3.0 T MRI T2加权成像熵纹理特征测量的中期异质性变化与原发性乳腺癌新辅助化疗病理反应相关
回顾性分析88例原发性乳腺癌患者,在3.0 T MRI新辅助化疗前及2–3周期后T2加权图像上提取熵特征,比较其变化与最终手术RCB评分的关系。粗熵中位下降pCR组32.8%、RCB-I组10.5%、RCB-II组9.7%、RCB-III组3.0%,粗熵变化预测pCR准确率85.2%(AUC 0.845)。
要点
- 粗熵中位下降pCR组32.8%、RCB-I组10.5%、RCB-II组9.7%、RCB-III组3.0%,pCR组下降幅度显著大于残留病灶组(p<0.014)。
- 粗熵变化预测pCR的AUC为0.845,最佳阈值20%,准确率85.2%。
- 各免疫表型预测pCR的敏感度/特异度:ER+ 100%/100%、HER2+ 83.3%/95.7%、TNBC 87.5%/80.0%。
核心结论
- 病灶T2异质性变化与基于RCB评分的新辅助化疗反应相关,尤其对pCR,且在各免疫表型中均有良好诊断准确率。
研究设计与样本
- 回顾性研究,纳入88例活检证实的原发性乳腺癌女性(年龄30–79岁,平均50.7岁),使用32通道3.0 T Siemens Magnetom Trio扫描仪和7通道乳腺线圈,于NAC前及第2–3周期后行T2加权成像,以手术切除标本RCB评分为参考标准。
关键影像表现/征象
- pCR、RCB-I或RCB-II患者基线至中期细熵和粗熵均下降(p<0.006),RCB-III患者无显著差异(p>0.397)。
- 对侧正常乳腺组织基线至中期熵特征无显著差异(p>0.419),各反应组间熵特征差异无显著差异(p>0.166)。
- 基线时各反应组间纹理分析特征无显著差异(p>0.866)。
诊断标准与关键数值
- 粗熵变化预测pCR的AUC为0.845,最佳阈值20%,准确率85.2%。
- 细熵变化预测pCR的AUC为0.834,最佳阈值11%。
- 粗熵阈值:ER+ 28%、HER2+ 30%、TNBC 18%,对应敏感度/特异度分别为ER+ 100%/100%、HER2+ 83.3%/95.7%、TNBC 87.5%/80.0%。
- 组内观察者熵特征ICC=0.813(p<0.001),CoV=5.4%;组间观察者ICC=0.790(p<0.001),CoV=8.0%。
临床应用与阅片要点
- 作者认为粗熵特征表现优于细熵特征,基线至中期差异更大且诊断准确率更高。
- 作者认为各免疫表型阈值下pCR的NPV很高,中期MRI或可识别 unlikely 达到pCR的患者,准确率超过95%。
- 作者指出不同软件得到的熵值数量级不同,绝对熵特征用于诊断前需标准化,比较性研究(如治疗监测)可能更有用。
局限性
- 本研究为试点研究(pilot study)。
- 研究纳入的癌症亚型异质性导致使用不同化疗方案,但中期分析仅针对已接受FEC治疗的患者。
- 中期扫描在2或3周期NAC后进行,存在变异性。
- 基线与中期MRI分析层面可能存在轻微不匹配。
- 不同软件应用的熵值数量级不同,绝对熵特征用于诊断前需标准化。
全文中译10 节 · 点击展开
引言
原发性乳腺癌的新辅助化疗(NAC)在临床上可用于降低局部晚期乳腺癌的分期和/或将手术范围从乳房切除术缩小至保乳手术。NAC的疗效因乳腺癌亚型和化疗方案而异[1, 2],但疗效预测在临床上仍具有挑战性[3, 4]。NAC后达到病理完全缓解(pCR)与生存结局存在内在关联,尤其是在三阴性和激素受体阳性疾病中[5–7];未来,当高度确信已实现pCR时,治疗后手术可能不再必要[8, 9]。因此,早期识别此类患者对于改善和个性化患者管理至关重要。反之,在治疗早期识别出不太可能良好应答的患者,可能允许修改细胞毒性方案或剂量,尽管此类策略的获益仍需在前瞻性试验中证实[10]。
乳腺磁共振成像(MRI)越来越多地用于NAC治疗期间监测患者,允许重复检查,动态对比增强成像(DCE)可提供肿瘤血管性的测量指标。然而,乳腺MRI在约30%的女性中可能低估或高估残留肿瘤量[11],且疗效预测的准确性取决于免疫组化肿瘤亚型[12]。
