《World Journal of Surgical Oncology》：A clinicopathological-MRI model for predicting pathological complete response after neoadjuvant therapy in breast cancer: a single-center retrospective study with transcriptomic pathway exploration
编辑推荐：
背景：治疗前准确预测新辅助治疗（neoadjuvant therapy）后病理完全缓解（pathological complete response, pCR）可能有助于指导乳腺癌的个体化决策。本研究旨在基于常规可获得的临床病理指标和MRI报告特征，构建并内部
背景：治疗前准确预测新辅助治疗（neoadjuvant therapy）后病理完全缓解（pathological complete response, pCR）可能有助于指导乳腺癌的个体化决策。本研究旨在基于常规可获得的临床病理指标和MRI报告特征，构建并内部验证一个实用且可解释的pCR预测模型，并利用公共转录组数据集探索潜在的pCR相关生物学通路。方法：本研究为单中心回顾性研究，纳入2021年4月至2025年4月期间于北部战区总医院接受新辅助治疗后手术的201例乳腺癌患者。根据术后病理将患者分为pCR组和非pCR组。收集治疗前的临床病理和MRI报告特征。进行单因素和多因素logistic回归分析以筛选pCR相关因素，并构建临床病理模型、MRI报告模型及临床病理-MRI联合模型。采用受试者工作特征（receiver operating characteristic, ROC）曲线、DeLong检验、校准曲线、Hosmer-Lemeshow拟合优度检验、决策曲线分析（decision curve analysis, DCA）及1000次bootstrap内部验证评估模型性能。基于联合模型构建列线图（nomogram），并利用单中心队列评估探索性亚组适用性。此外，利用可获得的公共转录组数据进行Hallmark基因集富集分析（gene set enrichment analysis, GSEA），作为pCR相关生物学功能背景的初步探索，并为预测模型提供探索性生物学补充。结果：201例患者中，60例达到pCR，141例为非pCR。多因素logistic回归显示，HER2阳性状态、Ki-67指数和MRI最大肿瘤直径与pCR相关。临床病理模型、MRI报告模型和联合模型的AUC值分别为0.880、0.703和0.910。尽管联合模型较临床病理模型和MRI报告模型AUC有所提高，但相对于临床病理模型的增量改善有限；因此，其临床获益仍需外部验证进一步确认。校准分析、DCA和bootstrap内部验证提示联合模型具有良好的内部稳定性。列线图在单中心队列中表现出良好性能。探索性GSEA提示pCR与非pCR之间的差异可能涉及TGF-beta信号通路、TNF-alpha/NF-kappaB信号通路、雌激素反应、KRAS相关通路及凝血相关通路，且在HR/HER2亚组间存在异质性。结论：纳入HER2状态、Ki-67指数和MRI最大肿瘤直径的临床病理-MRI联合模型及列线图构建，可能为预测乳腺癌新辅助治疗后pCR提供一个简单且可解释的研究工具。
乳腺癌是女性最常见的恶性肿瘤之一，仍是女性健康的重要威胁和癌症相关死亡的主要原因。新辅助治疗已成为高危早期、局部晚期或初始不可手术乳腺癌患者的重要治疗策略，术前给药可缩小肿瘤体积、增加保乳手术机会并提供体内治疗敏感性评估。达到pCR的患者通常具有更好的长期预后，但pCR率因分子亚型、治疗方案和肿瘤负荷的不同而差异显著。因此，治疗前准确预测pCR对优化个体化治疗策略具有潜在价值。既往研究多采用影像组学、深度学习、多组学数据或分子生物标志物构建pCR预测模型，尽管这些方法具有较好的预测潜力，但其在实际临床应用中可能受限于图像分割、特征提取、成本、技术复杂性和可解释性。相比之下，临床病理指标和常规MRI报告特征在临床实践中更易获取，适合构建简单且可解释的预测工具。因此，本研究旨在基于常规临床病理因素和MRI报告特征构建乳腺癌新辅助治疗后pCR预测模型，并利用公共转录组数据进行探索性通路分析，为治疗反应异质性提供分子背景。
