余雅麗 蔣燕妮 王思奇 婁鑒娟 鄒啟桂 查小明 王聰

基于乳腺癌基因分型概念的提出，乳腺癌治療變得更加精確和個(gè)體化。在乳腺癌所有分子分型中，Luminal B 型最為常見，所占比例約為40%［1］。根據(jù)人類表皮生長因子受體2（human epidermal growth factor receptor 2，HER-2）不同狀態(tài)，Luminal B 型乳腺癌分為HER-2 陰性和HER-2 陽性兩個(gè)亞組。近年來，新輔助化療（neoadjuvant chemotherapy，NAC）已成為乳腺癌綜合治療的一個(gè)重要組成部分，被廣泛用于治療局部晚期乳腺癌［2］，研究表明NAC 在Luminal B 型乳腺癌中的療效優(yōu)于內(nèi)分泌治療［3］。NAC 的三個(gè)主要目標(biāo)是降低腫瘤的臨床分期、提高保乳手術(shù)率和體內(nèi)早期評(píng)估藥物敏感性。病理完全緩解（pathological complete response，PCR）是指病理上沒有檢測(cè)到殘留的浸潤性癌細(xì)胞，NAC 達(dá)到PCR 的患者其總生存期（overall survival，OS）和無病生存期（disease free survival，DFS）顯著提高［4,5］。臨床實(shí)踐中發(fā)現(xiàn)，Luminal B 型乳腺癌生物學(xué)行為存在個(gè)體差異，腫瘤內(nèi)部異質(zhì)性較強(qiáng)，其對(duì)NAC 的敏感性和預(yù)后存在顯著差異。Haque 等［6］發(fā)現(xiàn)Luminal B 型乳腺癌中HER-2陽性亞組PCR 率高于HER-2 陰性亞組。在治療前識(shí)別出療效不佳的患者具有重要的臨床價(jià)值。

目前很多關(guān)于乳腺癌NAC 后獲得PCR 的體外研究無法在化療前對(duì)療效進(jìn)行精準(zhǔn)地預(yù)測(cè)，因此，需要一種非侵入性的方法來代替病理早期評(píng)估NAC 療效。放射組學(xué)是一種新興的影像評(píng)估方法，與MRI 的傳統(tǒng)圖像特征分析不同的是，放射組學(xué)特征不僅反映了病灶的信號(hào)強(qiáng)度、形狀、大小和體積，而且還提供了小波變換后的紋理和高階特征，可對(duì)整個(gè)腫瘤區(qū)域及其周圍區(qū)域進(jìn)行影像特征定量評(píng)估［7-9］。之前的研究已經(jīng)證明了放射組學(xué)在治療評(píng)估中的可能性和潛力［10］。

MRI 影像組學(xué)在Luminal B 型乳腺癌中的應(yīng)用尚未開展專項(xiàng)報(bào)道。本研究擬通過構(gòu)建Luminal B 型及其亞組基線期全容積ADC 圖影像組學(xué)預(yù)測(cè)模型，并聯(lián)合臨床特征，為臨床Luminal B 型乳腺癌個(gè)體化治療方案調(diào)整及療效評(píng)估提供影像學(xué)依據(jù)。

資料與方法

1.一般資料

本研究通過了南京醫(yī)科大學(xué)第一附屬醫(yī)院倫理委員會(huì)的批準(zhǔn)。搜集2016 年1 月～2020 年6 月期間經(jīng)粗針穿刺活檢證實(shí)的164 例Luminal B 型浸潤性乳腺癌患者進(jìn)行回顧性研究。納入標(biāo)準(zhǔn)如下：（1）經(jīng)粗針穿刺活檢證實(shí)為Luminal B 浸潤性乳腺癌；（2）術(shù)前均依據(jù)新輔助化療標(biāo)準(zhǔn)方案（中國抗癌協(xié)會(huì)乳腺癌診治指南與規(guī)范）完成全部化療；（3）化療前均行乳腺3.0 T MRI 檢查；（4）術(shù)后病理標(biāo)本均采用Miller-Payne（M-P）病理系統(tǒng)評(píng)估。排除標(biāo)準(zhǔn)如下：（1）MRI 圖像上表現(xiàn)為非腫塊樣強(qiáng)化的病灶；（2）妊娠期和哺乳期乳腺癌；（3）末次化療與手術(shù)時(shí)間間隔大于2 周；（4）MRI 圖像質(zhì)量不合格。本研究入組流程如圖1 所示。

