Page 88 - 南京医科大学学报自然科学版
P. 88
第44卷第2期
·226 · 南 京 医 科 大 学 学 报 2024年2月
乳腺癌在增强早期即会出现明显强化表现 [27-28] 。安 juvant chemotherapy[J]. Eur J Cancer,2022,176:30-40
丽华等 [29] 的研究也表明早期增强率与 HER⁃2 阳性 [4] 赵伟志,赵 薇,杨小兵,等. 浸润性乳腺癌组织HER2
与 Ki67 联合表达与蒽环类化疗药物的疗效及预后相
表达呈正相关,即早期增强率越高,肿块的 HER⁃2
关[J]. 南京医科大学学报(自然科学版),2021,41(6):
阳性表达越高,提示肿瘤恶性程度较高。另一方
873-878
面,original_shape_SurfaceVolumeRatio 是基于形态
[5] BITENCOURT A G V,GIBBS P,ROSSI SACCARELLI
与表面积体积比的特征,SurfaceVolumeRatio 值越大
C,et al. MRI⁃based machine learning radiomics can pre⁃
则病灶边缘越不规则 [17] ,而HER⁃2阳性乳腺癌的特
dict HER⁃2 expression level and pathologic response af⁃
[30]
征性表现多为不规则肿块或非肿块样强化 ,也说明 ter neoadjuvant therapy in HER⁃2 overexpressing breast
肿瘤的形态与HER⁃2表达高度相关,这一结果与既 cancer[J]. EBioMedicine,2020,61:103042
往研究结果一致 [24,29] 。除 DCE2_original_shape_Sur⁃ [6] MARCHIÒ C,ANNARATONE L,MARQUES A,et al.
faceVolumeRatio这一特征以外的9个特征中,有5个 Evolving concepts in HER⁃2 evaluation in breast cancer:
基于小波变换的纹理特征、3 个基于小波变换一阶 heterogeneity,HER ⁃ 2 ⁃ low carcinomas and beyond[J].
Semin Cancer Biol,2021,72:123-135
特征及 1 个形状特征。一阶特征(Minimum、Skew⁃
ness)描述灰度直方图的最小特征值和分布偏度,不 [7] WEKKING D,PORCU M,DE SILVA P,et al. Breast
MRI:clinical indications,recommendations,and future
考虑像素的相对空间位置。而gldm、ngtdm、glszm等
applications in breast cancer diagnosis[J]. Curr Oncol
特征均为高阶纹理特征,用于量化灰度区域分布特
Rep,2023,25(4):257-267
征 [31] ,因此,上述特征在不同维度上反映了病变的
[8] PAREKH V S,JACOBS M A. Integrated radiomic frame⁃
异质性。 work for breast cancer and tumor biology using advanced
本研究存在一定的局限性:①本研究为单中心 machine learning and multiparametric MRI[J]. NPJ
回顾性研究,未包含外部验证集,缺少对结果的泛 Breast Cancer,2017,3:43
化性和稳健性评价,未来需要进一步开展多中心研 [9] HUANG Y,WEI L,HU Y,et al. Multi⁃parametric MRI⁃
究,将模型应用到新的数据集以评估其效能;②本 based radiomics models for predicting molecular subtype
研究包含两种扫描仪器,扫面参数不是完全一致, and androgen receptor expression in breast cancer[J].
这可能对最终结果有所影响,未来研究应尽量选择 Front Oncol,2021,11:706733
[10] CALABRESE A,SANTUCCI D,LANDI R,et al. Ra⁃
相同检查仪器,确保做到控制变量;③本研究ROI勾
diomics MRI for lymph node status prediction in breast
画为手动勾画,且选择在肿瘤最大层面分割,存在
cancer patients:the state of art[J]. J Cancer Res Clin On⁃
一定的误差,未完全包含肿瘤容积信息;未来需要
col,2021,147(6):1587-1597
寻找一种自动、可靠且高效的肿瘤分割方法。 [11] WANG X,XIE T,LUO J,et al. Radiomics predicts the
综上所述,基于多参数影像特征(包括 TIRM、 prognosis of patients with locally advanced breast cancer
DCE2、DCE4、DWI 和 ADC 特征)构建的影像组学模 by reflecting the heterogeneity of tumor cells and the tu⁃
型在评估HER⁃2表达方面有一定的临床价值,其中 mor microenvironment[J]. Breast Cancer Res,2022,24
增强特征,尤其是增强早期特征的预测价值较高, (1):20
能够为临床提供相应影像学依据,从而实现个体化 [12] 梁翠珊,崔运能,杨伟超,等. 基于 T2WI 影像组学标签
预测乳腺癌人表皮生长因子受体2表达状态[J]. 中国
精准治疗。
医学影像技术,2019,35(4):555-559
[参考文献] [13] JIANG Z,SONG L,LU H,et al. The potential use of DCE⁃
[1] SUNG H,FERLAY J,SIEGEL R L,et al. Global Cancer MRI texture analysis to predict HER ⁃ 2 2 + status[J].
Statistics 2020:GLOBOCAN estimates of incidence and Front Oncol,2019,9:242
mortality worldwide for 36 cancers in 185 countries[J]. [14] SONG L,LI C,YIN J. Texture analysis using semiquanti⁃
CA Cancer J Clin,2021,71(3):209-249 tative kinetic parameter maps from DCE⁃MRI:preopera⁃
[2] 车树楠,薛 梅,李 静,等. 基于MRI多期增强影像组 tive prediction of HER⁃2 status in breast cancer[J]. Front
学联合临床影像特征模型术前预测乳腺癌 Ki⁃67 表达 Oncol,2021,11:675160
状态[J]. 中华放射学杂志,2022,56(9):967-975 [15] FANG C,ZHANG J,LI J,et al. Clinical⁃radiomics nomo⁃
[3] KANG S,LEE S H,LEE H J,et al. Pathological complete gram for identifying HER⁃2 status in patients with breast
cancer:a multicenter study[J]. Front Oncol,2022,12:
response,long⁃term outcomes,and recurrence patterns in
HER⁃2⁃low versus HER⁃2⁃zero breast cancer after neoad⁃ 922185