研究人员开展了单中心回顾性研究，纳入2021年4月至2025年4月于北部战区总医院接受新辅助治疗后手术的乳腺癌患者201例，其中60例达到pCR，141例为非pCR。多因素logistic回归显示HER2阳性状态、Ki-67指数和MRI最大肿瘤直径与pCR相关。临床病理模型、MRI报告模型和联合模型的AUC分别为0.880、0.703和0.910。联合模型虽较单一模型AUC有所提高，但相对于临床病理模型的增量改善有限。校准分析、DCA和1000次bootstrap内部验证提示联合模型具有良好的内部稳定性。基于联合模型构建的列线图在单中心队列中表现出良好性能。探索性GSEA提示pCR与非pCR之间的差异可能涉及TGF-beta信号通路、TNF-alpha/NF-kappaB信号通路、雌激素反应、KRAS相关通路及凝血相关通路，且在HR/HER2亚组间存在异质性。本研究的重要意义在于：基于常规可获取的临床病理指标和MRI报告特征构建了一个简单、可解释的pCR预测工具，并借助公共转录组数据为治疗反应异质性提供了探索性分子背景，但其结论仍需外部验证确认。
在技术方法方面，本研究主要采用以下关键技术方法：（1）单中心回顾性队列设计，纳入201例接受新辅助治疗后手术的乳腺癌患者，来源为北部战区总医院2021年4月至2025年4月的病历资料；（2）基于治疗前空芯针活检免疫组化结果判定ER、PR、HER2状态及Ki-67指数，HER2 IHC 2+者进一步行荧光原位杂交（fluorescence in situ hybridization, FISH）检测；（3）由两名乳腺影像经验丰富的放射科医师依据预设报告方案独立评估治疗前乳腺增强MRI报告特征，连续变量采用组内相关系数（intraclass correlation coefficient, ICC）评估观察者间一致性；（4）采用单因素及多因素logistic回归结合逐步回归筛选独立预测因子，构建三个预测模型；（5）采用ROC曲线、DeLong检验、校准曲线、Hosmer-Lemeshow检验、DCA及1000次bootstrap重抽样进行模型性能评价与内部验证；（6）利用公共转录组数据集GSE194040（I-SPY2-990）进行Hallmark GSEA，作为pCR相关生物学差异的探索性补充分析。
研究结果如下：
基线患者特征：共纳入201例接受新辅助治疗后手术的乳腺癌患者，其中pCR组60例、非pCR组141例。总体队列平均年龄为53.57 +/- 11.02岁。pCR组与非pCR组在年龄、身高、体重、BMI、绝经状态及肿瘤侧别方面无显著差异。在治疗方案方面，pCR组接受HER2靶向治疗的比例明显更高，而非pCR组以蒽环/紫杉类方案更为常见（P < 0.001）。在病理特征方面，pCR组ER和PR表达水平低于非pCR组，HER2阳性比例更高，Ki-67指数更高。在MRI报告因素中，pCR组MRI最大肿瘤直径小于非pCR组。
单因素与多因素logistic回归分析：以单因素分析P < 0.05为筛选标准，首先报告了临床病理因素和MRI报告因素的领域特异性初步筛选结果。单因素logistic回归显示ER表达、PR表达、Ki-67指数、MRI最大肿瘤直径、HER2状态、分子亚型及新辅助治疗（neoadjuvant therapy, NAT）方案与pCR相关。多因素logistic回归显示Ki-67指数、MRI最大肿瘤直径和HER2阳性状态与pCR相关。HER2阳性状态的OR值较大且95% CI较宽，提示该结果可能受样本量、稀疏数据、准完全分离或与治疗方案共线性的影响。因此，该变量未被解释为完全独立于治疗方案的强预测因子，而是在真实世界治疗分配背景下与pCR概率相关的重要指标。为进一步评估HER2状态与治疗方案之间的信息重叠，进行了方差膨胀因子（variance inflation factor, VIF）分析、Cramer's V关联分析及Firth惩罚logistic回归敏感性分析。HER2阳性状态与HER2靶向治疗方案均显示较高VIF值，HER2状态与NAT方案之间的Cramer's V较高。在Firth敏感性分析中，加入NAT方案后HER2阳性状态的OR值下降，但仍与pCR相关，提示其预测效应可能部分反映治疗方案差异。