圖1 入組人群流程圖

收集年齡、臨床T 分期、臨床N 分期、Ki-67等臨床和組織學(xué)資料。在影像讀片系統(tǒng)上對(duì)腫瘤內(nèi)有無囊變壞死進(jìn)行評(píng)估，測(cè)量腫瘤最大徑。

2.磁共振參數(shù)

所有乳腺M(fèi)RI 檢查均在NAC 前進(jìn)行，使用3.0 T（Trio Tim，Siemens）MR 機(jī)。常規(guī)掃描序列包括軸位T2WI-TIRM、軸位DWI、軸位T1WI 動(dòng)態(tài)增強(qiáng)及矢狀位T2WI 壓脂序列。軸位T2WI-TIRM 序列的掃描參數(shù)：TR 5000 ms，TE 61 ms，層厚4 mm，采集矩陣320×320，視野340 mm×340 mm。軸位DWI序列的掃描參數(shù)：TR 5200 ms，TE 65 ms，層厚5 mm，采集矩陣110×220，視野323 mm×384 mm，b 值分別取0和800 s/mm2。軸位T1WI 動(dòng)態(tài)增強(qiáng)序列的掃描參數(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(duì)比劑前先掃描蒙片，然后經(jīng)靜脈高壓注射器團(tuán)注對(duì)比劑Gd-DTPA，劑量0.1 mmol/kg，注射流率3 ml/s，注射對(duì)比劑后快速推注20 ml 生理鹽水進(jìn)行沖管，隨后連續(xù)不間斷掃描5 期，總掃描時(shí)長為6 min 23 s。矢狀位T2WI 壓脂序列的掃描參數(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.免疫組化分析及分組標(biāo)準(zhǔn)

每位患者均在NAC 前使用粗針對(duì)乳腺腫瘤病灶進(jìn)行穿刺活檢，記錄病人術(shù)前病理類型、雌激素受體（estrogen receptor，ER）、孕激素受體（progesterone receptor，PR）、HER-2和腫瘤增殖細(xì)胞核抗原Ki-67 表達(dá)情況。ER和PR 采用免疫組織化學(xué)法，其陽性標(biāo)準(zhǔn)為細(xì)胞核染色的腫瘤細(xì)胞數(shù)大于等于1%；HER-2 采用免疫組織化學(xué)檢測(cè)或熒光原位雜交法，其陽性標(biāo)準(zhǔn)為HER-2 標(biāo)記為陽性（+++）或免疫熒光原位雜交檢測(cè)為HER-2 基因擴(kuò)增；Ki-67 不超過14%定義為低表達(dá)，Ki-67 大于14%定義為高表達(dá)。

根據(jù)上述分組標(biāo)準(zhǔn)，Luminal B 型乳腺癌根據(jù)HER-2 狀態(tài)不同分為Luminal B（HER-2 陰性）和Luminal B（HER-2 陽性）兩個(gè)亞組，其中Luminal B（HER-2 陰性）亞組：ER和/或PR 陽性，HER-2 陰性，Ki-67 大于14%；Luminal B（HER-2陽性）亞組：ER和/或PR陽性，HER-2 陽性。

