论文部分内容阅读
目的：探讨对比增强T1加权成像(contrast enhanced T1-weighted imaging,T1+C)的影像组学特征在浸润性乳腺癌三阴性与非三阴性亚型中的鉴别价值，为临床治疗提供无创的影像学预测标记。
方法：回顾性收集2018年1月-2020年12月在我院行磁共振检查且确诊为浸润性乳腺癌的199例患者，分析总结其临床病理资料及病灶形态、强化特点、时间-信号强度曲线类型等一般影像学特征。将患者按7:3的比例划分训练集（138例）和测试集（61例），比较训练集和测试集患者临床病理资料的组间差异。在训练集中对临床病理特征和一般影像学特征进行单因素Logistic回归分析，筛选P＜0.1的变量纳入后续分析。由2位医师利用影像组学专用软件A.K.勾画容积感兴趣区，提取动态增强早期时相图像的影像组学特征，采用组内相关系数（Intraclass correlation coefficient,ICC）分析观察者间一致性，保留ICC＞0.75的特征。在训练集中使用方差选择法、Spearman相关分析、最大相关最小冗余法及最小绝对收缩和选择算子逻辑回归筛选特征。分别建立基于影像组学特征、临床因素的广义线性回归模型，模型使用向后逐步回归分析，依据赤池信息量准则进一步筛选变量，根据最终模型中各变量的加权系数计算模型得分。用影像组学模型得分和单因素分析筛选出的临床因素建立联合预测模型，并计算相应得分。采用独立样本t检验或Mann-Whitney U检验比较得分的组间差异。采用受试者工作特性曲线（Receiver operating characteristic curve,ROC）和Hosmer-Lemeshow检验分析两个数据集内各模型的区分度和校准度，计算ROC曲线的曲线下面积（Area under the curve,AUC）、敏感度、特异度、诊断准确率、阳性预测值（Positive predictive value,PPV）和阴性预测值（Negative predictive value,NPV）。使用Delong检验比较各模型AUC的差异。采用决策曲线分析法（Decision curve analysis,DCA）评估模型净收益，以指导临床决策。
结果：1.199例患者中位年龄49岁，年龄范围19~75岁。87例患者已绝经，112例未绝经。分子亚型结果：Luminal A型21例，Luminal B型77例，HER2过表达型54例，三阴性型47例。训练集中三阴性型32例，非三阴性型106例，测试集中三阴性型15例，非三阴性型46例。训练集和测试集临床资料（年龄、月经状态、免疫组化标志物状态）组间比较差异均无统计学意义。单因素Logistic回归分析显示训练集中年龄（OR=0.484,95%CI:0.213-1.108,P=0.083）、Ki-67的表达状态（OR=4.765,95%CI:1.553-20.853,P=0.015）、病灶内部强化特点（不均匀强化：OR=3.795,95%CI:0.705-70.54,P=0.209/环形强化：OR=18.75,95%CI:2.846-377.238,P=0.01）在组间差异有统计学意义（P＜0.1）。2.从训练集每位患者共提取1316个影像组学特征，通过筛选得到1个原始图像纹理特征、2个小波一阶特征、1个小波纹理特征、1个基于高斯滤波器的拉普拉斯算子纹理特征纳入影像组学模型；年龄（OR=0.482,95%CI:0.198-1.18,P=0.107）、Ki-67表达状态（OR=4.055,95%CI:1.238-18.552,P=0.037）、病灶内部强化特点（不均匀强化：OR=2.729,95%CI:0.455-52.502,P=0.36/环形强化：OR=12.97,95%CI:1.768-271.956,P=0.029）3个变量纳入临床预测模型；影像组学得分（OR=2.879,95%CI:1.757-5.181,P＜0.001）、年龄（OR=0.408,95%CI:0.153-1.069,P=0.068）、Ki-67表达状态（OR=8.144,95%CI:2.124-54.164,P=0.008）3个变量纳入联合预测模型。