基于影像组学的乳腺癌21基因评分预测及在新辅助化疗疗效预测和生存分析中的应用

摘要

乳腺癌是严重威胁女性健康的高发性恶性肿瘤。由于其异质性比较高，致使患者接受治疗后的结果可能截然不同。这种差异体现在肿瘤复发风险、辅助化疗获益情况、新辅助化疗（neoadjuvantchemotherapy，NAC）疗效、远期存活率等方面。实现患者的准确区分，并有针对性的采取综合化、个体化的治疗方案是提高乳腺癌治愈率的关键。因此，研究可为临床决策提供有效参考信息的标志物（标签）是非常有必要的。　　近年来，随着影像组学的快速发展，医学影像无侵入性、应用广泛、可定量描绘肿瘤特性等优势愈发显著，关于乳腺癌的影像标志物的探索逐渐成为关注焦点。目前，此方向的研究已取得了初步进展。但现阶段的实验成果中，寻找到的有预测价值的影像特征并不多，且多数研究仅局限于单一预测目标，并未完全发掘影像特征的潜在价值。本研究在提取影像特征时，从空间、时间、种类等多角度扩大了计算范围，力图从大量的数据中挖掘有效参数。另外本研究在建立影像组学与乳腺癌复发风险的关联的同时，还创新性的探索了基于影像特征的21基因影像标签对NAC疗效和预后的预测作用。具体研究内容包括：　　（1）基于影像组学的乳腺癌21基因检测（OncotypeDX）复发风险评分（RecurrenceScore，RS）预测研究：利用正态分布检验和无监督特征选择方法，对影像特征进行初步筛选。余下的特征进行单变量线性回归分析，评估单个影像特征与RS的关联。然后通过多变量线性回归分析评估影像特征的共同预测作用。利用网格搜索和交叉验证相结合的方法建立弹性网络回归模型，计算评价指标评估模型预测性能。　　（2）基于影像组学的21基因影像标签在NAC疗效预测中的应用研究：弹性网络回归模型建立了影像特征与RS的关联，以此为基础计算新辅助化疗数据集的21基因标签。利用统计分析评估其与化疗疗效的关联。通过对比21基因影像标签与其他影像特征、临床病理特征建立的逻辑回归分类模型的性能，评估21基因影像标签在NAC疗效预测中的价值。　　（3）基于影像组学的21基因影像标签在生存分析中的应用研究：弹性网络回归模型建立了影像特征与RS的关联，以此为基础计算生存分析数据集的21基因影像标签。利用乘积极限法（Kaplan-Meier法）和单因素Cox比例风险回归模型，评估21基因影像标签与无复发生存率（Recurrence-freeSurvival，RFS）和总体生存率（OverallSurvival，OS）的关联。通过与其他影像特征、临床病理特征进行多因素Cox分析，评估21基因影像标签与RFS和OS的独立相关性。　　本论文对影像组学与乳腺癌的复发风险进行了关联研究，建立了基于影像特征的21基因影像标签，并对其在NAC疗效预测及生存分析中的应用进行探索。实验结果表明，基于动态对比增强磁共振成像的影像组学有望成为预测乳腺癌复发风险及化疗获益的影像标志物。基于影像特征的21基因影像标签有潜力作为生物标志物在预测NAC疗效、区分患者的化疗敏感性时发挥作用。本文21基因的影像学标签有潜力成为乳腺癌治疗和预后标志物，为临床决策提供有效信息。

目录