基于新型深度学习影像组学模型评估早期HER2阳性乳腺癌抗HER2治疗反应以指导治疗降阶或升阶
该回顾性研究纳入726例接受无、单药或双靶抗HER2治疗的HER2阳性早期乳腺癌患者,基于术前乳腺MR构建深度学习模型DeepTEPP并进行风险分层。DeepTEPP低危组(60.5%)未从曲妥珠单抗获得显著无复发生存获益(p=0.144),中危组(19.8%)显著获益(p=0.048)但加用帕妥珠单抗无额外改善(p=0.125),高危组(19.7%)从双靶阻断显著获益(p=0.045)。模型验证集预测复发AUC为0.88,独立测试集为0.87。
要点
- DeepTEPP将患者分为低危(60.5%)、中危(19.8%)、高危(19.7%)三组,用于指导抗HER2治疗升降阶。
- DeepTEPP低危组未从曲妥珠单抗获得显著RFS获益(5年RFS 97.4% vs 98.9%,p=0.144)。
- DeepTEPP中危组从曲妥珠单抗显著获益(5年RFS 64.0% vs 75.0%,p=0.048),加用帕妥珠单抗无额外改善(2年RFS 89.7% vs 95.4%,p=0.125)。
核心结论
- 基于术前乳腺MR的深度学习模型DeepTEPP可无创预测辅助抗HER2治疗有效性,为早期HER2阳性乳腺癌抗HER2降阶或升阶策略提供参考,作者指出需前瞻性验证。
研究设计与样本
- 回顾性纳入2009年1月至2017年12月上海交通大学医学院附属瑞金医院连续收治的726例HER2阳性早期乳腺癌患者,按辅助抗HER2治疗分为无靶向治疗组139例、曲妥珠单抗单药组468例、曲妥珠单抗联合帕妥珠单抗双靶组119例。
诊断标准与关键数值
- DeepTEPP预测复发的验证集AUC为0.88,独立测试集AUC为0.87;DeepTEPP模型在验证集AUC 0.88,优于MR单独(AUC 0.76)、临床病理单独(AUC 0.71)和MR+临床病理(AUC 0.78)(均p<0.001)。
临床应用与阅片要点
- 作者认为DeepTEPP可为HER2阳性乳腺癌个体化治疗选择提供重要参考,并据此提出抗HER2降阶或升阶策略;作者同时指出该模型需前瞻性验证。
局限性
- 作者指出DeepTEPP需前瞻性验证。
- 本研究为回顾性研究。
全文中译11 节 · 点击展开
引言
乳腺癌是全球女性中最常见的恶性肿瘤[1]。中国乳腺癌发病率迅速上升,严重危害女性的生命和健康[2, 3]。抗人表皮生长因子受体2(HER2)药物的出现显著改善了HER2阳性乳腺癌患者的生存,该人群占乳腺癌患者的15–20%[4–8]。优化抗HER2策略以最大化药物疗效并最小化治疗相关毒性已成为医生面临的重大挑战。目前在这些HER2阳性乳腺癌患者中,尚缺乏更好的风险分层需求,以识别高危人群进行抗HER2升级治疗,并使低危患者免于不必要的治疗。
在当前临床实践中,HER2检测按照国际指南在肿瘤样本上完成[9]。免疫组织化学(IHC)和荧光原位杂交(FISH)是确定HER2状态的两项主要技术[9]。然而,由于组织取样相对有限,肿瘤的空间和时间异质性可能使这些组织对整个肿瘤的代表性降低[10]。作为补充,放射影像学检查如磁共振(MR)成像可提供形态学和功能信息,对乳腺恶性肿瘤诊断的总体敏感性为98–100%,特异性为88%[11]。通过动力学或动态增强评估,MR在局部癌症分期、高危患者筛查和病变范围识别方面显示出优越能力[12–14]。
