Page 200 - 磁共振成像2024年7期电子刊
P. 200

磁共振成像  2024年7月第15卷第7期  Chin J Magn Reson Imaging, Jul, 2024, Vol. 15, No. 7          综   述｜｜Reviews


              NAC 结束后达到 pCR 的 TNBC 的肿瘤血管密度高，                       预后评估等方面的应用研究越来越多                 [37-39] 。
              毛细血管发育不成熟、通透性高，更利于化疗药物进                              2.1 基 于 单/多 参 数 MRI 影 像 组 学 评 价 TNBC 化 疗
              入肿瘤，同时肿瘤内乏氧的可能性小有关 。此外，                              疗效
                                                    [19]
              化疗早期的 K      trans 大幅度下降和 V 增高也可对 TNBC                   基于 MRI的影像组学已广泛应用于乳腺癌化疗
                                            e
              患 者 NAC 疗 效 进 行 有 效 预 测 ，AUC 值 分 别 为                 疗效评估的研究中。DCE-MRI 是现阶段 MRI 影像
              0.900 和 0.830，K trans 大幅度下降可能与肿瘤组织坏死                 组学评估乳腺癌患者 NAC 反应的最常用的序列，从
              及纤维组织所代替有关，而 V 增高可能代表肿瘤细                             DCE-MRI图像提取特征构建的影像组学模型在预测
                                         e
              胞崩解、细胞外间隙增大。这些研究证实了定量参                               TNBC pCR方面具有良好的表现 。CABALLO等                  [14]
                                                                                                [40]
              数在预测 TNBC pCR 中的作用，但未来还需要进一                          基于化疗前 DCE-MRI 图像开发了一个 4D ML 模型
              步的研究来验证其在TNBC中的应用价值。                                 用于预测乳腺癌患者 NAC 反应，其中针对 TNBC 亚
              1.2 DWI和ADC值                                         型的 ML 模型在预测 pCR 方面取得了较高的性能，
                  DWI 是一种无创性检测活体组织内水分子运动                           AUC 值为 0.803。诸多研究表明多参数 MRI 影像组
              的 MRI 方法，通过测量水分子扩散情况以反映感兴                            学模型较单序列 MRI 影像组学模型可以显著提高
              趣区组织内微观结构变化，具有敏感度高、无须对比                              TNBC NAC 疗效的预测性能 。LIU 等 开发了一
                                                                                                       [41]
                                                                                             [41]
              剂 、检查时间短等优点。表观扩散系数（apparent                          种联合多参数 MRI（T1+C、T2WI、DWI）以及临床信
              diffusion coefficient, ADC）是基于DWI计算出的反映              息的联合预测模型用于乳腺癌 NAC 后 pCR 预测，结
                                            [32]
              水分子运动的定量指标。LIU 等 对不同亚型乳腺
                                                                   果显示该模型在训练集和外部验证集中均具有较好
              癌的 NAC 前和 NAC 后的 ADC 值进行分析，并对达
                                                                   的预测性能，其中验证集中预测 TNBC 患者 pCR 的
              到 pCR 和 non-pCR 的 TNBC 进行研究，结果发现化                    AUC 值达到 0.960。NEMETH 等 同样基于多参数
                                                                                                 [15]
              疗前 ADC 值更低的 TNBC 更易达到 pCR。王晓等                [33]
                                                                   MRI（T1WI、T2WI、DWI 和 DCE-MRI）的影像组学特
              使用全容积 ADC 直方图分析，以化疗前肿瘤 ADC 值                         征，构建随机森林、多层感知器、具有线性核的支持
              平均值及 50% 分位数预测 TNBC 患者 NAC 后 pCR                     向量机（support vector machine, SVM）以及具有二次
