0 引言

       乳腺癌是女性最常见的恶性肿瘤，多学科治疗是局部晚期乳腺癌的主要治疗方法，对改善患者预后及生活质量具有重要价值，尤其是手术方式的选择^{[1, 2, 3, 4]}。新辅助治疗（neoadjuvant therapy, NAT）可以缩小肿瘤、减少手术切除范围，进而提高保乳手术率以及改善保乳效果^{[4, 5]}。NAT后肿瘤缩小方式即肿瘤收缩模式预测对个体化多学科治疗方案的制订具有重要价值，可在早期方案制订时为保乳手术的可行性及保乳效果提供合理预估^{[2, 4]}。既往收缩模式预测研究以探讨MRI组学特征的应用价值为主，结果说明基线MRI涵盖了收缩模式的相关信息^{[6, 7, 8]}，但影像组学特征获取相对复杂，易受扫描仪器、成像及重建方法等多方面因素影响，可重复性有待提高，目前临床应用存在一定困难^{[9, 10, 11]}。相对而言，常规MRI影像特征获取简单、临床应用方便。有研究^{[12, 13]}显示肿瘤MRI强化方式与收缩模式相关,单肿块强化倾向于向心性收缩，非单肿块强化则相对更倾向于非向心收缩，既往研究^{[6, 7, 14, 15]}还显示乳腺癌本身的临床病理特征也与收缩模式相关，如激素受体（hormone receptor, HR）、人表皮生长因子受体2（human epidermal growth factor receptor 2, HER-2）、Ki-67、分子亚型等，但尚未有关于这些特征能否用于收缩模式预测的研究。诺莫图是一种可简化预测模型并提高其临床应用价值的实用工具^{[16, 17, 18]}。因此，基于筛选降期保乳患者为目的，本研究对乳腺癌NAT后肿瘤收缩模式进行二分类，探讨与收缩模式相关的基线MRI特征及临床病理因素，并构建早期预测收缩模式的诺莫图，为临床降期保乳可行性及制订个体化治疗方案提供重要信息。

1 材料与方法

1.1 研究对象

       本研究遵守《赫尔辛基宣言》，经北京大学肿瘤医院伦理委员会批准，免除受试者知情同意，批准文号：2019KT35。回顾性分析2018年1月至2019年12月在我院接受诊治的乳腺癌患者资料。纳入标准：（1）初次经穿刺组织病理学检查确诊为乳腺浸润性导管癌；（2）完成NAT和手术治疗；（3）有NAT前和NAT后术前乳腺MRI，且术前末次MRI检查与手术间隔时间不超过1个月，中位间隔时间13（7，20）天。排除标准：（1）仅有腋窝的淋巴结转移灶而乳腺内未发现病灶；（2）既往同侧乳腺手术史；（3）图像或病理资料不完整。

1.2 扫描方法与技术参数

       采用美国GE Optima360 1.5 T或Discover MR750 3.0 T MR扫描仪及4通道乳腺专用相控阵线圈。患者取俯卧位，双乳自然状态置于乳腺线圈中，并接受MR平扫及增强扫描。扫描序列为轴位脂肪抑制序列。首先进行快速恢复自旋回波T2WI（TR 2 000 ms，TE 80 ms，层厚4.0 mm，层间距0.4 mm，矩阵256×256，视野32 cm×32 cm，激励次数2），然后进行动态增强三维T1WI容积成像（TR 6.7 ms，TE 2.2 ms，反转时间7.0 ms，层厚2.2 mm，无层间距，矩阵300×300，视野32 cm×32 cm，激励次数1，单次采集时间60~80 s），即先采集对比剂注入前T1WI，对比剂注射后2 min采集第1次增强后T1WI，随后每90 s采集1次T1WI，共采集5次增强后T1WI（采集时间分别为2、3.5、5、6.5和8 min）。使用高压注射器（Bayer AG，MEDRAD Spectris Solaris EP）经肘静脉注入Gd-DTPA对比剂（Bayer Healthcare Co., Ltd，产品批号：KT0K9VA），速率2.0 mL/s，剂量0.2 mmol/kg，之后跟注10 mL生理盐水。

1.3 图像分析

       在PACS[Carestream Health，Vue PACS，Virtual Reading (VR) Profile，版本12.1.5.1156）]系统上进行图像分析。由2名有5年乳腺放射诊断经验的住院医师在不知晓术后病理的情况下共同重新阅片及测量，意见不一致时，与另1名具有20余年乳腺放射诊断经验的主任医师协商后确定。