近几十年来,放射组学已成为医学图像分析的一个重要方向。它将医学图像视为可挖掘的数据,用于构建临床诊断、治疗方案选择和预后预测的模型[15, 16]。由于深度学习具有优越的性能,它已成为放射组学建模中不可或缺的技术[17]。作为一类机器学习算法,深度学习构建的 network 能够从非结构化数据中学习。与传统的机器学习方法(例如线性回归、朴素贝叶斯分类器或支持向量机(SVM))不同,深度学习算法采用多层结构来提取高通量特征[18, 19]。既往的深度学习研究在乳腺癌诊断中表现出高敏感性。Abdel-Zaher 等开发了一种深度信念网络无监督路径后接反向传播监督路径的方法,在乳腺癌检测中显示出 99.68% 的准确率[20]。一项基于乳腺X线摄影的卷积神经网络半监督学习显示出 81% 的敏感性和 72% 的特异性[21]。除乳腺癌诊断外,深度学习还应用于疾病分期以及疗效评估。一项结合临床参数的、基于超声的深度学习放射组学模型在识别转移性腋窝淋巴结方面报告的受试者工作特征曲线下面积(AUC)为 0.902[22]。另一个使用 Inception V3 深度学习模型的队列在预测临床淋巴结阴性患者的淋巴结转移方面达到了 0.89 的 AUC[23]。Qu 等的深度学习算法通过综合分析治疗前和治疗后图像,在乳腺癌新辅助化疗病理反应预测中获得了 0.968 的 AUC[24]。值得注意的是,乳腺 MR 由多层信号强度和组织对比度各异的图像组成,这给深度学习算法的实施带来了更多挑战[25–27]。迄今为止,很少有研究有足够把握度来显示深度学习模型在预测乳腺癌患者临床结局方面的预后价值。此外,目前还没有能够提供抗 HER2 治疗策略指导的放射组学模型。
为此,我们在此开发了一种基于术前乳腺 MR 成像的新型深度学习算法 DeepTEPP(基于深度学习的治疗效果和预后预测器),用于预测抗 HER2 治疗反应,更重要的是,用于指导抗 HER2 治疗的升级或降级。
材料和方法
研究人群和 MR 采集
回顾性纳入 2009 年 1 月至 2017 年 12 月期间在上海交通大学医学院附属瑞金医院乳腺疾病诊治中心接受手术治疗的连续乳腺癌患者(图 1)。纳入标准如下:(1)女性;(2)在任何有创操作前具有完整的乳腺专用 MR 图像序列;(3)组织学证实为浸润性乳腺癌;(4)HER2 阳性疾病,根据 2018 年 ASCO/CAP 指南[9]定义为 IHC 3 + 或 FISH 阳性;(5)完整的临床-病理(CP)特征;(6)完整的随访。排除在 MR 前接受活检或手术、接受初次全身治疗、伴有新发 IV 期疾病或乳腺内无可评估肿瘤者。
总体而言,共纳入7024例乳腺癌患者中的726例,并根据其所接受的辅助抗HER2治疗分为三个相应队列:队列1,无靶向治疗(N = 139);队列2,曲妥珠单抗单药靶向治疗(N = 468);队列3,曲妥珠单抗和帕妥珠单抗双阻断(N = 119;图1)。详细的临床病理、治疗和随访信息从上海交通大学乳腺癌数据库(SJTU-BCDB)中检索获得,如表1所示。中位随访64.2(范围14.0–124.0)个月后,整个队列报告了60例(8.26%)疾病复发,包括15例局部区域复发、13例对侧乳腺癌和32例远处转移。13例患者死于乳腺癌(表S1)。
磁共振(MR)检查,包括三维T1加权和T2加权成像、磁共振波谱和扩散加权成像,在任何侵入性操作之前,由经验丰富的放射科医师在瑞金医院放射科使用乳腺专用MR成像仪(MAGNETOM Aera;Siemens Healthcare或Aurora;Aurora Healthcare)配合四通道双侧乳腺线圈以轴位方向进行。动态对比增强(DCE)图像在静脉注射钆基对比剂后获得五次注射后扫描,间隔30秒,扫描参数如下:TR/TE 4.5/1.6 ms,视野340 × 340 mm²,矩阵384 × 385,翻转角10°,层厚1.0 mm,层数104,T1加权成像总持续时间450秒。选择增强最明显的第三期用于自动肿瘤检测和感兴趣区(ROI)提取。
本研究经上海交通大学医学院附属瑞金医院独立伦理委员会批准(批准号:2020–309;批准日期:2020年9月17日)。所有涉及人体的程序均符合1964年赫尔辛基宣言及其后续修正案,以及国家研究委员会的伦理标准。在临床检查时,患者提供了书面知情同意书,同意将匿名化数据用于未来任何回顾性研究。
