動(dòng)態(tài)增強(qiáng)影像特征與乳腺癌預(yù)后的關(guān)聯(lián)性研究*

劉 斌,范 明,厲力華

(杭州電子科技大學(xué)生命信息與儀器工程學(xué)院,杭州 310018)

乳腺癌是女性中最常見的癌癥,也是女性癌癥死亡的第二大原因。大約20%～30%被診斷為浸潤(rùn)性乳腺癌的婦女會(huì)轉(zhuǎn)移復(fù)發(fā),最終可能死亡[1]。新輔助化療可以降低5%的復(fù)發(fā)風(fēng)險(xiǎn),所以部分浸潤(rùn)性乳腺癌患者會(huì)進(jìn)行新輔助化療[2-3]。新輔助化療可以顯著提高70歲以下婦女的無病生存率和總生存率[4]。然而由于新輔助化療的本身存在毒性和副作用[5],所以并不是所有患者都會(huì)從新輔助化療中受益,一般認(rèn)為預(yù)后不良的患者從新輔助化療中受益最多[6-7]。需要預(yù)后標(biāo)志物來鑒別出低復(fù)發(fā)風(fēng)險(xiǎn)的患者,以減少過度化療。正確的選擇乳腺癌預(yù)后標(biāo)志物對(duì)研究乳腺癌的生物學(xué)行為、指導(dǎo)系統(tǒng)綜合治療具有重要意義。

影響乳腺癌預(yù)后的主要因素是年齡、腫瘤大小、腋窩淋巴結(jié)狀態(tài)、腫瘤組織學(xué)類型、病理分級(jí)和激素受體狀態(tài)。大量的其他因素也被用來預(yù)測(cè)病人的預(yù)后,但總的來說,它們的預(yù)測(cè)能力有限[8],尚不能滿足臨床個(gè)體化治療需要。乳腺癌患者預(yù)后的差異,具體表現(xiàn)在腫瘤生物學(xué)行為不同,其組織病理學(xué)改變是影像學(xué)表現(xiàn)的基礎(chǔ)。動(dòng)態(tài)增強(qiáng)磁共振成像DCE-MRI(Dynamic Contrast Enhanced Magnetic Resonance Imaging)可以反映造影劑在腫瘤血管中的動(dòng)態(tài)分布。乳腺M(fèi)RI在臨床上主要用于術(shù)前分期、檢查乳房植入物、術(shù)后檢測(cè)殘留腫瘤或復(fù)發(fā)、在已證實(shí)的癌轉(zhuǎn)移患者中識(shí)別隱匿的原發(fā)性腫瘤以及篩選高危婦女[9],同時(shí)也可以用于評(píng)估腫瘤對(duì)新輔助化療的反應(yīng)[10]。腫瘤大小、形狀、邊緣和動(dòng)力學(xué)等定量圖像特征已被證明可以用來作為腫瘤診療的影像學(xué)標(biāo)記物[11-13]。但是它們預(yù)測(cè)乳腺癌患者復(fù)發(fā)和存活的能力有限[14]。

近年來一些學(xué)者提出了多種免疫組織化學(xué)可檢測(cè)的生物標(biāo)志物作為預(yù)后因子,如人表皮生長(zhǎng)因子受體2(Human Epidermal growth factor Receptor 2,HER-2)、細(xì)胞增殖抗原標(biāo)記物(Ki-67)、雌激素受體ER(Estrogen Receptor)、孕激素受體PR(Progesterone Receptor)等,這些生物標(biāo)志物的表達(dá)與腫瘤細(xì)胞的分化、侵襲性和轉(zhuǎn)移能力相關(guān)。Szab等發(fā)現(xiàn)動(dòng)態(tài)磁共振成像參數(shù)與乳腺癌不同的生理特性存在關(guān)聯(lián)[10],Lee等人發(fā)現(xiàn)動(dòng)態(tài)磁共振成像與乳腺癌患者的預(yù)后相關(guān),MR影像中毛刺狀邊緣的腫瘤可能預(yù)示乳腺癌好的預(yù)后[15]。最近的一些研究證實(shí),DCE-MRI背景實(shí)質(zhì)組織的全局增強(qiáng)模式與人群中患乳腺癌的風(fēng)險(xiǎn)[16-19]和化療療效相關(guān)[20]。