       参照既往相关研究分类方法并进行调整，将基线MRI强化方式为4类^{[12, 13]}：单肿块强化、单肿块强化伴卫星灶、多肿块强化、非肿块强化（non mass enhancement, NME），其中单肿块强化伴卫星灶中的卫星灶包括肿块及NME，卫星肿块定义为直径不超过主肿块的50%且位于主肿块周围2 cm以内，否则判断为多肿块。肿块强化最大病灶边缘可分为不规则形和毛刺状，NME分布分为局灶/线样/段样/区域和多区域/弥散分布。NAT后MRI上残余强化形态可分为6类：无强化、单肿块强化、多点灶、碎片状强化、多肿块强化和NME（图1）。根据基线和治疗后MRI病灶的形态和大小变化，将肿瘤收缩模式分为两类：（1）I类收缩，指向心性收缩[基线单肿块强化（伴/不伴卫星灶），治疗后卫星灶消失，主病灶呈单肿块强化或多点灶，最大径减少≥30%]；任意基线强化方式，治疗后无残余强化。（2）Ⅱ类收缩，包括非向心性收缩、疾病稳定（最大径缩小<30%，增大≤20%）和疾病进展（最大径增大>20%或新发病灶）；非向心性收缩包括了除I类收缩以外的其他收缩类型，包括，①任意基线强化方式，治疗后表现为碎片状强化、多肿块强化和NME；②基线多肿块强化或NME，治疗后存在任意残余强化。

       基线MRI强化程度半定量参数包括增强早、晚期信号增强幅度比值（signal enhancement ratio, SER）和洗出率。在增强早期（增强后第2期）图像上选取强化最明显的区域勾画圆形感兴趣区并复制增强前及增强晚期（增强后第5期）的图像上，大小约9~25 mm²，分别测量信号强度（signal intensity, SI），并计算基线和治疗后MRI增强早、晚期SER及洗出率，见公式（1）~（2）。

       其中，SIpre代表增强前SI，在增强早、晚期SER中，SIpost分别代表增强早、晚期SI，SIlate、SIearly分别代表增强早、晚期SI。随机选择30%的病例分析阅片者内及阅片者间测量的一致性。

点击查看大图

图1  新辅助治疗（NAT）前、后呈不同强化方式的I、Ⅱ类收缩模式的MRI图像（均为增强后第2期T1WI）。1A~1F为I类收缩；1A：NAT前呈单肿块；1B：NAT后无残余强化；1C：NAT前呈单肿块；1D：NAT后残余单肿块强化；1E：NAT前呈单肿块；1F：NAT后残余多点灶。1G~1L为Ⅱ类收缩；1G：NAT前呈单肿块；1H：NAT后呈碎片状强化；1I：NAT前呈多肿块；1J：NAT后呈多肿块强化；1K：NAT前呈非肿块强化；1L：NAT后呈非肿块强化。
Fig. 1  MRI of type I and Ⅱ shrinkage patterns with different enhancement modes before and after neoadjuvant therapy (NAT) (All image are the second phase of contrast-enhanced T1WI). 1A-1F are type I shrinkage; 1A: A single mass enhancement before NAT; 1B: No residual enhancement after NAT; 1C: A single mass enhancement before NAT, 1D: A single mass enhancement after NAT; 1E: A single mass enhancement before NAT; 1F: Multiple foci enhancement after NAT. 1G-1L are type Ⅱ shrinkage; 1G: A single mass enhancement before NAT; 1H: Fragmented enhancement after NAT; 1I: Multiple masses enhancement before NAT; 1J: Multiple masses enhancement after NAT; 1K: Non mass enhancement before NAT; 1L: Non mass enhancement after NAT.

1.4 临床资料及病理检查

       收集患者的临床病理资料，包括年龄、绝经状态、NAT方案、手术方式、腺体内病灶穿刺活检及术后的病理检查结果。穿刺活检病理结果包括浸润性导管癌级别、有无伴随导管原位癌、HR状态、HER-2状态和Ki-67水平。HR阳性指雌激素受体（estrogen receptor, ER）和（或）孕激素受体（progesterone receptor, PR）阳性，即标准免疫组化方法核染色不小于1%；HER-2阳性指HER-2评分为3+，或HER-2评分为2+的肿瘤通过荧光原位杂交技术显示基因有扩增。存在多个活检灶的患者记录总体状态，即任意活检灶HR或HER-2阳性则该患者HR或HER-2阳性，Ki-67和组织级别记录最高的水平和级别。术后病理分为病理完全缓解（无浸润癌及导管原位癌残余）和残余癌。

