乳腺癌是女性最常见的恶性肿瘤。三阴性乳腺癌(triple negative breast cancer, TNBC)是雌激素受体(ER)、孕激素受体(PR)及人表皮生长因子受体-2(human epidermal receptor 2,HER-2)均阴性表达的亚型，占所有乳腺癌的10%～20%,其侵袭性强、生存期短且缺乏有效的治疗靶点，化学治疗是最有效的治疗手段[1]。在一项TNBC患者治疗前MRI特征与新辅助化疗病理完全缓解(pathological complete response, pCR)和无复发生存率相关性研究中，发现无瘤周水肿与pCR相关(OR=3.4,95% CI:1.2～9.5,P=0.02),瘤周水肿存在与较差的无复发生存期相关(HR=4.9,95%CI:1.9～12.6,P=0.001)[2]。另有研究表明，瘤周水肿的存在与肿瘤侵袭性特征有关，是预测乳腺癌复发的一个独立因素[3]。近年来，瘤周水肿在乳腺癌临床病理相关性和预后分析研究方面取得了一定进展[4,5,6,7],然而乳腺癌瘤周水肿的潜在临床重要性和预后价值还没有完全了解，且基于乳腺癌瘤周水肿的影像组学尚无报道。瘤周水肿定义为T2WI图像上肿瘤周围高信号区域，增强扫描无强化。影像组学是目前的前沿领域，通过高通量提取影像中的定量特征，并基于深度学习建立预测模型，具有极大的临床应用前景。因此，本研究旨在探讨基于术前T2WI抑脂(FS)乳腺癌瘤内与瘤周水肿影像组学预测TNBC和非三阴性乳腺癌(non-triple negative breast cancer, NTNBC)的价值。

1、资料与方法

1.1 一般资料

回顾性分析2018年4月至2021年4月在武汉市中心医院收治的89例乳腺癌患者，均为女性，年龄29～86岁，中位年龄57岁，其中TNBC患者37例，NTNBC患者52例。本研究通过了武汉市中心医院伦理委员会批准。纳入标准：(1)术前两周内行乳腺MRI检查；(2)T2WI FS平扫及增强扫描图像显示有明确的瘤周水肿；(3)组织病理学诊断为乳腺癌；(4)初诊乳腺癌患者，且未接受过任何治疗及穿刺活检。排除标准：(1)T2WI FS图像质量不佳影响观察；(2)瘤周水肿范围太小，难以勾画感兴趣区(ROI);(3)临床、病理资料不完整。

1.2 MRI检查方法

采用德国Siemens Avanto 3.0 T MR扫描仪，患者取俯卧位，双侧乳房自然悬垂于16通道乳腺专用相控阵线圈内，头先进。扫描序列及参数：(1)轴位T1WI:TR 735 ms, TE 8.1 ms, 视野(FOV) 320 mm×320 mm, 矩阵240×320,层厚4.0 mm; (2)轴位T2WI FS:TR 3700 ms, TE 101 ms, FOV 320 mm×320 mm, 矩阵224×320,层厚4.0 mm; (3)轴位DWI(b值取0、50、1000、2000 s/mm2):TR 5000 ms, TE 70 ms, FOV 280 mm×170 mm, 矩阵114×188,层厚5.0 mm; (3)轴位DCE-MRI(采用T1时间分辨交叉随机轨道成像序列):TR 5.24 ms, TE 2.46 ms, FOV 320 mm×260 mm, 矩阵182×320,层厚1.5 mm, 翻转角10°,共采集60期，在第3期扫描结束之后，通过高压注射器经肘静脉注射对比剂钆喷酸葡胺(Gd-DTPA),剂量0.1mmol/kg体重，注射流率2 ml/s, 注射结束后追加20 ml生理盐水。

1.3 图像分割

将DICOM格式的乳腺MRI图像导入ITKSNAP(version 3.8.0)软件勾画ROI,由两名分别具有7年及15年乳腺影像诊断经验的医师不知病理的情况下勾画ROI,并保存为nii格式文件。(1)瘤内ROI:在T2WI FS序列上沿病灶边缘逐层手工勾画ROI,为避免部分容积效应，勾画范围略小于肿瘤边界，尽量避开瘤内囊变、坏死区；(2)瘤周水肿ROI:在T2WI FS序列上手工勾画，尽可能包全瘤周水肿区域，尽量避开周围乳腺腺体，分布于瘤周之外的皮肤、胸壁前水肿不予勾画。勾画示例见图1。