              具有较高价值，AUC 值分别为 0.800 和 0.842。化疗                     核的 SVM 四个 ML 模型预测 TNBC 患者 NAC 后的
              药物的细胞毒作用会导致细胞裂解、细胞膜通透性                               反应，结果显示具有二次核的 SVM 预测性能最佳，
              改变和细胞外空间增加，从而减少水扩散的限制环                               AUC 值、敏感度和特异度分别为 0.830、85% 和 75%。
              境 ，使得 ADC 值升高。因此 ，观察 ADC 值的变化
             （ΔADC）可为肿瘤化疗疗效的早期判断提供依据。                              由此可见，相较于单参数 MRI影像组学模型，联合多
                   [34]
              HE 等 研究了 62 例 TNBC 患者 NAC 前后的 ADC 值                  序列、多参数 MRI 的影像组学特征对 TNBC 患者化
              及其变化与 pCR之间的联系。pCR患者化疗后 ADC                          疗疗效的预测效果更好。然而，无论是 MRI 单参数
              及 ΔADC 水 平 明 显 高 于 non-pCR 的 患 者 ，其 中 以              模型还是多参数联合模型，部分参数的获取存在一
              ΔADC 预测 TNBC 的 NAC 疗效的 AUC 值、敏感度和                    定的主观性以及局限性，未来还需要对其进行标准
              特 异 度 分 别 0.673、71.9%、55.0%。 以 上 研 究 证 实             化以进行更全面、准确的分析。并且目前此类研究
              TNBC 患者化疗期间不同时间点的 ADC 值及 ΔADC                        样本通常为单中心小样本量的回顾性研究，模型的
              均可有效预测其 NAC 后的化疗疗效。未来随着                              稳定性和可靠性有待进一步提高。此外，未来还可
              DWI空间分辨率的进一步提高、扩散敏感系数b值以                             以继续探索联合不同序列、不同检查方法在 TNBC
              及区分化疗是否有效的 ADC 阈值的标准化，DWI 和                          NAC后pCR预测中的应用。
              ADC值有望在乳腺癌诊疗中得到更广泛的应用。                               2.2 基于瘤内 、瘤周 MRI 影像组学评价 TNBC 化疗
                                                                   疗效
              2 基于 MRI 的影像组学评价 TNBC 新辅助化疗疗                             既往研究基于影像组学方法开发的乳腺癌 NAC
              效的现状及研究进展                                            疗效预测模型主要聚焦于肿瘤区域的组学特征。然
                                      [35]
                  荷兰学者 LAMBIN 等 于 2012年首次提出影像                      而，瘤周微环境也能反映肿瘤的异质性，进而能预测
                                                                                                            [45]
              组学这一概念，其定义为从单个或多个医学图像中                               肿瘤耐药性、疗效及预后等             [42-44] 。BRAMAN 等 探索
              提取人眼无法识别的高通量定量特征，并将这些特                               了基于NAC前DCE-MRI中瘤内和瘤周区域的影像组
              征与临床信息结合起来，提高疾病的诊断和预后评                               学纹理特征预测不同亚型的乳腺癌化疗后 pCR 的能
              价。近年来，随着机器学习（machine learning, ML）                   力，由于样本量有限，TNBC和HER-2阳性乳腺癌被合
              和深度学习（deep learning, DL）等人工智能（artificial             并为一个组。研究结果显示预测 TNBC/HER-2 阳性
              intelligence, AI）技术在医学影像领域的快速发展，影                    乳腺癌患者 pCR 的朴素贝叶斯分类器的 AUC 值可
              像组学可利用 ML或 DL算法从各种成像方式中提取                            达 0.930，并且在对瘤内和瘤周区域的纹理特征分析
              图像特征，挖掘更深层次的信息，从而更好地指导临                              中他们还发现，在 TNBC/HER-2 阳性乳腺癌组中，瘤
              床决策 。目前，基于 MRI 的影像组学在乳腺肿瘤                            周区域内的 Laws 特征对预测 pCR 很有价值。因此，
                     [36]
              诊断、良恶性鉴别、分子亚型分析、NAC 疗效预测和                            瘤周影像组学特征对 TNBC 疗效预测方面具有较大

               https://www.chinesemri.com                                                                  ·193 ·
   195   196   197   198   199   200   201   202   203   204   205