基于T2WI影像組學(xué)標(biāo)簽預(yù)測乳腺癌人表皮生長因子受體2表達(dá)狀態(tài)

梁翠珊，崔運(yùn)能，楊偉超，賀紅艷，何永財，張大偉

(佛山市婦幼保健院放射科，廣東 佛山 528000)

乳腺癌是女性最常見的惡性腫瘤之一，其發(fā)生率逐年上升[1]。研究[2]表明人表皮生長因子受體2(human epidermal growth factor receptor 2， HER2)在乳腺癌分子分型、預(yù)測靶向治療療效及預(yù)后中有重要價值，早期檢測乳腺癌HER2表達(dá)狀態(tài)對個性化治療乳腺癌至關(guān)重要。目前HER2表達(dá)水平主要通過活組織標(biāo)本免疫組織化學(xué)檢測，為有創(chuàng)檢查，且腫瘤的異質(zhì)性可能導(dǎo)致誤診。隨著影像學(xué)技術(shù)的發(fā)展，MRI已成為乳腺癌的常用檢查方法[3-4]，但傳統(tǒng)MR技術(shù)主要依靠個人視覺和主觀經(jīng)驗判斷，難以評估HER2的表達(dá)狀態(tài)。影像組學(xué)通過高通量提取基于形狀、強(qiáng)度、大小或體積等豐富的定量圖像特征，將數(shù)字醫(yī)學(xué)圖像轉(zhuǎn)換為可挖掘數(shù)據(jù)[5]，能有效剔除因主觀因素造成的誤差，近年來已有學(xué)者利用影像組學(xué)研究乳腺癌分子標(biāo)志物的表達(dá)[6]。本研究探討基于T2WI的影像組學(xué)標(biāo)簽術(shù)前預(yù)測乳腺癌HER2表達(dá)狀態(tài)的價值。

1 資料與方法

1.1 一般資料 收集2012年2月—2017年2月經(jīng)我院病理證實(shí)的209例腫塊型浸潤性乳腺癌患者，均為女性，年齡23～81歲，平均(51.2±11.1)歲。納入標(biāo)準(zhǔn)：①經(jīng)手術(shù)切除且病理證實(shí)的浸潤性乳腺癌；②T2WI可顯示乳腺癌病灶；③接受免疫組織化學(xué)檢查，獲得HER2表達(dá)結(jié)果。排除標(biāo)準(zhǔn)：①圖像偽影多，影響觀察病灶；②MR檢查前接受組織穿刺活檢或新輔助化療。將患者隨機(jī)分為訓(xùn)練組(n=145)和驗證組(n=64)。

1.2 HER2評定標(biāo)準(zhǔn) 根據(jù)美國臨床腫瘤學(xué)會/美國病理學(xué)家學(xué)院(American Society of Clinical Oncology/College of American Pathologists， ASCO/CAP)臨床實(shí)踐指南，HER2蛋白表達(dá)的標(biāo)準(zhǔn)如下：免疫組織化學(xué)染色陰性或(+)為HER2表達(dá)陰性；免疫組織化學(xué)染色(++)為HER2表達(dá)不確定；免疫組織化學(xué)染色(+++)為HER2表達(dá)陽性。對HER2表達(dá)不確定的標(biāo)本以原位雜交法作進(jìn)一步檢測，最終確定其為HER2表達(dá)陽性或陰性[7]。

1.3 儀器與方法 采用GE Brivo MR355 1.5T MR掃描儀和4通道相控陣乳腺線圈。掃描時囑患者俯臥，將雙側(cè)乳腺置于線圈中央。采集軸位脂肪抑制STIR T2WI，TR 5 813 ms，TE 42 ms，F(xiàn)OV 340 mm×340 mm，矩陣320×192，層厚3 mm，層間距1 mm。

1.4 圖像處理

1.4.1 ROI勾畫 采用GE AW4.6工作站，在T2WI中選取病灶的最大層面，由1名有6年乳腺M(fèi)RI診斷經(jīng)驗的放射科醫(yī)師沿病灶的輪廓手動勾畫ROI(圖1)。隨機(jī)抽取30例患者，由另1名有7年乳腺M(fèi)RI診斷經(jīng)驗的放射科醫(yī)師重新勾畫ROI，以評估測量者間的一致性。