网络架构
DeepTEPP的构建与验证基于队列1和队列2的数据(图2,步骤1)。患者的复发状态被设为学习基准真相。复发事件包括侵袭性同侧及局部/区域复发、任何部位的远处转移以及乳腺癌死亡。DeepTEPP的关键技术包括自动肿瘤检测(图S1)、多视图(MV)数据增强[28–31](图S2A)、拼图混洗[32, 33](图S2B-C)、MM_ResNet(多尺度多阶段改进ResNet)网络训练[34](图S2D)以及CP融合。乳腺肿瘤检测是该系统进一步提取肿瘤特征的前提。检测之后,我们设计了一种新颖的多视图数据增强方法,以平衡正负样本的比例。拼图混洗策略使用切片拼接和混洗过滤,以确保网络能够提取层间上下文信息。在上述步骤基础上,我们引入了一个网络MM_ResNet,从MR图像中提取多层以及多尺度特征。最后,引入CP信息融合到MM_ResNet中,并将经过softmax激活函数后最后一个全连接层的概率值作为风险评分。softmax函数用于产生标签上的概率分布,使得大部分概率质量位于输出向量的最大条目处。如果分类器对输出非常有信心,则相应的风险评分应接近1。评分低于由最高约登指数截断点确定的截断值的患者被定义为低风险。评分高于截断值的患者使用无监督K-Means聚类进一步分为中风险和高风险组。模型的预测价值通过在队列1和队列2上进行五折交叉验证的受试者工作特征(ROC)曲线AUC进行评估。网络架构的详细步骤见补充文件S1。
实验设计
为验证我们提出的方法的有效性,我们设计了如下三个实验。第一,有效性比较:我们进行了一项全面的研究,包括探索不同的网络骨干、临床指标以及相关的消融实验,在消融实验中我们使用ROC曲线比较了不同配置的有效性,包括仅使用MR的基线(MM_ResNet)、仅CP、MR + CP、MR + MV以及我们提出的方法DeepTEPP(MR + CP + MV)(图2,步骤1)。第二,通过比较各风险组中接受不同治疗患者的临床结局,验证DeepTEPP的治疗指导价值。第三,通过使用Kaplan–Meier曲线及log-rank检验验证DeepTEPP的预后价值(图2,步骤2)。
统计分析
在步骤1中,应用ROC曲线比较不同网络的预测性能。灵敏度定义为真阳性率,即已知阳性状况被预测为阳性,而特异度定义为真阴性率,即已知阴性状况被预测为阴性。采用约登指数最高或等效地灵敏度加特异度最高的截断值用于步骤1中低风险个体的识别[35]。
在步骤2中,应用倾向性评分匹配(PSM)根据肿瘤分期和随访时间,将接受曲妥珠单抗+帕妥珠单抗治疗的患者与接受曲妥珠单抗治疗的患者进行匹配。不同风险类别之间的临床结局,包括无复发生存期(RFS)和总生存期(OS),使用Kaplan–Meier曲线及log-rank检验进行比较。RFS的计算从手术至首次证实的复发事件,包括浸润性同侧及局部/区域复发、任何部位的远处转移以及任何原因导致的死亡。OS的计算从手术至任何原因死亡的日期。使用分层Mantel–Haenszel检验对所选模型的预后价值进行亚组交互分析,以估计风险比(HR)及其95%置信区间(CI)。所有统计分析均使用R包版本3.4.2(https://cran.r-project.org/)和Python版本3.6进行。GraphPad Prism版本7.0用于图像制作。双侧p < 0.05被认为具有统计学意义。
结果
不同骨干网络的比较分析及消融实验
为了寻找最适合复发状态预测任务的基础网络,我们比较了VGG16 [36]、Desnet169 [37]以及我们提出的网络(Shake [38]、SE_ResNeXt [39]和MM_ResNet)的性能(表S2)。MM_ResNet在五折交叉验证中取得了最高的AUC为0.76,在独立测试集中AUC为0.65,显著高于其他方法,包括VGG16(AUC,0.51)、Desnet169(AUC,0.62)、Shake(AUC,0.61)和SE_ResNeXt(AUC,0.58),因此被选为网络骨干。值得注意的是,我们网络的特异度(96.65%)也普遍优于其他方法。单因素分析表明,肿瘤大小分期、淋巴结状态、雌激素受体状态、孕激素受体状态和分子亚型与RFS相关(均p < 0.05;表S3),并被纳入作为CP特征以构建DeepTEPP评分网络。
