乳腺癌X线摄影的影像组学表现特征

马文娟，赵玉梅，季宇，郝玉娟，刘君君，刘佩芳*

1.天津医科大学肿瘤医院乳腺影像诊断科，国家肿瘤临床医学研究中心，乳腺癌防治教育部重点实验室，天津市肿瘤防治重点实验室，天津 300060；2.天津医科大学生物医学工程与技术学院，天津 300060；

三阴性乳腺癌（triple negative breast cancer，TNBC）占乳腺癌的 10%～20%，其生物学特征不同于其他类型的乳腺癌，具有更强的侵袭性，复发及转移率高，患者生存率低[1-3]。目前主要采用免疫组化方法判断分子分型，它需要经活检或外科手术获取并分析部分肿瘤组织。然而，由于肿瘤发展过程中空间和时间的异质性，这部分组织并不能代表完全的肿瘤组织特点。目前已有学者分析TNBC与非三阴性乳腺癌（non-triple negative breast cancer，NTNBC）的X线摄影表现特征，发现两者在大小及形态上存在差异，表明乳腺 X线摄影可以为区分 TNBC与NTNBC提供有价值的参考信息，然而这仅从视觉层面解读乳腺X线影像[4-5]。本研究采用影像组学方法，对TNBC和NTNBC的X线图像进行客观及定量分析，探讨两者的X线摄影影像组学表现特征。

1 资料与方法

1.1 研究对象 回顾性分析2015年8-10月天津医科大学肿瘤医院符合以下纳入标准的患者：①经病理证实为乳腺浸润性导管癌；②具有完整的乳腺X线摄影资料；③图像质量、拍摄条件及拍摄体位符合诊断标准。排除行影像检查前行穿刺或新辅助化疗者。

1.2 乳腺X线图像采集 采用Hologic LoradSelenia全野数字化乳腺X线摄影机及配套的后处理工作站，选择Auto-Filter模式进行曝光，拍摄标准双侧乳腺头尾位（craniocaudal，CC）和内外斜位（mediolateral obique，MLO）片。

1.3 图像分析

1.3.1 感兴趣区（ROI）提取 许多肿瘤区域与正常组织之间无明显边界，目前尚无合适的算法来实现对病变的自动分割。由2名高年资影像医师协商，从CC位和MLO位图像中选取病变显示较清楚的图像作为特征提取的对象，并利用 Image J软件（https://imagej.nih.gov/ij/）对该图像中的病变区域进行ROI提取。

1.3.2 影像组学特征提取及统计学分析 采用常用的12个影像组学特征参数，包括形态学特征（3个）、灰度统计特征（4个）和纹理特征（5个）。形态学特征包括面积、圆度和凹性率，其中面积用ROI区域中像素点个数代表肿瘤大小；圆度定为4π×A/P2，A为肿瘤面积，P为周长；凹性率定义为|A-B|/A，B为ROI区域计算的凸壳面积，即对 ROI区域进行形态学中的凸壳运算后获得的区域面积。灰度统计特征是对像素灰度值的统计，包括灰度均值、标准差、峰度和偏度[6]。纹理特征是对像素灰度级空间分布模式的描述，体现了图像内部灰度级的变化。本研究采用基于灰度共生矩阵的纹理特征参数，包括对比度、相关性、能量、熵和同质性[7]。

1.4 统计学方法 采用 Matlab 2014b软件进行编程计算各特征参数，采用 Mann-Whitney U检验比较TNBC与NTNBC患者的年龄、病变形态、灰度统计和纹理特征在X线影像上的差异，P<0.05表示差异有统计学意义，采用受试者工作特性（ROC）曲线确定各特征参数的最佳诊断临界值，并得到与之相对应的曲线下面积（AUC）、敏感度及特异度。

2 结果

2.1 患者病变特征 331例乳腺浸润性导管癌患者纳入研究，其中TNBC 29例，根据病例号，采用随机数字法，按照样本量 1∶3进行随机抽样选取 87例NTNBC患者进行初步分析，均为女性。TNBC患者的年龄为30～82岁，中位年龄52岁；NTNBC患者的年龄为29～77岁，中位年龄53岁；两组年龄差异无统计学意义（P>0.05）。29例TNBC中，肿块病变25例，其中1例伴钙化；结构扭曲或不对称致密病变4例，均不伴钙化。87例NTNBC中，肿块病变41例，其中3例伴钙化；结构扭曲或不对称致密病变46例，其中19例伴钙化。

