多模态MRI影像组学模型术前预测乳腺癌人表皮生长因子受体2表达状态

目的探讨多模态MRI影像组学模型术前预测乳腺癌人表皮生长因子受体2(HER-2)表达状态的价值。方法纳入2021年1月至2023年5月镇江市第一人民医院经术后病理诊断的女性乳腺癌患者187例,其中HER-2阴性139例,HER-2阳性48例。将患者分为训练集(131例)和验证集(56例),利用训练集构建预测模型,利用验证组对预测模型进行验证。在T2加权成像(T2WI)、表观扩散系数(ADC)及动态增强扫描第2期(DCE-2)、第6期(DCE-6)MRI图像中逐层勾画乳腺癌原发灶三维立体感兴趣区,使用Pyradiomic软件提取960个影像组学特征,通过重复性分析、Pearson相关分析及最小绝对收缩和选择算子回归方法进行筛选和降维后,建立影像组学标签,采用logistic回归分析分别构建预测乳腺癌HER-2表达状态的T2WI影像组学模型、ADC影像组学模型、DCE-2影像组学模型、DCE-6影像组学模型和联合序列影像组学模型。基于患者的临床、病理及MRI影像特征,采用单因素和多因素logistic回归分析构建临床病理MRI特征模型。利用患者的影像组学标签联合筛选得到的有统计学意义的临床病理MRI特征,构建列线图模型。采用受试者工作特性(ROC)曲线评价各模型的预测效能,绘制决策曲线评价列线图模型的临床获益。结果成功构建了预测乳腺癌HER-2表达状态的T2WI影像组学模型、ADC影像组学模型、DCE-2影像组学模型、DCE-6影像组学模型、联合序列影像组学模型、临床病理MRI特征模型和列线图模型。ROC曲线分析显示,在训练集和验证集中,T2WI影像组学模型的曲线下面积(AUC)分别为0.797和0.760,ADC影像组学模型的AUC分别为0.776和0.634,DCE-2影像组学模型的AUC分别为0.804和0.759,DCE-6影像组学模型的AUC分别为0.869和0.798,联合序列影像组学模型的AUC分别为0.908和0.847,临床病理MRI特征模型的AUC分别为0.703和0.693,列线图模型的AUC分别为0.938和0.859。在训练集中,联合序列影像组学模型的AUC高于T2WI、ADC、DCE-2影像组学模型和临床病理MRI特征模型(均P<0.05);在验证集中,联合序列影像组学模型的AUC高于ADC影像组学模型(P<0.01),但与临床病理MRI特征模型差异无统计学意义(P>0.05)。在训练集中列线图模型的AUC高于全部单模态影像组学模型和临床病理MRI特征模型(均P<0.05),在验证集中列线图模型的AUC高于ADC影像组学模型、DCE-2影像组学模型和临床病理MRI特征模型(均P<0.05)。在训练集和验证集中列线图模型的AUC与联合序列影像组学模型差异均无统计学意义(均P>0.05)。决策曲线显示,列线图模型术前预测乳腺癌HER-2表达状态的临床净获益明显优于临床病理预测模型。结论基于T2WI、ADC和早期-延迟期DCE MRI的多模态MRI影像组学模型能高效预测术前乳腺癌HER-2表达状态,有望用于乳腺癌HER-2状态的术前无创评估,为乳腺癌术前新辅助治疗方案的决策提供依据。