《Frontiers in Oncology》：Latent class analysis of conventional ultrasound features: a novel approach to predicting non-response to neoadjuvant chemotherapy in breast cancer
编辑推荐：
目的：确定基于常规超声特征提取的整体模式是否与乳腺癌新辅助化疗（NAC）的病理学应答相关，为非侵入性治疗监测提供潜在依据。
方法：本研究纳入509例单侧原发性乳腺癌女性患者，所有患者均接受NAC后手术。研究人员采用三种聚类方法（基于模型的潜在类别分析（LCA）
目的：确定基于常规超声特征提取的整体模式是否与乳腺癌新辅助化疗（NAC）的病理学应答相关，为非侵入性治疗监测提供潜在依据。
方法：本研究纳入509例单侧原发性乳腺癌女性患者，所有患者均接受NAC后手术。研究人员采用三种聚类方法（基于模型的潜在类别分析（LCA）、基于距离的K?众数聚类和层次聚类）将常规超声特征整合为整体模式。通过Firth逻辑回归评估所得模式与病理学无应答的关联，并采用10折交叉验证和10,000次Bootstrap重采样进行内部验证。
结果：在三种方法比较中，LCA被确定为最优的分类框架，在统计模型拟合、类别分离及与临床结局的关联性方面达到最佳平衡。最优LCA模型识别出两种不同的超声模式（模式A与模式B）。模式B患者发生病理学无应答的可能性是模式A患者的2.51倍（95% CI: 1.05–5.99）。在亚组分析中，在定义的高危人群中，模式B与病理学无应答风险增加12.84%（95% CI: 5.74%–23.59%）至21.34%（95% CI: 13.63%–28.32%）相关，而在非高危人群中相应风险增加仅为1.12%（95% CI: 0.79%–1.51%）至3.45%（95% CI: 2.60%–4.47%）。
结论：通过LCA衍生的常规超声特征模式可为识别可能从NAC中获益较少的乳腺癌患者提供初步指示，经外部验证后或有助于更个体化的治疗规划。
论文解读文章
研究背景与问题
乳腺癌是全球重大健康负担，2022年全球新发病例达231万例。新辅助化疗（NAC）广泛用于降期肿瘤以利于手术，但其疗效并不均一，且可能导致骨髓抑制、器官毒性等显著不良反应。因此，临床亟需能够及时识别NAC潜在无应答患者的策略，以避免无效治疗带来的累积伤害。非侵入性监测至关重要，超声因其无辐射、实时可用、成本相对较低而成为纵向评估的实用工具。既往研究多聚焦病理学完全缓解（pCR）预测，但常规超声对pCR的预测性能有限，部分原因是pCR率较高且影像差异细微。相比之下，识别病理学无应答者（即完成NAC后仍存在显著残余浸润癌的患者）更具临床可操作性，有助于早期支持风险适应决策及治疗调整。
研究目的与意义
本研究旨在开发一种数据驱动框架，利用基于模型的潜在类别分析（LCA）将常规超声特征合成为潜在表型，探讨这些整体超声模式是否与NAC病理学无应答相关，重点在于初步模式表征及为未来验证研究提供假设生成。该研究发表于《Frontiers in Oncology》，其意义在于探索常规超声特征的整体模式在NAC应答预测中的潜在价值，为个体化治疗规划提供非侵入性工具的新思路。
关键技术方法概述
本研究为回顾性研究，经福建医科大学附属协和医院伦理委员会批准。纳入509例2017年1月至2023年2月住院的单侧原发性乳腺癌女性患者，均接受NAC后手术。排除标准包括既往抗肿瘤治疗、未完成既定化疗方案、图像质量差等。常规超声检查采用校准后的彩色多普勒超声诊断设备（高频线阵探头5–12 MHz或更高），由两名经验丰富的超声医师（Meilian Zhang和Yi Tang）独立评估23项基于BI?RADS及临床相关特征的超声图像特征，特征间观察者一致性Kappa值均>0.76。病理学应答采用残留癌负荷（RCB）系统或Miller?Payne（MP）分级系统评估，将患者分为病理学无应答组（RCB?III或MP 1?2级）与病理学应答组。统计方法包括多元对应分析（MCA）特征筛选，以及LCA、K?众数聚类、层次聚类三种聚类方法的比较，最优模型通过Firth逻辑回归分析模式与病理学无应答的关联，并采用Bootstrap重采样（10,000次）和10折交叉验证进行内部验证，同时按高危因素（年龄≥50岁、BMI≥24 kg/m2、乳腺癌家族史、无分娩史）进行亚组分析。
