基线 1?F-FDG PET 放射组学预测 HER2 阳性乳腺癌病理完全缓解：超越常规临床变量的增量价值

《Clinical and Translational Imaging》：Baseline 1?F-FDG PET radiomics for predicting pathological complete response in HER2-positive breast cancer: incremental value beyond routine clinical variables

　　

摘要

目的

旨在测试基线 1?F-FDG PET 放射组学是否在 HER2 阳性乳腺癌的病理完全缓解（pCR）预测中，比常规临床变量增加价值，并进行内部验证。

方法

我们研究了 137 例接受新辅助治疗的 HER2 阳性乳腺癌患者。8 个临床变量和 34 个可重复、非冗余的放射组学特征构成了一个候选池。在每一个交叉验证折中，对整个池拟合弹性网络惩罚 logistic 回归，以便所有候选变量（包括临床变量）都经过相同的惩罚选择。通过汇总的 25 × 5 重复交叉验证比较了五种模型（联合模型、仅放射组学、仅临床变量、常规 PET、PET + 临床变量），并记录了各折之间的选择稳定性。

结果

62/137 例患者（45.3%）发生 pCR。联合模型的 AUC 达到 0.731（95% CI 0.645–0.817），校准接近理想状态（斜率 1.02，95% CI 0.54–1.49）。它优于临床变量（ΔAUC 0.128，p = 0.005）和常规 PET（ΔAUC 0.164，p = 0.001）；在临床变量中加入放射组学改善了模型拟合度（似然比检验，p < 0.001），尽管相对于仅放射组学的增益并不显著（p = 0.242）。HR 状态是最强的临床预测因子，而最常选中的放射组学特征捕捉到了瘤内异质性和肿瘤形状。探索性分析提示存在一个小规模的高置信度应答亚组，主要在 HR 阴性疾病中。

结论

基线 PET 放射组学为 HER2 阳性乳腺癌的 pCR 预测中的临床变量增加了可重复的增量价值。该信号反映了瘤内异质性和肿瘤形状，为前瞻性外部验证提供了生物学合理的依据。由于区分度适中，设计为单中心，且验证仅限于内部重抽样，这些发现是初步的，在临床使用前需要前瞻性外部确认。