|
新辅助化疗（NAC）是局部晚期乳腺癌患者的标准治疗方法，可以缩小肿瘤体积，降低临床分期，从而提高保乳手术的概率。有研究表明，病理完全缓解（pCR）与乳腺癌患者的无病生存时间及总生存时间有关，是重要的预后影响因素，也是新辅助化疗的目的。然而，即使采用最新的化疗方案，获得pCR的患者仍占少数，pCR率为12%～28.2%。磁共振成像（MRI）在预测乳腺癌NAC疗效方面优于临床检查、X线摄影和超声。目前，动态增强磁共振成像（DCE-MRI）和扩散加权成像（DWI）已广泛应用于临床疗效的检测。2014年，美国范德堡大学分析了28例乳腺癌新辅助化疗患者化疗前和化疗后的半定量及定量DCE-MRI参数，表明化疗后信号增强比率（SER）和速率常数（Kep）有预测疗效的价值。2012年，解放军总医院的根据研究认为，化疗前初始表观扩散系数（ADC）和化疗后ADC的变化能够预测化疗疗效。DCE-MRI和DWI-MRI的相关研究主要集中在图像的功能性分析，但是图像的功能性分析并不是确诊疾病的唯一方法，形态学特征也是评估MRI图像的一个重要因素。纹理分析是定量图像灰阶分布特征、像素间关系和空间特征的一种方法。近年来，MRI图像纹理分析逐渐应用于乳腺病变研究中，其可分析乳腺病变特点、区分病理类型、鉴别病变良恶性。有研究表明，增强MRI纹理分析可以预测NAC的疗效。 2017年5月23日，中华医学会官方期刊《中华肿瘤杂志》正式发表国家癌症中心中国医学科学院北京协和医学院肿瘤医院影像诊断科（孙赛花、周纯武、赵莉芸、张仁知、欧阳汉）的研究报告，分析了乳腺癌患者NAC前后DCE-MRI纹理分析的灰度共生矩阵参数，探讨其早期预测化疗疗效的可行性。 该研究于2015年1月～2016年2月入组47例行NAC的乳腺癌患者，根据手术病理分为病理完全缓解（pCR）组和非pCR组，分别测量NAC前和2个周期后的MRI纹理参数（能量、熵、惯量、相关和逆差距），其中正态分布用x±s表示，非正态分布用中位数和四分位数（25%，75%）表示。比较NAC前和2个周期后的MRI纹理参数变化差异，并通过绘制受试者工作特征曲线（ROC）得到最佳预测参数及其诊断阈值。 结果发现，47例乳腺癌患者NAC前和NAC2个周期后的纹理参数变化明显，差异均有统计学意义（所有P＜0.001）。
因此，DCE-MRI纹理分析能够早期预测乳腺癌NAC疗效。 纹理分析主要包括图像转换和定量分析，其中图像转换是将常规图像分解为基本组成成分，如空间、频率等；定量分析是将多种基本组成成分进行结构分析、模型分析、统计分析和频谱分析。灰度共生矩阵是统计分析方法中最重要的方法，即建立在估计图像的二阶组合条件概率密度函数基础上的统计方法，主要描述纹理基元或局部模式随机和空间统计特征，以表示区域的一致性及区域间的相对性。共生矩阵用两个位置的像素联合概率密度来定义，不仅反映亮度的分布特性，也反映具有同样亮度或接近亮度的像素之间的位置分布特性，是有关图像亮度变化的二阶统计特征。 乳腺癌NAC前后纹理参数变化巨大，差异明显。本研究的目的是探究MRI纹理参数在预测化疗疗效方面的价值，发现化疗前能量、熵、相关、惯量和逆差距5个纹理参数均不能预测疗效，AUC在0.5左右，诊断效能较低，且两两比较差异均无统计学意义。 2013年，英国赫尔大学分析了100例乳腺癌患者NAC前MRI图像的16个纹理参数，仅有对比和变异数差2个参数能够区分部分反应组和无反应组（P=0.042，P=0.043），其他参数均不能预测疗效。 2014年，挪威科技大学研究58例乳腺癌患者化疗前的MRI图像，共测量16个纹理参数，仅有变异数和、熵和变异数差3个参数在化疗稳定组、部分缓解组和完全缓解组间差异均有统计学意义（P=0.044，P=0.042，P=0.033）。 本研究主要提取描述能力较强的灰度共生矩阵的能量、惯量、熵、相关和逆差距，并未得到在NAC前预测疗效的有用变量，可能的原因：1、按照pCR与非pCR分组；2、提取的纹理参数数量过少，在以后的研究中会增加纹理参数的数目，3、与以前研究所用纹理参数测量的软件并不相同，可能对于参数值也会有一定影响。 NAC2个周期后，pCR组和非pCR组的能量、熵、惯量及其变化率差异有统计学意义，AUC均＞0.7，诊断效能良好，能够早期预测疗效。 2015年，美国哈佛医学院和麻省总医院分析了20例软组织肉瘤患者经贝伐珠单抗联合放疗后的CT纹理，治疗8周后的反应组和无反应组间纹理差异明显，表明治疗后的纹理参数能够提示疗效。 2012年，荷兰马斯特里赫特大学系统回顾了MRI预测乳腺癌NAC疗效的15篇文献，结果显示，肿瘤直径、体积及药代动力学参数在化疗前反应组和非反应组间差异均无统计学意义，两组化疗早期的所有参数间差异均有统计学意义，能够早期检测疗效。因此，化疗前MRI进行疗效预测存在一定难度，化疗早期MRI相关参数还是能够评价疗效的。 本研究存在一定的局限性。首先，样本量有限，没有根据分子分型进行分类比较；其次，纹理参数提取了灰度共生矩阵的5个参数，参数数目较少；第三，感兴趣区的选定采取病变最大截面的二维数据，没有采用病变整体的三维测量；第四，根据本研究样本得出的ROC曲线阈值，仍需要大样本的进一步证实。 通信作者：周纯武（cjr.zhouchunwu@vip.163.com） 原文参见：中华肿瘤杂志. 