在训练集和测试集中影像组学得分、临床得分及联合得分的组间比较均有统计学差异。训练集中影像组学模型的AUC为0.762（95%CI:0.666-0.858）、敏感度71.9%、特异度73.6%、准确率73.2%；临床预测模型的AUC为0.747（95%CI:0.656-0.837）、敏感度59.4%、特异度79.2%、准确率74.6%；联合预测模型的AUC为0.830（95%CI:0.747-0.914）、敏感度71.9%、特异度84.9%、准确率81.9%。测试集中影像组学模型的AUC为0.743（95%CI:0.593-0.894）、敏感度60.0%、特异度65.2%、准确率63.9%；临床预测模型的AUC为0.696（95%CI:0.535-0.857）、敏感度53.3%、特异度67.4%、准确率63.9%；联合预测模型的AUC为0.755(95%CI:0.610-0.900)、敏感度60.0%、特异度73.9%、准确率70.5%。模型AUC组间比较训练集中仅联合预测模型与临床预测模型差异有统计学意义（P=0.015），而联合预测模型与影像组学模型比较的P值为0.051，较接近显著性水平，而测试集中各模型AUC差异均无统计学意义。Hosmer-Lemeshow检验表明训练集和测试集各模型拟合均较好（P＞0.05）。决策曲线分析结果表明，训练集中联合预测模型在较大阈值概率范围内的净获益更高，测试集中阈值概率较小时联合预测模型和影像组学模型的净获益相当，阈值概率较大时影像组学模型的净获益略高于联合预测模型。
结论：T1WI增强序列的影像组学得分联合Ki-67、年龄2个临床因素建立的联合预测模型能用于三阴性和非三阴性乳腺癌的鉴别诊断，在训练集和测试集中均有较好的诊断效能。影像组学模型和联合预测模型均具有一定的临床实用价值，提示影像组学特征联合临床因素用于非侵袭性预测浸润性乳腺癌分子亚型具有可行性，但联合预测模型的价值是否高于影像组学模型需增加样本量、规范研究条件进一步探讨。
方法：回顾性收集2018年1月-2020年12月在我院行磁共振检查且确诊为浸润性乳腺癌的199例患者，分析总结其临床病理资料及病灶形态、强化特点、时间-信号强度曲线类型等一般影像学特征。将患者按7:3的比例划分训练集（138例）和测试集（61例），比较训练集和测试集患者临床病理资料的组间差异。在训练集中对临床病理特征和一般影像学特征进行单因素Logistic回归分析，筛选P＜0.1的变量纳入后续分析。由2位医师利用影像组学专用软件A.K.勾画容积感兴趣区，提取动态增强早期时相图像的影像组学特征，采用组内相关系数（Intraclass correlation coefficient,ICC）分析观察者间一致性，保留ICC＞0.75的特征。在训练集中使用方差选择法、Spearman相关分析、最大相关最小冗余法及最小绝对收缩和选择算子逻辑回归筛选特征。分别建立基于影像组学特征、临床因素的广义线性回归模型，模型使用向后逐步回归分析，依据赤池信息量准则进一步筛选变量，根据最终模型中各变量的加权系数计算模型得分。用影像组学模型得分和单因素分析筛选出的临床因素建立联合预测模型，并计算相应得分。采用独立样本t检验或Mann-Whitney U检验比较得分的组间差异。采用受试者工作特性曲线（Receiver operating characteristic curve,ROC）和Hosmer-Lemeshow检验分析两个数据集内各模型的区分度和校准度，计算ROC曲线的曲线下面积（Area under the curve,AUC）、敏感度、特异度、诊断准确率、阳性预测值（Positive predictive value,PPV）和阴性预测值（Negative predictive value,NPV）。使用Delong检验比较各模型AUC的差异。采用决策曲线分析法（Decision curve analysis,DCA）评估模型净收益，以指导临床决策。