1.5 统计学分析

       使用IBM SPSS statistics（version 26.0）、MedCalc（version 19.6.4）和R（version 4.1.1）软件进行统计学分析。首先采用Kolmogorov-Smirnov检验分析计量资料的正态性，根据是否符合正态分布分别以均值±标准差和M（Q1，Q3）表示，组间比较分别采用独立样本t检验和Mann-Whitney U检验。分类资料以例数表示，组间比较采用χ²检验。所有病例按7∶3的比例随机分为训练组和验证组，训练组筛选特征和建立模型，验证组验证模型。组内相关系数（intra-class correlation coefficient, ICC）评价阅片者内和阅片者间MRI半定量参数的一致性，ICC值为0.0~0.20、>0.20~0.40、>0.40~0.60、>0.60~0.80和>0.80~1.00分别被认为一致性很差、较差、一般、较好和非常好。采用单因素和多因素逻辑回归筛选与肿瘤收缩模式相关的独立因素并建立预测模型，采用受试者工作特征曲线下面积（area under the curve, AUC）评价预测模型，使用DeLong检验比较模型的AUC，选取最佳模型建立诺莫图。P<0.05认为差异有统计学意义。

2 结果

2.1 基本资料

       共入组272例乳腺癌病例，NAT后I类收缩和Ⅱ类收缩各占64.0%（174/272）、36.0%（98/272）。训练组与验证组的年龄、基线最大径、末次MRI与手术间隔、绝经状态、组织级别、是否伴导管原位癌、HR状态、HER-2状态、Ki-67水平、治疗方案、手术方式、术后病理差异无统计学意义（P>0.05）（表1）。

点击查看表格

表1  训练组与验证组临床病理因素的组间比较
Tab. 1  Comparison of clinicopathological factors between training group and validation group

2.2 MRI半定量参数测量的一致性

       增强早期SER阅片者内和阅片者间测量的一致性均非常好，ICC分别为0.904 [95%置信区间（confidence intervals, CI）：0.856~0.936]和0.880（95% CI：0.821~0.921），增强晚期SER阅片者内和阅片者间测量的一致性均较好，ICC分别为0.753（95% CI：0.643~0.833）和0.733（95% CI：0.611~0.82）。阅片者内流出率测量一致性较好，ICC为0.605（95% CI：0.452~0.724），阅片者间流出率测量一致性一般，ICC为0.546（95% CI：0.379~0.679）。

2.3 收缩模式的相关因素

       单因素分析结果显示年龄、HR、基线MRI强化方式、肿块强化边缘和NME分布、基线最大径与收缩模式相关（P<0.05）（表2）。

点击查看表格

表2  与收缩模式相关MRI特征和临床病理因素的单因素分析
Tab. 2  Univariate analysis of MRI features and clinicopathological factors associated with shrinkage patterns

2.4 预测模型建立与诺莫图构建

       多因素分析显示MRI强化方式和HR是收缩模式的独立相关因素（P值分别为0.003和<0.001）（表3）。MRI强化方式和HR预测Ⅱ类收缩的AUC分别为0.844（95% CI：0.784~0.892）和0.593（95% CI：0.519~0.663），二者结合的联合预测模型预测效能优于单一参数，其AUC为0.890（95% CI：0.837~0.931）（P均<0.001）（图2）。基于MRI强化方式和HR构建了诺莫图（图3），验证组预测的AUC为0.871（95% CI：0.779~0.935），符合度平均绝对差为0.015（图2）。训练组与验证组的敏感度、特异度及准确度分别为81.5%（53/65）、88.0%（110/125）、85.8%（163/190）和69.7%（23/33）、91.8%（45/49）、82.9%（68/82）。图4列举了1例预测准确病例和1例假阳性病例。

点击查看大图

图2  联合预测模型的受试者工作特征（ROC）曲线与校正曲线。2A和2B分别为联合预测模型在训练组的ROC曲线和校正曲线，曲线下面积（AUC）为0.890 [95% 置信区间（CI）：0.837~0.931]；2C和2D分别为联合预测模型在验证组的ROC曲线和校正曲线，AUC为0.871（95% CI：0.779~0.935）。
Fig. 2  The receiver operating characteristic (ROC) curves and calibration curve of the combined prediction model. 2A and 2B are ROC curve and correction curve of the combined prediction model in the training group, respectively. Area under the curve (AUC) is 0.890 [95% confidence intervals (CI): 0.837-0.931]. 2C and 2D are the ROC curves and correction curves of the combined prediction model in the validation group, AUC is 0.871 (95% CI: 0.779-0.935).

