用于区分HER2零表达、HER2低表达及HER2过表达型乳腺癌的MRI放射组学模型的开发与验证

      近日，中山大学孙逸仙纪念医院放射科沈君主任团队在American Journal of Roentgenology（医学2区，IF = 5.0）上发表最新临床研究成果“Development and Validation of MRI Radiomics Models to Differentiate HER2-Zero, -Low, and -Positive Breast Cancer”。该研究评估了基于多模态MRI的多参数（T2WI、DWI、ADC、delayed CE-T1WI）放射组学用于鉴别人表皮生长因子受体2（human epidermal growth factor receptor 2，HER2）零表达、低表达及过表达型乳腺癌的临床应用价值。MRI放射组学标签可用于鉴别HER2零表达和非零表达（HER2低表达和HER2过表达）型乳腺癌患者，以及HER2低表达与HER2过表达型乳腺癌患者，将MRI放射组学标签与穿刺病理学指标联合构建模型可进一步提高其鉴别HER2低表达与HER2过表达型乳腺癌的诊断效能。基于MRI放射组学开发的模型有望为乳腺癌患者临床治疗方案的制定提供重要的参考依据。

      乳腺癌是女性最常见的恶性肿瘤，也是导致女性癌症死亡的主因。HER2是乳腺癌分子分型的一个关键细胞膜蛋白，它参与调节细胞生长和分化、促进细胞增殖和抑制细胞凋亡。传统上，乳腺癌的HER2表达状态分为HER2阴性（IHC 0、IHC 1+以及IHC 2+且FISH-）和HER2阳性（IHC 2+且FISH+和IHC 3+），一般认为HER2阴性乳腺癌患者不适合接受HER2靶向治疗。最新的研究表明，HER2低表达型（IHC 1+和IHC 2+且FISH-）乳腺癌被认为是传统的HER2阴性乳腺癌中的一个新的亚型，可能从新型HER2靶向药（如ADCs）中获益（图1）。因此，乳腺癌患者HER2表达状态的准确评估有助于临床治疗方案的制定。放射组学是一种从医学影像图像中提取高通量特征的方法，能够为疾病的诊断、鉴别诊断、疗效评估和预后预测提供关键影像学指标，具有重要的临床价值。在本研究中，作者通过基于多模态MRI的多参数放射组学标签构建模型并联合病理指标鉴别乳腺癌的HER2表达状态。

图1. 传统HER2二分类（左）和新型HER2三分类（右）。IHC，免疫组化；FISH，荧光原位杂交

    一方面，基于延迟对比增强（delayed CE-T1WI）的3个MRI组学特征用于鉴别HER2零表达与非零表达（HER2低表达和HER2高表达）乳腺癌，其构建的模型在训练集、内部验证集和外部验证集中的AUC分别为0.89、0.86及0.78，诊断效能均表现优良；与HER2零表达乳腺癌相比，HER2低表达和过表达型乳腺癌的肿瘤组学分数值更高（P < 0.001到P = 0.02）。另一方面，基于DWI（n = 2）、ADC（n = 4）和delayed CE-T1WI（n = 6）的总共12个MRI组学特征用于鉴别HER2低表达与HER2过表达型乳腺癌，其构建的模型在训练集、内部验证集及外部验证集中的AUC分别为0.77、0.75及0.77，诊断效能均表现良好；与HER2低表达乳腺癌相比，HER2过表达型乳腺癌的肿瘤组学分数值更高（P < 0.001到P = 0.001）。多变量逻辑回归分析表明乳腺癌的组织病理学分级、孕激素受体（progesterone receptor，PR）和Ki-67是预测HER2低表达状态的独立影响因子（P < 0.001到P = 0.04）。作者进一步联合MRI放射组学标签与乳腺癌患者的活检病理特征构建列线图来鉴别HER2低表达和HER2过表达型乳腺癌，结果发现联合模型在训练集、内部验证集和外部验证集中的AUC分别为0.87、0.83及0.80，诊断效能均有所提升。