定量影像生物标志物在重复影像学研究中发挥重要作用[13],尤其是当需要量化治疗应答的比较性变化时。为此,已有多种MRI指标被探索,包括MRI DCE参数[14]、体积变化[3, 15]和扩散变化[16]。
纹理分析(TA)在医学影像研究中的应用展现出前景。TA对像素灰度的空间分布进行统计建模,以对数据进行分类或分割[17],并已成功用于神经影像学中的组织区分和分类[18, 19]。对于乳腺MRI,TA已被用于区分恶性和良性病变[20, 21]以及区分乳腺癌亚型[22–24]。
近年来,通过TA评估的异质性在多种癌症类型的诊断、表征[25]和治疗应答评估中发挥了作用[26, 27],初步报告提示其与患者生存相关[28]。利用TA的初步工作[29]表明,NAC应答中的异质性变化可通过T2加权成像以及DCE-MRI观察到。T2加权成像的优势在于信号强度与 underlying 形态学直接相关(通过细胞内和细胞外/血管外间隙),并可在无法给予对比剂的情况下提供有用信息。T2加权图像也较不易受退化(如运动)影响,且可能更容易在多个中心之间标准化。由于此前使用TA的研究规模相对较小,我们在更大的患者队列中探索了这些原理的应用,并与乳腺癌NAC病理应答的公认、经验证的测量指标——残留癌症负荷评分(RCB)[30]进行相关性分析。与具有微小、中度或广泛残留病变(RCB-I/RCB-II/RCB-III)的患者相比,达到病理完全缓解(pCR)的患者具有有利的生存率[30]。
本研究旨在确定病灶异质性的变化是否与NAC(新辅助化疗)的疗效相关,以最终病理结果作为衡量标准,并评估这种疗效关联是否依赖于肿瘤的免疫表型。测量重复性也被纳入考量,因为在评估潜在定量工具时这一点至关重要。
方法
受试者
本研究纳入经活检证实为原发性乳腺癌的女性患者,按国家指南[31]计划接受NAC,目的为促进保乳手术或使局部晚期乳腺癌变为可手术。所有女性均签署书面同意书,同意将其图像用于研究目的。本回顾性分析使用常规临床诊疗过程中采集的匿名数据,豁免知情同意和伦理审批。在19个月期间连续扫描的117名女性中,28名患者因MRI时间安排、数据不完整、图像质量差或非标准管理而被排除(图1)。剩余88名患者(年龄范围:30–79岁,平均年龄50.7岁)组成研究队列,她们接受了三次常规MRI检查:诊断后但NAC前、治疗中期以及NAC完成后术前。
患者和肿瘤特征总结于表1。
在88名患者中,26例癌症为雌激素受体(ER)阳性(Allred评分>3)、HER2阴性;29例HER2阳性(免疫组织化学3+或免疫组织化学2+且荧光原位杂交(FISH)扩增);33例三阴性乳腺癌(TNBC)(Allred评分<3且HER2为0、1+或2+且FISH无扩增)。HER2阳性组包括激素受体阳性(n=22)和阴性(n=7)的女性。18名患者接受六个周期的FEC(氟尿嘧啶、表柔比星和环磷酰胺);41名女性接受三个周期FEC后接三个周期多西他赛。所有29名HER2阳性疾病患者接受三个周期FEC后接三个周期多西他赛联合曲妥珠单抗(n=26)或多西他赛联合曲妥珠单抗-美坦新偶联物(TDM1)(n=3)。
MR成像
患者在NAC前、NAC第2周期(n=16)或第3周期(n=72)后以及术前接受扫描,以评估最终影像学疗效。在中期MRI检查时,所有患者仅接受了FEC治疗。最终MRI检查与手术切除之间的中位时间为28天(范围:6–57天)。
所有MR检查均使用32通道3.0特斯拉(T)Siemens Magnetom Trio扫描仪(德国埃尔朗根)和7通道乳腺线圈进行。T2加权序列采用快速自旋回波序列采集(TR/TE/α = 8,000 ms/86 ms/150°,视野 = 340 × 340 mm,矩阵 = 320 × 320,体素大小1.1 mm3),并行成像因子×2,快速因子×21。其余检查包括T1非脂肪饱和采集,随后进行DCE采集。
