其它有意義的臨床特征，建立預(yù)測模型，提高影像組學特征預(yù)測乳腺癌分子標記物表達的準確性。

本研究具有一定的局限性。納入研究的乳腺癌病例大部分為浸潤性導管癌，其它類型的乳腺癌病例數(shù)較少，可能會造成數(shù)據(jù)偏倚；僅在病灶最大層面提取影像組學特征，沒有對病灶進行三維分割，不能反映病灶的整體特征。