1.4 特征提取

将所有原始图像及ROI数据导入联影 “ uAI Research Portal ” 智能平台进行数据分析，基于瘤内、瘤周水肿及瘤内联合瘤周水肿ROI分别提取2264、2264及4528个影像组学特征，包括四类：(1)形状特征：由14个反映区域形状和大小的三维特征组成，如最大径、体积、表面积、与球的相似度等；(2)一阶灰度统计特征：由18个定量描述图像中体素强度分布的特征组成，如平均值、峰值、最大值、最小值、偏差等；(3)纹理特征：由72个反映像素及周围邻域灰度分布的特征组成，根据灰度共生矩阵、灰度游程矩阵、灰度区域矩阵、邻域灰度差矩阵及灰度相关矩阵分别进行特征计算；(4)高阶特征：由经滤波处理图像提取的432个灰度统计特征和1728个纹理特征组成，包括均值滤波、高斯滤波、对数滤波、小波变换等24种滤波方式。

1.5 特征筛选与建立模型

表1 TNBC与NTNBC患者临床病理特征比较

表2 各模型在训练集与测试集中鉴别TNBC与NTNBC的效能

采用组内相关系数(intraclass correlation coefficients, ICC)比较两名医师之间的一致性，取ICC≥0.75的特征。首先将提取的特征进行标准化预处理，采用Z-分数归一化方法量化分布在(0,1)之间。采用最小绝对收缩和选择算法(least absolute shrinkage and selection operator, LASSO)对特征降维处理，筛选出最相关的影像组学特征。采用五折交叉验证方法分为训练集与测试集。随后纳入随机森林分类器中训练，共建立三个TNBC与NTNBC分类模型，包括瘤内、瘤周水肿及瘤内联合瘤周水肿的影像组学预测模型。采用受试者工作特征曲线(receiver operating characteristic, ROC)曲线下面积(area under roc curve, AUC)、灵敏度、特异度及准确率评价影像组学模型预测TNBC的效能。

1.6 统计学分析

应用SPSS 22.0软件和MedCalc 19.2软件进行统计学分析。采用Kolmogorov-Smirnov检验计量资料的正态性，正态分布数据用均数±标准差表示，采用独立样本t检验比较TNBC与NTNBC两组之间参数的差异；计数资料用频数表示，两组之间的比较采用χ2检验或Fisher检验。绘制ROC曲线，以AUC评价各影像组学模型诊断TNBC的效能，并比较灵敏度、特异度及准确率。P<0.05为差异有统计学意义。

2、结果

2.1 TNBC与NTNBC患者临床病理资料对比分析

37例TNBC患者中浸润性导管癌34例、浸润性混合型小叶-导管癌1例、导管原位癌1例、化生性癌1例；52例NTNBC患者中浸润性导管癌50例、实性乳头状癌2例；均为单发肿块样病变。NTNBC患者分子分型包括2例Luminal A型、34例Luminal B型及16例HER-2过表达型。与NTNBC患者相比，TNBC患者病理组织学分级较高，瘤周水肿最大径更大(P<0.05),瘤周水肿最大径的诊断阈值为9.4 mm。TNBC与NTNBC患者两组之间年龄、绝经状态、肿块最大径、Ki-67表达水平及腋窝淋巴结转移状态均无统计学差异(P>0.05)(表1)。

2.2 组学特征与模型预测

从乳腺癌瘤内、瘤周水肿ROI中分别提取2264个影像组学特征，通过Z评分标准化及 LASSO回归(图2)筛选出8个瘤内、8个瘤周水肿及8个瘤内联合瘤周水肿最优组学特征，通过随机森林分类器训练，构建瘤内、瘤周水肿及瘤内联合瘤周水肿三个影像组学预测模型。ROC曲线显示，三个模型在训练集和测试集中鉴别TNBC与NTNBC的AUC分别为0.847和0.812、0.850和0.740、0.974和0.929;灵敏度分别为44.8%和62.5%、70.0%和57.1%、96.7%和85.7%;特异度分别为97.6%和90.0%、78.0%和72.7%、76.2%和90.0%(表2,图3)。

