超聲影像組學標簽預測乳腺癌前哨淋巴結轉移的價值

暴珞寧 王瑛 陳東 劉再毅

1南方醫科大學第二臨床醫學院（廣州510515）；2廣東省人民醫院（廣東省醫學科學院）放射科（廣州510080）；3廣州醫科大學附屬第一醫院超聲科（廣州510120）；4昆明醫科大學第三附屬醫院（云南省腫瘤醫院）超聲科（昆明650118）

乳腺癌是全球女性中最常見的癌癥［1］。有腋窩淋巴結轉移的乳腺癌患者的5年生存率不足72%，而無腋窩淋巴結轉移的乳腺癌患者的5年生存率約為82%［2］。因此，鑒別腋窩淋巴結的良惡性對乳腺癌患者具有重要意義。前哨淋巴結（sentinel lymph node metastasis，SLN）是乳腺癌發生淋巴轉移所必經的第一批淋巴結，其是否轉移決定了乳腺癌患者的手術方式［3］。現有的生物學指標的準確性大多尚未得到驗證，前哨淋巴結活檢術作為臨床判斷有無淋巴結轉移的首選方式［4］，但存在精準定位困難、手術創傷大等不足［5］，且不適用于有手術禁忌證或其他不適宜活檢術者［6-7］。因此，需要一種新的生物學指標來代替這種有創的檢查［8］。近年，通過提取影像圖像的海量特征構建影像組學標簽［9］，對多種腫瘤淋巴結轉移預測具有重要的價值［9-10］。乳腺超聲檢查是乳腺癌患者治療前后常規進行的檢查［11］，具有便捷、無創、可重復性等優勢。筆者推測基于超聲的影像組學有望在治療前精準預測乳腺癌前哨淋巴結的狀態。本研究以為臨床提供新的生物學指標為目的，擬開發超聲影像組學標簽，評價和驗證該標簽預測乳腺癌前哨淋巴結轉移的效能。

1 資料與方法

1.1 臨床資料 本研究回顧性收集于2020年1-10月經我院診治的乳腺癌患者300 例，通過納入與排除標準，最終納入本研究乳腺癌患者194 例。納入標準：（1）單側乳腺癌患者且無遠處轉移；（2）行前哨淋巴結活檢術并有完整的病理診斷結果；（3）治療前乳腺癌原發灶超聲圖像完備且病灶清晰可見；（4）臨床資料完備。排除標準：（1）超聲檢查前有過新輔助治療；（2）超聲圖像病灶顯示不清晰。按照患者乳腺超聲檢查時間的先后順序，將數據集分成訓練集（n=106）和驗證集（n=88），分別用于模型訓練和模型驗證。本研究的開展已獲得本單位倫理委員會的授權（倫理編號：No.GDREC 2018349H）。

1.2 超聲影像采集 本研究所納入的患者均使用GE Voluson E9 和Super Sonic Imagine Aixplorer 超聲診斷儀進行圖像采集。檢查時，探頭頻率選擇為4～15 MHz，圖像采集存儲為DICOM 格式。術前1～ 2 周對患者乳腺進行超聲檢查。檢查時患者體位：仰臥位，雙手置于頭上方，充分呈現雙側乳房以及腋窩區。然后對雙側乳腺進行縱向、橫向以及以乳頭為中心的放射狀掃描，并對乳腺病灶區域進行多角度掃查，掃查范圍包括雙側乳腺及雙側腋窩。

1.3 影像組學

1.3.1 腫瘤病灶分割 以手工的方式用Image J 軟件對腫瘤病灶區域進行分割。分割時，選取病灶邊沿清晰、易識別的圖像，沿腫瘤的邊界（盡可能完全的包含腫瘤）勾畫。由于手工勾畫存在一定的主觀性，為盡可能降低因主觀差異造成的影響，病灶圖像由兩名工作分別滿5年和10年的超聲乳腺診斷醫生進行分別勾畫，分割完病灶后，如果分割圖像存在較大差異，由兩位醫生討論后決定。腫瘤病灶區域的勾畫示意圖見圖1。

