基于T2WI影像組學標簽預測乳腺癌人表皮生長因子受體2表達狀態

梁翠珊，崔運能，楊偉超，賀紅艷，何永財，張大偉

(佛山市婦幼保健院放射科，廣東 佛山 528000)

乳腺癌是女性最常見的惡性腫瘤之一，其發生率逐年上升[1]。研究[2]表明人表皮生長因子受體2(human epidermal growth factor receptor 2， HER2)在乳腺癌分子分型、預測靶向治療療效及預后中有重要價值，早期檢測乳腺癌HER2表達狀態對個性化治療乳腺癌至關重要。目前HER2表達水平主要通過活組織標本免疫組織化學檢測，為有創檢查，且腫瘤的異質性可能導致誤診。隨著影像學技術的發展，MRI已成為乳腺癌的常用檢查方法[3-4]，但傳統MR技術主要依靠個人視覺和主觀經驗判斷，難以評估HER2的表達狀態。影像組學通過高通量提取基于形狀、強度、大小或體積等豐富的定量圖像特征，將數字醫學圖像轉換為可挖掘數據[5]，能有效剔除因主觀因素造成的誤差，近年來已有學者利用影像組學研究乳腺癌分子標志物的表達[6]。本研究探討基于T2WI的影像組學標簽術前預測乳腺癌HER2表達狀態的價值。

1 資料與方法

1.1 一般資料 收集2012年2月—2017年2月經我院病理證實的209例腫塊型浸潤性乳腺癌患者，均為女性，年齡23～81歲，平均(51.2±11.1)歲。納入標準：①經手術切除且病理證實的浸潤性乳腺癌；②T2WI可顯示乳腺癌病灶；③接受免疫組織化學檢查，獲得HER2表達結果。排除標準：①圖像偽影多，影響觀察病灶；②MR檢查前接受組織穿刺活檢或新輔助化療。將患者隨機分為訓練組(n=145)和驗證組(n=64)。

1.2 HER2評定標準 根據美國臨床腫瘤學會/美國病理學家學院(American Society of Clinical Oncology/College of American Pathologists， ASCO/CAP)臨床實踐指南，HER2蛋白表達的標準如下：免疫組織化學染色陰性或(+)為HER2表達陰性；免疫組織化學染色(++)為HER2表達不確定；免疫組織化學染色(+++)為HER2表達陽性。對HER2表達不確定的標本以原位雜交法作進一步檢測，最終確定其為HER2表達陽性或陰性[7]。

1.3 儀器與方法 采用GE Brivo MR355 1.5T MR掃描儀和4通道相控陣乳腺線圈。掃描時囑患者俯臥，將雙側乳腺置于線圈中央。采集軸位脂肪抑制STIR T2WI，TR 5 813 ms，TE 42 ms，FOV 340 mm×340 mm，矩陣320×192，層厚3 mm，層間距1 mm。

1.4 圖像處理

1.4.1 ROI勾畫 采用GE AW4.6工作站，在T2WI中選取病灶的最大層面，由1名有6年乳腺MRI診斷經驗的放射科醫師沿病灶的輪廓手動勾畫ROI(圖1)。隨機抽取30例患者，由另1名有7年乳腺MRI診斷經驗的放射科醫師重新勾畫ROI，以評估測量者間的一致性。

1.4.2 影像組學特征提取 于Matlab 2013a平臺，采用最小-最大標準化方法標準化T2WI，將所有像素強度值轉換為[1,100]的整數強度值，然后提取包含一階統計量、形態學特征、紋理特征、拉普拉斯高斯濾波器及小波特征的影像組學特征，共計16 101個[8]。

1.4.3 影像組學特征選擇 應用組間相關系數(interclass correlation coefficient， ICC)計算所提取影像組學特征的測量者間一致性。ICC>0.75表示一致性良好，選擇ICC>0.75的特征進行下一步分析。通過計算訓練組各特征間的相關系數去除特征的冗余性，當兩個特征之間相關系數絕對值>0.9時，則隨機去除其中1個特征。

