近日，中國科學院深圳先進技術研究院醫(yī)工所勞特伯生物醫(yī)學成像中心與中國醫(yī)學科學腫瘤醫(yī)院深圳醫(yī)院放射科合作研究工作Voxelwise mapping of DCE-MRI time-intensity-curve profiles enables visualizing and quantifying hemodynamic heterogeneity in breast lesions發(fā)表在醫(yī)學放射學領域國際權威期刊European Radiology上。
該研究創(chuàng)新性地提出一種不基于模型、純數(shù)據驅動的DCE圖像定量分析方法，通過逐體素提取時間信號曲線進行自動分類，并將不同類別時間信號曲線的空間分布和分類占比映射到腫瘤空間內部進行顏色編碼，實現(xiàn)了對乳腺癌血流動力學異質性的定量可視化評估。研究發(fā)現(xiàn)該新方法所提取的血流動力學異質性特征對于區(qū)分乳腺腫瘤的良惡性、病理級別、分子亞型和細胞增殖狀態(tài)均具有顯著的價值。
近年來，動態(tài)增強磁共振成像（dynamic contrast enhanced MRI, DCE-MRI）作為乳腺MRI中最重要的序列，已廣泛應用于乳腺癌的診斷、療效評估和預后預測中。DCE-MRI通過連續(xù)監(jiān)測造影劑進出腫瘤內部后引起的磁共振信號的變化，來反映腫瘤的血流動力學。迄今為止，從DCE-MRI圖像中提取血流動力學信息的方法包括定性分析、半定量分析和基于模型的定量分析。由于可操作性強的優(yōu)點，目前定性分析廣泛應用于臨床，但它不能分析整個腫瘤，且容易受到感興趣區(qū)域（ROI）選擇隨機性、信號的平均效應、觀察者間的不一致性的影響，且該方法不能反映腫瘤內部的空間血流動力學異質性。相比之下，半定量分析通過一些半定量參數(shù)更加定量地表征時間信號曲線（Time-Signal Intensity-Curve, TIC），但它仍然容易受到ROI選擇的隨機性、信號的平均效應以及定義的不統(tǒng)一的影響，而很少用于臨床。此外，基于模型的定量分析方法可以獲得組織和病變的定量生理信息，但目前分析都是基于理想模型（例如雙室模型），并且由于模型的復雜性，很容易受到MRI掃描參數(shù)、注射對比劑前組織的基線T1值、動脈輸入函數(shù)和特定組織屬性的影響，此外在濃度曲線擬合過程中也會受到各種偽影、噪聲、變形和/或低時間分辨率影響而產生錯誤結果[12]。因此，由于實驗限制和生理模型固有的缺陷，基于模型的定量分析也很難轉化到臨床場景中。
針對上述問題，該研究繞開復雜的生理學模型，提出一種不基于模型、純數(shù)據驅動的DCE圖像定量分析方法，通過逐體素提取時間信號曲線進行自動分類，并將不同類別時間信號曲線的空間分布和分類占比映射到腫瘤空間內部進行顏色編碼，實現(xiàn)了對乳腺癌血流動力學異質性的定量可視化評估。研究發(fā)現(xiàn)該新方法所提取的血流動力學異質性特征對于區(qū)分乳腺腫瘤的良惡性、病理級別、分子亞型和細胞增殖狀態(tài)均具有顯著的價值，為研究腫瘤微環(huán)境異質性提供了一種新思路和新方法。
研究團隊從2018年12月至2022年7月，回顧性納入了259名接受乳腺動態(tài)增強磁共振成像（DCE-MRI）檢查的患者，共325個病理學證實的乳腺病變。基于手動分割的乳腺病變，將整個3D病變內每個體素的時間-信號曲線根據初始強化速率（未強化、緩慢、中等和快速）、延遲強化狀態(tài)（持續(xù)、平臺和下降）和強化穩(wěn)定性（穩(wěn)定和不穩(wěn)定）分為19類，并計算每個病變的這19類TIC曲線的組成比作為新的特征集（定義為type-19）。分別用type-19特征、臨床常用的三型TIC（流入型、平臺型和流出型）以及半定量參數(shù)構建機器學習模型，用于鑒別病變的良惡性、病理分級、增殖狀態(tài)（Ki-67）和分子亞型（詳見技術路線圖1）。
結果顯示，基于Type-19特征構建的模型在區(qū)分病變的良惡性（分別為AUC=0.875 vs. 0.831，p=0.01和0.875 vs. 0.804，p=0.03）和預測腫瘤增殖狀態(tài)（AUC=0.890 vs. 0.548，p=0.006和0.890 vs. 0.596，p=0.020）方面，顯著優(yōu)于基于三型TIC和半定量參數(shù)的模型。
逐體素TIC曲線分類的空間映射參數(shù)圖提供了一種全新的不基于模型和純數(shù)據驅動的方法來定量可視化腫瘤血流動力學異質性，該方法不僅能用于乳腺癌，還能轉化應用到全身多種腫瘤中，具有廣泛的臨床應用價值。
中國科學院深圳先進技術研究院訪問學者、腫瘤醫(yī)院劉周博士為論文第一作者，客座學生姚冰玉為共同第一作者，張娜副研究員、腫瘤醫(yī)院羅德紅主任為論文通訊作者。
圖1 技術路線流程圖
圖2 四個典型病例的Type-19彩色編碼圖像，包括良性葉狀腫瘤(a)，有大量透明變性的纖維腺瘤(b)，非特殊類型的浸潤性乳腺癌(c)，以及非特殊類型的浸潤性乳腺癌（有壞死區(qū)域） (d)
圖3 使用Type-19特征集區(qū)分乳腺癌病灶的惡性程度。所有良性和惡性乳腺病灶的熱圖分布(a)和條形對比圖(b)，以及良性病灶(c)和惡性病灶(d)Type-19特征集排名條形圖。
圖4 高級別和低級別(a)，高增殖和低增殖狀態(tài)(b)以及四種分子亞型浸潤性乳腺癌(c)的Type-19特征的比較條形圖
附件下載：