|
众所周知，对于同一类型的乳腺癌，不同患者的乳腺肿瘤各不相同，例如同样是三阴性乳腺癌患者，即使住在同一个病房的张阿姨、王阿姨、李阿姨、赵阿姨……她们的乳腺肿瘤可能完全不同，需要不同的治疗方法，不能只见森林不见树木，这就是我们常说的肿瘤间异质性。不过，就像同一片森林分布着不同的树木，即使同一患者的同一乳腺肿瘤，不同部位也可能分布不同的乳腺肿瘤细胞，不能只见树木不见森林，这就是我们常说的肿瘤内异质性，而病理活检和病理切片只能反映活检局部和切片部分的病理特征，无法准确反映整个乳腺肿瘤的病理特征，这就容易误导治疗，造成治疗失败和疾病复发。毛主席的《矛盾论》就曾经提到：只看见局部，不看见全体，只看见树木，不看见森林，这样是不能找出解决矛盾的方法的，是不能完成革命任务的，是不能做好所任工作的。此外，病理检查虽然是金标准，但是存在创伤性，也不太可能多次进行、动态监测。 2023年10月6日，美国科学促进会《科学》旗下《科学进展》在线发表复旦大学苏冠华①、肖毅①、尤超①、郑忍成①、赵珅①、孙诗昀、周嘉音、蔺璐奕、王鹤📧、邵志敏📧、顾雅佳📧、江一舟📧等学者的研究报告，该研究在国家自然科学基金重大研究计划的支持下，乳腺外科、影像诊断、人工智能等多个团队深度合作，建立了大型多中心影像多组学数据库，通过提取高通量特征将影像转化为数码矩阵，进而关联分子特征和临床预后因素，开发了实现肿瘤内异质性“无创可视化”的新方法，系统揭示了影像多组学肿瘤内异质性的预后价值和生物学本质，有望构建全面无创评估和精准靶向治疗的临床实践新模式。该研究是复旦大学三阴性乳腺癌影像多组学成果发表之后，进一步将影像多组学研究扩展至全部乳腺癌的重要研究。 该研究首先利用复旦大学附属肿瘤医院711例、美国杜克大学641例、美国癌症基因组图谱122例乳腺癌患者的动态对比增强磁共振成像和临床、病理、基因组数据，建立了大型多中心乳腺癌影像多组学数据库。随后对肿瘤内影像直方图特征和纹理特征、全外显子组测序、转录组测序、拷贝数变异、代谢组学、苏木精伊红染色数字化病理图像、治疗方案和长期随访结果进行大数据分析。最后根据患者影像组学特征表达模式不同，通过人工智能相似网络融合算法将乳腺癌分为肿瘤内影像组学异质性高、低两组，根据长期随访的乳腺癌临床数据，发现肿瘤内影像组学异质性高的患者无复发生存率和总生存率都显著较低（对数秩P值均为0.004）。根据多组学数据匹配，该研究证实影像组学、基因组学和组织病理学评定的肿瘤内异质性一致，揭示了肿瘤内影像组学异质性高的患者致癌基因通路激活和代谢失调，并对铁死亡靶向治疗可能敏感。该研究关键结论均在外部独立数据库中得到验证。 肿瘤内影像组学异质性高的乳腺癌对铁死亡靶向治疗敏感 因此，该研究结果表明，根据多组学匹配的大型影像组学数据库全面解析乳腺癌患者肿瘤内影像组学异质性特征、多维度论证影像组学方法，能够可靠地分析肿瘤内异质性，并深入探索其生物学基础，为临床实践提供了肿瘤异质性无创评估和个体化精准靶向治疗策略探索的新思路。Sci Adv. 2023 Oct 6;9(40):eadf0837. IF: 13.6Radiogenomic-based multiomic analysis reveals imaging intratumor heterogeneity phenotypes and therapeutic targets.Su GH, Xiao Y, You C, Zheng RC, Zhao S, Sun SY, Zhou JY, Lin LY, Wang H, Shao ZM, Gu YJ, Jiang YZ.Fudan University Shanghai Cancer Center, Shanghai Medical College, Fudan University, Shanghai, China; Institute of Science and Technology for Brain-inspired Intelligence, Fudan University, Shanghai, China.Intratumor heterogeneity (ITH) profoundly affects therapeutic responses and clinical outcomes. However, the widespread methods for assessing ITH based on genomic sequencing or pathological slides, which rely on limited tissue samples, may lead to inaccuracies due to potential sampling biases. Using a newly established multicenter breast cancer radio-multiomic dataset (n = 1474) encompassing radiomic features extracted from dynamic contrast-enhanced magnetic resonance images, we formulated a noninvasive radiomics methodology to effectively investigate ITH. Imaging ITH (IITH) was associated with genomic and pathological ITH, predicting poor prognosis independently in breast cancer. Through multiomic analysis, we identified activated oncogenic pathways and metabolic dysregulation in high-IITH tumors. Integrated metabolomic and transcriptomic analyses highlighted ferroptosis as a vulnerability and potential therapeutic target of high-IITH tumors. Collectively, this work emphasizes the superiority of radiomics in capturing ITH. Furthermore, we provide insights into the biological basis of IITH and propose therapeutic targets for breast cancers with elevated IITH.DOI: 10.1126/sciadv.adf0837
|