本研究主要對(duì)DCE-MRI影像特征和乳腺癌預(yù)后的關(guān)聯(lián)性進(jìn)行了探討。本研究的主要?jiǎng)?chuàng)新體現(xiàn)在:第一,在數(shù)據(jù)上,使用了兩個(gè)公共數(shù)據(jù)庫(kù)中的數(shù)據(jù),數(shù)據(jù)比較規(guī)范可信;第二,在策略上,建立了影像特征的多基因標(biāo)簽,并在獨(dú)立驗(yàn)證數(shù)據(jù)集中驗(yàn)證了其預(yù)后價(jià)值。首先對(duì)MRI原始圖像進(jìn)行基本的預(yù)處理,提取定量的圖像特征,如病灶區(qū)域的統(tǒng)計(jì)特征、紋理特征和形態(tài)特征,利用Cox回歸模型找出有潛在預(yù)后價(jià)值的影像特征;然后,使用elastic-net回歸建立基因和影像特征的線性回歸模型;最后,在獨(dú)立的驗(yàn)證數(shù)據(jù)集上通過測(cè)試影像特征的多基因標(biāo)簽與總生存期(OS)和無病復(fù)發(fā)生存(RFS)的相關(guān)性來評(píng)估其預(yù)后價(jià)值。研究結(jié)果表明DCE-MRI的影像特征與乳腺癌的預(yù)后相關(guān)。

1 材料和方法

1.1 病人數(shù)據(jù)

我們獲得61例浸潤(rùn)性乳腺癌患者的回顧性數(shù)據(jù),其中預(yù)處理DCE-MRI和無病復(fù)發(fā)生存數(shù)據(jù)可在TCIA(The Cancer Imaging Archive)(http://www.cancerimagingarchive.net/.)上公開獲得。這個(gè)數(shù)據(jù)集的詳細(xì)信息已經(jīng)公開發(fā)表[21-22]。TCGA(The Cancer Genome Atlas(TCGA))[23]的數(shù)據(jù)集用來建立和驗(yàn)證影像特征的多基因標(biāo)簽。TCGA 數(shù)據(jù)庫(kù)的患者在進(jìn)行組織樣本采集(200到300毫克的組織)前都不能接受任何類型的術(shù)前治療。數(shù)據(jù)集中共納入了1 097例浸潤(rùn)性乳腺癌患者,所有患者均可獲得其腫瘤樣本的基因表達(dá)測(cè)序數(shù)據(jù)。其中126例患者可通過TCIA獲得預(yù)處理DCE-MRI,這些乳腺M(fèi)RI研究中的大多數(shù)是在通過圖像引導(dǎo)的空芯針活檢確定乳腺癌之后進(jìn)行的,并且本研究中包括的所有MRI檢查都是在患者接受治療之前進(jìn)行的。為了減少潛在的圖像差異,本研究只分析了在采集技術(shù)上相似的乳腺M(fèi)RI,即使用GE(GE Medical Systems,Milwaukee,WI,USA)掃描設(shè)備在1.5T下采集的87例患者(TCGA Subgroup 1)的MRI。其余1010例患者作為獨(dú)立驗(yàn)證數(shù)據(jù)集(TCGA Subgroup 2)。表1總結(jié)了三個(gè)數(shù)據(jù)集的臨床統(tǒng)計(jì)信息。

表1 數(shù)據(jù)集的臨床信息

注：除非另有說明,否則數(shù)據(jù)為患者數(shù),括號(hào)內(nèi)為百分比。*括號(hào)內(nèi)的數(shù)據(jù)為范圍。

1.2 影像數(shù)據(jù)

對(duì)于61例包含病人影像和預(yù)后信息的數(shù)據(jù)(預(yù)后標(biāo)志物發(fā)現(xiàn)數(shù)據(jù)集),使用Signa 1.5T系統(tǒng)(GE Healthcare,Milwaukee,Wis)進(jìn)行MR成像,在檢查過程中,患者處于俯臥位,雙側(cè)乳房自然垂入乳房相控陣線圈。在具有脂肪抑制的梯度回波序列的矢狀面上獲得單側(cè)T1加權(quán)圖像,參數(shù)為:重復(fù)時(shí)間,8ms;回波時(shí)間,4.2 ms;翻轉(zhuǎn)角度,20°;面內(nèi)分辨率范圍,0.7 mm～0.9 mm;截面厚度范圍,2.0 mm～2.4 mm;靜脈注射釓基造影劑的劑量為0.1 mmol/kg,用10 mL生理鹽水沖洗。在三個(gè)時(shí)間點(diǎn)獲得MR圖像,第一個(gè)在造影劑注射前獲得,第二個(gè)和第三個(gè)在造影劑使用后的2.5 min和7.5 min分別獲得。

