姚純 楊志企 楊佳達(dá) 廖玉婷 陳湘光 陳小鳳

乳腺癌是女性常見的惡性腫瘤之一，新輔助化療（neoadjuvant chemotherapy，NAC）是中晚期乳腺癌的標(biāo)準(zhǔn)治療方案[1-2]。多數(shù)乳腺癌病人能從NAC中獲益，甚至部分病人能夠達(dá)到完全緩解，但仍有10%～35%的病人對NAC 不敏感[3]。于治療前準(zhǔn)確評估病人對NAC 的敏感性，篩選出對NAC 不敏感的人群，可指導(dǎo)臨床選擇最佳治療方案。因此，尋找一種無創(chuàng)、準(zhǔn)確的方法預(yù)測乳腺癌病人對NAC 的敏感性具有重要臨床意義。影像組學(xué)可以表征腫瘤的異質(zhì)性，在腫瘤鑒別診斷以及療效和預(yù)后評估方面具有廣闊的應(yīng)用價值[2，4]。影像組學(xué)模型有望為乳腺癌NAC 療效評估提供新思路。動態(tài)增強(qiáng)MRI（dynamic contrast enhanced-MRI，DCE-MRI）不僅能顯示腫瘤形態(tài)學(xué)特征，還能提供腫瘤灌注方面的信息，在乳腺癌MRI 檢查中具有非常重要的價值。因此，本研究旨在探討基于治療前DCE-MRI 影像組學(xué)評分和激素受體狀態(tài)的列線圖預(yù)測乳腺癌NAC不敏感的價值。

1 資料與方法

1.1 一般資料 回顧性收集2016 年1 月—2019年3 月在梅州市人民醫(yī)院行乳腺癌NAC 治療的128 例女性病人，年齡28～69 歲，平均（49.2±10.0）歲。納入標(biāo)準(zhǔn)：①NAC 治療前行乳腺DCE-MRI 檢查；②NAC 治療后行手術(shù)切除者。排除標(biāo)準(zhǔn)：①隱匿型或非腫塊型乳腺癌；②MRI 影像質(zhì)量差，不能滿足診斷要求；③腫瘤復(fù)發(fā)者；④多發(fā)乳腺癌者。將128 例病人按照7∶3 比例隨機(jī)分為訓(xùn)練集（90 例）和測試集（38 例）。

1.2 設(shè)備與方法 采用西門子Skyra 3 T MR 掃描設(shè)備，16 通道乳腺相控線圈。病人取俯臥位，雙乳自然懸垂于乳腺相控線圈內(nèi)。DCE-MRI 序列采用定量時間分辨隨機(jī)軌道成像技術(shù)，時間分辨率8.7 s，總掃描時間305 s。DCE-MRI 包括增強(qiáng)前T1mapping 和34 期動態(tài)增強(qiáng)掃描。T1mapping 掃描參數(shù)：TR 3.78 ms，TE 1.38 ms，F(xiàn)OV 340 mm×340 mm，矩陣205×256，層厚2 mm，無層間距，掃描時間84 s。動態(tài)增強(qiáng)掃描參數(shù)：TR/TE 6.4 ms/3.3 ms，層厚2.0 mm，無層間距，矩陣288×384，F(xiàn)OV 340 mm×340 mm，翻轉(zhuǎn)角9°。經(jīng)手背靜脈團(tuán)注對比劑釓噴酸葡胺（Gd-DTPA，0.5 mmol/mL，拜耳公司），注射劑量0.1 mmol/kg 體質(zhì)量，注射流率3.0 mL/s。

