吴天斌，张有健，林桂涵，陈炜越，陈春妙，程雪，纪建松
1.温州医科大学附属第五医院 放射科 浙江省影像诊断与介入微创研究重点实验室，浙江 丽水 323000；
2.慧影医疗科技（北京）有限公司，北京 100089
淋巴血管浸润（lymphovascular invasion,LVI）是指血管或淋巴管腔内的肿瘤细胞浸润，是影响乳腺癌浸润转移的关键步骤之一[1]。研究表明LVI与预后不良显著相关[2-4]。LVI状态的确定主要依赖于术后病理学分析，增加了延迟诊断的风险和患者心理负担，因此，有必要探索一种基于术前无创、准确评估LVI状态的有效手段。已有研究证实常规磁共振（magnetic resonance imaging,MRI）特征与乳腺癌LVI具有一定相关性，但受限于主观经验差异，结果并不一致[5-6]。影像组学是一个新兴领域，它可将医学图像转换为可挖掘分析的数据，这有助于改进医疗决策，提高疾病诊断和预后评估的准确性[7]。目前MRI影像组学在乳腺领域应用广泛，且主要集中在鉴别良恶性肿瘤[8]、分析分子亚型[9]、预测疗效[10]等方面。然而，仅少数研究探讨了其用于乳腺癌LVI状态评估中的价值[11-12]。因此，本研究基于动态增强磁共振（dynamic contrastenhanced magnetic resonance imaging,DCE-MRI）影像组学和常规MRI特征建立列线图模型，评估其在术前预测乳腺癌患者LVI状态的价值。
1.1 研究对象 回顾性收集2016年7月至2021年5月间在丽水市中心医院经手术病理证实为乳腺癌的379例女性患者。纳入标准如下：①原发肿瘤类型为浸润性乳腺癌；
②术前2周行乳腺DCE-MRI检查；
③术后免疫组化评估LVI状态。排除标准如下：①临床、病理资料不完整或MR图像质量不佳；
②术前接受新辅助化疗、内分泌治疗等；
③多发病灶或已发现远处转移。经纳排标准严格筛选后，最终纳入300例女性患者，年龄29～81（52.0±9.3）岁。其中乳腺癌LVI阳性患者106例，阴性患者194例。将所有患者按8∶2的比例随机分配至训练组（n=238）和验证组（n=62）。本研究已通过丽水市中心医院医学伦理委员会审核（伦理审批号：2022-3I7）。
1.2 检查方法 所有检查均在德国西门子MAGNETOM Area 1.5T MR扫描仪上进行，配备专用的8 通道乳房线圈。患者取俯卧位，两侧乳房自然悬垂于线圈中。采用三维快速小角度激发序列（Three-Dimensional，Fast Low Angle Short,3D-FLASH）行动态增强扫描。具体扫描参数如下：TR 4.5 ms，TE 1.5 ms，翻转角12°，层厚1.5 mm，无间距，矩阵182×320，视野32 cm×26 cm，共采集6次，时间约5 min 57 s。第一次扫描结束后，采用高压注射器经手背或肘静脉注射对比剂Gd-DTPA（Omniscan,GE Healthcare,Milwaukee,WI），剂量为0.2 mmol/kg，注射速率为2.5 mL/s，随后用20 mL盐水冲洗。
1.3 常规MRI特征 MRI图像由两名分别具有7年和15 年胸部影像诊断经验的放射科医师以盲法独立评价。若存在分歧，则协商达成共识。收集病灶的常规MRI特征包括：最大直径、形状、边界、毛刺征、背景实质强化、内部强化特征及时间强度曲线（time-intensity curves,TIC）类型。
