论文部分内容阅读
第一部分18F-FDGPET/CT在初诊乳腺癌患者中分期和预后评估的价值
目的本研究主要探讨治疗前18F-FDGPET/CT在乳腺癌分期的价值，评估原发灶18F-FDGPET/CT显像的最大标准化摄取值(maximum standardized uptake value，SUVmax)与患者临床、病理学因素及预后的相关性。
方法回顾性分析自2012年1月至2018年12月就诊于武汉协和医院PET中心的乳腺癌患者，在治疗前均行18F-FDGPET/CT扫描。收集病例相关临床资料，包括肿瘤大小、年龄、病理学分型、临床分期、组织学分级、分子亚型、Ki-67增殖指数、转移情况、治疗方式及生存情况等。从PET图像中提取代谢指数-最大标准化摄取值(SUVmax)。评估18F-FDGPET/CT在初诊乳腺癌患者中分期价值及SUVmax与临床病理学参数及生存预后[总生存期(overall survival，OS)和无进展生存期(progression-free survival，PFS)]间的关系。
结果本研究纳入了81名女性患者(平均为53.0±11.7岁，范围为25-81岁)。包括浸润性导管癌65例，浸润性小叶癌6例，原位癌3例，混合浸润性癌3例，黏液癌2例，髓样癌1例和乳腺Paget’s病1例。根据分子亚型将患者分为4个亚组(LuminalA型:20例；LuminalB型:30例；HER-2型:16例；三阴型:15例)。以病理分期为金标准，术前18F-FDGPET/CT对乳腺癌分期准确率分别为：T分期92.6%(75/81)；N分期87.7%(71/81)；M分期97.5%(79/81)。所有肿瘤均显示出不同程度的18F-FDG摄取，其平均SUVmax为6.8±4.0(范围为1.3-20.7)。治疗前18F-FDGPET/CT中原发灶较高的SUVmax与较大肿瘤(＞2cm，p＝0.000)、较高组织学分期(II、III及IV期，p=0.021)、较高组织学分级(3级，p=0.000)，高Ki-67指数(≥14%，p=0.037)显著相关。SUVmax与不同分子分型之间显著相关(p=0.022)，HER-2型及三阴型乳腺癌SUVmax明显高于LuminalA型。而SUVmax与年龄(≤50岁组vs.＞50岁组，p=0.207)、病理分型(浸润性导管癌vs.浸润性小叶癌，p=0.117)及淋巴结状态(阳性vs.阴性，p=0.350)无明显相关性。在随访期间，排除10例失访患者，剩余71例患者。有11(18.6%)例患者出现复发或进展，12例患者(16.9%)在随访截止时间前死亡。患者总OS时间为5.3-84.8个月，中位OS为32.0月；总PFS时间1.1-64.4个月，中位PFS为28.7个月；3年OS率为42.3%，3年PFS率为38.0%。根据ROC分析得出的SUVmax最佳截断值对乳腺癌患者OS及PFS分析进行分组，共分成两组[＜7.65组vs.≥7.65组，(p=0.000，AUC=0.799)]。单因素生存分析显示组织学分期、远处转移、SUVmax及治疗方式是患者OS的预后危险因素；组织学分期、病灶大小、SUVmax、免疫组化分型、远处转移及治疗方式是乳腺癌患者PFS的预后危险因素。Cox比例风险模型多因素生存分析：SUVmax(HR=4.1，95%CI=1.19-14.37，p=0.025)和远处转移(HR=5.0，95%CI=1.31-19.04，p=0.018)是乳腺癌患者OS的独立预后因素；SUVmax(HR=3.9，95％CI=1.41-10.77，p=0.009)、远处转移(HR=4.6，95％CI=1.49-13.93，p=0.008)及病灶大小(HR=2.1，95％CI=1.04-4.04，p=0.038)是乳腺癌患者PFS的独立预后因素。
结论治疗前18F-FDGPET/CT显像可以对初诊乳腺癌患者进行准确分期，尤其是在淋巴结及远处转移方面，具有更高的临床价值。SUVmax与已知的影响预后的临床病理学因素相关，乳腺癌原发肿瘤病灶SUVmax越高的患者可能会有更高的复发或进展风险。肿瘤原发病灶的SUVmax和疾病的远处转移是乳腺癌OS及PFS的独立预后因素。