TCGA數(shù)據(jù)集(TCGA subgroup 1)的乳腺M(fèi)RI由4個(gè)機(jī)構(gòu)組成:紀(jì)念斯隆凱特癌癥中心(Memorial Sloan Kettering Cancer Center)、梅奧診所(Mayo Clinic)、匹斯堡大學(xué)醫(yī)學(xué)中心(University of Pittsburgh Medical Center)和羅斯威爾公園癌癥研究所(Roswell Park Cancer Institute)。DCE-MRI影像均由1.5T GE全身MRI系統(tǒng)(GE Medical Systems)及標(biāo)準(zhǔn)雙乳腺線圈采集得到,動(dòng)態(tài)增強(qiáng)磁共振成像方案包括一個(gè)蒙片序列和經(jīng)過注射造影劑后獲得的3到5個(gè)增強(qiáng)序列。采用脂肪抑制梯度回波序列采集T1加權(quán)成像。分辨率為0.53 mm～0.86 mm;截面厚度范圍為2 mm～3mm;翻轉(zhuǎn)角度為10°。

1.3 圖像預(yù)處理和特征提取

在特征提取前,對(duì)MRI原始影像進(jìn)行了一些基本的預(yù)處理,同時(shí)對(duì)感興趣區(qū)域進(jìn)行分割。腫瘤分割上,首先由有數(shù)十年閱片經(jīng)驗(yàn)的放射科醫(yī)生手工標(biāo)出病灶位置,然后利用空間FCM進(jìn)行粗分割,得到病灶的大致輪廓,再結(jié)合病灶的三維信息利用MRF進(jìn)行細(xì)分割[24],最終得到較為精確的病灶區(qū)域。

本研究共提取了13維影像特征,首先提取了病灶區(qū)域的統(tǒng)計(jì)特征:峰度;形態(tài)特征:離心率;然后基于灰度共生矩陣提取了紋理特征:非相似性、能量、逆差分、和熵、相關(guān)性。所有的圖像預(yù)處理和特征提取都在MATLAB R2014a中完成。

1.4 評(píng)價(jià)腫瘤影像特征的預(yù)后價(jià)值

在預(yù)后標(biāo)志物發(fā)現(xiàn)數(shù)據(jù)集,分別評(píng)估每一個(gè)影像特征與RFS的關(guān)聯(lián)性。我們分兩步來確定與RFS有最強(qiáng)獨(dú)立關(guān)聯(lián)的影像特征,第一,對(duì)提取的影像特征進(jìn)行皮爾遜相關(guān)分析,如果一對(duì)特征的皮爾遜相關(guān)系數(shù)大于0.7,則認(rèn)為它們有較強(qiáng)的相關(guān)性,只保留在單因素分析中對(duì)預(yù)后預(yù)測(cè)能力更強(qiáng)的一個(gè)特征。第二,對(duì)互相不相關(guān)的影像特征進(jìn)行Cox多元回歸分析,確定與RFS獨(dú)立相關(guān)的影像特征。

1.5 構(gòu)建腫瘤影像特征的多基因標(biāo)簽

在預(yù)后標(biāo)志物發(fā)現(xiàn)數(shù)據(jù)集中建立影像特征與預(yù)后的關(guān)聯(lián)之后,基于87例包含DCE-MRI和腫瘤基因表達(dá)數(shù)據(jù)的數(shù)據(jù)集(TCGA Subgroup 1)構(gòu)建影像特征的多基因標(biāo)簽。首先通過皮爾遜相關(guān)來獲得與有預(yù)后價(jià)值的影像特征最相關(guān)的前100個(gè)基因,然后,使用elastic-net 回歸建立這100個(gè)基因特征與影像特征的回歸模型。

1.6 驗(yàn)證多基因標(biāo)簽的預(yù)后價(jià)值

在獨(dú)立驗(yàn)證數(shù)據(jù)集(TCGA Subgroup 2)中,我們通過測(cè)試影像特征多基因標(biāo)簽與總生存期和RFS的關(guān)聯(lián)性來評(píng)估其預(yù)后能力。

