基于超声特征联合临床指标构建三阴性乳腺癌新辅助化疗早期（2周期）病理完全缓解预测模型

为突破传统影像学监测三阴性乳腺癌（TNBC）新辅助化疗（NAC）反应的局限，复旦大学上海癌症中心团队创新性整合临床指标与超声特征（如肿瘤体积缩小率TVR、后方回声增强），构建早期（2周期NAC后）病理完全缓解（pCR）预测列线图模型。该模型在训练组和验证组的AUC分别达0.818和0.776，决策曲线分析（DCA）证实其临床净获益显著优于常规策略，为个体化治疗调整（如强化非应答者疗法）提供无创、便捷的决策工具。

　　

论文解读

研究背景与意义

三阴性乳腺癌（TNBC）作为乳腺癌中最具侵袭性的亚型，因缺乏激素受体和HER2表达，治疗高度依赖新辅助化疗（NAC）。尽管免疫检查点抑制剂的应用提升了病理完全缓解（pCR）率（如KEYNOTE-522试验中达64.8%），但TNBC的化疗敏感性仍存在显著异质性（pCR率18-60%）。pCR的达成与患者长期生存密切相关，然而现有监测手段如乳腺MRI存在成本高、禁忌症多等局限。如何通过便捷、经济的影像学方法早期预测pCR，实现"应答者减毒、非应答者强化"的个体化治疗策略，成为临床迫切需求。

研究设计与方法

复旦大学附属肿瘤医院（Fudan University Shanghai Cancer Center）团队开展了一项回顾性研究，纳入2016–2021年接受NAC后手术的262例早期TNBC患者，按时间分层划分为训练集（183例）和验证集（79例）。研究整合临床指标（年龄、临床T分期）与超声特征（基线后方回声模式、NAC 2周期后肿瘤体积缩小率TVR），通过多因素逻辑回归筛选独立预测因子，构建列线图模型。关键技术包括：

• 标准化超声评估：采用高频线阵探头（GE/PHILPS/SuperSonic设备），依据BI-RADS词典采集肿瘤三维径线，计算TVR（公式：TVR(%)=(V₁-V₂)/V₁×100%，V₁/V₂为基线/2周期后体积）。
• 一致性控制：6名资深超声医师经标准化培训，随机样本的组间一致性检验Kappa值>0.75。
• 终点定义：pCR=术后乳腺及淋巴结无浸润性病灶（ypT0/Tis ypN0）。

研究结果

生存分析验证pCR临床价值
中位随访68个月（训练集）和36个月（验证集）显示，pCR患者无病生存（DFS）和总生存（OS）显著优于非pCR者（训练集DFS: p<0.001；验证集OS: p=0.04）。

关键预测因子筛选

• 单因素分析：年龄≤45岁、绝经前状态、临床T1分期、无钙化、后方回声增强、TVR≥70%与pCR显著正相关（均p<0.05）。
• 多因素回归：年轻（≤45岁：OR=0.372）、早期T分期（T1 vs T2/T3: OR=0.276/0.188）、后方回声增强（OR=4.687）、TVR≥70%（OR=8.438）为独立预测因子（表3）。

列线图模型性能验证

• 区分度：训练集AUC=0.818（敏感度65.2%、特异度82.5%），验证集AUC=0.776（敏感度85.7%、特异度66.7%）（图6A-B）。
• 校准度：Hosmer-Lemeshow检验显示预测概率与实际观察值高度吻合（训练集p=0.960；验证集p=0.483）（图6C-D）。
• 临床效用：决策曲线分析（DCA）表明，当阈值概率为12%-63%时，模型净获益超越"全治疗"或"不治疗"策略（图7）。

典型案例示范

结论与展望

本研究首次构建基于临床-超声特征的列线图模型，可在NAC 2周期后精准预测TNBC患者的pCR概率（AUC>0.77），其生物学基础在于：

1. 后方回声增强反映肿瘤细胞增殖旺盛（高Ki-67）及间质淋巴细胞浸润（sTILs），与化疗敏感性正相关；
2. TVR≥70% 直接表征早期治疗应答，PPV曲线显示其预测pCR的阳性预测值达50%-65.2%（图3A-B）。

该模型为临床提供三大价值：
① 非应答者早期识别：77.6%的非pCR患者可被提前识别，为强化治疗（如加用铂类/免疫药物）提供窗口期；
② 保乳手术决策支持：高pCR概率患者可能避免过度手术创伤；
③ 资源优化：替代约40%的MRI复查，降低医疗负担。

局限性与未来方向包括：单中心回顾性设计的固有偏倚、多病灶/转移患者未纳入、预测精度需进一步提升（如整合超声组学或弹性成像）。后续将通过多中心前瞻性研究（如I-SPY 2.2试验模式）验证模型普适性，并探索人工智能辅助的客观量化分析。

关键术语说明

• NAC：新辅助化疗（Neoadjuvant Chemotherapy）
• pCR：病理完全缓解（Pathological Complete Response）
• TVR：肿瘤体积缩小率（Tumor Volume Reduction）
• sTILs：间质肿瘤浸润淋巴细胞（Stromal Tumor-Infiltrating Lymphocytes）
• DCA：决策曲线分析（Decision Curve Analysis）