推荐活动

复旦大学附属肿瘤医院顾雅佳团队:揭示乳腺癌成像-生物学联系

首页 » 《转》译 2024-09-10 转化医学网 赞(6)
分享: 
导读
这项研究开发了一个稳健的影像组学模型用于预后预测,并进一步挖掘了其生物学基础和传递预测性能。

2024年9月7日,复旦大学附属肿瘤医院顾雅佳团队在期刊《npj Precision Oncology》上发表了题为“Multicenter radio-multiomic analysis for predicting breast cancer outcome and unravelling imaging-biological connection”的研究论文。团队的研究在一项多中心放射多组学研究中,确定了乳腺癌结果预测放射组学特征,以及它与预后风险评估中多组学特征的相关性,为未来个性化风险分层和精准治疗的前瞻性临床试验,奠定了基础。


https://www.nature.com/articles/s41698-024-00666-y

研究背景

 01 

乳腺癌是全世界女性最普遍的癌症,也是癌症相关死亡的主要原因,造成了沉重的公共卫生负担。近几十年来,发现了乳腺癌的异质性亚型(即管腔癌、HER2富集癌和三阴性乳腺癌[TNBC]),并对这些患者采取了不同的治疗策略。管腔癌和富含HER2的乳腺癌,分别对内分泌治疗和抗HER2靶向治疗敏感,而化疗联合免疫治疗,可能是TNBC患者的最佳治疗选择。此外,新辅助治疗是指早期或局部区域晚期乳腺癌的术前治疗,在乳腺癌的治疗中,发挥着越来越大的作用。总体而言,基于亚型的治疗,显著提高了治疗效果和患者生存率。然而,乳腺癌的复杂性异质性,通常会导致不同的预后和复发情况。


影像组学利用高通量定量成像功能,通过非侵入性方法为肿瘤的内在特性,提供有价值的见解。尽管深度学习放射组学目前具有卓越的预测性能,但团队的研究更喜欢放射组学,因为它具有标准化和可重复的特征提取过程。最近的研究表明,基于动态对比增强磁共振成像(DCE-MRI)的放射组学,在无创揭示乳腺肿瘤异质性和预测临床结果方面,发挥着关键作用,从而加强诊断点的循证决策。


团队的目标,是开发一种稳健且可解释的基于DCE-MRI的放射组学模型,用于预测乳腺癌结果。包括建立基于多中心数据集的预后影像组学模型,通过多组学分析,阐明高低影像组学风险组的生物学基础,并进一步探索其在预测新辅助化疗反应中的可转移性。这项研究将为影像组学的可解释性和普遍性做出重大贡献,为乳腺癌的精准治疗铺平道路。

研究进展

 02 

根据放射组学特征对生物学差异进行多组学分析


除了特征t_e21_wavelet_HHL_ClusterShade(f1)和t_e20_wavelet_HHL_Mean(f2)与放射组学风险评分没有表现出线性相关性外,基于能量小波变换和依赖性熵(f3、f4、f5 和 f11)的放射组学特征与放射组学风险评分呈正相关,而其他变量呈负相关。考虑到风险评分计算中的加权因素,特征p_vari_wavelet_LHH_SRLGLE(f10)具有最大的权重,表明基于瘤周区域小波变换得出的ShortRunLowGrayLevelEmphasis方差的纹理特征的重要性,这反映了瘤周环境的异质性和血液灌注特征。瘤周特征占大部分特征,表明瘤周成像在患者预后分层中起着重要作用。


涉及线粒体呼吸和能量代谢的多个通路在高放射组学风险患者的肿瘤中富集,包括ATP代谢过程(NES=1.84,p-调整=0.02)、胆固醇生物合成(NES=1.79,p-调整=0.01)和电子传递链(NES=1.76,p-调整=0.04)(PI3K信号转导(NES=2.10,p-调整<0.001)和转化生长因子通路(NES=1.98,p-调整<0.001)在低放射组学风险肿瘤中上调(在代谢组学方面,代谢物丰度的差异表明脂质代谢(甘油磷脂代谢,DA=0.17)和聚糖生物合成(鞘糖脂生物合成-神经节系列,DA=0.50)在高放射组学风险患者中上调。这些结果表明,通过放射组学特征区分高危和低危肿瘤,具有不同的生物学特征。其中,高危肿瘤高度增殖和耗能,而低危肿瘤缺乏明确的特征,具有经典的乳腺癌标志性通路上调。


放射组学特征预测的高复发风险和低复发风险的肿瘤生物学特征。


放射组学特征作为预测治疗反应的转移模型


对于病理完全缓解(PCR)预测,放射组学模型和临床模型表现适中(放射组学模型,AUC 0.59(95%CI:0.50-0.68);临床模型,AUC 0.68(95%CI:0.60-0.76),当放射组学风险评分和临床变量相结合时,DUKE队列和I-SPY1队列的AUC,分别增加到0.72(95%CI:0.64-0.79 排列测试 p<0.001)和0.73(95%CI:0.63-0.83,排列测试 p<0.001)对于反应预测,单个临床模型的AUC为0.69(95%CI:0.60–0.77),组合模型的性能显示AUC为0.74(95%CI:0.67–0.81,排列检验p<0.001) 。总之,预测预后的放射组学特征显示临床变量,在预测治疗反应方面具有互补价值。


从预后预测到治疗反应预测的转移模型的性能。

研究结论

 03 

团队的研究引入了一种基于肿瘤和瘤周放射组学特征的多中心验证的预后预测特征,与乳腺癌的能量代谢相关。这种放射组学特征,补充了预测治疗反应的临床特征。研究结果不仅促进了科学界对放射组学和肿瘤生物学之间相互作用的理解,而且还通过无创方法简化了对患者结果的预测。这具有相当大的潜力,可以有意义地转化为未来的临床实践,特别是在个性化医疗和精准治疗策略的开发方面。


参考资料:


1.Sung, H. et al. Global Cancer Statistics 2020: GLOBOCAN estimates of incidence and mortality Worldwide for 36 cancers in 185 countries. CA: A Cancer J. Clin. 71, 209–249 (2021).


2.Siegel, R. L., Miller, K. D., Wagle, N. S. & Jemal, A. Cancer statistics, 2023. CA Cancer J. Clin. 73, 17–48 (2023).

评论:
评 论
共有 0 条评论

    还没有人评论,赶快抢个沙发