王偉康，林桂涵，陳春妙，應(yīng)海峰，胡翔華，紀(jì)建松

1.溫州醫(yī)科大學(xué)附屬第五醫(yī)院/浙江省麗水市中心醫(yī)院/浙江大學(xué)麗水醫(yī)院放射科，浙江 麗水 323000；2.浙江省影像診斷與介入微創(chuàng)研究重點(diǎn)實(shí)驗(yàn)室，浙江 麗水323000

乳腺癌是全球最常見的惡性腫瘤，也是女性癌癥死亡相關(guān)的首要原因［1］。其中，15%～20%的乳腺癌表現(xiàn)為人表皮生長因子受體2（HER-2）陽性表達(dá)，這一機(jī)制被廣泛認(rèn)為與腫瘤侵襲性行為和不良預(yù)后高度相關(guān)［2］。近年來，隨著抗HER-2 靶向治療的發(fā)展，HER-2 陽性乳腺癌患者的預(yù)后得到了顯著改善。研究證實(shí)，HER-2 陽性患者在使用HER-2 阻斷劑曲妥珠單抗進(jìn)行新輔助化療后，可表現(xiàn)出良好的療效和病理完全緩解率［3］。此外，這些患者在無病生存率和總生存率方面均有不同程度提高［4］。因此，術(shù)前準(zhǔn)確評估HER-2 狀態(tài)對乳腺癌患者的臨床決策及預(yù)后預(yù)測非常重要。目前，臨床主要通過免疫組織化學(xué)（immunohis tochemistry，IHC）或熒光原位雜交（fluorescent in situ hybridization，F(xiàn)LSH）評估乳腺癌的HER-2 狀態(tài)，但由于穿刺活檢的樣本量不足及腫瘤的異質(zhì)性，最終檢測結(jié)果可能無法代表整個腫瘤［5］。影像組學(xué)可將醫(yī)學(xué)圖像中肉眼不可見的信息轉(zhuǎn)換為高通量的定量特征，并利用這些特征直觀、定量地描述病灶的病理及生理學(xué)特征，進(jìn)而全面、定量評估腫瘤的異質(zhì)性［6］。本研究探討基于MRI 動態(tài)增強(qiáng)掃描（dynamic contrast enhanced MRI，DCEMRI）圖像瘤內(nèi)聯(lián)合瘤周影像組學(xué)列線圖術(shù)前評估乳腺癌患者HER-2 狀態(tài)的價值。

1 資料與方法

1.1 一般資料

回顧性分析2019 年4 月至2021 年10 月我院經(jīng)手術(shù)病理證實(shí)的女性乳腺癌患者。納入標(biāo)準(zhǔn)：①術(shù)后病理證實(shí)為無特殊類型的浸潤性導(dǎo)管癌；②術(shù)前2 周內(nèi)行乳腺M(fèi)RI 檢查；③術(shù)前無放療或新輔助化療。排除標(biāo)準(zhǔn)：①臨床資料不完整或MRI 圖像質(zhì)量不佳者；②術(shù)后未通過IHC 或FLSH 檢測HER-2 狀態(tài)，或IHC 結(jié)果為2+時，未進(jìn)一步檢測FLSH 者。最終納入313 例，年齡27～78 歲，平均（50.53±10.49）歲。其中乳腺癌HER-2 陽性119 例，陰性194 例。將所有患者按7∶3 的比例隨機(jī)分配至訓(xùn)練集218 例和驗(yàn)證集95 例。訓(xùn)練集中，HER-2 陽性83 例，陰性135 例；驗(yàn)證集中，HER-2 陽性36 例，陰性59 例。本研究已通過醫(yī)院醫(yī)學(xué)倫理委員會審核（2022-391）。

1.2 儀器與方法

采用Siemens Area 1.5 T MRI 掃描儀及8 通道乳房線圈?；颊呷「┡P位，兩側(cè)乳房自然懸垂于線圈中。掃描序列：頻率衰減反轉(zhuǎn)恢復(fù)T2WI 序列，TR 5 000 ms，TE 60 ms，矩陣336×303，層厚4.5 mm；DWI序列，TR 3 000 ms，TE 59 ms，矩陣188×186，層厚4.5 mm，b=0 或800 s/mm2；DCE-MRI 掃描采用三維快速小角度激發(fā)序列（3D-FLASH），TR 4.5 ms，TE 1.5 ms，翻轉(zhuǎn)角10°，層厚1.5 mm，無間距，矩陣269×384，視野34 cm×34 cm。蒙片采集結(jié)束后，采用高壓注射器經(jīng)手背或肘靜脈注射對比劑Gd-DTPA，劑量0.2 mmol/kg體質(zhì)量，流率2.5 mL/s，后注入20 mL 生理鹽水，共采集7 次，總時間約6 min 58 s。

