引用本文： 王瑛, 陳英格, 葉素敏, 陳東, 吳磊, 劉再毅, 劉敏. 超聲影像組學標簽對乳腺癌 HER-2 狀態的預測價值. 中國循證醫學雜志, 2021, 21(3): 271-275. doi: 10.7507/1672-2531.202010022 復制
不同基因狀態的乳腺癌治療方式和預后結局差異顯著。其中，人表皮生長因子受體 2（human epidermal growth factor receptor，HER-2）狀態是乳腺癌個體化治療方案制定的主要依據指標之一，也是重要的預后預測指標[1]。目前臨床在治療前對 HER-2 狀態檢測主要是基于穿刺活檢的免疫組織化學（immunohistochemistry，IHC）或原位雜交（in situ hybridization，ISH）檢測，存在有創性和因取材不準造成的假陰性等問題。國內外學者開發了多種預測 HER-2 狀態的無創生物學指標[2-7]。但這些生物學指標的準確性有待提高，且大多數尚未驗證，仍需繼續開發預測 HER-2 狀態的生物學新指標。影像組學通過提取影像圖像的海量特征，經特征篩選、構建組學標簽等[8]，在多種腫瘤的基因狀態預測方面具有重要價值[9-15]。而超聲圖像是乳腺癌患者治療前常規獲取的圖像資料[9, 16]，具有檢測方便、無創和費用較低的優點。因此，開發基于超聲的影像組學標簽預測乳腺癌 HER-2 狀態的臨床價值較高。本研究擬采用影像組學的研究方法，開發超聲影像組學標簽，并評價和驗證超聲影像組學標簽預測乳腺癌 HER-2 狀態的價值，以期為臨床提供一種預測 HER-2 狀態的生物學新指標。
1 資料與方法
1.1 資料來源
回顧性連續性收集 2020 年 1 月～2020 年 8 月我院手術后病理證實為浸潤性乳腺癌的患者資料。納入標準：① 手術前 1～2 周行超聲檢查且提示病灶可見；② 病理檢查結果證實為乳腺癌，且報告中詳細記載病灶的相關超聲特征；③ 有完善的術后病理結果。本研究的開展已獲我院醫學倫理委員會批準（編號：GDREC 2018349H）。
1.2 超聲影像采集
術前超聲檢查采用 SuperSonic Imagine Aixplorer 和 GE VolusonE82 多普勒超聲診斷儀，實時線陣高頻探頭頻率設置為 5～14 MHz，患者呈仰臥位，雙手上舉，使乳房及雙側腋窩區域充分呈現，行雙側乳腺彩色多普勒超聲檢查，對乳腺做縱向、橫向及斜切面掃描，并對乳腺病灶區域進行多角度查掃，存儲為 DICOM 格式的圖像。
1.3 影像組學分析
1.3.1 病灶分割
將獲得的超聲影像導入 Image J 軟件，分別由 2 名高年資超聲診斷醫師，沿腫瘤邊界勾畫感興趣區域，如圖 1 所示。
圖1
乳腺癌超聲影像感興趣區域勾畫示意圖
圖 a、b 為乳腺癌 HER-2 陽性患者；c、d 為乳腺癌 HER-2 陰性患者；a、c 為原始圖像，b、d 為分割圖像。
1.3.2 影像組學特征提取
使用基于 python3.0 的開源軟件包 pyradiomics（version 3.0）提取感興趣區域的超聲影像組學特征。特征可分為四類：① 用于描述超聲圖像像素強度分布情況的一階統計量特征，如峰度、偏度、能量等；② 用于描述腫瘤病灶形狀、大小的形態學特征，如病灶周長、最大 2D 直徑、球形度等；③ 用于描述像素強度的空間分布或灰度的相對位置信息情況，本研究包括從灰度的空間關系表征物體紋理的灰度共生矩陣（GLCM）、計算相同灰度在不同方向上連續移動來表征圖像紋理的灰度游程矩陣（GLRLM）、計算各灰度連通域的分布情況來描述紋理的灰度空間區域矩陣（GLSZM）及量化圖像中灰度依賴性的灰度依賴矩陣（GLDM）；④ 利用小波變換對圖像進行分解與重構得到的小波特征。
