多模態(tài)超聲特征結(jié)合機(jī)器學(xué)習(xí)可預(yù)測乳腺浸潤導(dǎo)管癌中Ki-67的表達(dá)水平

摘要：目的" 探討多模態(tài)超聲特征結(jié)合機(jī)器學(xué)習(xí)預(yù)測乳腺浸潤導(dǎo)管癌中Ki-67 高表達(dá)的可行性。方法" 回顧性分析155例乳腺浸潤導(dǎo)管癌患者，155個(gè)病灶經(jīng)病理證實(shí)。術(shù)前行常規(guī)超聲和聲輻射力脈沖成像，免疫組化染色記錄Ki-67的表達(dá)，將患者分為Ki-67高表達(dá)組（n=105）和低表達(dá)組（n=50）。采用Logistic回歸分析得出獨(dú)立危險(xiǎn)因素，采用隨機(jī)森林及Logistic回歸模型預(yù)測。結(jié)果" 單因素分析顯示Ki-67表達(dá)與腫塊最大徑、邊界、腋窩淋巴結(jié)狀態(tài)、阻力指數(shù)、聲觸診組織成像及聲觸診組織定量的差異有統(tǒng)計(jì)學(xué)意義（Plt;0.05）。多因素分析結(jié)果顯示，最大直徑、邊界、聲觸診組織定量及阻力指數(shù)對Ki-67為獨(dú)立危險(xiǎn)因素。隨機(jī)森林模型結(jié)果顯示，Ki-67 表達(dá)影響因素的重要性排序依次是最大直徑、聲觸診組織定量、阻力指數(shù)及邊界。隨機(jī)森林及Logistic回歸模型預(yù)測乳腺浸潤導(dǎo)管癌中Ki-67高表達(dá)曲線下面積分別為0.871、0.866，Ki-67值與腫塊直徑呈正相關(guān)關(guān)系（r=0.319，Plt;0.001）。結(jié)論" 多模態(tài)超聲特征結(jié)合機(jī)器學(xué)習(xí)可用于預(yù)測乳腺浸潤導(dǎo)管癌Ki-67的表達(dá)水平。

關(guān)鍵詞：乳腺浸潤導(dǎo)管癌；Ki-67；聲輻射力脈沖成像；剪切波速度；機(jī)器學(xué)習(xí)

Value of combining multimodal ultrasound features with machine learning to predict high expression of Ki-67 in breast infiltrating ductal carcinoma

CHU Xiaoai1， HU Aili1， WANG Junli1， QIN Xin1， SHEN Chunyun1， YIN Jing1， XIA Qinzhong2， TANG Xiaolei2

1Department of Ultrasound Medicine， Wuhu Hospital Affiliated to East China Normal University， Wuhu 241000， China; 2Medical Transformation Center， the Second Affiliated Hospital of Wannan Medical College， Wuhu 241000， China

Abstract： Objective To" investigate the value of multi-modal ultrasound features combined with machine learning in predicting high expression of Ki-67 in breast invasive ductal carcinoma. Methods A retrospective analysis was conducted in 155 patients with invasive ductal carcinoma and 155 lesions confirmed by pathology. Preoperative conventional ultrasound and acoustic radiation force impulse were performed， immunohistochemical staining was used to record the expression of Ki-67， and the patients were divided into overexpression groups（n=105）and low expression groups（n=50）. Logistic regression analysis was used to analyze the differential indicators to obtain independent risk factors， and random forest and Logistic regression models were used for prediction. Results Univariate analysis showed that there were significant differences in the expression of Ki-67 and the maximum diameter， boundary， axillary lymph node status， resistance index， virtual touch tissue imaging and virtual touch tissue quantification of the lesion （Plt;0.05）. Multivariate analysis showed that the maximum diameter， boundary， virtual touch tissue quantification and resistance index were independent risk factors for Ki?67 expression. The random forest model showed that the influencing factors for Ki?67 expression were ranked in order of importance as the maximum diameter， virtual touch tissue quantification， resistance index and boundary. The areas under the curve of the random forest and logistic regression models in predicting high expression of Ki-67 in breast invasive ductal carcinoma were 0.871 and 0.866， respectively. There was a positive correlation between the expression level of Ki-67 and the diameter of the lesion （r=0.319， Plt;0.001）. Conclusion Multi-modal ultrasound features combined with machine learning can be used to predict the level of Ki-67 expression in invasive ductal carcinoma， providing reference value for clinical diagnosis and treatment.