1.5 統計學分析 采用SPSS 22.0統計分析軟件。符合正態分布的計量資料以±s表示，以獨立樣本t檢驗比較訓練組與驗證組間年齡的差異。不符合正態分布的計量資料以中位數(上下四分位數)表示，以Mann-WhitneyU檢驗比較HER2陽性與HER2陰性患者間影像組學得分的差異。以χ2檢驗比較訓練組與驗證組之間的HER2表達狀態的差異。采用R軟件3.0.1版(http://www.r-project.org)中的glmnet 軟件包進行LASSO邏輯回歸分析；使用pROC軟件包繪制ROC曲線。運用ROC曲線評估基于T2WI的影像組學標簽預測HER2表達狀態的效能，計算AUC、準確率、敏感度、特異度、陽性預測值(positive predictive value, PPV)和陰性預測值(negative predictive value, NPV)，并將訓練組中鑒別HER2表達狀態的閾值用于驗證組，進一步驗證訓練組的結果。P<0.05為差異有統計學意義。

圖1 乳腺癌ROI勾畫示意圖 A.T2WI示左乳外上象限淺分葉狀腫塊，呈不均勻稍高信號； B.沿腫塊邊緣勾畫ROI 圖2 以LASSO邏輯回歸模型篩選影像組學特征 A.LASSO模型中調節參數(λ)的選擇； B.749個影像組學特征在模型中的系數，垂直線表示經過十倍交叉驗證后所選的log(λ)值，最終選出13個系數非零特征 框上的數字表示系數不為0的特征數量 圖3 訓練組和驗證組中基于T2WI的影像組學標簽鑒別HER2表達狀態的ROC曲線 A.訓練組； B.驗證組

2 結果

2.1 臨床病理特征 訓練組平均年齡為(51.2±10.3)歲，驗證組(51.3±12.8)歲，差異無統計學意義(t=-0.091，P=0.928)。根據免疫組織化學結果，訓練組中HER2表達陽性72例(72/145，49.66%，HER2陽性亞組)，陰性73例(73/145，50.34%，HER2陰性亞組)；驗證組中HER2表達陽性32例(32/64，50.00%，HER2陽性亞組)，陰性32例(32/64，50.00%，HER2陰性亞組)；2組間HER2陽性表達率差異無統計學意義(χ2=0.002，P=0.963)。

2.2 影像組學特征選擇和標簽構建 提取標化后的T2WI特征共16 101個，選出ICC>0.75的特征8 272個；經過高相關性特征去除冗余，最終選出749個特征。以LASSO邏輯回歸模型(圖2)篩選出13個特征，對所選特征進行系數加權，構成影像組學標簽(如下式)，并計算每例患者的組學得分。

影像組學得分=-0.033-0.051×L_G_2.5_LAHGLE+0.00003×db2_3_kurtosis-0.026×db3_1_C_variance-0.163×db6_2_mean-0.013×db6_3_max-0.125×db10_3_correlation-0.104×coif2_4_clu_ten-0.014×bior1.5_4_C_variance+0.033×bior1.5_4_LRE+0.025×bior2.4_3_LDHGLE-0.167×rbio1.3_2_mean-0.125×rbio1.3_3_median+0.045×rbio3.3_1_IMC1

2.3 影像組學標簽的預測效能 訓練組中，HER2陽性亞組和陰性亞組的影像組學得分分別為0.315(0.088，0.457)和-0.228(-0.560，0.152)，差異有統計學意義(Z=-6.189，P<0.001)；驗證組中，HER2陽性亞組與陰性亞組間影像組學得分分別為0.255(-0.126，0.520)和-0.167(-0.655，0.233)，差異有統計學意義(Z=-2.847，P=0.004)。

ROC曲線結果顯示基于T2WI的影像組學得分在訓練組中預測HER2表達的AUC為0.798(P<0.001)，95%CI(0.726，0.870)，閾值為0.058，敏感度0.792，特異度0.699，準確率0.745，PPV 0.722，NPV 0.773。將基于T2WI的影像組學得分閾值0.058用于驗證組，預測HER2表達的AUC為0.707(P=0.004)，95%CI(0.579，0.836)，敏感度0.688，特異度0.656，準確率0.672，PPV 0.667，NPV 0.677(圖3)。