1.3 MRI 特征評估

MRI 圖像由2 名分別具有7、12 年胸部影像診斷經(jīng)驗(yàn)的主治醫(yī)師采用盲法獨(dú)立評價。若意見有分歧，經(jīng)協(xié)商達(dá)成共識。測量并記錄乳腺腫瘤的MRI 特征，包括最長徑、形狀（規(guī)則或不規(guī)則）、邊緣（清楚或模糊）、強(qiáng)化方式（均勻或不均勻）、TIC 類型及ADC 值。

1.4 圖像分割和特征提取

將第2 期DCE-MRI 圖像［7］以DICOM 格式導(dǎo)出，上傳至慧影醫(yī)療科技（北京）有限公司的放射組學(xué)云平臺行三維乳腺腫瘤半自動分割：瘤內(nèi)區(qū)域應(yīng)包括整個癌灶部分，盡量避開囊變、壞死、出血等區(qū)域；瘤周區(qū)域定義為瘤體自適應(yīng)外擴(kuò)5 mm，盡可能少包含正常乳腺組織及乳腺外區(qū)域（圖1）。所有步驟由1 名具有5 年胸部影像診斷經(jīng)驗(yàn)的初級職稱醫(yī)師完成，再由另1 名具有21 年胸部影像診斷經(jīng)驗(yàn)的高級職稱醫(yī)師確認(rèn)分割結(jié)果，以上步驟均在醫(yī)師不知道病理結(jié)果的情況下進(jìn)行，意見不一致時，經(jīng)商討達(dá)成一致。瘤內(nèi)和瘤周分別提取1 409 個特征，并將其分為3 類：一階統(tǒng)計量、形態(tài)特征和紋理特征。一階統(tǒng)計量是定量描述MRI 圖像內(nèi)體素強(qiáng)度分布的常用指標(biāo)；形態(tài)特征反映病灶區(qū)域形狀和大小的三維特征；紋理特征由灰度共生矩陣（GLCM）、灰度游程長度矩陣（GLRLM）和灰度大小區(qū)域矩陣（GLSZM）計算得到。

圖1 乳腺腫瘤分割示意圖

1.5 特征篩選

采用方差閾值、SelectKBest 方法和最小絕對收縮與選擇算子（least absolute shrinkage and selection operator，LASSO）邏輯回歸進(jìn)行影像組學(xué)特征的篩選。設(shè)定方差閾值法的閾值為0.8，剔除方差＜0.8 的特征。在SelectKBest 方法中，保留在分類結(jié)果中P＜0.05 的特征。利用LASSO 算法對特征進(jìn)行10 折交叉驗(yàn)證，并最終篩選出回歸系數(shù)非零的最優(yōu)影像組學(xué)特征。

1.6 模型構(gòu)建

根據(jù)各影像組學(xué)特征的系數(shù)進(jìn)行加權(quán)求和，計算每個病灶的影像組學(xué)評分，并在此基礎(chǔ)上構(gòu)建影像組學(xué)模型（瘤內(nèi)模型、瘤周模型、瘤內(nèi)+瘤周模型）。運(yùn)用單因素和多因素logistic 回歸分析篩選與HER-2 狀態(tài)相關(guān)的獨(dú)立預(yù)測因子，構(gòu)建MRI 特征模型，并結(jié)合影像組學(xué)評分建立聯(lián)合模型。

1.7 病理學(xué)分析

HER-2 狀態(tài)評估依據(jù)美國臨床腫瘤學(xué)會/美國病理學(xué)家學(xué)會（ASCO/CAP）指南［8］，當(dāng)IHC 結(jié)果為0 或1+，則被定義為HER-2 陰性；當(dāng)IHC 為3+，則被定義為HER-2 陽性。IHC 為2+的乳腺腫瘤，需進(jìn)一步檢測FLSH。一旦發(fā)生基因擴(kuò)增，則被定義為HER-2 陽性。