4.化療方案和病理學(xué)分析

164 例患者中：Luminal B（HER-2陽性）乳腺癌（共59 例）43 例行AC-TH（蒽環(huán)類、環(huán)磷酰胺和赫賽汀，然后序貫紫杉類和赫賽汀）共計(jì)8 個(gè)療程、10 例行AC-TH（蒽環(huán)類、環(huán)磷酰胺然后序貫紫杉類和赫賽汀）共計(jì)8 個(gè)療程、6 例行TCH（多西他賽、卡鉑和赫賽汀治療）共計(jì)6 個(gè)療程；Luminal B（HER-2 陰性）乳腺癌（共105 例）均行AC-T（蒽環(huán)類+環(huán)磷酰胺序貫紫杉醇）方案，共計(jì)8 個(gè)療程。

根據(jù)M-P 病理標(biāo)本分級(jí)將患者分為PCR組和非病理完全緩解組（non-PCR，nPCR組）。M-P 分級(jí)5 級(jí)者為PCR，PCR 定義為在切除的乳腺標(biāo)本的任何切片中均未發(fā)現(xiàn)浸潤性癌細(xì)胞，伴或不伴導(dǎo)管原位癌［11］。

5.影像組學(xué)分析方法

腫瘤圖像三維分割：將高b 值DWI 圖像導(dǎo)入ITK-SNAP 軟件（Version 3.6.0，https://itk.org/），瘤灶的容積興趣區(qū)（volume of interest，VOI）的標(biāo)記工作由一名放射科住院醫(yī)師（2 年乳腺M(fèi)RI 診斷經(jīng)驗(yàn)）手工逐層標(biāo)記獲得（未避開明顯出血、壞死、鈣化、血管區(qū)域），病灶邊緣參考動(dòng)態(tài)對(duì)比增強(qiáng)（dynamic contrast-enhanced，DCE）圖像，標(biāo)記時(shí)不超出病灶邊緣，略小于腫瘤實(shí)際大小，最后由另一名主任醫(yī)師（10 年以上乳腺M(fèi)RI 診斷經(jīng)驗(yàn)）復(fù)核確認(rèn)VOI。多病灶及多中心病例選取最大病灶進(jìn)行ROI 的勾畫，如遇主病灶選擇不確定或其他意見分歧時(shí)，通過協(xié)商最后達(dá)成一致。除知曉病例為浸潤性癌信息外，其他臨床資料均不知悉。直接將在DWI 上逐層勾畫的ROI 復(fù)制到ADC 圖像，并通過ITK-SNAP 軟件再次確認(rèn)VOI（圖2）。

圖2 乳腺癌病灶分割示意圖。a)動(dòng)態(tài)增強(qiáng)掃描第2 期T1WI 圖像，見左乳內(nèi)側(cè)腫塊，邊界清楚，強(qiáng)化尚均勻；b)DWI 圖像（b=800 s/mm2），該病灶擴(kuò)散受限；c)利用ITK-SNAP 軟件在DWI 圖像上沿病灶邊緣逐層勾畫ROI，腫塊邊界參照a)動(dòng)態(tài)增強(qiáng)圖像；d)將DWI 上逐層勾畫的ROI 復(fù)制到ADC 圖像上

影像組學(xué)特征提?。涸谔卣魈崛≈?，對(duì)所有ADC 圖像進(jìn)行歸一化預(yù)處理。采用A.K 軟件（Artificial Intelligence Kit V 3.0.0.R，GE 公司）提取ADC 圖特征，共提取828 個(gè)特征，主要包括形態(tài)學(xué)參數(shù)（VOI 內(nèi)腫瘤形狀及大?。?、一階直方圖特征（量化圖像的體素強(qiáng)度分布情況）、紋理特征（灰度或體素強(qiáng)度的空間相對(duì)位置相關(guān)信息，包括灰度共生矩陣、灰度游程矩陣和灰度大小區(qū)域矩陣）和小波特征（在腫瘤體積內(nèi)的不同頻率范圍內(nèi)，經(jīng)小波分解計(jì)算得到）。每幅圖像經(jīng)過三個(gè)方向的高通或低通濾波，從而得到8 種不同分解的組合：LLH、LHL、HLL、LHH、HHL、HLH、HHH和LLL（H表示高，L 表示低）。

