摘要
目的： 增殖标志物Ki-67是影响乳腺癌患者预后的独立预测因子，也是化疗方式潜在分流的重要指标。本研究的目的是研究乳腺癌患者Ki-67的高低表达与相关临床病理特征的关系，并探测将乳腺DCE-MRI提取量化特征并建立影像组学模型及其在分辨Ki-67高低中的可行性。 材料和方法： 本研究回顾性收集了2016年1月至2020年3月期间在四川大学华西医院接受乳腺动态增强磁共振（DCE-MRI）检测，术后病理诊断为乳腺浸润性导管癌并符合纳入、排除标准共计179例患者的资料，包括乳腺癌组织内Ki-67表达水平、临床病理特征、DCE-MRI图像数据。分析Ki-67高、低表达水平与临床、病理等特征的关系，探测Ki-67高表达的变量因素；将乳腺癌患者的DCE-MRI乳腺癌图像中病灶强化最明显的早期强化图像输入Radiomic软件，手动勾画病灶并获得病灶容积，继而提取影像纹理特征，运用Lasso回归模型进行特征重要性排序，运用选择的特征基于直线regression模型构建研究事件与影像特征的相关性。将数据按照8：2的比例分为测试集和验证集。对模型的诊断表现分别在测试集、验证集及原始数据集进行验证。并对模型计算研究事件发生概率与数据集的真实概率的一致性，以及利用该概率进行临床决策的病人获利进行评估。 结果： 179例患者中，Ki-67高表达和低表达分别为130例（72.6%）和49例（27.4%）。Ki-67的表达水平与肿瘤的病理分级、ER、PR阳性或阴性状态及淋巴结转移密切相关；与患病年龄、病灶在乳内的位置没有关系。DCE-MRI图像数据输入组学软件后，进行数据分析；由于原始数据集中，Ki-67高表达和低表达的数量比为：130∶49，使用SMOTE数据扩增消除小样本偏移，扩增后高、低Ki-67数量比例为196∶147，再以8∶2的比例分为训练组和测试组，最后得到：训练组为275样本，其中高Ki-67∶低Ki-67比例为157∶118，独立测试集样本为68例，其中高Ki-67∶低Ki-67样本量比例为39∶29；基于glmnet采用5次10折交叉验证（5repeated10cross-validation），将特征的重要性排序前20个重要特征（图2），最后获得对Ki-67表达具有最强鉴别能力的四个影像组学特征，并利用这四个特征，通过多因素直线回归模型联合特征信息，构建鉴别模型。模型分别在训练集50次重复采样、测试集、训练集及原始数据集上分别进行验证，AUC值分别为0.7504、0.7684、0.794及0.7356，得出的AUC值表现相似，证明了模型的稳定性。另外，校正曲线表明：Ki-67表达水平的组学模型概率结果能反应数据集相应分型的发生的真实概率。决策曲线表明：运用该概率辅助临床决策，病人获益都远高于没有概率辅助而采取治疗或不治疗临床方案。 结论： Ki-67在乳腺癌肿瘤不同区域表达水平不一致，显示了异质性存在于乳腺癌中，增殖率从1％到90％不等。基于DCE-MRI的选定影像学特征与多因素逻辑回归构建模型，有助于预测肿瘤整体Ki-67表达水平，有望成为术前有效评估乳腺癌Ki-67表达水平的非侵入性方法。
NETL