余雅麗，王曉，查小明，王思奇，婁鑒娟，鄒啟桂，王聰，蔣燕妮

2020年乳腺癌已成為女性群體中最常見的癌癥類型，不僅發(fā)病年齡趨于年輕化，且發(fā)病率及病死率呈上升趨勢，對女性造成嚴重的身心危害，同時給患者家庭以及社會帶來沉重的負擔(dān)[1]。對于首診為局部晚期乳腺癌的患者而言，標準治療方案是手術(shù)前進行常規(guī)新輔助化療(neoadjuvant chemotherapy，NAC)[2]。術(shù)前化療的目的在于減輕腫瘤負荷，使腫瘤降期，并增加保乳手術(shù)(breast-conserving surgery，BCS)的可能性。既往研究表明在NAC療程結(jié)束后達到病理完全緩解(pathological complete response，PCR)的乳腺癌患者，往往擁有更好的無病生存率(disease free survival，DFS)，而化療結(jié)束時有腫瘤病變殘留的患者早期復(fù)發(fā)和死亡的風(fēng)險明顯增加[3]。臨床實踐中發(fā)現(xiàn)，由于乳腺癌生物學(xué)行為存在個體差異，腫瘤內(nèi)部異質(zhì)性較強，患者對NAC治療的敏感性相差較大，相當(dāng)一部分(高達30%)患者并沒有從NAC中受益，病理反應(yīng)差[4]。因此，若能在治療前識別出療效不佳的患者，對后續(xù)治療方案的調(diào)整并實現(xiàn)個體化治療，具有重要的臨床價值。

目前尚無統(tǒng)一的指標來評估新輔助化療的療效，既往研究提示聯(lián)合使用多種潛在影響因素可進一步提高預(yù)測效能[5]。本研究旨在通過基線期ADC圖全容積ROI影像組學(xué)特征的提取，篩選出反映 NAC療效的特征子集并構(gòu)建影像組學(xué)預(yù)測模型，旨在為精準的乳腺癌個體化治療策略提供影像學(xué)依據(jù)。

材料與方法

1.臨床資料

本研究通過了本院倫理委員會的批準。

回顧性搜集并分析2016年1月-2017年12月在本院接受新輔助化療的乳腺癌患者的臨床資料和影像數(shù)據(jù)。納入標準：①經(jīng)粗針穿刺活檢病理檢查證實為浸潤性乳腺癌；②在手術(shù)前完成新輔助化療標準方案(中國抗癌協(xié)會乳腺癌診治指南與規(guī)范)的治療；③有完整的化療前乳腺3.0T MR影像資料；④采用Miller-Payne(M-P)病理系統(tǒng)評估手術(shù)標本。排除標準：①在MR圖像上表現(xiàn)為非腫塊樣強化的乳腺病灶；②妊娠期和哺乳期乳腺癌患者；③末次化療與手術(shù)時間間隔在2周以上；④圖像質(zhì)量不合格。研究樣本入組篩選流程見圖1。最終納入符合要求的女性患者94例，其中14例(14.9%)NAC后達到PCR，80例(85.1%)未達到PCR。

圖1 研究樣本入組篩選流程圖。

94例患者中，51例行AC-T/TAC化療(蒽環(huán)類、環(huán)磷酰胺和紫杉類)，35例行AC-TH化療(蒽環(huán)類、環(huán)磷酰胺和赫賽汀，然后序貫紫杉類和赫賽汀)，均為8個療程；8例行TCH治療(多西他賽、卡鉑和赫賽汀)，共計6個療程。

2.MRI檢查方法

所有患者在NAC前行乳腺MRI平掃和增強掃描，使用Siemens Trio Tim 3.0T磁共振儀和乳腺專用8通道相控陣線圈?；颊呷☆^先進、俯臥位，雙乳位于線圈內(nèi)并保持自然下垂狀態(tài)。快速反轉(zhuǎn)恢復(fù)(turbo inversion recovery magnitude,TIRM)壓脂序列橫軸面T2WI，掃描參數(shù)：TR 5000 ms，TE 61 ms，層厚4.0 mm，采集矩陣320×320，視野340 mm×340 mm。橫軸面DWI序列的掃描參數(shù)：TR 5200 ms，TE 65 ms,層厚5.0 mm，采集矩陣110×220，視野323 mm×384 mm，b值分別取0和800 s/mm2。動態(tài)增強橫軸面T1WI掃描參數(shù)：TR 4.23 ms,TE 1.57 ms，層厚0.9 mm，采集矩陣448×448，視野340 mm×404 mm，翻轉(zhuǎn)角10°。注射對比劑前先掃描蒙片，然后經(jīng)手背靜脈使用高壓注射器團注對比劑Gd-DTPA，劑量0.1 mmol/kg，注射流率3.0 mL/s，注射對比劑后快速推注20 mL生理鹽水；隨后連續(xù)不間斷掃描5期，總掃描時間6 min 23 s。矢狀面T2WI壓脂序列掃描參數(shù)：TR 3000 ms,TE 72 ms，層厚4.0 mm,采集矩陣320×320，視野180 mm×214 mm。

