目的 探讨基于DWI和动态增强MRI(DCE-MRI)的影像组学特征与乳腺癌分子分型的关系。 方法 回顾性分析广东省人民医院2015年6月至2016年6月,经手术病理证实为单发肿块型乳腺癌,获得乳腺癌分子分型,且行乳腺MRI扫描并获得DCE-MRI及ADC图像的79例患者。记录乳腺病灶MRI传统定量指标,包括ADC值和初始强化率(IER);对ADC图和DCE-MRI图上的病灶区进行手动分割并提取影像组学特征,降维后筛选出10个影像组学标签。对病理标本进行免疫组织化学检测,分为Luminal A型、Luminal B型、人表皮生长因子受体2(HER2)过表达型、三阴性(TN)型乳腺癌。采用单因素logistic回归分析,比较ADC值、IER值以及影像组学标签独立进行分子分型预测的效果;采用多因素logistic回归建模,并绘制ROC,计算ROC下面积(AUC),比较各模型的诊断效能;采用Hosmer-Lemeshow检验对模型的拟合优度进行检验。 结果 Luminal A型29例,Luminal B型39例,HER2过表达型5例,TN型6例。采用单因素logistic回归分析法对传统乳腺MRI参数ADC、IER值及所提取的10个影像组学标签在进行分子分型分类中的效果进行分析,ADC、IER值在鉴别各组的分子分型时,AUC值均<0.70(0.516~0.605),鉴别价值不大;鉴别各个分子分型时,至少有1个影像特征auc>0.70,其中DCE_L_G_2.5_autocorrelation鉴别TN的AUC最高(0.941)。行多因素logistic回归分析,获得了鉴别诊断的最佳模型,鉴别Luminal A和非Luminal A型、Luminal B和非Luminal B型、TN和非TN的最佳模型鉴别诊断的AUC分别为0.786、0.733和0.941,经Hosmer-Lemeshow检验,各模型P均>0.10(分别为0.156、0.204和0.820),说明所建立的各个模型的预测值与观测值之间差异无统计学意义,模型拟合效果较好。 讨论 基于DWI和DCE-MRI的影像组学特征则有助于鉴别乳腺癌的分子亚型,尤其是鉴别TN型乳腺癌具有较大价值。 0.70(0.516~0.605),鉴别价值不大;鉴别各个分子分型时,至少有1个影像特征auc>乳腺癌是最早建立分子分型的肿瘤,Perou等[1]首先通过基因表达谱研究了乳腺癌的分子分型,而后又提出应用免疫组织化学方法替代分子技术进行乳腺癌分子分型[2],目前乳腺癌的分子分型已广泛应用于临床实践中。乳腺MRI已广泛应用于乳腺癌的诊断和分析,其中动态增强MRI(dynamic contrast-enhancement magnetic resonance imaging,DCE-MRI)可提供乳腺病变的高分辨率形态信息及其增强特征,初始强化率(initial enhancement rate,IER)是DCE-MRI中的一个常用定量指标;DWI通过使用ADC值的定量分析,辅助乳腺良、恶性病变的鉴别诊断。然而,传统的ADC、DCE-MRI图像中隐含着许多肉眼无法直接观测的信息,这些图像纹理信息与肿瘤组织的显微结构、生物学特性等可能存在一定的关系。从海量的影像学特征中筛选出来的特征称为影像组学标签[3]。纹理分析(texture analysis,TA)作为一种图像分析的新技术,通过ROI的分割、特征提取与特征分析,可以定量或定性描述ROI中组织结构的某些特征[4]。笔者旨在探讨乳腺MRI传统定量参数(ADC值和IER值)以及影像组学特征在鉴别乳腺癌分子分型方面的价值。资料与方法
结果
讨论
参考文献(略) |
|
来自: zskyteacher > 《呼吸(包括心胸)》