基于DCE-MRI瘤内及瘤周影像组学特征鉴别乳腺管腔型与非管腔型分子分型的多中心研究

《Scientific Reports》：Intratumoral and peritumoral radiomics signature based on DCE-MRI can distinguish between luminal and non-luminal breast cancer molecular subtypes

本研究针对乳腺管腔型与非管腔型分子分型鉴别难题，通过多中心回顾性分析305例患者DCE-MRI数据，构建瘤内、瘤周及联合影像组学模型。结果显示联合模型AUC达0.956（训练集），验证集表现稳定（0.945/0.896），显著优于单一区域模型（NRI提升0.224-0.300），为无创分子分型提供了新策略。

　　

乳腺癌作为女性最高发的恶性肿瘤，其分子分型对治疗方案选择和预后评估至关重要。目前临床依赖穿刺活检进行免疫组化（IHC）检测，但存在取样偏差、无法评估肿瘤异质性等问题。尤其对于占70%的管腔型（Luminal）乳腺癌，其内分泌治疗敏感性显著优于非管腔型（HER2阳性和三阴性），亟需开发无创鉴别方法。

电子科技大学附属四川省肿瘤医院放射科Hao Xu团队联合多家医疗机构，在《Scientific Reports》发表研究，通过动态对比增强磁共振成像（DCE-MRI）提取瘤内及瘤周影像组学特征，建立多参数预测模型。研究纳入305例经病理确诊的乳腺癌患者（训练集162例，内部验证65例，外部验证78例），采用LASSO回归筛选特征并构建放射组学评分（radscore）。结果显示联合模型在训练集的AUC达0.956，显著优于单一瘤内模型（ΔAUC=0.139），且通过决策曲线分析（DCA）证实其临床实用性。

关键技术包括：1）多中心DCE-MRI数据采集（3.0T/1.5T多机型）；2）瘤周4mm区域自动扩展算法；3）208个标准化影像组学特征提取（PyRadiomics软件）；4）基于ICC>0.75的特征稳定性筛选；5）LASSO回归与多变量逻辑回归建模。

【Results】
患者特征：三组队列中管腔型占比63.6%，与非管腔型在年龄、绝经状态等基线指标无显著差异（P>0.05），仅内部验证组肿块形态存在差异（P=0.027）。

特征选择：从瘤内/瘤周分别筛选出89/55个稳定特征（ICC>0.75），最终保留2个瘤内特征（GLRLM_ShortRunEmphasis等）和3个瘤周特征（GLSZM_LargeAreaLowGrayLevelEmphasis等）。联合模型整合5个特征，其radscore公式包含瘤内能量特征（firstorder_Energy）和瘤周异质性指标（GLDM_DependenceNonUniformityNormalized）。

模型性能：联合模型在训练/内部验证/外部验证集的AUC分别为0.956/0.945/0.896，灵敏度达88.9%-92.5%。瘤周特征单独预测时表现出高灵敏度（97.5%）但特异性较低（56%），而联合模型实现平衡（特异性88.9%）。临床-放射组学模型整合绝经状态后AUC为0.858，但未显著提升预测效能。

模型比较：净重分类改善指数（NRI）显示联合模型较瘤内模型在验证集提升0.224-0.300（P<0.05）。DCA证实联合模型在0-90%阈值概率范围内具有最大临床净收益。

【讨论】
研究创新性体现在：首次系统评估瘤周4mm区域对分子分型的增量价值，其纹理特征（如LargeAreaLowGrayLevelEmphasis）反映非管腔型瘤周更强的异质性。与既往研究相比，多中心设计（含不同场强MRI）增强了结果普适性，且样本量（305例）显著大于同类研究（如Leithner等91例）。局限性包括回顾性设计、手动分割耗时等问题，未来需探索深度学习自动化方案。

结论强调DCE-MRI影像组学可无创鉴别管腔型乳腺癌，联合瘤周特征能显著提升预测精度，为个体化治疗决策提供影像学生物标志物。这一发现尤其适用于活检困难或需动态监测的患者，有望减少不必要的穿刺检查。