Keywords： breast infiltrating ductal carcinoma; Ki-67; acoustic radiation force pulse imaging; shear wave velocity; machine learning

收稿日期：2023-09-28

基金項(xiàng)目：安徽省重點(diǎn)研究與開發(fā)計(jì)劃（202104j07020018）；安徽省高校自然科學(xué)基金（KJ2020A0614）

作者簡介：儲小愛，主治醫(yī)師，E-mail： cxa8758@163.com

通信作者：汪珺莉，主任醫(yī)師，碩士生導(dǎo)師，E-mail：1012901455@qq.com

乳腺癌是女性最常見的惡性腫瘤之一，其發(fā)病率逐年上升，并呈現(xiàn)年輕化趨勢［1］ 。隨著個(gè)性化醫(yī)療和精準(zhǔn)醫(yī)療技術(shù)的迅速發(fā)展，腫瘤生物標(biāo)志物在臨床管理中的重要性日益凸顯。Ki-67作為一種關(guān)鍵的細(xì)胞增殖相關(guān)標(biāo)志物，已被多項(xiàng)研究證明與乳腺癌的復(fù)發(fā)風(fēng)險(xiǎn)和生存率密切相關(guān)［2-4］ 。目前，乳腺癌分子分型需通過穿刺或術(shù)后標(biāo)本的免疫組化信息獲得，這些檢測具有侵入性，亦不能全面代表腫瘤的全部情況。術(shù)前如能通過非侵入性方法準(zhǔn)確預(yù)測乳腺癌分子分型對指導(dǎo)臨床治療具有重要意義。既往研究發(fā)現(xiàn)乳腺癌Ki-67表達(dá)在超聲影像上具有不同的特征表現(xiàn)［5-7］ ，但通過機(jī)器學(xué)習(xí)預(yù)測的研究較少。本研究在既往研究基礎(chǔ)之上結(jié)合隨機(jī)森林模型篩選各特征的貢獻(xiàn)率及重要性來預(yù)測乳腺浸潤導(dǎo)管癌（IDC）的Ki-67表達(dá)，從而為臨床診療和預(yù)后提供依據(jù)。

1" 資料與方法

1.1" 一般資料

回顧性分析2020年5月～2022年12月在華東師范大學(xué)附屬蕪湖醫(yī)院接受乳腺癌手術(shù)的患者155例進(jìn)行研究。所有患者術(shù)前均行乳腺超聲檢查，穿刺或手術(shù)切除病灶后經(jīng)病理證實(shí)為IDC（n=155，共155個(gè)病灶）。患者年齡32～83（56.05±9.53）歲，為單側(cè)單發(fā)。依據(jù) Ki-67增殖指數(shù)20%為分界點(diǎn)（gt;20%為高表達(dá)，≤20%為低表達(dá)）將患者分為高表達(dá)組（n=105）和低表達(dá)組（n=50）。納入標(biāo)準(zhǔn)：超聲及臨床資料完整；術(shù)前未進(jìn)行放療、化療或穿刺檢查；術(shù)后有明確的Ki-67值。排除標(biāo)準(zhǔn)：臨床資料有缺失；復(fù)發(fā)癌再手術(shù)、遠(yuǎn)處轉(zhuǎn)移。本研究經(jīng)院倫理委員會(huì)審核批準(zhǔn)（2022倫審5號）。