1.4.2 影像組學(xué)特征提取 于Matlab 2013a平臺，采用最小-最大標(biāo)準(zhǔn)化方法標(biāo)準(zhǔn)化T2WI，將所有像素強(qiáng)度值轉(zhuǎn)換為[1,100]的整數(shù)強(qiáng)度值，然后提取包含一階統(tǒng)計量、形態(tài)學(xué)特征、紋理特征、拉普拉斯高斯濾波器及小波特征的影像組學(xué)特征，共計16 101個[8]。

1.4.3 影像組學(xué)特征選擇 應(yīng)用組間相關(guān)系數(shù)(interclass correlation coefficient， ICC)計算所提取影像組學(xué)特征的測量者間一致性。ICC>0.75表示一致性良好，選擇ICC>0.75的特征進(jìn)行下一步分析。通過計算訓(xùn)練組各特征間的相關(guān)系數(shù)去除特征的冗余性，當(dāng)兩個特征之間相關(guān)系數(shù)絕對值>0.9時，則隨機(jī)去除其中1個特征。

1.5 統(tǒng)計學(xué)分析 采用SPSS 22.0統(tǒng)計分析軟件。符合正態(tài)分布的計量資料以±s表示，以獨(dú)立樣本t檢驗比較訓(xùn)練組與驗證組間年齡的差異。不符合正態(tài)分布的計量資料以中位數(shù)(上下四分位數(shù))表示，以Mann-WhitneyU檢驗比較HER2陽性與HER2陰性患者間影像組學(xué)得分的差異。以χ2檢驗比較訓(xùn)練組與驗證組之間的HER2表達(dá)狀態(tài)的差異。采用R軟件3.0.1版(http://www.r-project.org)中的glmnet 軟件包進(jìn)行LASSO邏輯回歸分析；使用pROC軟件包繪制ROC曲線。運(yùn)用ROC曲線評估基于T2WI的影像組學(xué)標(biāo)簽預(yù)測HER2表達(dá)狀態(tài)的效能，計算AUC、準(zhǔn)確率、敏感度、特異度、陽性預(yù)測值(positive predictive value, PPV)和陰性預(yù)測值(negative predictive value, NPV)，并將訓(xùn)練組中鑒別HER2表達(dá)狀態(tài)的閾值用于驗證組，進(jìn)一步驗證訓(xùn)練組的結(jié)果。P<0.05為差異有統(tǒng)計學(xué)意義。

圖1 乳腺癌ROI勾畫示意圖 A.T2WI示左乳外上象限淺分葉狀腫塊，呈不均勻稍高信號； B.沿腫塊邊緣勾畫ROI 圖2 以LASSO邏輯回歸模型篩選影像組學(xué)特征 A.LASSO模型中調(diào)節(jié)參數(shù)(λ)的選擇； B.749個影像組學(xué)特征在模型中的系數(shù)，垂直線表示經(jīng)過十倍交叉驗證后所選的log(λ)值，最終選出13個系數(shù)非零特征 框上的數(shù)字表示系數(shù)不為0的特征數(shù)量 圖3 訓(xùn)練組和驗證組中基于T2WI的影像組學(xué)標(biāo)簽鑒別HER2表達(dá)狀態(tài)的ROC曲線 A.訓(xùn)練組； B.驗證組

2 結(jié)果

2.1 臨床病理特征 訓(xùn)練組平均年齡為(51.2±10.3)歲，驗證組(51.3±12.8)歲，差異無統(tǒng)計學(xué)意義(t=-0.091，P=0.928)。根據(jù)免疫組織化學(xué)結(jié)果，訓(xùn)練組中HER2表達(dá)陽性72例(72/145，49.66%，HER2陽性亞組)，陰性73例(73/145，50.34%，HER2陰性亞組)；驗證組中HER2表達(dá)陽性32例(32/64，50.00%，HER2陽性亞組)，陰性32例(32/64，50.00%，HER2陰性亞組)；2組間HER2陽性表達(dá)率差異無統(tǒng)計學(xué)意義(χ2=0.002，P=0.963)。