点击查看大图

图3  联合预测模型的诺莫图及其校正曲线。3A：联合预测模型的诺莫图；3B：诺莫图的校正曲线。HR：激素受体，base2、base3、base4分别代表基线MRI表现为多肿块强化、单肿块强化伴卫星灶、非肿块强化。
Fig. 3  The nomogram (3A) and its calibration curve (3B) of the combined prediction model. HR: hormone receptor; base2, base3, and base4 represent multiple mass enhancement, a single mass enhancement with satellite focus, and non mass enhancement in baseline MRI, respectively.

点击查看大图

图4  预测准确病例及假阳性病例的MRI及诺莫图预测结果。4A~4C：HR阳性乳腺癌患者，4A：NAT前MRI呈非肿块强化，4B：诺莫图预测为Ⅱ类收缩的风险为0.9，4C：治疗后MRI显示非肿块强化（Ⅱ类收缩），术后病理显示残余癌。4D-4F：HR阴性乳腺癌患者，4D：NAT前MRI呈非肿块强化，4E：诺莫图预测为Ⅱ类收缩的风险为0.71（0+100=100），4F：治疗后MRI显示无残余强化（I类收缩），术后病理显示为病理完全缓解。NAT：新辅助治疗；HR：激素受体，base2、base3、base4分别代表基线MRI表现为多肿块强化、单肿块强化伴卫星灶、非肿块强化。
Fig. 4  MRI and nomogram prediction results of cases with true and false positive prediction. 4A-4C: A patient with HR-positive breast cancer, 4A: MRI shows non mass enhancement before NAT; 4B: The risk of type Ⅱ shrinkage predicted by nomograms is 0.9; 4C: MRI shows non mass enhancement (type Ⅱ shrinkage), and postoperative pathology shows residual cancer. 4D-4F: A patient with HR-negative breast cancer; 4D: MRI shows non mass enhancement before NAT; 4E: The risk of type Ⅱ shrinkage predicted by nomograms is 0.71; 4F: MRI showed no residual enhancement after NAT (type I shrinkage) and postoperative pathology showed pathological complete response after surgery. NAT: neoadjuvant therapy; HR: hormone receptor; base2, base3, and base4 represent multiple mass enhancement, a single mass enhancement with satellite focus, and non mass enhancement in baseline MRI, respectively.

点击查看表格

表3  收缩模式的多因素分析
Tab. 3  Multivariate analysis of shrinkage patterns

2.5 预测模型在不同分子亚型中的预测表现

       根据HER-2及HR状态，将乳腺癌分为luminal型、HER-2阳性及三阴性3类亚型。结果显示在各分子亚型中，预测模型均表现出了良好的预测效能，尤其是三阴乳腺癌，验证组AUC>0.999（表4）。

点击查看表格

表4  预测模型在不同分子亚型中的预测表现
Tab. 4  Predictive performance of predictive model in different molecular subtypes

3 讨论

       以筛选降期保乳患者为目的，本研究将乳腺癌NAT后肿瘤收缩模式分为适合降期保乳的I类收缩和不适合的Ⅱ类收缩，通过单、多因素分析筛选出了与乳腺癌NAT后肿瘤收缩模式相关的基线MRI特征及临床病理因素，并构建了早期预测收缩模式的诺莫图。研究结果显示基线MRI强化方式及HR与收缩模式独立相关，非单肿块强化及HR阳性是Ⅱ类收缩的独立危险因素，基于MRI强化方式和HR构建的诺莫图可以准确预测收缩模式。本研究结果首次说明通过对基线MRI强化方式和HR的简单分析即可对乳腺癌NAT后肿瘤收缩模式进行准确预测，为降期保乳可行性及效果提供合理预估，有利于降期保乳患者筛选及多学科个体化治疗方案的制订。

3.1 收缩模式的病理生理机制及预测

       乳腺癌NAT后肿瘤收缩模式反映了治疗后肿瘤细胞先后坏死区的分布，因此可能与不同药物敏感度的肿瘤细胞分布和瘤内血供分布相关^[19]。越敏感的细胞越早出现坏死，对于相同敏感度的肿瘤细胞，血供越丰富，药物浓度越高，越早出现坏死。药物敏感度异质性决定了收缩模式与瘤内血供分布的相关性，异质性越高则相关性越低。对肿瘤异质性及瘤内血供分析可对收缩模式进行预测，肿瘤MRI中包含了肿瘤异质性和血供分布的信息^[20]，因此，可通过分析肿瘤MRI特征来预测收缩模式。

