基于磁共振影像组学术前预测乳腺癌Ki-67表达状态的研究

摘要

乳腺癌是女性最常见的恶性肿瘤之一，发病率占女性所有肿瘤的15％。随着个性化精准医疗的发展，肿瘤生物学标志物在临床管理工作中呈现出愈发重要的价值。其中，Ki-67的表达水平在乳腺癌临床诊疗中起着尤为重要的作用，可用于协助临床决策。目前，乳腺癌Ki-67的检测通过免疫组织化学(Immunohistochemistry，IHC)进行，该方法不仅有创、耗时，且成本高。而新兴的的影像组学(radiomics)则有望为乳腺癌Ki-67的术前预测提供一种简便、无创、可重复的新方法。
　　目的：探讨基于磁共振(MR)影像组学标签术前预测乳腺癌患者Ki-67表达状态的价值。
　　方法：本回顾性研究已得到广东省人民医院（广东省医学科学院）伦理委员会批准，并最终纳入经临床病理确诊为乳腺癌患者318例（训练数据集：n=200例，验证数据集：n=118例），均具备治疗前的乳腺MR图像以及完整的临床、病理资料。从PACS系统导出患者T2加权图像(T2WI)和对比增强的T1加权(T1+C)图像，由两名有经验的放射科医师人工勾画病灶感兴趣区域(ROI)。应用Matlab软件从选定的ROI中提取影像组学特征。采用组间一致性系数(interclass correlation coefficient，ICC)分析两名观察者在影像组学对乳腺癌Ki-67表达状态评估中的可重复性。在训练数据集中，ICC＞0.75的特征方可纳入LASSO逻辑回归模型，进行关键特征筛选与组学标签构建。采用独立样本t检验或Mann-Whitney U检验评价影像组学标签与Ki-67表达状态的关系，运用受试者工作特征曲线(ROC)检测影像组学标签术前预测Ki-67表达状态的效能，并应用于验证数据集中进行验证。
　　结果：通过LASSO逻辑回归分析，基于T2WI和基于T1+C图像的影像组学标签分别由16和14个特征构建。在训练及验证数据集中，基于T2WI的影像组学标签在Ki-67阳性组与阴性组之间有显著差异（P均＜0.0001）。在训练数据集中，基于T1+C图像的影像组学标签与Ki-67表达状态显著相关(P＜0.0001)，但在验证数据集没有发现两者间的显著相关性(P=0.083)。基于T2WI的影像组学标签在Ki-67表达状态的分类中显示出良好的鉴别效能。影像组学标签在训练数据集中AUC为0.762(95％置信区间为0.685-0.838);在验证数据集中AUC为0.740（95％置信区间为0.645-0.836）。
　　结论：基于T2WI的影像组学标签是术前乳腺癌Ki-67表达状态的独立预测因子，且具有较高的诊断效能。影像组学标签作为一种无创的方法，可用于协助术前预测乳腺癌Ki-67的表达状态。

目录

摘要

前言

材料与方法

1．病例收集

2．1 扫描设备

2．2 扫描方法

2．3 扫描参数

3．感兴趣区(ROI)的勾画

4．影像组学特征提取

5．影像组学特征筛选和标签构建

6．统计分析

6．1 人口统计学比较

6．2 影像组学标签的性能

结果

3．影像组学标签性能

讨论

1．Ki-67对乳腺癌诊疗的临床意义

2．乳腺癌Ki-67的检测方法

2．1 常规免疫组织化学检测

2．2 基因检测

2．3 影像方法检测

3．影像组学在乳腺癌临床诊疗中的应用

3．2 影像组学术前预测乳腺癌Ki-67表达状态的可行性

3．3 基于T2WI影像组学术前预测乳腺癌Ki-67表达状态的可行性

3．4．基于T1+C图像的影像组学术前预测乳腺癌Ki-67表达状态的可行性

4．研究不足

小结

参考文献

附录

中英文缩略词

攻读硕士期间成果

致谢

声明