2.2 影像組學(xué)特征選擇和標(biāo)簽構(gòu)建 提取標(biāo)化后的T2WI特征共16 101個，選出ICC>0.75的特征8 272個；經(jīng)過高相關(guān)性特征去除冗余，最終選出749個特征。以LASSO邏輯回歸模型(圖2)篩選出13個特征，對所選特征進(jìn)行系數(shù)加權(quán)，構(gòu)成影像組學(xué)標(biāo)簽(如下式)，并計算每例患者的組學(xué)得分。

影像組學(xué)得分=-0.033-0.051×L_G_2.5_LAHGLE+0.00003×db2_3_kurtosis-0.026×db3_1_C_variance-0.163×db6_2_mean-0.013×db6_3_max-0.125×db10_3_correlation-0.104×coif2_4_clu_ten-0.014×bior1.5_4_C_variance+0.033×bior1.5_4_LRE+0.025×bior2.4_3_LDHGLE-0.167×rbio1.3_2_mean-0.125×rbio1.3_3_median+0.045×rbio3.3_1_IMC1

2.3 影像組學(xué)標(biāo)簽的預(yù)測效能 訓(xùn)練組中，HER2陽性亞組和陰性亞組的影像組學(xué)得分分別為0.315(0.088，0.457)和-0.228(-0.560，0.152)，差異有統(tǒng)計學(xué)意義(Z=-6.189，P<0.001)；驗證組中，HER2陽性亞組與陰性亞組間影像組學(xué)得分分別為0.255(-0.126，0.520)和-0.167(-0.655，0.233)，差異有統(tǒng)計學(xué)意義(Z=-2.847，P=0.004)。

ROC曲線結(jié)果顯示基于T2WI的影像組學(xué)得分在訓(xùn)練組中預(yù)測HER2表達(dá)的AUC為0.798(P<0.001)，95%CI(0.726，0.870)，閾值為0.058，敏感度0.792，特異度0.699，準(zhǔn)確率0.745，PPV 0.722，NPV 0.773。將基于T2WI的影像組學(xué)得分閾值0.058用于驗證組，預(yù)測HER2表達(dá)的AUC為0.707(P=0.004)，95%CI(0.579，0.836)，敏感度0.688，特異度0.656，準(zhǔn)確率0.672，PPV 0.667，NPV 0.677(圖3)。

3 討論

本研究結(jié)果表明，基于T2WI的影像組學(xué)標(biāo)簽術(shù)前可預(yù)測乳腺癌HER2的表達(dá)狀態(tài)。本研究通過計算ICC選出一致性良好的影像組學(xué)特征，并運(yùn)用各特征間的相關(guān)系數(shù)去除特征的冗余性，再以LASSO邏輯回歸模型篩選特征，最終選出13個特征構(gòu)建影像組學(xué)標(biāo)簽。訓(xùn)練組中，基于T2WI的影像組學(xué)標(biāo)簽預(yù)測HER2表達(dá)狀態(tài)的敏感度為0.792，特異度為0.699，準(zhǔn)確率為0.745；在驗證組中，基于T2WI的影像組學(xué)標(biāo)簽同樣可較好地預(yù)測HER2的表達(dá)狀態(tài)。