2017;39(5):344-349. Zhonghua Zhong Liu Za Zhi. 2017 May 23;39(5):344-349. Texture analysis based on contrast-enhanced MRI can predict treatment response to neoadjuvant chemotherapy of breast cancer. Sun SH, Zhou CW, Zhao LY, Zhang RZ, Ouyang H. Department of Diagnostic Imaging, National Cancer Center/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China. OBJECTIVE: To investigate whether texture analysis based on contrast-enhanced MRI can predict pathological complete response of locally advanced breast cancer undergoing neoadjuvant chemotherapy(NAC). METHODS: Forty-seven patients with breast cancer undergone neoadjuvant chemotherapy from January 2015 to February 2016 were divided into pathological complete response (pCR) group or non-pathological complete response (non-pCR) group based on surgical pathology. Their parameters of texture analysis based on MRI before neoadjuvant chemotherapy and after 2 cycles of treatment were analyzed. Parameters(Energy, Entropy, Inertia, Correlation, Inverse Difference Moment)before and after 2 cycles of NAC between pCR and non-pCR groups were compared using Student t or Wilcoxon rank sum test. The diagnostic performance of different parameters was judged by the receiver-operating characteristic (ROC) curve analysis. RESULTS: The post-NAC value was significantly different from that of pre-NAC (all P<0.05). Pre-treatment parameters (Energy, Entropy, Inertia, Correlation, Inverse Difference Moment) were 78.58×10(-5)(55.64×10(-5), 135.23×10(-5)), 10.06 ± 1.02, 7 993.91±2 428.10, (4.76±0.99) ×10(-5) and (18.10±4.13) ×10(-3) in pCR group, and 76.84×10(-5) (48.68×10(-5), 154.15×10(-5)), 10.28±1.26, 7 184.77 (4 938.03, 9 974.04), (5.21±2.01) ×10(-5) and (17.68±5.87) ×10(-3) in non-pCR group. No significant difference was found between both groups. (P>0.05 for all). At the end of the second cycle of NAC, parameters(Energy, Entropy, Inertia, Correlation, Inverse Difference Moment) were (542.11±361.04) ×10(-5,) 7.95±1.28, 16 765.08±97 06.56, (0.43±0.07) ×10(-5,) and (12.18±9.82) ×10(-3) in pCR group, and 133.00×10(-5) (79.80×10(-5,) 239.00×10(-5)), 9.29±1.46, 7 916.64(6 418.89, 10 934.40), (0.38±0.08) ×10(-5) and (14.80±5.06) ×10(-3) in non-pCR group. At the end of the second cycle of NAC, there was significant difference in the parameters (Energy, Entropy, Inertia, Correlation) and Δparameters (ΔEnergy, ΔEntropy, ΔInertia, ΔInverse Difference Moment) between both groups (P<0.05 for all). The area under curve (AUC) of post-treatment ΔEntropy was 0.81, which was the largest one among parameters. Sensitivity of ΔEntropy for predicting pCR was 75.0% and specificity was 85.7%, respectively. CONCLUSION: Texture analysis based on dynamic contrast-enhanced MRI can predict early treatment response in primary breast cancer. KEYWORDS: Breast neoplasms; Neoadjuvant chemotherapy; Pathological complete response; Texture analysis PMID: 28535650 DOI: 10.3760/cma.j.issn.0253-3766.2017.05.005 |
|
|