DICOM图像经匿名化处理后离线导出以进行TA。
纹理分析
使用MaZda 4.7版[32]对基线和中期T2加权图像进行纹理分析。将每位患者两次检查的对比剂后减影图像并排考虑,以确定各自的最大病灶直径;随后将这些切片与T2采集上的相应切片匹配,以便在可比切片上放置感兴趣区(ROI)(见图2)。所有图像分析均在对患者结局、临床和病理信息设盲的情况下进行。
将T2加权图像放大以显示肿瘤边界,在显示最大病灶直径的成像切片上围绕整个肿瘤绘制ROI,且无标记夹存在。可视化直方图以确保ROI内无误存脂肪(见图2)。在健康、正常对侧乳腺实质中放置10 × 10像素的ROI,以排除扫描间的系统性差异(如图2(c,d)所示)。这些ROI放置在基线和中期可比的乳腺实质区域,以确保一致性,并注意排除ROI内血管的存在。数据重新缩放至6比特/像素,图像直方图归一化至均值3个标准差以内,以最小化亮度和对比度变化。代表异质性的熵特征从灰度共生矩阵[33]导出,因为文献报道这些特征最适合癌症成像[29]。计算n = 2和n = 5的像素间距离以描绘细纹理和粗纹理。原始特征值导出用于统计分析。
观察者内和观察者间误差基于20幅基线图像的子集计算,该子集由SAH(8年纹理分析经验)以1个月间隔分析两次,并由RAL(30余年纹理分析经验)分析一次。
疗效评估
RCB评分[30]由专科乳腺病理学家(CP)使用切除标本的最终病理,基于瘤床尺寸、细胞密度和腋窝淋巴结负荷计算,并以RCB指数[30]报告。根据患者治疗后是否达到pCR或是否有残留病变(RCB-I、RCB-II、RCB-III)进行分类。
统计学
所有统计量均使用SPSS(v21;IBM Corporation,纽约州纽约市,美国)计算,p < 0.05视为显著,p < 0.001视为高度显著。
熵特征的观察者内和观察者间测量误差使用变异系数(CoV)和Pearson组内相关系数(ICC)计算。
数据不符合正态分布,因此全程采用非参数检验。在正常组织和病灶组织中,使用Wilcoxon检验比较绝对基线和中期熵值,并使用Kruskal-Wallis检验(跨所有反应类别)和Mann-Whitney U检验(反应类别之间)评估检查之间的百分比变化。
生成受试者工作特征(ROC)曲线并计算曲线下面积(AUC)。使用Youden指数推导最佳阈值,并计算所得灵敏度、特异度、准确度以及阳性和阴性预测值(PPV和NPV)。
结果
患者队列
在分析的88例患者中,识别出107个病灶;然而,TA仅限于每例中最大的索引病灶。最终病理检查时,16例患者被分类为pCR,12例为RCB-I,43例为RCB-II,17例为RCB-III(图1)。
可重复性
观察者内ICC值显示熵特征具有高度相关性(ICC = 0.813,p < 0.001),相应CoV值为5.4%。观察者间ICC值显示相似的相关性,熵ICC = 0.790(p < 0.001),CoV值略差为8.0%。
RCB反应
平均基线ROI大小为795像素(范围:202–1,995),对应物理大小为962 mm2(244–2,414 mm2);中期ROI大小为454像素(77–1,561),物理大小为549 mm2(93–1,889 mm2)。各反应类别之间的基线TA特征无显著差异(p > 0.866;Kruskal-Wallis)。
在正常实质内,基线检查与中期检查之间未发现显著差异(p > 0.419;Wilcoxon检验),反应组之间熵特征差异的成对比较也未发现显著差异(p > 0.166;Mann-Whitney U检验)(图3),提示不存在随机或系统性的扫描间时间差异。
pCR、RCB-I或RCB-II评分患者在基线与中期检查之间细熵和粗熵特征均降低(p < 0.006;Wilcoxon检验),表明病灶图像异质性降低。RCB-III患者未发现显著差异(p > 0.397;Wilcoxon检验)(表2,图3)。基线与中期MRI之间粗熵的中位降低幅度为pCR:32.8%,RCB-I:10.5%,RCB-II 9.7%,RCB-III:3.0%(图4)。对于两种熵特征,pCR患者的降低幅度显著大于有残留病灶的患者(p < 0.014;Mann-Whitney U检验)。
