基于超聲特征構(gòu)建機(jī)器學(xué)習(xí)模型預(yù)測(cè)浸潤(rùn)性乳腺癌Luminal分型

孫芳 許永波 崔廣和 李鑫焱 董景云 焦玉婷 唐麗瑋

濱州醫(yī)學(xué)院附屬醫(yī)院超聲醫(yī)學(xué)科（山東濱州 256600）

乳腺癌是女性發(fā)病率、死亡率最高的惡性腫瘤，近年來其發(fā)病率逐年增加［1］。乳腺癌屬于高度異質(zhì)性疾病，不同分子亞型的乳腺癌具有不同的生物學(xué)行為、治療方法及預(yù)后［2］。根據(jù)2019年《St.Gallen 國際乳腺癌治療專家共識(shí)》與《中國抗癌協(xié)會(huì)乳腺癌診治指南與規(guī)范（2019年版）》［3］，以雌激素受體（estrogen receptor，ER）、孕激素受體（progesterone receptor，PR）、人表皮生長(zhǎng)因子受體-2（human epidermal growth factor receptor-2，HER-2）和Ki-67 表達(dá)情況為依據(jù)，將乳腺癌分為四種分子亞型：Luminal A 型、Luminal B 型、HER-2 過表達(dá)型和三陰型［4］，其中前兩型為L(zhǎng)uminal 型，對(duì)內(nèi)分泌治療有效，總體預(yù)后良好，后兩型為非Luminal 型，對(duì)內(nèi)分泌治療無效且分化級(jí)別高、總體預(yù)后差［5］，臨床醫(yī)師會(huì)依據(jù)患者具體的分子亞型來確定治療方法。

目前臨床上對(duì)浸潤(rùn)性乳腺癌的分子分型主要是通過病理學(xué)檢查、免疫組織化學(xué)和焚光原位雜交檢測(cè)分析，均為有創(chuàng)性檢查，且由于腫瘤的異質(zhì)性，對(duì)取材標(biāo)本進(jìn)行的分子亞型評(píng)估可能不能代表整個(gè)腫瘤［6］。因此，目前需要一種無創(chuàng)的方法預(yù)測(cè)浸潤(rùn)性乳腺癌的Luminal 分型。機(jī)器學(xué)習(xí)作為人工智能的一個(gè)分支，能處理大量和多維數(shù)據(jù)，越來越多地被應(yīng)用于醫(yī)學(xué)領(lǐng)域，用于疾病的診斷、治療及預(yù)后，已在一定程度上超越了傳統(tǒng)統(tǒng)計(jì)學(xué)［7］。既往研究［8］顯示，機(jī)器學(xué)習(xí)在疾病的預(yù)測(cè)方面具有顯著優(yōu)勢(shì)。本文基于超聲特征構(gòu)建機(jī)器學(xué)習(xí)模型預(yù)測(cè)浸潤(rùn)性乳腺癌Luminal 分型，從而為臨床治療及預(yù)后評(píng)估提供參考依據(jù)。

1 資料與方法

1.1 研究對(duì)象回顧性分析2015年1月至2020年12月于濱州醫(yī)學(xué)院附屬醫(yī)院乳腺外科529 例經(jīng)術(shù)后病理證實(shí)為浸潤(rùn)性乳腺癌患者的超聲聲像圖特征及免疫組化特征，根據(jù)免疫組化特征將患者分為L(zhǎng)uminal組356例和非Luminal 組173例。平均發(fā)病年齡（40.33±8.01）歲，絕經(jīng)前患者343 例（343/529,64.7%）。記錄患者的發(fā)病年齡和月經(jīng)狀態(tài)。納入標(biāo)準(zhǔn)：（1）術(shù)前1 周均行超聲檢查，圖像清晰可查；（2）術(shù)后病理均為浸潤(rùn)性乳腺癌，并行免疫組化檢查；（3）首發(fā)單發(fā)患者，術(shù)前未行化療和放療等治療；（4）無其他惡性腫瘤病史。本研究已獲本院倫理委員會(huì)批準(zhǔn)，患者均知情同意。