1.2" 超聲檢查

采用西門子AcusonS2000 US診斷儀配備線陣換能器 9L4（4～9 MHz）；常規(guī) B 型超聲和聲輻射力脈沖成像技術(shù)應(yīng)用于本研究。患者取仰臥位，充分顯露乳腺，圖像穩(wěn)定并清晰顯示病灶后，選擇最能代表病變及其周圍組織特征的切面進(jìn)行分析進(jìn)行了聲輻射力脈沖成像的聲觸診組織成像（VTI）（圖1C）。然后調(diào)整采樣框架以覆蓋病變及其周圍組織，存儲最佳圖像以供后續(xù)分析。使用5分評分來評估乳腺病變。隨后應(yīng)用聲觸診組織定量（VTQ）（圖1B），將采樣框架放置在感興趣區(qū)域中，在測量中避開腫塊的鈣化區(qū)域及液化壞死區(qū)。并以m/s為單位測量所選感興趣區(qū)域的彈性剪切波速度（SWV）。SWV連續(xù)測量5～7次，計(jì)算SWV的平均值。存儲VTQ結(jié)果以供后續(xù)分析。當(dāng)SWV值顯示為“X.XX m/s”時(shí)，在排除操作錯(cuò)誤，腫塊的鈣化區(qū)域及液化壞死區(qū)等因素，SWV值記錄為“9.99 m/s”。

1.3" 免疫組織化學(xué)

采用免疫組織化學(xué)檢測IDC生物標(biāo)志物Ki-67的表達(dá)。根據(jù)2015年圣加侖國際專家共識［8］ ，Ki-67陽性定義如下：計(jì)算Ki-67陽性細(xì)胞占總細(xì)胞的百分比作為增殖指數(shù)記錄，以增殖指數(shù)20%為分界點(diǎn)（gt;20%為高表達(dá)，≤20%為低表達(dá)）。

1.4" 統(tǒng)計(jì)學(xué)分析

采用SPSS 23.0進(jìn)行統(tǒng)計(jì)分析。計(jì)量資料符合正態(tài)分布以均數(shù)±標(biāo)準(zhǔn)差表示，組間比較采用t檢驗(yàn)；不符合正態(tài)分布數(shù)據(jù)采用中位數(shù)和四分位數(shù)間距表示，組間比較采用秩和檢驗(yàn)。計(jì)數(shù)資料以n（%）表示，組間比較采用χ2檢驗(yàn)。采用單因素分析篩選出具有統(tǒng)計(jì)學(xué)意義的變量，采用多因素Logistic回歸模型進(jìn)行危險(xiǎn)因素分析。采用Python3.8.5構(gòu)建隨機(jī)森林及Logistic回歸模型，計(jì)算ROC曲線下面積（AUC）。以Plt;0.05為差異有統(tǒng)計(jì)學(xué)意義。

2" 結(jié)果

2.1" 兩組超聲及臨床特征比較

單因素分析顯示，Ki-67高表達(dá)組與Ki-67低表達(dá)組在年齡、形態(tài)、微鈣化、縱橫比及血流分級差異無統(tǒng)計(jì)學(xué)意義（Pgt;0.05）。兩組最大直徑、邊界、腋窩淋巴結(jié)狀態(tài)、阻力指數(shù)（RI）、VTI及VTQ的差異有統(tǒng)計(jì)學(xué)意義（Plt;0.05，表1）。

2.2" Logistic分析多模態(tài)超聲特征與Ki-67 高表達(dá)相關(guān)風(fēng)險(xiǎn)因素

將單因素分析中差異有統(tǒng)計(jì)學(xué)意義的因素（最大直徑、邊界、腋窩淋巴結(jié)狀態(tài)、RI、VTI及VTQ）作為自變量，納入Logistic回歸模型進(jìn)行多因素分析，結(jié)果顯示最大直徑、邊界、RI及VTQ均是Ki-67高表達(dá)的獨(dú)立危險(xiǎn)因素（Plt;0.05，表2）。

