中华肿瘤杂志

作者：张韫,黄昊,尹亮,王芷旋,陆思远,王霄霄,向玲玲,张晴,张九楼,单秀红

单位：江苏大学医学院，镇江212013,江苏大学医学院，镇江212013

关键词：乳腺肿瘤;人表皮生长因子受体2;磁共振成像;影像组学;预测模型

基金：镇江市科技创新项目ESH2020040

目的 探讨多模态MRI影像组学模型术前预测乳腺癌人表皮生长因子受体2（HER-2）表达状态的价值。方法 纳入2021年1月至2023年5月镇江市第一人民医院经术后病理诊断的女性乳腺癌患者187例，其中HER-2阴性139例，HER-2阳性48例。将患者分为训练集（131例）和验证集（56例），利用训练集构建预测模型，利用验证组对预测模型进行验证。在T2加权成像（T2WI）、表观扩散系数（ADC）及动态增强扫描第2期（DCE-2）、第6期（DCE-6）MRI图像中逐层勾画乳腺癌原发灶三维立体感兴趣区，使用Pyradiomic软件提取960个影像组学特征，通过重复性分析、Pearson相关分析及最小绝对收缩和选择算子回归方法进行筛选和降维后，建立影像组学标签，采用logistic回归分析分别构建预测乳腺癌HER-2表达状态的T2WI影像组学模型、ADC影像组学模型、DCE-2影像组学模型、DCE-6影像组学模型和联合序列影像组学模型。基于患者的临床、病理及MRI影像特征，采用单因素和多因素logistic回归分析构建临床病理MRI特征模型。利用患者的影像组学标签联合筛选得到的有统计学意义的临床病理MRI特征，构建列线图模型。采用受试者工作特性（ROC）曲线评价各模型的预测效能，绘制决策曲线评价列线图模型的临床获益。结果 成功构建了预测乳腺癌HER-2表达状态的T2WI影像组学模型、ADC影像组学模型、DCE-2影像组学模型、DCE-6影像组学模型、联合序列影像组学模型、临床病理MRI特征模型和列线图模型。ROC曲线分析显示，在训练集和验证集中，T2WI影像组学模型的曲线下面积（AUC）分别为0.797和0.760，ADC影像组学模型的AUC分别为0.776和0.634，DCE-2影像组学模型的AUC分别为0.804和0.759，DCE-6影像组学模型的AUC分别为0.869和0.798，联合序列影像组学模型的AUC分别为0.908和0.847，临床病理MRI特征模型的AUC分别为0.703和0.693，列线图模型的AUC分别为0.938和0.859。在训练集中，联合序列影像组学模型的AUC高于T2WI、ADC、DCE-2影像组学模型和临床病理MRI特征模型（均 ＜0.05）；在验证集中，联合序列影像组学模型的AUC高于ADC影像组学模型（ ＜0.01），但与临床病理MRI特征模型差异无统计学意义（ ＞0.05）。在训练集中列线图模型的AUC高于全部单模态影像组学模型和临床病理MRI特征模型（均 ＜0.05），在验证集中列线图模型的AUC高于ADC影像组学模型、DCE-2影像组学模型和临床病理MRI特征模型（均 ＜0.05）。在训练集和验证集中列线图模型的AUC与联合序列影像组学模型差异均无统计学意义（均 ＞0.05）。决策曲线显示，列线图模型术前预测乳腺癌HER-2表达状态的临床净获益明显优于临床病理预测模型。 结论 基于T2WI、ADC和早期-延迟期DCE MRI的多模态MRI影像组学模型能高效预测术前乳腺癌HER-2表达状态，有望用于乳腺癌HER-2状态的术前无创评估，为乳腺癌术前新辅助治疗方案的决策提供依据。

来源：2024年第05期

《中华肿瘤》期刊编辑部

查看中华肿瘤杂志2024年第05期