3.組織病理學(xué)分析

每例患者在NAC前對乳腺腫瘤病灶進行粗針穿刺活檢病理檢查，記錄病理類型及雌激素受體(estrogen receptor，ER)、孕激素受體 (progesterone receptor，PR)、人表皮生長因子受體2(human epidermal growth factor receptor，HER-2)和腫瘤增殖細胞核抗原ki-67表達情況。ER和PR的檢測采用免疫組織化學(xué)法，陽性標準為每個高倍鏡視野下細胞核染色的腫瘤細胞數(shù)≥1%。HER-2的檢測采用免疫組織化學(xué)檢測，HER-2染色陽性細胞數(shù)<10%為(-)，10%～25%為(+)，26%～ 50%為()，> 50%為()。對陽性細胞數(shù)為()者進行熒光原位雜交法檢查，如檢測結(jié)果為陰性者，與HER-2檢測結(jié)果為(-)和(+)者一起歸入HER-2陰性組；如熒光原位雜交檢測為陽性的患者，與HER-2檢測結(jié)果為()的患者一起歸入HER-2陽性組。Ki-67染色時計算染色陽性的惡性細胞的百分比，Ki-67≤14%定義為低表達，Ki-67>14% 定義為高表達。

按照M-P病理標本分級評價標準，對所有新輔助化療后得到的手術(shù)標本進行化療療效的評估[6]。M-P分級標準主要依據(jù)NAC后殘瘤的腫瘤細胞的數(shù)量進行分級，共分為5個等級。1級：浸潤性癌細胞的總體數(shù)量較治療前未見減少或差異甚微；2級：浸潤性癌細胞的數(shù)量仍較多，總體數(shù)量僅輕度減少(減少率<30%)；3級：浸潤性癌細胞總體數(shù)量明顯減少(減少率為30%～90%)；4級：癌細胞總體數(shù)量顯著減少(減少率>90%)，僅少量癌細胞呈散在分布；5級：在切除的乳腺標本的任何切片中均未發(fā)現(xiàn)浸潤性癌細胞，但允許存在導(dǎo)管原位癌。根據(jù)M-P分級，1～4級被歸入非病理完全緩解(non-pathological complete response，nPCR)組，5級即病理完全緩解被歸入PCR組。

4.影像組學(xué)分析

腫瘤圖像三維分割：將b=800 s/mm2的DWI圖像序列導(dǎo)入ITK-SNAP 3.6.0軟件(https://itk. org/)，由一位放射科住院醫(yī)師(具有2年乳腺MRI診斷經(jīng)驗)在DWI圖像上沿乳腺病灶邊緣逐層勾畫ROI，獲得病灶的三維容積感興趣區(qū)(volume of interest，VOI)。標記時不超出病灶邊緣，ROI略小于腫瘤實際大小，未避開病灶內(nèi)的出血、壞死、鈣化和血管區(qū)域(圖2a～c)。然后由一位主任醫(yī)師(具有10年以上乳腺MRI診斷經(jīng)驗)復(fù)核確認VOI。有多個病灶時原則上選取最大病灶進行ROI的勾畫，復(fù)核階段如醫(yī)師無法確定主病灶或出現(xiàn)其它意見分歧時，雙方通過協(xié)商最后達成一致。兩位醫(yī)師在勾畫ROI時僅知曉病灶為浸潤性癌，其它臨床資料均不知悉。由于ADC圖像與DWI的幾何位置參數(shù)一致，故可以將在DWI逐層勾畫的ROI直接復(fù)制到 ADC圖像上，并通過ITK-SNAP軟件再次確認VOI(圖2d)。

圖2 乳腺癌病灶分割示意圖。a)動態(tài)增強掃描第2期T1WI圖像，顯示右乳外象限內(nèi)腫塊強化略不均勻，邊界尚清晰，邊緣可見毛刺；b)DWI圖像(b=800s/mm2)示病灶呈稍高信號，提示擴散受限；c)利用ITK-SNAP軟件在DWI圖像上沿病灶邊緣勾畫ROI，腫塊邊界的確定參照動態(tài)增強圖像(a)；d)將DWI圖像上逐層勾畫的ROI復(fù)制到 ADC圖像上。

