European Radiology：MRI预测乳腺癌新辅助化疗反应的准确性评估

乳腺癌是全球女性中最常被诊断出的癌症，也是癌症死亡的第二大原因。在当前精准医疗时代，预测治疗反应和预后在临床实践中至关重要。新辅助治疗（NAT）已成为可手术的早期乳腺癌的标准治疗方法之一，它能使患者有机会进行保乳手术，并提供相当的无病生存率。然而，存在部分患者无法从新辅助治疗（NAT）中获益，却还要承受治疗本身带来的毒性和不良反应，所以需要准确识别这类无反应的患者。目前，评估疾病对新辅助治疗（NAT）反应最可靠的方法是通过病理分析，但这种评估只能在手术后进行，而且常因病理完全缓解（pCR）较为罕见而变得复杂。

当前通过活检取样进行病理和分子分析的方法仅限于提取单部分肿瘤组织，因此，探索新的非侵入性成像技术（如影像组学）势在必行。传统上，基于图像的特征是通过定性方式评估的，考虑大小、形状和强化类型等，往往会遗漏有价值的未利用数据。对图像数据进行定量分析对于预测肿瘤的分子特征和治疗反应至关重要，能够实现针对患者的个性化医疗。影像组学是一个新兴的研究领域，它利用数学分析和计算机辅助检测来提取医学图像中的特征，在乳腺癌筛查和预防等非侵入性应用方面尤其有价值。

影像组学的研究过程复杂且多变，首先要获取高质量、无伪影的图像，尽管这是理想状态，但往往很难实现。其工作流程包含多个连续步骤，各个阶段所采用的方法决定了最终模型的质量。不同的方法会导致结果的异质性，使得比较变得困难。其中，需要考虑与原始影像组学数据采集相关的变量（如扫描仪特性和分析序列），以及与图像归一化、标准化、影像组学数据提取和统计方法相关的变量。

最近，发表在European Radiology 上的一篇文章探究了方法学方面的因素对磁共振成像（MRI）影像组学模型在预测乳腺癌（BC）患者对新辅助治疗（NAT）反应方面性能表现的影响。

本项研究开展了一项截至 2023 年 3 月的系统综述。运用随机效应荟萃分析来合并受试者工作特征曲线（ROC）下面积（AUC）值。通过埃格（Egger）检验评估发表偏倚情况，使用 I² 统计量来估计异质性。进行元回归分析以探究多种因素（包括扫描仪、特征数量/变换/类型、像素/体素缩放等）带来的影响。

研究共纳入了 42 项研究。汇总的受试者工作特征曲线（ROC）下面积（AUC）值为 0.77（95% 置信区间：0.74 - 0.81）。观察到存在较大的异质性（I² = 81%），但不存在发表偏倚（p = 0.35）。影像组学模型的准确性受扫描仪供应商的影响，使用混合扫描仪供应商的研究中，其受试者工作特征曲线（ROC）下面积（AUC）值更低（AUC；95% 置信区间：0.70；0.61 - 0.78），相较于仅使用来自同一扫描仪获取图像的研究（对于三个不同供应商，即供应商 1、2、3，其 AUC（95% 置信区间）分别为 0.83（0.77 - 0.88）、0.74（0.67 - 0.82）、0.83（0.78 - 0.89）；与供应商 1 对比时，p 值 = 0.03）。特征类型似乎也对受试者工作特征曲线（ROC）下面积（AUC）有影响，使用三维（3D）图像的研究比使用二维（2D）/2.5D 图像的研究预测准确性更高（AUC；95% 置信区间分别为 0.81；0.78 - 0.85 和 0.73；0.65 - 0.81，p 值 = 0.03）。在包含三维（3D）图像的研究（I² = 33%）以及使用供应商 1 扫描仪的研究（I² = 40%）中，观察到研究间的异质性不显著。

图 森林图具有研究特异性和汇总AUC，根据不同的放射学特征类型预测pCR到NAT的放射学准确度为95% ci

本项研究表明，磁共振成像（MRI）影像组学已成为一种预测乳腺癌（BC）患者对新辅助治疗（NAT）反应的潜在方法，展现出了良好的前景。然而，必须认识到所采用的方法学选择存在多样性。进一步的研究应优先致力于达成标准化的方案，并提高磁共振成像（MRI）影像组学的方法学严谨性。

原文出处：

Sofia Netti,Oriana D'Ecclesiis,Federica Corso,et al.Methodological issues in radiomics: impact on accuracy of MRI for predicting response to neoadjuvant chemotherapy in breast cancer.DOI:10.1007/s00330-024-11260-y