Page 206 - 磁共振成像2024年7期电子刊
P. 206

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


              30%乳腺癌患者对NAC产生良好的治疗反应，并将复                            瘤亚区进行常规影像组学分析，建立肿瘤亚区域定
              发率降低高达 50%。获得病理完全缓解（pathological                     量 分 析 算 法 用 于 评 估 乳 腺 癌 肿 瘤 空 间 异 质 性
              complete response, pCR）是患者长期生存的一个强有                 （intratumoral heterogeneity, ITH），并测试将该定量测
              力的预后因素，它被认为是目前唯一有效的生存生                               量方法与临床病理变量和常规影像组学相结合的模
              物标志物。但如果对 NAC的疗效没有反应或效果不                             型用于预测乳腺癌 NAC 后反应，结果显示该组合模
              理想，就需要进一步改变治疗策略。因此，早期停止                              型对乳腺癌 NAC 后 pCR 预测效果良好，训练集和外
              无效的 NAC或调整治疗策略对于避免不必要的化疗                             部测试集的 AUC（95% 置信区间）分别为 0.90（0.83~
              药物毒性和优化整体治疗方案至关重要。目前多项                               0.87）。此外该研究发现基于 NAC 前 DCE-MRI 上乳
              研究已探索使用 MRI 影像组学来预测对 NAC 的反                          腺癌的 ITH 指数为 NAC 疗效的独立预测因子，为乳
              应，其中大多数研究采用 DCE-MRI 序列              [26-27] ，且与增     腺癌 NAC疗效评估模型的临床应用提供了生物学依
              强单期图像相比，多期相图像联合影像组学特征对                               据。集成 MRI（synthetic MRI, SyMRI）是一种新的定
              NAC后的 pCR预测能力更好。肿瘤周围微环境在癌                            量MRI技术，可通过一次扫描能够同时获得组织T1、
              症进展和化疗耐药中发挥着重要作用，因此，瘤周影                              T2 和 质 子 密 度（proton  density,  PD）的 定 量 图 像 。
              像组学特征可能蕴含肿瘤微环境相关信息。PARK                              HWANG 等 利用 SyMRI 的定量参数图（T1、T2 和
                                                                             [34]
                [28]
              等 从 DCE-MRI 早期、延迟期图像中分别提取肿瘤                          PD）提取直方图和纹理特征用于预测 TNBC 患者
              内、瘤周1 mm、3 mm的影像组学特征用于预测ER阳                          NAC 疗效 ，经单变量分析分别确定 15 个 T1，10 个
              性 HER-2 阴性局部晚期乳腺癌 NAC 后 pCR 情况，结                     T2 和 12 个 PD 特征，在训练集和测试集中预测 pCR
              果显示基于 DCE-MRI 早期瘤内和瘤周 1 mm 特征构                       的 AUC 均大于 0.70。在治疗中期获得的多变量影像
              建的 SVM 模型具有最佳的效能，验证集的 AUC 为                          组学模型的效能优于基线时获得的模型，在训练集
                             [29]
              0.944。徐海敏等 仅从 T1WI图像中提取瘤内、瘤周                         和测试集中的 AUC 分别为 0.78和 0.72。以上研究对
              8 mm 的影像组学特征并结合临床特征构建联合模                             MRI 不同序列及不同区域影像组学特征进行了探
              型，结果显示该模型对预测 NAC具有良好的效能，训                            索，这对指导 NAC 临床方案的及时调整具有重要意
              练集和验证集中的 AUC 分别为 0.91、0.88。ZHENG                     义，但目前大多数研究是基于 DCE-MRI，并且对于选
              等 利用 DCE-MRI 图像分别提取肿瘤内、瘤周（2.5~                       择哪期图像进行特征提取最佳，目前尚无统一标准。
                [30]
              5.0  mm）、背 景 实 质 强 化 区 域（background                  此外，未来研究需要进一步探讨基于 MP-MRI 影像
              parenchymal enhancement, BPE）的影像组学特征用                组学对 NAC 疗效评估，以期能够提供更多肿瘤异质
              于预测 pCR，结果显示对于三个单独区域的特征，                             性信息，进一步改善预测模型的效能。
              BPE 提供了最好的 pCR 预测效能（训练集和验证集                          2.4 腋窝淋巴结状态的预测
              的 AUC 分别为 0.777、0.712），并且在添加 BPE 特征                      准 确 识 别 腋 窝 淋 巴 结（axillary  lymph  node,
              后，肿瘤内和肿瘤周围区域的诊断性能均得到提高。                              ALN）状态对于判断肿瘤分期、制订合适的腋窝治疗
              这表明基于乳腺 BPE 的影像组学特征对预测乳腺癌                            方案、预测预后具有重要意义。腋窝淋巴结清扫
              pCR具备一定的应用价值。Delta影像组学是近年来                          （axillary lymph node dissection, ALND）和前哨淋巴
              影像组学研究的热点之一，主要反映从不同时间点                               结（sentinel  lymph  node  biopsy,  SLN）活 检 是 判 断
              采集（如肿瘤 NAC治疗前后或动态变化）图像中提取                            ALN 状态的两种主要方法。但这两种方法均存在不
              特征值的变化。基于 Delta 影像组学有望成为一种                           同程度的并发症风险。因此，开发非侵入性生物标
                                                       [31]
              预测乳腺癌 NAC 后反应的新策略。GUO 等 通过                           志物来识别 ALN状态对于乳腺癌患者的准确管理具
              DCE-MRI早期、峰值和延迟期图像的 Delta影像组学                        有重要意义。MRI 影像组学提供了一种无创评估
              模型对 pCR 预测，结果显示相对于 DCE-MRI 峰值和                       ALN 状态的新方法。王贇霞等 基于 DCE-MRI 第
                                                                                                [35]
              延 迟 期 ，早 期 Delta 影 像 组 学 模 型 具 有 最 高 效 能             3 期图像影像组学特征应用多种分类器算法构建预
             （AUC 在训练集和验证集中分别为 0.917、0.842），当                      测模型，结果显示基于绝对值最大归一化和 Bagging
              进一步融合临床病理信息（激素受体和 HER-2），模                           决策树算法构建的影像组学标签是预测 ALN转移的
              型可以有效预测乳腺癌患者 NAC 第一周期后 pCR，                          最佳模型，该模型在训练集和测试集的 AUC 分别为
              AUC在训练集和验证集中分别为 0.934、0.864。余雅                       0.929、0.803。LI等 等研究显示 DCE-MRI影像组学
                                                                                    [36]
                  [32]
              丽等 分析了基于 ADC 图像影像组学模型对肿块样                            不仅具有良好的预测 ALN 转移的能力外，还可以有
              乳腺癌 NAC 后 pCR 的预测能力，结果显示训练集和                         效预测 ALN 转移的数量，训练集和验证集的 AUC 分
              验证集中预测 pCR 的 AUC 分别为 0.87、0.85。同时                    别为0.94和0.84。除了评估肿瘤区域外，瘤周区域特
              该研究结果提示异质性更大、纹理特征越复杂及                                征的评估对预测 ALN转移同样具有一定价值。赵楠
              肿瘤三维形状更类似于紧密球体的肿块样乳腺癌患                               楠等 研究发现结合 DCE-MRI 瘤内、瘤周的影像学
                                                                       [37]
                                       [33]
              者更不易获得 pCR。SHI 等 通过对 DCE-MRI 的肿                      特征以及临床病理信息的联合模型对预测 ALN转移
               https://www.chinesemri.com                                                                  ·199 ·
   201   202   203   204   205   206   207   208   209   210   211