细熵和粗熵的ROC曲线见图5,使用细特征对pCR分类计算的AUC为0.834,使用粗特征为0.845。使用Youden指数推导出pCR识别的最佳阈值分别为11%(细熵)和20%(粗熵)。所得灵敏度、特异度、准确度、NPV和PPV见表3。
随后按免疫表型对肿瘤进行分析。在全部免疫表型中,病理完全缓解(pCR)组与残留病灶组之间均存在显著差异(ER+:p < 0.001;HER2+:p < 0.007;三阴性乳腺癌(TNBC):p < 0.001;Mann-Whitney U检验)。ER+、HER2+和TNBC的粗熵分类中位百分比变化(表4)证实,病灶图像异质性降低与经RCB评估的病理缓解相关,其中ER+肿瘤pCR组的异质性变化最大。最终达到pCR的TNBC患者异质性降低幅度较小,中位降低23%,提示新辅助化疗(NAC)后可能达到pCR。采用Youden指数得出的最佳阈值分别为ER:28%、HER2+:30%、TNBC:18%。这些阈值产生了良好的诊断特征,如表5所示。
讨论
新辅助化疗越来越多地用于乳腺癌管理,尤其是TNBC和HER2+疾病,而pCR与总生存直接相关[5–7, 34]。图像分析具有在治疗期间、手术切除之前评估缓解的潜力,但大多数使用乳腺MRI的研究集中于DCE或表观扩散系数的变化[16, 35]。本研究探讨了NAC期间T2加权MRI熵特征(代表异质性)的变化,并与治疗后的病理RCB评分相关。我们证明异质性变化与RCB之间存在显著关联,并因此间接与临床结局相关[30, 34]。重要的是,该技术在每种免疫表型中均表现良好,因此进一步研究具有真正的临床重要性。
基线与中期检查之间精细熵特征的绝对差异将数据二分为两个统计学上不同且具有临床意义的组别:pCR和RCB-I、II和III(残留病变)。ROC分析表明,粗熵值降低20%的阈值使最终将获得pCR的患者产生关联,准确率为85.2%(AUC 0.845)。重要的是,这些阈值对pCR产生了非常好的阴性预测值(表3和表5),因此临床医生有可能在中期MRI中识别出在治疗完成时不太可能达到pCR的患者,准确率超过95%。
根据我们的结果,粗熵特征优于精细特征,在基线与中期MRI之间具有更大的差异。pCR的异质性降低阈值越大,诊断准确性越高(表3,图5)。精细和粗熵的使用已在其他地方报道[29],并与纹理发现中结构特征增强的尺度相关。先前的假设认为精细特征与实质相关,而较粗特征代表 underlying 血管系统;然而这些基于CT图像,尚未在MR成像中得到验证。
对侧乳腺的异质性未发现显著差异,这进一步支持了研究结果可归因于治疗效果。虽然已有报道化疗诱导的正常乳腺组织内变化[36],最可能与血管损伤相关[37],但这些变化不太可能影响T2加权图像。
关于临床队列中TA重复性的文献很少;然而,我们观察者内测量误差CoV=5.4%与Carballido-Gamio等人一致,他们报告膝关节软骨熵测量的观察者内重复性为2.8-6.6%[38],Mathias等人引用脊髓内为1.1%[39]。我们未找到考虑观察者间重复性测量的研究,但估计我们的CoV为8%。估计误差低于10%,这可能意味着该技术在多中心研究中具有可比性。
熵的降低此前已有报道[29];然而,我们扩展了这项工作,考虑了治疗结束时pCR与残留病变的关联。虽然这是一项初步研究,但我们的患者数量大于同类研究[29, 40, 41],使用了公认的病理缓解测量方法[30],并纳入了免疫表型这一重要考虑因素。
尽管基线预测NAC最终缓解具有真正的临床重要性,但我们在患者队列中未发现关联。文献中关于基线异质性缓解预测的报道相互矛盾;Ahmed等人报告治疗前熵增加与NAC缓解不良相关[42],而Teruel[40]和Michoux[41]的研究则提示相反结果。然而应注意,这些研究均未考虑免疫表型,而免疫表型在NAC缓解背景下尤为重要。
