academic radiology:MRI放射组学在预测浸润性乳腺癌淋巴血管浸润方面的价值

2023-05-10 shaosai MedSci原创 发表于上海

磁共振成像(MRI)已被广泛接受为诊断和评估治疗反应的最敏感的方法,对乳腺癌患者具有很高的准确性。

淋巴管侵袭(LBVI),包括淋巴管侵袭(LVI)和血管侵袭(BVI),定义为肿瘤细胞侵入内皮层的淋巴管和/或血管,是癌症进展和转移的一个重要环节。过去几十年来,LBVI的预后意义已被广泛研究及评估。临床研究表明,LBVI与较高的淋巴结转移发生率和较差的预后相关,包括无病生存率(DFS)降低、总生存率(OS)变差以及接受保乳手术的患者局部复发增加。越来越多的证据表明,LBVI的存在具有足够的信息量,可以被纳入现有的风险分层方法。大多数研究和医院都常规使用苏木精和伊红(H&E)染色来评估LBVI。然而,由于难以区分淋巴管和血管,以及基质回缩伪影引起的假阳性率,因此很难区分LVI和BVI。此外,LVI和BVI可能会引起不同的结果。一些研究表明,LVI与淋巴结受累、局部复发和OS下降有关,而BVI的存在表明有全身转移,这可能影响治疗方案的选择和有效性。此外,以往的研究显示,与LVI相比,BVI的出现频率较低,这表明LVI对乳腺癌的扩散更为重要,而且在临床上更有意义。因此,关注LVI可为临床医生提供更有价值的信息。

D2-40是一种免疫组化(IHC)标志物,也是一种新型的单克隆抗体,可以识别Podoplanin由淋巴管内皮细胞特异性表达。由于D2-40具有更高的敏感性和特异性,因此大大改善了对LVI的检测。据报道,仅仅通过D2-40检测的远处栓子对预后重要影响。此外,LVI的存在已被证明与淋巴结受累、对新辅助化疗(NAC)反应不佳、局部复发以及乳腺癌的不良生存率有关。因此,对于LVI阳性的患者,除了NAC和改良的根治性乳房切除术或腋窝淋巴结清扫术外,可能还需要进行其他的治疗方案。因此,术前对LVI状态的预测可以促进个性化的治疗计划。然而,LVI状态只能通过切除的标本来确定,术前经皮标本不足以评估LVI状态。因此,术前评估LVI状态的方法对指导后续的治疗决策起着重要作用。

磁共振成像(MRI)已被广泛接受为诊断和评估治疗反应的最敏感的方法,对乳腺癌患者具有很高的准确性。以往的研究探讨了乳腺MRI和LBVI之间的关系。研究发现LVBI与各种MRI特征有关,包括动态对比增强(DCE)-MRI特征,如内部增强模式、动力学增强曲线和时间-信号强度曲线模式,以及扩散加权成像(DWI)边缘标志、肿瘤和肿瘤周围的表观扩散系数(ADC)值、邻近血管标志、肿瘤周围水肿和MRI检测到的腋窝淋巴结转移。与传统的MRI相比,放射组学从医学图像中提取丰富的信息,并将这些信息转化为可定量分析的特征。尽管一些研究报道了基于MRI的放射组学在预测LBVI状态方面的能力,但没有研究探讨基于MRI的放射组学在评估由D2-40确定的LVI存在的价值。

近日,发表在academic radiology杂志的一项研究探讨了基于术前MRI的放射组学应用于预测由D2-40确定的浸润性乳腺癌患者LVI预测方面的价值及能力。

本项研究回顾性地招募了203名经病理证实的浸润性乳腺癌患者,所有患者均接受了术前乳腺MRI检查,并随机分配到以下队列:训练队列(n=141)和测试队列(n=62)。然后,进行单变量和多变量逻辑回归,选择独立的风险因素并建立临床模型。之后,进行最小绝对收缩和选择算子(LASSO)逻辑回归,选择从早期和延迟增强的动态增强(DCE)MRI图像中提取的预测特征,并建立放射组学特征。随后,通过纳入放射组学评分和风险因素,构建了一个列线图模型。通过接受者操作特征曲线来确定各种模型的性能。使用校准和决策曲线评估了各种模型的功效。

本项研究选择了14个放射组学特征来构建放射组学模型。淋巴结的大小被确定为临床模型的一个独立风险因素。列线图模型在训练和测试队列中表现出最佳的校准和辨别性能,其曲线下面积分别为0.873(95%置信区间[CI]:0.807-0.923)和0.902(95% CI:0.800-0.963)。决策曲线表明,与影像学特征和临床模型相比,列线图模型增加了更多的诊断准确性及价值


 训练组(a)和测试组(b)的临床、放射组特征和提名图模型的接收操作特征(ROC)曲线

本项研究表明,基于术前DCE-MRI图像的列线图模型在无创预测由D2-40确定的浸润性乳腺癌的LVI方面表现出令人满意的能力及效果。

原文出处:

Zengjie Wu,Qing Lin,Hongming Song,et al.Evaluation of Lymphatic Vessel Invasion Determined by D2-40 Using Preoperative MRI-Based Radiomics for Invasive Breast Cancer.DOI:10.1016/j.acra.2022.11.024

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (1)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2132622, encodeId=d6482132622a6, content=学习了, beContent=null, objectType=article, channel=null, level=null, likeNumber=50, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=75456312513, createdName=1001055_3829, createdTime=Fri May 12 09:51:49 CST 2023, time=2023-05-12, status=1, ipAttribution=)]
    2023-05-12 1001055_3829

    学习了

    0

相关资讯

Apoptosis:七叶皂苷在乳腺癌治疗中的作用——诱导铁死亡的潜在机制及与顺铂的协同抗肿瘤活性

探索了铁死亡和G6PD在七叶皂苷(Escin)诱导的乳腺癌(BC)细胞死亡中的作用及其潜在机制,并探讨了Escin和顺铂之间的协同作用。

Radiology:致密乳腺和乳腺钼靶检查阴性女性的辅助乳腺癌筛查

数字化乳腺钼靶的引入使得癌症检测率(CDRs)提高了14%。然而,尽管乳腺钼靶筛查有助于发现脂肪型乳腺中高达98%的乳腺癌,但在密度极高的乳腺中,其敏感性下降到30%-48%。

J AM COLL RADIOL:影响BI-RADS-0乳腺钼靶检查随访时间的风险因素

BI-RADS评分系统为乳腺放射科医生提供了一个共同的、标准化的术语,以便在描述他们的发现时使用,同时也为检查评估提供一个分类系统。

academic radiology:基于深度学习的MRI乳腺癌自动诊断

近年来,深度学习也被广泛用于对乳腺MRI进行无监督分析,对病变进行检测和分类,包括良性疾病和恶性癌症的区分以及对分子亚型的预测。

ASCO 2023:乳腺癌领域进展一览

ASCO 2023 乳腺癌领域进展摘要速览!