MRI影像组学预测三阴性乳腺癌患者发生放疗抵抗的应用研究

摘要

目的 探讨磁共振成像(MRI)影像组学预测三阴性乳腺癌(TNBC)发生放射治疗(放疗)抵抗的价值，开发并验证放疗抵抗的预测模型，为乳腺癌患者放疗抵抗提供基础。方法 选择2021年8月至2022年10月于四川省简阳市人民医院行TNBC手术治疗的396例患者为研究对象，随机分为训练集277例和验证集119例，根据是否放疗抵抗分为放疗抵抗组和放疗敏感组。探究放疗抗性的影响因素，采用了Logistic回归分析方法；为了确定特征变量的稳定性和线性关系，运用了组内相关系数(ICC)并进行线性相关性检验。通过构建LASSO回归模型结合K折交叉验证策略，筛选出最优特征集。利用支持向量机(SVM)技术构建了影像组学标签，Wilcoxon检验差异性。进一步应用Logistic回归方法开发了一个直观的列线图预测模型，并通过Bootstrap重采样方法进行内部验证，最终利用受试者工作特征曲线(ROC曲线)分析来评估该模型的区分效能，校准曲线评估准确度，决策曲线评估临床收益。结果 Logistic回归结果显示雄激素受体(AR)、肿瘤蛋白p53(p53)、细胞角蛋白5/6(CK5/6)、增殖细胞核抗原(Ki-67)、血小板/淋巴细胞比率(PLR)、中性粒/淋巴细胞比率(NLR)是TNBC发生放疗抵抗的独立危险因素(OR值分别为1.364、2.587、3.054、1.486、2.187、3.520,P<0.05),癌胚抗原(CEA)、糖类抗原153(CA153)是TNBC发生放疗抵抗的保护因素(OR值分别为0.795、0.256,P<0.05);筛选出影像组学标签10个特征，在放疗抵抗组和放疗敏感组中差异性显著(P<0.05);训练集中列线图模型(AUC:0.797,95%CI:0.712～0.859)的灵敏度为70.09%,特异度为70.52%,准确度为71.03%,模型拟合效果显著，相较于单独的影像学模型和临床特征模型，本研究所构建的模型在净收益方面展现出了显著的优势。结论 MRI扫描后提取了10个较优特征，结合临床数据与动态增强扫描影像组学特征所构建的列线图预测模型，在实际临床应用中展现出了良好的可行性和实用性，临床决策指导价值较高。

关键词

MRI影像组学 / 三阴性乳腺癌 / 放疗抵抗 / 列线图模型 / 免疫组化 / 血液检测