乳腺X線影像組學標簽在預測乳腺癌HER2表達中的價值

帥鴿， 郁義星， 董佳， 楊玲， 胡春洪

乳腺癌的全球發病率逐年上升，已成為危害全球女性健康的第一大腫瘤疾病[1]，其中人體表皮生長因子受體2(human epidermal growth factor receptor 2，HER2)表達陽性的的乳腺癌侵襲性強、死亡率高[2]，且未接受抗HER2治療的HER2陽性乳腺癌患者復發的風險很高[3]。目前，臨床上主要采用熒光原位雜交法(fluorescence in situ hybridization，FISH)和免疫組織化學法(immunohistochemistry，IHC)來確定乳腺癌患者HER2擴增和過表達狀態。由于部分組織標本尺寸較小和腫瘤的異質性，利用針吸活檢標本評估乳腺癌中HER-2的擴增和過表達狀態可能并不代表整個腫瘤[4]。如果能在術前準確預測HER2的表達狀態，盡早準確地對腫瘤進行干預，對后續的治療方法以及預后均有幫助[5]。影像組學被定義為“高通量、自動地從醫學影像中提取大批量的影像特征”[6]。近年關于乳腺X線、CT及MRI影像組學均有一些應用，如利用乳腺X線圖像紋理特征鑒別良惡性乳腺腫塊[7]、基于CT增強圖像影像組學模型評估乳腺癌腋窩淋巴結轉移、利用乳腺MRI影像組學預測乳腺癌腫塊對化療后反應[8]以及預測是否為三陰性乳腺癌等。本研究對乳腺癌乳腺X線圖像進行影像組學分析，旨在探討乳腺X線影像組學標簽在術前預測乳腺癌患者HER2表達中的應用價值。

材料與方法

1.病例資料

回顧性分析2018年1月-2020年10月在蘇州大學附屬第一醫院和蘇州市立醫院放射科接受乳腺X線攝影檢查的所有乳腺癌女性患者的臨床、病理及影像資料。病例納入標準：①年齡≥18歲的女性初診乳腺癌患者；②經組織病理學證實的浸潤性乳腺癌；③IHC染色和/或FISH明確Her2狀態[9]；④乳腺X線檢查后一周內行乳腺穿刺或手術病理活檢。病例排除標準：①Ⅳ期(轉移性)乳腺癌；②有其他惡性腫瘤病史；③乳腺X線檢查圖像不全或圖像無法評估；④既往接受過乳腺穿刺、手術或新輔助化療。按照以上納入和排除標準，共入組222例女性患者，年齡25～83歲，平均年齡(53.70±14.46)歲，其中乳腺癌HER2陽性59例，HER2陰性163例。222例患者均為非特殊類型浸潤性乳腺癌，其中44例患者合并導管原位癌(ductal carcinoma in situ，DCIS)(成分<20%)。按照數據的不同來源，將蘇州大學附屬第一醫院的患者作為訓練組(n=154，其中HER2陽性41例，HER2陰性113例)，蘇州市立醫院患者作為外部驗證組(n=68，其中HER2陽性18例，HER2陰性50例)。本研究經醫院倫理委員會審批通過，免除患者知情同意。

2.乳腺X線攝影及分析

乳腺X線攝影采用Hologic Selenia(Hologic Medical Systems， Boston，USA)數字乳腺X線機。掃描方位包括雙乳內外斜位(mediolateral oblique，MLO)和頭尾位(cranial caudal，CC)。乳腺X線圖像均以DICOM格式存儲于圖像儲存與傳輸系統(picture archiving and communication system，PACS)系統。乳腺X線圖像評估內容包括：①病灶大小：在病灶較大的拍攝體位圖像上測量病灶最大徑；②病灶位置：左側乳腺和右側乳腺。③X線征象：參照第5版乳腺影像報告和數據系統(breast imaging reporting and data system，BI-RADS)[10]，包括腫塊、鈣化、腫塊伴鈣化、結構扭曲和非對稱致密。