影像組學(xué)特征提取：獲得腫瘤在ADC圖像上的VOI后，采用GE A.K軟件(Artificial Intelligence Kit V3.0.0.R)提取其影像組學(xué)特征，共提取5大類特征，包括形態(tài)學(xué)、一階直方圖、灰度大小區(qū)域矩陣、灰度共生矩陣和游程矩陣。

影像組學(xué)特征的篩選及模型的建立：將所有受試者按7∶3的比例隨機分為訓(xùn)練集(training cohort，TC)和驗證集(validation cohort，VC)。本研究中TC組66例，VC組28例。依次采用最大相關(guān)最小冗余(maximum relevance and minimum redundancy，mRMR)特征選擇方法和最小絕對收縮和選擇算子(least absolute shrinkage and selection operator，LASSO)進行特征降維[7-8]，篩選出8個最佳組學(xué)特征，最后通過LASSO回歸分析方法獲得Radscore的計算方程，通過該方程計算得出每個患者乳腺腫瘤的 Radscore值。

5.統(tǒng)計學(xué)方法

使用SPSS 24.0軟件(IBM,Armonk,NY,USA)進行統(tǒng)計學(xué)分析。對計量資料先進行正態(tài)分布檢驗，采用兩獨立樣本t檢驗或Mann-WhitneyU檢驗進行組間比較；分類變量資料的組間比較采用卡方檢驗。采用ROC曲線和決策曲線評估影像組學(xué)模型對NAC療效的預(yù)測效能。以P<0.05為差異有統(tǒng)計學(xué)意義。

結(jié) 果

1.臨床資料的比較

94例患者的年齡為26～69歲，平均(50.3±9.6)歲。經(jīng)術(shù)前穿刺及手術(shù)后病理檢查證實，均為浸潤性非特殊類型癌，不同亞型腫塊樣乳腺癌NAC后病理反應(yīng)結(jié)果見表1。PCR組和nPCR組基線期主要臨床特征及組間比較結(jié)果見表2。其中PCR組的ER和PR陰性率均高于nPCR組，且兩組之間的差異均有統(tǒng)計學(xué)意義(P<0.05)，其余臨床特征在PCR組和nPCR組之間的差異無統(tǒng)計學(xué)意義(P>0.05)。

表1 不同病理亞型腫塊樣乳腺癌新輔助化療后病理反應(yīng)結(jié)果 /例

表2 腫塊樣乳腺癌NAC后PCR組及nPCR組基線期臨床特征

2.影像組學(xué)特征篩選及診斷模型的構(gòu)建

每例患者共提取396個ADC影像組學(xué)特征，采用mRMR方法去除冗余和不相關(guān)后，保留了30個特征；然后經(jīng)LASSO算法篩選出最優(yōu)特征子集(圖3)，最終共篩選出8個最優(yōu)特征參數(shù)，包括其中包括2個形態(tài)學(xué)特征、3個游程矩陣特征和3個灰度共生矩陣特征(圖4)；最后，對8個最優(yōu)特征進行采用LASSO回歸分析，獲得影像組學(xué)標簽(Radscore)的計算方程(即診斷模型)，其表達式為：Radscore=0.196×Compact-ness1+0.08×LongRunLowGreyLevelEmphasis_AllDirection_offset4_SD-0.286×LongRunHighGreyLevelEmphasis_angle0_offset7—0.174×ShortRunEmphasis_angle45_offset1-0.083×Correlation_angle90_offset7-0.02×ClusterShade_angle0_offset7-0.218×Compactness2-0.062×InverseDifferenceMoment_AllDirection_offset4_SD-1.818。

圖3 LASSO回歸特征篩選圖。a)模型偏差參數(shù)λ變化曲線圖，縱坐標為Binomial Deviance(二分類偏差)，即模型的誤差的大小，橫坐標為log(λ)，圖中虛線表示選取的最優(yōu)log(λ)值及1個標準誤差所在位置；b)組學(xué)特征系數(shù)隨log(λ)變化的曲線圖，縱坐標是系數(shù)的值，下橫坐標是 log(λ)，上橫坐標是此時模型中非零系數(shù)的個數(shù)。虛線表示選取的最優(yōu)log(λ)值所在位置。 圖4 篩選出的最具預(yù)測價值的8個特征參數(shù)及其系數(shù)。

