不同新辅助治疗反应的乳腺癌亚型中合成MRI弛豫定量与表观扩散系数的相关性
回顾性纳入263例接受新辅助治疗的乳腺癌患者,分析基线合成MRI的T1/T2/PD直方图特征与ADC图对应特征的相关性。全人群27对特征中20对弱相关;TNBC的pCR组PD与ADC均值强相关(r=0.86);luminal-HER2阴性亚型T2低百分位数和中位数可预测病理无反应(AUC 0.68/0.72/0.71)。
要点
- TNBC中PD与ADC均值在pCR组强相关(r=0.86),非pCR组仅弱相关(r=0.30–0.43)。
- luminal-HER2阴性亚型T2图低百分位数和中位数可区分pNR与非pNR,AUC为0.68/0.72/0.71。
- 全人群ADC与合成MRI弛豫特征无中强相关,提示两者在肿瘤微环境评估中互补。
核心结论
- ADC与弛豫图的无至弱相关提示二者在肿瘤微环境评估中具有互补作用。
- TNBC中ADC与PD图的关系可能提示不同的新辅助治疗反应。
- 其生理意义需进一步探索。
研究设计与样本
- 回顾性研究,纳入2019年3月至2022年8月初次治疗前接受乳腺MRI的284例局部晚期乳腺癌患者,最终分析263例(平均年龄51±11岁,范围24–75岁)。
- 采用3-T MRI扫描仪(Signa Pioneer,GE Healthcare)和8通道双侧乳腺线圈,序列包括轴位FSE T1WI、脂肪抑制T2WI、syMRI、DWI(b=0、50、400、800 s/mm²)和DISCO DCE-MRI。
- syMRI使用2D FSE MDME序列(扫描时间3分09秒),参数TR=5600 ms、TE=22.1/110.4 ms、FOV=360×360 mm、矩阵=192×180、层厚5 mm、层间距1.3 mm、层数25、加速因子2.5。
- 参考标准为术后病理Miller-Payne分级,pCR定义为手术标本无残留浸润癌(MP 5级),MP 1–2级为病理无反应(pNR)。
- 由两名分别有5年和10年乳腺影像经验的读者手动勾画ROI,提取9个直方图特征(均值、中位数、熵、峰度、偏度及10/25/75/90百分位数)。
关键影像表现/征象
- 全人群27对特征中20对呈弱相关(r=−0.13–0.30,p<0.05),ADC与T2图熵相关性最高(r=0.30,p<0.01)。
- luminal-HER2阴性亚型中T2图特征与ADC相关性(r=0.19–0.36,p<0.05)高于T1和PD图(r=0.21–0.23,p<0.05)。
- TNBC中ADC与PD图的均值、中位数及25/75/90百分位数呈正相关(r=0.41–0.53,p<0.05)。
- TNBC的pCR组ADC与PD图均值强相关(r=0.86,p<0.01),中位数及25/75/90百分位数中度相关(r=0.78/0.65/0.70/0.60,p<0.05)。
- HER2阳性亚型中ADC与T2图熵及ADC与PD图10/25百分位数弱相关(r=0.20–0.24,p<0.05)。
诊断标准与关键数值
- 相关性分级:r<0.49为弱相关,0.50–0.79为中度相关,0.80–1.0为强相关。
- luminal-HER2阴性亚型中T2图中位数和10/25百分位数区分pNR与非pNR的AUC分别为0.68/0.72/0.71。
- HER2阳性及TNBC亚型中,ADC、T1、PD图特征在反应组间均无显著差异。
- pCR率:HER2阳性49.5%(55/111),TNBC 37.5%(18/48);luminal-HER2阴性中pNR 49例(47.1%),non-pNR 55例(52.9%)。
临床应用与阅片要点
- 作者认为TNBC中PD与ADC图的强相关有望成为预测化疗敏感性的有效无对比剂技术,但结果可能需要更大样本的临床验证。
- 作者指出基线ADC不能预测治疗反应,与既往研究一致,T1/T2和ADC预测通常需要纵向监测。
- 作者提出利用T1/T2/PD和ADC像素聚类的额外生境分析可能为非侵入性评估肿瘤异质性和耐药性提供新机会。