影像組學(xué)特征篩選及模型的建立：對(duì)于提取到的組學(xué)特征，筆者使用基于Python 3.6和Sklearn的開源軟件FeAture Explorer（FAE）［12］。首先使用上采樣的方式對(duì)不均衡的樣本進(jìn)行擴(kuò)增。通過數(shù)據(jù)標(biāo)準(zhǔn)化（兩種方法）、降維（一種方法）、特征選擇（四種方法）和分類（五種方法）四個(gè)過程建立影像組學(xué)模型（表1）。在對(duì)特征矩陣進(jìn)行降維后，特征選擇器選取每個(gè)模型的前20 個(gè)特征進(jìn)行建模。為找到最佳模型，測(cè)試了特征選擇器和分類器的不同組合。當(dāng)多個(gè)模型具有相同或非常相似的預(yù)測(cè)性能時(shí)，為了降低模型的復(fù)雜性和非泛化風(fēng)險(xiǎn)，選擇包含最少特征的模型。

表1 影像組學(xué)模型建模可供選擇方法表

臨床-影像組學(xué)模型：采用單因素分析評(píng)估兩組間臨床病理因素的差異。通過整合臨床參數(shù)和最佳影像組學(xué)模型中的特征參數(shù)，建立了臨床-放射組學(xué)模型。

6.模型效能評(píng)估

由于數(shù)據(jù)量的限制，拆分獨(dú)立測(cè)試集后的訓(xùn)練樣本相較于特征數(shù)來講較少，使用10 折交叉驗(yàn)證進(jìn)行模型評(píng)估，選擇驗(yàn)證集最高的模型作為最優(yōu)模型。采用受試者操作特征（receiver operating characteristic，ROC）曲線下面積（area under the curve，AUC）量化模型的診斷性能。用DeLong 測(cè)試來觀察AUC 模型的差異。

7.其他統(tǒng)計(jì)學(xué)方法

對(duì)PCR組及nPCR組之間的臨床因素差異分析，采用SPSS 24.0 軟件（IBM，Armonk，NY）進(jìn)行統(tǒng)計(jì)學(xué)分析。數(shù)值變量以均值±標(biāo)準(zhǔn)差表示，根據(jù)數(shù)據(jù)正態(tài)分布檢驗(yàn)結(jié)果，數(shù)值變量資料采用兩獨(dú)立樣本t 檢驗(yàn)，或Mann-Whitney U 檢驗(yàn)，分類變量資料采用卡方檢驗(yàn)進(jìn)行統(tǒng)計(jì)分析，P＜0.05 認(rèn)為統(tǒng)計(jì)有顯著差異。

結(jié)果

1.一般資料

本研究共納入164 例，年齡26～68 歲，平均（49.7±10.1）歲。17 例（10.4%）為PCR，147 例（89.6%）為nPCR。Luminal B（HER-2 陰性）亞組為105 例，PCR 率為6.7%（7/105）；Luminal B（HER-2 陽性）亞組為59 例，PCR 率為16.9（10/59）。Luminal B（不區(qū)分HER-2 狀態(tài)）組及Luminal B（HER-2 陽性）亞組兩者的PCR組腫瘤囊變壞死率均低于nPCR組，且兩者之間差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。Luminal B（HER-2 陰性）亞組PCR組和nPCR組之間臨床特征均無明顯統(tǒng)計(jì)學(xué)意義。PCR組和nPCR組臨床特征總結(jié)如表2、3。

表2 Luminal B 型腫塊樣乳腺癌新輔助化療后PCR組及nPCR組基線期臨床特征

2.Luminal B（不區(qū)分HER-2 狀態(tài)）組模型性能

經(jīng)過對(duì)比特征選擇方法和分類器后，經(jīng)十折交叉驗(yàn)證進(jìn)行模型評(píng)估，驗(yàn)證集AUC 最高的模型為最優(yōu)模型。最終篩選出3 個(gè)最優(yōu)特征參數(shù)用于建立影像組學(xué)標(biāo)簽（MinMax_PCC_RFE_3_LR）。將腫瘤是否囊變壞死整合最佳影像組學(xué)模型中的3個(gè)組學(xué)特征參數(shù)，建立臨床-影像組學(xué)模型。

