吳天斌，張有健，林桂涵，陳煒越，陳春妙，程雪，紀(jì)建松

1.溫州醫(yī)科大學(xué)附屬第五醫(yī)院 放射科 浙江省影像診斷與介入微創(chuàng)研究重點實驗室，浙江 麗水 323000；2.慧影醫(yī)療科技（北京）有限公司，北京 100089

淋巴血管浸潤（lymphovascular invasion,LVI）是指血管或淋巴管腔內(nèi)的腫瘤細胞浸潤，是影響乳腺癌浸潤轉(zhuǎn)移的關(guān)鍵步驟之一[1]。研究表明LVI與預(yù)后不良顯著相關(guān)[2-4]。LVI狀態(tài)的確定主要依賴于術(shù)后病理學(xué)分析，增加了延遲診斷的風(fēng)險和患者心理負(fù)擔(dān)，因此，有必要探索一種基于術(shù)前無創(chuàng)、準(zhǔn)確評估LVI狀態(tài)的有效手段。已有研究證實常規(guī)磁共振（magnetic resonance imaging,MRI）特征與乳腺癌LVI具有一定相關(guān)性，但受限于主觀經(jīng)驗差異，結(jié)果并不一致[5-6]。影像組學(xué)是一個新興領(lǐng)域，它可將醫(yī)學(xué)圖像轉(zhuǎn)換為可挖掘分析的數(shù)據(jù)，這有助于改進醫(yī)療決策，提高疾病診斷和預(yù)后評估的準(zhǔn)確性[7]。目前MRI影像組學(xué)在乳腺領(lǐng)域應(yīng)用廣泛，且主要集中在鑒別良惡性腫瘤[8]、分析分子亞型[9]、預(yù)測療效[10]等方面。然而，僅少數(shù)研究探討了其用于乳腺癌LVI狀態(tài)評估中的價值[11-12]。因此，本研究基于動態(tài)增強磁共振（dynamic contrastenhanced magnetic resonance imaging,DCE-MRI）影像組學(xué)和常規(guī)MRI特征建立列線圖模型，評估其在術(shù)前預(yù)測乳腺癌患者LVI狀態(tài)的價值。

1 對象和方法

1.1 研究對象 回顧性收集2016年7月至2021年5月間在麗水市中心醫(yī)院經(jīng)手術(shù)病理證實為乳腺癌的379例女性患者。納入標(biāo)準(zhǔn)如下：①原發(fā)腫瘤類型為浸潤性乳腺癌；②術(shù)前2周行乳腺DCE-MRI檢查；③術(shù)后免疫組化評估LVI狀態(tài)。排除標(biāo)準(zhǔn)如下：①臨床、病理資料不完整或MR圖像質(zhì)量不佳；②術(shù)前接受新輔助化療、內(nèi)分泌治療等；③多發(fā)病灶或已發(fā)現(xiàn)遠處轉(zhuǎn)移。經(jīng)納排標(biāo)準(zhǔn)嚴(yán)格篩選后，最終納入300例女性患者，年齡29～81（52.0±9.3）歲。其中乳腺癌LVI陽性患者106例，陰性患者194例。將所有患者按8∶2的比例隨機分配至訓(xùn)練組（n=238）和驗證組（n=62）。本研究已通過麗水市中心醫(yī)院醫(yī)學(xué)倫理委員會審核（倫理審批號：2022-3I7）。

1.2 檢查方法 所有檢查均在德國西門子MAGNETOM Area 1.5T MR掃描儀上進行，配備專用的8 通道乳房線圈?；颊呷「┡P位，兩側(cè)乳房自然懸垂于線圈中。采用三維快速小角度激發(fā)序列（Three-Dimensional，F(xiàn)ast Low Angle Short,3D-FLASH）行動態(tài)增強掃描。具體掃描參數(shù)如下：TR 4.5 ms，TE 1.5 ms，翻轉(zhuǎn)角12°，層厚1.5 mm，無間距，矩陣182×320，視野32 cm×26 cm，共采集6次，時間約5 min 57 s。第一次掃描結(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（Omniscan,GE Healthcare,Milwaukee,WI），劑量為0.2 mmol/kg，注射速率為2.5 mL/s，隨后用20 mL鹽水沖洗。

1.3 常規(guī)MRI特征 MRI圖像由兩名分別具有7年和15 年胸部影像診斷經(jīng)驗的放射科醫(yī)師以盲法獨立評價。若存在分歧，則協(xié)商達成共識。收集病灶的常規(guī)MRI特征包括：最大直徑、形狀、邊界、毛刺征、背景實質(zhì)強化、內(nèi)部強化特征及時間強度曲線（time-intensity curves,TIC）類型。

