编者按：2022年美国圣安东尼奥乳腺癌研讨会（SABCS）日程已过大半，大会将于今天公布一项关于乳腺纹理影像学和乳腺癌风险关系的研究。研究通过层次聚类和主成分分析筛选出可重复的影像学征象，并且其效果在部分癌种和人群中优于乳腺密度。《肿瘤瞭望》对该研究做如下介绍。

 

■研究题目：Radiomic phenotypes of breast texture and association with breast cancer risk and masking

■摘要号：GS4-06

■公布时间：12月09日10:15 AM–10:30 AM CT

 

乳腺实质的影像学征象与患癌风险相关，目前已有专家建议对乳腺实质的影像学征象进行定量测量。本研究基于乳腺筛查人群的全视野数字化乳腺摄影（full field digital mammography，FFDM）的放射组学征象，定义了乳腺实质的内在影像学表型，并评估了影像学征象与乳腺癌风险和掩蔽的相关性。

 

本研究从宾夕法尼亚大学医院、梅奥诊所和旧金山乳腺X光检查登记处等三个机构的Hologic机器中选择具有4视角FFDM检查的30000名女性，并随机分为训练集（20000名女性）和测试集（10000名女性）。使用经ComBat优化位点差异的标准软件流水线从每个图像自动提取390个放射组学特征。通过层次聚类和主成分（PC）分析，筛选出训练集中的显著特征并在测试集中进行验证。接着将同样的聚类分析和主成分分析应用于独立的嵌套病例对照集[1082例浸润性乳腺癌病例（其中151例黑人，893例白人，38例其他人种），以及在年龄、人种、成像时间和地点相对应的2837例（411例黑人和2345例白人，81例其他人种）]。研究使用条件逻辑回归分析了层次聚类和主成分分析二者与浸润性乳腺癌风险以及掩蔽的相关性[定义假阴性（false-negative，FN）筛查（124例病例和319例对照）以及间隔期症状性癌症（symptomatic interval cancer，IC，指12个月筛查间隔期内发生的症状性乳腺癌）子集（88病例和223例对照）]。研究仅评估了它们与乳腺癌的关系，并使用似然比检验对年龄、体重指数（BMI）和乳腺密度（由乳腺影像报告和数据系统（BI-RADS）评估）进行校正。研究通过AUC估算偏差，并比较模型1（仅包含年龄、BMI和乳腺密度）和模型2（还包含放射组学和PC分析）的AUC。研究还对人种（黑人/白人）进行了分层分析。

 

在训练集中发现六个具有统计学意义的层次聚类（每个聚类至少有1000名女性），并在测试集中进行验证。同时在训练集中还发现6个主成分，这可以解释85%的纹理特征变化，也在测试集中通过了验证。六个放射组学表型聚类（P<0.001）和六个主成分分析（P<;0.001）均与侵袭性乳腺癌相关，校正年龄、BMI和乳腺密度后依旧如此（层次聚类P=0.004；主成分分析P<0.001）。在黑人女性中的主成分分析或层次聚类分析与侵袭性乳腺癌的关系更加明显。此外，主成分分析（P<0.001）和层次聚类（P<0.001）与总体假阴性筛查和间隔期症状性癌症存在显著相关（主成分分析P<0.001；层次聚类P=0.001），但在校正年龄、BMI和乳腺密度后只有主成分分析与其相关（假阴性筛查P=0.004；间隔期症状性癌症，P=0.007）。包含层次聚类和主成分分析后，辨别掩蔽的能力也有所增强。

 

本研究确定了与侵袭性乳腺癌风险相关的、具有可重复性的影像组学特征，其效果超越了乳腺密度，并且这种影像组学特征与有症状间期癌及黑人女性的侵袭性乳腺癌的相关性最大。

 

 

Stacey J Winham博士副教授

明尼苏达州罗彻斯特，梅奥医学教育与研究基金会

作为统计遗传学家，她开发了统计方法用于识别高维数据中疾病的遗传风险，并将其应用于精神病遗传学、乳腺癌和卵巢癌的研究。在乳腺癌领域，Winham博士研究了乳腺癌风险的早期预防预测。在Mayo Clinic良性乳腺队列中，她分析了未来发展为乳腺癌相关的组织生物标志物。此外，在Mayo乳腺X光健康研究中，她还研究了作为乳腺癌危险因素的影像学指标，如乳腺密度。