论文部分内容阅读
乳腺癌新辅助治疗是指在对乳腺癌患者进行局部治疗之前进行全身系统性治疗的方法,是目前乳腺癌治疗的重要手段。乳腺癌新辅助治疗后肿瘤浸润淋巴细胞(Tumor-infiltrating lymphocyte,TILs)的视觉定量评估缺乏精确性和可重复性。有研究表明,TILs及TILs亚型在新辅助治疗后乳腺癌患者中具有极高的预后价值。因此,我们通过对比显微镜下视觉评估(Visual assessment,VA)及人工智能(Artificial intelligence,AI)辅助判读乳腺癌新辅助治疗后TILs的差异性与一致性来提高TILs判读结果的准确性,进而研究TILs及TILs亚型在新辅助治疗后乳腺癌患者中的预后价值。第一部分基于人工智能辅助判读乳腺癌新辅助治疗后肿瘤浸润淋巴细胞的可重复性研究目的:本研究通过对比显微镜下VA及AI辅助判读乳腺癌新辅助治疗后TILs的差异性与一致性,探讨利用AI辅助病理学家判读乳腺癌新辅助治疗后TILs的临床适用性。方法:本研究纳入2014至2015年间河北医科大学第四医院确诊为浸润性乳腺癌且新辅助治疗后进行手术切除的患者50例,所有患者均未获得病理完全缓解(Pathological complete response,p CR)。本研究中AI算法采用细胞检测和区域分割等技术对H&E视野的数字图像进行TILs定量判读。两位超过十五年工作经验且未参加本研究的病理专家通过多目显微镜对LCA免疫组化切片共同的判读结果作为本研究的金标准。9名不同级别的病理医师通过VA和AI辅助对新辅助治疗后乳腺癌患者进行TILs评估。本研究应用SPSS 26.0及Graph Pad Prism 8.0.1进行统计分析。Friedman M及Bonferroni校正用于差异性分析。组内相关系数(Intraclass correlation coefficient,ICC)和Bland-Altman散点图用于一致性研究。结果:1.差异性分析VA组和AI辅助组中9名病理医师对50例乳腺癌新辅助治疗后TILs判读结果经正态性检验得出均不服从正态分布(P<0.05)。进一步通过Friedman M检验显示,对于乳腺癌新辅助治疗后TILs判读结果,VA组中9名病理医师判读结果之间差异较明显(P<0.001),而AI辅助组中9名病理医师判读结果之间无明显差异(P=0.416)。同时经Bonferroni校正后对病理医师TILs判读结果两两比较,VA组中高级病理医师对乳腺癌新辅助治疗后TILs判读结果之间无明显差异(P>0.05),高级病理医师与中级及初级病理医师TILs判读结果之间差异较明显(P<0.05),中级及初级病理医师对TILs判读结果之间也有明显差异(P<0.05)。2.一致性分析1)通过一致性检验,VA组中高级病理医师对乳腺癌新辅助治疗后TILs判读结果之间的ICC为0.842(95%CI 0.762~0.901),具有良好的一致性;中级病理医师之间的ICC为0.735(95%CI 0.617~0.829),初级病理医师之间的ICC为0.653(95%CI 0.513~0.771),一致性较差。表明VA组中高级病理医师对TILs判读结果之间的一致性高于中级及初级病理医师的一致性。2)AI对乳腺癌新辅助治疗后TILs判读结果与金标准之间的ICC为0.977(95%CI 0.961~0.987),具出色的一致性,高于所有病理医师与金标准之间的一致性。3)AI辅助组中所有病理医师对乳腺癌新辅助治疗后TILs判读结果与金标准之间的ICC均高于0.9,均具有出色的一致性。第二部分基于肿瘤浸润淋巴细胞及其亚型构建乳腺癌新辅助治疗后的预后模型目的:本研究通过AI辅助判读乳腺癌新辅助治疗后TILs,进而评估TILs及TILs亚型和临床病理指标的预后价值,并综合具有独立预后价值的因素构建列线图预后模型,以预测新辅助治疗后乳腺癌患者总体生存率(Overall survival,OS)和无病生存率(Disease free survival,DFS)。方法:回顾性研究2013年01月至2015年12月期间河北医科大学第四医院经术前核心针穿刺活检病理确诊为浸润性乳腺癌且行新辅助治疗后进行手术切除的原发性乳腺癌患者的临床病理资料,筛选符合入组条件的患者共209例,所有患者均进行了6-8个周期新辅助化疗和靶向治疗。将患者随机分为训练集和验证集,并应用Cox比例风险回归进行生存分析,绘制列线图以预测患者预后。校准图检验列线图的一致性,C指数和Time-ROC曲线检验列线图的区分度。结果:1.在TILs亚型中,CD45RO是最多的细胞类型,平均值为25%,其次是CD3 18%、CD8 11%、CD4 9%和Fox P3 5%。各分子分型中TILs及TILs亚型均都无显著差异。2.TILs及TILs亚型之间呈正相关(P<0.01),与组织学分级、淋巴结状态、临床分期和脉管瘤栓呈负相关(P<0.01)。3.TILs及TILs亚型与残余肿瘤负荷(Residual cancer burden,RCB)和是否获得p CR呈负相关,其相关性具有统计学意义(P<0.01)。4.在训练集中,新辅助治疗后TILs浸润程度、CD4和Fox P3的表达以及转移淋巴结比率(Metastatic lymph node ratio,LNR)、临床分期和新辅助治疗前HER2表达是预测患者OS的独立影响因素,差异有统计学意义(P<0.05)。新辅助治疗后TILs浸润程度、CD4和Fox P3的表达以及临床分期是预测患者DFS的独立影响因素,差异有统计学意义(P<0.05)。5.预后模型构建和验证1)综合具有独立预后价值的因素构建列线图预后模型,分别预测OS率和DFS率。2)一致性检验:在训练集和验证集中,与理想模型相比,预测OS率和DFS率的列线图的校准图均显示了较好的一致性。3)区分度检验:在训练集中,预测OS率的C指数为0.909,Time-ROC曲线下面积均高于0.9;预测DFS率的C指数为0.878,Time-ROC曲线下面积也均高于0.9。在验证集中,预测OS率的C指数为0.886,Time-ROC曲线下面积均高于0.8;预测DFS率的C指数为0.869,Time-ROC曲线下面积也均高于0.75,表明预测OS率和DFS率列线图具有很好的准确性。4)决策曲线分析:与单独显著预测因素模型相比,基于列线图预测乳腺癌新辅助治疗后OS和DFS可获得更大的净效益。结论:1.AI显著提高了病理医师之间的一致性和可重复性,由此可见,AI辅助病理医师是提高乳腺癌TILs判读结果一致性和可重复性的良好方法。2.TILs浸润程度越高,CD3、CD4、CD45RO、CD8与Fox P3阳性细胞表达越高,乳腺癌新辅助治疗后越容易获得p CR,RCB分级越低。3.乳腺癌新辅助治疗后TILs浸润程度越高、CD4和Fox P3表达水平越高,新辅助治疗前HER2阳性表达,患者OS率越高,预后越好;而随着临床分期越高,LNR的值越大,患者OS率越低,预后越差。4.乳腺癌新辅助治疗后TILs浸润程度越高、CD4和Fox P3表达水平越高,患者DFS率越高,预后越好。而随着临床分期越高,患者DFS率越低,预后越差。5.预测OS率和DFS率的列线图具有良好的区分度和一致性,可以为新辅助治疗后乳腺癌患者的预后提供预测价值。