圖1 乳腺癌超聲影像感興趣區域勾畫示意圖（乳腺癌前哨淋巴結轉移患者，56 歲）Fig.1 Schematic diagram of the region of interest in breast cancer ultrasound imaging（A 56?year?old patient with sentinel lymph node metastases from breast cancer）

1.3.2 特征提取 本研究中的超聲影像組學特征基于python（version3.7）中開源工具包Pyradiomics（version3.0）所提取，總共提取1 130 個影像組學特征。特征主要可描述為四類：一階統計量特征、腫瘤形態學特征、紋理特征、小波特征。

1.3.3 特征篩選 為保證后續模型的穩健性，特征篩選僅在訓練集上進行。特征篩選主要步驟包括：（1）特征可重復性篩選：針對兩位超聲影像醫生勾畫的感興趣區域分別提取影像組學特征，采用組內相關系數（ICC）對特征進行檢測，以ICC=0.85 作為閾值，高于該閾值的特征視為重復性高的特征；（2）特征方差貢獻率篩選：剔除特征中是常數或者方差極小的特征；（3）最大相關最小冗余：最大化特征與前哨淋巴結狀態之間的相關性，同時最小化特征間的相關性；（4）逐步回歸。

1.3.4 模型構建于評價 經上述特征篩選后，最終剩余的特征采用logistic 回歸構建乳腺癌前哨淋巴結轉移預測模型，首先在訓練集上采用受試者工作特征（ROC）曲線下的面積（AUC）、靈敏性、特異性、準確度、校準曲線、決策曲線等評價指標進行評估，隨后在驗證集上展開對模型效能的獨立評估。

1.4 統計學方法 采用R 軟件（Version 4.0.3）進行統計分析，采用Kolmogoro?Smirnov 方法檢驗變量的正態性。符合正態分布的計量資料表示為均值±標準差。可重復性分析采用“psych”包實現。以P＜0.05 為差異有統計學意義。

2 結果

2.1 人口統計學資料 本研究納入的194例患者中，91 例發生前哨淋巴結轉移，年齡31 ～ 79 歲，平均（50.49 ± 10.89）歲；103 例無前哨淋巴結轉移，年齡30～74歲，平均（49.87±9.31）歲。訓練集中，51 例發生前哨淋巴結轉移，平均年齡為（50.06±10.33）歲；驗證集中，40 例發生前哨淋巴結轉移，平均年齡為（50.30±9.80）歲。

2.2 特征篩選 用Pyradiomics 軟件包對每位經篩選出來的乳腺癌患者分別提取1 130 個影像組學特征。首先，經可重復性ICC=0.85 篩選后，剩余682 個特征；然后，根據方差貢獻率情況進一步對剩余的特征篩查并剔除292 個特征，剩余390 個特征進行下一步篩選；其次，利用最大相關最小冗余對390 個特征進行打分并按得分從高到低進行排序，選取其中排前10%的特征（39 個）；最后，采用逐步回歸分析，對剩余的39 個特征進行篩選，選出6 個關鍵影像組學特征用于構建模型。見表1。

表1 篩選出的6 個關鍵影像特征Tab.1 Six selected key image features

2.3 模型構建與評價 經特征篩選后的6個關鍵影像組學特征在訓練集上的AUC 值為0.795（95%CI：0.708 ～ 0.882），驗證集上AUC 值為0.784（95%CI：0.688 ～ 0.881），見圖2A 和表2。校準曲線與箱線圖顯示超聲影像組學模型在訓練組和驗證組中，對乳腺癌前哨淋巴結轉移的預測概率與真實值一致性好（P=0.985、0.854），見圖2B、C，決策分析曲線顯示超聲影像組學標簽具有一定的臨床實用性（圖2D）。

表2 超聲影像組學標簽的預測效能Tab.2 Predictive efficacy of radiomic signature based on the ultrasound imaging

圖2 超聲影像組學標簽預測乳腺癌前哨淋巴結轉移的效能與價值Fig.2 Predictive efficacy of radiomic signature based on the ultrasound imaging