PCR組和nPCR組的影像組學(xué)模型評分值及組間比較結(jié)果見表3和圖5。在訓(xùn)練集中，PCR組的radscore值高于nPCR組(P<0.05)，并在驗證集中得到驗證(P<0.05)。

表3 PCR組與nPCR組的影像組學(xué)模型評分的比較

圖5 訓(xùn)練組和驗證組的Radscore值分布箱式圖。藍色點為nPCR組(label 0)數(shù)據(jù)，黃色點為PCR組(label 1)數(shù)據(jù)。 圖6 影像組學(xué)模型預(yù)測NAC后獲得PCR的ROC曲線圖。a)訓(xùn)練組；b)驗證組。

3.影像組學(xué)模型的診斷效能

影像組學(xué)模型對預(yù)測NAC后獲得PCR擁有較好的診斷效能，在訓(xùn)練組中的AUC和符合率分別為0.87(95%CI：0.75～0.99)和0.848，在驗證組中的AUC和符合率分別為0.85(95%CI：0.71～1.00)和0.821(圖6)。經(jīng)模型預(yù)測的PCR組及nPCR組典型病例如圖6～7所示。

決策曲線顯示，當(dāng)風(fēng)險因素的概率閾值為10%～80%時，與假設(shè)所有患者都無應(yīng)答或所有患者都有應(yīng)答相比，使用此影像組學(xué)模型增加了更多的臨床收益(圖8)。

討 論

對于局部晚期的浸潤性乳腺癌患者來說，循證證據(jù)一級治療方案為術(shù)前進行新輔助化療。研究表明，NAC后達到PCR的患者，其總體生存率及和無病生存率較nPCR患者顯著提高。即使組織學(xué)類型、TNM分期及分子分型都相同的浸潤性乳腺癌，在不同個體間及同一個體不同發(fā)病時間之間腫瘤生物學(xué)行為亦存在高度異質(zhì)性，NAC后臨床療效和預(yù)后也存在差異。本研究構(gòu)建的基線ADC圖全容積ROI影像組學(xué)預(yù)測模型有較好的預(yù)測效能，可以在化療前將對化療敏感性差的患者篩選出來，不僅能夠減少化療毒性，而且在治療早期就能根據(jù)患者的個人情況及時調(diào)整治療方案。

相較于觸診、超聲及鉬靶檢查，MRI對多中心病灶有更高的檢出率，且其軟組織分辨率更高，是乳腺癌的理想影像學(xué)評估方法，常被用于評價NAC療效和預(yù)測病理反應(yīng)[9]。DCE-MRI是評價乳腺癌患者NAC療效的一種常用方法[10]，可反映腫瘤化療后形態(tài)學(xué)改變，或者通過監(jiān)測血流動力學(xué)定量參數(shù)來預(yù)測化療療效[11-12]。既往的一項meta分析表明，DCE-MRI影像組學(xué)分析對預(yù)測乳腺癌新輔助化療的療效有一定價值，AUC為0.74～0.87[13]。但DCE-MRI需要使用對比劑，不僅增加了檢查時間和成本，而且在一些對比劑不耐受/過敏患者中難以實現(xiàn)。相較于DCE-MRI，DWI是一種能觀察活體水分子微觀擴散運動能力的MRI檢查方法[14]，具有對腫瘤微環(huán)境十分敏感、不需要對比劑、無電離輻射、圖像采集在相對較短的時間內(nèi)完成、且易于納入常規(guī)臨床評估等優(yōu)點，常被應(yīng)用于臨床疾病的診斷及療效評估中[15-16]。從分子層面來講乳腺癌腫瘤細胞增殖活躍，水分子擴散運動受限，腫瘤組織內(nèi)的病理改變可以通過病灶的ADC值定量反映，從而對乳腺腫瘤病變性質(zhì)進行定量評估[17]。既往多個研究結(jié)果表明，乳腺癌病變區(qū)的ADC值在新輔助化療后的早期變化與NAC結(jié)束后所獲得的組織病理學(xué)表現(xiàn)之間存在一定相關(guān)性[18-19]。本研究中基于基線ADC圖進行研究，結(jié)果顯示基線ADC圖可以更早地預(yù)測NAC療效。

