ASCO中国之声丨王坤教授：利用纵向MRI融合模型，可预测乳腺癌新辅助化疗后的pCR-肿瘤瞭望

ASCO中国之声丨王坤教授：利用纵向MRI融合模型，可预测乳腺癌新辅助化疗后的pCR

作者:肿瘤瞭望日期:2023/6/14 11:02:21 浏览量:7136

第59届美国临床肿瘤学会（ASCO 2023）年会于当地时间2023年6月2日～6日在美国芝加哥召开。作为世界上规模最大、学术水平最高、最具权威的临床肿瘤学会议，ASCO年会汇集了众多世界一流的肿瘤学专家，当前国际最前沿的临床肿瘤学科研成果和肿瘤治疗技术在年会中进行展示。

编者按：第59届美国临床肿瘤学会（ASCO 2023）年会于当地时间2023年6月2日～6日在美国芝加哥召开。作为世界上规模最大、学术水平最高、最具权威的临床肿瘤学会议，ASCO年会汇集了众多世界一流的肿瘤学专家，当前国际最前沿的临床肿瘤学科研成果和肿瘤治疗技术在年会中进行展示。广东省人民医院王坤教授团队开展的一项利用多模态磁共振（MRI）大数据建立集成学习模型，预测乳腺癌新辅助化疗后病理完全缓解（pCR）情况的研究入选ASCO壁报展示。肿瘤瞭望特邀王坤教授进行介绍。

研究背景：准确识别浸润性乳腺癌经过新辅助化疗（NAC）后是否可达到病理完全缓解（pCR），对于确定合适的手术方式和指导肿瘤的切除范围至关重要。然而，目前尚缺乏可准确预测pCR的无创工具。我们的研究旨在利用时间动态的多模态磁共振（MRI）大数据，建立集成学习模型，在术前预测乳腺癌是否达能达到病理完全缓解。

方法和材料：在本研究中，我们收集了新辅助化疗前和新辅助化疗后的多模态MRI序列，以术后病理结果判定pCR。我们从多期的磁共振图像中提取了14676个影像组学特征和4096个高维深度学习特征，并计算出反映肿瘤在新辅助化疗期间动态变化的差异化特征。在训练队列（n=409）中，使用两组间相关系数检验、U检验、Boruta特征选择和最小绝对值收缩和选择算子，选出每种乳腺癌亚型中最有意义的特征。通过交叉验证，最终我们选择20个、15个和13个图像特征分别构建HR+/HER2-、HER2+和TNBC三种亚型的神经网络模型，并利用集成学习模型用于整合单一模态的模型。我们在三个外部队列（n=343、170、340）中评估了该模型的诊断性能。

研究结果：共纳入来自四个中心的1262例乳腺癌症患者，HR+/HER2-、HER2+和TNBC亚型的pCR率分别为10.6%（52/491）、54.3%（323/595）和37.5%（66/176）。单模态神经网络模型在所有亚型中产生最佳的诊断性能，对于三种亚型，整合了新辅助化疗前、后和差异化特征的集成学习模型在训练队列中产生了最高的诊断性能，AUC分别为0.959、0.974和0.958，在三个外部验证队列中产生的AUC分别为0.882～0.908、0.896～0.929和0.837～0.901。在外部验证队列中，集成学习模型的准确率为85.0%～88.9%，灵敏度为80.0%～86.3%，特异性为87.4%～91.5%。

结论：我们的研究建立了一种新的无创影像工具来预测乳腺癌对新辅助化疗的反应，并取得了良好的预测性能，集成学习模型有助于在术前确定乳腺癌的最佳手术策略，从而为乳腺癌患者们提供更精准的治疗。

王坤

主任医师，肿瘤学博士，博士研究生导师

广东省人民医院肿瘤医院副院长

CSCO理事

CSCO乳腺癌专委会常委

中国抗癌协会乳腺癌专业委员会委员

2017年第一届中国好医生获得者

2019年国之名医获得者

2021年NeoCART研究入选美国NCCN乳腺癌指南

版面编辑：张靖璇责任编辑:卢宇

本内容仅供医学专业人士参考