1.4 图像分割和特征提取 所有第二期DCE-MRI图像均以DICOM格式导入3D Slicer（v4.8.1，http∶//www.slicer.org/）软件，由2名具有5年和11年以上胸部影像诊断经验的主治医师在不知道免疫组化结果的情况下分别逐层手动勾画病灶边缘，尽可能与原发肿瘤的病灶边缘一致，并合成三维感兴趣体积（volumn of interest,VOI）（见图1），之后由一名具有18年胸部影像诊断经验的副主任医师进行核查。若两名医师勾画的区域差值在5%以上，则由高年资医师再次确定边界并重新合成VOI。通过慧影医疗科技（北京）有限公司的放射组学Radcloud平台（http∶//radcloud.cn/）进行特征提取，从每个病灶中共提取1 409个定量影像组学特征，可分为三组：第一组（一阶统计特征）由能够定量描述MRI图像内体素强度分布的基本特征构成；
第二组（形状和大小特征）由反映mask区域形状和大小的三维特征构成；
第三组（纹理特征）由能够量化区域异质性差异的纹理特征构成，是根据灰度值和灰度共生纹理矩阵计算得到的。
1.5 特征筛选 将所有提取的特征进行筛选。首先采用方差阈值法进行特征过滤，设定方差阈值高于0.8 的特征保留在以下分析中。其次是select k best方法，属于单变量特征选择法，P＜0.05的特征被选为与乳腺癌LVI状态相关的特征。最后，采用最小绝对值收缩和选择算子（least absolute shrinkage and selection operator,LASSO）算法，通过10倍交叉验证选择高度相关的影像组学特征，并得到相应的非零回归系数，通过系数加权求和计算影像组学评分（radiomics score,rad-score）。
1.6 LVI病理阳性的判断 取患者手术切除后的病理标本，用10%的中性甲醛溶液浸泡；
采用常规石蜡包埋切片，厚度为2～5 μm，并行HE染色。显微镜下观察到淋巴管或小血管内存在癌细胞栓塞时，判断为LVI病理阳性。
1.7 统计学处理方法 所有统计分析均使用R软件（版本4.1.2，https∶//www.r-project.org/）完成。采用组内和组间相关系数（intraclass and interclass correlation efficients,ICCs）评估特征在观察者间的一致性，当ICC＞0.80，认为一致性良好。符合正态分布定量资料的描述用表示，两组比较采用独立样本t检验；
不符合正态分布定量资料的描述用M（P25，P75）表示，两组比较采用非参数Mann-WhitneyU检验。两组定性资料的比较采用χ2检验。使用rms包进行Logistic回归分析筛选有意义的常规MRI特征来构建常规特征模型。之后基于影像组学评分和常规MRI特征中的独立危险因素，运用多因素Logistic回归分析建立联合模型，并绘制相应的列线图。绘制各模型受试者工作特征（receiver operator characteristic,ROC）曲线，并用Delong检验比较不同ROC曲线下面积（area under curves,AUC）。使用rms包进行1 000次重复抽样绘制校准曲线，以Hosmer-Lemeshow拟合优度检验评估模型校准度。使用rmda包进行决策曲线分析，通过计算各阈值概率下的净收益来评价模型的临床实用性。P＜0.05为差异有统计学意义。
2.1 一般资料 共纳入300例患者，年龄为（52.0±9.3）岁，训练组和验证组中患者年龄在LVI阳性和阴性组中分布差异均无统计学意义（均P＞0.05），见表1和表2。训练组和验证组中患者的LVI阳性率分别为35.3%（84/238）和35.5%（22/62），在两组中分布差异无统计学意义（P=0.978）。
2.2 常规MRI特征 训练组和验证组中两组患者的常规MRI特征比较结果显示，形状、边界、背景实质强化、内部强化特征及TIC类型差异均无统计学意义（均P＞0.05），而最大直径、毛刺征差异均有统计学意义（均P＞0.05），见表1和表2。