在ADC圖上勾畫的ROI的大小和位置對研究結(jié)果有重要影響。既往文獻報道的ADC值之間存在較大差異，原因可能是部分研究中采用的是對整個腫瘤全容積進行ADC值的測量[20]，而另一些研究中僅對腫瘤最大層面或單層面小ROI進行定量分析[21]。理論上，只有覆蓋整個病灶的ROI才能全面反映腫瘤的特征，尤其對于在空間分布上存在高度異質(zhì)性的惡性腫瘤，如乳腺癌。既往有研究結(jié)果顯示，腫瘤ADC值和觀察者間的變異性高度依賴于ROI分析方法，當(dāng)測量整個腫瘤體積的ADC時，像素數(shù)目分析就越多，ADC值的重復(fù)性越好[22]。而在治療前的MR圖像上，全容積和腫瘤最大層面ROI測量的腫瘤ADC值明顯高于單層面小范圍ROI，可能是由于單層面小范圍ROI通常選取的是最有活力的實體腫瘤部分，所以測得的ADC值較低。Roth等[23]的研究也表明，整體腫瘤ADC值的測量比僅從腫瘤存活區(qū)域選擇ROI能更準確預(yù)測療效。在最近一項乳腺癌化療療效分析的研究中，Eun等[24]采用病灶最大層面ROI勾畫方法分析多模態(tài)MRI紋理特征對乳腺癌NAC后獲得PCR的預(yù)測能力，結(jié)果顯示治療前提取的各項紋理特征預(yù)測PCR的AUC均小于0.8，這一結(jié)果低于本研究中預(yù)測模型在驗證集中的AUC(0.85)，可能與我們采用了全容積ROI相關(guān)。盡管整個病灶ROI的勾畫及VOI的獲得過程比較耗時，但使用這種方法似乎更具成本效益，因為相對于單層分析它提供了更好的預(yù)測價值。

圖7 40歲三陰性乳腺癌患者，Radscore=-1.258493075，NAC后手術(shù)病理證實為PCR，M-P分級為5級。a)DWI圖像(b=800s/mm2)示左乳外側(cè)象限內(nèi)橢圓形腫塊，邊緣分葉，信號明顯增高(箭)；b)ADC圖示瘤灶區(qū)域的ADC值明顯減低(箭)。 圖8 66歲三陰性乳腺癌患者，Radscore=-1.906936547，NAC后手術(shù)病理證實為nPCR，M-P分級為2級。a)DWI圖像(b=800s/mm2)示左乳外側(cè)象限內(nèi)不規(guī)則腫塊，邊緣分葉，信號明顯增高(箭)；b)ADC圖示瘤灶區(qū)域的ADC值明顯減低(箭)。

圖9 決策曲線評估臨床獲益。Y 軸是凈收益，通過真陽性減去假陽性來計算，X軸表示風(fēng)險因素的概率閾值。當(dāng)概率閾值為10%～80%時，與假設(shè)所有患者都無應(yīng)答或所有患者都有應(yīng)答相比，使用影像組學(xué)模型增加了更多的臨床收益。

本研究存在以下局限性：①僅進行了單中心回顧性研究，樣本數(shù)量相對較少，而且未進行外推驗證，缺少對結(jié)果的泛化性和穩(wěn)健性的評價，未來需要進一步開展多中心研究，增加樣本量，將模型應(yīng)用到新的數(shù)據(jù)集以評估其效能；②腫瘤的ROI由放射科醫(yī)師手工繪制，較為費時，本研究中雖然由兩位醫(yī)師進行確認，但仍無法完全避免主觀和客觀的誤差，未來需要尋找一種自動、可靠且高效的腫瘤分割方法；③未納入非腫塊樣病灶，可能存在樣本選擇偏倚，后續(xù)研究將進一步尋找更精準的腫瘤分割方法，使得這一類病灶也能納入研究中；④本研究僅采用兩個b值(b=0、800s/mm2)的DWI序列所產(chǎn)生的ADC圖進行特征提取，未能準確反映腫瘤內(nèi)部擴散和灌注信息的異質(zhì)性，后續(xù)可能需要進行多b值(4個以上)DWI序列分析，例如體素內(nèi)不相干運動模型等；⑤本研究只對ADC圖提取的影像組學(xué)特征進行研究，并未提取DCE-MRI、T2WI等多序列影像組學(xué)特征，故未能建立基于多模態(tài)MRI的綜合診斷模型，后續(xù)研究中需應(yīng)用多模態(tài)MRI挖掘更多影像組學(xué)信息，有望獲取更為精準的預(yù)測模型。

綜上所述，構(gòu)建基線ADC圖全容積ROI影像組學(xué)模型，在腫塊樣乳腺癌新輔助化療療效(PCR)預(yù)測方面具有一定的臨床應(yīng)用價值，能夠為臨床提供相應(yīng)影像學(xué)依據(jù)，從而實現(xiàn)個體化精準治療。