第二部分18F-FDGPET/CT影像组学特征预测乳腺癌分子亚型的初步研究
目的乳腺癌的分子亚型与治疗策略和患者预后密切相关。本研究旨在探讨通过对治疗前从18F-FDGPET/CT图像中提取的影像组学特征来预测乳腺癌分子亚型的可行性。
方法本研究回顾性分析2012年1月至2018年12月行18F-FDGPET/CT检查的乳腺癌患者。收集临床参数，包括年龄，肿瘤大小，初始T、N和M分期，治疗前的CEA、CA125、CA153。在PET和CT图像上手动绘制感兴趣区域(ROI)。然后使用IFFoundry(Intelligence Foundry 2.1，GE Healthcare)提取功能成像参数[最大标准化摄取值(maximum standardized uptake value，SUVmax)、平均标准化摄取值(mean standardized uptake value ， SUVmean )、代谢活性肿瘤体积(metabolic tumor volume，MTV)、总病变糖酵解(total lesion glycolysis，TLG)、CTHUmean和CT体积]和影像组学特征(直方图、形状、纹理和轮廓特征，结节内和结节周围组学特征[Ipris]，局部异质性梯度取向的共现特征(CoLIAGe)；以及基于滤波器的特征包括小波、Gabor、局部二值模式[LBP]和小波+LBP)。特征筛选的步骤如下：处理缺失值，处理恒定值，分析统计差异和相关冗余，消除在不同系统、不同收集间隔和不同收集持续时间之间具有显着差异的功能。采用SoftMax多分类逻辑回归进行建模，使用三折交叉验证，结果用准确率(accuracy， ACC)进行评估。多类逻辑回归建模应用了一对一(one-versus-one，OVO)和一对其他(one-versus-rest，OVR)两种策略，并分别选择了不同的随机种子，重复进行三折交叉验证500次，以获得ACC分布直方图和平均值。对CT、PET、PET/CT、PET/CT+功能成像特征、PET/CT+生物标志物特征、PET/CT+功能成像特征+生物标志物特征的六个组合进行了多分类研究。
结果本研究纳入了80名女性患者(平均年龄为52.91±11.75岁，年龄范围为25-81岁)，其中包括浸润性导管癌65例，浸润性小叶癌6例，原位导管癌3例，混合浸润性癌3例，黏液癌2例和髓样癌1例。根据分子亚型将患者分为4个亚组(LuminalA：19例；LumianlB：30例；HER-2型：16例；三阴型：15例)。经筛选后，组学特征包括21维CT特征和19维PET特征。21维CT特征分别为：原始1例，纹理1例，CoLIAGe2D5例，小波+LBP4例，Gabor6例，PLBP1例，WILBP3例。19维PET特征的为CoLIAGe2D1例，小波+LBP4例，Gabor12例，PLBP1例及WILBP1例。PET与CT影像组学特征单模态和双模态建模分类准确率分别为：PET组学特征OVR0.515(0.511-0.519 )，OVO0.511(0.507-0.515 )；CT组学特征OVR0.471(0.469-0.473 )，OVO0.473(0.470-0.476 )；PET/CT组学特征OVR0.606(0.601-0.610 )，OVO0.592(0.589-0.596)；PET/CT+功能影像学特征OVR0.590(0.586-0.594)，OVO0.583(0.580-0.587)；PET/CT+生物学标志物特征OVR0.605(0.601-0.609)，OVO0.599(0.595-0.603 )；PET/CT+功能影像学特征+生物标志物特征OVR0.593(0.589-0.597)，OVO0.586(0.582-0.590)。
结论PET/CT组学特征(OVR和OVO)的结果优于单独PET或CT组学特征；仅基于PET特征的结果优于CT特征。将生物标志物特征和功能性影像学特征与PET/CT特征结合并没有增加额外的价值。与OVO相比，使用OVR策略进行建模可获得更好的结果。PET/CT影像组学特征可为乳腺癌分子亚型分析提供预测价值，但需要进行更多的大样本研究以证实这一点。