1.3 臨床病理特征及NAC 療效評估標(biāo)準(zhǔn) 由病理科的1 名主治醫(yī)師和1 名副主任醫(yī)師分析乳腺癌術(shù)后病理特征及NAC 療效評估結(jié)果，意見不一致時由另1 名病理科主任醫(yī)師進(jìn)行核對。記錄病人年齡、人表皮生長因子受體-2（human epidermal growth factor receptor，HER-2）、腫瘤增殖細(xì)胞核抗原-67（tumor expression of the proliferation antigen-67，Ki-67）、雌激素受體（estrogen receptor，ER）、孕激素受體（progesterone receptor，PR）及NAC 病理療效評估結(jié)果。上述生物學(xué)標(biāo)志物以術(shù)后病理結(jié)果為準(zhǔn)，ER和PR 陽性標(biāo)準(zhǔn)為陽性腫瘤細(xì)胞核≥1%。Ki-67＜20%定義為低表達(dá)，≥20%為高表達(dá)[5]。HER-2 陽性標(biāo)準(zhǔn)為免疫組織化學(xué)檢測（＋＋＋）或免疫組織化學(xué)檢測（＋＋）同時熒光原位雜交法檢測陽性[2]。NAC 術(shù)后病理療效評估采用Miller-Payne 分級系統(tǒng)[3]：Ⅰ級，腫瘤細(xì)胞無變化，或單一癌細(xì)胞有變化但總體細(xì)胞數(shù)無減少；Ⅱ級，腫瘤細(xì)胞減少＜30%；Ⅲ級，腫瘤細(xì)胞減少30%～90%；Ⅳ級，腫瘤細(xì)胞減少＞90%，或僅殘留小簇、散在單個腫瘤細(xì)胞；Ⅴ級，腫瘤細(xì)胞無殘留但可存在導(dǎo)管原位癌。NAC 不敏感定義為：Miller-Payne 分級評價為Ⅰ～Ⅱ級的乳腺癌定義為對NAC不敏感，Ⅲ～Ⅴ級定義為對NAC 敏感[3]。依據(jù)上述標(biāo)準(zhǔn)得出，在訓(xùn)練集中療效敏感者47 例，不敏感者43例；在測試集中療效敏感者15 例，不敏感者23 例。

1.4 影像組學(xué)模型構(gòu)建

1.4.1 腫瘤分割及特征提取 將DCE-MRI 中動態(tài)增強(qiáng)曲線峰值對應(yīng)期相的影像導(dǎo)入ITK-SNAP 軟件（Version 3.6.0）[2，6]，由1 名影像科主治醫(yī)師手動逐層標(biāo)記腫瘤的體積興趣區(qū)（VOI），然后由1 名副主任醫(yī)師核對上述VOI 范圍，意見不一致時再由1 名主任醫(yī)師進(jìn)行復(fù)核。標(biāo)記VOI 時應(yīng)盡量避免超出腫瘤外緣。將腫瘤原始圖像和VOI 圖像導(dǎo)入人工智能AK 軟件（V3.0.0. R，GE 公司）自動提取特征，特征提取遵循影像生物標(biāo)志物標(biāo)準(zhǔn)化倡議標(biāo)準(zhǔn)[1]。提取直方圖、游程矩陣、形態(tài)學(xué)、灰度共生矩陣、灰度大小區(qū)域矩陣5 大類共396 個特征。

1.4.2 影像組學(xué)特征篩選和模型構(gòu)建 采用Spearman 相關(guān)分析、最小絕對值收斂和選擇算子算法對上述396 個影像組學(xué)特征進(jìn)行篩選，然后將剩余特征納入多因素邏輯回歸模型進(jìn)行分析，得到各特征對應(yīng)的回歸系數(shù)。影像組學(xué)評分（Radscore）通過特征值和回歸系數(shù)線性組合得到，具體計算公式如下：，b 為常數(shù)項，Xi為選擇的特征值，Ci為選擇特征所對應(yīng)的回歸系數(shù)。

1.4.3 聯(lián)合模型列線圖構(gòu)建 采用t 檢驗、χ2檢驗或Fisher 確切概率檢驗比較訓(xùn)練集和測試集中療效敏感和不敏感組的臨床病理特征差異，將上述差異有統(tǒng)計學(xué)意義的指標(biāo)和Radscore 納入多因素回歸構(gòu)建聯(lián)合模型，并繪制其列線圖。

1.5 統(tǒng)計學(xué)方法 采用R（Version 3.4.4）軟件進(jìn)行數(shù)據(jù)分析。符合正態(tài)分布的計量資料用均數(shù)±標(biāo)準(zhǔn)差（±s）表示，2 組間比較采用t 檢驗；計數(shù)資料以例（%）表示，2 組間比較采用χ2檢驗或Fisher 確切概率檢驗。采用受試者操作特征（ROC）曲線評估Radscore 和聯(lián)合模型列線圖的預(yù)測效能，并計算相應(yīng)曲線下面積（AUC）、準(zhǔn)確度、特異度和敏感度。應(yīng)用決策曲線評估聯(lián)合模型的臨床凈獲益。P＜0.05 為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 訓(xùn)練集和測試集中療效敏感和不敏感組間臨床病理特征比較 訓(xùn)練集中組間的ER、PR 差異均有統(tǒng)計學(xué)意義（均P＜0.05），但未得到測試集的驗證（均P＞0.05）。訓(xùn)練集和測試集中組間年齡、HER-2、Ki-67 表達(dá)狀態(tài)的差異均無統(tǒng)計學(xué)意義（均P＞0.05）。詳見表1、2。

