基于多模态影像表型和临床特征融合的乳腺癌预后预测模型研究

Breast cancer is a kind of molecular level highly heterogeneous disease, the patients' response to treatment and prognosis are not consistent with the for the same of histological type and staging. How to correctly predict the prognosis of patients which is unknown before the surgery, and how to process the reasonable individualized treatment has become an urgent problem.. Evaluating the prognosis and treatment has been widely used in clinical practice by Luminal A, Luminal B, HER-2 enriched and triple negative molecular subtypes. Clinical use of immunohistochemical is based on the postoperative specimens, it cannot reflect the whole tumor. The imaging method can provide a comprehensive, noninvasive and repeatable observation, which is a emerging field of medical imaging. At the same time, clinical features, such as the metastasis of axillary lymph nodes and family history, are also related to the prognosis of breast cancer. This study intends to combined MRI, ultrasound, radiography phenotype and clinical features for prognosis of breast cancer, aiming to build molecular type and distant metastasis prediction model based on the multi-information fusion through lesion extraction, feature selection and classifier design, it can provides valuable reference information for preoperative prognosis evaluation and individualized treatment of breast cancer.

乳腺癌是分子水平上高度异质性的疾病，组织学类型和分期都相同的肿瘤采取相同的治疗方案，患者对治疗的反应和预后并不一致。术前病理未知的情况下，如何正确预判预后，从而进行合理的个体化治疗已成急需解决的问题。. 将乳腺癌分为Luminal A型、Luminal B型、HER-2过表达型和三阴型来评估其预后和治疗已在临床广泛应用，而临床采用的免疫组化判断法是一种基于术后标本的有创方法，且不能反映完全的肿瘤组织特征。影像学方法能够为整个肿瘤提供全面、无创和可重复性的观察视角，是目前医学影像学的新兴发展领域；同时临床特征，如淋巴结是否转移、家族史等也与预后相关，故本研究融合MRI、超声、X线摄影三种影像及临床特征，深入探索所涉及的病变区域提取、特征选择和分类器设计三个关键问题，建立基于多信息融合的乳腺癌分子分型和术后是否远处转移预测模型，为乳腺癌的术前预后评估、个体化治疗提供有价值的参考信息。

本项目以乳腺癌为研究对象融合多模态影像及临床病理特征，深入探索病变区域提取、特征选择和预测模型建立的关键问题，建立基于多信息融合的乳腺癌疗后是否远处转移和分子分型预测模型。主要研究结论如下：（1）针对乳腺癌患者磁共振T2加权图像（T2WI）、动态增强磁共振成像（DCE-MRI）和超声（US）图像，采用影像组学方法计算得到影像标签值RadScore，并将该值与临床病理特征相结合，建立多信息融合的1、3、5年乳腺癌远处转移预测模型，以及内脏及骨转移预测模型。相对于临床病理模型和单独影像学模型，多信息融合预测模型在训练集和测试集中均表现良好。在测试集中预测1、3、5年乳腺癌远处转移模型的AUC分别为0.854、0.796和0.880；预测内脏转移模型的AUC分别为0.944、0.900和0.900；预测骨转移模型的AUC分别为0.984、0.881和0.927；（2）建立基于18F-FDG PET/CT图像的影像组学特征模型，比较该模型与传统PET代谢参数(SUVmax、SUVmean、SUVpeak、MTV和TLG) 对不同乳腺癌分子亚型预测性能的差异，并对免疫组化（IHC）难以确定Her-2表达状态的乳腺癌患者进行亚组分析，探讨18F-FDG PET/CT在乳腺癌分子分型中的应用价值。结果表明基于18F-FDG PET/CT图像建立的影像组学特征模型在预测Luminal型乳腺癌方面的表现显著优于所有传统PET代谢参数。在测试集中，该影像组学模型AUC、准确性、敏感性和特异性分别为0.725、0.766、0.758 和0.784；所建立的预测亚组人群乳腺癌Her-2表达模型表现也显著优于所有传统PET代谢参数。在测试集中，该影像组学模型AUC、准确性、敏感性和特异性分别为0.766、0.804、0.812和0.800。