目的本研究主要探讨治疗前18F-FDGPET/CT在乳腺癌分期的价值，评估原发灶18F-FDGPET/CT显像的最大标准化摄取值(maximum standardized uptake value，SUVmax)与患者临床、病理学因素及预后的相关性。
方法回顾性分析自2012年1月至2018年12月就诊于武汉协和医院PET中心的乳腺癌患者，在治疗前均行18F-FDGPET/CT扫描。收集病例相关临床资料，包括肿瘤大小、年龄、病理学分型、临床分期、组织学分级、分子亚型、Ki-67增殖指数、转移情况、治疗方式及生存情况等。从PET图像中提取代谢指数-最大标准化摄取值(SUVmax)。评估18F-FDGPET/CT在初诊乳腺癌患者中分期价值及SUVmax与临床病理学参数及生存预后[总生存期(overall survival，OS)和无进展生存期(progression-free survival，PFS)]间的关系。
结果本研究纳入了81名女性患者(平均为53.0±11.7岁，范围为25-81岁)。包括浸润性导管癌65例，浸润性小叶癌6例，原位癌3例，混合浸润性癌3例，黏液癌2例，髓样癌1例和乳腺Paget’s病1例。根据分子亚型将患者分为4个亚组(LuminalA型:20例；LuminalB型:30例；HER-2型:16例；三阴型:15例)。以病理分期为金标准，术前18F-FDGPET/CT对乳腺癌分期准确率分别为：T分期92.6%(75/81)；N分期87.7%(71/81)；M分期97.5%(79/81)。所有肿瘤均显示出不同程度的18F-FDG摄取，其平均SUVmax为6.8±4.0(范围为1.3-20.7)。治疗前18F-FDGPET/CT中原发灶较高的SUVmax与较大肿瘤(＞2cm，p＝0.000)、较高组织学分期(II、III及IV期，p=0.021)、较高组织学分级(3级，p=0.000)，高Ki-67指数(≥14%，p=0.037)显著相关。SUVmax与不同分子分型之间显著相关(p=0.022)，HER-2型及三阴型乳腺癌SUVmax明显高于LuminalA型。而SUVmax与年龄(≤50岁组vs.＞50岁组，p=0.207)、病理分型(浸润性导管癌vs.浸润性小叶癌，p=0.117)及淋巴结状态(阳性vs.阴性，p=0.350)无明显相关性。在随访期间，排除10例失访患者，剩余71例患者。有11(18.6%)例患者出现复发或进展，12例患者(16.9%)在随访截止时间前死亡。患者总OS时间为5.3-84.8个月，中位OS为32.0月；总PFS时间1.1-64.4个月，中位PFS为28.7个月；3年OS率为42.3%，3年PFS率为38.0%。根据ROC分析得出的SUVmax最佳截断值对乳腺癌患者OS及PFS分析进行分组，共分成两组[＜7.65组vs.≥7.65组，(p=0.000，AUC=0.799)]。单因素生存分析显示组织学分期、远处转移、SUVmax及治疗方式是患者OS的预后危险因素；组织学分期、病灶大小、SUVmax、免疫组化分型、远处转移及治疗方式是乳腺癌患者PFS的预后危险因素。Cox比例风险模型多因素生存分析：SUVmax(HR=4.1，95%CI=1.19-14.37，p=0.025)和远处转移(HR=5.0，95%CI=1.31-19.04，p=0.018)是乳腺癌患者OS的独立预后因素；SUVmax(HR=3.9，95％CI=1.41-10.77，p=0.009)、远处转移(HR=4.6，95％CI=1.49-13.93，p=0.008)及病灶大小(HR=2.1，95％CI=1.04-4.04，p=0.038)是乳腺癌患者PFS的独立预后因素。
结论治疗前18F-FDGPET/CT显像可以对初诊乳腺癌患者进行准确分期，尤其是在淋巴结及远处转移方面，具有更高的临床价值。SUVmax与已知的影响预后的临床病理学因素相关，乳腺癌原发肿瘤病灶SUVmax越高的患者可能会有更高的复发或进展风险。肿瘤原发病灶的SUVmax和疾病的远处转移是乳腺癌OS及PFS的独立预后因素。
