DCE-MRI纹理分析在乳腺癌诊疗及预后判断方面的应用进展

近年来,乳腺癌已经成为我国女性发病率及死亡率第一的恶性肿瘤[1]。乳腺癌在影像、病理及免疫组化上存在高度异质性,其早期诊断、分期、病理分型对预后至关重要。磁共振动态增强成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)和影像组学的纹理分析结合是先进的功能成像与定量分析技术的整合,可以更加详细量化肿瘤的异质性,为临床提供更高的价值。现就DCE-MRI纹理分析在乳腺癌诊断、病理分型、疗效评估及预测方面的应用进展进行综述。

基于乳腺动态增强MRI的delta影像组学预测乳腺癌新辅助治疗后病理完全缓解的价值

目的探讨基于乳腺动态增强MRI(DCE-MRI)纵向变化的delta影像组学在预测乳腺癌新辅助治疗(NAT)后病理完全缓解(pCR)的价值。方法回顾性分析2019年4月至2021年11月江西省肿瘤医院经手术病理证实为原发性浸润性乳腺癌患者117例的临床及影像资料。患者均为女性, 年龄23~74(48±10)岁, 按照软件中的随机种子数以7∶3比例分成训练集(81例)与测试集(36例)。所有患者均在NAT前、NAT早期(2个疗程)后接受乳腺DCE-MRI, 计算肿瘤NAT前、后最大径相对退缩值(D%), 并构建传统影像模型。基于NAT前、早期DCE-MRI提取delta影像组学特征, 通过冗余性分析、最小绝对收缩与选择算子算法筛选最优特征参数, 以10折交叉验证法构建delta影像组学模型并计算影像组学分数(Radscore)。根据NAT后手术病理结果将117例患者分为pCR组与非pCR(non-pCR)组, 单因素分析两组差异有统计学意义的临床病理指标并通过逐步回归法筛选最终的指标, 并联合D%、Radscore构建联合模型及列线图。采用受试者操作特征曲线及曲线下面积(AUC)评价模型预测乳腺癌NAT后pCR的效能, 利用临床决策曲线对比模型的临床效用。结果联合模型预测乳腺癌NAT后pCR的效能最好, AUC在训练集及测试集中分别为0.90和0.87;其列线图显示Radscore权重最大。训练集中, 联合模型、delta影像组学模型预测乳腺癌NAT后pCR显著高于传统影像模型(Z值分别为-3.48、2.54, P值分别为0.001、0.011)。临床决策曲线显示联合模型的临床获益整体高于传统影像模型、delta影像组学模型。结论在传统影像模型的基础上, 加入有意义的临床病理指标及代表肿瘤异质性纵向变化的delta影像组学得分, 能改善对pCR的预测能力;delta影像组学可能成为早期无创性预测NAT结果的生物标记物。