通过W激活过氧单硫酸盐实现四环素的光催化降解 0.5Ag 0.5FeO?：一种用于可持续水处理的协同方法

《Vacuum》：Photocatalytic degradation of tetracycline via peroxymonosulfate activation via W 0.5Ag 0.5FeO 3: a synergistic approach for sustainable water treatment

本研究旨在开发一种结合B型超声和增强超声的深度学习辐射学评分表（DLRN），用于浸润性乳腺癌术前淋巴血管侵犯（LVI）预测。通过回顾性纳入三个医院981例患者的影像及临床数据，构建包含深度学习特征和传统临床参数的DLRN模型，结果显示其在内测（AUC=0.885）和外测（AUC=0.914）队列中均表现出优异性能，显著优于传统模型和单独DLR签名（p<0.05），证实该工具可作为非侵入性术前评估LVI的有效方法。

　　

Ruilan Niu|Ziran Chen|Yueming Li|Yongqi Fang|Jianbo Gao|Junkang Li|Shiyu Li|Sisi Huang|Xiaomeng Zou|Naiqin Fu|Zhiying Jin|Yuhong Shao|Maoran Li|Yan Kang|Zhili Wang

摘要

目的

本研究旨在开发一种深度学习放射组学诺模图（DLRN），该诺模图结合了B模式超声（BMUS）和增强超声（CEUS）图像，用于预测浸润性乳腺癌（IBC）患者的术前淋巴血管侵犯（LVI）情况。

方法

共纳入了来自三家医院的981名IBC患者。其中，来自医院I的834名患者中，688名被划分为训练组，146名被划分为内部测试组；来自医院II和III的147名患者被划分为外部测试组。从乳腺癌图像中提取了BMUS和CEUS的深度学习和手工制作的放射组学特征，以构建深度学习放射组学（DLR）特征签名。通过整合DLR特征签名和独立的临床病理参数，开发出了DLRN。评估了DLRN在区分能力、校准性能和临床效益方面的表现。

结果

DLRN在预测LVI方面表现良好，在训练组、内部测试组和外部测试组中的接收者操作特征曲线下面积（AUC）分别为0.885（95%置信区间[CI, 0.858–0.912）、0.914（95% CI, 0.868–0.960）和0.914（95% CI, 0.867–0.960）。校准曲线和决策曲线分析表明，DLRN具有良好的稳定性和临床实用性。此外，DLRN在内部和外部测试组中的预测性能均优于传统的临床模型和DLR特征签名（所有p < 0.05）。

结论

DLRN在预测LVI方面表现优异，为术前确定IBC患者的LVI状态提供了一种非侵入性方法。

引言

乳腺癌已被证实是女性人群中发病率最高的恶性肿瘤，也是全球癌症死亡的主要原因，2022年全球癌症统计数据显示了这一点[1]。淋巴血管侵犯（LVI）被视为一个重要的病理指标，有助于预测转移、评估预后和制定治疗决策[[2], [3], [4]]。LVI被认为是肿瘤转移级联过程的生物学前提条件。LVI还被认为是在新辅助治疗后的独立负面预后因素，与乳腺癌患者的总体生存率（OS）显著相关[2,5]。此外，LVI在乳腺癌治疗决策中逐渐受到广泛关注[5,6]。圣加仑国际专家共识建议对表现出LVI的早期乳腺癌患者谨慎使用部分乳腺放疗[6]。

LVI被定义为在浸润性癌附近区域，肿瘤细胞存在于内皮细胞构成的腔室（毛细血管或淋巴管）内的组织学特征[7,8]。目前，LVI的确定依赖于手术切除标本（原发肿瘤和周围乳腺组织）的病理学分析，这限制了基于证据的术前治疗方案的标准化。此外，一些因素可能会影响LVI评估的准确性，如组织收缩或变形、机械性引起的细胞位移以及化疗后的LVI变化[2,9]。这些因素导致了观察者间LVI状态评估的较大变异性和低重复性[2]。因此，迫切需要建立一种准确的术前LVI预测方法，以便更好地管理IBC患者。

增强超声（CEUS）是一种关键的超声检查方法，能够连续动态地观察肿瘤的血管灌注情况，从而评估乳腺病变的微循环。先前的研究表明，乳腺癌的B模式超声（BMUS）特征与LVI有关[10]。乳腺癌的几种CEUS特征，包括增强强度（相对于周围正常乳腺组织的增强程度在峰值时间）、周围高增强模式和增强时间，已被证明与LVI有显著的相关性[10]。然而，超声图像的解释仍然具有主观性，很大程度上依赖于放射科医生的专业经验。观察者对超声图像解释的差异限制了其临床应用潜力。

深度学习放射组学（DLR）是一个快速发展的领域，通过结合深度学习和放射组学特征在表征乳腺癌方面显示出巨大潜力[11,12]。先前的研究报告称，基于磁共振成像（MRI）的放射组学特征可以有效预测LVI，为IBC患者提供了一种非侵入性的术前LVI状态预测方法[[13], [14], [15], [16]]。然而，MRI检查受到成本、时间和临床幽闭恐惧症的制约[17]。基于超声的放射组学诺模图已被证明对LVI评估有用[18,19]。目前，CEUS被视为MRI背景下一种方便且有价值的增强成像检查方法。基于乳腺癌CEUS图像的DLR诺模图是否能够准确评估IBC患者的LVI状态尚未得到研究。

本研究旨在开发一种新的DLRN，结合BMUS和CEUS图像用于IBC患者的术前LVI预测。

患者信息

这项回顾性多中心研究获得了医院机构审查委员会的批准，并遵循了赫尔辛基宣言。由于研究的设计为回顾性，因此免除了知情同意的要求。本研究收集了来自三家医院的所有数据。

2016年至2024年间，三家医院（医院I：中国人民解放军总医院；医院II：北京大学第一医院）对接受手术切除的病理学确诊为IBC的患者进行了回顾性分析。

患者特征

表1展示了981名患者的基线数据（中位年龄52岁；四分位数范围45–61岁），这些患者分布在三个中心。训练组、内部测试组和外部测试组中LVI的阳性率分别为30.4%、30.1%和30.6%。这三个组之间的US-ALN存在显著差异（p = 0.03），而其他因素没有显著差异。

传统逻辑回归临床模型

训练组中临床病理参数与LVI状态之间的相关性

讨论

本研究成功开发了一种用于术前评估IBC患者LVI状态的DLRN。该诺模图结合了乳腺癌的BMUS和CEUS图像以及临床病理参数，表现出良好的性能，在外部测试组中的AUC为0.914。这种诺模图为术前预测LVI状态提供了一种有前景的方法，有助于IBC患者的综合管理。

包括肿瘤大小在内的多个临床病理因素...

结论

总之，结合BMUS和CEUS图像的DLR诺模图在预测IBC患者的LVI方面表现出令人满意的性能。该诺模图具有作为术前确定LVI的非侵入性方法的潜力。

利益冲突

作者声明没有利益冲突。

数据可用性声明

数据可根据请求提供。

致谢

本研究得到了国家重点研发计划（2023YFC2414203）和国家自然科学基金（编号82371972）的资助。