10.12015/issn.1674-8034.2023.04.011
DCE-MRI影像特征对乳腺癌激素受体、HER-2及三阴性乳腺癌的预测价值
目的 探讨动态对比增强MRI(dynamic contrast-enhanced MRI,DCE-MRI)图像特征联合定量参数对乳腺癌激素受体、人表皮生长因子受体2(human epidermal growth factor receptor-2,HER-2)及三阴性乳腺癌(triple-negative breast cancer,TNBC)的预测价值.材料与方法 回顾性分析316例行乳腺MRI检查的乳腺癌患者的临床资料、DCE-MRI图像及定量参数,其中242例为训练组,74例为验证组.根据激素受体表达情况分为激素受体阳性组和阴性组;按照HER-2表达情况分为HER-2阳性组和HER-2阴性组;根据激素受体及HER-2表达状态分为TNBC和非三阴性乳腺癌组(non-triple-negative breast cancer,NTNBC).比较训练组中不同类型乳腺癌MRI图像特征及定量参数的差异,运用logistic回归联合部分影像征象及定量参数预测激素受体阳性、HER-2阳性与TNBC,构建出相应的列线图,利用验证组进行验证,采用受试者工作特征(receiver operator characteristic,ROC)曲线、校正曲线、决策曲线分析(decision curve analysis,DCA)评估预测模型效能.结果 训练组中病灶大小、形状、毛刺、内部强化特征(internal enhancement characteristics,IEC)、非肿块样强化(non-mass enhancement,NME)、子灶、周围血管增多、腋窝淋巴结肿大、乳头改变等乳腺DCE-MRI图像特征在乳腺癌不同免疫组化结果及分子亚型组间存在显著差异(P均<0.05),定量参数中血管外细胞外间隙容积比(volume fraction of extravascular extra vascular space,Ve)则是激素受体阳性组大于阴性组(P<0.001),而TNBC的Ve小于NTNBC(P<0.001).毛刺(P<0.001)、IEC(P=0.041)、NME(P=0.006)以及腋窝淋巴结肿大(P=0.029)可以鉴别激素受体阳性和阴性乳腺癌.训练组的曲线下面积(area under the curve,AUC)为0.746(95％CI:0.681～0.811),敏感度、特异度及准确度分别为82.8％、52.9％及72.3％.验证组的AUC为0.829(95％CI:0.730～0.926),敏感度、特异度及准确度分别为78.7％、74.1％及77.0％.肿块形状(P=0.050)、毛刺(P=0.016)、NME(P=0.013)及腋窝淋巴结肿大(P<0.001)与HER-2阳性乳腺癌显著相关,结合上述特征构建HER-2阳性乳腺癌预测模型的AUC为0.733(95％CI:0.665～0.800),敏感度、特异度及准确度分别为55.6％、82.0％及73.1％.验证组的AUC为0.649(95％CI:0.507～0.791),敏感度、特异度及准确度分别为63.6％、65.4％及64.9％.联合病灶大小(P=0.010)、乳头改变(P=0.016)及Ve(P=0.007)构建的TNBC预测模型,训练组的AUC为0.689(95％CI:0.600～0.779),敏感性、特异度及准确度分别为80.0％、52.5％及57.0％,验证组的预测模型AUC为0.794(95％CI:0.662～0.927),敏感度、特异度及准确度分别为86.7％、67.8％及71.6％.训练组及验证组中激素受体阳性、HER-2阳性及TNBC预测模型的校正曲线均表明模型的一致性较高.DCA曲线显示,在较大阈值范围内,使用该模型具有的净收益更高.结论 乳腺癌DCE-MRI的影像特征及定量参数与激素受体及HER-2表达状态相关,具备无创预测激素受体阳性、HER-2阳性及TNBC的潜力.
乳腺癌、三阴性乳腺癌、动态对比增强、磁共振成像、定量参数、激素受体、人类表皮生长因子受体2、预测模型
14
R445.2;R737.9(诊断学)
国家重点研发计划;重庆市卫生计生委医学科研项目
2023-05-11（万方平台首次上网日期，不代表论文的发表时间）
共11页
57-67