1.4 圖像分割和特征提取 所有第二期DCE-MRI圖像均以DICOM格式導(dǎo)入3D Slicer（v4.8.1，http∶//www.slicer.org/）軟件，由2名具有5年和11年以上胸部影像診斷經(jīng)驗的主治醫(yī)師在不知道免疫組化結(jié)果的情況下分別逐層手動勾畫病灶邊緣，盡可能與原發(fā)腫瘤的病灶邊緣一致，并合成三維感興趣體積（volumn of interest,VOI）（見圖1），之后由一名具有18年胸部影像診斷經(jīng)驗的副主任醫(yī)師進行核查。若兩名醫(yī)師勾畫的區(qū)域差值在5%以上，則由高年資醫(yī)師再次確定邊界并重新合成VOI。通過慧影醫(yī)療科技（北京）有限公司的放射組學(xué)Radcloud平臺（http∶//radcloud.cn/）進行特征提取，從每個病灶中共提取1 409個定量影像組學(xué)特征，可分為三組：第一組（一階統(tǒng)計特征）由能夠定量描述MRI圖像內(nèi)體素強度分布的基本特征構(gòu)成；第二組（形狀和大小特征）由反映mask區(qū)域形狀和大小的三維特征構(gòu)成；第三組（紋理特征）由能夠量化區(qū)域異質(zhì)性差異的紋理特征構(gòu)成，是根據(jù)灰度值和灰度共生紋理矩陣計算得到的。

1.5 特征篩選 將所有提取的特征進行篩選。首先采用方差閾值法進行特征過濾，設(shè)定方差閾值高于0.8 的特征保留在以下分析中。其次是select k best方法，屬于單變量特征選擇法，P＜0.05的特征被選為與乳腺癌LVI狀態(tài)相關(guān)的特征。最后，采用最小絕對值收縮和選擇算子（least absolute shrinkage and selection operator,LASSO）算法，通過10倍交叉驗證選擇高度相關(guān)的影像組學(xué)特征，并得到相應(yīng)的非零回歸系數(shù)，通過系數(shù)加權(quán)求和計算影像組學(xué)評分（radiomics score,rad-score）。

1.6 LVI病理陽性的判斷 取患者手術(shù)切除后的病理標(biāo)本，用10%的中性甲醛溶液浸泡；采用常規(guī)石蠟包埋切片，厚度為2～5 μm，并行HE染色。顯微鏡下觀察到淋巴管或小血管內(nèi)存在癌細胞栓塞時，判斷為LVI病理陽性。

1.7 統(tǒng)計學(xué)處理方法 所有統(tǒng)計分析均使用R軟件（版本4.1.2，https∶//www.r-project.org/）完成。采用組內(nèi)和組間相關(guān)系數(shù)（intraclass and interclass correlation efficients,ICCs）評估特征在觀察者間的一致性，當(dāng)ICC＞0.80，認(rèn)為一致性良好。符合正態(tài)分布定量資料的描述用表示，兩組比較采用獨立樣本t檢驗；不符合正態(tài)分布定量資料的描述用M（P25，P75）表示，兩組比較采用非參數(shù)Mann-WhitneyU檢驗。兩組定性資料的比較采用χ2檢驗。使用rms包進行Logistic回歸分析篩選有意義的常規(guī)MRI特征來構(gòu)建常規(guī)特征模型。之后基于影像組學(xué)評分和常規(guī)MRI特征中的獨立危險因素，運用多因素Logistic回歸分析建立聯(lián)合模型，并繪制相應(yīng)的列線圖。繪制各模型受試者工作特征（receiver operator characteristic,ROC）曲線，并用Delong檢驗比較不同ROC曲線下面積（area under curves,AUC）。使用rms包進行1 000次重復(fù)抽樣繪制校準(zhǔn)曲線，以Hosmer-Lemeshow擬合優(yōu)度檢驗評估模型校準(zhǔn)度。使用rmda包進行決策曲線分析，通過計算各閾值概率下的凈收益來評價模型的臨床實用性。P＜0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 一般資料 共納入300例患者，年齡為（52.0±9.3）歲，訓(xùn)練組和驗證組中患者年齡在LVI陽性和陰性組中分布差異均無統(tǒng)計學(xué)意義（均P＞0.05），見表1和表2。訓(xùn)練組和驗證組中患者的LVI陽性率分別為35.3%（84/238）和35.5%（22/62），在兩組中分布差異無統(tǒng)計學(xué)意義（P=0.978）。