3、讨论

影像组学通过提取高通量影像特征，可更加全面、无创的反映肿瘤的异质性[8]。影像组学已经广泛应用于乳腺良恶性病变鉴别、判断乳腺癌分子分型、新辅助化疗疗效评估及预后分析等方面，但大多数研究是基于肿瘤内部的影像组学分析，然而肿瘤周围微环境也是乳腺癌异质性的重要组成部分。近年来，越来越多的学者探究了乳腺癌瘤周影像组学的临床应用价值[9,10,11,12],但基于乳腺癌瘤周水肿这一具体征象的影像组学迄今为止尚未报道。在既往脑肿瘤的研究中，瘤周水肿影像组学展示出较大临床应用潜力[13,14],而乳腺癌瘤周水肿目前的研究集中在传统T2WI描述、临床病理特征分析及发病机制上。

图1 A～D女，77岁，左乳浸润性导管癌。为T2WI FS序列原始图像（A）；红色填充区为瘤内ROI(B）；绿色填充区为瘤周水肿ROI(C）；红色和绿色填充区为瘤内联合瘤周水肿ROI(D）   

图2 A～C使用LASSO逻辑回归分别进行瘤内、瘤周水肿、瘤内联合瘤周水肿特征选择  

图3 A、B分别为训练集与测试集的ROC曲线   

弥漫性乳房水肿可由良恶性病因引起，良性病因包括乳腺炎、手术后状态、放射后变化、肾病综合征及充血性心力衰竭等，恶性病因常见于乳腺癌晚期、炎性乳腺癌及淋巴瘤等；而局灶性乳房水肿往往与恶性肿瘤相关，包括瘤周水肿、胸壁前水肿及皮下水肿[4,15]。乳腺癌瘤周水肿的发生机制尚未明确，研究者们提出了不同的观点。Baltzer等[16]推测瘤周水肿可能是由肿瘤血管生成增多引起，肿瘤侵袭性越强，瘤周新生血管越丰富，血管壁通透性增高，导致血管源性水肿；Koyama等[17]则认为瘤周水肿可能与瘤周间隙透明质酸酶释放增多有关，其促进组织溶解及癌细胞脱落，延长了T2弛豫时间，从而表现出瘤周T2WI高信号；Park等[18]的研究发现，淋巴血管侵犯及肿块占位效应导致的机械性梗阻、肿瘤微环境间质纤维化导致的机械应力增加及肿瘤缺氧坏死诱导不成熟血管生成共同促使了瘤周水肿的发生。

目前，瘤周水肿区域的划分尚无统一标准。在颅脑肿瘤研究中瘤周水肿的划分也不尽相同，有学者将距肿瘤强化边缘4 mm以内、5～10 mm、10 mm以外水肿区分别划分为近侧、中侧、远侧三个区域[19];亦有研究以距肿瘤强化边缘10 mm为界分为近侧、远侧水肿区[20];还有研究认为20 mm以内为瘤周水肿区域[21]。而广义的瘤周区域在乳腺癌、肺结节的研究中通常以4 mm、5 mm多见[9,10,11,12,22]。由此可见，瘤周水肿区域的划分主观性较强，鉴于乳腺癌瘤周水肿通常没有脑肿瘤瘤周水肿显著，且在T2WI FS序列上显影更佳，因此为了更客观、全面的评价瘤周水肿的价值，本研究选择T2WI FS序列上瘤周水肿所有区域进行勾画，本研究中TNBC和NTNBC瘤周水肿最大径分别为(12.8±7.7)mm、(9.6±5.5)mm。