3.影像組學分析

利用MaZda4.6軟件(http：//www.eletel.p.lodz.pl/mazda/)對訓練集HER2陽性及HER2陰性圖像分別進行影像組學分析。圖像均一化處理：選擇MaZda軟件中μ+3σ(其中μ為圖像灰度值的平均值，σ為圖像灰度值的標準差)進行圖像灰度均一化處理，最大限度地降低對比度和明亮度對圖像灰度值的影像。圖像分割：由2位放射科醫師選擇病灶顯示清楚且長徑較大的拍攝體位圖像(CC位或MLO位)手動勾畫感興趣區(region of interest，ROI)，參考Zhou等[11]研究中的勾畫方法，ROI盡可能包括整個病灶，大部分腫瘤的境界較為清晰，對于無法清晰顯示邊界的區域用平滑的弧線相連(圖1、2)。其中60例乳腺腫塊圖像分別由有5年和8年工作經驗的醫師分割并評估觀察者之間的差異，之后再由有8年工作經驗的醫師再分割1次評估觀察者內的差異。所有圖像的分割數據由有8年工作經驗的醫師第1次分割的60例和剩余162例的數據組成。影像組學定量特征提取：利用MaZda軟件提取乳腺X線攝影圖像的定量特征，包括灰度直方圖、絕對梯度、灰度共生矩陣、灰度游程矩陣、自回歸模型和小波變換等特征。特征選擇：利用MaZda軟件提供的3種特征選擇方法，即費希爾參數法(Fisher cofficients，Fisher)、分類錯誤率聯合平均相關系數法(classification error probability combined average correlation，POE+ACC)和相關信息測度法(mutual information，MI)對提取的定量特征進行篩選，MaZda軟件自動選擇出10個最優的特征參數，得到3組特征子集。使用MaZda軟件中的B11模塊提供的非線性判別分析法(nonlinear discriminant analysis，NDA)對3組特征子集進行判別分析，分別計算出其判斷HER2表達狀態的準確率。原始數據標準化：在SPSS軟件中運用Z-Score算法將所有患者的10個特征參數的原始數據進行標準化。構建影像組學標簽Radscore：將準確率最高的特征子集利用二元logistic回歸進一步篩選，利用選擇特征的線性融合構建影像組學標簽[12]，并計算每例患者的組學標簽得分，并進行受試者工作特征(receiver operating characteristic,ROC)曲線分析，計算其預測HER2表達的曲線下面積(area under curve,AUC)、準確率、敏感度、特異度、陽性預測值和陰性預測值。

圖1 右乳乳腺癌HER2陽性患者，女，52歲。a)乳腺X線圖像示右乳1枚不規則結節影(箭)，長徑約1.8cm，邊緣可見分葉、毛刺，內部可見細小鈣化； b) 使用MaZda圖像分割工具在乳腺X線上手動勾畫ROI，提取影像組學特征； c) 右乳結節ROI的灰度直方圖。 圖2 左乳乳腺癌HER2陰性患者，女，46歲。a) 乳腺X線圖像示左乳1枚類圓形結節影(箭)，長徑約3.5cm，邊緣光整； b) 使用MaZda圖像分割工具在乳腺X線上手動勾畫ROI，提取影像組學特征； c) 左乳結節ROI的灰度直方圖。

4.統計學分析

采用SPSS 26.0軟件進行統計學分析。對兩位醫師手動分割病灶及同一位醫師前后兩次手動分割病灶所提取的組學特征采用組內相關系數(intraclass correlation coefficient，ICC)進行一致性分析，ICC>0.75 為一致性較好。定性資料以頻數表示，符合正態分布的定量資料以均值±標準差表示，不符合正態分布的定量資料以中位數(25%百分位數，75%百分位數)表示。采用獨立樣本t檢驗(符合正態分布時)或Mann-WhitneyU檢驗(不符合正態分布時)比較不同HER2狀態乳腺癌患者之間定量數據的差異；采用卡方檢驗比較組間病灶位置和X線征象的差異。最優特征子集采用二元logistic向后逐步回歸法進一步篩選 。以P<0.05為差異有統計學意義。

