摘要
目的探讨基于DWI和动态增强MRI(DCE-MRI)的影像组学特征与乳腺癌分子分型的关系。方法回顾性分析广东省人民医院2015年6月至2016年6月,经手术病理证实为单发肿块型乳腺癌,获得乳腺癌分子分型,且行乳腺MRI扫描并获得DCE-MRI及ADC图像的79例患者。记录乳腺病灶MRI传统定量指标,包括ADC值和初始强化率(IER);对ADC图和DCE-MRI图上的病灶区进行手动分割并提取影像组学特征,降维后筛选出10个影像组学标签。对病理标本进行免疫组织化学检测,分为Luminal A型、Luminal B型、人表皮生长因子受体2(HER2)过表达型、三阴性(TN)型乳腺癌。采用单因素logistic回归分析,比较ADC值、IER值以及影像组学标签独立进行分子分型预测的效果;采用多因素logistic回归建模,并绘制ROC,计算ROC下面积(AUC),比较各模型的诊断效能;采用Hosmer-Lemeshow检验对模型的拟合优度进行检验。结果 Luminal A型29例,Luminal B型39例,HER2过表达型5例,TN型6例。采用单因素logistic回归分析法对传统乳腺MRI参数ADC、IER值及所提取的10个影像组学标签在进行分子分型分类中的效果进行分析,ADC、IER值在鉴别各组的分子分型时,AUC值均<0.70(0.516~0.605),鉴别价值不大;鉴别各个分子分型时,至少有1个影像特征AUC>0.70,其中DCELG2.5autocorrelation鉴别TN的AUC最高(0.941)。行多因素logistic回归分析,获得了鉴别诊断的最佳模型,鉴别Luminal A和非Luminal A型、Luminal B和非Luminal B型、TN和非TN的最佳模型鉴别诊断的AUC分别为0.786、0.733和0.941,经Hosmer-Lemeshow检验,各模型P均>0.10(分别为0.156、0.204和0.820),说明所建立的各个模型的预测值与观测值之间差异无统计学意义,模型拟合效果较好。结论基于DWI和DCE-MRI的影像组学特征则有助于鉴别乳腺癌的分子亚型,尤其是鉴别TN型乳腺癌具有较大价值。
- 单位