表1 訓(xùn)練集中療效敏感和不敏感組間臨床病理特征比較 例（%）

2.2 影像組學(xué)特征篩選及Radscore 構(gòu)建 396 個特征經(jīng)篩選后最終剩余4 個特征，包括灰度共生矩陣-All Direction-offset4-SD（特征1）、灰度共生矩陣-angle45-offset7（特征2）、全角度慣性標(biāo)準(zhǔn)差-offset4-SD（特征3）和短游程高灰度不均勻-All Direction-offset7-SD（特征4）。采用線性回歸分析對上述特征進(jìn)行加權(quán)并計算其Radscore，Radscore=0.626＋2.288×特征1＋0.840×特征2-1.764×特征3＋1.951×特征4。

2.3 影像組學(xué)模型和聯(lián)合模型的診斷效能 在訓(xùn)練集中，聯(lián)合模型預(yù)測NAC 不敏感的AUC 值、準(zhǔn)確度比影像組學(xué)模型分別提高了約3.8%和3.1%。在測試集中，聯(lián)合模型預(yù)測NAC 不敏感的AUC 值比影像組學(xué)模型提高了約2.3%，但兩者的準(zhǔn)確度相同。詳見表3。

表2 測試集中療效敏感和不敏感組間臨床病理特征比較 例（%）

表3 影像組學(xué)模型和聯(lián)合模型預(yù)測乳腺癌NAC 不敏感的診斷效能

2.4 聯(lián)合模型列線圖和決策曲線分析 基于ER、PR 和Radscore 構(gòu)建聯(lián)合模型列線圖，結(jié)果顯示，Radscore 得分最高，其次是ER 和PR（圖1）。決策曲線分析顯示應(yīng)用聯(lián)合模型的臨床獲益高于影像組學(xué)模型（圖2）。

圖1 聯(lián)合模型列線圖。列線圖包括ER、PR 和Radscore。該模型預(yù)測NAC 療效不敏感的概率為各特征相應(yīng)預(yù)測概率的總和。

圖2 聯(lián)合模型與影像組學(xué)模型的決策曲線。橫坐標(biāo)表示為閾值概率，縱坐標(biāo)為凈獲益值。聯(lián)合模型的臨床獲益高于影像組學(xué)模型。

3 討論

早期準(zhǔn)確判斷NAC 療效將有助于制定乳腺癌個體化治療方案[7]，而NAC 療效評價主要依靠病理學(xué)和影像學(xué)。病理是評價NAC 療效的金標(biāo)準(zhǔn)，但屬有創(chuàng)性檢查且結(jié)果具有一定的滯后性，不能起到早期預(yù)測作用。乳腺鉬靶、超聲對預(yù)測NAC 療效具有一定的價值，而其對預(yù)測殘存腫瘤價值一般，不能作為預(yù)測乳腺癌NAC 療效的獨立指標(biāo)。PET/CT 能在腫瘤縮小之前反映其療效，可以進(jìn)行更早期、更準(zhǔn)確的評估，但檢查成本較高，病人接受放射性核素劑量較大，不宜廣泛采用。乳腺MRI 在NAC 療效評價中發(fā)揮著重要作用，尤其是對NAC 病理完全緩解的評估[3，8-9]，但其結(jié)果存在一定的假陽性。近年文獻(xiàn)[1-2]報道，MRI 影像組學(xué)對預(yù)測乳腺癌NAC 病理完全緩解具有重要作用。但有關(guān)其預(yù)測NAC 療效不敏感的研究報道仍較少，因此本研究利用基于NAC 治療前DCE-MRI 數(shù)據(jù)進(jìn)行建模并預(yù)測NAC不敏感的效能，結(jié)果顯示基于NAC 治療前DCEMRI 數(shù)據(jù)建立的影像組學(xué)模型可以有效預(yù)測乳腺癌NAC 不敏感，其訓(xùn)練集和測試集中的AUC 值分別為0.825、0.795，這與Xiong 等[3]研究結(jié)果基本相符。綜上，本研究為早期準(zhǔn)確預(yù)測NAC 不敏感以及篩選乳腺NAC 治療病人提供了一種新的手段。

