多参数 MRI 栖息地成像:乳腺癌血管和细胞异质性研究及临床应用新突破

【字体: 时间:2025年05月14日 来源:BMC Medical Imaging 2.9

编辑推荐:

  乳腺癌存在高度异质性,影响治疗效果。研究人员利用多参数 MRI 栖息地成像(HI)开展乳腺癌血管和细胞异质性研究。结果发现不同 HER2 表达的乳腺癌肿瘤亚区比例不同,且部分亚区比例与新辅助治疗(NAT)疗效相关。该研究为预测 HER2 表达和评估 NAT 疗效提供新方法。

  在女性健康领域,乳腺癌一直是一个 “顽固的敌人”。它不仅是全球最常见的恶性肿瘤之一,更是女性癌症相关死亡的主要原因。如今,个性化治疗成为提高乳腺癌患者临床疗效的关键,然而,乳腺癌高度的肿瘤间和肿瘤内异质性却像一堵难以跨越的高墙,阻碍着个性化治疗的顺利实施。
肿瘤间异质性使得乳腺癌可以被分为不同的分子类型,其中人类表皮生长因子受体 2(HER2)的状态是分子分型的重要依据。HER2 与肿瘤血管生成和细胞增殖密切相关,根据 HER2 基因扩增和蛋白表达水平,乳腺癌可分为 HER2 阳性、HER2 阴性,HER2 阴性又进一步细分为 HER2 低表达(HER2-low)和 HER2 零表达(HER2-zero)。不同 HER2 表达水平的乳腺癌在血管性和细胞性方面存在差异,这不仅影响患者对新辅助治疗(NAT)的反应,还使得肿瘤内部形成复杂的生态系统,部分区域缺氧,增加肿瘤细胞对治疗药物的耐受性 。

目前,病理诊断虽为评估肿瘤异质性的金标准,但因其具有侵入性、采样局限性和样本依赖性,难以全面准确地刻画肿瘤异质性。而磁共振成像(MRI)凭借多方向、多参数、高软组织分辨率和无辐射等优势,为肿瘤诊断提供了丰富信息。栖息地成像(HI)作为基于多参数 MRI 的技术,能通过聚类相似体素,将肿瘤划分为不同亚区,全面描绘肿瘤不同区域的生物学特征。在此背景下,汕头大学医学院第二附属医院的研究人员开展了一项研究,旨在利用多参数 MRI 和 HI 技术,直观分析乳腺癌不同亚区的血管性和细胞性异质性,进而预测 HER2 表达水平和评估 NAT 疗效。该研究成果发表在《BMC Medical Imaging》上。

研究人员开展此项研究时,采用了多种关键技术方法。首先,从汕头大学医学院第二附属医院选取了 2017 年 1 月至 2022 年 11 月的 76 例乳腺癌患者作为样本队列。利用 3.0T 扫描仪及专用四通道双侧乳腺线圈进行 MRI 扫描,获取扩散加权成像(DWI)和动态对比增强 MRI(DCE-MRI)序列图像 。基于这些图像计算出表观扩散系数(ADC)、容积转运常数(Ktrans)、速率常数(Kep)和细胞外容积分数(Ve)等参数。然后,使用模糊 C 均值(FCM)聚类算法对多参数数据进行分析,将肿瘤划分为不同亚区。最后,通过统计分析探究各亚区与 HER2 表达水平及 NAT 疗效的关系。

在研究结果部分,有以下重要发现:

  • 肿瘤栖息地的识别:通过 HI 技术,将乳腺癌肿瘤在生理上分为三个亚区,即相对低血管 - 高细胞(LV-HC)区、相对低血管 - 低细胞(LV-LC)区和相对高血管 - 低细胞(HV-LC)区。通过对各亚区多参数定量指标平均值的分析确定了各亚区的特征,如 HV-LC 区的KtransKep平均值较高,表明其血管性相对较高;LV-HC 区的 ADC 和Ve平均值较低,显示其细胞性相对较高。
  • 不同 HER2 表达水平下亚区体积比例的差异:对不同 HER2 表达水平的乳腺癌患者肿瘤亚区体积比例进行比较发现,HER2 阳性和 HER2 阴性患者在三个亚区的体积比例上存在显著差异。HER2 阳性患者的 LV-HC 区体积比例低于 HER2 阴性患者,而 LV-LC 区和 HV-LC 区体积比例则高于 HER2 阴性患者。此外,HER2-low 组和 HER2-zero 组在 LV-LC 区的体积比例也存在显著差异,HER2-low 组更低。
  • 亚区比例与新辅助治疗疗效的相关性:研究发现,LV-HC 区的比例与 NAT 疗效(采用 Miller&Payne(MP)评估系统分级)呈负相关,即 LV-HC 区在乳腺癌病变中的比例越低,患者新辅助治疗的疗效越好。

研究结论和讨论部分具有重要意义。该研究表明 HI 能够定量可视化乳腺癌病变内血管性和细胞性的异质性。不同 HER2 表达水平的乳腺癌在各肿瘤栖息地的体积比例存在差异,这可能与 HER2 表达不同导致的病变内血管性和细胞性差异有关。同时,肿瘤栖息地的体积比例与 NAT 疗效相关,这或许与病变内血流灌注和细胞增殖对患者治疗反应的影响有关 。这意味着 HI 有望成为预测乳腺癌 NAT 疗效的非侵入性成像生物标志物,为乳腺癌的个性化治疗提供重要的影像学依据。然而,研究也存在一些局限性,如样本量有限、未纳入扩散峰度成像(DKI)数据、缺乏组织病理学验证以及未与传统生物标志物进行直接比较等。未来研究可通过开展前瞻性临床试验、引入自动分割技术和深度学习方法等加以完善,进一步挖掘 HI 在乳腺癌诊疗中的潜力,为乳腺癌患者带来更多的希望和更好的治疗效果。

相关新闻
生物通微信公众号
微信
新浪微博
  • 急聘职位
  • 高薪职位

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号