【CMT&CHTV 医学前沿·临床经典】
导语：该文献深入解析放射组学（Radiomics）在应用于乳腺癌的最新进展，探讨其在临床实践中的应用潜力及未来发展方向。
乳腺癌是女性中最常见的恶性肿瘤之一，其生物学异质性导致了临床行为和治疗响应的复杂性。放射组学技术通过分析肿瘤的影像特征，能够反映肿瘤的生物学行为，为乳腺癌的分子分型、治疗响应预测以及预后评估提供了参考。在诊断方面，放射组学研究已趋于成熟，逐步进入临床转化阶段。而在疗效评估和预后预测方面，尽管尚处于初步探索阶段，但显示出广阔的发展前景。近年来，放射组学广泛应用于乳腺癌患者全程管理的各个环节，展现出巨大潜力，但在临床应用中仍面临诸多挑战，包括图像获取的标准化、感兴趣区勾画的多样性以及特征选择和建模技术的限制等。
2024年9月17日，Cell Reports Medicine杂志发表了题为“Radiomics in breast cancer: Current advances and future directions”的文章，旨在总结放射组学在乳腺癌中的应用现状，并探讨其在未来的发展方向。该研究聚焦于放射组学如何预测乳腺癌的临床病理指数和临床结果，同时关注于放射组学与多组学研究的结合，以期在乳腺癌的诊治中提供更精准的辅助决策工具。通过分析影像数据与临床信息的关联，该研究旨在推动放射组学从实验室研究向临床实践的转化，并为未来的研究指出可能的创新路径。
研究设计
本研究是一项回顾性研究，关注放射组学与多组学研究的结合，以弥合表型和微观尺度信息之间的差距。研究团队通过一系列标准化流程，从不同影像模式中提取高通量定量影像特征，并探讨这些特征与乳腺癌的临床病理指数或多组学分析之间的相关性。研究涉及的影像模式包括乳腺X线摄影（MG）、超声（US）、磁共振成像（MRI）和正电子发射断层扫描/计算机断层扫描（PET/CT）。研究流程包括图像采集、肿瘤分割、特征提取和模型构建与分析。研究团队还探讨了放射组学模型在临床应用中的不足，并提出了未来研究的方向。
研究结果
研究结果显示，放射组学模型在预测乳腺癌的临床病理指数和临床结果方面具有潜力。通过分析MRI影像，放射组学模型能够以较高的准确率区分乳腺癌的分子亚型，包括ER、PR、HER2和Ki-67的表达状态。此外，放射组学特征还能够预测腋窝和哨兵淋巴结的状态，减少侵入性活检的需求。在新辅助化疗（NAT）反应预测方面，放射组学特征主要从MRI中提取，被广泛研究作为潜在的生物标志物，以在NAT开始前预测治疗反应。放射组学模型能够预测患者的生存和复发，通过预测关键指标如总生存（OS）、无病生存（DFS）、无复发生存（RFS）和无转移生存（MFS）。
图1 放射组学在乳腺癌中的应用
放射组学在乳腺癌诊断中的应用
放射组学技术在乳腺癌的诊断中展现出了显著的潜力。通过高通量提取并分析病灶的图像特征，放射组学能够提供更多潜在的肿瘤信息，从而指导临床进行精准诊疗。放射组学在乳腺癌诊断方面已趋于成熟，并逐步进入临床转化阶段。例如，Zhou等人的研究发现，对肿瘤及周围组织进行共同学习的模型诊断效果优于仅基于肿瘤的单独学习模型，有助于提高诊断性能。
放射组学在预测乳腺癌分子亚型和临床病理指数
放射组学模型在预测乳腺癌的分子亚型和临床病理指数方面取得了一定的进展。Li等人基于MRI的放射组学模型在预测ER、PR、HER2和Ki-67的表达状态方面取得了AUCs分别为0.89、0.69、0.65和0.67。放射组学模型通过分析肿瘤的影像特征，能够反映肿瘤的生物学行为，从而为乳腺癌的精准诊疗提供有力工具。这些模型不仅能够预测肿瘤的分子亚型，还能够预测肿瘤的临床病理指数，如肿瘤分级、淋巴结转移状态等。
放射组学在预测腋窝和哨兵淋巴结状态
在预测腋窝和哨兵淋巴结（SLN）状态方面，放射组学研究也显示出了潜力。例如，Yu等人开发的临床放射组学模型能够以AUC为0.90准确预测ALN转移状态。放射组学模型能够有效预测SLN或ALN转移状态，从而辅助临床决策。
放射组学在预测新辅助治疗反应
放射组学特征在预测新辅助治疗（NAT）反应方面也显示出了希望。Liu等人的研究中，基于mpMRI的放射组学模型在预测病理完全反应（pCR）方面达到了最大AUC为0.79。这些结果表明，放射组学特征有助于预测NAT的反应。
放射组学在预测乳腺癌患者生存和复发
放射组学模型在预测乳腺癌患者的生存和复发方面也显示出了一定的效果。例如，Park等人的研究表明，基于MRI的放射组学特征与无病生存（DFS）显著相关（P=0.041）。结果表明，放射组学模型是预测乳腺癌患者预后的关键和有效工具。
总结讨论
本研究的结论强调了放射组学在乳腺癌临床实践中的应用潜力，尤其是在肿瘤分类、预后预测和治疗响应评估方面。尽管放射组学模型在临床应用中仍面临挑战，如泛化性、可解释性和临床实践中的便利性，但研究团队提出了未来研究的方向，包括优化验证方法、深入探索深度学习放射组学和放射多组学，以及开发用户友好的多功能系统以提高临床应用的便利性。
图2 癌症放射组学的未来发展方向
参考文献
QI Y J, SU GH, YOU C, et al. Radiomics in breast cancer: Current advances and future directions[J]. Cell Rep Med. 2024; 5(9): 101719. DOI:10.1016/j.xcrm.2024.101719.