对中期MRI预测pCR已有广泛研究,近期有两篇论文为此考察了多种指标。O’Flynn等评估了一系列参数,包括体积、药代动力学和强化率。他们发现最佳的pCR预测指标是体积变化,其ROC曲线下面积为0.773,敏感度/特异度为71.4%/76.9% [43]。Li等专注于优化用于计算肿瘤体积的强化阈值,获得了AUC = 0.73 [44]。该研究组还考察了免疫表型,AUC良好,分别为0.77(ER+/HER2-)、0.75(HER2+)和0.85(TNBC)。我们的研究显示了更高的诊断准确性,因此未来研究评估这两种联合技术将非常有意义。
鉴于与RCB评分的相关性,TA有潜力支持试验开发,即在影像学评估NAC完全缓解后,不进行切除,仅对瘤床进行经皮取样并对乳房进行放疗。这一概念虽非新提出 [9, 45],但鉴于NAC疗效不断提高,若有足够准确的無创监测手段(如MRI TA)可用,可能会重新引起兴趣。
纹理分析在肿瘤影像中广泛用于鉴别、分类和治疗监测 [22–29, 40, 42]。空间分辨率是跨扫描仪可推广性的关键 [46],虽然该技术在分析和解释上计算要求高,但纳入商业化的、经过验证的后处理软件应是可能的。目前,不同软件应用产生的熵值数量级不同,因此在实现标准化之前,绝对熵特征在诊断中的效用不太可能实现。然而,最有用、或许最具临床相关性的效用在于比较研究——无论是组织类型比较还是随访研究,如治疗监测。目前,TA与 underlying 解剖或病理结构的精确对应关系尚不清楚,其他研究组正在致力于将影像异质性与 underlying 组织病理学和遗传异质性联系起来 [24]。
虽然大多数乳腺影像TA是在增强后图像上进行的,但这些图像易受运动影响,配准算法可能向图像中引入人工纹理。在近期一项比较研究中,发现T2图像的TA在接受NAC的患者中区分临床缓解组的能力优于DCE-MRI [29]。DCE-MRI和T2加权成像中信号强度分布的 underlying 机制完全不同。DCE-MRI中的信号强度来源于对比剂分布和血管渗漏,而T2加权成像主要受细胞内和细胞外/血管外间隙影响,因此更可能直接反映肿瘤形态。
本研究纳入的癌症亚型具有异质性,导致使用了不同的化疗方案,这反映了临床实际情况。然而,中期分析仅对只接受了FEC治疗的患者进行。该研究的另一个潜在不足是中期扫描是在新辅助化疗(NAC)两或三个周期后进行的,但尽管存在这种差异,我们仍能显示不同缓解类别之间具有统计学显著差异。最后,基线与中期MRI检查之间在分析成像层面上可能存在轻微不匹配。这种不匹配可能很小,尤其是相对于肿瘤大小变化、成像层厚以及使用解剖标志和标记夹定位感兴趣区(ROI)而言。
总之,病灶异质性变化与基于RCB评分的新辅助化疗(NAC)缓解相关,并可能有助于在所有免疫表型中识别可能达到病理完全缓解(pCR)的患者。这些数据表明,MRI熵特征的变化可能为NAC缓解提供临床上有用的早期指标,值得进一步研究并在预测病理结果的多变量分析中加以考虑。
引用
- Henderson S, Purdie C, Michie C, et al. Interim heterogeneity changes measured using entropy texture features on T2-weighted MRI at 3.0 T are associated with pathological response to neoadjuvant chemotherapy in primary breast cancer. Eur Radiol. 2017. PMID: 28523352. doi:10.1007/s00330-017-4850-8
- 全文:PMC5635097(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC5635097/
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。