       影像组学方法可以提取高通量MRI图像数据，其中也包括与肿瘤异质性和血供分布相关的MRI组学特征^{[20, 21, 22, 23]}。既往研究^{[6, 7, 8]}结果显示基于基线MRI组学特征预测收缩模式的AUC为0.764~0.939，与本研究建立的预测模型效能相似。但影像组学特征提取过程比较复杂，易受扫描仪器、成像参数、重建方法及提取方式等多种因素影响，可重复性较低，目前临床应用相对困难^{[9, 24, 25]}。相对而言，常规MRI影像特征获取简单，受影响因素较少，更易用于临床。

3.2 MRI强化方式在收缩模式预测中的价值

       MRI强化方式是与收缩模式相关的重要因素，既往研究^{[12, 13]}显示单肿块强化倾向于向心性收缩，而多肿块强化和NME更倾向于非向心性收缩。这与本研究结果一致，与单肿块强化相比，非单肿块强化肿瘤更可能出现Ⅱ类收缩。这可能与肿瘤不同强化方式的血供分布不同以及瘤内异质性相关。肿块强化肿瘤因血管可呈向心性减少趋势而表现为向心性收缩，随着瘤内异质性增高，这种与特征血管分布相关的收缩特征逐渐消失，从而表现为不规则、碎片化坏死的非向心性收缩^[19]。NME肿瘤因缺乏向心性分布的血供而表现为非向心性收缩。对于多肿块强化肿瘤，单病灶可表现为向心性收缩，但整体病变呈多中心收缩的非向心性收缩。与本研究不同的是，胡芸等^[13]的研究中，多肿块和NME肿瘤分别有2例和4例向心性收缩，这与收缩模式的分类不同相关，该研究肿瘤的收缩模式只取决于最终残余强化的形态，当其表现为单灶残余时被认为是向心性收缩。而在本研究中，治疗后未完全缓解的多肿块和NME均被分为非向心性收缩。这对指导手术具有重要价值，对于基线MRI呈多肿块强化或NME的病变，即使仅残余单灶强化，手术切除范围应谨慎结合术前病变范围综合考虑。

3.3 分子亚型在收缩模式预测中的价值

       与既往研究一致^{[26, 27]}，本研究显示分子亚型也是预测收缩模式的重要预测因素之一，体现了不同分子亚型收缩模式的异质性。三阴性乳腺癌倾向于向心性收缩，HR阳性乳腺癌相对更倾向于非向性心收缩^{[12, 13]}。这可能与三阴性亚型对化疗药物更敏感性及更倾向肿块生长，而HR阳性亚型化疗相对低敏感的生物学特征有关^{[14, 28, 29, 30, 31]}。不同的是，本研究中并未观察到HER-2与收缩模式的独立相关性，而既往研究^{[26, 27]}显示HER-2与收缩模式相关，但在不同研究结果相关性并不一致。徐乘骏等^[26]的研究显示HER-2阳性乳腺癌更容易达到完全缓解，对于未达到完全缓解的患者，向心性收缩更常见。许梅等^[12]的研究显示HER-2阳性亚组以非向心性收缩为主，但各分子亚型间收缩模式差异无统计意义。LOO等^[14]的研究结果显示，luminal型、HER-2阳性及三阴性亚组多肿块强化比例分别为30%、53%及32%，而疗后向心性收缩的比例分别为42%、29%及55%，HER-2阳性亚组乳腺癌相对更倾向于多肿块强化及非向心性收缩。这种差异性结果可能与当前研究的小样本量以及不同研究收缩模式分类、分子亚型分型、治疗方案不同有关。有研究结果显示，对于HER-2阳性乳腺癌，有靶向治疗者更倾向于向心性收缩^[32]。另外，本研究分层分析显示预测模型可用于各分子亚型收缩模式的预测，但在不同分子亚型中的预测表现不同，在三阴性亚组中表现最好，因此预测收缩模式时同时结合分子亚型考虑，可以进一步提高预测模型的应用价值。

3.4 不足与发展

       本研究存在以下的局限性：（1）回顾性小样本的单中心研究，无法进行充分的统计分析，还需多中心大样本的验证；（2）MRI评价的收缩模式未与病理结果对照，目前常规术后病理切片采取多点取材评价，也不能对术后收缩模式进行准确评价^{[19, 33]}，术前MRI评估的收缩模式也是影响手术决策的重要因素^[34]；（3）本研究只探讨了MRI特征，既往研究显示乳腺X线摄影肿瘤钙化与收缩模式相关^[33]，不同影像方法的结合能否提高收缩模式预测的准确性有待进一步研究。

4 结论

       MRI非单肿块强化和HR阳性是乳腺癌NAT后Ⅱ类收缩的独立危险因素。对MRI强化方式和HR进行简单分析可为NAT降期保乳的可行性及效果提供合理预估，尤其是三阴性乳腺癌，有利于帮助临床制订合理的多学科治疗方案。