三种预测模型的构建与评价：基于多因素分析结果，构建了临床病理模型（HER2状态和Ki-67指数）、MRI报告模型（MRI最大肿瘤直径）及临床病理-MRI联合模型（HER2状态、Ki-67指数和MRI最大肿瘤直径）。ROC曲线分析显示联合模型具有最高的区分度。临床病理模型、MRI报告模型和联合模型的AUC分别为0.880（95% CI: 0.823–0.936）、0.703（95% CI: 0.625–0.780）和0.910（95% CI: 0.863–0.957）。总体而言，联合模型的综合预测性能优于单独使用临床病理模型或MRI报告模型。DeLong检验进一步比较了三种模型的AUC。联合模型AUC最高，但相对于临床病理模型的改善约为0.03，提示增量信息有限，其临床价值需外部验证。校准曲线用于评估预测概率与观察结局之间的一致性。联合模型的Hosmer-Lemeshow检验结果为chi-square = 4.50，df = 8，P = 0.809，表明联合模型具有良好的区分度和校准度。DCA在0.01至0.99阈值概率范围内以0.01为间隔进行，以全部治疗和全部不治疗为参考策略。决策曲线分析显示联合模型在大多数阈值概率范围内具有高于临床病理模型和MRI报告模型的净获益，提示其在决策中的潜在临床效用。为进一步评估模型稳定性和内部有效性，进行了1000次bootstrap重抽样。bootstrap AUC值分别为临床病理模型0.880（95% CI: 0.819–0.929）、MRI报告模型0.698（95% CI: 0.602–0.772）和联合模型0.913（95% CI: 0.864–0.953）。Bootstrap内部验证进一步支持联合模型具有最优且相对稳定的预测性能。
列线图与探索性亚组适用性分析：为提高联合模型输出的可视化和临床可解释性，基于最终临床病理-MRI联合模型构建了列线图。该列线图整合了HER2状态、Ki-67指数和MRI最大肿瘤直径，通过基于评分的评分系统直观展示各预测因子对预测pCR概率的相对贡献。在应用中，可根据治疗前HER2状态、Ki-67表达水平和MRI最大肿瘤直径获取相应评分，将评分总和转换为个体化预测pCR概率。与单独回归方程相比，列线图更直观地呈现预测过程，有助于临床医生理解各变量对pCR概率贡献的方向和大小。考虑到乳腺癌不同分子亚型在肿瘤生物学、新辅助治疗敏感性和pCR率方面的显著异质性，进一步在Luminal A-like、Luminal B-like、HER2富集型及三阴性亚组中进行了探索性亚组适用性分析，并绘制ROC曲线以初步观察联合模型在不同分子背景下的区分能力。结果显示联合模型在分子亚型间表现出一定程度的预测能力，提示潜在的亚型适用性。然而，该亚组分析仅用于初步探索和可视化联合模型在不同分子亚型中的性能，不应视为独立验证。由于本研究为单中心回顾性研究且各分子亚型内样本量有限，部分亚组pCR事件数较少，亚组ROC曲线和AUC估计可能不稳定。因此，这些结果应谨慎解读，不能视为稳定的独立结论。未来需要更大规模的多中心队列进一步验证列线图和联合模型在不同分子亚型中的适用性和泛化性。因此，本研究的列线图主要用于展示联合模型的预测逻辑和个体化风险估计方法，而非可直接实施的临床决策计算器。