目前檢測HER2表達(dá)狀態(tài)的方法為活檢后行免疫組織化學(xué)檢查，有創(chuàng)且穿刺區(qū)域有限，難以全面反映腫瘤內(nèi)部的異質(zhì)性。影像學(xué)方法無創(chuàng)、簡便，已成為乳腺癌的重要檢查手段。一項關(guān)于乳腺癌HER2過度表達(dá)與乳腺癌影像學(xué)特征相關(guān)性的Meta分析[9]結(jié)果顯示，微鈣化、乳腺高密度背景、病灶周圍皮膚增厚等特征與HER2過表達(dá)相關(guān)；但該研究僅探究了與HER2過表達(dá)相關(guān)的影像學(xué)特征，并未深入探討影像學(xué)特征鑒別HER2表達(dá)狀態(tài)的效能，并且傳統(tǒng)影像學(xué)診斷主要依靠主觀經(jīng)驗判斷，可重復(fù)性較差。隨著計算機(jī)軟件技術(shù)的不斷發(fā)展，定量化影像學(xué)特征分析在臨床的應(yīng)用逐漸增多。Chang等[10]的研究顯示，動態(tài)增強(qiáng)圖像紋理特征量化分析腫塊的異質(zhì)性可用于鑒別HER2表達(dá)狀態(tài)，準(zhǔn)確率達(dá)82.35%，提示定量化紋理特征分析對HER2表達(dá)狀態(tài)的鑒別具有重要潛在價值。

與既往僅著重于單個或一類的紋理特征分析不同，本研究通過ICC、特征相關(guān)系數(shù)及LASSO邏輯回歸分析，對有價值的單變量特征進(jìn)行篩選組合，旨在構(gòu)建更具診斷價值的影像組學(xué)標(biāo)簽。Li等[11]報道，影像組學(xué)標(biāo)簽是鑒別雌激素受體(estrogen receptor, ER)陽性與ER陰性侵襲性乳腺癌分子亞型的重要預(yù)測因子，其AUC為0.89。本研究訓(xùn)練組中基于T2WI的影像組學(xué)標(biāo)簽鑒別HER2表達(dá)狀態(tài)的AUC為0.798，將其閾值0.058用于驗證組，獲得AUC為0.707，在2組中的預(yù)測效能相當(dāng)，提示基于T2WI的影像組學(xué)標(biāo)簽有望用于無創(chuàng)預(yù)測HER2表達(dá)狀態(tài)。本研究AUC較Li等[11]的AUC稍低，但后者并未進(jìn)行分組，未使用驗證組進(jìn)行驗證，可能會導(dǎo)致結(jié)果過度擬合。

鑒于動態(tài)對比增強(qiáng)MRI的采集參數(shù)和時相各異，而DWI中的b值差異亦較大，難以在不同研究中保持一致，導(dǎo)致結(jié)果缺乏可比性，本研究亦未選擇基于動態(tài)對比增強(qiáng)及DWI序列進(jìn)行研究，而是采用基于常規(guī)T2WI的影像組學(xué)標(biāo)簽預(yù)測HER2的表達(dá)狀態(tài)。T2WI具有信號強(qiáng)度與潛在形態(tài)直接相關(guān)的優(yōu)點(diǎn)，且可在不使用對比劑的情況下提供有用的信息[12]。此外，在不同分子亞型的乳腺癌中，三陰性乳腺癌更具侵襲性，其瘤灶在T2WI中也表現(xiàn)出更高的信號強(qiáng)度，提示T2WI信號可能與腫瘤侵襲性有關(guān)[13]。同時有研究[14]表明，HER2表達(dá)陽性細(xì)胞表現(xiàn)出更強(qiáng)的侵襲性，惡性程度更高，提示基于T2WI的影像組學(xué)標(biāo)簽預(yù)測乳腺癌HER2表達(dá)狀態(tài)具有潛在可行性。

本研究的主要局限性：①基于單層MRI提取影像組學(xué)特征，而三維圖像分析或可提供更多的重要鑒別信息，然而也有學(xué)者指出2D和3D特征均具有一定預(yù)測能力，但2D特征效能更好且易于實(shí)現(xiàn)[15]，需進(jìn)一步研究；②僅基于T2WI，今后將探究其他序列如動態(tài)對比增強(qiáng)序列及DWI等預(yù)測乳腺癌HER2表達(dá)狀態(tài)的價值。

總之，本研究表明基于T2WI的影像組學(xué)標(biāo)簽?zāi)茌^好地預(yù)測乳腺癌HER2的表達(dá)狀態(tài)，有望成為術(shù)前預(yù)測乳腺癌HER2表達(dá)狀態(tài)的輔助方法。