结果：1.199例患者中位年龄49岁，年龄范围19~75岁。87例患者已绝经，112例未绝经。分子亚型结果：Luminal A型21例，Luminal B型77例，HER2过表达型54例，三阴性型47例。训练集中三阴性型32例，非三阴性型106例，测试集中三阴性型15例，非三阴性型46例。训练集和测试集临床资料（年龄、月经状态、免疫组化标志物状态）组间比较差异均无统计学意义。单因素Logistic回归分析显示训练集中年龄（OR=0.484,95%CI:0.213-1.108,P=0.083）、Ki-67的表达状态（OR=4.765,95%CI:1.553-20.853,P=0.015）、病灶内部强化特点（不均匀强化：OR=3.795,95%CI:0.705-70.54,P=0.209/环形强化：OR=18.75,95%CI:2.846-377.238,P=0.01）在组间差异有统计学意义（P＜0.1）。2.从训练集每位患者共提取1316个影像组学特征，通过筛选得到1个原始图像纹理特征、2个小波一阶特征、1个小波纹理特征、1个基于高斯滤波器的拉普拉斯算子纹理特征纳入影像组学模型；年龄（OR=0.482,95%CI:0.198-1.18,P=0.107）、Ki-67表达状态（OR=4.055,95%CI:1.238-18.552,P=0.037）、病灶内部强化特点（不均匀强化：OR=2.729,95%CI:0.455-52.502,P=0.36/环形强化：OR=12.97,95%CI:1.768-271.956,P=0.029）3个变量纳入临床预测模型；影像组学得分（OR=2.879,95%CI:1.757-5.181,P＜0.001）、年龄（OR=0.408,95%CI:0.153-1.069,P=0.068）、Ki-67表达状态（OR=8.144,95%CI:2.124-54.164,P=0.008）3个变量纳入联合预测模型。在训练集和测试集中影像组学得分、临床得分及联合得分的组间比较均有统计学差异。训练集中影像组学模型的AUC为0.762（95%CI:0.666-0.858）、敏感度71.9%、特异度73.6%、准确率73.2%；临床预测模型的AUC为0.747（95%CI:0.656-0.837）、敏感度59.4%、特异度79.2%、准确率74.6%；联合预测模型的AUC为0.830（95%CI:0.747-0.914）、敏感度71.9%、特异度84.9%、准确率81.9%。测试集中影像组学模型的AUC为0.743（95%CI:0.593-0.894）、敏感度60.0%、特异度65.2%、准确率63.9%；临床预测模型的AUC为0.696（95%CI:0.535-0.857）、敏感度53.3%、特异度67.4%、准确率63.9%；联合预测模型的AUC为0.755(95%CI:0.610-0.900)、敏感度60.0%、特异度73.9%、准确率70.5%。模型AUC组间比较训练集中仅联合预测模型与临床预测模型差异有统计学意义（P=0.015），而联合预测模型与影像组学模型比较的P值为0.051，较接近显著性水平，而测试集中各模型AUC差异均无统计学意义。Hosmer-Lemeshow检验表明训练集和测试集各模型拟合均较好（P＞0.05）。决策曲线分析结果表明，训练集中联合预测模型在较大阈值概率范围内的净获益更高，测试集中阈值概率较小时联合预测模型和影像组学模型的净获益相当，阈值概率较大时影像组学模型的净获益略高于联合预测模型。
结论：T1WI增强序列的影像组学得分联合Ki-67、年龄2个临床因素建立的联合预测模型能用于三阴性和非三阴性乳腺癌的鉴别诊断，在训练集和测试集中均有较好的诊断效能。影像组学模型和联合预测模型均具有一定的临床实用价值，提示影像组学特征联合临床因素用于非侵袭性预测浸润性乳腺癌分子亚型具有可行性，但联合预测模型的价值是否高于影像组学模型需增加样本量、规范研究条件进一步探讨。