基于公共转录组数据的探索性GSEA：为进一步探索pCR与非pCR患者之间潜在的分子通路差异，利用公共转录组数据集GSE194040（I-SPY2-990）进行Hallmark GSEA。总体分析显示多个生物学通路在pCR与非pCR患者间显著富集，包括TGF-beta信号通路、雌激素反应晚期、TNF-alpha经NF-kappaB信号通路、胰腺beta细胞、KRAS信号下调及凝血。在总体分析中，TGF-beta信号通路、雌激素反应晚期和TNF-alpha经NF-kappaB信号通路呈正向富集，提示炎症反应、细胞因子信号及激素反应相关通路可能在pCR与非pCR患者间存在差异。相反，凝血、KRAS信号下调及胰腺beta细胞呈负向富集，提示治疗反应差异还可能与代谢、凝血及KRAS相关信号变化有关。进一步亚组GSEA显示pCR相关通路在不同分子背景间存在显著异质性。在HR阳性、HR阴性、HER2阳性和HER2阴性亚组中，TNF-alpha经NF-kappaB信号通路呈不同程度的正向富集，尤其在HR阳性和HER2阴性亚组中更为明显。雌激素反应晚期在HER2阳性亚组中呈负向富集，而在HR阴性亚组中呈正向富集，提示激素相关信号在不同分子亚型中可能具有不同作用。此外，TGF-beta信号通路在总体队列中呈强正向富集，但在大多数亚组中呈弱负向趋势，提示其可能参与总体治疗反应差异，但亚型特异性效应仍需进一步验证。总体而言，GSE194040 GSEA结果提示乳腺癌新辅助治疗后pCR与非pCR之间的差异可能与TGF-beta信号通路、TNF-alpha/NF-kappaB炎症信号、雌激素反应、KRAS相关通路及凝血相关通路有关。重要的是，该GSEA仅用于为治疗反应异质性提供分子背景和假设生成线索，并未作为单中心临床病理-MRI预测模型的外部验证。
讨论部分总结：本研究系统分析了201例接受新辅助治疗后手术的乳腺癌患者临床病理特征、MRI报告特征与pCR之间的关系，并进一步构建了临床病理模型、MRI报告模型及临床病理-MRI联合模型。基于HER2状态、Ki-67指数和MRI最大肿瘤直径的联合模型在bootstrap验证中表现出良好的区分度、校准度、临床净获益和内部稳定性。将常规临床病理指标与MRI报告特征相结合可能改善乳腺癌新辅助治疗后pCR预测。本研究还基于联合模型构建了列线图，并初步评估了其在不同分子亚型间的适用性。此外，基于公共GSE194040转录组数据集的探索性GSEA提示多个生物学通路在pCR与非pCR患者间存在差异，为治疗反应异质性提供了分子层面的背景。既往研究多采用影像组学、深度学习、多组学数据或人工智能构建pCR预测模型，部分方法已显示出较高的预测性能，但其临床转化仍受限于复杂的数据处理流程、对专业软件和技术人员的依赖以及可重复性和可解释性不足。本研究中模型基于常规临床病理检测和MRI报告特征构建，这些变量易于获取和解读，可能有助于真实世界风险评估和个体化治疗决策。多因素logistic回归显示HER2状态是本研究最重要的预测因子之一。HER2阳性乳腺癌具有侵袭性生物学特征，共线性分析也提示HER2靶向治疗本身可能影响pCR结局。因此，HER2状态不应简单解释为完全独立于治疗方案的预测因子。本研究中pCR组HER2阳性患者比例明显高于非pCR组，这与既往HER2阳性乳腺癌对新辅助治疗反应良好的发现一致。Ki-67是常用的肿瘤细胞增殖免疫组化标志物，但高Ki-67表达与新辅助治疗背景下pCR的关系仍存在争议。Yoen、Hottat NA等研究提示Ki-67为增殖标志物，高表达表明细胞分裂和新细胞形成更快，可能与较低pCR率相关。相反，Kim、Pesapane等研究提示尽管Ki-67通常反映活跃的肿瘤增殖和更强的侵袭性，但高增殖肿瘤也可能对细胞毒性化疗更敏感，因此在新辅助治疗背景下可能与更高pCR率相关。同时，Ki-67与pCR的关系在不同研究间并不完全一致，可能与检测平台差异、截断值不一致、分子亚型组成及治疗方案有关。本研究中pCR组Ki-67表达高于非pCR组，且Ki-67在多因素分析中保留独立预测价值，提示Ki-67可能作为新辅助治疗敏感性的重要生物学指标，有助于估计达到pCR的概率。MRI最大肿瘤直径是本研究中筛选出的独立MRI报告预测因子。结果显示较大的MRI肿瘤直径与较低的pCR概率相关。MRI最大直径可能反映治疗前肿瘤负荷。