DeepTEPP模型在预测复发方面达到了最高AUC 0.88,大幅优于单独MR、单独CP和MR+CP,后三者的AUC分别为0.76、0.71和0.78(均p < 0.001;表2;图S3A)。此外,它在MR+MV基础上也有数值上的改善(AUC 0.85,p = 0.297)。在独立测试集中,DeepTEPP的AUC达到0.87,显著高于仅CP、仅MR和MR+CP的AUC(0.73,p < 0.001;0.65,p < 0.001;0.74,p = 0.022;表2),与MR+MV相似(AUC 0.86,p = 0.286)。按曲妥珠单抗治疗分层后,曲妥珠单抗治疗队列的AUC略高于非曲妥珠单抗队列,两个队列均达到满意的分类效能(0.94 vs 0.93;图S3B),提示DeepTEPP模型的稳健性。
通过步骤1和步骤2,我们将439例(60.5%)、144例(19.8%)和143例(19.7%)患者分别分层为DeepTEPP-低危组、中危组和高危组(图2)。
DeepTEPP与抗HER2治疗分诊
随后,我们检验了DeepTEPP对辅助抗HER2靶向治疗的预测价值。88例DeepTEPP-低危患者未接受抗HER2治疗,其余患者完成了1年曲妥珠单抗治疗。DeepTEPP-低危患者未从曲妥珠单抗治疗中获得显著获益(5年RFS 97.4% vs 98.9%,p = 0.144;图3A;5年OS 98.6% vs 98.9%,p = 0.931;图S4A)。另一方面,287例(39.5%)患者被归为DeepTEPP-中危或高危,他们从抗HER2治疗中显著获益(5年RFS 64.0% vs 75.0%,p = 0.048;图3B;5年OS 72.9% vs 91.5%,p = 0.001;图S4B)。对于DeepTEPP-中危和高危患者,随后在按肿瘤分期和随访时间进行PSM后,于各风险组内比较接受单药曲妥珠单抗与接受双阻断曲妥珠单抗+帕妥珠单抗患者的RFS和OS。DeepTEPP-中危患者在曲妥珠单抗基础上加用帕妥珠单抗未获得额外改善(2年RFS 89.7% vs 95.4%,p = 0.125;图3C;2年OS 96.6% vs 100.0%,p = 0.746;图S4C)。同时,接受双HER2阻断的DeepTEPP-高危患者与接受单药曲妥珠单抗者相比,RFS大幅改善(2年RFS 67.7% vs 100.0%,p = 0.045;图3D),表明DeepTEPP能够进行风险分层,并可指导早期HER2阳性乳腺癌患者的辅助抗HER2靶向治疗策略(图2)。
DeepTEPP的预后价值
进一步检验了DeepTEPP的预后预测价值。与DeepTEPP-中危和高危患者相比,DeepTEPP-低危患者的无复发生存期(RFS)显著更优(5年RFS分别为98.0%、80.3%、63.3%,p < 0.0001;图4A)和总生存期(OS)显著更优(5年OS分别为98.7%、90.8%、80.5%,p < 0.0001;图S5A)。多因素分析表明,在调整肿瘤分期和辅助抗HER2治疗后,DeepTEPP分类是RFS(中危 vs 低危:风险比[HR] 12.22,95% CI 5.37–27.79,p < 0.0001;高危 vs 低危:HR 28.04,95% CI 12.87–61.07,p < 0.0001)或OS(中危 vs 低危:HR 8.29,95% CI 2.72–25.24,p < 0.0001;高危 vs 低危:HR 11.17,95% CI 3.82–32.67,p < 0.0001)最强的独立预后因素。