3 討論

本研究結果表明，基于T2WI的影像組學標簽術前可預測乳腺癌HER2的表達狀態。本研究通過計算ICC選出一致性良好的影像組學特征，并運用各特征間的相關系數去除特征的冗余性，再以LASSO邏輯回歸模型篩選特征，最終選出13個特征構建影像組學標簽。訓練組中，基于T2WI的影像組學標簽預測HER2表達狀態的敏感度為0.792，特異度為0.699，準確率為0.745；在驗證組中，基于T2WI的影像組學標簽同樣可較好地預測HER2的表達狀態。

目前檢測HER2表達狀態的方法為活檢后行免疫組織化學檢查，有創且穿刺區域有限，難以全面反映腫瘤內部的異質性。影像學方法無創、簡便，已成為乳腺癌的重要檢查手段。一項關于乳腺癌HER2過度表達與乳腺癌影像學特征相關性的Meta分析[9]結果顯示，微鈣化、乳腺高密度背景、病灶周圍皮膚增厚等特征與HER2過表達相關；但該研究僅探究了與HER2過表達相關的影像學特征，并未深入探討影像學特征鑒別HER2表達狀態的效能，并且傳統影像學診斷主要依靠主觀經驗判斷，可重復性較差。隨著計算機軟件技術的不斷發展，定量化影像學特征分析在臨床的應用逐漸增多。Chang等[10]的研究顯示，動態增強圖像紋理特征量化分析腫塊的異質性可用于鑒別HER2表達狀態，準確率達82.35%，提示定量化紋理特征分析對HER2表達狀態的鑒別具有重要潛在價值。

與既往僅著重于單個或一類的紋理特征分析不同，本研究通過ICC、特征相關系數及LASSO邏輯回歸分析，對有價值的單變量特征進行篩選組合，旨在構建更具診斷價值的影像組學標簽。Li等[11]報道，影像組學標簽是鑒別雌激素受體(estrogen receptor, ER)陽性與ER陰性侵襲性乳腺癌分子亞型的重要預測因子，其AUC為0.89。本研究訓練組中基于T2WI的影像組學標簽鑒別HER2表達狀態的AUC為0.798，將其閾值0.058用于驗證組，獲得AUC為0.707，在2組中的預測效能相當，提示基于T2WI的影像組學標簽有望用于無創預測HER2表達狀態。本研究AUC較Li等[11]的AUC稍低，但后者并未進行分組，未使用驗證組進行驗證，可能會導致結果過度擬合。

鑒于動態對比增強MRI的采集參數和時相各異，而DWI中的b值差異亦較大，難以在不同研究中保持一致，導致結果缺乏可比性，本研究亦未選擇基于動態對比增強及DWI序列進行研究，而是采用基于常規T2WI的影像組學標簽預測HER2的表達狀態。T2WI具有信號強度與潛在形態直接相關的優點，且可在不使用對比劑的情況下提供有用的信息[12]。此外，在不同分子亞型的乳腺癌中，三陰性乳腺癌更具侵襲性，其瘤灶在T2WI中也表現出更高的信號強度，提示T2WI信號可能與腫瘤侵襲性有關[13]。同時有研究[14]表明，HER2表達陽性細胞表現出更強的侵襲性，惡性程度更高，提示基于T2WI的影像組學標簽預測乳腺癌HER2表達狀態具有潛在可行性。

本研究的主要局限性：①基于單層MRI提取影像組學特征，而三維圖像分析或可提供更多的重要鑒別信息，然而也有學者指出2D和3D特征均具有一定預測能力，但2D特征效能更好且易于實現[15]，需進一步研究；②僅基于T2WI，今后將探究其他序列如動態對比增強序列及DWI等預測乳腺癌HER2表達狀態的價值。

總之，本研究表明基于T2WI的影像組學標簽能較好地預測乳腺癌HER2的表達狀態，有望成為術前預測乳腺癌HER2表達狀態的輔助方法。