Page 201 - 磁共振成像2024年7期电子刊

综 述｜｜Reviews 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

价值。MOHAMED 等 前瞻性纳入并分析 182 名 图像易受扫描标准和设备条件影响，导致各个研究的
[16]
TNBC 患者的 DCE-MRI 和 DWI 图像上的瘤内和瘤 结果存在偏差，因此各指标的稳定性和可重复性易受
周区域影像组学特征，结果发现基于多参数 MRI 瘤 到影响。此外，一些关键步骤如感兴趣区勾画、特征提
内和瘤周区域的影像组学模型作为 TNBC 患者 NAC 取和参数选择等还未实现标准化，故缺乏一定的临床
反应的潜在早期预测因子具有很高的准确性，AUC 适用性及可重复性，在临床实践中的应用仍存在一定
值为 0.831。因此 ，瘤周区域影像组学特征在预测 困难。希望未来能够开展高质量的研究，推动影像组
TNBC患者化疗疗效方面具有较高的附加价值，瘤内 学和 DL 等 AI 技术在乳腺 MRI 中的应用，并为未来
联合瘤周区域特征的影像组学模型的 NAC疗效预测 TNBC的诊断和治疗决策提供精准指导。
性能可以得到进一步提升。但对 TNBC 瘤周最佳疗 作者利益冲突声明：全体作者均声明无利益冲突。
效预测范围的确定，还需更进一步地研究分析。 作者贡献声明：谭红娜设计本研究的方案，对稿
2.3 基于DL的MRI影像组学评价TNBC化疗疗效 件的重要内容进行了修改，李书念检索并查阅相关
DL 是 ML 的分支和发展，与传统的影像组学比 文献，起草和撰写稿件，分析和解释本研究的内容；
较，可以自动学习提取和选择图像特征并进行预测， 谭红娜获得河南省医学科技攻关计划项目的资金资
从而更全面、深入地挖掘图像中的信息，极大地提高 助。全体作者都同意发表最后的修改稿，同意对本
[46]
了数据分析效率 。DL 主要通过卷积神经网络 研究的所有方面负责，确保本研究的准确性和诚信。
（convolutional neural network, CNN）这种用于处理图
像数据的神经网络架构，自动学习提取影像潜在细 参考文献[References]
[17]
微特征以完成预测任务。ZHOU 等 的一项前瞻性 [1] CAO W, CHEN H D, YU Y W, et al. Changing profiles of cancer
burden worldwide and in China: a secondary analysis of the global
研究纳入了 282名 TNBC患者，基于多参数 MRI图像 cancer statistics 2020[J]. Chin Med J, 2021, 134(7): 783-791. DOI:
特征构建了 3D DL 模型用于预测 NAC 后的 pCR，训 10.1097/CM9.0000000000001474.
[2] YIN L, DUAN J J, BIAN X W, et al. Triple-negative breast cancer
练集、验证集、回顾性独立测试集和前瞻性盲法测试 molecular subtyping and treatment progress[J/OL]. Breast Cancer Res,
集 的 AUC 值 分 别 为 0.970、0.820、0.860 和 0.830。 2020, 22(1): 61 [2024-03-06]. https://pubmed.ncbi.nlm.nih.gov/32517735/.
DOI: 10.1186/s13058-020-01296-5.
[47]
HUANG等 基于 MRI影像组学和 DL特征进行了集 [3] TONG L, YU X L, WANG S, et al. Research progress on molecular
subtyping and modern treatment of triple-negative breast cancer[J/OL].
成学习，并结合乳腺癌的特定分子亚型开发了更精 Breast Cancer, 2023, 15: 647-658 [2024-03-06]. https://pubmed. ncbi.
确的集成学习模型，结果显示 SVM 集成模型可较为 [4] nlm.nih.gov/37644916/. DOI: 10.2147/BCTT.S426121.
邵志敏, 吴炅, 江泽飞, 等 . 中国乳腺癌新辅助治疗专家共识(2022年
准确地预测TNBC患者的pCR，训练集和三个外部验 版)[J]. 中国癌症杂志, 2022, 32(1): 80-89. DOI: 10.19401/j.cnki.1007-
3639.2022.01.011.
证集的 AUC 值分别为 0.958、0.873、0.901 和 0.837。 SHAO Z M, WU J, JIANG Z F, et al. Expert consensus on neoadjuvant
因此，基于 DL 的影像组学方法可早期且准确地预测 treatment of breast cancer in China(2021 edition)[J]. China Oncol,
2022, 32(1): 80-89. DOI: 10.19401/j.cnki.1007-3639.2022.01.011.
TNBC 患者的 NAC 疗效，但目前使用 DL 方法预测 [5] PANICO C, FERRARA F, WOITEK R, et al. Staging breast cancer
with MRI, theT. A key role in the neoadjuvant setting[J/OL]. Cancers, 2022,
TNBC患者pCR的多为回顾性研究，未来需要在足够 14(23): 5786 [2024-03-06]. https://pubmed. ncbi. nlm. nih. gov/36497265/.