2.2 常規(guī)MRI特征 訓(xùn)練組和驗證組中兩組患者的常規(guī)MRI特征比較結(jié)果顯示，形狀、邊界、背景實質(zhì)強化、內(nèi)部強化特征及TIC類型差異均無統(tǒng)計學(xué)意義（均P＞0.05），而最大直徑、毛刺征差異均有統(tǒng)計學(xué)意義（均P＞0.05），見表1和表2。

表1 訓(xùn)練組中兩組患者特征比較

表2 驗證組中兩組患者臨床特征比較

2.3 特征篩選及影像組學(xué)評分 在從每位患者DCE-MRI第二期掃描圖像劃定的VOI中共提取1 409種影像組學(xué)特征參數(shù)，2位醫(yī)師提取特征的一致性良好（ICC=0.813～0.920，均P＜0.05）。采用方差閾值法進行特征篩選共獲得517個有效特征，在此基礎(chǔ)上使用select k best方法進一步篩選獲得400個影像學(xué)特征（見圖2）。最后使用LASSO回歸算法進行特征篩選，共獲得15個參數(shù)特征，并基于篩選的特征與其對應(yīng)的權(quán)重系數(shù)線性組合并計算對應(yīng)影像組學(xué)評分（rad-score）（見圖3）?；趓adscore值構(gòu)建的影像組學(xué)模型在訓(xùn)練組和驗證組中的AUC分別為0.831（95%CI=0.776～0.885）和0.811（95%CI=0.695～0.927），見表3。

2.4 模型構(gòu)建與效能評估 單因素和多因素Logistic回歸分析顯示常規(guī)MRI特征中最大直徑（OR=1.743，P＜0.001）和毛刺征（OR=6.304，P＜0.001）是預(yù)測乳腺癌淋巴血管侵犯的獨立危險因素，構(gòu)建的常規(guī)特征模型在訓(xùn)練組和驗證組中的AUC分別為0.779和0.770，見表3。之后基于radscore值和常規(guī)MRI特征中的獨立危險因素（最大直徑和毛刺征），利用多因素Logistic回歸分析構(gòu)建聯(lián)合預(yù)測模型并繪制相應(yīng)的列線圖（見圖4A）。聯(lián)合模型在訓(xùn)練組與驗證組中的AUC分別可達到0.889（95%CI=0.844～0.934）和0.856（95%CI=0.759～0.952），各模型的靈敏度和特異度見表3。Delong檢驗結(jié)果顯示在訓(xùn)練組中聯(lián)合模型的診斷效能優(yōu)于常規(guī)特征模型和影像組學(xué)模型（均P＜0.05），而在驗證組中僅優(yōu)于常規(guī)特征模型（P＜0.05）（見圖4B和圖4C）。校準(zhǔn)曲線顯示列線圖對LVI的預(yù)測概率和實際結(jié)果有較好的一致性，Hosmer-Lemeshow檢驗顯示訓(xùn)練組（χ2=17.817，P=0.023）及驗證組（χ2=9.348，P=0.314）均具有較好擬合度（見圖5A、圖5B）。決策曲線分析結(jié)果當(dāng)閾值概率在0.1～1.0范圍內(nèi)時，使用列線圖預(yù)測LVI陽性的凈收益大于全部治療或不治療方案（見圖5C、圖5D）。

表3 訓(xùn)練組和驗證組中不同模型預(yù)測效能的比較

3 討論

本研究結(jié)合DCE-MRI影像組學(xué)特征和常規(guī)MRI特征構(gòu)建列線圖以評估乳腺癌的LVI狀態(tài)，并采用獨立數(shù)據(jù)集進行驗證。結(jié)果顯示，由影像組學(xué)評分、腫瘤最大直徑和毛刺征構(gòu)成的列線圖模型在訓(xùn)練組和驗證組中的AUC分別為0.889和0.856，優(yōu)于單獨的影像組學(xué)模型和常規(guī)特征模型，具有較好的診斷效能和臨床應(yīng)用價值。

MRI是乳腺癌的重要影像學(xué)檢查方法，而DCEMRI是乳腺MRI檢查的重要序列。既往研究表明，常規(guī)MRI影像學(xué)表現(xiàn)與乳腺癌的分子、病理生物學(xué)特征具有一定相關(guān)性[13]。在本研究中，筆者發(fā)現(xiàn)LVI陽性和LVI陰性的乳腺癌在腫瘤最大直徑間存在顯著差異，這與NIJIATI等[14]的研究一致，提示LVI在乳腺癌中的風(fēng)險可能隨著腫瘤變大而增加。腫瘤微環(huán)境在腫瘤的轉(zhuǎn)移和預(yù)后中起關(guān)鍵作用，且多數(shù)微血管侵犯均發(fā)生在1 cm以內(nèi)的區(qū)域[15]。本研究結(jié)果顯示在LVI陽性的乳腺癌病灶區(qū)更容易觀察到毛刺征，這可以解釋為隨著腫瘤向周圍間質(zhì)、導(dǎo)管或淋巴管的浸潤性生長，誘導(dǎo)出更多的纖維組織增殖[16]。本研究進一步基于上述兩種常規(guī)MRI特征構(gòu)建模型后，發(fā)現(xiàn)其對乳腺癌浸潤性LVI狀態(tài)的預(yù)測效能一般，盡管敏感度較高（76.2%），但特異度表現(xiàn)欠佳（68.2%）。因此，僅依靠常規(guī)MRI特征可能難以準(zhǔn)確評估乳腺癌LVI狀態(tài)。