局限性
- 仅基于影像的评估无法确定病理生理学起源,未来研究应探索其分子机制。
- 相关性分析在特征水平而非体素水平进行,未来需要体素-体素分析验证结果。
- 分层分析导致各亚型样本量较小,需要更大队列和生存数据确认和扩展结果。
- 作者指出结果可能需要更大样本的临床验证。
全文中译16 节 · 点击展开
引言
乳腺癌是全球女性中最常见的恶性肿瘤,也是肿瘤相关死亡的第二大原因[1]。新辅助治疗(NAT)已被确立为大多数乳腺癌,尤其是局部晚期乳腺癌(LABC)的标准治疗方法[2]。NAT后达到病理完全缓解(pCR)意味着非常良好的无病生存率和总生存率[3]。然而,患者之间的治疗反应存在差异,约2%–30%的患者未能从NAT中获益[4]。这些接受NAT的无应答者会错过最佳手术时机并承受不必要的副作用。因此,提前预测治疗效果有助于优化整体治疗方案的选择[5, 6]。
磁共振成像(MRI)是监测治疗反应的首选模态,因为它同时提供功能性和形态学信息[7–9],并已被证明在新辅助治疗疗效预测中具有临床实用性[10–12]。除常规序列外,弥散加权成像(DWI)作为一种功能成像方法,可通过表观弥散系数(ADC)进行定量,ADC反映细胞密度和间质水分子运动性。多项研究探讨了ADC在乳腺癌患者NAT治疗反应预测中的附加价值[10, 13, 14]。然而,由于扫描仪和序列参数的不同,许多研究结果存在差异[15–17]。
近年来提出的合成MRI(syMRI)[18–20]采用多动态多回波(MDME)采集方法,可在一次扫描中同时测量包括T1和T2弛豫时间及质子密度(PD)图在内的定量值,具有扫描时间短且不依赖MRI扫描仪和参数的优点[21, 22]。多项研究已证实syMRI在多种恶性肿瘤的恶性病变识别[23]、分子分型[24]和治疗反应评估[25, 26]中的临床实用性。ADC是与syMRI联合用于鉴别诊断[27, 28]、预后预测[29]和NAT反应评估[30]中最常用的序列。我们前期工作已证实T1弛豫时间联合ADC可有效预测乳腺癌一个NAT周期后的病理反应[30]。然而,关于syMRI与ADC相关性的文献有限,尤其是在不同乳腺癌亚型之间。肿瘤异质性如何决定syMRI与ADC之间关系的复杂性仍不清楚。本研究旨在探讨不同NAT反应的不同LABC亚型中T1/T2/PD和ADC图参数图的异质性及相关性,试图为未来研究潜在生物学机制提供依据。
材料与方法
我院机构审查委员会批准了这项回顾性研究,并豁免了知情同意要求。
患者人群
我们最初招募了2019年3月至2022年8月期间接受治疗前乳腺MRI检查的284例局部晚期乳腺癌(LABC)患者。纳入标准如下:(1)经病理证实为原发性乳腺癌并计划在手术前接受新辅助治疗(NAT);(2)无乳腺癌治疗史;(3)具有完整的病理分级和免疫组织化学(IHC)受体状态信息;(4)基线乳腺MRI包括syMRI、DWI和动态对比增强(DCE)-MRI序列。284例患者中,21例因以下原因被排除:(1)DCE-MRI上肿瘤直径小于1.0 cm(n = 6);(2)MRI图像质量不足以获取测量值(n = 4);(3)标准NAT周期不完整(n = 8);(4)手术在外院进行(n = 3)。最终,263例患者(平均年龄51 ± 11岁,年龄范围24–75岁)被纳入进一步分析。
组织病理学分析
组织学分级、雌激素受体(ER)、孕激素受体(PR)和人表皮生长因子受体2(HER2)根据NAT前超声引导下空心针穿刺活检的组织病理学报告进行评估。ER、PR和HER2的阳性判定依据美国临床肿瘤学会(ASCO)/美国病理学家学会(CAP)指南,详见补充表1 [31, 32]。Ki-67指数的评估采用20%作为截断值 [33]。基于活检标本分析,将分子亚型分层为腔内HER2阴性(ER和/或PR阳性且HER2阴性)、HER2阳性(无论HR状态如何,HER2阳性)和三阴性乳腺癌(TNBC,ER、PR和HER2均阴性)亚组。