針對每一個患者的超聲圖像，提取 1 820 個影像特征，其中包括：14 個形態學特征、18 個一階統計量特征，68 個紋理特征和 1 720 個小波特征。
1.3.3 特征篩選與模型構建及評價
根據超聲檢查時間順序，分成訓練組和驗證組，為保持數據的獨立性，特征篩選、標簽構建等流程僅在訓練組中執行，驗證組用于評估標簽的效能。影像組學特征的篩選流程如下：① 采用組內相關系數法（intraclass correlation coefficient，ICC）評價影像組學特征的可重復性，并以 ICC>0.85 作為重復性高的評價標準；② 采用 Spearman 相關系數（r）對特征間的相關性進行評估，并以高于 0.75 視為特征間高相關；③ 采用線性核支持向量機遞歸特征消除算法（L-SVM-RFE），并進行五折交叉驗證，選取關鍵、穩定特征用于構建模型。選出關鍵影像特征后，利用 logistic 回歸構建預測 HER-2 狀態的超聲影像組學標簽，采用使用受試者工作特征曲線（receiver operating characteristic，ROC）下的面積（area under curve，AUC）、特異度、靈敏度及準確度、校準曲線、決策曲線等指標，對標簽效能在訓練組和驗證組中進行評價。
1.4 統計分析
采用 R 軟件（version 3.5.2）進行統計分析，Kolmogoro-Smirnov 檢驗用于連續變量的正態分布檢測，對于正態分布的連續變量以平均值±標準差表示。P<0.05 視為差異具有統計學意義。
2 結果
本研究共納入 230 例患者，包括 HER-2 陽性 73 例，陰性 157 例。按檢查時間分為兩組：訓練組（n=115，平均年齡：48.75±9.31 歲，HER-2 陽性 35 例）和驗證組（n=115 例，平均年齡：50.77±10.92 歲，HER-2 陽性 38 例）。對每 1 例患者的超聲影像提取 1 820 個影像組學特征，先經過可重復性分析，其中 507 個特征被剔除（0.034<ICC<0.850）；對剩余的 1 313 個（0.850≤ICC<0.999）影像特征進行相關性分析，其中 1 027 個特征被剔除（0.75<r<0.96）；再經 SVM-RFE 算法對剩余的 286 個特征進行篩選后，選出 9 個關鍵影像組學特征（表 1）。
表1
篩選出的 9 個關鍵影像特征
對上述的 9 個關鍵影像組學特征利用 logistic 回歸在訓練組中構建 HER-2 狀態的標簽，并在驗證組上進行評估。其中，超聲影像組學標簽在訓練組中 AUC 值為 0.82［95%CI（0.74，0.90）］（圖 2），敏感性為 92%，特異性為 68%，預測 HER-2 狀態準確性為 76%；在測試組中 AUC 值為 0.81［95%CI（0.72，0.89）］（圖 2），敏感性為 79%，特異性為 74%，預測 HER-2 狀態準確性為 75%（表 2）。
圖2
超聲影像組學標簽預測 HER-2 狀態的效能和價值
a：影像組學標簽預測 HER-2 狀態的 ROC 曲線；b：影像組學標簽在組內的校準曲線；c：影像組學標簽在訓練組中的決策曲線；d：影像組學標簽在驗證組中的決策曲線。
表2
超聲影像組學標簽的診斷效能
校準曲線顯示超聲影像組學標簽在訓練組和驗證組中對 HER-2 狀態的預測概率與真實值一致性好（P=0.13、0.31），決策分析曲線顯示超聲影像組學標簽具有一定的臨床實用性（圖 2）。
3 討論
近年來，基于超聲的影像組學研究取得了迅速發展，其中以乳腺超聲的影像組學研究最為多見[16]。超聲影像組學在乳腺腫瘤的良惡性鑒別、分子分型、區域淋巴結轉移和新輔助治療療效等方面顯示出巨大預測價值，對臨床醫師制定和調整乳腺腫瘤個體化治療方案具有重要的輔助作用[16-23]。本研究探索了超聲影像組學在預測乳腺癌 HER-2 狀態的應用價值，研究結果顯示影像組學標簽可準確預測 HER-2 狀態，研究結果進一步補充了超聲影像組學在乳腺腫瘤領域的應用潛能。
