定量超声影像组学预测乳腺癌新辅助化疗疗效并指导个性化治疗的随机II期临床试验结果

《npj Precision Oncology》：Quantitative ultrasound imaging for predicting response and guiding personalized neoadjuvant chemotherapy in breast cancer: randomized phase 2 clinical trial results

本研究针对乳腺癌新辅助化疗(NAC)早期疗效预测难题，开发了基于定量超声(QUS)影像组学的机器学习模型。该随机II期临床试验证实，在治疗第4周通过QUS监测肿瘤微结构变化可达到92%的预测准确度，为临床医生提供早期治疗调整依据，成功实现个性化治疗策略的精准指导。

　　

在乳腺癌治疗领域，新辅助化疗已成为局部晚期和不可手术乳腺癌的标准治疗方案，特别是对于人类表皮生长因子受体2(HER2)阳性和三阴性乳腺癌患者。传统疗效评估方法存在明显局限性——医生需要等待多个化疗周期甚至完成全部治疗后，通过手术标本的病理检查才能确认治疗效果。这种延迟判断导致非响应患者不得不承受无效化疗的毒副作用，错失及时调整治疗方案的最佳时机。

为解决这一临床难题，加拿大Sunnybrook健康科学中心的研究团队开展了一项创新性研究，探索利用定量超声技术实现早期疗效预测的可能性。该研究成果发表于《npj Precision Oncology》，为乳腺癌精准医疗提供了新的技术路径。

技术方法概述

本研究采用前瞻性随机对照试验设计，纳入120例II-III期乳腺癌患者。研究人员使用临床超声系统采集肿瘤射频数据，通过定量超声参数（包括Mid-band fit(MBF)、Spectral slope(SS)、Spectral intercept(SI)、Average acoustic concentration(AAC)和Average scatterer diameter(ASD)）量化肿瘤微结构变化。基于支持向量机-径向基函数(SVM-RBF)算法构建预测模型，在治疗第4周对患者进行响应分类。

研究结果

患者特征与响应分布

2018年6月至2023年9月期间，研究共纳入120例合格患者，随机分为标准组(57例)和实验组(63例)。两组基线特征均衡，中位年龄均为50岁，最常见分子亚型为雌激素受体(ER)/孕激素受体(PR)阳性HER2阴性（标准组56.1%，实验组46%）。最终病理响应率分别为93.0%（标准组）和96.8%（实验组）。

预测模型性能

QUS影像组学模型在治疗第4周展现出卓越的预测能力，总体准确率达到92%，灵敏度93%，特异度83%，阳性预测值高达99%。模型基于四个关键纹理特征（△SS-con、△SI-ene、△SI-hom和△ASD-cor）进行判断，这些特征分别反映了散射体大小异质性、散射体浓度变异性和散射体大小均匀性的变化。

个性化治疗指导价值

实验组中，8例患者被预测为非响应者，其中4例（50%）根据预测结果调整了治疗方案。调整策略包括提前从阿霉素-环磷酰胺(AC)方案转向紫杉醇(T)治疗，或提前进行手术切除。值得注意的是，这些治疗调整均未预先设定，完全由临床医生根据QUS预测报告自主决定。

与传统影像比较优势

研究发现，QUS参数变化比肿瘤大小改变更早预测治疗响应。治疗第4周时，QUS类别分数在响应组与非响应组间已存在显著差异（p=0.00425），而同期肿瘤大小变化尚无统计学意义（p=0.0977）。这表明QUS能够检测到先于形态学改变的肿瘤微环境变化。

模型局限性分析

研究也揭示了当前模型的局限性。由于大多数患者对化疗敏感（响应率达95%），模型在识别非响应者方面训练不足，导致阴性预测值较低（38%）。多数误分类患者存在特殊肿瘤特征，如肿瘤坏死、黏液性特征或弱响应（肿瘤缩小不足30%或细胞性降至5%以下但未达尺寸标准）。

结论与展望

这项II期随机对照试验证实，基于定量超声的影像组学方法能够在新辅助化疗早期准确预测治疗响应，为个性化治疗调整提供客观依据。与正电子发射断层扫描(PET)等传统功能影像技术相比，QUS具有成本低、便携性好、无辐射暴露等优势，更易在临床推广。

未来研究方向包括扩大样本量以优化模型性能，特别是提高对非响应者的识别能力；开发能够区分完全缓解与部分缓解的精细预测模型；以及开展多中心验证确保结果的普遍适用性。这项技术有望重塑乳腺癌新辅助治疗范式，实现真正意义上的动态治疗个性化。