研究结果
基线特征与特征验证
纳入509例患者，病理学无应答率为4.32%。MCA前五维累积贡献率为32.18%，所有23项超声特征在五维中贡献率均超过2%，故全部保留进入聚类分析。
聚类方法比较评估
LCA、K?众数、层次聚类的比较显示，LCA的二分类和三分表方案均具良好拟合指数（熵>0.7）。其中二分类LCA模型在病理学应答上具显著区分性（p=0.03），且类别分布均衡；三分表方案则无显著关联（p=0.20）。K?众数聚类虽与病理结局显著相关（p<0.001），但其平均轮廓系数极低（0.14），内部结构弱；层次聚类的平均轮廓系数为0.26，且与应答无显著关联（p=0.76），产生不稳定聚类。基于模型拟合统计、有意义的类别比例及显著外部效度，二分类LCA方案被选为最优分类框架。
潜在超声模式与病理学应答的关联
二分类LCA模型产生两种模式：模式A（50.5%）特征包括不规则形状（100%）、边缘模糊（96%）、侧方声影（76%）、后方回声衰减（49%）、成角边缘（94%）、毛刺或蟹足样边缘（73%）、微小叶改变（95%）、脂肪层浸润（84%）；模式B（49.5%）特征为侧方声影（7%）和后方回声衰减（7%）较少，成角边缘（55%）和毛刺边缘（58%）比例较低，微小叶改变（39%）和脂肪层浸润（30%）发生率低。Firth逻辑回归显示，模式B患者病理学无应答的比值比（OR）为2.51（95% CI: 1.05–5.99, p=0.04），而化疗方案、年龄、绝经状态等变量均无统计学意义。10折交叉验证中，超声特征模式的OR在1.78–2.96之间，多数折次p<0.05；Bootstrap分析中，10,000次模型有7,493次达到显著，超声特征模式在95%的显著模型中保持显著，平均OR为2.58（95% CI: 1.07–6.24）。
亚组分析
在高危人群中，模式B与病理学无应答的绝对风险增加显著：使用紫杉类药物时增加12.84%（95% CI: 5.74%–23.59%），蒽环类药物增加21.34%（95% CI: 13.63%–28.32%），联合化疗增加21.29%（95% CI: 13.46%–28.48%）。在非高危人群中，风险增加幅度较小，为1.12%（95% CI: 0.79%–1.51%）至3.45%（95% CI: 2.60%–4.47%）。
敏感性分析
排除48例MP分级评估病例后，重新进行LCA聚类得到的模式A与模式B特征分布与主分析相似，模式B仍是病理学无应答的显著预测因子（OR=2.66, 95% CI: 1.09–6.49, p=0.03），且在多数交叉验证折次和Bootstrap样本中保持显著，不同化疗方案下的模式相关风险差异在高危与非高危组中趋势一致。
讨论部分总结
本研究通过整体分析常规超声特征，探讨其模式与NAC应答的关联。LCA被证明适用于该队列，识别出两种稳健且临床相关的模式。尽管MCA累积贡献率较低（32.18%），但LCA模型仍基于模型拟合及与外部临床结局的关联得到评估。模式B与病理学无应答相关，尤其在临床定义的高危患者亚组中更为明显。预测NAC疗效是乳腺癌管理的关键目标，但常规超声对pCR预测性能有限，因此将研究焦点转向识别病理学无应答者具有临床意义。本研究发现模式B与较高的无应答可能性相关，为未来验证研究提供了基于常规超声特征的基础。NAC疗效在不同分子亚型间差异显著，亚组分析提示模式B与病理学无应答的关联在高危人群中最为显著，这与亚型依赖性NAC疗效原则一致。需注意超声模式的描述性标签并不等同于对肿瘤生物学活性的直接测量，模式B可能对应增殖较慢的表型、间质丰富肿瘤、固有耐药细胞亚群或影响药物穿透的结构特征，其具体生物学机制需未来研究结合分子分析进一步阐明。
研究局限性
包括：1）单中心回顾性设计，结果受机构实践、超声采集流程及操作者依赖性特征解读影响，需外部多中心验证；2）排除图像质量不佳病例可能引入谱偏倚；3）仅关注NAC病理学应答这一中间终点，缺乏长期生存结局评估；4）未评估患者心理状态对治疗应答的潜在影响；5）仅考虑乳腺癌家族史，未深入探讨遗传背景（如基因突变）对化疗应答的影响。
结论翻译
本研究提示常规超声特征模式与NAC病理学应答存在关联，尤其在高危患者中更为明显。这些假设生成性发现值得进行外部验证，以评估所识别模式是否能在不同环境中推广，并在未来工作中为非侵入性风险分层提供参考。