3 討論

近年影像組學在超聲影像領域發展迅速［12］，主要是關于甲狀腺、肝臟和乳腺等器官的研究，其中乳腺癌方面的研究最多［11，13-14］。此研究結果表明影像組學標簽可在術前精確判斷乳腺癌患者是否存在前哨淋巴結轉移。因此，超聲影像組學標簽具有預測乳腺癌前哨淋巴結轉移的價值，可為術前臨床醫生制定個體化的手術方式提供重要參考依據。在本研究的訓練集和驗證集中構建的超聲影像組學標簽預測乳腺癌前哨淋巴結轉移的AUC 相似，接近0.80，這和前期用影像組學預測結直腸癌和胃癌淋巴結轉移的研究結果相似［13-14］。本研究證實了在腫瘤淋巴結是否存在轉移的判斷中，影像組學可作為一種無創性的生物學指標參考，并有望廣泛應用于臨床。

乳腺癌超聲圖像特征與乳腺癌前哨淋巴結有無轉移的具有相關性［15］。馬微妹等［16］學者研究發現腋窩淋巴結在超聲表現上是否存在皮質增厚與乳腺癌前哨淋巴結轉移具有相關性。本研究也發現乳腺癌原發灶的db4.LH_glcm_Idmn 等6 個超聲影像組學特征與乳腺癌前哨淋巴結轉移具有相關性。這說明乳腺癌的異質性可在超聲圖像特征上被反應，由此可見超聲圖像特征可用于治療前預測乳腺癌前哨淋巴結的轉移。

本研究構建的超聲影像組學標簽預測乳腺癌前哨淋巴結轉移的效能不低于目前已有的生物學指標［16-18］。MINAMI 等［17］學者基于常規的臨床病理學指標（腫瘤大小、腫瘤至乳頭的距離、糖耐量減低）構建的列線圖預測乳腺癌前哨淋巴結的AUC 為0.65。馬微妹等［16］學者基于常規人口學信息、MRI 表現（腫瘤大小、腫塊邊緣、淋巴結長徑、淋巴結短徑、淋巴結長徑/短徑、淋巴結邊緣、淋巴結門、雙側腋窩淋巴結對稱性）和腋窩超聲表現構建的預測乳腺癌前哨淋巴結轉移的列線圖的AUC值為0.78。ZHA 等［18］學者基于超聲圖像的18 個影像組學特征構建的影像組學標簽預測乳腺癌前哨淋巴結的AUC 為0.77。超聲影像組學標簽預測乳腺癌前哨淋巴結的AUC 為0.78，均高于或等于上述生物學指標。另外本研究的超聲影像組學標簽具有諸多優勢，如無創性、可重復、成本低等優點，使其更適用于臨床診療。此外，本研究的超聲影像組學標簽是基于6 個超聲影像組學特征，較ZHA 等［18］學者提出的標簽更為簡單，更有可能避免過擬合，也有助于在臨床推廣應用。

本研究基于乳腺癌原發灶的常規超聲圖像構建影像組學標簽，用于預測前哨淋巴結轉移，無需進行前哨淋巴結定位，也可避免因前哨淋巴結體積過小而無法準確識別；同時，影像組學的定量分析還可避免傳統二維超聲主觀性強的影響，定量性地提取腫塊的圖像特征［19］，避免因活檢取樣區域局限而不能代表全部腫瘤組織特點等問題［20］，提供腫瘤的全面觀察視角，還能持續監測腫瘤的發展及其治療療效。此外，本研究構建的影像組學標簽在獨立驗證集的預測效果穩定，說明其魯棒性強，有助于今后的推廣和泛化。本研究的局限性在于這是單中心回顧性研究，在今后開展的多中心前瞻性研究中，此研究結果和經驗可為此提供依據和幫助，有望促進超聲影像組學標簽在其驗證和優化上進一步發展。

綜上所述，基于超聲的影像組學標簽在預測乳腺癌前哨淋巴結轉移方面具有重要的價值，在臨床醫生對乳腺癌患者制定治療方案及手術方式中具有一定的指導意義，有望今后在臨床實踐中發揮作用。