乳腺癌是具有高度異質(zhì)性的惡性腫瘤，其異質(zhì)性與療效、預(yù)后相關(guān)[2，4]。影像組學(xué)可以從醫(yī)學(xué)影像中提取高通量的反映腫瘤異質(zhì)性的量化組學(xué)特征[10]，進(jìn)而判斷組織特性，預(yù)測腫瘤療效及預(yù)后。本研究基于DCE-MRI 影像最終提取的影像組學(xué)特征包括灰度共生矩陣-All Direction-offset4-SD、灰度共生矩陣-angle45-offset7、全角度慣性標(biāo)準(zhǔn)差-offset4-SD 和短游程高灰度不均勻-All Directionoffset7-SD?；叶裙采仃囂卣魇敲枋龉采仃噺?fù)雜性的參數(shù)，其值越高表示共生矩陣復(fù)雜性就越大，瘤內(nèi)結(jié)構(gòu)就越復(fù)雜，其異質(zhì)性就越高。全角度慣性標(biāo)準(zhǔn)差反映了病灶部位的影像差異大小，該值越大，其差異性就越大。短游程高灰度不均勻描述了病灶部位的明暗程度和復(fù)雜程度，該值越大表明矩陣中像素灰度分布就越復(fù)雜，腫瘤異質(zhì)性就越大，且整體亮度越高。因此，本研究亦從一側(cè)面證實乳腺癌的異質(zhì)性與NAC 療效相關(guān)，這與Xiong 等[3]研究結(jié)果相符。

PR、ER、HER-2、Ki-67 在NAC 個體化治療方案的制定和預(yù)后方面具有非常重要的臨床價值[11]。因此本研究對上述臨床指標(biāo)進(jìn)行獨立分析，結(jié)果顯示在訓(xùn)練集中，ER、PR 在乳腺癌NAC 敏感和不敏感組間的差異具有統(tǒng)計學(xué)意義，雖未得到測試集的驗證，但這也在一定程度上反映了ER、PR 在NAC療效評價中的臨床潛在價值。由于個體化因素的影響，僅靠單一指標(biāo)較難準(zhǔn)確預(yù)測NAC 療效，因此聯(lián)合多種潛在的生物學(xué)標(biāo)志物建立聯(lián)合模型列線圖將有可能提高預(yù)測的效能和準(zhǔn)確性。本研究結(jié)果顯示，單一Radscore 預(yù)測乳腺癌NAC 不敏感的AUC 為0.825，準(zhǔn)確度為0.781。當(dāng)納入ER、PR 臨床指標(biāo)后，其聯(lián)合模型列線圖預(yù)測的AUC 值、準(zhǔn)確度較Radscore分別提高了約3.8%和3.1%，這與Xiong 等[3]對乳腺癌NAC 療效評價的研究結(jié)果基本一致。在聯(lián)合模型的列線圖中，Radscore 得分最高，提示其預(yù)測NAC 不敏感的概率就越高，其次是ER 和PR。決策曲線分析顯示應(yīng)用聯(lián)合模型的臨床凈獲益優(yōu)于影像組學(xué)模型，該結(jié)果與程等[1]研究結(jié)果相符。

綜上所述，基于DCE-MRI 影像組學(xué)模型的Radscore 和ER、PR 構(gòu)建的聯(lián)合模型列線圖對預(yù)測NAC 不敏感具有較好的價值。本研究尚存在一些不足：①為單中心、小樣本的回顧性研究，預(yù)測效能較為局限；②未將乳腺癌分級、分期、病理類型等其他病理特征以及腫瘤大小、動態(tài)增強(qiáng)定量參數(shù)等MRI影像特征納入研究；③未考慮不同治療方案對NAC療效的影響；④未將非腫塊型乳腺癌納入研究。因此有待擴(kuò)大樣本量進(jìn)行研究，并需要后續(xù)進(jìn)一步細(xì)化、完善。