1.8 統(tǒng)計學(xué)分析

使用R（版本4.1.2，https：//www.r-project.org/）軟件分析數(shù)據(jù)。符合正態(tài)分布的定量資料以表示，組間比較行獨(dú)立樣本t 檢驗(yàn)；不符合正態(tài)分布的定量資料描述以M（Q1，Q3）表示，組間比較行非參數(shù)Mann-Whitney U 檢驗(yàn)。定性資料的組間比較行χ2檢驗(yàn)。并在此基礎(chǔ)上構(gòu)建影像組學(xué)模型（瘤內(nèi)模型、瘤周模型、瘤內(nèi)+瘤周模型），繪制相應(yīng)的列線圖和各模型的ROC 曲線，計算AUC、敏感度、特異度和準(zhǔn)確率，并用DeLong 檢驗(yàn)比較不同模型AUC 的差異。使用rms 程序包進(jìn)行1 000 次重復(fù)抽樣繪制校準(zhǔn)曲線，以Hosmer-Lemeshow 擬合優(yōu)度檢驗(yàn)評估模型校準(zhǔn)度。使用rmda 程序包進(jìn)行決策曲線分析（DCA），通過計算各閾值概率下的凈收益評價模型的臨床價值。以P＜0.05 為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

訓(xùn)練集和驗(yàn)證集中HER-2 陽性率分別為38.1%（83/218）和37.9%（36/95），差異無統(tǒng)計學(xué)意義（P＞0.05）；在訓(xùn)練集及驗(yàn)證集中，HER-2 陽性組、陰性組強(qiáng)化方式、ADC 值差異均有統(tǒng)計學(xué)意義（均P＜0.05），而最長徑、形狀、邊緣及TIC 類型差異均無統(tǒng)計學(xué)意義（均P＞0.05）（表1，2）。

表1 訓(xùn)練集中HER-2 陽性和HER-2 陰性患者的MRI 特征比較

表2 驗(yàn)證集中HER-2 陽性和HER-2 陰性患者的MRI 特征比較

從DCE-MRI 第2 期圖像上瘤內(nèi)、瘤周分別提取1 409 個影像組學(xué)特征，瘤內(nèi)及瘤周兩者結(jié)合提取到2 818 個影像組學(xué)特征。首先對瘤內(nèi)、瘤周、瘤內(nèi)+瘤周提取的影像組學(xué)特征采用方差閾值法進(jìn)行篩選，分別獲得495、467、496 個特征；隨后使用SelectKBest方法篩選，分別得到266、185、336 個特征；最后通過LASSO 回歸算法篩選，分別獲得13、9、20 個與HER-2相關(guān)的非零系數(shù)特征（圖2）?；诤Y選的特征與其對應(yīng)的權(quán)重系數(shù)線性組合計算對應(yīng)影像組學(xué)評分，并在此基礎(chǔ)上構(gòu)建瘤內(nèi)、瘤周、瘤內(nèi)+瘤周影像組學(xué)模型。瘤內(nèi)模型、瘤周模型、瘤內(nèi)+瘤周模型在訓(xùn)練集中的AUC 分別為0.821、0.791、0.842；在驗(yàn)證集中的AUC 分別為0.765、0.709、0.808（表3）。

表3 不同影像組學(xué)模型在訓(xùn)練集和驗(yàn)證集中預(yù)測效能的比較

單因素及多因素logistic 回歸分析顯示，強(qiáng)化方式［比值比（OR）=3.600，P=0.001］和ADC 值（OR=1.838，P＜0.001）是預(yù)測乳腺癌HER-2 狀態(tài)的獨(dú)立危險因素，以此構(gòu)建的MRI 特征模型在訓(xùn)練集和驗(yàn)證集中的AUC 分別為0.786 和0.723。進(jìn)一步結(jié)合瘤內(nèi)+瘤周的影像組學(xué)評分及MRI 特征構(gòu)建聯(lián)合模型并繪制列線圖（圖3），結(jié)果顯示：在訓(xùn)練集中，聯(lián)合模型鑒別乳腺癌HER-2 狀態(tài)的AUC 為0.881（95%CI 0.836～0.927），敏感度和特異度分別為83.74%、81.87%，顯著高于瘤內(nèi)影像組學(xué)模型（Z=-5.385，P＜0.001）、瘤周影像組學(xué)模型（Z=-4.650，P＜0.001）、瘤內(nèi)+瘤周影像組學(xué)模型（Z=4.01，P=0.001）和MRI 特征模型（Z=-7.112，P＜0.001）（圖4a）。在驗(yàn)證集中，聯(lián)合模型鑒別乳腺癌HER-2 狀態(tài)的AUC 為0.832（95%CI 0.750～0.914），敏感度和特異度分別為72.85%、83.37%，同樣顯著高于瘤內(nèi)影像組學(xué)模型（Z=-2.956，P=0.003）、瘤周影像組學(xué)模型（Z=-2.188，P=0.029）和MRI 特征模型（Z=-3.587，P＜0.001），而與瘤內(nèi)+瘤周模型差異均無統(tǒng)計學(xué)意義（Z=4.64，P=0.643）（圖4b）。訓(xùn)練集和驗(yàn)證集的校準(zhǔn)曲線顯示，列線圖對HER-2 狀態(tài)的預(yù)測概率與實(shí)際結(jié)果一致性較好，Hosmer-Lemeshow檢驗(yàn)示訓(xùn)練集（P=0.082）及驗(yàn)證集（P=0.286）均具有較好擬合度（圖5a，5b）。DCA 結(jié)果表明，與MRI 特征模型及不使用預(yù)測模型的場景相比（即全部治療或不治療方案），聯(lián)合模型列線圖的臨床應(yīng)用價值更高（圖6a，6b）。