2.3" 隨機(jī)森林模型的因素重要性分析

Ki-67高表達(dá)影響因素的重要性排序依次是最大直徑、VTQ 、RI及邊界（圖2）。

2.4" 兩種模型的ROC曲線分析

隨機(jī)森林及多因素Logistic回歸模型預(yù)測IDC中Ki-67高表達(dá)的AUC為0.871、0.866，兩種模型預(yù)測效能均較高，但隨機(jī)森林模型的預(yù)測效能稍高于多因素Logistic回歸模型（圖3）。

2.5" Ki-67表達(dá)與腫塊直徑的相關(guān)性

當(dāng)Ki-67表達(dá)水平和腫塊最大直徑均為連續(xù)變量時(shí)進(jìn)行Pearson相關(guān)分析，結(jié)果顯示二者呈正相關(guān)關(guān)系（r=0.319，Plt;0.001，圖4）。

3" 討論

Ki-67是一種與腫瘤細(xì)胞增殖活性密切相關(guān)的增殖細(xì)胞核抗原，其半衰期很短，被認(rèn)為具有很高的價(jià)值［9］ 。Ki-67是乳腺癌檢測中常用的免疫組化標(biāo)志物，其表達(dá)水平與乳腺癌的侵襲性、類型、治療效果及預(yù)后密切相關(guān)。有研究發(fā)現(xiàn)Ki-67標(biāo)志物指數(shù)在乳腺良性腫瘤、導(dǎo)管原位癌再到浸潤性乳腺癌的表達(dá)水平逐漸升高，在正常乳腺組織中，Ki-67表達(dá)水平很低（lt;3%）［10］ 。因此，腫瘤預(yù)后較差通常與Ki-67高表達(dá)有關(guān)，但在臨床上，Ki-67在腫瘤中的表達(dá)只能通過術(shù)后病理組織染色獲得，如何發(fā)掘更準(zhǔn)確的無創(chuàng)診斷方法具有重要意義。

有研究發(fā)現(xiàn)Ki-67與血管內(nèi)皮生長因子呈正相關(guān)，血管內(nèi)皮生長因子在腫瘤細(xì)胞增殖分化過程中促進(jìn)血管生成，增加血管的通透性及供應(yīng)營養(yǎng)，這導(dǎo)致腫塊生長更快，體積增大，分化程度更高［11-13］ 。既往研究發(fā)現(xiàn)腫瘤直徑與Ki-67表達(dá)呈正相關(guān)［14-15］ ，這一結(jié)論與本研究相似。有研究發(fā)現(xiàn)阻力指數(shù)大小與Ki-67表達(dá)相關(guān)，惡性腫瘤細(xì)胞新生血管壁較薄，缺乏支撐，致血管內(nèi)壓力增加［15］ 。此外，惡性腫瘤血管管腔的粗細(xì)不均，存在靜脈栓子和盲端，致血流阻力增大［16］ 。有研究發(fā)現(xiàn)乳腺癌腫塊的微鈣化是 Ki-67的預(yù)后不良因素［17-19］ ，但本研究中兩組間微鈣化征象的差異無統(tǒng)計(jì)學(xué)意義，Ki-67高表達(dá)乳腺癌的VTQ高于Ki-67低表達(dá)。分析原因可能是腫塊的硬度在二維超聲上主要表現(xiàn)為鈣化的形成。VTQ技術(shù)通過超聲波獲得組織深部的成像信息的方法可以更好地穿透較硬的機(jī)體表面，達(dá)到組織深部通過數(shù)值定量來反應(yīng)組織硬度。Ki-67高表達(dá)腫塊可能由于腫瘤細(xì)胞過度增殖伴周圍締組織增生、膠原纖維增多而致硬度增大［20］ 。