在ROC 分析中，影像組學(xué)模型在訓(xùn)練集AUC為0.785（95%CI：0.7684～0.8022），驗(yàn)證集AUC 為0.709（95%CI：0.5766-0.8279）。臨床-影像組學(xué)模型在訓(xùn)練集AUC 為0.847（95%CI：0.8320～0.8621），驗(yàn)證集AUC 為0.793（95%CI：0.6617～0.8996）。在驗(yàn)證集中，DeLong 檢驗(yàn)的P 值為0.1827（P＞0.05），表明臨床-影像組學(xué)模型預(yù)測(cè)效能與影像組學(xué)模型無明顯差異。臨床-影像組學(xué)模型的關(guān)鍵特征與系數(shù)見表4。

表3 Luminal B 不同亞組腫塊樣乳腺癌新輔助化療后PCR組及nPCR組基線期臨床特征

3.Luminal B（HER-2 陽性）亞組模型性能

經(jīng)過對(duì)比特征選擇方法和分類器后，經(jīng)十折交叉驗(yàn)證進(jìn)行模型評(píng)估，驗(yàn)證集AUC 最高的模型為最優(yōu)模型。最終篩選出1 個(gè)最優(yōu)特征參數(shù)用于建立影像組學(xué)標(biāo)簽（Zscore_PCC_KW_1_SVM）。將腫瘤是否囊變壞死整合最佳影像組學(xué)模型中的1個(gè)組學(xué)特征參數(shù)，建立臨床-影像組學(xué)模型。

在ROC 分析中，影像組學(xué)模型在訓(xùn)練集AUC為0.868（95%CI：0.8417～0.8909），驗(yàn)證集AUC 為0.849（95%CI：0.7107～0.9630）。臨床-影像組學(xué)模型在訓(xùn)練集AUC 為0.924（95%CI：00.9073～0.9406），驗(yàn)證集AUC 為0.890（95%CI：0.7956～0.9689）。在驗(yàn)證集中，DeLong 檢驗(yàn)的P 值為0.4671（P＞0.05），表明臨床-影像組學(xué)模型預(yù)測(cè)效能與影像組學(xué)模型無明顯差異。臨床-影像組學(xué)模型的關(guān)鍵特征與系數(shù)見表4。

4.LuminalB（HER-2 陰性）亞組模型性能

經(jīng)過對(duì)比特征選擇方法和分類器后，經(jīng)十折交叉驗(yàn)證進(jìn)行模型評(píng)估，驗(yàn)證集AUC 最高的模型為最優(yōu)模型。最終篩選出6 個(gè)最優(yōu)特征參數(shù)用于建立影像組學(xué)標(biāo)簽（MinMax_PCC_KW_6_LR）。

在ROC 分析中，影像組學(xué)模型在訓(xùn)練集AUC為0.893（95%CI：0.8417～0.8909），驗(yàn)證集AUC 為0.758（95%CI：0.5248～0.9580）。影像組學(xué)模型的關(guān)鍵特征與系數(shù)見表4。

表4 Luminal B組、Luminal B（HER-2 陽性）和（HER-2 陰性）亞組臨床-影像組學(xué)模型中的關(guān)鍵特征和特征系數(shù)

