论文部分内容阅读
第一部分基于朴素贝叶斯预测ER弱阳性乳腺癌亚组目的:基于朴素贝叶斯分类算法,利用人工智能提取浸润性癌细胞的形态学特征,并结合患者的临床病理特征来建立预测ER表达状态的模型,用于识别ER弱阳性患者中临床病理特征类似于ER阴性的患者,为这些患者治疗决策的制定提供参考。方法:对在河北医科大学第四医院进行手术治疗的乳腺癌患者进行回顾性研究,训练队列纳入2012年ER阴性（<1%）患者139名（30.89%）和ER阳性（>10%）患者311名（69.11%）,将肿瘤组织H&E染色切片通过Unic数字扫描仪获取全视野数字病理切片图像,利用深度学习分割模型对浸润性癌区域和浸润性癌细胞进行分割,利用图像处理技术提取每个细胞的形态学特征,结合患者的临床病理特征,基于朴素贝叶斯分类算法构建预测ER表达状态的模型,通过5倍交叉验证的方法验证模型的预测性能,并对2012年-2018年260名ER弱阳性患者进行亚组预测。结果:预测模型对ER的表达状态具有良好的区分度,通过绘制ROC曲线,其AUC为0.91（95%CI±0.03）。对260名ER弱阳性患者进行亚组预测,其中206名（79.23%）患者被预测为阴性,54名（20.77%）患者被预测为阳性。通过对两组进行比较发现,在ER弱阳性肿瘤中组织学分级高和Ki67高表达患者的预测结果更有可能是阴性的,并且预测结果为阴性患者的ESR1 mRNA表达水平较低,无法从内分泌治疗中获益且预后较差。结论:我们基于朴素贝叶斯分类算法利用人工智能提取浸润性癌细胞的形态学特征并结合患者的临床病理特征开发的预测ER表达状态的模型可以识别ER弱阳性患者中临床病理特征类似于ER阴性的患者,这将有助于指导ER弱阳性患者个体化的精准治疗。第二部分预测ER弱阳性乳腺癌亚组列线图的建立与验证目的:基于乳腺癌患者的临床病理特征建立预测ER表达状态的列线图,并用于识别ER弱阳性患者中临床病理特征类似于ER阴性的患者,为这些患者治疗决策的制定提供参考。方法:对2012年在河北医科大学第四医院进行手术治疗的乳腺癌患者进行回顾性研究,共纳入450名乳腺浸润性癌患者,其中ER阴性（<1%）患者139名（30.89%）,ER阳性（>10%）患者311名（69.11%）,并将两组患者以7:3的比例随机分为训练队列和验证队列。训练队列的数据利用R语言基于logistic回归分析用于建立预测ER表达状态的列线图,并利用验证队列的数据对预测模型进行验证。通过计算Harrell C指数和绘制校准图评估预测概率和实际概率之间的一致性,并通过计算ROC曲线下方的面积（AUC）评估预测模型的性能。利用约登指数以确定预测模型用于区分ER表达状态的最佳截断值。最后,使用建立的预测模型对2012年-2018年260名ER弱阳性患者进行亚组预测。结果:核异型性显著、核分裂象>20个/10HPF、肿瘤浸润淋巴细胞>40%并可见坏死的患者ER表达状态更倾向为阴性。预测模型在训练队列和验证队列中的Harrell C指数分别为0.80（95%CI 0.75-0.86）和0.83（95%CI 0.75-0.90）,校准图显示在预测概率和实际概率之间存在较好的一致性;利用ROC曲线评估模型的预测性能,训练队列和验证队列的AUC分别为0.804（95%CI 0.750-0.858）和0.828（95%CI 0.752-0.903）。通过计算约登指数,预测ER表达状态的最佳截断值为0.59。对260名ER弱阳性患者进行亚组预测,其中164名（63.08%）患者的预测结果为阴性（预测值<0.59）,96名（36.92%）患者的预测结果为阳性（预测值>0.59）。在ER弱阳性患者中,预测结果为阴性的患者ESR1 mRNA的表达水平较低,无法从内分泌治疗中获益且预后较差。结论:我们基于患者的临床病理特征开发并验证了预测浸润性乳腺癌患者ER表达状态的列线图,可以识别ER弱阳性患者中临床病理特征类似于ER阴性患者,这将有助于指导ER弱阳性患者个体化的精准治疗。第三部分RT-qPCR与IHC在乳腺癌分子分型检测中的一致性研究目的:探讨RT-qPCR与IHC检测结果的一致性以及对乳腺癌分子分型的影响,并进一步研究RT-qPCR是否可以作为一种更为准确的分子分型的方法来帮助诊断乳腺癌。方法:纳入2014年至2015年于河北医科大学第四医院进行手术治疗的398名乳腺浸润性导管癌患者,分别通过IHC和RT-qPCR检测ER、PR、HER2和Ki67的表达并进行分子分型。比较分析两种方法检测结果的一致性,以及对分子分型的影响。结果:分别通过IHC和RT-qPCR方法对ER、PR、Ki67、和HER2进行检测的结果之间存在高度的一致性（r=0.893,0.884,0.815,0.824,P<0.01）,但是在ER弱阳性肿瘤中,两种方法检测结果的一致性较差。对于整体研究人群ER、PR、Ki67、和HER2的表达在T分期和组织学分级上存在显着差异（P<0.05）。此外,在分析了这两种检测方法对乳腺癌分子分型的影响后,我们发现部分通过IHC检测分型为Luminal B型的乳腺癌经RT-qPCR检测被分为Luminal A型（P<0.01）。通过生存分析发现,经RT-qPCR检测被分为Luminal A型的患者预后良好,RT-qPCR检测方法更有助于识别这部分患者。结论:本研究证明RT-qPCR与IHC检测结果具有高度的一致性,但是对于ER弱阳性肿瘤,两种方法检测结果的一致性较差,而对于整体研究人群乳腺癌的分子分型,经RT-qPCR检测为Luminal A型乳腺癌的预后显著较好。