隨機(jī)森林模型是一種高效的數(shù)據(jù)分析方式，能夠準(zhǔn)確地對大規(guī)模無規(guī)律且復(fù)雜的數(shù)據(jù)進(jìn)行分類處理［21］ 。該模型具有可解釋性分類工具，能夠快速顯示每個(gè)危險(xiǎn)因素的重要性及排序，并具有較高的分類能力，能全面評估個(gè)體差異。本研究建立了預(yù)測IDC中Ki-67高表達(dá)的隨機(jī)森林模型，發(fā)現(xiàn)最大直徑、VTQ、RI和邊界是影響因素的重要性排序。本研究采用隨機(jī)森林與Logistic回歸模型AUC分別為0.871、0.866，提示兩個(gè)模型均有較高的預(yù)測效能，而隨機(jī)森林模型的預(yù)測效能較好。

本研究的局限性為：首先，由于乳腺癌是一種多基因疾病，可能需要更多的生物標(biāo)志物用于診斷評估和早期臨床檢測，以及用于評估預(yù)后和確定術(shù)后治療方案；乳腺癌的病理類型多種多樣，但本研究僅針對IDC，其代表性有限；這是一項(xiàng)單中心數(shù)據(jù)研究，樣本量小，正在調(diào)查的參數(shù)集有限。

綜上所述，乳腺多模態(tài)超聲特征與生物學(xué)指標(biāo)具有一定相關(guān)性，結(jié)合機(jī)器學(xué)習(xí)有助于篩選高風(fēng)險(xiǎn)人群，從而制定相關(guān)防治措施。在未來的臨床實(shí)踐中，可以通過超聲圖像特征初步評價(jià)IDC的預(yù)后，從而提高超聲在乳腺癌臨床診治中的應(yīng)用價(jià)值。

參考文獻(xiàn)：

［1］" " 任曉燕， 陶玉梅， 金曉霞， 等. 雄激素受體在不同分子分型乳腺癌中的表達(dá)及臨床病理意義［J］. 南京醫(yī)科大學(xué)學(xué)報(bào)： 自然科學(xué)版， 2020， 40（1）： 62-6.

［2］" " 胡鶯菡， 吳云秋， 鄧" 建， 等. 三陽性與HER2過表達(dá)型乳腺癌患者新輔助化學(xué)藥物治療的療效對比［J］. 中國普外基礎(chǔ)與臨床雜志， 2022， 29（12）： 1605-10.

［3］" "于" 馨， 曹軍英， 金" 壯， 等. 乳腺浸潤性導(dǎo)管癌超聲表現(xiàn)與雌激素受體、孕激素受體、人表皮生長因子受體-2、Ki-67表達(dá)相關(guān)性分析［J］. 臨床軍醫(yī)雜志， 2022， 50（7）： 666-9.

［4］" "梁小靜， 王" 莉， 黃曉玲. Ki-67表達(dá)與乳腺癌超聲征象的關(guān)系研究［J］. 醫(yī)學(xué)影像學(xué)雜志， 2022， 32（9）： 1535-8.

［5］" "李" 英. 不同分子亞型乳腺癌患者超聲表現(xiàn)及病理學(xué)特征的對比研究［J］. 臨床超聲醫(yī)學(xué)雜志， 2023， 25（2）： 131-6.

［6］" "欒玉爽， 李" 霞， 李媛媛， 等. 不同分子亞型乳腺癌的超聲特征［J］. 中國超聲醫(yī)學(xué)雜志， 2021， 37（5）： 512-5.

［7］" "高軍喜， 馬方婧， 楊" 磊， 等. 不同分子亞型乳腺癌超聲造影特征及定量參數(shù)對比研究［J］. 中國臨床醫(yī)學(xué)影像雜志， 2019， 30（4）： 261-6.

［8］" "Coates AS， Winer EP， Goldhirsch A， et al. Tailoring therapies： improving the management of early breast cancer： St Gallen International Expert Consensus on the Primary Therapy of Early Breast Cancer 2015［J］. Ann Oncol， 2015， 26（8）： 1533-46.

