DCE-MRI 助力 HER2 低表达乳腺癌精准诊断：开拓个性化医疗新路径

为解决 HER2 低表达乳腺癌临床诊断与治疗难题，中山大学附属第一医院研究人员开展相关研究，发现其灌注特征差异并构建预测模型，有助于临床决策。

　　在全球范围内，乳腺癌是女性中最为常见的癌症类型，给患者健康带来极大威胁。HER2 阳性乳腺癌约占所有病例的 15 - 20%，而 HER2 阴性乳腺癌则占据了其余的大部分，其中包括 HER2 低表达这一特殊亚型。传统上，乳腺癌被简单分为 HER2 阳性或阴性，但随着研究的深入，HER2 低表达乳腺癌逐渐受到关注。它既不同于 HER2 阳性乳腺癌对现有抗 HER2 治疗的良好反应，也与 HER2 零表达乳腺癌在生物学行为和治疗响应上存在差异。这使得针对 HER2 低表达乳腺癌的精准诊断和个性化治疗成为临床面临的重大挑战。

为了攻克这一难题，中山大学附属第一医院的研究人员展开了一项具有重要意义的研究。他们通过对相关数据的深入分析，试图揭示 HER2 低表达乳腺癌的独特特征，并构建能够早期预测该疾病的模型，从而为临床治疗提供更精准的指导。

该研究成果发表在相关领域具有影响力的期刊上，为乳腺癌的研究和治疗开辟了新的方向。

在研究过程中，研究人员主要采用了以下关键技术方法：首先，收集了中山大学附属第一医院 2017 年 1 月至 2021 年 12 月接受新辅助化疗（NACT）的乳腺癌患者的临床、影像、病理及随访数据。然后，依据美国临床肿瘤学会 / 美国病理学家协会指南，通过免疫组织化学（IHC）和原位杂交（ISH）技术对乳腺癌进行 HER2 状态分类。利用 3.0-T 磁共振系统进行动态对比增强磁共振成像（DCE-MRI）扫描，并通过专用软件进行图像后处理和灌注参数计算。最后，运用统计学方法对数据进行分析，并构建逻辑回归模型和受试者工作特征（ROC）曲线来评估模型性能。

研究结果主要包括以下几个方面：

• 临床特征与治疗反应：研究共纳入 220 例女性乳腺癌患者，依据 HER2 状态分为 HER2 阳性（42.7%）、HER2 零表达（20.0%）和 HER2 低表达（37.3%）三组。年龄、绝经状态、肿瘤大小、淋巴结转移和 Ki67 水平在三组间无显著差异，但激素受体（HR）状态、分子亚组状态、肿瘤内坏死情况和病理完全缓解（pCR）率存在显著差异。HER2 低表达组的 pCR 率明显低于 HER2 零表达和 HER2 阳性组，在 HR 阴性病例中这种差异更为显著。
• MRI 灌注特征：在基线时，HER2 低表达组肿瘤内的 Kep、Ktrans 值较高，达到最大强化时间（TME）较低，肿瘤内 Washin 值显著高于 HER2 零表达组；肿瘤周围的 Kep 较高，TME 较低。在早期随访中，HER2 低表达和 HER2 阳性肿瘤的肿瘤内灌注值变化比 HER2 零表达肿瘤更大，HER2 低表达组的肿瘤内（Kep、Ktrans、Washin、VE）和肿瘤周围（Ktrans、Kep、Washin）灌注值变化更为显著。
• 预测模型构建：基于基线灌注值构建的三个模型中，结合肿瘤内和肿瘤周围参数的模型（Model 3）表现最佳，其受试者工作特征曲线下面积（AUC）为 0.731。而结合基线和早期 NACT 灌注参数构建的模型（Models 4 - 6）中，Model 6 的预测性能进一步提升，AUC 达到 0.850，成为预测 HER2 低表达乳腺癌的最优模型。

研究结论与讨论部分指出，该研究揭示了 HER2 低表达、HER2 零表达和 HER2 阳性乳腺癌在灌注参数上的显著差异，表明 DCE-MRI 有望成为早期识别 HER2 低表达肿瘤的非侵入性工具。HER2 低表达组较低的 pCR 率与该亚型独特的生物学行为和治疗反应相关，肿瘤内和肿瘤周围的 KEP、Ktrans 和 TME 可作为潜在的早期成像标志物。此外，研究构建的预测模型具有良好的临床应用潜力，有助于早期区分 HER2 低表达病例，支持个性化治疗策略的制定，特别是在抗体 - 药物偶联物（ADCs）药物治疗领域。然而，该研究也存在一定局限性，如回顾性、单中心设计以及依赖特定 MRI 协议和设备等，未来需要通过多中心、前瞻性试验加以改进。

总体而言，这项研究为 HER2 低表达乳腺癌的早期诊断和个性化治疗提供了重要依据，具有重要的临床意义，有望推动乳腺癌治疗领域的进一步发展。