随后根据辅助抗HER2靶向治疗的使用情况评估了DeepTEPP的预后价值。对于接受靶向治疗的患者,复发风险和死亡风险均随DeepTEPP风险升高而增加(5年RFS分别为97.4%、81.4%、67.5%,p < 0.0001;图4B;5年OS分别为98.6%、94.0%、88.1%,p = 0.0003;图S5B)。同时,在未接受抗HER2治疗的患者中,RFS和OS的这种差异仍具有统计学显著性(5年RFS分别为98.9%、77.0%、53.8%,p < 0.0001,图4C;5年OS分别为98.9%、81.3%、65.3%,p < 0.0001,图S5C)。
进一步的亚组分析显示,DeepTEPP模型的预后价值在各个亚组中保持一致,评分越高预测RFS(图S6A)和OS(图S6B)越差,在所有亚组中均如此。
讨论
在本研究中,我们基于726例连续接受不同类型抗HER2治疗的HER2阳性乳腺癌患者队列,构建了一个术前乳腺磁共振(MR)为基础的深度学习网络,具备自动肿瘤检测和多视角(MV)数据增强功能。所构建的DeepTEPP(基于深度学习的治疗有效性和预后预测器)网络不仅能够预测疾病结局,还能预测辅助抗HER2治疗的有效性,从而指导早期HER2阳性乳腺癌患者的抗HER2靶向治疗策略。我们提出的DeepTEPP模型对复发表现出令人印象深刻的预测效能(验证队列:AUC 0.88;测试队列:AUC 0.87)。此外,据我们所知,DeepTEPP是首个已知的用于指导抗HER2治疗降阶梯或升阶梯的深度学习模型,为以无创方式为HER2阳性乳腺癌患者选择合适的个体化治疗提供了重要参考。
过去几十年中,人们提出了多种深度学习模型,从数字化医学图像中提取高维数据以帮助回答临床问题。在乳腺癌领域,基于MR的深度学习已被应用于预测新辅助治疗后的病理缓解(AUC 0.47–0.99 [24, 40, 41])、预测腋窝淋巴结转移(AUC 0.81–0.86 [42–44])以及识别肿瘤特征(AUC 0.80–0.85 [45, 46])。然而事实是,在真实世界环境中尚不存在广泛推广的临床应用或广受认可的模型。基于既往证据,我们的网络填补了该领域的若干空白。例如,大多数既往研究将总体乳腺癌亚型一起检验,而我们聚焦于特定的HER2阳性亚型。此外,很少有研究具备足够效能来构建能够对癌症患者进行预后预测的深度学习模型,而在本研究中,我们的DeepTEPP网络不仅对RFS具有预后价值,对OS也具有预后价值。就深度神经网络而言,现有大多数网络使用经典神经网络如VGG16、ResNet [34, 36]来完成特征提取和分类。然而,这些网络忽略了输入MR图像的多尺度、细粒度和多层面信息。我们通过在ResNet之上增加少量参数解决了这些问题。具体而言,提取多个网络特征层的特征以表示图像的多尺度信息,并使用拼图打乱策略提取细粒度和z轴信息。最后但同样重要的是,我们的深度学习模型计算所需的运行时间极少,网络参数量仅为45 Mb,可轻松应用于移动或手持设备,从而实现可能的临床落地。
传统的大数据驱动深度学习依赖大量医学图像来构建智能诊断模型 [47]。由于医学数据收集困难以及生存事件发生率相对较低,常存在样本量小 [48]或正/负样本不平衡 [49]等问题。常采用数据增强方法来解决这些问题,包括翻转、旋转、裁剪等 [26]。这些方法仅是对原始图像的简单映射,因此增强数据与原始数据之间的差异仍然很小,限制了数据的多样性。此外,模型构建中通常仅使用MR的轴位、冠状位和矢状位图像,而忽略了肿瘤的3D特征。在本研究中,我们提出了MV数据增强,一种新型3D数据增强技术,以提高分类的准确性。具体而言,我们提出的方法不仅可以通过为频率较低的类别增加样本量来解决正/负样本不平衡问题,还可以在样本量小的情况下生成新数据以防止网络过拟合。
