*僅供醫學專業人士閱讀參考

多參數MRI影像組學模型或可有效預測HER2過表達乳腺癌治療療效

乳腺癌已成為威脅中國女性健康的首位惡性腫瘤[1]，其中HER2過表達亞型因侵襲性強、異質性高且預后差而備受關注[2]。放射組學通過深度挖掘圖像定量特征，為精準預測療效提供了新途徑[3]。然而，針對HER2過表達型這一特殊亞型的療效預測相關研究目前仍較為缺乏。近期一項研究中[4]整合了多參數MRI影像特征與臨床指標，并構建預測模型，以評估其對HER2過表達型乳腺癌的療效預測效能，為個體化治療提供依據。

研究設計

患者及分組

研究回顧性分析了2019年12月至2024年1月期間接受新輔助治療的HER2過表達型乳腺癌患者資料。納入標準：①經空心針穿刺活檢新確診為HER2過表達型乳腺癌；②接受含抗HER2方案的新輔助治療；③完成手術治療及術后病理評估。排除標準：①臨床IV期患者；②新輔助治療周期＜4次；③病灶過小或邊界不清無法勾畫感興趣區域（ROI）；④男性乳腺癌。最終共133例患者入選，根據新輔助治療后是否達到病理學完全緩解（pCR）分為pCR組（86例）和非pCR組（47例）。pCR定義為乳腺原發灶無浸潤癌及原位癌殘留，且區域淋巴結無轉移灶殘留。

圖2 患者入組流程圖

資料收集與分析

收集患者年齡、月經狀態、新輔助治療方案、淋巴結腫大、Ki-67增殖指數（治療前基線值）、治療前臨床分期及是否達到pCR等臨床資料（表1）。

表1 訓練和測試隊列中HER2過表達乳腺癌的臨床和放射學基線特征

MRI圖像分析

由兩名具有5年以上乳腺MRI診斷經驗的放射科醫師在后處理工作站評估圖像。記錄病灶在注射對比劑90秒后T1圖像上的最大徑、強化方式、腋窩淋巴結及皮膚是否受侵、病灶邊緣清晰度、形態規整性、病灶數目、表觀擴散系數（ADC）、背景實質強化（BPE）及時間-信號強度曲線（TIC）類型，并使用達爾文智能科研平臺構建3D-ROI。

特征提取與篩選

圖像分割后，分別從fs-T2WI、DWI及DCE-MRI序列提取1125個原始放射組學特征，共3375個。特征主要包括一階特征、紋理特征及高階統計特征。采用最小絕對收縮與選擇算子（LASSO）回歸對訓練集進行10折交叉驗證以篩選最具預測力的放射組學特征。

放射組學模型構建

基于fs-T2WI、DWI及DCE-MRI第二期圖像篩選的特征，采用邏輯回歸（LR）構建多參數MRI模型（含DCE-2、fs-T2WI及DWI特征）。通過受試者工作特征（ROC）曲線下面積（AUC）評估模型診斷效能，并將結果轉化為放射組學評分（Rad-score）。所有流程先在訓練集完成，再于測試集進行外部驗證。

聯合模型構建

通過單/多因素邏輯回歸分析篩選HER2過表達乳腺癌新輔助療效的獨立預測因素并建立臨床模型。將臨床獨立預測因素與多參數MRI放射組學模型結合，建立列線圖模型以實現數據可視化。流程詳見圖3。

圖3 基于MRI的放射組學分析概述

病理評估

根據Miller-Payne（MP）組織學分級系統對完成新輔助治療的手術標本進行病理評估。G1-G4級歸為非pCR組，G5級歸為pCR組。

研究結果

患者特征分析

本研究共納入133例患者，分為訓練集（68例）和測試集（65例）。訓練集中達到pCR者42例，非pCR者26例；測試集中pCR者44例，非pCR者21例。訓練集與測試集在臨床及影像特征分布上均無顯著差異（P>0.05）。

臨床特征與模型構建

以病理評價為金標準，在訓練集中經單因素分析篩選候選變量，將所選變量進一步納入多因素邏輯回歸分析，最終確定Ki-67增殖指數和腫瘤形態特征為獨立預測因子，據此構建臨床模型。將所建模型直接應用于測試集，計算預測概率并評估性能（表2）。

表2 訓練集中HER2過表達乳腺癌的單因素和多因素logistic回歸分析

放射組學特征與多參數MRI放射組學模型的建立

從多參數MRI圖像中共提取3375個放射組學特征。經f-classif函數和LASSO回歸降維后，篩選出7個特征用于構建放射組學模型，按權重排序如圖4所示。

圖4 影像組學特征及多參數MRI影像組學模型的建立

列線圖模型的建立

將上述臨床獨立預測因子與多參數MRI放射組學模型相結合，構建列線圖模型并進行可視化（圖5a）。

圖5 各種模型的預測性能

此外，研究者還繪制了ROC曲線評估各模型在訓練集和測試集中預測pCR的性能：訓練集中臨床模型、多參數MRI放射組學模型和列線圖模型的AUC分別為0.625、0.881和0.894；測試集中三者的AUC分別為0.727、0.830和0.878（表3，圖5b、c）。列線圖模型表現出最優的預測效能。校準曲線顯示，列線圖模型的理想曲線、預測曲線和校正曲線貼合良好，表明預測一致性高（圖5d、e）。決策曲線分析進一步顯示，列線圖模型在患者風險分層和臨床獲益方面均優于多參數MRI放射組學模型和臨床模型（圖5f、g）。DeLong檢驗證實，列線圖模型在訓練集和測試集中均具有良好的一致性（表4）。

文章小結

本研究構建了基于多參數MRI影像組學模型并結合臨床指標（Ki-67及腫瘤形態）的列線圖，用于預測HER2過表達型乳腺癌的治療療效。該模型在訓練集與測試集中均表現出良好預測效能，優于單一臨床模型，證實其具有無創、全面評估腫瘤異質性及術前預測pCR的潛力。盡管存在回顧性研究和樣本量等方面的限制，結果仍表明多參數MRI影像組學可為HER2過表達型乳腺癌療效評估和個體化治療提供有價值的輔助信息。

參考文獻：

[1]Xia C, et al. Cancer statistics in China and United States, 2022: profiles, trends, and determinants. Chin Med J (Engl). 2022;135(5):584-590. Published 2022 Feb 9.

[2]Elshazly AM, et al. An overview of resistance to Human epidermal growth factor receptor 2 (Her2) targeted therapies in breast cancer. Cancer Drug Resist. 2022;5(2):472-486. Published 2022 Jun 1.

[3]Liu Z, et al. Radiomics of Multiparametric MRI for Pretreatment Prediction of Pathologic Complete Response to Neoadjuvant Chemotherapy in Breast Cancer: A Multicenter Study. Clin Cancer Res. 2019;25(12):3538-3547.

[4]Wang L, et al. Developing a predictive model for neoadjuvant therapy in HER2 overexpression breast cancer using multi-parameter MRI radiomics: two-center retrospective study. Front Oncol. 2025;15:1544058. Published 2025 Jul 15.

本材料由阿斯利康提供，僅供醫療衛生專業人士參考

審批編號：CN-170877 過期日期：2026-11-03

*此文僅用于向醫療衛生專業人士提供科學信息，不代表平臺立場。