基于DCE-MRI瘤内联合瘤周影像组学模型术前预测乳腺癌Ki-67表达状态的价值

目的探讨基于动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)瘤内联合瘤周三维影像组学模型术前预测乳腺癌Ki-67表达状态的价值。材料与方法回顾性分析新疆医科大学附属肿瘤医院自2019年1月至2022年1月收治的312例乳腺癌患者病例,按8∶2的比例随机分为训练组(n=250)和验证组(n=62)。首先,两位医师采用3D Slicer软件于DCE-MRI第2期肿瘤内和肿瘤周围5 mm区域分别提取三维影像组学特征;其次,对特征进行Z-score标准化,应用组内相关系数(intra-class correlation coefficient,ICC)、Spearman相关系数和最小绝对收缩和选择算法(least absolute shrinkage and selection operator,LASSO)逻辑回归筛选最优影像组学特征;然后,利用支持向量机(support vector machine,SVM)机器学习算法建立模型_(瘤内)、模型_(瘤周)及模型_(瘤内+瘤周)用于预测乳腺癌Ki-67的表达状态,并用验证组进行验证;最后,采用受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)、校准曲线及决策曲线对模型效能进行评估。结果分别从瘤内、瘤周和瘤内+瘤周分别提取1906、1906和3812个特征,ICC分析剔除322、413和762个特征,Spearman分析剔除624、732和1604个特征,剩余960、761和1446个特征采用LASSO十折交叉验证分别筛选出8、19、16个特征参与模型构建。经综合分析模型_(瘤内+瘤周)诊断效能最优,训练组AUC=0.949,验证组AUC=0.862,其校准曲线更贴近于45%的最佳值,Hosmer-Lemeshow检验证明校准曲线的拟合度良好(P=0.082),其决策曲线(获益区间0.2%~0.9%)优于其他模型,具有更好的临床获益度。结论基于DCE-MRI图像创新性采用了瘤内联合瘤周三维影像组学特征的方法构建乳腺癌Ki-67表达状态的预测模型,该研究为乳腺癌患者个体化治疗方案提供了参考依据。