本研究發現，超聲影像組學標簽對乳腺癌 HER-2 狀態的具有一定的預測價值。在訓練組和驗證組中，超聲影像組學標簽的 AUC 相似，均超過 0.80。這與邱小英等[24]研究結果不一致，該研究基于 201 個乳腺癌病灶，采用小波變換的方法提取超聲圖像等 843 個特征，最終選擇 16 個特征構建了超聲影像組學標簽，結果顯示基于超聲的影像組學標簽與 HER-2 狀態沒有顯著相關性。而本研究采用 4 種圖像特征提取方法，不但包括小波變換，還包括一階統計學特征、形態學特征和紋理特征等。因此，本研究提取的超聲影像學特征可更全面反應腫瘤的異質性，從而構建出了可用于預測 HER-2 狀態的超聲影像組學標簽。
本研究結果顯示，超聲影像組學標簽預測乳腺癌 HER-2 狀態的效能和目前文獻報道的大多數生物學指標相似[2-4, 25]。多個研究顯示基于 MRI 的影像組學標簽預測乳腺癌 HER-2 狀態的 AUC 約為 0.79～0.81[2-4]，本研究結果中超聲影像組學標簽的 AUC 為 0.81～0.82。Fan 等[25]研究顯示基于動態增強磁共振（DCE-MRI）的影像組學標簽預測乳腺癌 HER-2 狀態的 AUC 達 0.86，但其樣本量不足 100 例，其預測效能仍需進一步驗證。此外，我們的研究基于臨床術前常規超聲影像檢查，具有成本低、可重復性強、無創等優點。
本研究的創新點在于基于常規超聲圖像而構建了預測乳腺癌 HER-2 狀態的影像組學標簽，具有無創性、無輻射性、成本低等優點，可重復多次檢測，如在治療前、治療后、病灶復發時，有望用于乳腺癌診療的整個過程。本研究的局限性為研究設計為回顧性，可能存在選擇、實施、測量等偏倚，且受條件所限，未分析偏倚對結果影響。
總之，基于超聲的影像組學標簽對乳腺癌 HER-2 狀態預測具有良好的準確性和穩定性，有望應用于臨床實踐。
不同基因狀態的乳腺癌治療方式和預后結局差異顯著。其中，人表皮生長因子受體 2（human epidermal growth factor receptor，HER-2）狀態是乳腺癌個體化治療方案制定的主要依據指標之一，也是重要的預后預測指標[1]。目前臨床在治療前對 HER-2 狀態檢測主要是基于穿刺活檢的免疫組織化學（immunohistochemistry，IHC）或原位雜交（in situ hybridization，ISH）檢測，存在有創性和因取材不準造成的假陰性等問題。國內外學者開發了多種預測 HER-2 狀態的無創生物學指標[2-7]。但這些生物學指標的準確性有待提高，且大多數尚未驗證，仍需繼續開發預測 HER-2 狀態的生物學新指標。影像組學通過提取影像圖像的海量特征，經特征篩選、構建組學標簽等[8]，在多種腫瘤的基因狀態預測方面具有重要價值[9-15]。而超聲圖像是乳腺癌患者治療前常規獲取的圖像資料[9, 16]，具有檢測方便、無創和費用較低的優點。因此，開發基于超聲的影像組學標簽預測乳腺癌 HER-2 狀態的臨床價值較高。本研究擬采用影像組學的研究方法，開發超聲影像組學標簽，并評價和驗證超聲影像組學標簽預測乳腺癌 HER-2 狀態的價值，以期為臨床提供一種預測 HER-2 狀態的生物學新指標。
1 資料與方法
1.1 資料來源
回顧性連續性收集 2020 年 1 月～2020 年 8 月我院手術后病理證實為浸潤性乳腺癌的患者資料。納入標準：① 手術前 1～2 周行超聲檢查且提示病灶可見；② 病理檢查結果證實為乳腺癌，且報告中詳細記載病灶的相關超聲特征；③ 有完善的術后病理結果。本研究的開展已獲我院醫學倫理委員會批準（編號：GDREC 2018349H）。