圖3 聯(lián)合模型列線圖 圖4 各影像組學(xué)模型和聯(lián)合模型的ROC 曲線 注：圖4a，4b 分別為訓(xùn)練集和驗(yàn)證集 圖5 聯(lián)合模型列線圖的校準(zhǔn)曲線 注：圖5a，5b 分別為訓(xùn)練集和驗(yàn)證集 圖6 聯(lián)合模型列線圖和MRI 特征模型的決策曲線 注：圖6a，6b 分別為訓(xùn)練集和驗(yàn)證集；決策曲線分析（DCA）表明，當(dāng)閾值概率在0～77%時，使用聯(lián)合模型列線圖預(yù)測人表皮生長因子受體（HER-2）狀態(tài)與MRI 特征模型相比具有額外的臨床獲益

3 討論

HER-2 狀態(tài)是影響乳腺癌預(yù)后的重要指標(biāo)，也是決定臨床治療策略的關(guān)鍵因素［9］。本研究基于DCE-MRI 圖像中瘤內(nèi)聯(lián)合瘤周的影像組學(xué)評分和常規(guī)MRI 特征（強(qiáng)化方式和ADC 值）開發(fā)并驗(yàn)證了影像組學(xué)列線圖模型，結(jié)果顯示，該模型對乳腺癌患者HER-2 狀態(tài)具有較高的預(yù)測效能，其在訓(xùn)練集和驗(yàn)證集的AUC 分別為0.881 和0.832，明顯優(yōu)于瘤內(nèi)和瘤周的影像組學(xué)模型及MRI 特征模型。此外，校準(zhǔn)曲線和DCA 結(jié)果均顯示該模型具有較好的校準(zhǔn)度及臨床應(yīng)用價值。

近年來，邊界模糊、形狀不規(guī)則、分葉狀或毛刺狀、強(qiáng)化不均勻等影像學(xué)特征均已被證實(shí)可用于診斷乳腺癌HER-2 狀態(tài)［10-11］。但本研究顯示，僅強(qiáng)化方式在2 組間差異明顯，原因可能是由于MRI 特征評估主觀性強(qiáng)，不同成像方式、設(shè)備及觀察者經(jīng)驗(yàn)等，均可導(dǎo)致結(jié)果的再現(xiàn)性低。此外，ADC 值作為MRI診斷乳腺病變最重要的定量指標(biāo)之一，其可通過量化水分子擴(kuò)散運(yùn)動的能力，間接反映組織微觀結(jié)構(gòu)和細(xì)胞密度的變化［12］。在本研究中，HER-2 陽性組平均ADC 值高于HER-2 陰性組，與程雪等［13］的研究相似。推測可能是由于HER-2 陽性表達(dá)可誘導(dǎo)腫瘤內(nèi)部新生血管生成，促進(jìn)局部微循環(huán)灌注，繼而導(dǎo)致ADC 值增加。進(jìn)一步以強(qiáng)化方式和ADC 值構(gòu)建的MRI 特征模型在訓(xùn)練集和驗(yàn)證集的預(yù)測效能均表現(xiàn)一般，AUC 分別為0.786 和0.723。因此，僅依賴常規(guī)的MRI 定性和定量指標(biāo)可能難以識別乳腺癌HER-2 狀態(tài)。