第二部分18F-FDGPET/CT影像组学特征预测乳腺癌分子亚型的初步研究
目的乳腺癌的分子亚型与治疗策略和患者预后密切相关。本研究旨在探讨通过对治疗前从18F-FDGPET/CT图像中提取的影像组学特征来预测乳腺癌分子亚型的可行性。
方法本研究回顾性分析2012年1月至2018年12月行18F-FDGPET/CT检查的乳腺癌患者。收集临床参数，包括年龄，肿瘤大小，初始T、N和M分期，治疗前的CEA、CA125、CA153。在PET和CT图像上手动绘制感兴趣区域(ROI)。然后使用IFFoundry(Intelligence Foundry 2.1，GE Healthcare)提取功能成像参数[最大标准化摄取值(maximum standardized uptake value，SUVmax)、平均标准化摄取值(mean standardized uptake value ， SUVmean )、代谢活性肿瘤体积(metabolic tumor volume，MTV)、总病变糖酵解(total lesion glycolysis，TLG)、CTHUmean和CT体积]和影像组学特征(直方图、形状、纹理和轮廓特征，结节内和结节周围组学特征[Ipris]，局部异质性梯度取向的共现特征(CoLIAGe)；以及基于滤波器的特征包括小波、Gabor、局部二值模式[LBP]和小波+LBP)。特征筛选的步骤如下：处理缺失值，处理恒定值，分析统计差异和相关冗余，消除在不同系统、不同收集间隔和不同收集持续时间之间具有显着差异的功能。采用SoftMax多分类逻辑回归进行建模，使用三折交叉验证，结果用准确率(accuracy， ACC)进行评估。多类逻辑回归建模应用了一对一(one-versus-one，OVO)和一对其他(one-versus-rest，OVR)两种策略，并分别选择了不同的随机种子，重复进行三折交叉验证500次，以获得ACC分布直方图和平均值。对CT、PET、PET/CT、PET/CT+功能成像特征、PET/CT+生物标志物特征、PET/CT+功能成像特征+生物标志物特征的六个组合进行了多分类研究。
结果本研究纳入了80名女性患者(平均年龄为52.91±11.75岁，年龄范围为25-81岁)，其中包括浸润性导管癌65例，浸润性小叶癌6例，原位导管癌3例，混合浸润性癌3例，黏液癌2例和髓样癌1例。根据分子亚型将患者分为4个亚组(LuminalA：19例；LumianlB：30例；HER-2型：16例；三阴型：15例)。经筛选后，组学特征包括21维CT特征和19维PET特征。21维CT特征分别为：原始1例，纹理1例，CoLIAGe2D5例，小波+LBP4例，Gabor6例，PLBP1例，WILBP3例。19维PET特征的为CoLIAGe2D1例，小波+LBP4例，Gabor12例，PLBP1例及WILBP1例。PET与CT影像组学特征单模态和双模态建模分类准确率分别为：PET组学特征OVR0.515(0.511-0.519 )，OVO0.511(0.507-0.515 )；CT组学特征OVR0.471(0.469-0.473 )，OVO0.473(0.470-0.476 )；PET/CT组学特征OVR0.606(0.601-0.610 )，OVO0.592(0.589-0.596)；PET/CT+功能影像学特征OVR0.590(0.586-0.594)，OVO0.583(0.580-0.587)；PET/CT+生物学标志物特征OVR0.605(0.601-0.609)，OVO0.599(0.595-0.603 )；PET/CT+功能影像学特征+生物标志物特征OVR0.593(0.589-0.597)，OVO0.586(0.582-0.590)。
结论PET/CT组学特征(OVR和OVO)的结果优于单独PET或CT组学特征；仅基于PET特征的结果优于CT特征。将生物标志物特征和功能性影像学特征与PET/CT特征结合并没有增加额外的价值。与OVO相比，使用OVR策略进行建模可获得更好的结果。PET/CT影像组学特征可为乳腺癌分子亚型分析提供预测价值，但需要进行更多的大样本研究以证实这一点。