Page 205 - 磁共振成像2024年7期电子刊
P. 205

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


           特异性从 68.4% 降低到 44.7%，同时保持敏感度大于                      建 MP-MRI（DCE-MRI、T2WI 和 DWI）影像组学模
           98%。以上研究表明基于 MRI 影像组学应用于乳腺                          型 、表 观 扩 散 系 数（apparent  diffusion  coefficient,
           良恶性肿瘤鉴别诊断方面已较为成熟，可以提高乳                              ADC）影像组学模型以及分层 ADC 生境模型用于
           腺癌的诊断准确性，潜在地减少不必要的活检。但                              TNBC 与非 TNBC 的鉴别，结果显示 MP-MRI 模型与
           大多数研究中的影像组学模型只适用于肿块型病变                              分层 ADC 生境模型在区分 TNBC 和非 TNBC 方面表
           的良恶性鉴别，后续研究需要纳入非肿块型病灶和                              现良好，训练集和测试集的最佳 AUC分别为 0.818和
           小病灶并进行大样本量、多中心验证来提高模型的                              0.773。联合 MP-MRI 模型与分层 ADC 生境模型的
           泛化能力。                                               准确率优于其他三种单独模型，训练集和测试集的
           2.2 乳腺癌分子分型的预测                                      AUC 分 别 为 0.832 和 0.784。 XU 等      [22]  探 讨 基 于
               乳腺癌在分子水平上分为四种亚型 ，分别是                            MP-MRI 生境分析用于鉴别 TNBC 与非 TNBC，该研
           Luminal A 型、Luminal B 型、人表皮生长因子受体                   究利用 ADC和 DCE-MRI参数图像，通过 K均值聚类
           2（human epidermal growth factor receptor 2, HER-2）  方法将增强病灶划分为 3个空间栖息地（分别为富血
           阳 性 型 以 及 三 阴 型 乳 腺 癌（triple  negative  breast      管细胞亚区、低血管细胞亚区和无活力区）并计算相
           cancer, TNBC）。每种亚型都与不同的危险因素、治                       应肿瘤亚区分形维数（fractal dimension, FD）。其中
                                                       [15]
           疗反应、疾病进展风险以及不同的转移部位相关 。                             FD1、FD2、FD3 分别代表低 ADC-高流入/流出 、低
           目前乳腺癌的分子亚型主要依赖免疫组织化学确                               ADC-低流入/流出和高 ADC-低流入/流出。该研究
           定，不仅有创、耗时，且由于肿瘤的空间和时间异质                             结果显示与非 TNBC 相比，TNBC 具有较少的富血管
           性，导致病理学评价不一定完全代表肿瘤初始生物                              细胞亚区和较高的FD1，基于二者构建的分类模型对
           学性状。因此，许多研究尝试采用 MRI 影像组学方                           TNBC具有较高的鉴别能力，AUC为0.951，准确率为
           法对与治疗和预后相关的病理或分子亚型进行分                               91.9%。这表明高血管细胞亚区比例及其 FD 可作为
                                                                                                    [23]
                                                [16]
           类，以提供个性化的诊断。如 HUANG 等 从 135 例                       预测TNBC有用的影像标志物。既往研究 显示乳腺
           乳腺癌患者 DCE-MRI 图像中提取特征构建影像组                          癌患者在接受新辅助化疗（neoadjuvant chemotherapy,
           学模型来鉴别 Luminal 型与非 Luminal 型乳腺癌，结                   NAC）后，部分患者受体状态和分子分型会发生转
           果显示影像组学特征在训练集和验证集中均具有良                              变，因此准确预测 NAC 后分子分型的改变对指导临
           好的鉴别能力，AUC 分别为 0.86、0.80。YUE 等 利                    床及时调整治疗方案具有重要意义。LIU 等 通过
                                                      [17]
                                                                                                        [24]
           用 U-Net 神经网络自动分割方法提取 516 例乳腺癌                       联合 T2WI，ADC 以及 DCE-MRI 影像组学特征构建
           患者 DCE-MRI 图像的影像组学特征，通过 SVM、逻                       模型用于识别 NAC 后 TNBC 和雌激素受体（estrogen
           辑回归（logistic regression, LR）和随机森林（random            receptor, ER）弱阳性/HER-2 阴性乳腺癌的分子亚型
           forest, RF）三种分类器构建的模型在预测整体分                         改变，结果显示模型展现出良好的预测效能（交叉验
           子分型上性能均较高，平均 AUC 为 0.862。三种模                        证集与独立测试集的 AUC 分别为 0.908、0.864），表
           型在单独预测 Lumina 型、HER-2 阳性型以及三阴                       明 MRI 影像组学具有预测 NAC 后分子亚型转变的
                                                                               [25]
           型乳腺癌中的平均 AUC 分别为 0.878、0.867、0.933。                 潜力。ZHENG 等 提取 MP-MRI（T2WI、DWI、ADC
                    [18]
           ZHANG 等 根据不同的 DCE-MRI 药代动力学参数                       和 DCE-MRI）影 像 组 学 特 征 用 于 区 分 乳 腺 癌 中
           提取肿瘤亚区影像组学特征，结果显示基于快速动                              HER-2 表达状态（即 HER-2 高表达、HER-2 低表达和
           力学肿瘤亚区的模型对预测 Luminal A型、Luminal B                   HER-2 零表达），结果显示来自 DWI、ADC 和 DCE 的
           型 、TNBC、HER-2 阳 性 型 乳 腺 癌 的 AUC 分 别 为               11 个特征；来自 DWI 的 1 个特征；来自 DWI、ADC 和
           0.878、0.756、0.701、0.796，比 DCE-MRI 原始图像具             DCE 中的 17 个特征构建的三个模型分别对识别
           有更好的诊断效果，尤其是对 Luminal B 型乳腺癌。                       HER-2 高表达、HER-2 低表达和 HER-2 零表达均具
                          [19]
           此外，ZHANG 等 发现基于非单指数 DWI图像构建                         有良好的性能，训练集的 AUC 分别为 0.809、0.779、
           的影像组学模型在鉴别 Luminal A/B 型与非 Luminal                  0.889，外 部 验 证 集 的 AUC 分 别 为 0.725、0.782、
           A/B 型 ，TNBC 与非 TNBC 方面的价值与 DCE-MRI                  0.813。这表明 MP-MRI影像组学具有对 HER-2状态
           影像组学模型相似，该研究展现了在无对比剂情况                              进行无创分类的潜力，有助于改进乳腺癌患者的抗
           下评价乳腺癌分子亚型的可行性。除利用单一模态                              HER-2 治疗决策。综上所述，MRI 影像组学对乳腺
           外，联合多个模态图像提取的特征可以进一步提升                              癌分子亚型的二分类预测效能较好，但对多任务模
           模型的预测性能。ZHOU 等 研究显示基于 T2WI、                         型还有待更多地开发、测试和验证。此外，基于 DL
                                    [20]
           DCE-MRI 组合的影像组学模型在区分 HER-2 阳性                       模型预测乳腺癌分子亚型的研究目前仍较少，尚待
           与 HER-2 阴性乳腺癌具有良好的性能，AUC 在训练                        进一步探索。
           集 和 验 证 集 分 别 为 0.86 和 0.81，均 高 于 T2WI 和            2.3 NAC疗效的预测
           DCE-MRI 单独影像组学模型。ZHANG 等 分别构                             目前NAC是乳腺癌术前标准治疗方案之一，大约
                                                 [21]
          ·198 ·                                                                      https://www.chinesemri.com
   200   201   202   203   204   205   206   207   208   209   210