NAT后的病理缓解通过使用Miller-Payne(MP)分级系统对术后瘤床进行检查来评估。pCR定义为手术标本中无残留浸润性癌(可存在导管原位癌),即MP分级5级。MP分级1–2级表示病理无缓解(pNR)。在临床实践中,鉴于腔内HER2阴性亚型的pCR率较低,其缓解情况被二分为pNR和非pNR,而HER2阳性和TNBC亚型则采用二分法分为pCR和非pCR [34]。
合成弛豫和ADC图采集
MRI扫描方案在我们之前的研究中已有详细描述 [30]。MRI检查使用3-T MRI扫描仪(Signa Pioneer,GE Healthcare,Milwaukee,USA)和专用的8通道双侧乳腺线圈,患者取俯卧位。扫描序列包括轴位快速自旋回波(FSE)T1WI和脂肪抑制(FS)T2WI、syMRI、DWI(b = 0, 50, 400, 800 s/mm2)以及笛卡尔排序差分欠采样(DISCO)DCE-MRI。SyMRI在注射对比剂前使用2D FSE MDME序列(扫描时间:3: 09 min),参数如下:TR = 5600 ms,TE = 22.1/110.4 ms,TI = NA,视野 = 360 × 360 mm,矩阵 = 192 × 180,层厚 = 5 mm,层间距 = 1.3 mm,层数 = 25,加速因子 = 2.5。其他MRI序列的详细信息见补充表2。
图像分析和特征提取
使用MAGiC软件导入syMRI序列,生成T1、T2和PD定量图用于测量,并生成与常规图像匹配的合成图像。使用ReadyView软件(GE Healthcare,密尔沃基,威斯康星州)处理DWI数据。采用以下公式计算ADC图:ADC = − ln [S0/S1]/b1,其中S0和S1为两个梯度因子确定的ROI内信号强度,b1为800 s/mm2。
参考DCE-MRI,由阅片者A(具有5年乳腺影像经验)逐层沿肿瘤边缘手动分割肿瘤感兴趣区(ROI),然后由阅片者B(具有10年乳腺影像经验)使用ITK-SNAP(版本3.8.0,http://www.itksnap.org)进行审核。两位阅片者知晓患者被诊断为乳腺癌,但对活检生物标志物和新辅助治疗(NAT)后的治疗结局设盲。排除肿瘤的首层和末层切片以消除部分容积效应。在syMRI中,ROI手动绘制于合成T2加权图像上,并自动映射至其他弛豫图。在DWI中,同一病灶的ROI绘制于DWI b = 800上,并通过手动对齐复制至ADC图像。ROI包含坏死、出血和囊性成分。当存在多发病灶时,选择最大肿瘤作为索引肿瘤。肿瘤大小测量为横断面DCE-MRI最大截面处的最大直径。
使用Python(版本3.7.0,http://www.python.org)进行特征提取。对每个肿瘤,从T1/T2/PD和ADC图中提取九个直方图特征,包括均值、中位数、熵、峰度、偏度和第10/25/75/90百分位数(其定义和解释见补充表3)。
统计分析
所有统计分析均使用R软件(版本3.6.1,http://www.r-project.org/)和EmpowerStats(http://www.empowerstats.com,X & Y Solutions, Inc.)进行。在排除序列内场景中的对称重复后,计算ADC与T1/T2/PD图中每一对相同直方图特征之间的Spearman秩相关系数。相关系数低于0.49表示弱相关,0.50至0.79表示中等相关,0.80至1.0表示强相关[35]。最后,采用Mann-Whitney U检验和Student t检验比较不同亚型间特征的差异。使用受试者工作特征曲线(ROC)和曲线下面积(AUC)评估各亚型影像特征在判别治疗反应方面的性能。对所有进行的分析,显著性阈值设为0.05。
结果
患者特征
在纳入的263例患者中,104例(39.5%)为Luminal HER2阴性型,111例(42.2%)为HER2阳性型,48例(18.3%)为TNBC。根据术后病理结果,Luminal HER2阴性亚型中49例(47.1%)被归类为pNR,55例(52.9%)为非pNR;HER2阳性型和TNBC亚型的pCR率分别为49.5%(111例中55例)和37.5%(48例中18例)。MRI形态学特征和临床病理特征总结于表1。HER2阳性亚型中,非pCR组与pCR组之间ER和PR状态差异有统计学意义。代表性患者的图像和直方图见图1。
