多模态超声联合影像组学早期预测乳腺癌新辅助治疗响应的临床研究

本研究针对乳腺癌新辅助治疗(NAT)响应早期预测的临床难题，创新性整合多模态超声（B超、剪切波弹性成像SWE、超声造影CEUS）与影像组学特征，构建了高性能预测模型。研究团队通过239例患者队列验证发现，联合模型(Model_Combined)在训练集和验证集中AUC分别达0.91和0.90，显著优于传统临床模型(P=0.006)，其中HER2状态、肿瘤最大硬度(Emax)、硬度异质性(Estd)和CEUS"放射征"成为独立预测因子。该成果为乳腺癌个体化治疗决策提供了可早期干预的影像学工具。

　　

乳腺癌作为全球女性发病率最高的恶性肿瘤，新辅助治疗(NAT)已成为局部晚期患者的标准治疗手段。然而临床面临严峻挑战：约10-35%患者对化疗无响应，却仍需承受药物毒性直至疗程结束。现有评估方法如临床触诊和传统影像学主要依赖肿瘤大小变化(RECIST 1.1标准)，难以捕捉早期生物学改变；MRI虽性能优越但成本高昂，难以频繁随访。超声虽具便捷优势，但单一模态评估存在明显局限——B超仅显示形态学改变，弹性成像仅反映组织硬度，超声造影(CEUS)仅观察血流灌注，均无法全面表征肿瘤异质性。

四川大学华西医院的研究团队开创性地提出"多模态超声+影像组学"整合策略，通过239例接受标准化疗的乳腺癌患者队列（训练集167例，验证集72例），构建了早期预测NAT响应的新型模型。研究发现：在完成2个周期NAT后，联合临床指标、超声特征和影像组学的Model_Combined预测性能最优（AUC 0.91），较单纯临床模型(AUC 0.85)和纯影像组学模型(AUC 0.83)显著提升(P<0.05)。该成果发表于《BMC Cancer》，为临床实现"治疗中动态调整"提供了重要工具。

研究采用三大关键技术：1) 多时点多模态超声采集（基线期和2周期后），包含B超、SWE定量参数(Emax/Estd等)和CEUS灌注特征；2) 基于U-Net深度学习模型的肿瘤半自动分割，经放射科医师校正后通过PyRadiomics提取1395个影像组学特征；3) 采用LASSO回归和逐步逻辑回归筛选变量，构建临床-超声模型、纯影像组学模型及联合模型，以Miller-Payne分级4-5级作为主要组织学响应(MHR)终点。

研究结果

临床和病理数据

HER2阳性患者MHR率达66.7%，显著高于阴性组(15.6%,P<0.001)，成为最强预测因子(OR=14.181)。T分期较大者(T3-4)响应较差(P=0.005)，而年龄、激素受体状态等无显著影响。

多模态超声特征

• B超：无响应组(NMHR)最大径(42.46±2.70mm)显著大于响应组(35.23±2.26mm,P=0.007)，且更易侵犯皮肤和乳腺后间隙(P<0.05)
• 弹性成像：NMHR组刚度参数(Emax=9.19 vs 8.30kPa)更高但异质性更低(Estd=0.51 vs 0.68,P=0.013)，提示致密基质阻碍药物渗透
• 超声造影：50.6% NMHR患者存在灌注缺损（vs 25.6% MHR,P=0.001），"放射征"阳性者疗效更差(P=0.037)

影像组学分析

基线影像组学模型(AUC=0.69)性能有限，但2周期后的特征变化率(Δfeature)模型AUC提升至0.79。关键特征如小波变换的GLDM非均匀性(waveletLH_gldm_DependenceNonUniformityNormalized)与疗效显著相关。

模型比较

联合模型整合四大独立预测因子：HER2阳性、低Emax、高Estd、无CEUS放射征，验证集AUC稳定在0.90，敏感度89.4%，特异度82.9%。

结论与意义

该研究首次证实多模态超声与影像组学的协同价值：弹性成像揭示的机械屏障、CEUS显示的灌注异常、影像组学捕捉的微观结构变化，分别从不同维度解析了肿瘤异质性。相较于现有方案，该模型具有三大优势：1) 可在2个化疗周期（约4周）时提前预警无效治疗；2) 仅需常规超声设备，适合基层推广；3) 整合生物标志物(HER2)与功能影像，符合精准医学趋势。未来通过前瞻性多中心验证，有望改写乳腺癌NAT监测指南，实现"无效治疗早停，有效方案强化"的个体化策略。