论文部分内容阅读
目的:本研究旨在将机器学习与动态对比增强磁共振成像（Dynamic contrastenhanced magnetic resonance imaging,DCE-MRI）相结合,构建能够有效预测新辅助化疗（Neoadjuvant chemotherapy,NAC）后乳腺癌退缩模式的机器学习模型,用于筛选出适用保乳手术的患者。材料与方法:这项研究回顾性纳入75名浸润性乳腺癌患者,均在大连医科大学附属第二医院采取NAC进行治疗并最终接受手术。首先获取入组患者的图像pre-NAC DCEMRI和post-NAC DCE-MRI。然后使用3D Slicer 4.10.2软件在pre-NAC DCE-MRI和post-NAC DCE-MRI中根据病灶所在逐层进行感兴趣区（Region of interest,ROI）的勾画,形成感兴趣体积（Volume of interest,VOI）。根据肿瘤的退缩模式将患者分为两组:第一组是模式一,该组的肿瘤退缩模式包括了病理完全缓解（Pathologic complete response,p CR）和单病灶缩小;第二组是模式二,该组的肿瘤退缩模式包括了主病灶伴卫星灶、多病灶残留、病灶稳定和病灶进展。全部入组患者以4:1的比例划分为训练组与验证组。而后基于对应的VOI对pre-NAC DCEMRI和post-NAC DCE-MRI这两类图像进行影像组学特征的提取。所得特征分为pre-NAC特征和post-NAC特征两组,数量均为1130个。特征类别包括一阶统计量（First order statistics）特征,形状（Shape）特征,纹理特征,以及小波（Wavelet）特征和高斯拉普拉斯（Laplacian of gauss,LoG）特征。在pre-NAC特征与postNAC特征的基础上计算得到pre-post-NAC特征。应用最大绝对值归一化算法对各组特征做归一化处理,再使用最小冗余最大相关（Minimum redundancy maximum relevance,m RMR）对各组特征进行特征筛选,以确定各组最具相关性的特征。最终基于各组筛选所得的最具相关性特征采用逻辑回归（Logistic regression,LR）算法分别建立combination模型、pre-NAC模型、post-NAC模型和pre-post-NAC模型,用于对肿瘤退缩模式的预测。通过曲线下面积（Area under curve,AUC）、准确性、敏感性和特异性来评估模型的预测性能。结果:Combination模型、pre-NAC模型、post-NAC模型、pre-post-NAC模型筛选所得最具相关性特征数量均为15。在combination模型中筛选出的15个特征包括了9个小波特征,4个LoG特征以及2个常规特征。在这些特征中,4个特征来自pre-NAC DCE-MRI,6个特征来自post-NAC DCE-MRI,5个特征来自pre-post-NAC DCE-MRI。在pre-NAC模型中筛选出的15个特征包括了14个小波特征和1个LoG特征。在post-NAC模型中筛选出的15个特征包括了9个小波特征,5个LoG特征以及1个常规特征。在pre-post-NAC模型中筛选出的15个特征包括了11个小波特征和4个LoG特征。在combination模型中,训练组的AUC为0.84（95%CI:0.74-0.94）,准确性为0.75,灵敏性为0.72,特异性为0.76,验证组的AUC为0.82（95%CI:0.6-1）,准确性为0.73,灵敏性为0.8,特异性为0.7。在preNAC模型中,训练组的AUC为0.81（95%CI:0.7-0.92）,准确性为0.72,灵敏性为0.83,特异性为0.67,验证组的AUC为0.64（95%CI:0.34-0.94）,准确性为0.6,灵敏性为0.8,特异性为0.5。在post-NAC模型中,训练组的AUC为0.83（95%CI:0.72-0.95）,准确性为0.75,灵敏性为0.83,特异性为0.71,验证组的AUC为0.7（95%CI:0.43-0.97）,准确性为0.6,灵敏性为0.8,特异性为0.5。在pre-post-NAC模型中,训练组的AUC为0.81（95%CI:0.69-0.93）,准确性为0.73,灵敏性为0.72,特异性为0.74,验证组的AUC为0.8（95%CI:0.56-1）,准确性为0.73,灵敏性为0.8,特异性为0.7。结论:一、该研究基于pre-NAC DCE-MRI和post-NAC DCE-MRI建立的预测模型可以有效预测乳腺癌的退缩模式,其中combination模型的表现最佳,优于pre-NAC模型、post-NAC模型和pre-post-NAC模型。二、Pre-post-NAC特征的预测效能优于pre-NAC特征及post-NAC特征,在由对应特征构筑的模型中,post-NAC模型的预测表现优于pre-NAC模型和post-NAC模型。三、小波特征和LoG特征,在各个预测模型中均发挥了重要作用,小波特征的效能优于LoG特征。