整个人群中的特征相关性
在整个人群中未观察到强相关或中等相关。27对特征中有20对呈现相当弱的相关(r = − 0.13–0.30,p < 0.05),其中来自ADC图和T2图的熵相关性最高(r = 0.30,p < 0.01)。图2描绘了各亚型直方图特征互相关矩阵对应的相关性图。整个人群及各亚型中ADC与T1/T2/PD图之间的额外相关系数和p值见补充表4。
Luminal HER2阴性亚型中的特征相关性
在Luminal HER2阴性亚型中,总体相关性略高于整个人群,来自T2图的特征(r = 0.19–0.36,p < 0.05)与ADC图的相关性高于来自T1图和PD图的特征(r = 0.21–0.23,p < 0.05)。
在pNR组和非pNR组中均未观察到强相关或中等相关。非pNR组中,来自ADC图和T1图的均值和第90百分位数,以及来自ADC图和T2图的熵、均值、峰度和第90百分位数呈现弱相关(r = 0.27–0.45,p < 0.05)。然而,在pNR组中,仅来自ADC图和T2图的熵、均值、中位数和第75/90百分位数呈现弱相关(r = 0.29–0.42,p < 0.05)(表2)。
HER2阳性亚型中的特征相关性
在HER2阳性亚型中,来自ADC图和T2图的熵与来自ADC图和PD图的第10/25百分位数呈弱相关(r = 0.20–0.24,p < 0.05)。
在pCR组和非pCR组中均未观察到强相关或中等相关。仅在pCR组中观察到来自ADC图和T1图的偏度呈弱相关(r = − 0.27,p = 0.04)。
TNBC亚型中的特征相关性
在TNBC亚型中,ADC与T1图的熵、均值、中位数及第10/75百分位数(r=0.30–0.36,p<0.05),ADC与T2图的熵、均值、中位数及第75/90百分位数(r=0.31–0.39,p<0.05),以及ADC与PD图的均值、中位数及第25/75/90百分位数(r=0.41–0.53,p<0.05)均呈正相关。
在pCR组中,ADC与PD图的均值呈强相关(r=0.86,p<0.01)。pCR组中亦观察到中等程度相关:ADC与T1图的偏度(r=0.51,p=0.03)、ADC与T2图的偏度(r=0.51,p=0.03),以及ADC与PD图的中位数及第25/75/90百分位数(r=0.78/0.65/0.70/0.60,p<0.05)(表3)。ADC与T1/T2/PD图之间的弱相关系数及p值见补充表4。
各亚型中预测NAT反应的显著特征
在luminal-HER2阴性亚型中,pNR与非pNR之间T2图的中位数及第10/25百分位数(AUC=0.68/0.72/0.71)存在显著差异。表4显示了这些特征的诊断性能。在HER2阳性及TNBC亚型中,以及ADC、T1和PD图中,未观察到显著差异。
讨论
我们的研究表明,LABC的T1/T2/PD图与ADC图之间存在无相关至强相关,且在不同分子亚型及治疗反应组间存在差异。HER2阳性亚型的ADC图在pCR组和非pCR组中通常与所有图的相关性均较差。TNBC亚型pCR组中配对的PD与ADC特征高度相关,但非pCR组并非如此。在luminal HER2阴性亚型中,T2图的特征与ADC图的相关性高于T1和PD图的特征。
在所有患者中,T1/T2/PD图与ADC图的均值和百分位数总体呈正相关。这提示恶性肿瘤中高细胞密度和核质比导致细胞外空间和自由水含量相应减少,因此T1/T2/PD与ADC特征同步下降。此外,肿瘤异质性导致所有患者分析中相关性较弱。考虑到分子亚型的影响,进行了分层分析,相关性结果多样。
