切换至 "中华医学电子期刊资源库"
高级检索
中华医学超声杂志（电子版）

中华医学超声杂志（电子版） >

2024 , Vol. 21 >Issue 04: 361 - 369

DOI: https://doi.org/10.3877/cma.j.issn.1672-6448.2024.04.003

浅表器官超声影像学

自动乳腺超声联合免疫组化早期预测乳腺癌新辅助化疗病理完全缓解的临床价值

  • 赵阳 1 ,
  • 肖迎聪 2 ,
  • 巨艳 3 ,
  • 党晓智 3 ,
  • 蔡林利 2 ,
  • 薛文欣 3 ,
  • 李洋 3 ,
  • 肖瑶 3 ,
  • 郭妤绮 3 ,
  • 宋宏萍 , 3, †
展开
  • 1.710032　西安，空军军医大学第一附属医院（西京医院）超声医学科;712046　咸阳，陕西中医药大学医学技术学院
  • 2.712046　咸阳，陕西中医药大学医学技术学院
  • 3.710032　西安，空军军医大学第一附属医院（西京医院）超声医学科
通信作者：宋宏萍，Email：

Copy editor: 汪荣

收稿日期: 2024-01-19

  网络出版日期: 2024-06-13

基金资助

国家自然科学基金面上项目(82071934)

陕西省科技计划项目国合重点项目(2020KWZ-022)

陕西省高等教育教学改革研究重点项目(21JZ009)

空军军医大学临床研究项目(2021LC2210)

版权

未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计，除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。本刊为电子期刊，以网刊形式出版。
收起

Clinical value of automated breast ultrasound combined with immunohistochemistry in early prediction of pathological complete response to neoadjuvant chemotherapy in breast cancer

  • Yang Zhao 1 ,
  • Yingcong Xiao 2 ,
  • Yan Ju 3 ,
  • Xiaozhi Dang 3 ,
  • Linli Cai 2 ,
  • Wenxin Xue 3 ,
  • Yang Li 3 ,
  • Yao Xiao 3 ,
  • Yuqi Guo 3 ,
  • Hongping Song , 3, †
Expand
  • 1.Department of Ultrasound Medicine, The First Affiliated Hospital of Air Force Military Medical University(Xijing Hospital), Xi'an 710032, China;Shanxi University of Traditional Chinese Medicine, Xianyang 712046, China
  • 2.Shanxi University of Traditional Chinese Medicine, Xianyang 712046, China
  • 3.Department of Ultrasound Medicine, The First Affiliated Hospital of Air Force Military Medical University(Xijing Hospital), Xi'an 710032, China
Corresponding author: Song Hongping, Email:

Received date: 2024-01-19

  Online published: 2024-06-13

Copyright

Copyright by Chinese Medical Association No content published by the journals of Chinese Medical Association may be reproduced or abridged without authorization. Please do not use or copy the layout and design of the journals without permission. All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.
Fold

摘要

目的

探讨自动乳腺超声（ABUS）联合免疫组化早期预测乳腺癌患者新辅助化疗（NAC）后获得病理完全缓解（pCR）的临床价值。

方法

收集2019年3月至2022年6月于空军军医大学第一附属医院（西京医院）乳腺外科收治的420例女性乳腺癌患者，所有患者均经穿刺病理证实为浸润性乳腺癌，患者在行NAC前均行ABUS检查，根据术后病理结果将乳腺癌患者分为pCR组153例和非病理完全缓解（npCR）组267例。采用多因素Logistic回归分析乳腺癌pCR的独立预测因素，构建3种预测模型分别为ABUS特征预测模型、免疫组化预测模型、ABUS联合免疫组化的联合预测模型。绘制3种模型的ROC曲线评估模型效能，通过DeLong检验比较模型的ROC曲线下面积，选择最优模型构建列线图。通过Hosmer-Lemeshow检验分析模型拟合度，采用Bootstrap法对模型进行内部验证，绘制校准度曲线对模型性能进行评估，使用决策曲线评估预测模型的临床获益。

结果

乳腺癌NAC前pCR组与npCR组肿瘤的雌激素受体（ER）状态、孕激素受体（PR）状态、人表皮生长因子受体-2（HER-2）状态、Ki67状态和分子分型差异有统计学意义（P均<0.05）；NAC前pCR组与npCR组肿瘤的皮肤侵犯、形态、后方回声、冠状面汇聚征、冠状面白墙征差异有统计学意义（P均<0.05）。多因素Logistic回归分析显示，HER-2状态（OR值：4.396， 95%CI：2.089~9.250）、分子分型（HER-2过表达型OR值：4.124，95%CI：2.069~8.219；三阴性型OR值：4.775，95%CI：2.188~10.422）、皮肤侵犯（OR值：0.110，95%CI：0.038~0.318）、冠状面汇聚征（OR值：0.416，95%CI：0.220~0.787）、冠状面白墙征（OR值：11.192，95%CI：5.316~23.561）是pCR的独立预测因子（P均<0.05）。DeLong检验表明基于ABUS模型和免疫组化特征构建的联合模型的ROC曲线下面积（AUC=0.855）显著高于免疫组化模型（AUC=0.758）和ABUS模型（AUC=0.774），差异均有统计学意义（Z=5.11，P<0.001；Z=5.49，P<0.001）；ABUS模型的ROC曲线下面积（AUC=0.774）略高于免疫组化模型（AUC=0.758），但差异无统计学意义（Z=0.55，P=0.58）。Hosmer-Lemeshow检验表明联合模型拟合度良好（χ2=6.175，P=0.519）；内部验证结果显示，C-指数为0.856（95%CI：0.810~0.886），表明模型稳定性良好；校准曲线表明联合模型的预测概率与实际概率一致性良好；决策曲线表明在广泛阈值范围内，联合模型具有较好的临床获益。