1.2 超聲儀器與圖像分析所有患者術(shù)前一周均行超聲檢查，超聲儀器包括LOGIQ E9、RS80A、Mylab Twice、SuperSonic Imagine AixPlorer 等，探頭頻率為4～15 MHz。由工作十年以上的超聲醫(yī)師分析結(jié)節(jié)特征，根據(jù)第五版乳腺影像報(bào)告和數(shù)據(jù)系統(tǒng)（Breast Imaging Reporting and Data System，BIRADS）超聲影像詞典［9］記錄結(jié)節(jié)的超聲特征，包括大小、位置、形狀、方向、邊緣、內(nèi)部回聲、后方回聲、鈣化類型等。大小根據(jù)腫物的最大徑線分為0 ～2 cm、2 ～4 cm、＞4 cm；位置分為內(nèi)上象限、外上象限、內(nèi)下象限、外下象限、乳暈區(qū)五類；形狀分為圓形、橢圓形、不規(guī)則形三類；根據(jù)與皮膚的關(guān)系，方向分為平行生長(zhǎng)、垂直生長(zhǎng)兩類；邊緣分為光整、不光整（模糊、毛刺、成角、微分葉）；內(nèi)部回聲分為無回聲、低回聲、等回聲或高回聲、混合性回聲；后方回聲分為無變化、增強(qiáng)、衰減、混合型四類；鈣化類型分為無鈣化、結(jié)節(jié)內(nèi)鈣化、結(jié)節(jié)外鈣化和導(dǎo)管內(nèi)鈣化四類。

1.3 免疫組化特征所有術(shù)后標(biāo)本均進(jìn)行HE 染色和免疫組化檢查，根據(jù)美國臨床腫瘤學(xué)會(huì)/美國病理學(xué)家學(xué)會(huì)指南［10］進(jìn)行檢測(cè)，檢測(cè)指標(biāo)包括ER、PR、HER-2 及Ki-67。ER、PR 表達(dá)情況根據(jù)腫瘤細(xì)胞核著色情況進(jìn)行判定，陽性定義為至少≥1%的腫瘤細(xì)胞染色［11］。根據(jù)免疫組織化學(xué)及熒光原位雜交技術(shù)檢測(cè)對(duì)HER-2 表達(dá)情況進(jìn)行判定，結(jié)果分為-、+、++、+++，-、+為陰性，++、+++為陽性。Ki-67 表達(dá)以細(xì)胞核內(nèi)出現(xiàn)棕黃色顆粒百分?jǐn)?shù)進(jìn)行計(jì)數(shù)，將Ki-67 陽性細(xì)胞數(shù)≤14%視為低表達(dá)。按照2013年St.Gallen 乳腺癌會(huì)議［12］對(duì)乳腺癌分子亞型的定義如下：Luminal A 型為ER 陽性/PR 陽性，HER-2 陽性，Ki-67 ＜14%；Luminal B 型為ER 陽性/PR 陽性，HER-2 陰性，Ki-67 ≥14%或者ER 陽性/PR 陽性，HER-2 陽性，Ki-67 任何水平；HER-2 過渡表達(dá)型為ER 陰性、PR 陰性、HER-2 陽性，Ki-67 任何水平；三陰型為ER 陰性、PR 陰性、HER-2 陰性，Ki-67 任何水平。

1.4 模型建立與驗(yàn)證SPSS Modeler18.0統(tǒng)計(jì)軟件，由軟件自動(dòng)隨機(jī)選擇所有樣本的70%（共370 例）作為訓(xùn)練隊(duì)列，分別使用logistic 回歸分析、支持向量機(jī)（support vector machine，SVM）、貝葉斯網(wǎng)絡(luò)、隨機(jī)森林、決策樹等5 個(gè)分類器構(gòu)建模型，將剩余30%的樣本（共159 例）作為驗(yàn)證隊(duì)列對(duì)模型進(jìn)行驗(yàn)證。采用模型原始傾向評(píng)分的受試者工作特征曲線（receiver operating characteristics，ROC）曲線下的面積（area under the curve，AUC）來評(píng)估不同模型的診斷效能。以SVM 為例，篩選預(yù)測(cè)重要變量，對(duì)各個(gè)變量重要性進(jìn)行定量評(píng)分。

1.5 統(tǒng)計(jì)學(xué)方法應(yīng)用SPSS Statistics 25.0 軟件，計(jì)量資料以均數(shù)±標(biāo)準(zhǔn)差描述，使用Kolmogorov-Smirnov 檢驗(yàn)正態(tài)性分布，使用獨(dú)立樣本t檢驗(yàn)比較組間差異；計(jì)數(shù)資料以例（%）表示，采用χ2檢驗(yàn)比較組間差異。應(yīng)用MedCalc 軟件，采用模型原始傾向評(píng)分的ROC 的AUC，比較5 種模型訓(xùn)練隊(duì)列和驗(yàn)證隊(duì)列的預(yù)測(cè)效能，并使用De-long 方法對(duì)5 種模型的預(yù)測(cè)效能進(jìn)行對(duì)比。

2 結(jié)果

2.1 訓(xùn)練隊(duì)列及驗(yàn)證隊(duì)列的臨床特征及超聲特征訓(xùn)練隊(duì)列包括Luminal 型249 例和非Luminal型121 例，臨床特征如下：平均發(fā)病年齡（42.48 ±10.21）歲，絕經(jīng)前患者248 例（248/370，66.8%）；驗(yàn)證隊(duì)列包括Luminal 型107 例和非Luminal 型52例，臨床特征如下：平均發(fā)病年齡（41.90 ± 10.33）歲，絕經(jīng)前患者95 例（95/159，59.7%）。比較總隊(duì)列、訓(xùn)練隊(duì)列和驗(yàn)證隊(duì)列患者一般信息及超聲特征，差異均無統(tǒng)計(jì)學(xué)意義（均P＞0.05）。