在HER2阳性组中,发现的相关性很少。既往研究[36, 37]发现,与HER2阴性肿瘤相比,HER2阳性肿瘤表现出更高的ADC值,这提示HER2阳性肿瘤经历了更多的血管生成,而T1/T2没有显著增加[24]。尽管所有参数图都评估水分子,但T1/T2弛豫时间对水肿、可电离基团跨膜的水(氢)交换以及相对于体相水的大分子水合层特别敏感[38]。ADC对组织中水的平移扩散敏感,而平移扩散受主要发生于脂质或脂质双分子层的水平移限制程度的影响[39]。因此,T1/T2和ADC常在多变量分析中联合用于判断良恶性病变或治疗效果[27, 28, 40],这意味着它们之间的关系似乎是互补的而非重复的。T1/T2与ADC图之间弱相关或无相关提示,它们以根本不同的方式揭示肿瘤水分子特征,因此确实可作为互补的无对比剂技术用于评估肿瘤微环境。
在TNBC中,PD和ADC图的均值和多个百分位数仅在pCR组显示中度至强相关。由于肿瘤与正常组织之间对比度低,肿瘤成像中缺乏有效的PD评估。最近一项syMRI研究[27]发现,恶性肿瘤的PD和ADC显著低于良性病变,在本研究中,我们进一步探讨了PD与ADC图之间的相关性。质子丰度是影响扩散系数的最重要因素之一。TNBC中pCR亚组的肿瘤往往体积小、信号均匀、强化均匀,使PD和ADC高度一致[41]。未达pCR的TNBC更易因肿瘤缺血和坏死、出血及水肿而出现瘤内异质性,从而削弱PD与ADC之间的相关性[24, 42]。有趣的是,在HER2阳性和Luminal HER2阴性亚型中未发现PD与ADC之间的强相关。我们推测这种不一致可能源于HER2阳性亚型丰富的未成熟新生血管形成以及Luminal HER2阴性亚型的低增殖。尽管我们的结果可能需要更大样本量的临床验证,但PD与ADC图之间的强相关有望成为一种有效的无对比剂技术,用于预测TNBC的化疗敏感性。
请注意,由于Luminal HER2阴性亚型的pCR率低,该亚型使用了pNR和非pNR亚组分类。对于该亚型,ADC与T2之间大多数特征的相关性略高于整个人群。由于其内在增殖低,pNR患者对化疗不敏感,表现为疏松结缔组织和稀疏分散的肿瘤细胞。这可能解释了该亚型中T2与ADC之间相关性增加。
此外,基线时管腔型-HER2阴性亚型中T2的低百分位数和中位数是pNR的独立预测因素。与我们的研究不同,Matsuda等人[26]发现syMRI的T2标准差可以预测pCR,AUC为0.829。这种不一致可能是由于研究设计和样本量的差异所致。我们的研究纳入了更大的队列并进行了亚型分析。我们还发现基线ADC不能预测治疗反应,这与既往研究[15, 16]一致。纵向监测通常是T1/T2和ADC预测所必需的。利用T1/T2/PD和ADC的像素聚类进行额外栖息地分析可能为非侵入性评估肿瘤异质性和耐药性开辟新机会。
局限性
本研究存在若干局限性。第一,仅基于影像学的评估无法确定病理生理学起源。未来研究应探索此类效应背后的分子机制。第二,相关性分析是在特征水平而非体素水平进行的,未来需要体素-体素分析来验证我们的结果。第三,分层分析导致各亚型数量较少,需要更大的队列和生存数据来确认和扩展本研究的结果。
结论
ADC与弛豫图之间的无至弱相关性表明它们在肿瘤微环境评估中具有互补作用。TNBC中ADC与PD图之间的关系可能提示不同的NAT反应。然而,其生理学意义有待进一步探索。
引用
- Jiang W, Du S, Gao S, et al. Correlation between synthetic MRI relaxometry and apparent diffusion coefficient in breast cancer subtypes with different neoadjuvant therapy response. Insights Imaging. 2023. PMID: 37775610. doi:10.1186/s13244-023-01492-9
- 全文:PMC10541382(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10541382/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。