乳腺放射组学与乳腺密度在预测乳腺癌中PD-L1表达中的应用

《Cancer Imaging》：Mammographic radiomics and breast density for predicting PD-L1 expression in breast cancer

本研究利用乳腺钼靶影像组学特征结合临床病理变量及同侧乳腺密度，开发非侵入式预测PD-L1表达的方法，并在内外队列中验证其性能，结果证实同侧密度可提升预测准确性（AUC 0.731），外部队列AUC为0.629，初步显示跨机构适用性，但需进一步多中心研究优化

　　

摘要

背景

程序性死亡配体1（PD-L1）的表达是指导乳腺癌免疫治疗的关键生物标志物，尤其是在三阴性亚型中。然而，传统的评估方法依赖于侵入性活检，并受到肿瘤异质性的限制。本研究旨在开发一种非侵入性方法，利用基于乳腺X线的放射组学特征结合临床病理变量和乳腺密度来预测PD-L1的表达，并在内部开发队列和独立的外部验证队列中评估其性能。

方法

共有121名接受PD-L1检测的乳腺癌患者被纳入研究，其中81名来自天津医科大学肿瘤医院（开发队列，2023年4月至2024年9月），40名来自蚌埠医学院第一附属医院（外部测试队列，2019年1月至2025年3月）。使用SIMPACS研究平台，在内外侧斜位（MLO）和头尾位（CC）图像上手动标注了感兴趣的病变区域（ROIs），以提取放射组学特征。此外，在同侧和对侧乳房的乳晕后实质中放置了标准化的1.5厘米×1.5厘米的ROI，以评估背景乳腺密度。在开发队列中，通过结合病变放射组学特征、同侧乳腺密度放射组学数据和临床病理变量训练了一个多层感知器（MLP）分类器，然后未经重新校准直接应用于外部队列。性能评估采用了接收者操作特征曲线下面积（AUC）、准确性、精确度、召回率和F1分数等指标。

结果

在开发队列中，结合临床病理信息的放射组学模型的AUC为0.610。当加入同侧乳腺密度后，AUC提高到0.731。相比之下，包含对侧和双侧乳腺密度的模型的AUC分别为0.535和0.537。在独立的外部队列中，最终的同侧放射组学-临床MLP模型的AUC为0.629。

结论

基于乳腺X线的放射组学模型可能为预测乳腺癌中的PD-L1表达提供一种非侵入性方法。纳入同侧乳腺密度可以提高预测性能，并有助于制定个性化的免疫治疗决策。在外部队列中观察到的性能表明了跨机构的通用性，同时也强调了需要在更大规模的多中心研究中进一步优化和验证的必要性。