表1 训练组中两组患者特征比较
表2 验证组中两组患者临床特征比较
2.3 特征筛选及影像组学评分 在从每位患者DCE-MRI第二期扫描图像划定的VOI中共提取1 409种影像组学特征参数，2位医师提取特征的一致性良好（ICC=0.813～0.920，均P＜0.05）。采用方差阈值法进行特征筛选共获得517个有效特征，在此基础上使用select k best方法进一步筛选获得400个影像学特征（见图2）。最后使用LASSO回归算法进行特征筛选，共获得15个参数特征，并基于筛选的特征与其对应的权重系数线性组合并计算对应影像组学评分（rad-score）（见图3）。基于radscore值构建的影像组学模型在训练组和验证组中的AUC分别为0.831（95%CI=0.776～0.885）和0.811（95%CI=0.695～0.927），见表3。
2.4 模型构建与效能评估 单因素和多因素Logistic回归分析显示常规MRI特征中最大直径（OR=1.743，P＜0.001）和毛刺征（OR=6.304，P＜0.001）是预测乳腺癌淋巴血管侵犯的独立危险因素，构建的常规特征模型在训练组和验证组中的AUC分别为0.779和0.770，见表3。之后基于radscore值和常规MRI特征中的独立危险因素（最大直径和毛刺征），利用多因素Logistic回归分析构建联合预测模型并绘制相应的列线图（见图4A）。联合模型在训练组与验证组中的AUC分别可达到0.889（95%CI=0.844～0.934）和0.856（95%CI=0.759～0.952），各模型的灵敏度和特异度见表3。Delong检验结果显示在训练组中联合模型的诊断效能优于常规特征模型和影像组学模型（均P＜0.05），而在验证组中仅优于常规特征模型（P＜0.05）（见图4B和图4C）。校准曲线显示列线图对LVI的预测概率和实际结果有较好的一致性，Hosmer-Lemeshow检验显示训练组（χ2=17.817，P=0.023）及验证组（χ2=9.348，P=0.314）均具有较好拟合度（见图5A、图5B）。决策曲线分析结果当阈值概率在0.1～1.0范围内时，使用列线图预测LVI阳性的净收益大于全部治疗或不治疗方案（见图5C、图5D）。
表3 训练组和验证组中不同模型预测效能的比较
本研究结合DCE-MRI影像组学特征和常规MRI特征构建列线图以评估乳腺癌的LVI状态，并采用独立数据集进行验证。结果显示，由影像组学评分、肿瘤最大直径和毛刺征构成的列线图模型在训练组和验证组中的AUC分别为0.889和0.856，优于单独的影像组学模型和常规特征模型，具有较好的诊断效能和临床应用价值。
MRI是乳腺癌的重要影像学检查方法，而DCEMRI是乳腺MRI检查的重要序列。既往研究表明，常规MRI影像学表现与乳腺癌的分子、病理生物学特征具有一定相关性[13]。在本研究中，笔者发现LVI阳性和LVI阴性的乳腺癌在肿瘤最大直径间存在显着差异，这与NIJIATI等[14]的研究一致，提示LVI在乳腺癌中的风险可能随着肿瘤变大而增加。肿瘤微环境在肿瘤的转移和预后中起关键作用，且多数微血管侵犯均发生在1 cm以内的区域[15]。本研究结果显示在LVI阳性的乳腺癌病灶区更容易观察到毛刺征，这可以解释为随着肿瘤向周围间质、导管或淋巴管的浸润性生长，诱导出更多的纤维组织增殖[16]。本研究进一步基于上述两种常规MRI特征构建模型后，发现其对乳腺癌浸润性LVI状态的预测效能一般，尽管敏感度较高（76.2%），但特异度表现欠佳（68.2%）。因此，仅依靠常规MRI特征可能难以准确评估乳腺癌LVI状态。