本研究结果显示，TNBC和NTNBC患者在肿瘤组织学分级之间差异有统计学意义，高级别的TNBC患者更易出现瘤周水肿。对于高级别乳腺癌，肿瘤细胞浸润、破坏更明显，瘤周透明质酸酶增多，同时伴有大量高通透性的新生血管形成，可能都会诱导瘤周液体的积聚。本研究中TNBC和NTNBC两组肿瘤病理类型大部分为浸润性导管癌，Ki-67指数增殖程度均较高，均有75%的肿块最大径大于2 cm。分析原因一方面可能是大体积肿瘤对周围乳腺实质及血管压迫更显著，机械性梗阻导致液体滞留或漏出；另一方面高Ki-67提示肿瘤细胞增殖迅速，可能会加剧肿瘤机械占位效应，同时其侵袭性也更强，引起继发性血管源性水肿。Liang等[6,7]的研究得出了类似的结果，这两项研究发现瘤周水肿的存在与更大体积、高级别肿瘤、腋窝淋巴结转移阳性及高Ki-67指数相关，认为瘤周水肿是评估乳腺癌预后的有效因素。

本研究结果显示，瘤内联合瘤周水肿T2WI FS影像组学模型预测TNBC和NTNBC的效能最好，优于单一瘤内、瘤周水肿影像组学模型，训练集及测试集AUC分别达0.974和0.929,且AUC值相近，模型性能较为稳定。此外，联合影像组学模型的灵敏度和准确率也最佳，训练集及测试集分别为96.7%和85.7%、84.7%和88.2%。本研究表明瘤内及瘤周水肿组合模型可以获取更多的特征信息，瘤周水肿特征有助于提高模型的性能，从而更全面地反映肿瘤整体的异质性。陆欢等[11]对DCE-MRI图像上肿瘤及瘤周5 mm区域提取特征，构建模型预测TNBC与NTNBC,结果显示瘤内联合瘤周模型效能最佳，测试集AUC、灵敏度及特异度分别为0.810、83.3%、83.3%,均低于本研究测试集结果。据笔者所知，本研究是基于乳腺癌瘤周水肿影像组学的第一次探索性研究，笔者后续的研究会进一步拓宽应用范围，探究瘤内及瘤周水肿组学特征在预测淋巴结转移、疗效评估及预后分析方面的可行性。

本研究的局限性：(1)本研究为回顾性、单中心研究，样本量较少，缺乏外部病例验证，后续需要开展前瞻性、多中心研究，扩大样本量，并增加外部病例验证来提高模型性能。(2)考虑到水肿边缘大多不规则，厚薄不均，经尝试半自动分割，但效果不佳，所以本研究瘤周水肿ROI采用人工手动勾画，存在一定主观因素影响，且耗时较长。(3)本研究排除了瘤周水肿范围太小难以勾画ROI的病例，样本选择存在一定偏移，可能会影响模型稳定性。(4)本研究仅基于影像特征建立组学模型，未来可以融合临床-影像特征构建预测模型，挖掘更多临床应用价值。

综上所述，T2WI FS瘤内联合瘤周水肿影像组学模型对鉴别诊断TNBC和NTNBC有较高的效能，瘤周水肿特征有助于提升模型的预测能力，是进一步获得乳腺癌生物学信息的有效附加工具，有利于精准医学。

参考文献:

[11]陆欢,葛敏,王世威.动态增强MRI瘤内与瘤周影像组学特征对三阴性乳腺癌的诊断价值研究[J].浙江医学,2021,43:1647-1651.

[12]张书海,王小雷,朱芸,等.基于瘤内及瘤周早期动态增强MRI的影像组学模型鉴别乳腺影像报告和数据系统4类肿瘤良性与恶性的价值[J].中华放射学杂志,2022,56:758-765.

[20]全冠民,高云云,袁涛,等.近瘤周区DTI对高级别胶质瘤与转移瘤鉴别诊断的研究[J].临床放射学杂志,2014,33:484-488.

[21]刘晓玉,肖道雄,何艳枚,等.联合应用DWI及PWI对脑内肿瘤及瘤周水肿的比较研究[J].临床放射学杂志,2017,36:928-933.

基金资助:武汉市中心医院学科基金项目(编号:2021XK034);

文章来源:孙瑞红,胡芸,黄增发等.基于T2WI抑脂瘤内及瘤周水肿影像组学预测三阴性乳腺癌的价值[J].临床放射学杂志,2024,43(02):204-209.