编辑推荐：
本文通过对 222 例乳腺癌（BC）患者的回顾性分析，从原发性病变和同侧腋窝可疑淋巴结（SLN）提取影像组学特征构建模型。结果显示，整合两者特征的模型（RS-Com）预测性能更优，结合 N 分期和 HER2 状态的列线图能有效预测新辅助治疗（NAT）疗效，为个性化治疗提供帮助。
### 研究背景
乳腺癌（BC）是全球女性中最常见的恶性肿瘤，约 40% 的晚期初诊患者伴有同侧腋窝可疑淋巴结（SLNs）。早期高危和局部晚期 BC 的首选治疗方法是新辅助治疗（NAT），它是手术前的一系列系统治疗，包括化疗、靶向治疗、内分泌治疗和放疗。NAT 后的病理评估系统有多种，其中米勒 - 佩恩（MP）系统常用，达到 G4 或 G5 病理反应的患者生存率较高，因此术前准确识别这类患者很重要。动态对比增强磁共振成像（DCE-MRI）可提供肿瘤形态、灌注和血流动力学特征，是评估 NAT 疗效的首选成像方式，但仅靠医生目视难以判断哪些患者能从 NAT 中获益。影像组学可高通量提取定量成像特征，基于 DCE-MRI 的影像组学已被证明可预测 BC 的多种生物学特征及 NAT 治疗反应，但以往研究多聚焦于原发性肿瘤部位，忽略了同侧腋窝 SLN 的潜在价值。本研究旨在探索原发性病变和同侧腋窝 SLN 的影像组学特征对预测 NAT 疗效的价值，并评估基于这些特征和临床因素构建的影像组学 - 临床列线图的可行性。
研究方法
- 患者选择：回顾性收集来自两个中心的 222 例女性 BC 患者资料，这些患者均经病理确诊并在术前接受 NAT。依据 MP 分级系统，将患者分为 NAT 低反应组（MP grades G1 - 3）和 NAT 高反应组（MP grades G4 - 5）。对患者的核心针穿刺活检和术后标本进行病理苏木精 - 伊红（HE）染色及免疫组化（IHC）分析，确定雌激素受体（ER）、孕激素受体（PR）、Ki - 67、HER2 的表达情况，同时进行临床 N 分期（cN）。设定了详细的纳入和排除标准，中心 I 的患者按 2:1 分为训练集和验证集，中心 II 的患者用于独立测试模型。
- MRI 图像采集：在 NAT 治疗前一周内进行治疗前 DCE-MRI 扫描，不同中心使用不同的超导 MRI 扫描仪，扫描后图像以 DICOM 格式从 PACS 系统下载分析。
- ROI 分割：由一位有 5 年经验的放射科医生在 DCE-MRI（峰值期）图像上逐层勾勒肿瘤及同侧腋窝 SLN 的感兴趣区域（ROI），并由一位有 15 年经验的高级放射科医生进行验证。肿瘤周围区域（肿瘤周围 ROI）通过将原始 ROI 径向扩展 4 毫米得到。
- 特征提取与选择：使用 Pyradiomics 软件包从肿瘤区域、肿瘤周围区域和同侧腋窝 SLN 提取影像组学特征，包括一阶、形状（2D/3D）和纹理特征。对提取的特征依次进行组内相关系数（ICC）分析、Mann - Whitney U 检验和最小绝对收缩和选择算子（LASSO）回归，以筛选出有意义的特征。
- 模型构建：运用 LASSO 方法对原发性病变和同侧腋窝 SLN 的影像组学特征进行初步筛选，评估方差膨胀因子（VIF）处理特征共线性问题，通过 Hosmer - Lemeshow 检验和校准曲线分析评估模型拟合优度，采用基于赤池信息准则（AIC）的向后逐步消除法去除冗余特征，最后用逻辑回归为模型分配权重，构建包含关键临床因素的临床模型。同时构建整合影像组学特征和临床因素的诊断列线图模型。
- 结果评估：主要评估影像组学模型预测 BC 患者对 NAT 反应的能力，指标包括准确率（ACC）、灵敏度（SEN）、特异性（SPE）和受试者工作特征曲线下面积（AUC）。次要评估列线图模型的预测准确性和临床决策支持能力，并进行亚组分析探讨 HER2 状态对模型性能的影响。
- 统计分析：使用 SPSS 软件和 R 软件进行统计分析，评估数据的正态性和方差齐性，定量数据采用独立样本 t 检验或 Mann - Whitney U 检验，分类数据采用卡方检验或 Fisher 精确检验。绘制 ROC 曲线确定最佳截断值，计算 AUC 评估模型性能，运用 DeLong 检验比较模型，对嵌套模型使用似然比检验（LRT）评估 AUC 差异，通过决策曲线分析（DCA）评估模型的临床实用性。
研究结果
- 患者特征：N 分期和 HER2 状态与 NAT 反应显著相关，年龄、T 分期、ER、PR 和 Ki - 67 与 NAT 反应无显著差异。
- 特征选择与 RS 开发：从原发性病变（肿瘤和肿瘤周围区域）和同侧腋窝 SLN 提取影像组学特征，最终确定 7 个原发性病变特征（3 个肿瘤区域，4 个肿瘤周围区域）和 3 个同侧腋窝 SLN 区域特征，分别构建 RS - Primary、RS - SLN 和 RS - Com。
- RS 评估：RS - SLN 的准确性最低，RS - Primary 在 AUC、ACC、SPE 和 SEN 方面优于 RS - SLN，RS - Com 的 AUC、ACC 和 SPE 最高。DeLong 测试表明 SLN 为原发性病变提供了补充信息，增强了整体预测能力。亚组分析显示，RS - Primary 和 RS - Com 模型中 HER2 阳性患者的 AUC 和 ACC 高于 HER2 阴性患者，而 RS - SLN 模型中无显著差异。
- 列线图构建与验证：N 分期和 HER2 是预测 NAT 反应的重要因素，将 RS - Com、N 分期和 HER2 整合构建临床 - 影像组学列线图。校准曲线显示实际概率与列线图估计概率吻合良好，列线图在 AUC 和 ACC 方面优于 RS - Com 和临床模型，DCA 曲线表明列线图在大多数阈值概率下更有益。
研究讨论
本研究利用 DCE-MRI 序列的峰值期捕捉原发性肿瘤关键特征，结合同侧腋窝 SLN 信息有效预测了 NAT 结果。选择峰值期有助于图像分割和评估肿瘤异质性，且能更好地标准化研究方法。研究发现 SLN 为原发性病变提供了补充信息，两者结合可提高预测性能，且 RS - Com 在 HER2 阳性患者中区分 NAT 有效和无效反应的能力更强。此外，HER2 状态和 N 分期是影响 NAT 疗效的重要临床因素，纳入它们增强了列线图的预测性能。然而，本研究存在一些局限性，如样本量小、回顾性研究设计可能存在选择偏倚，仅使用单一 MRI 序列，未对腋窝可疑淋巴结进行活检确认，未整合多时间点纵向成像数据，所选特征多为高维特征缺乏生物学解释等。
研究结论
SLN 的特征可为原发性 BC 提供补充信息，结合 N 分期和 HER2 构建的列线图能有效预测 NAT 反应，有助于临床医生为 BC 患者制定个体化治疗决策。