大的前瞻性数据集上进一步训练和验证。 [6] DOI: 10.3390/cancers14235786.
KODALI A, GADI V K. Preoperative systemic therapy for breast
cancer[J]. Surg Clin North Am, 2023, 103(1): 201-217. DOI: 10.1016/j.
suc.2022.08.017.
3 总结与展望 [7] HUANG M, O'SHAUGHNESSY J, ZHAO J, et al. Association of
MRI 具有多参数多方位成像、软组织分辨率高、 pathologic complete response with long-term survival outcomes in
triple-negative breast cancer: a meta-analysis[J]. Cancer Res, 2020,
无电离辐射等优点，可重复、无创地对肿瘤细胞结 80(24): 5427-5434. DOI: 10.1158/0008-5472.CAN-20-1792.
[8] TOSS A, VENTURELLI M, CIVALLERO M, et al. Predictive factors
构、肿瘤微环境变化进行早期量化评估。TNBC具有 for relapse in triple-negative breast cancer patients without pathological
侵袭性强、远处转移早、总体预后差的特点，因此其 complete response after neoadjuvant chemotherapy[J/OL]. Front
Oncol, 2022, 12: 1016295 [2024-03-06]. https://pubmed.ncbi.nlm.nih.
化疗疗效的早期评估极其重要。既往研究证实 MRI gov/36531080/. DOI: 10.3389/fonc.2022.1016295.
[9] CORTAZAR P, ZHANG L J, UNTCH M, et al. Pathological complete
在 TNBC 患者 NAC 疗效评估中具有重要价值，但其 response and long-term clinical benefit in breast cancer: the CTNeoBC
总体预测效能目前尚无法满足临床精准治疗的要 pooled analysis[J]. Lancet, 2014, 384(9938): 164-172. DOI: 10.1016/
S0140-6736(13)62422-8.
求。如何早期准确识别对化疗不敏感或化疗结束不 [10] HOUVENAEGHEL G, NONNEVILLE A D, COHEN M, et al.
Neoadjuvant chemotherapy for breast cancer: evolution of clinical
能达到 pCR 的患者，从而及时选择更优的治疗方案， practice in a French cancer center over 16 years and pathologic
改善临床结局和预后，是目前 TNBC 亟待解决的问 response rates according to tumor subtypes and clinical tumor size:
retrospective cohort study[J]. J Surg Res, 2022, 5(3): 511-525. DOI:
题。影像组学通过深入挖掘并分析医学图像中高通量 10.26502/jsr.10020251.
[11] ORTMANN O, BLOHMER J U, SIBERT N T, et al. Current clinical
定量的特征，全面反映肿瘤对 NAC的反应，能够改善 practice and outcome of neoadjuvant chemotherapy for early breast
MRI检查对NAC疗效评估和预测的准确性。已有大 cancer: analysis of individual data from 94, 638 patients treated in 55
breast cancer centers[J]. J Cancer Res Clin Oncol, 2023, 149(3):
量的研究证实其在 TNBC NAC疗效评估以及个性化 1195-1209. DOI: 10.1007/s00432-022-03938-x.
[12] HOUVENAEGHEL G, DE NONNEVILLE A, COHEN M, et al.
临床决策中具有较大发展潜力。但仍存在一定的局限 Neoadjuvant chemotherapy for breast cancer: Pathologic response rates
性：第一，目前基于 MRI 特征预测 TNBC 的疗效的研 but not tumor size, has an independent prognostic impact on survival[J/OL].
Cancer Med, 2024, 13(3): e6930 [2024-03-06]. https://pubmed.ncbi.
究大多为小样本的回顾性研究，未来还需进行更大样 nlm.nih.gov/38327130/. DOI: 10.1002/cam4.6930.
[13] REIG B, HEACOCK L, LEWIN A, et al. Role of MRI to assess
本量的前瞻性多中心研究来解决这一问题；其次，MRI response to neoadjuvant therapy for breast cancer[J/OL]. J Magn

·194 · https://www.chinesemri.com