2.2 5 種機(jī)器學(xué)習(xí)模型的預(yù)測(cè)能力在訓(xùn)練隊(duì)列中，logistic 回歸分析、SVM、貝葉斯網(wǎng)絡(luò)、隨機(jī)森林、決策樹預(yù)測(cè)能力比較，logistic 回歸分析與SVM有較高的預(yù)測(cè)能力，使用De-long 方法與其他模型對(duì)比，logistic 回歸分析與SVM 的預(yù)測(cè)能力高于其他模型，差異有統(tǒng)計(jì)學(xué)意義（均P＜0.05）。同樣，在驗(yàn)證隊(duì)列中，5 種模型預(yù)測(cè)能力比較，logistic 回歸分析與SVM 預(yù)測(cè)能力最高，與其他模型相比，差異有統(tǒng)計(jì)學(xué)意義（均P＜0.05，圖1、表1）。

表1 5 種模型在訓(xùn)練隊(duì)列和驗(yàn)證隊(duì)列中預(yù)測(cè)能力的AUC 比較Tab.1 AUC comparison of the predictive abilitity of the five models in the training cohort and the validation cohort ±s

表1 5 種模型在訓(xùn)練隊(duì)列和驗(yàn)證隊(duì)列中預(yù)測(cè)能力的AUC 比較Tab.1 AUC comparison of the predictive abilitity of the five models in the training cohort and the validation cohort ±s

模型決策樹貝葉斯網(wǎng)絡(luò)SVM Logistic隨機(jī)森林訓(xùn)練隊(duì)列AUC±SE 0.717±0.037 0.765±0.034 0.843±0.025 0.854±0.024 0.721±0.035 95%CI 0.668 ～0.762 0.718 ～0.807 0.802 ～0.878 0.814 ～0.888 0.673 ～0.766驗(yàn)證隊(duì)列AUC±SE 0.720±0.048 0.671±0.051 0.865±0.039 0.846±0.036 0.790±0.040 95%CI 0.643 ～0.788 0.592 ～0.743 0.802 ～0.914 0.781 ～0.899 0.718 ～0.850

圖1 5 種模型對(duì)浸潤(rùn)性乳腺癌Luminal 分型預(yù)測(cè)能力的ROC 比較Fig.1 5 models for Luminal type in the training cohort and the validation cohort，respectively

2.3 預(yù)測(cè)變量的重要性使用SVM 模型進(jìn)行預(yù)測(cè)變量重要性分析，在所有預(yù)測(cè)變量中，影響Luminal分型的最重要的三個(gè)因素分別為結(jié)節(jié)大小、邊緣、鈣化，變量相對(duì)重要性見圖2。使用SVM 建模示例：圖3 所示患者，女，年齡39 歲，絕經(jīng)前，左乳外上象限單發(fā)病灶，最大直徑1.5 cm，形狀不規(guī)則，邊緣呈毛刺征，結(jié)節(jié)內(nèi)見微鈣化，后方回聲衰減。Moderler SVM 建模，Luminal 型概率為0.867，術(shù)后免疫組化為L(zhǎng)uminal A 型。

圖2 使用SVM 分析各預(yù)測(cè)變量重要性Fig.2 Analyze the importance of predictive variables using SVM

圖3 使用SVM 建模舉例Fig.3 An example using SVM to construt the predictive modle

3 討論

乳腺癌的高度異質(zhì)性決定了其分子分型在乳腺癌診斷及治療中的作用［13］，因此通過無創(chuàng)的方法盡可能準(zhǔn)確地判斷乳腺癌的Luminal 分型對(duì)于臨床醫(yī)師的診療具有至關(guān)重要的意義。機(jī)器學(xué)習(xí)作為人工智能的分支，主要包括logistic 回歸分析、SVM、神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、決策樹、隨機(jī)森林等分類器，通過大量高維復(fù)雜數(shù)據(jù)建立模型，可以消除觀察者的主觀差異［14］，近幾年在醫(yī)學(xué)領(lǐng)域的應(yīng)用越來越廣泛［15］，很多學(xué)者研究［16］表明機(jī)器學(xué)習(xí)可以用來研究疾病的診斷及治療預(yù)后。目前尚未有研究基于原發(fā)灶超聲特征建立機(jī)器學(xué)習(xí)模型預(yù)測(cè)浸潤(rùn)性乳腺癌Luminal 分型。本研究回顧性分析了529 例浸潤(rùn)性乳腺癌患者的原發(fā)灶超聲聲像圖特征，基于logistic 回歸分析、SVM、貝葉斯網(wǎng)絡(luò)、決策樹、隨機(jī)森林等建立機(jī)器學(xué)習(xí)模型預(yù)測(cè)浸潤(rùn)性乳腺癌的Luminal 分型，得出SVM 與logistic 回歸分析具有較高的預(yù)測(cè)價(jià)值，影響Luminal 分型的最重要的三個(gè)因素分別為結(jié)節(jié)大小、邊緣、鈣化。