［9］" "夏夢楚， 孫井軍， 朱亞楠. 超聲征象及MRR和TOPK、Ki-67表達(dá)與乳腺癌新輔助化療敏感性的關(guān)系［J］. 臨床和實(shí)驗(yàn)醫(yī)學(xué)雜志， 2022， 21（23）： 2564-8.

［10］ Hashmi AA， Hashmi KA， Irfan M， et al. Ki67 index in intrinsic breast cancer subtypes and its association with prognostic parameters［J］. BMC Res Notes， 2019， 12（1）： 605.

［11］ Darwito D， Dharmana E， Riwanto I， et al. Effects of omega-3 supplementation on ki-67 and VEGF expression levels and clinical outcomes of locally advanced breast cancer patients treated with neoadjuvant CAF chemotherapy： a randomized controlled trial report［J］. Asian Pac J Cancer Prev， 2019， 20（3）： 911-6.

［12］" 楊自力， 邵" 凱， 趙" 凡， 等. 擴(kuò)散峰度聯(lián)合動(dòng)態(tài)增強(qiáng)磁共振成像對乳腺癌預(yù)后因子的鑒別診斷價(jià)值［J］. 臨床放射學(xué)雜志， 2023， 42（12）： 1876-81.

［13］" 王玉敏， 梁丹艷， 王" 芳， 等. 基于超聲造影參數(shù)的Logistic回歸模型預(yù)測浸潤性乳腺癌Ki-67表達(dá)水平的臨床價(jià)值［J］. 臨床超聲醫(yī)學(xué)雜志， 2023， 25（11）： 905-9.

［14］" 樂" 堅(jiān)， 劉雅靜， 高" 毅， 等. 常規(guī)超聲假陰性與鉬靶X線假陰性乳腺癌的臨床病理特征比較［J］. 中國超聲醫(yī)學(xué)雜志， 2020， 36（9）： 792-4.

［15］" 石" 紅， 楊彥輝， 張亞萍， 等. Nomogram預(yù)測乳腺浸潤性導(dǎo)管癌Ki-67表達(dá)水平［J］. 中國超聲醫(yī)學(xué)雜志， 2023， 39（1）： 17-21.

［16］" 魏均羽， 韋舒靜. 不同直徑非腫塊型乳腺病變的超聲特征表現(xiàn)及多模態(tài)超聲檢查對非腫塊型乳腺病變性質(zhì)的診斷效能［J］. 廣西醫(yī)學(xué)， 2023， 45（5）： 531-5.

［17］Scott R， Lyburn I， Cornford E， et al. Breast calcification micromorphology classification［J］. Br J Radiol， 2022， 95（1139）： 20220485.

［18］" 陳逸凡， 李星陽， 向俊樺， 等. BI-RADS分級在乳腺單純浸潤性非特殊癌中的價(jià)值與應(yīng)用［J］. 分子影像學(xué)雜志， 2023， 46（6）： 1055-9.

［19］" 吳" 昊， 張可新， 馮佩明， 等. 524例乳腺浸潤性導(dǎo)管癌的超聲征象與多種免疫組化因子表達(dá)的相關(guān)性［J］. 分子影像學(xué)雜志， 2022， 45（5）： 709-17.

［20］" 王" 璐， 張" 曼， 張世坤. 聲觸診組織成像面積比法與聲觸診組織量化技術(shù)對BI-RADS 4類乳腺腫塊的鑒別診斷價(jià)值[J]. 中國中西醫(yī)結(jié)合影像學(xué)雜志， 2023， 21（1）： 31-4.

［21］" 陳小鵬， 王會(huì)東. 基于隨機(jī)森林模型的乳腺癌患者術(shù)后并發(fā)下肢深靜脈血栓預(yù)測模型的初步研究［J］. 血管與腔內(nèi)血管外科雜志， 2023， 9（8）： 987-91， 1024.

（編輯：熊一凡 ）