結 果

1.臨床及乳腺X線攝影結果

根據病理結果，將222例患者分為HER2陽性組59例和HER2陰性組163例。HER2陽性患者年齡為(54.16±14.54)歲，HER2陰性患者年齡為(52.42±14.25)歲，差異無統計學意義(P=0.429)。HER2陽性患者病灶大小為(31.01±17.88)mm，HER2陰性患者病灶大小為(31.90±17.88)mm，差異無統計學意義(P=0.746)。222例患者病變位于右側乳房105例(47.3%)，左側乳房117例(52.7%)。乳腺X線攝影表現為腫塊52例(23.4%)、鈣化35例(15.7%)、腫塊伴鈣化52例(23.4%)、結構扭曲42例(18.9%),非對稱性致密41例(18.5%)。訓練集與驗證集、HER2陽性組與HER2陰性組患者在年齡、病變大小、病灶位置及乳腺X線攝影表現上差異均無統計學意義(P值均>0.05,表1、2)。

表1 乳腺癌訓練集與驗證集患者的臨床指標比較結果

表2 乳腺癌HER2表達陽性與陰性患者的臨床指標比較結果

2.影像組學標簽預測乳腺癌HER2表達的效能

兩位醫師對病灶進行手動分割的一致性較好，觀察者內與觀察者間的ICC分別為0.88和0.84。

利用MaZda軟件提取訓練集HER2陽性和HER2陰性患者的乳腺X線攝影圖像定量特征，共323個。3種特征選擇方法Fisher、POE+ACC和MI對提取的定量特征進行篩選，得到鑒別HER2陽性與HER2陰性乳腺癌的3組特征子集(表3)。利用非線性判別分析法，對三組特征子集進行分析，結果顯示Fisher、(POE+ACC)和MI法選擇的三組特征子集預測HER2表達的準確率分別為85.06%、88.31%和77.27%。

表3 訓練組HER2陽性和HER2陰性乳腺癌的3組特征子集

將準確率最高的POE+ACC法篩選出的10個特征用二元logistic回歸進一步篩選，利用選擇特征的線性融合構建影像組學標簽：Radscore=-2.149-0.548×WavEnLH_s-4+0.475×Kurtosis-0.765×Perc.01%-0.703×WavEnHH_s-5-0.513×Teta4+1.069×135dr_ShrtREmp-3.831×WavEnHH_s-1

計算每例患者的影像組學標簽得分，在訓練集HER2陽性組和陰性組乳腺癌的影像組學得分分別為0.159(-0.357，0.928)和-2.987(-3.997，-1.184)，差異有統計學意義(Z=-8.088，P<0.001)；在驗證集HER2陽性組和陰性組乳腺癌的影像組學得分分別為0.475(-0.412，1.541)和-3.093(-4.126，-1.157)，差異有統計學意義(Z=-4.865，P<0.001,圖3)。將得到的影像組學得分進行ROC曲線分析(圖4)，結果顯示訓練集預測HER2表達的AUC、準確率、敏感度、特異度、陽性預測值和陰性預測值分別為0.927(95%可信區間0.881～0.973)、85.4%、87.6%、71.4%、94.3%和87.0%；驗證集預測HER2表達的AUC、準確率、敏感度、特異度、陽性預測值和陰性預測值分別為0.889(95%可信區間0.813～0.964)、94.4%、74.0%、56.7%、97.3%、79.4%(表4)。

圖3 a) 訓練集乳腺癌HER2陽性與陰性患者影像組學得分的箱線圖； b) 驗證集乳腺癌HER2陽性與陰性患者影像組學得分的箱線圖。 圖4 a) 乳腺X線影像組學標簽預測訓練集乳腺癌HER2表達的ROC曲線； b) 乳腺X線影像組學標簽預測驗證集乳腺癌HER2表達的ROC曲線。

