Radiology：MRI纹理分析在预测乳腺癌新辅助化疗pCR中的价值

 现阶段，新辅助化疗(NAC)是手术或局部晚期乳腺癌的首选治疗选择。NAC可以缩小乳腺癌范围，使得保乳手术得以进行，并在治疗期间评估对化疗的反应。此外，病理完全缓解(pCR)的实现是较好无病生存的独立预测因子;在未来，NAC后表现为pCR的患者可能无需进一步的手术治疗。因此，对这类患者的早期发现对于提高患者预后和个性化治疗至关重要。

纹理分析是一种可以评估像素的灰度强度和位置以及体素强度之间关系的数学模型。医学成像中的纹理分析通过对病变的异质性和组织成分的不规则性进行定量，以用于诊断、表征和监测治疗反应。一些研究已经评估了MRI纹理分析在预测乳腺癌对NAC反应中的价值。然而，这些研究的队列相对较小，且没有比较不同序列之间的诊断性能。

近日，发表在Radiology杂志的一项研究探讨了以MRI特征为基础的纹理分析与乳腺癌新辅助化疗(NAC)的病理完全缓解(pCR)之间的关系，为进一步制定个性化治疗方案并提高患者预后提供了有价值的参考依据。

本项回顾性研究纳入了2012年1月至2017年8月间接受NAC和随后的乳腺癌手术的136名女性（平均年龄47.9岁；范围31-70岁）。在NAC治疗前（治疗前）和三个或四个周期治疗后（治疗中期）对患者进行了3.0T MRI监测 。使用商业软件，在治疗前和治疗中期进行的T2、增强T1、扩散加权和表观扩散系数（ADC）mapping中进行纹理分析。应用随机森林方法来建立预测模型，以使用纹理参数对具有pCR的对象进行分类。通过使用Wald检验和DeLong方法，评估了预测pCR的诊断性能，并将其与其他六个机器学习分类器（自适应提升，决策树，k最近邻，线性支持向量机，贝叶斯和线性判别分析）进行了比较。

NAC后136例患者中有40例（29％）达到了pCR。在预测pCR时，随机森林分类器在治疗前ADC情况下表现出最低的诊断性能（在受试者工作特性曲线[AUC]下的面积为0.53；95％置信区间为0.44，0.61），而在治疗前和治疗中期的T2加权MRI、增强T1加权MRI、扩散加权MRI和ADC mapping中，治疗中期在增强T1加权MRI的情况下诊断性能最高（AUC，0.82；95％置信区间：0.74，0.88）。

图1（A）T1加权(T1) MRI, （B） T2加权(T2) MRI, （C）表观扩散系数(ADC) mapping，（D）扩散加权成像(DWI)在治疗前特征(PRE)、治疗中期特征(MID)、治疗中期与治疗前特征差异(MID-PRE)预测病理完全缓解的受试者工作特征曲线下面积(AUC)比较。

表1 图像和特征类型在预测病理完全缓解中的诊断性能。

综上所述，在我本研究建立的数学建模分析中，增强T1加权图像的纹理特征在纹理参数中显示出与乳腺癌患者新辅助化疗(NAC)的病理完全缓解相关的更有价值的结果。本研究同时提出，在此方法用于实际临床决策之前，需要在更大的独立外部验证数据集中进行进一步研究。经验证后，该分析可成为预测乳腺癌对NAC反应的重要监测工具。

原文出处：

Na Lae Eun,Daesung Kang,Eun Ju Son,et al.Texture Analysis with 3.0-T MRI for Association of Response to Neoadjuvant Chemotherapy in Breast Cancer.DOI:10.1148/radiol.2019182718