影像組學(xué)作為一種新興方法，可將醫(yī)學(xué)圖像中提取到的定量特征與腫瘤基因表達(dá)譜相關(guān)聯(lián)。近年來，已有多項研究基于不同成像方式構(gòu)建HER-2 狀態(tài)的預(yù)測模型［14］。Zhou 等［15］分析了306 例乳腺癌患者的內(nèi)外斜位和頭尾位X 線圖像，構(gòu)建HER-2 狀態(tài)預(yù)測模型的AUC 僅0.735。Chen 等［16］基于217 例乳腺癌患者的PET/CT 圖像構(gòu)建HER-2 狀態(tài)預(yù)測模型的AUC 為0.76。DCE-MRI 可通過評估腫瘤形態(tài)和血流動力學(xué)改變提供高時間、高空間和高SNR 的圖像，被認(rèn)為是診斷乳腺癌最有價值的影像學(xué)手段。在最近一項研究 中，F(xiàn)ang 等［17］基于235 例乳腺癌患者DCE-MRI 圖像提取特征并篩選后共獲得21 個影像組學(xué)特征，建立HER-2 狀態(tài)預(yù)測模型的AUC 為0.84。盡管基于DCE-MRI 構(gòu)建的模型診斷效能比其他成像方式有所提高，但仍無法滿足臨床精準(zhǔn)診斷的需求。此外，上述與乳腺癌HER-2 狀態(tài)相關(guān)的影像組學(xué)研究大多圍繞瘤體，忽略了其周圍區(qū)域的信息。有研究表明，乳腺腫瘤周圍正常組織易受到癌細(xì)胞侵襲或擴(kuò)散影響，繼而發(fā)生細(xì)微結(jié)構(gòu)變化［18］。因此，基于瘤周提取的影像組學(xué)特征也可能蘊(yùn)含一些與腫瘤異質(zhì)性、疾病預(yù)后等相關(guān)的重要信息。Liu 等［19］基于乳腺癌瘤內(nèi)、瘤周及瘤內(nèi)聯(lián)合瘤周的DCE-MRI圖像分別提取影像組學(xué)特征構(gòu)建腋窩淋巴結(jié)轉(zhuǎn)移的風(fēng)險預(yù)測模型，結(jié)果顯示3 種模型的AUC 值分別為0.84、0.83、0.87。姜原等［20］發(fā)現(xiàn)，通過瘤內(nèi)聯(lián)合瘤周的DCE-MRI 圖像構(gòu)建的影像組學(xué)模型用于鑒別乳腺原位癌與浸潤癌具有較高效能，聯(lián)合模型的AUC（0.922）顯著高于瘤內(nèi)模型（0.865），提示瘤內(nèi)或瘤周區(qū)域可提供互補(bǔ)信息，聯(lián)合瘤內(nèi)和瘤周構(gòu)建的影像組學(xué)模型可有效提高預(yù)測效能，與本研究結(jié)果相似。本研究將篩選得到的MRI 特征和瘤內(nèi)聯(lián)合瘤周特征的影像組學(xué)評分結(jié)合構(gòu)建列線圖模型以預(yù)測乳腺癌HER-2 狀態(tài)，結(jié)果顯示列線圖的診斷效能顯著高于MRI 特征模型和單獨(dú)瘤內(nèi)及瘤周影像組學(xué)模型（均P＜0.05）。此外，Zhou 等［21］基于多序列影像組學(xué)特征構(gòu)建的用于預(yù)測乳腺癌HER-2 狀態(tài)的聯(lián)合模型相比（AUC=0.857），本研究的聯(lián)合模型診斷效能更佳（AUC=0.881）。

本研究存在的局限性：為單中心小樣本回顧性研究，不可避免地存在部分偏倚，未來需擴(kuò)大樣本規(guī)模，設(shè)計多中心、前瞻性研究加以驗(yàn)證；僅納入非特殊類型的浸潤性導(dǎo)管癌患者；僅分析病灶強(qiáng)化最明顯的DCE-MRI 第2 期圖像，而其余期相的性能仍需進(jìn)一步研究。

綜上所述，基于瘤內(nèi)及瘤周的DCE-MRI 圖像構(gòu)建的影像組學(xué)評分結(jié)合強(qiáng)化方式、ADC 值建立的聯(lián)合診斷模型有潛力成為一種可靠的臨床應(yīng)用工具，可為術(shù)前實(shí)現(xiàn)無創(chuàng)、準(zhǔn)確鑒別乳腺癌患者的HER-2狀態(tài)提供參考。