1.2 超聲影像采集
術前超聲檢查采用 SuperSonic Imagine Aixplorer 和 GE VolusonE82 多普勒超聲診斷儀，實時線陣高頻探頭頻率設置為 5～14 MHz，患者呈仰臥位，雙手上舉，使乳房及雙側腋窩區域充分呈現，行雙側乳腺彩色多普勒超聲檢查，對乳腺做縱向、橫向及斜切面掃描，并對乳腺病灶區域進行多角度查掃，存儲為 DICOM 格式的圖像。
1.3 影像組學分析
1.3.1 病灶分割
將獲得的超聲影像導入 Image J 軟件，分別由 2 名高年資超聲診斷醫師，沿腫瘤邊界勾畫感興趣區域，如圖 1 所示。
圖1
乳腺癌超聲影像感興趣區域勾畫示意圖
圖 a、b 為乳腺癌 HER-2 陽性患者；c、d 為乳腺癌 HER-2 陰性患者；a、c 為原始圖像，b、d 為分割圖像。
1.3.2 影像組學特征提取
使用基于 python3.0 的開源軟件包 pyradiomics（version 3.0）提取感興趣區域的超聲影像組學特征。特征可分為四類：① 用于描述超聲圖像像素強度分布情況的一階統計量特征，如峰度、偏度、能量等；② 用于描述腫瘤病灶形狀、大小的形態學特征，如病灶周長、最大 2D 直徑、球形度等；③ 用于描述像素強度的空間分布或灰度的相對位置信息情況，本研究包括從灰度的空間關系表征物體紋理的灰度共生矩陣（GLCM）、計算相同灰度在不同方向上連續移動來表征圖像紋理的灰度游程矩陣（GLRLM）、計算各灰度連通域的分布情況來描述紋理的灰度空間區域矩陣（GLSZM）及量化圖像中灰度依賴性的灰度依賴矩陣（GLDM）；④ 利用小波變換對圖像進行分解與重構得到的小波特征。
針對每一個患者的超聲圖像，提取 1 820 個影像特征，其中包括：14 個形態學特征、18 個一階統計量特征，68 個紋理特征和 1 720 個小波特征。
1.3.3 特征篩選與模型構建及評價
根據超聲檢查時間順序，分成訓練組和驗證組，為保持數據的獨立性，特征篩選、標簽構建等流程僅在訓練組中執行，驗證組用于評估標簽的效能。影像組學特征的篩選流程如下：① 采用組內相關系數法（intraclass correlation coefficient，ICC）評價影像組學特征的可重復性，并以 ICC>0.85 作為重復性高的評價標準；② 采用 Spearman 相關系數（r）對特征間的相關性進行評估，并以高于 0.75 視為特征間高相關；③ 采用線性核支持向量機遞歸特征消除算法（L-SVM-RFE），并進行五折交叉驗證，選取關鍵、穩定特征用于構建模型。選出關鍵影像特征后，利用 logistic 回歸構建預測 HER-2 狀態的超聲影像組學標簽，采用使用受試者工作特征曲線（receiver operating characteristic，ROC）下的面積（area under curve，AUC）、特異度、靈敏度及準確度、校準曲線、決策曲線等指標，對標簽效能在訓練組和驗證組中進行評價。
1.4 統計分析
采用 R 軟件（version 3.5.2）進行統計分析，Kolmogoro-Smirnov 檢驗用于連續變量的正態分布檢測，對于正態分布的連續變量以平均值±標準差表示。P<0.05 視為差異具有統計學意義。
2 結果
本研究共納入 230 例患者，包括 HER-2 陽性 73 例，陰性 157 例。按檢查時間分為兩組：訓練組（n=115，平均年齡：48.75±9.31 歲，HER-2 陽性 35 例）和驗證組（n=115 例，平均年齡：50.77±10.92 歲，HER-2 陽性 38 例）。對每 1 例患者的超聲影像提取 1 820 個影像組學特征，先經過可重復性分析，其中 507 個特征被剔除（0.034<ICC<0.850）；對剩余的 1 313 個（0.850≤ICC<0.999）影像特征進行相關性分析，其中 1 027 個特征被剔除（0.75<r<0.96）；再經 SVM-RFE 算法對剩余的 286 個特征進行篩選后，選出 9 個關鍵影像組學特征（表 1）。