图3. 课题研究流程图

图4. 联合MRI放射组学标签与病理特征构建的列线图鉴别HER2低表达和HER2过表达型乳腺癌

       最新的研究表明，HER2低表达型乳腺癌也可受益于HER2新型靶向治疗药物。本研究发现基于MRI的多参数放射组学模型在鉴别HER2零表达、低表达与过表达型乳腺癌中的诊断效能优异，因此有助于在术前辅助筛选无法从HER2靶向治疗中获益（HER2零表达型乳腺癌患者）、可从HER2新型靶向治疗中获益（HER2低表达型乳腺癌患者）以及可从HER2传统靶向治疗中获益（HER2过表达型乳腺癌患者）的患者，从而为乳腺癌患者的精准HER2靶向治疗方案提供基于影像学的新型决策手段。

全文链接

https://doi.org/10.2214/AJR.23.30603

 沈君  

彭雨琴  张翔   邱娅

       广东省珠江学者特聘教授，教育部新世纪优秀人才，中国研究型医院研究型人才。国家卫健委百万减残工程专家委员会专业委员，中国研究型医院学会肿瘤影像诊断学专业委员会副主委，中国医学影像技术研究会放射学分会常委，中华医学会放射学分会神经学组委员，中华医学会心血管病学分会心血管病影像学组委员，广东省医师协会放射医师分会主委，广东省精准医学应用学会分子影像分会主委，广东省医学会肿瘤影像与大数据分会候任主委，广东省医学会放射医学分会副主委，广东省辐射防护协会医学辐射防护专业委员会副主委。

       以第一/通讯作者发表SCI论文123篇，包括Cell、Nat Biomed Eng、Nat Commun、Adv Sci、Adv Funct Mater, ACS Nano、Small、Small methods、Nano Lett、Biomaterials、Clin Cancer Res、J ImmuoTher Cancer和Radiology等国际权威期刊。

      广东省汕尾市医师协会放射科医师分会委员，汕尾市放射专业质控中心秘书。主要从事乳腺肿瘤影像功能定量成像、人工智能研究，以第一作者在影像学SCI期刊发表论著1篇。

      广东省医学会放射医学分会人文医学与学术诚信学组成员，广东省精准医学应用学会分子影像分会委员，广东省精准医学应用学会纳米医学分会委员，广东省医学装备学会放射影像分会常务委员，汕尾市医师协会放射科医师分会常务委员，《磁共振成像》优秀学科编辑（2022），《磁共振成像》共识指南专家委员会及人工智能专家委员会青年委员、审稿专家，Frontiers in Oncology科学编辑、审稿专家；British Journal of Cancer、Academic Radiology和The International Journal of Cardiovascular Imaging审稿专家。

      主要从事乳腺肿瘤影像功能定量成像、人工智能及分子影像学研究，以第一作者及通讯作者在影像学SCI期刊发表论著18篇，包括Radiology、European Radiology（6篇）、Journal of Magnetic Resonance Imaging、American Journal of Roentgenology和British Journal of Radiology等专业领域知名杂志。获得2023年广东省科技进步二等奖一项（排名第八）。主持国家自然科学基金1项、广东省自然科学基金2项、广东省医学科研基金1项、广州市基础与应用基础研究基金1项。参与编写《动态对比增强磁共振成像》及《全身MRI扫描技术彩色图解》等专业书籍。

      喀什地区放射委员会委员兼秘书，新疆维吾尔自治区第八届放射学会心胸组委员，新疆抗癌协会肿瘤人工智能专委会委员，中国民族卫生协会第二届放射医学分会心血管影像工作组委员。

      主要从事肿瘤影像人工智能、心血管及胸部疾病影像诊断及鉴别，发表学术论文17篇，以第一或通讯作者发表SCI 3篇，中文核心期刊8篇。获得2023年新疆省维吾尔自治区省科技进步三等奖一项（排名第六）。主持自治区自然基金3项、地区科研项目1项；参与国家级项目2项，自治区级科研项目4项。