討 論

隨著對(duì)于乳腺癌的認(rèn)識(shí)不斷深入，研究者發(fā)現(xiàn)不同分子分型的乳腺癌患者在生物學(xué)行為、影像學(xué)特征和治療方案等方面存在顯著差異［13］。Haque 等［6］的一項(xiàng)關(guān)于分子亞型與NAC 反應(yīng)關(guān)系的大規(guī)模研究，涉及近14000 患者，該研究證實(shí)分子亞型是PCR和OS 的強(qiáng)有力獨(dú)立預(yù)測(cè)因子。既往基于乳腺癌影像組學(xué)預(yù)測(cè)NAC 療效的研究大多不區(qū)分分子分型［14］，由于未考慮乳腺癌分子分型對(duì)NAC 療效的影響，這些研究的結(jié)果差異性較大，模型診斷效能有限且泛化性較差。目前已有一些研究應(yīng)用影像組學(xué)在HER-2 過表達(dá)型或三陰性乳腺癌中預(yù)測(cè)NAC 療效及預(yù)后［15-17］，證實(shí)進(jìn)一步區(qū)分分子分型后能找到更特異和有價(jià)值的預(yù)測(cè)特征。

Luminal B 型在乳腺癌各分子分型中占比最高，因Ki-67和HER-2 兩種指標(biāo)的不同，HER-2陰性亞組和HER-2 陽性亞組的治療和預(yù)后有著明顯差異，故探討Luminal B 型NAC 后療效有重要的臨床意義。本研究中Luminal B（HER-2 陰性）亞組數(shù)量較多，但PCR 率卻明顯低于Luminal B（HER-2 陽性）亞組（6.7%比16.9%），可能原因是Luminal B（HER-2 陽性）亞組乳腺癌患者在NAC 時(shí)聯(lián)合抗HER-2 靶向治療進(jìn)一步提高PCR率［18］。在Luminal B 型及其亞組三種影像組學(xué)預(yù)測(cè)模型中，驗(yàn)證集AUC 由高到低分別為HER-2陽性亞組、HER-2 陰性亞組、不區(qū)分HER-2 狀態(tài)組（0.849＞0.758＞0.709），進(jìn)一步區(qū)分亞組能更好地預(yù)測(cè)療效，反映腫瘤的異質(zhì)性。一個(gè)精準(zhǔn)的術(shù)前療效預(yù)測(cè)模型不僅可以避免化療無效的患者被過度治療，減少化療不良反應(yīng)和對(duì)患者心理的影響，也可及時(shí)改變用藥方案及選擇合適的手術(shù)方法。

Luminal B（不區(qū)分HER-2 狀態(tài)組）和Luminal B（HER-2 陽性）亞組在最終臨床-影像組學(xué)模型中，都納入了wavelet-HLH_firstorder_Kurtosis（組學(xué)參數(shù)）和腫瘤是否囊變壞死（臨床參數(shù)）。經(jīng)小波變換的Kurtosis（峰度系數(shù)）權(quán)重占比較大，峰度系數(shù)是通過衡量興趣區(qū)內(nèi)ADC 值的直方圖分布，描繪概率分布曲線，峰度越高代表水分子的擴(kuò)散運(yùn)動(dòng)越偏離高斯分布，腫瘤內(nèi)部結(jié)構(gòu)越復(fù)雜［19］。Liu等［20］研究發(fā)現(xiàn)，峰度系數(shù)在異質(zhì)性較強(qiáng)的惡性腫瘤內(nèi)明顯增高。峰度系數(shù)在Luminal B 型乳腺癌PCR組高于nPCR組，可能提示PCR組的腫瘤內(nèi)部異質(zhì)性越強(qiáng)，惡性程度越高?；诩韧鵄DC 值直方圖預(yù)測(cè)乳腺癌NAC 療效的研究表明［21］，峰度系數(shù)越高，新輔助化療療效越好，與本研究結(jié)論相符。上述兩組臨床參數(shù)中腫瘤是否囊變壞死在PCR和nPCR組間有統(tǒng)計(jì)學(xué)差異，且PCR組的腫瘤囊變壞死率明顯低于nPCR組，既往研究也證實(shí)MRI 上有明顯壞死的腫瘤不易取得PCR［22,23］。但最終納入該指標(biāo)參與建立臨床-組學(xué)模型，預(yù)測(cè)效能均未見明顯提升，可能是由于腫瘤內(nèi)囊變壞死在ADC 圖像上主要體現(xiàn)在ADC 平均值的增加，而筆者提取的組學(xué)特征已能更全面具體地反映腫瘤內(nèi)ADC 值的變化。此外，本研究Luminal B（HER-2 陰性）亞組中，最后參與構(gòu)建模型的6 個(gè)影像組學(xué)特征均為高階特征，Nie 等［24］的一項(xiàng)研究表明，高維特征的使用有助于提高模型的性能，由于其包含了關(guān)于癌癥的更詳細(xì)信息，可更好地反映腫瘤的生物學(xué)行為，所以在評(píng)估PCR 方面敏感度更高。

