基于动态对比增强MRI影像组学模型预测乳腺癌新辅助化疗后非病理完全缓解

目的 观察基于动态对比增强MRI （DCE-MRI）影像组学模型预测乳腺癌新辅助化疗（NAC）后非病理完全缓解（non-pCR）的价值。方法 回顾性分析144例经病理证实并接受NAC的乳腺癌患者，按照7DK （]∶DK）]3比例将其分入训练组（n=99）和验证组（n=45），比较2组病理完全缓解（pCR）与non-pCR患者临床病理指标的差异。以MaZda软件提取4个周期NAC后DCE-MRI所示病灶纹理特征，以最小绝对收缩与选择算子（LASSO）算法及十折交叉验证法筛选最优特征参数，建立影像组学标签。采用多因素Logistic回归法构建包含影像组学标签和差异具有统计学意义的临床病理指标在内的联合预测模型，以受试者工作特征（ROC）曲线评价影像组学标签及模型预测乳腺癌患者NAC non-pCR的效能。结果 训练组36例pCR、63例non-pCR，验证组分别为15例和30例。2组pCR与non-pCR患者间孕激素受体（PR）、人类表皮生长因子受体2（HER2）和细胞增殖核抗原（Ki-67）表达差异均有统计学意义（P均<0.05）。共筛选出8个最优特征参数建立影像组学标签，以之预测训练组和验证组患者NAC后non-pCR的曲线下面积（AUC）分别为0.85和0.84；而以联合预测模型预测训练组患者NAC后non-pCR的AUC、敏感度、特异度分别为0.90、88.89%及83.33%，验证组分别为0.89、83.33%及86.67%。结论 基于DCE-MRI的影像组学模型对预测乳腺癌NAC后non-pCR具有一定价值。

Radiomics model based on dynamic contrast-enhanced MRI for predicting breast cancer non-pathological complete response after neoadjuvant chemotherapy