本研究選取了logistic 回歸分析、SVM、貝葉斯網(wǎng)絡(luò)、決策樹、隨機(jī)森林等5 種機(jī)器學(xué)習(xí)模型，結(jié)果顯示，在訓(xùn)練隊(duì)列和驗(yàn)證隊(duì)列中，SVM 與logistic回歸分析均具有較高的預(yù)測(cè)能力。SHE 等［16］建立機(jī)器學(xué)習(xí)模型預(yù)測(cè)孤立性肺結(jié)節(jié)的良惡性，同樣得出SVM 與logistic 回歸分析均具有較高的預(yù)測(cè)能力。logistic 回歸模型是一種廣義的線性模型，屬于數(shù)據(jù)挖掘中最基本的模型，已廣泛用于疾病的病因診斷、預(yù)后及危險(xiǎn)因素分析［17-18］。SVM作為典型的機(jī)器學(xué)習(xí)模型，與logistic 回歸分析原理不同，logistic 回歸分析使用加權(quán)最小二乘算法，而SVM 使用結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則，可直接找到最佳截?cái)嗥矫?，最大程度地減少常見的分類錯(cuò)誤［19］。因此，在分類問題中，SVM 通常表現(xiàn)出與logistic 回歸分析具有相同或更高的性能。而其他模型，決策樹通過“是”與“否”進(jìn)行數(shù)據(jù)分類，僅適用于小規(guī)模數(shù)據(jù)；而神經(jīng)網(wǎng)絡(luò)主要處理非線性數(shù)據(jù)，且需要大量的參數(shù)。

使用SVM 模型分析各預(yù)測(cè)變量重要性，得出影響Luminal 分型的最重要的三個(gè)因素分別為結(jié)節(jié)大小、邊緣、鈣化。根據(jù)腫瘤TNM 分期，癌灶越大，惡性程度越高，Luminal 型乳腺癌的腫瘤體積一般較非Luminal 型的體積小，預(yù)后及分化情況良好。既往研究表明Luminal 型乳腺癌多出現(xiàn)形狀不規(guī)則、邊緣毛刺、縱向生長(zhǎng)等特征［20-21］，與本研究結(jié)果基本一致。腫瘤邊緣不光整（微分葉、成角或毛刺）代表腫瘤侵襲性生長(zhǎng)及快速增長(zhǎng)，此外，腫瘤邊緣的不光整可能會(huì)使腫瘤細(xì)胞以不同的生長(zhǎng)速率侵犯周圍組織，導(dǎo)致高基質(zhì)反應(yīng)和纖維結(jié)締組織增生，這是一種早期保護(hù)機(jī)制，可以在一定程度上限制癌細(xì)胞的擴(kuò)散。三陰性乳腺癌多形狀規(guī)則、邊緣規(guī)整［21］，不伴有微鈣化，可能與其呈擠壓式生長(zhǎng)，周圍組織增生反應(yīng)較輕有關(guān)。

本研究尚存在一定的局限性，所選取的患者為單中心沿海地區(qū)患者，有一定的選擇偏倚，且相對(duì)于以往數(shù)據(jù)挖掘研究，本研究樣本量較少，下一步需擴(kuò)大樣本量，同時(shí)進(jìn)行多中心研究；其次，本研究的超聲特征由超聲醫(yī)師讀取，未來的研究可使用機(jī)器學(xué)習(xí)模型直接從超聲影像中提取特征進(jìn)行研究。

綜上所述，本研究結(jié)果顯示機(jī)器學(xué)習(xí)模型可用來預(yù)測(cè)浸潤(rùn)性乳腺癌Luminal 分型，SVM 與logistic回歸分析具有較高的預(yù)測(cè)性能，影響Luminal 分型的最重要的三個(gè)因素分別為結(jié)節(jié)大小、邊緣、鈣化，從而為臨床乳腺癌Luminal 分型提供診斷依據(jù)。對(duì)于大量高維數(shù)據(jù)，期望SVM 數(shù)據(jù)挖掘方法可以作為傳統(tǒng)的logistic 回歸分析有效替代方法，以更準(zhǔn)確和及時(shí)的方式識(shí)別關(guān)鍵變量，從而為臨床治療提供指導(dǎo)。