Page 88 - 南京医科大学学报自然科学版

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