在HER2阳性早期乳腺癌患者中,与单纯化疗相比,基于曲妥珠单抗的抗HER2治疗带来了显著的生存获益[4–8]。与此同时,治疗相关不良反应和经济毒性也给患者和医疗系统带来了严重负担。例如,曲妥珠单抗单药治疗的成本-效果分析显示,在早期乳腺癌患者中,每获得一个质量调整生命年的增量成本-效果比范围为3至17万美元[50]。此外,另一种抗HER2单克隆抗体帕妥珠单抗可在曲妥珠单抗联合化疗的基础上进一步改善高危HER2+患者的疾病结局。值得注意的是,本研究是极少数、同时也是规模最大的研究之一,不仅在连续队列的HER2阳性乳腺癌患者中评估了深度学习模型的预后价值,还评估了其预测疗效。因此,我们的模型为满足更好分层高危人群以进行治疗升阶梯或降阶梯、并使低风险患者免于不必要治疗这一未满足需求提供了指导,这凸显了本研究的临床相关性。需要注意的是,在接受抗HER2治疗的患者中,DeepTEPP-低危、-中危和-高危组的5年RFS分别为97.4%、81.4%和67.5%,表明其预后和预测价值与多基因检测HER2DX模型相当,后者报告HER2DX低风险、中等风险和高风险组的5年DFS分别为93.5%、86.7%和81.1%[51]。我们相信,多基因检测与影像组学模型的结合可能有助于更好地定制全身治疗,并筛选可省略不必要治疗的患者。
然而,存在若干局限性。鉴于单中心设计的性质,缺乏外部验证,且我们的模型的稳健性尚未在不同MR机器上进行测试。前瞻性多中心验证将在未来研究中开展,以推动我们的模型进入临床应用。其次,由于深度神经网络训练是由大规模数据驱动和促进的,当前样本量仍然有限,可能阻碍网络取得更好性能。尽管我们通过MV数据增强和从同一患者提取多个 imaging 样本部分克服了这一问题,但更大的患者群体可能进一步改善算法性能。更有趣的是,我们发现CP并未显著增加预测生存的能力。我们通过将CP与分类器前的特征层拼接来融合MR和CP信息[20]。一种可能的解释是,一些CP特征已从影像数据中提取,例如肿瘤大小和淋巴结状态。因此,CP特征的作用更多是补充无法仅从图像中提取的临床信息。此外,此处DeepTEPP首先在步骤1的队列1和2中构建和训练,队列3未用于训练目的,而是作为独立测试集来预测评分。由于帕妥珠单抗仅于2019年后才在我们中心常规临床使用,队列3的随访时间显著短于队列1和2,这可能引入 ground truth 标签的不准确性。因此,我们单独测试队列3,以避免纳入队列3可能给深度学习模型带来的潜在偏倚。尽管我们通过PSM调整做出了努力,但仍需要更长的随访和更大的队列来更好地确立生存差异。尽管如此,未来仍需努力,借助多组学来更好地理解影像表型背后潜在的分子生物学机制。
结论
总之,我们开发了一种名为DeepTEPP的新型基于MR的深度学习算法,该算法能够准确预测疾病结局以及抗HER2靶向治疗获益,从而指导早期HER2阳性乳腺癌患者进一步的个体化降阶梯和升阶梯治疗。
补充信息
以下是电子补充材料的链接。补充文件1(PDF 1024 KB)
引用
- Tong Y, Hu Z, Wang H, et al. Anti-HER2 therapy response assessment for guiding treatment (de-)escalation in early HER2-positive breast cancer using a novel deep learning radiomics model. Eur Radiol. 2024. PMID: 38329503. doi:10.1007/s00330-024-10609-7
- 全文:PMC11255056(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11255056/
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。