论文部分内容阅读
目的:探讨利用乳腺动态增强MRI的纹理特征建立数学模型是否能够预测乳腺癌患者新辅助化疗(NAC)后的病理完全缓解(p CR)。方法:在2015年11月至2020年2月之间,这项回顾性研究包括66例接受了NAC并随后接受乳腺癌手术的患者(平均年龄50.3岁;范围29-66岁),其中NAC后行保乳手术13例,乳房全切术53例。在NAC之前、NAC中期(根据化疗方案确定,NAC治疗3或4个周期后),用3.0T MR成像对肿瘤进行监测。通过使用纹理分析研究软件,在T2WI,增强的T1WI,弥散加权图像(DWI)和表观弥散系数(ADC)图在治疗前和治疗中期进行纹理分析。应用随机森林方法建立预测模型,以纹理参数对p CR响应者进行分类。使用5折交叉验证方法,通过ROC曲线下的面积(AUC)来评估预测p CR的性能。结果:新辅助化疗后66例患者中有18例(27.3%)达到了p CR。患者新辅助化疗后是否达p CR,与患者的HER-2状态、是否接受新辅助靶向治疗、淋巴结转移情况相关,与患者年龄、具体化疗方案选择、是否为三阴性乳腺癌、患者的手术方式无关。随机森林分类器在NAC治疗前-中期ADC的变化上显示的诊断性能最低(AUC=0.50;置信区间95%,范围0.43,0.61),在NAC中期增强的T1WI图像上诊断性能最高(AUC=0.82;置信区间95%,范围0.73-0.87)。对于乳腺癌患者新辅助化疗后的病理完全缓解的预测,将其他图像的AUC值与中期增强T1WI的AUC中位值相比,NAC中期增强T1WI图像上诊断性能最优(置信区间:95%,P值均<0.05)。在NAC中期增强T1WI图像建立的随机森林模型上,按照特征重要性进行排序,含有在TOP3、6、9、12、15和17个特征与含有全部特征的RF模型诊断性能无差异(置信区间:95%,P值均>0.05)。在NAC中期增强T1WI图像上建模,随机森林分类器(AUC=0.82,置信区间95%,范围:0.73-0.87),k最近邻(AUC=0.79,置信区间95%,范围0.71-0.84),朴素贝叶斯分类器(AUC=0.75,置信区间95%,范围0.64-0.83),自适应提升法(AUC=0.75,置信区间95%,范围0.66-0.82),决策树分类器(AUC=0.70,置信区间95%,范围0.60-0.75)。随机森林分类器显示了更好地诊断性能。结论:NAC治疗中期增强的T1WI图像的纹理参数对NAC后pCR的早期预测具有重要意义。