多参数MRI瘤内及瘤周影像组学模型在乳腺癌HER-2表达状态预测中的创新应用

为解决乳腺癌HER-2表达状态传统检测方法的侵入性和局限性问题，研究人员通过整合动态增强MRI（DCE-MRI）、扩散加权成像（DWI）和T2加权脂肪抑制成像（T2WI）的多参数影像组学特征，构建了瘤内联合瘤周3 mm区域的随机森林（RF）预测模型。该模型在训练集、内部验证集和外部测试集中AUC分别达0.822、0.823和0.813，显著优于单参数或单区域模型，为乳腺癌精准治疗提供了非侵入性生物标志物。

　　

乳腺癌作为女性最常见的恶性肿瘤之一，其治疗策略高度依赖分子分型，其中人类表皮生长因子受体2（HER-2）过表达约占20%-30%。这类患者虽能从曲妥珠单抗等靶向治疗中获益，但传统检测方法如免疫组化（IHC）和荧光原位杂交（FISH）存在取样偏差、耗时且无法动态监测的缺陷。更棘手的是，肿瘤异质性可能导致穿刺活检结果无法反映整体状态。磁共振成像（MRI）虽能无创评估肿瘤特征，但既往研究多局限于单参数或瘤内分析，忽略了瘤周微环境的关键生物学信息。

为突破这一瓶颈，来自青海省人民医院等机构的研究团队创新性地融合多参数MRI特征，开发了首个整合瘤内异质性与瘤周微环境的HER-2预测模型。这项发表于《Magnetic Resonance Imaging》的研究，通过3.0T MRI获取266例患者的DCE-MRI、DWI和FS-T2WI数据，采用3D Slicer手动勾画肿瘤边界并外扩3 mm生成瘤周区域（VOI_Peri3mm）。研究团队提取2252个影像组学特征后，通过类内相关系数（ICC>0.8）筛选、曼-惠特尼U检验（p<0.1）和模拟退火算法优化特征，最终构建8种随机森林模型进行对比验证。

3.1. 研究人群筛选流程
从316例初筛患者中排除特殊类型乳腺癌、转移灶等不符合标准的病例，最终纳入266例（训练集140例、内部验证集59例、外部测试集67例）。值得注意的是，中心1的HER-2阳性患者更常见淋巴结转移（p=0.038）和绝经状态（p=0.013），而中心2仅Ki67表达存在组间差异（p<0.05），凸显多中心数据对模型泛化能力验证的重要性。

3.3. 影像组学特征筛选
特征分析揭示T2WI_Peri3区域的"wavelet_HHL.MaximumProbability"等小波变换特征最具鉴别力，DCE序列的"log_firstorder_log.sigma.0.5.mm.3D.Kurtosis"峰度参数则能有效表征瘤内异质性。最终模型整合10个关键特征，其中灰度共生矩阵（GLCM）和灰度游程矩阵（GLRLM）特征占比达80%，印证了纹理特征在捕获肿瘤空间异质性中的核心作用。

3.4. 模型构建与性能评估
多参数瘤周融合模型（DWI_Peri3+T2WI_Peri3+DCE_Peri3 RF）展现出跨中心稳定性：训练集AUC 0.822（95%CI:0.755-0.889）显著优于单参数T2WI_Peri3模型（p=0.007），外部验证集AUC 0.813（95%CI:0.712-0.914）较传统DWI模型提升32.7%。决策曲线分析（DCA）显示在0.2-0.8概率阈值范围内，该模型能带来最大临床净获益。

这项研究开创性地证实，3 mm瘤周区域蕴含与HER-2表达密切相关的微环境特征，其诊断价值甚至超越瘤内特征。通过融合DWI的水分子扩散受限特征、T2WI的瘤周水肿信号及DCE的延迟强化模式，模型实现了从宏观影像到分子水平的精准映射。尽管存在回顾性研究的固有局限，但该成果为乳腺癌靶向治疗的术前决策提供了可靠工具，未来结合深度学习自动分割技术有望进一步突破性能瓶颈。尤其值得注意的是，研究揭示的瘤周GLCM特征可能对应肿瘤-间质相互作用引发的血管通透性改变，这为探索HER-2驱动肿瘤侵袭的机制提供了新视角。