较大肿瘤通常具有更大的总肿瘤细胞体积、更明显的空间异质性以及潜在的缺氧、坏死或耐药细胞群，这些均可能降低治疗后完全清除残留浸润癌的概率。相反，肿瘤负荷较小的患者在新辅助治疗后可能更易达到pCR。联合模型的预测性能优于单独临床病理模型或MRI报告模型。临床病理模型主要由HER2状态和Ki-67指数组成，反映分子亚型特征、靶向治疗敏感性和增殖活性。MRI报告模型主要基于MRI肿瘤直径，反映治疗前肿瘤负荷和局部解剖特征。这些维度从互补角度描述肿瘤特征。因此，联合模型同时纳入生物学特征和基于影像的肿瘤负荷，从而更全面地反映新辅助治疗的潜在反应。在此基础上构建了联合模型列线图，并根据分子亚型在单中心队列中绘制了亚组ROC曲线。亚组ROC曲线的AUC值提示列线图可能具有一定临床参考价值，但这些结果仍应作为探索性发现谨慎解读。既往类似研究主要关注模型性能评价，而对预测因子潜在生物学机制的讨论较少。为进一步探索pCR与非pCR患者之间潜在的生物学差异，本研究利用公共转录组数据集进行了探索性GSEA。总体分析显示TGF-beta信号通路、TNF-alpha经NF-kappaB信号通路、雌激素反应、KRAS信号及凝血通路在pCR与非pCR患者间存在差异。TGF-beta信号通路与肿瘤微环境重塑、上皮-间质转化、免疫调节及治疗耐药密切相关，提示肿瘤微环境可能影响新辅助治疗反应。TNF-alpha/NF-kappaB信号通路与炎症反应、细胞存活及免疫调节相关，提示炎症和免疫状态可能是pCR的重要生物学背景。雌激素反应通路的差异可能与HR状态及内分泌相关生物学特征有关，这与临床上观察到的乳腺癌分子亚型间pCR率显著差异一致。进一步亚组GSEA提示pCR相关通路在HR/HER2分子背景间存在异质性。HR阳性、HR阴性、HER2阳性和HER2阴性亚组间富集通路不同，提示乳腺癌新辅助治疗反应并非由单一机制决定，而是受分子亚型、增殖活性、炎症和免疫状态、激素反应及治疗方案共同影响。该结果也在分子水平上支持了临床模型的发现：HER2状态和Ki-67指数可能预测pCR，因为它们代表了不同的肿瘤生物学状态和治疗敏感性。此外，既往研究报道了潜在的乳腺癌治疗相关基因，包括BPHL、PPME1、BEND3、CLIC6和CORO1A，提示治疗反应可能受药物代谢、信号转导、转录调控、离子通道功能及免疫微环境影响。本研究的GSEA分析显示pCR与非pCR患者在TGF-beta信号通路、TNF-alpha/NF-kappaB信号通路、雌激素反应、KRAS信号及凝血方面存在通路水平差异。综合基因水平和通路水平发现，乳腺癌新辅助治疗后pCR可能并非由单一因素决定，而是由多种分子机制和治疗背景共同决定。然而，本研究未在单中心队列中直接验证这些基因的表达或功能。因此，这些发现仅应作为探索性分子背景讨论，而非机制性结论。本研究存在若干局限性。第一，为单中心回顾性研究。尽管进行了1000次bootstrap内部验证，但缺乏独立外部验证，模型泛化性仍需在多中心队列中确认。第二，样本量有限，部分亚组pCR事件数较少，可能导致估计不稳定和置信区间较宽。第三，新辅助治疗方案未完全平衡，尤其是HER2阳性患者更可能接受抗HER2治疗，这可能影响HER2状态的独立解释。第四，MRI变量主要来源于常规报告，未纳入多参数MRI、ADC或影像组学特征。第五，公共数据库GSEA为探索性分析，不能替代模型的外部验证。作为后续计划，研究人员拟在未來12–18个月内与至少三个中心合作，纳入不少于100例具有完整治疗前MRI、临床病理数据及术后pCR结果的乳腺癌患者进行外部验证和模型再校准。该计划未纳入当前研究，因此结论仍应在内部验证范围内解读。
研究结论翻译：HER2阳性状态、Ki-67指数和MRI最大肿瘤直径与乳腺癌新辅助治疗后pCR相关。基于这些变量构建的临床病理-MRI联合模型显示出良好的内部预测性能，可能为治疗前pCR风险评估提供一个简单且可解释的研究工具。然而，由于本研究为单中心回顾性研究，结果不应过度推广。在真实世界临床应用之前，该模型需要在更大规模、多中心及前瞻性研究中进一步验证。
