基于MRI的乳腺癌肿瘤内异质性量化预测新辅助化疗治疗反应的研究报告
主要研究信息
研究作者及机构：
Shi Zhenwei博士、Huang Xiaomei博士及其团队来自广东省人民医院（广东省医学科学院）、南方医科大学、山西医科大学附属肿瘤医院、郑州大学附属肿瘤医院等多家中国医学机构。
发表期刊及时间：
该研究发表于《Radiology》杂志，卷号308，第1期，发布日期为2023年7月。
研究背景：
乳腺癌作为一种异质性极高的肿瘤，在新辅助化疗（neoadjuvant chemotherapy, NAC）治疗中展现了显著的个体差异性反应。根据现有研究，约19%-30%的乳腺癌患者在NAC后达到病理完全缓解（pathologic complete response, PCR），但仍有5%-20%的患者出现疾病进展。当前，临床上缺乏标准化的成像生物标志物或方法来预测患者对NAC的治疗反应。通过对MRI数据进行辐射组学（radiomics）分析并量化肿瘤内异质性（intratumoral heterogeneity, ITH），有望开发新的预测方法。
研究目标
本研究旨在开发一种基于MRI的肿瘤内异质性（ITH）定量测量方法，并结合传统辐射组学特征（conventional radiomics, C-radiomics）与临床病理学变量，构建预测NAC后病理完全缓解（PCR）的模型。
研究方法
研究设计：
- 研究类型： 多中心回顾性研究。
- 数据来源： 收集了来自2000至2020年间多个中心及公开数据库的MRI扫描数据，包括1254名乳腺癌患者。
患者入组标准：
- 经活检确诊为侵袭性乳腺癌；
- 接受了NAC治疗且术后有病理评估结果；
- MRI扫描质量良好，且在NAC前一个月内完成。
数据处理与分析：
- MRI图像预处理： 进行N4偏移场校正、图像重采样和直方图标准化。
- 肿瘤分割与特征提取： 利用ITK-SNAP软件手动标记肿瘤区域，并通过线性交互聚类法划分肿瘤亚区域。
- 特征降维与模型构建： 使用最小冗余最大相关性方法筛选特征，并结合多变量逻辑回归分析，开发7种预测模型。
- 模型验证： 在三个外部测试数据集中评估模型性能。
主要分析指标：
- 模型预测能力通过ROC曲线下面积（AUC）衡量；
- 通过Hosmer-Lemeshow拟合优度检验评估模型校准性能；
- 计算灵敏度、特异性、准确性、阳性预测值和阴性预测值。
研究结果
数据特征：
- 培训数据集中包括335名患者，外部测试数据集中共有1254名患者。
- 在培训集中，PCR的比例为21%，外部测试数据集中范围为21%-29%。
关键变量与PCR的关联性：
- 分子亚型（OR范围：4.76-8.39，P < 0.01）、ITH指数（OR = 30.05，P < 0.001）和C-radiomics得分（OR = 29.90，P < 0.001）均与PCR显著相关。
模型表现：
- ITH模型： AUC范围为0.74-0.76。
- 组合模型（综合ITH指数、C-radiomics得分及临床病理变量）： 在外部测试集中AUC范围为0.83-0.87，显示出最佳预测性能。
- 敏感性与特异性： 组合模型在不同患者亚组中表现一致。
子组分析：
- 针对不同年龄、分期和月经状态的患者，组合模型的预测能力保持较高水平（AUC范围：0.81-0.88）。
ITH指数的生物学意义：
- 低ITH指数的患者更可能实现PCR，而高ITH指数的患者则相对较差。
研究意义与创新点
科学价值：
- 本研究首次提出基于MRI的定量肿瘤内异质性测量指标，并验证其在预测NAC治疗效果中的有效性。
- ITH指数补充了传统辐射组学分析，增强了预测模型的临床适用性。
临床应用前景：
- 提供了一种非侵入性的方法来指导乳腺癌患者的个性化治疗决策。
- 结合ITH指数的模型可用于优化NAC方案选择，提高治疗效果。
创新方法学：
- 利用多步骤特征选择和模型优化技术，提高了特征的稳定性和模型的泛化能力。
- 通过对异质性特征的生态多样性分析，深入挖掘肿瘤微环境对治疗反应的影响。
研究局限性与未来方向
局限性：
- 回顾性设计可能存在选择偏倚；
- 仅分析了MRI峰值增强阶段的影像数据，可能未全面反映肿瘤异质性；
- 手动分割肿瘤区域的过程可能影响辐射组学特征的稳定性。
未来研究方向：
- 进行前瞻性研究验证ITH指数的预测价值；
- 引入自动化肿瘤分割技术，进一步提高分析效率和一致性；
- 融合多模态影像和基因组学数据，探索肿瘤异质性的生物学机制。
总结
本研究开发的结合ITH指数、C-radiomics得分和临床病理变量的预测模型，在多个外部测试数据集中均表现出优异的预测性能，具有潜在的临床应用价值。未来，通过进一步优化和验证，该方法有望为乳腺癌新辅助化疗的个性化治疗提供重要指导。