基于数字乳腺断层摄影的影像组学预测乳腺癌Ki-67表达及生存预后的研究李佳蔚 李金辉 伏秋燚 贺盛恒 范明 姜婷婷 厉力华 彭卫军 顾雅佳 柴维敏 等
中华放射学杂志2026年 60卷 01期
DOI: 10.3760/cma.j.cn112149-20250514-00255
目的
探讨基于数字乳腺断层摄影(DBT)的影像组学模型预测乳腺癌Ki-67表达状态和生存预后的价值,并进行模型可解释性分析。
方法
该研究为横断面回顾性研究。收集2019年1月至2020年8月复旦大学附属肿瘤医院532例和2021年12月至2022年5月上海交通大学附属瑞金医院137例经术后病理证实为浸润性乳腺癌患者(分别为队列1、队列2)的临床、病理资料及DBT资料。分别在DBT图像的头尾位和内外斜(MLO)位对患者的病灶进行勾画,构建掩膜矩阵并提取影像组学特征。将队列1按照8∶2的比例分为训练集425例和测试集107例,队列2作为外部验证集。经特征降维和筛选后,将保留的特征放入逻辑回归、支持向量机和极端梯度提升(XGBoost)3个机器学习模型,利用受试者操作特征曲线和曲线下面积(AUC)评估3种模型预测Ki-67表达状态的效能,并选出最优模型。进一步将训练集、验证集和外部测试集的患者分成Luminal型亚组和非Luminal型亚组,比较2个亚组中最优模型预测Ki-67表达状态的效能。采用最优模型生成Ki-67评分,并与无病生存期(DFS)相关联。使用Shapley加性解释(SHAP)来解释模型。
结果
最终从DBT病灶提取10个影像组学特征纳入模型,3种模型中XGBoost模型预测Ki-67表达状态效能最好,为最优模型,AUC值在训练集、测试集和外部验证集分别为0.89、0.77和0.74。Luminal型亚组训练集、测试集和外部验证集中XGBoost模型预测Ki-67表达状态的AUC分别为0.90、0.78和0.77,优于非luminal型亚组(训练集、测试集和外部验证集的AUC分别为0.88、0.76和0.68)。根据XGBoost模型生成患者的Ki-67评分,使用X-tile软件确定最佳生存阈值(0.25分),训练集和测试集中Ki-67评分>0.25分是较短DFS的危险因素(训练集:HR=2.76,95%CI 1.25~6.12,P<0.05;测试集:HR=5.07,95%CI 1.16~22.19,P<0.05)。SHAP可解释性分析显示,来自MLO位的小波特征在最终筛选出的特征中占比最多,形态学特征虽然占比不多但权重较大。
结论
基于可解释的DBT影像组学模型能有效预测乳腺癌患者的Ki-67表达状态和生存预后情况,为个体化诊疗提供非侵入性评估工具。