表1
篩選出的 9 個關鍵影像特征
對上述的 9 個關鍵影像組學特征利用 logistic 回歸在訓練組中構建 HER-2 狀態的標簽，并在驗證組上進行評估。其中，超聲影像組學標簽在訓練組中 AUC 值為 0.82［95%CI（0.74，0.90）］（圖 2），敏感性為 92%，特異性為 68%，預測 HER-2 狀態準確性為 76%；在測試組中 AUC 值為 0.81［95%CI（0.72，0.89）］（圖 2），敏感性為 79%，特異性為 74%，預測 HER-2 狀態準確性為 75%（表 2）。
圖2
超聲影像組學標簽預測 HER-2 狀態的效能和價值
a：影像組學標簽預測 HER-2 狀態的 ROC 曲線；b：影像組學標簽在組內的校準曲線；c：影像組學標簽在訓練組中的決策曲線；d：影像組學標簽在驗證組中的決策曲線。
表2
超聲影像組學標簽的診斷效能
校準曲線顯示超聲影像組學標簽在訓練組和驗證組中對 HER-2 狀態的預測概率與真實值一致性好（P=0.13、0.31），決策分析曲線顯示超聲影像組學標簽具有一定的臨床實用性（圖 2）。
3 討論
近年來，基于超聲的影像組學研究取得了迅速發展，其中以乳腺超聲的影像組學研究最為多見[16]。超聲影像組學在乳腺腫瘤的良惡性鑒別、分子分型、區域淋巴結轉移和新輔助治療療效等方面顯示出巨大預測價值，對臨床醫師制定和調整乳腺腫瘤個體化治療方案具有重要的輔助作用[16-23]。本研究探索了超聲影像組學在預測乳腺癌 HER-2 狀態的應用價值，研究結果顯示影像組學標簽可準確預測 HER-2 狀態，研究結果進一步補充了超聲影像組學在乳腺腫瘤領域的應用潛能。
本研究發現，超聲影像組學標簽對乳腺癌 HER-2 狀態的具有一定的預測價值。在訓練組和驗證組中，超聲影像組學標簽的 AUC 相似，均超過 0.80。這與邱小英等[24]研究結果不一致，該研究基于 201 個乳腺癌病灶，采用小波變換的方法提取超聲圖像等 843 個特征，最終選擇 16 個特征構建了超聲影像組學標簽，結果顯示基于超聲的影像組學標簽與 HER-2 狀態沒有顯著相關性。而本研究采用 4 種圖像特征提取方法，不但包括小波變換，還包括一階統計學特征、形態學特征和紋理特征等。因此，本研究提取的超聲影像學特征可更全面反應腫瘤的異質性，從而構建出了可用于預測 HER-2 狀態的超聲影像組學標簽。
本研究結果顯示，超聲影像組學標簽預測乳腺癌 HER-2 狀態的效能和目前文獻報道的大多數生物學指標相似[2-4, 25]。多個研究顯示基于 MRI 的影像組學標簽預測乳腺癌 HER-2 狀態的 AUC 約為 0.79～0.81[2-4]，本研究結果中超聲影像組學標簽的 AUC 為 0.81～0.82。Fan 等[25]研究顯示基于動態增強磁共振（DCE-MRI）的影像組學標簽預測乳腺癌 HER-2 狀態的 AUC 達 0.86，但其樣本量不足 100 例，其預測效能仍需進一步驗證。此外，我們的研究基于臨床術前常規超聲影像檢查，具有成本低、可重復性強、無創等優點。
本研究的創新點在于基于常規超聲圖像而構建了預測乳腺癌 HER-2 狀態的影像組學標簽，具有無創性、無輻射性、成本低等優點，可重復多次檢測，如在治療前、治療后、病灶復發時，有望用于乳腺癌診療的整個過程。本研究的局限性為研究設計為回顧性，可能存在選擇、實施、測量等偏倚，且受條件所限，未分析偏倚對結果影響。
總之，基于超聲的影像組學標簽對乳腺癌 HER-2 狀態預測具有良好的準確性和穩定性，有望應用于臨床實踐。
