炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

（来源：医学界）

转自：医学界

常规MRI联合病理数据有望区分乳腺癌HER2三种表达状态，助力治疗决策优化。

乳腺癌是我国女性最常见的恶性肿瘤之一，随着分子分型技术的不断发展，人表皮生长因子受体（HER2）的表达状态在乳腺癌的诊疗决策及预后评估中发挥着重要作用[1]。目前，HER2状态主要依赖免疫组化（IHC）和荧光原位杂交（FISH）检测，但其在实践中受限于标准化流程，费用与检测条件等因素。已有研究尝试利用核磁共振成像（MRI）放射组学方法预测乳腺癌患者的HER2表达状态，但由于研究中特征提取、选择和建模流程尚未统一，导致可重复性和临床转化受限。近期，一项研究通过整合临床病理信息与常规动态对比增强磁共振成像（DCE-MRI）相关参数，构建了一种简便实用的HER2表达状态预测模型，为辅助分型和精准治疗选择提供了新的可能[2]。现整理其重点内容如下，供读者参考。

研究方法

本研究基于中山大学附属第三医院2012年6月至2023年5月间收治的乳腺癌病例，回顾性纳入211例接受术前乳腺MRI检查并经术后病理确诊的原发性乳腺癌患者。根据IHC及FISH检测结果，患者被划分为HER2-zero（IHC 0）、HER2-low（IHC 1+或2+且FISH阴性）和HER2-positive（IHC 3+或2+且FISH阳性）三组。研究设立了2个分类任务：

• 任务1：区分HER2-zero/low与HER2-positive

• 任务2：区分HER2-zero与HER2-low

在每个任务中，患者按7:3比例随机分为训练集与测试集。研究提取了多项常规MRI参数包括肿瘤内脂肪抑制T2加权成像（FS T2WI）高信号强度、表观扩散系数（ADC）、峰值信噪比（PSER）、峰值时间（TTP）等和临床病理特征如ER/PR状态、Ki-67指数、肿瘤分级等进行特征筛选。通过单因素Logistic回归筛选p<0.2的变量特征进入多因素分析，进一步采用逐步回归法构建二元Logistic回归模型，确定HER2表达状态的独立预测因子。通过计算各变量的比值比（OR）及95%置信区间（CI），并绘制ROC曲线评估模型的诊断性能。

研究结果

临床病理和MRI基线特征

在211例纳入的女性患者中，HER2-zero、HER2-low与HER2-positive分别为36例、93例和82例。三组患者在年龄、绝经情况、组织学分级、Ki-67指数、ER/PR状态、肿瘤长短径、肿瘤内FS T2WI信号特征、内部强化方式及ADC值等多项临床病理和MRI参数上存在统计学差异（p<0.05）。在任务1中，有129例HER2-zero/low患者和82例HER2-positive患者，训练集与测试集之间各项特征分布均衡，无显著差异。

关键特征识别与模型性能评估

在任务1中，单因素分析筛选出了11项候选变量纳入多因素Logistic回归分析，结果显示，ADC（OR=41.22,p<0.001）、PSER（OR=0.42, p=0.016）、TTP（OR=0.78, p=0.049）、ER状态（OR=0.17, p=0.002）与Ki-67指数（OR=5.68, p<0.001）为区分HER2-zero/low与HER2-positive的独立预测因子，据此构建了相应预测模型。

在任务2中，年龄（OR=1.07, p=0.030）、内部增强（OR=13.97, p<0.001）、ADC（OR=0.02, p=0.005）和Ki-67指数（OR=0.29, p=0.049）被识别为区分HER2-zero与HER2-low的独立变量。值得注意的是，ADC和Ki-67指数在两个任务中都是稳定的预测指标。

模型在训练集与测试集中的表现均显示出良好判别力。任务1和任务2的训练集曲线下面积（AUC）分别为0.836和0.874，测试集的AUC分别为0.845和0.805，提示该模型在不同HER2表达状态的识别中具有较高的稳定性与准确性。

研究结论

本研究基于常规MRI序列及基础病理信息，构建了区分HER2-zero、HER2-low及HER2-positive乳腺癌的多因素预测模型，具有良好的诊断准确性和较好的临床推广性。研究结果显示ADC和Ki-67指数在两项分类任务中均为稳定的关键变量，提示其在HER2分型预测中的重要价值。总体而言，本研究提出了一种便捷、可推广的预测模型，尤其适用于IHC/FISH检测资源受限的临床场景，未来有望助力HER2靶向治疗时代下的精准分型。