2.2 影像组学特征计算及统计结果 对病变区域ROI的分割效果见图1，并对每个ROI提取12个特征参数，统计结果见表1。对于形态学特征，圆度和凹性率在两个数据集上差异有统计学意义（P<0.001、P<0.01），AUC分别为0.753和0.670，TNBC的圆度高于NTNBC（图2A），凹性率则相反（图2B）；在灰度统计特征参数中，灰度均值和偏度在两个数据集上差异有统计学意义（P<0.05），AUC分别为0.702和0.640，TNBC的灰度均值高于NTNBC（图2C），偏度则相反（图2D）；对于纹理特征，并未显示出差异有统计学意义的特征参数。在提取的所有特征参数中，表现最优的为肿瘤圆度，AUC达0.753，最佳临界值为0.521；其次为灰度均值，AUC为0.702，最佳临界值为165.8。相应的ROC曲线见图3。

图1 女，51岁，左乳浸润性导管癌（三阴性），乳腺X线头尾位（A）及ROI手动分割效果图（B），其圆度和凹性率分别为0.755、0.042；女，62岁，左乳浸润性导管癌（非三阴性），乳腺X线头尾位（C）及ROI手动分割效果图（D），其圆度和凹性率分别为0.465、0.251

表1 TNBC与NTNBC的特征参数及统计学参数

图2 差异有统计学意义的特征参数在TNBC（n=29例）与NTNBC（NTNBC，n=87例）患者中的数据集箱式图：A～D分别为圆度、凹性率、灰度均值、偏度

图3 差异有统计学意义的特征参数鉴别TNBC与NTNBC患者的ROC曲线

3 讨论

目前乳腺癌临床治疗方案主要依据分子分型，其中TNBC对内分泌治疗和靶向治疗不敏感，化疗、手术和放疗为主要治疗手段，而使用相同治疗方案的TNBC患者其反应及预后也不尽相同，其原因是由于肿瘤的异质性，免疫组化方法有时并不能代表完全的肿瘤组织特点。而影像组学可全面、无创、定量观察肿瘤形态，对肿瘤的发展过程和治疗反应随时进行监测，从而为肿瘤的空间和异质性问题提供可靠的解决方案。本研究采用影像组学中的形态学、灰度统计及纹理特征，对TNBC和NTNBC的X线摄影图像进行客观、量化分析，对比得出两者在形态学和灰度统计特征上存在差异。

3.1 TNBC与NTNBC影像组学特征比较分析 本研究所提取的12个影像组学特征中，2个形态学（圆度和凹性率）和2个灰度统计特征（灰度均值和偏度）在TNBC与NTNBC间存在差异。特征参数圆度显示TNBC比NTNBC更圆；凹性率反映了形态的规则程度，值越小则形态越规则，结果提示TNBC比NTNBC形态更规则，与文献[8]报道相符；灰度统计特征结果显示TNBC具有更高的灰度均值，表明TNBC在X线影像上较NTNBC有更高的亮度；偏度是指非对称分布的偏斜状态，本研究中病变图像的偏度大部分数值小于0，故均为负偏，且从分布来看，NTNBC的偏度大于TNBC。在区分TNBC与NTNBC的能力上，特征参数灰度均值和肿瘤圆度AUC达到0.7以上，然而灰度均值的敏感度仅为 0.586；而偏度的敏感度达到0.966；特异度最高的为灰度均值（0.782）。因此，可以综合考虑上述特征参数，作为可能的潜在生物标记物，未来可应用于区分TNBC和NTNBC。

在肿瘤大小上，本研究结果显示，TNBC与NTNBC并无显著差异，与张利文等[8]的结果一致。而Youk等[9]的研究结果表明，MRI上TNBC比NTNBC更大，这可能是由于X线是二维影像，并不能像MRI一样可以多方位、多层面、以三维方式显示病变，从而与实际肿瘤大小存在偏差；对于纹理特征，本研究中没有得到有统计学意义的特征参数，而既往研究[9-10]结果表明，TNBC在动态对比增强 MRI上表现更不均匀，可能与成像方式不同有关，亦可能因为本研究样本量少，并不能代表TNBC整体的纹理特征情况，仍需加大样本量进一步研究。

3.2 本研究的局限性 ①由于许多病变区域与正常组织间无明显边界，目前尚无合适的算法来实现对病变的自动分割，本研究所用数据均由2名高年资影像医师协商进行手动分割，难免会与病变的真实边界存在误差；②本研究所采用的数据均为相同成像标准的单中心影像资料，且样本量较少，尚需要大量、多中心患者资料验证其准确性。

总之，基于X线摄影的影像组学表现特征（病变的圆度、凹性率、灰度均值和偏度）有助于鉴别TNBC与NTNBC，上述特征对乳腺癌分型及临床治疗方案的制订具有潜在的价值。今后的研究中，会加大样本量，并与机器学习方法相结合实现计算机自动分类。