1.7 統(tǒng)計(jì)分析

我們使用Cox比例風(fēng)險(xiǎn)模型建立與總生存期或RFS相關(guān)的生存模型,Kaplan-Meier分析用于估計(jì)生存概率。在預(yù)后標(biāo)志物發(fā)現(xiàn)數(shù)據(jù)集,我們確定了影像特征的最優(yōu)閾值,這個(gè)閾值定義為使得生存分析中具有最小log-rankP值的截止點(diǎn)。風(fēng)險(xiǎn)比(HR)用于衡量Kaplan-Meier圖上不同組的存活率差異,還評(píng)估了HR的95%置信區(qū)間。采用log-rank檢驗(yàn)評(píng)價(jià)預(yù)后。在單因素分析中,使用Benjamini-Hochberg方法[25]來控制錯(cuò)誤發(fā)現(xiàn)率(FDR)。FDR的值小于0.05被認(rèn)為有統(tǒng)計(jì)學(xué)意義,在單因素和多因素分析中l(wèi)og-rankp小于0.05,認(rèn)為其有明顯的統(tǒng)計(jì)學(xué)意義。所有的統(tǒng)計(jì)分析都在Rversion 3.4.4中完成。

2 結(jié)果

2.1 腫瘤影像特征的預(yù)后評(píng)價(jià)

預(yù)后標(biāo)志物發(fā)現(xiàn)數(shù)據(jù)集中與RFS相關(guān)的13個(gè)腫瘤影像特征的預(yù)后表現(xiàn)如表2所示。

表2 13個(gè)定量DCE-MRI特征的預(yù)后表現(xiàn)

注：1注入造影劑前的DCE-MRI序列;2第三個(gè)增強(qiáng)DCE-MRI序列。

進(jìn)行FDR矯正后,只有1個(gè)影像特征,即逆差分達(dá)到了預(yù)先設(shè)定的顯著水平(correctedp<0.05)。進(jìn)一步在Kaplan-Meier分析中,確定了逆差分的最優(yōu)截止值為0.638,使不同組之間生存差異最大(log-rankp=0.004 7),如圖1(a)所示。13個(gè)影像特征的皮爾遜相關(guān)矩陣如圖1(b)所示。對(duì)6個(gè)互不相關(guān)的影像特征做Cox多元回歸分析,影像特征逆差分仍然與RFS具有最強(qiáng)的獨(dú)立關(guān)聯(lián)(p=0.034 4),結(jié)果如表3所示。

圖1 預(yù)后標(biāo)志物發(fā)現(xiàn)數(shù)據(jù)集的影像(n=61)

系數(shù)HR(95% CI for HR)p-value離心率0.411.51(0.89-2.54)0.125 5逆差分10.551.74(1.04-2.9)0.034 4和熵21.604.94(0.7-35.1)0.110 1非相似性2-2.380.09(0.006-1.38)0.084 2相關(guān)性1-0.060.94(0.56-1.56)0.808 2相關(guān)性2-2.040.13(0.01-1.24)0.076 6

注：預(yù)后標(biāo)志物發(fā)現(xiàn)數(shù)據(jù)集中的數(shù)據(jù)(n=61)

2.2 腫瘤影像特征的多基因標(biāo)簽

給定100個(gè)腫瘤表達(dá)基因,我們使用elastic-net 回歸建立影像特征的線性回歸模型。在TCGA Subgroup 1數(shù)據(jù)集上建立了逆差分影像特征的74基因標(biāo)簽R2為0.937。

2.3 驗(yàn)證腫瘤影像特征的預(yù)后價(jià)值

在獨(dú)立驗(yàn)證數(shù)據(jù)集(TCGA Subgroup 2)中使用74基因標(biāo)簽預(yù)測(cè)影像特征(逆差分)的值,使用預(yù)測(cè)得到的影像特征值把驗(yàn)證數(shù)據(jù)集的病人分成兩組,兩組病人在RFS(log-rankp=0.011)和OS(log-rankp=0.029)上都有顯著的差異如圖2所示。

圖2 獨(dú)立驗(yàn)證數(shù)據(jù)集中RFS和OS的Kaplan-Meier曲線

3 討論

DCE-MRI是臨床上檢查乳腺腫瘤最常用的影像學(xué)手段。除了在診斷中的潛在作用外,DCE-MRI的影像特征還與乳腺癌的治療療效、局部復(fù)發(fā)和生存[26-28]相關(guān),但是它們的生物學(xué)基礎(chǔ)卻知之甚少。本研究旨在通過整合影像和基因表達(dá)數(shù)據(jù)來闡明腫瘤定量DCE-MRI影像特征的預(yù)后能力。此外,我們構(gòu)建了腫瘤影像特征的74基因標(biāo)簽,并在超過 1 000 名患者的大型獨(dú)立乳腺癌數(shù)據(jù)集中確定了其對(duì)RFS和總生存期的預(yù)后價(jià)值。