影像組學(xué)可提供有關(guān)腫瘤異質(zhì)性的高通量定量信息，而這些定量信息和病理特征間的相關(guān)性為無創(chuàng)、準(zhǔn)確評估腫瘤侵襲性行為提供一種嶄新的視角[17]。NIJIATI等[14]基于DWI圖像提取影像組學(xué)特征在預(yù)測乳腺癌的LVI狀態(tài)時的AUC僅為0.68，預(yù)測能力明顯低于本研究結(jié)果，這提示DCE-MRI圖像可能在顯示腫瘤內(nèi)異質(zhì)性及提供腫瘤的微觀信息時更具有優(yōu)勢。而LIU等[11]發(fā)現(xiàn)基于DCE-MRI圖像提取的影像組學(xué)特征對乳腺癌LVI狀態(tài)的預(yù)測效能一般（訓(xùn)練組的AUC為0.720），遠低于本研究影像組學(xué)模型的診斷效能（訓(xùn)練組的AUC為0.831），分析原因可能為LIU等[11]的研究僅從DCE-MRI圖像中篩選出兩個影像組學(xué)特征，且其納入的樣本量較少（n=159）。此外，而ZHANG等[12]將從T2WI、ADC及DCE-MRI圖像分別提取的影像組學(xué)特征組合構(gòu)建模型，具有較高的診斷效能（訓(xùn)練組的AUC為0.919，驗證組的AUC為0.863）。盡管與單個序列相比，預(yù)測能力大大提高，但考慮到多序列聯(lián)合構(gòu)建的模型在臨床實踐中運用較為繁瑣，降低了其臨床應(yīng)用價值。本研究僅從DCE-MRI序列圖像中提取特征，且僅選取了第二期DCE-MRI圖像，這是因為該期能夠更清楚地顯示病灶邊界，這與SONG等[18]的研究一致。最終，本研究篩選出與乳腺癌LVI狀態(tài)相關(guān)的15個參數(shù)特征用于構(gòu)建影像組學(xué)模型，其在訓(xùn)練組和驗證組中的AUC分別為0.831和0.811。本研究構(gòu)建的常規(guī)MRI特征模型AUC分別為0.779和0.770，結(jié)合影像組學(xué)標(biāo)簽構(gòu)建的聯(lián)合模型的診斷效能得到了明顯提升，AUC分別為0.889和0.856，這進一步表明影像組學(xué)參數(shù)中包含了常規(guī)MRI特征無法獲取到的與腫瘤異質(zhì)性及血管再生相關(guān)的潛在信息，進而提高了模型的可靠性。該聯(lián)合模型與查海玲等[19]基于超聲影像組學(xué)融合模型評估乳腺癌LVI狀態(tài)的預(yù)測效能相仿，然而在超聲和MRI提取的定量特征之間可觀察到部分差異，這可能歸因于不同成像方式攜帶著不同代表腫瘤微觀結(jié)構(gòu)和生物學(xué)行為的潛在信息。

本研究還存在一些不足。首先，這是一項單中心回顧性研究，在一定程度上存在選擇偏倚，且本研究樣本量相對較少，構(gòu)建的列線圖仍需經(jīng)過大樣本多中心研究進行驗證；其次，盡管ICC在特征提取方面表現(xiàn)出良好的可重復(fù)性，但本研究采用的VOI手動勾畫方式仍會存在部分偏差，自動化的圖像分割方式可能會提供更好的穩(wěn)定性；最后，乳腺癌的淋巴結(jié)血管侵犯常會侵犯到腫瘤邊緣，但本研究并未對瘤周區(qū)域的影像組學(xué)特征進行提取并分析，這值得在后續(xù)的研究中重點關(guān)注。

綜上所述，基于DCE-MRI影像組學(xué)特征與常規(guī)MRI特征中的獨立危險因素構(gòu)建的列線圖模型，能夠在術(shù)前實現(xiàn)無創(chuàng)且有效地評估乳腺癌患者的LVI狀態(tài)，從而更好地指導(dǎo)乳腺癌的治療。