基于动态增强磁共振影像（DCE-MRI）的乳腺癌个体化治疗模型研究

Breast cancer is one of the leading cancers in the world with high morbidity and mortality. One widely advocated strategy for improving cancer patient care and the efficacy of medical resources is development of personalized cancer medicine. Scientific studies have repeatedly shown that gene expression patterns of cancer can reveal its etiology, response to therapy and prognosis, which is the basis of personalized therapy. However, due to the fact that current methods of molecular profiling require invasive surgeries for tissue procurement and specialized equipment, and provides only the information at single snapshots, thus limiting their routine use in clinical practice. This proposed research is directed to an innovative study of DCE-MRI imaging based personalized therapy of breast cancer with an objective to build models for treatment response and prognosis prediction. It is based on the scientific fact that changes in the transcriptome lead to changes in the proteome and eventually lead to changes in the physiome, which is measurable by noninvasive imaging. The fundamental hypothesis is that quantitative analysis of image feature and its association with gene expression will better allow therapies to be tailored to individual patients. The outcome of this research will be of great significance both for basic research and clinical practice of cancer.

乳腺癌是全球妇女中发病率和死亡率最高的癌症。个体化治疗是提高病人生存率、改善术后生活质量、改进医疗资源使用效率的有效手段。已有大量的研究表明，肿瘤的基因表达模式能够反映肿瘤的病因、预后和治疗反应，从而为实现个体化医疗提供科学依据。但是，由于现行的分子图谱方法需要侵入式手术提取样本以及专用的分析设备，而且它们通常只反映时间轴一个点上的信息，因而在临床应用上有很大的局限性。本项目以乳腺癌为对象、以动态增强乳腺磁共振（DCE-MRI）为影像手段，开展基于影像学的肿瘤个体化治疗信息模型研究。通过对肿瘤非侵入式临床影像表型（包括反映病灶形态和酶动力学特性的动态增强影像特征等）、以及与相干基因表达模式和治疗效果间的关联关系分析，建立基于影像特征（以及与临床数据相融合）的肿瘤治疗反应和预后预测模型。该项目研究成果无论对于肿瘤基础研究还是肿瘤个体化医疗的临床应用都具有非常重要的意义。

乳腺癌是全球妇女中发病率和死亡率最高的癌症。个体化治疗是提高病人生存率、改善术后生活质量、改进医疗资源使用效率的有效手段。本项目以乳腺癌为对象、以动态增强乳腺磁共振（DCE-MRI）为影像手段，开展基于影像学的肿瘤个体化治疗信息模型研究。通过对肿瘤非侵入式临床影像表型以及与相干基因表达模式和治疗效果间的关联关系分析，建立基于影像特征（以及与临床数据相融合）的肿瘤治疗反应和预后预测模型。在项目的支持下，我们开展了乳腺癌病例数据库的建立、影像处理方法与乳腺影像分析及特征提取、基因/蛋白质数据分析与建模、病灶影像特征与分子表达模式的关联分析，以及疾病诊断和治疗反应预测模型的建立、验证与初步评估等研究工作。主要研究成果包括（1）针对临床医学影像的噪声去除和噪声背景下的图像分割问题提出了基于非因果分数滤波的边缘检测与噪声滤波方法，对比实验充分证明了非因果分数阶梯度/积分算子在边缘检测/噪声滤波方面的优势；（2）面向肿瘤早期诊断、治疗和预后分析，分别提出新的生物数据处理、生物标志物辨识、基因网络重构、蛋白质数据分析等算法；（3）比较系统地从影像组学的角度研究了乳腺腺体背景实质强化特征在乳腺癌早期诊断中的价值，提出若干新的计算机辅助诊断模型；（4）开展了乳腺癌DCE-MRI影像特征与分子分型的关联性研究，相较于国际上现有研究工作在分型类别上更加全面，并且把关联关系研究进一步延伸到化疗反应预测上，取得较好的结果；（5）开展了基于人机智能融合的乳腺癌影像诊断方法研究，提出了两种融合模型，取得非常有意义的结果。本项目研究工作共发表学术论文32篇（含遗漏标注论文），申请/授权专利6项，这些研究成果无论对于肿瘤基础研究还是肿瘤个体化医疗都具有良好的科学意义和潜在临床应用价值。