表4 乳腺X線影像組學標簽預測乳腺癌HER-2表達的效能

討 論

本研究基于乳腺X線攝影圖像提取影像組學特征參數，構建影像組學標簽RadScore，運用乳腺X線攝影影像組學標簽預測乳腺癌患者HER2表達情況,結果顯示訓練集和驗證集均有較高的效能，訓練集、驗證集的AUC和準確率分別為0.927和85.4%、0.889和94.4%，具有較高的預測價值。HER2是乳腺癌患者最重要的分子靶點之一，有研究發現，接受或不接受曲妥珠單抗(最常見的HER2靶向治療藥物之一)治療的HER2陽性乳腺癌患者的3年無事件生存率(event free survival，EFS)差異有統計學意義(P=0.013)[13]。此外，由于IHC和FISH檢測中選取組織尺寸較小，可能并不代表整個腫瘤，且可引發很多并發癥，如乳腺炎、乳房瘺、血腫、縫合膿腫等[14]，因此，開發一種準確、無創的方法對評估乳腺癌患者的HER2狀態至關重要。

近年來，一些研究分析了常規影像特征與HER2狀態之間的相關性。Gajdos等[15]指出乳腺X線攝影的節段性鈣化與HER2陽性狀態顯著相關(P<0.05)。另一項研究表明邊緣模糊的腫塊、腫塊內的鈣化和節段性鈣化與HER2陽性顯著相關(P值分別為0.011、<0.001和0.030)[16]。本研究發現HER2陽性和HER2陰性乳腺癌中表現為鈣化、鈣化和腫塊兩種X線表現的患者總和占比分別為38.9%和39.3%，差異無統計學意義(P>0.05)；結論與上述研究不同，可能是因為大多數鈣化由DCIS導致，而本研究中乳腺癌病理類型主要為浸潤性導管癌，僅有44例合并了DCIS，且DCIS成分<20%。本研究對患者年齡、病變大小、病灶位置及X線表現進行了比較，差異均無統計學意義，主要原因可能為本研究參考了譚紅娜等[17]研究中的方法，僅對有無鈣化作了對比，未對鈣化的特征進一步細分和對比。

Li等[18]的一項研究結果表明，使用僅基于DCE-T1序列的MRI定量影像組學特征對于確定HER2狀態的效能較差，其AUC值為0.65，導致這一結果的原因可能是由于其研究選擇的磁共振序列較單一，并且樣本量較少(n=91)。Zhou等[19]研究發現多參數乳腺磁共振(T2抑脂加權聯合DCE-T1序列)影像組學評估乳腺癌患者HER2狀態優于僅使用單參數，前者在訓練集、驗證集中的AUC和準確率分別為0.86和79.5%、0.81和78.3%。部分乳腺腫塊在DCE-T1序列并無明顯強化，且與超聲、MRI等檢查方法相比，乳腺X線攝影對鈣化和結構扭曲顯示清晰，所以乳腺X線攝影對乳腺病變的診斷非常重要。Zhou等[11]的一項研究結果表明，基于乳腺X線圖像影像組學定量特征預測HER2表達情況，在訓練集和驗證集中的AUC分別為0.846和0.787。本研究預測模型的效能稍高于前者，其原因可能為Zhou等[11]的研究僅從乳腺X線攝影中提取了186個影像組學特征，而本研究提取了324個影像組學特征，且本研究在進行影像特征組學篩選時先利用MaZda軟件提供的3種特征選擇方法進行篩選，再運用邏輯回歸獲得7個獨立預測指標，進而構建影像組學標簽；而Zhou等的研究中利用了40個影像組學特征構建模型，其模型較復雜，且并未利用獨立的預測指標來構建組學標簽。另外，本研究采用了外部驗證，相比于Zhou等的研究，更加客觀可靠。

本研究存在以下局限性：①采用手動勾畫ROI，可能存在一些偏差，在將來的研究中可采用更為成熟的軟件進行結節的自動或半自動分割；②樣本量偏小，研究結果是初步的，還有待于大樣本的進一步研究；③所有選取的病例中只包括最常見的乳腺癌病理類型-非特殊類型浸潤性導管癌。

綜上所述，乳腺X線攝影影像組學標簽可作為一種無創和方便的方法用于術前預測乳腺癌患者HER2表達情況，對于臨床醫生決策及患者預后有一定幫助。