在訓(xùn)練二分類模型中，當(dāng)碰到樣本類別不均衡的情況下，機(jī)器學(xué)習(xí)方法的性能較差。Wu 等［25］對(duì)不平衡數(shù)據(jù)進(jìn)行了深入探討，并比較了三種常見的數(shù)據(jù)平衡技術(shù)對(duì)機(jī)器學(xué)習(xí)方法性能的影響，作者建議構(gòu)建預(yù)測(cè)模型之前，需要對(duì)不平衡的數(shù)據(jù)進(jìn)行適當(dāng)處理。本研究中PCR組與nPCR組樣本之間同樣存在不平衡問題，兩者比例大約為1:5。筆者采用上采樣的方法（對(duì)分類中少數(shù)類的樣本進(jìn)行復(fù)制），試圖從新的角度解決數(shù)據(jù)不平衡帶來的過擬合問題。上采樣作為數(shù)據(jù)采樣的一種，原理簡(jiǎn)單，在實(shí)際運(yùn)用中容易操作［26，27］。此外，本研究通過十折交叉驗(yàn)證來進(jìn)一步測(cè)試結(jié)果的準(zhǔn)確性，有效避免學(xué)習(xí)偏向多數(shù)類，從而提高泛化能力。

本研究為初步探討的結(jié)果，仍然存在一定局限性：（1）作為單中心回顧性研究，容易受到潛在選擇偏差的影響，患者NAC 化療方案未能統(tǒng)一標(biāo)準(zhǔn)化；（2）本研究選用驗(yàn)證集最高模型作為最優(yōu)模型，缺乏獨(dú)立的測(cè)試集進(jìn)行驗(yàn)證，存在高估模型性能的風(fēng)險(xiǎn)；（3）樣本存在明顯不均衡問題，隨著數(shù)據(jù)平衡技術(shù)的發(fā)展，期待一種自適應(yīng)的方法來給少數(shù)類樣本分配權(quán)重，而不是使用統(tǒng)一的采樣權(quán)重；（4）病變分割不是自動(dòng)的，在分割過程中沒有評(píng)估觀察者間的可變性，因此可能受到潛在的人為因素影響；（5）只對(duì)ADC 圖提取的影像組學(xué)特征進(jìn)行研究，未進(jìn)行多模態(tài)MRI（DCE、T2WI 等多序列）綜合診斷模型分析。

綜上所述，基線期ADC 圖影像組學(xué)模型對(duì)Luminal B 型乳腺癌新輔助化療后獲得病理完全緩解有一定預(yù)測(cè)價(jià)值，聯(lián)合臨床特征后預(yù)測(cè)效能有所提高，但無統(tǒng)計(jì)學(xué)意義；基線期ADC 圖影像組學(xué)模型在預(yù)測(cè)Luminal B 型不同亞組乳腺癌新輔助化療后獲得病理完全緩解方面具有一定的價(jià)值，Luminal B（HER-2 陽性）亞組預(yù)測(cè)效能優(yōu)于Luminal B（HER-2 陰性）亞組，其中Luminal B（HER-2 陽性）亞組進(jìn)一步聯(lián)合臨床特征后預(yù)測(cè)效能無明顯提升。