影像组学可提供有关肿瘤异质性的高通量定量信息，而这些定量信息和病理特征间的相关性为无创、准确评估肿瘤侵袭性行为提供一种崭新的视角[17]。NIJIATI等[14]基于DWI图像提取影像组学特征在预测乳腺癌的LVI状态时的AUC仅为0.68，预测能力明显低于本研究结果，这提示DCE-MRI图像可能在显示肿瘤内异质性及提供肿瘤的微观信息时更具有优势。而LIU等[11]发现基于DCE-MRI图像提取的影像组学特征对乳腺癌LVI状态的预测效能一般（训练组的AUC为0.720），远低于本研究影像组学模型的诊断效能（训练组的AUC为0.831），分析原因可能为LIU等[11]的研究仅从DCE-MRI图像中筛选出两个影像组学特征，且其纳入的样本量较少（n=159）。此外，而ZHANG等[12]将从T2WI、ADC及DCE-MRI图像分别提取的影像组学特征组合构建模型，具有较高的诊断效能（训练组的AUC为0.919，验证组的AUC为0.863）。尽管与单个序列相比，预测能力大大提高，但考虑到多序列联合构建的模型在临床实践中运用较为繁琐，降低了其临床应用价值。本研究仅从DCE-MRI序列图像中提取特征，且仅选取了第二期DCE-MRI图像，这是因为该期能够更清楚地显示病灶边界，这与SONG等[18]的研究一致。最终，本研究筛选出与乳腺癌LVI状态相关的15个参数特征用于构建影像组学模型，其在训练组和验证组中的AUC分别为0.831和0.811。本研究构建的常规MRI特征模型AUC分别为0.779和0.770，结合影像组学标签构建的联合模型的诊断效能得到了明显提升，AUC分别为0.889和0.856，这进一步表明影像组学参数中包含了常规MRI特征无法获取到的与肿瘤异质性及血管再生相关的潜在信息，进而提高了模型的可靠性。该联合模型与查海玲等[19]基于超声影像组学融合模型评估乳腺癌LVI状态的预测效能相仿，然而在超声和MRI提取的定量特征之间可观察到部分差异，这可能归因于不同成像方式携带着不同代表肿瘤微观结构和生物学行为的潜在信息。
本研究还存在一些不足。首先，这是一项单中心回顾性研究，在一定程度上存在选择偏倚，且本研究样本量相对较少，构建的列线图仍需经过大样本多中心研究进行验证；
其次，尽管ICC在特征提取方面表现出良好的可重复性，但本研究采用的VOI手动勾画方式仍会存在部分偏差，自动化的图像分割方式可能会提供更好的稳定性；
最后，乳腺癌的淋巴结血管侵犯常会侵犯到肿瘤边缘，但本研究并未对瘤周区域的影像组学特征进行提取并分析，这值得在后续的研究中重点关注。
综上所述，基于DCE-MRI影像组学特征与常规MRI特征中的独立危险因素构建的列线图模型，能够在术前实现无创且有效地评估乳腺癌患者的LVI状态，从而更好地指导乳腺癌的治疗。
猜你喜欢 训练组组学乳腺癌 绝经了，是否就离乳腺癌越来越远呢？中老年保健(2022年6期)2022-08-19新型抗阻力训练模式改善大学生身体素质的实验研究少年体育训练(2022年4期)2022-05-06影像组学在肾上腺肿瘤中的研究进展昆明医科大学学报(2022年3期)2022-04-19中医治疗乳腺癌的研究进展现代临床医学(2022年1期)2022-02-12产后妇女盆底功能障碍康复治疗方法及应用效果观察康颐(2021年3期)2021-09-10东莨菪碱中毒大鼠的代谢组学昆明医科大学学报(2021年4期)2021-07-23跑台运动训练对脊髓损伤大鼠肺功能及HMGB-1表达的影响中国康复(2021年5期)2021-07-15影像组学在核医学影像中的应用进展智慧健康(2021年33期)2021-03-16蛋白质组学技术在胃癌研究中的应用天津医科大学学报(2021年1期)2021-01-26运动可延缓衰老保健与生活(2019年9期)2019-07-31