论文部分内容阅读
背景:乳腺癌在全球女性罹患的恶性肿瘤中居于第一位,而且也是中国女性发病率最高的恶性肿瘤,其增长速率已经达到每年3%-4%,明显超出全球平均水平。乳腺癌是一种高度异质性的疾病,不同患者对新辅助化疗(neoadjuvant chemotherapy,NAC)的敏感性不一,以往都是将病理完全缓解(pathological complete response,pCR)作为预测长期获益的指标,但是对于未实现pCR的患者需要找到替代的标志物。Ki-67已被认为是可预测新辅助化疗后pCR率的分子标记物,但目前鲜有关于预测NAC后Ki-67表达变化的报道。影像组学(Radiomics)作为一种既无创且可重复性高的技术有望成为预测Ki-67表达变化的新方法。目的:探讨基于磁共振(MR)的影像组学标签在预测乳腺癌新辅助化疗前后Ki-67表达变化的价值。资料与方法:本研究以2014年6月到2018年4月广东省人民医院收治的先后行NAC和手术治疗的乳腺癌患者为研究对象,所有患者行NAC前具有完善的临床及MR检查资料。穿刺标本和NAC后手术切除标本经过免疫组化测定Ki-67的表达情况,将NAC前Ki-67表达阳性的162例患者纳入研究,其中训练集105例,验证集57例。分别在T2加权成像(T2WI)和T1加权增强图像(T1+C)上对肿瘤进行手动分割,通过LASSO逻辑回归分析方法从重复性好的特征中进行筛选,并构建影像组学标签,建立NAC前后Ki-67表达变化的预测模型。采用独立样本t检验方法比较分析NAC后影像组学标签在不同的Ki-67表达变化间的差异,采用受试者工作特征曲线(ROC)评价影像组学标签对NAC前后Ki-67表达变化的检测效能。结果:在训练集中,NAC后Ki-67表达水平转为低表达70例(阳性组),新辅助化疗后Ki-67维持高表达35例(阴性组);在验证集中,阳性组和阴性组分别为46例和11例。从T2WI和T1+C图像中各提取出16717个影像特征,经过降维后分别筛选出16个和2个组学特征来构建标签。基于T2WI序列的影像组学标签在阳性组和阴性组之间差异有统计学意义(训练组和验证组P<0.05,分别为0.000和0.045)。预测模型中训练集和验证集AUC>0.7,分别为0.877(95%置信区间为0.803-0.951)和0.711(95%置信区间为0.550-0.873)。在训练集中,基于T1+C图像的组学标签在阳性组和阴性组之间有显著差异(P=0.000),但是在验证集中差异无统计学意义(P=0.597)。结论:通过T2WI构建的影像组学标签可以较好的预测Ki-67表达阳性乳腺癌患者NAC后表达水平的下降,这有助于预测预后,同时鉴别出具有高复发和死亡风险的患者。