預(yù)后標(biāo)志物的選擇對(duì)乳腺癌治療至關(guān)重要。一些研究已經(jīng)評(píng)估了基因表達(dá)特征對(duì)乳腺癌預(yù)后的預(yù)測(cè)效果[4,29]。這種分子方法有其局限性,比如:費(fèi)用大,需要侵入性手術(shù)或組織活檢,以及在取樣過程中,由于腫瘤內(nèi)部異質(zhì)性容易引起偏差[30-31]。此外,對(duì)于占乳腺癌約三分之一[32]的雌激素受體陰性患者,目前臨床上尚無有價(jià)值的預(yù)后基因標(biāo)簽。相比之下,DCE-MRI有較好的軟組織分辨率、豐富的圖像信息和無創(chuàng)性等優(yōu)點(diǎn),可以提供腫瘤的多方位信息,可能為分子分析提供有用的補(bǔ)充信息。Hui Li等發(fā)現(xiàn)DCE-MRI的影像特征對(duì)乳腺癌分子分型的預(yù)測(cè)有一定的價(jià)值[33],Elizabeth S等人的研究表明從MRI中提取的影像特征可以預(yù)測(cè)乳腺癌患者的病理分期和淋巴結(jié)狀態(tài)[34],但關(guān)于影像特征對(duì)乳腺癌預(yù)后有無預(yù)測(cè)價(jià)值的研究很少。

本研究對(duì)DCE-MRI的影像特征和乳腺癌預(yù)后的關(guān)聯(lián)性進(jìn)行了研究。首先在預(yù)后標(biāo)志物發(fā)現(xiàn)數(shù)據(jù)集中,通過Cox比例風(fēng)險(xiǎn)模型,確定了有潛在預(yù)后價(jià)值的影像特征;然后,基于87例包含動(dòng)態(tài)增強(qiáng)MR影像和腫瘤基因表達(dá)數(shù)據(jù)的數(shù)據(jù)集使用elastic-net回歸模型建立影像特征的74基因標(biāo)簽。最后,在獨(dú)立驗(yàn)證數(shù)據(jù)集中驗(yàn)證74基因標(biāo)簽的預(yù)后價(jià)值。這項(xiàng)研究的局限性包括其回顧性特點(diǎn),以及數(shù)據(jù)集樣本量較小。TCGA數(shù)據(jù)集包含了多機(jī)構(gòu)采集的數(shù)據(jù),這雖然增強(qiáng)了統(tǒng)計(jì)能力和外部有效性,但由于成像參數(shù)標(biāo)準(zhǔn)不一,它也引入了不確定性。另一個(gè)限制是TCGA數(shù)據(jù)集與預(yù)后標(biāo)志物發(fā)現(xiàn)數(shù)據(jù)集相比隨訪時(shí)間相對(duì)較短,可能會(huì)對(duì)最終的結(jié)果有影響。

目前我們的研究只是將影像特征和腫瘤的基因表達(dá)數(shù)據(jù)結(jié)合起來,建立了影像特征的多基因標(biāo)簽。將來可以對(duì)這個(gè)基因標(biāo)簽進(jìn)行轉(zhuǎn)錄水平上的研究,探究與影像特征相關(guān)的分子通路,從分子通路對(duì)應(yīng)的生物過程來進(jìn)一步證實(shí)定量的DCE-MRI影像特征在預(yù)測(cè)乳腺癌預(yù)后上的潛在臨床價(jià)值。盡管我們?cè)谝粋€(gè)較大的獨(dú)立驗(yàn)證數(shù)據(jù)集(TCGA Subgroup 2)中證實(shí)了影像特征多基因標(biāo)簽的預(yù)后價(jià)值,但是未來的研究應(yīng)該在同時(shí)包括影像和生存數(shù)據(jù)的數(shù)據(jù)集上直接驗(yàn)證影像特征對(duì)預(yù)后的價(jià)值。

4 結(jié)論

研究結(jié)果表明DCE-MRI定量的影像特征對(duì)乳腺癌的預(yù)后預(yù)測(cè)有潛在的價(jià)值,這些結(jié)果可能會(huì)為乳腺癌的臨床預(yù)防和治療策略提供信息。