结论

基于NAC前肿瘤的ABUS特征联合免疫组化构建联合模型可以早期准确预测乳腺癌NAC后pCR，可为乳腺癌患者临床治疗方案的制定提供依据。

关键词： 自动乳腺超声; 乳腺癌; 新辅助化疗; 病理完全缓解; 免疫组织化学

本文引用格式

赵阳 , 肖迎聪 , 巨艳 , 党晓智 , 蔡林利 , 薛文欣 , 李洋 , 肖瑶 , 郭妤绮 , 宋宏萍 . 自动乳腺超声联合免疫组化早期预测乳腺癌新辅助化疗病理完全缓解的临床价值[J]. 中华医学超声杂志（电子版）, 2024 , 21(04) : 361 -369 . DOI: 10.3877/cma.j.issn.1672-6448.2024.04.003

Abstract

Objective

To evaluate the clinical value of automated breast ultrasound (ABUS) combined with immunohistochemistry in early prediction of pathological complete response (pCR) to neoadjuvant chemotherapy (NAC) in breast cancer patients.

Methods

A total of 420 female breast cancer patients admitted to the Department of Breast Surgery, the First Affiliated Hospital of Air Force Military Medical University (Xijing Hospital) from March 2019 to June 2022 were included. All patients were confirmed to have invasive breast cancer by puncture pathology. All patients underwent ABUS examination before NAC. According to the postoperative pathological results, the patients were divided into either a pCR group (n=153) or a non-pathological complete response (npCR) group (n=267). Multivariate Logistic regression was used to identify the independent predictors of pCR in breast cancer. Three prediction models were constructed: ABUS feature prediction model, immunohistochemical prediction model, and ABUS combined with immunohistochemical prediction model. The receiver operating characteristic (ROC) curves of the three models were plotted to evaluate their performance. The area under the ROC curve (AUC) of the models was compared by the Delong test, and the optimal model was selected to construct a nomogram. The fitness of the model was analyzed by the Hosmer-Lemeshow test, and the Bootstrap method was used to verify the model internally. The calibration curve was drawn to evaluate the performance of the model, and the decision curve was used to evaluate the clinical benefit of the prediction model.

Results

There were significant differences in estrogen receptor (ER) status, progesterone receptor (PR) status, human epidermal growth factor receptor (HER-2) status, Ki67 status, and molecular typing between the pCR group and npCR group before NAC (P<0.05 for all). There were also significant differences in skin invasion, morphology, posterior echo, retraction phenomenon on coronal images, and white wall sign on coronal images between the two groups before NAC (P<0.05 for all). Multivariate Logistic regression analysis showed that HER-2 status (odds ratio [OR]=4.396, 95% confidence interval [CI]: 2.089-9.25), molecular typing (HER-2 overexpression type: OR=4.124, 95%CI: 2.069-8.219; triple negative type (OR=4.775, 95%CI: 2.188-10.422), skin invasion (OR=0.110, 95%CI: 0.038-0.318), retraction phenomenon on coronal images (OR=0.416, 95%CI: 0.220-0.787), and white wall sign on coronal images (OR=11.192, 95%CI: 5.316-23.561) were independent predictors of pCR (P<0.05 for all). The Delong test showed that the AUC (0.855) of the combined model (nomogram) based on the ABUS model and immunohistochemical features was significantly higher than that of the immunohistochemical model (AUC=0.758; Z=5.11, P<0.001) and the ABUS model (AUC=0.774; Z=5.49, P<0.001); the AUC (0.774) of the ABUS model was slightly higher than that of the immunohistochemical model (AUC=0.758 ), but the difference was not statistically significant (Z=0.55, P=0.58). The Hosmer-Lemeshow test showed that the model fit well (χ2=6.175, P=0.519 ). The results of internal validation showed that the average C-index was 0.856 (95%CI: 0.810-0.886), indicating that the model had good stability. Calibration curve analysis showed that the prediction probability of the combined model was in good agreement with the actual probability. Decision curve analysis showed that the combined model had better clinical benefits in a wide range of thresholds.

Conclusion

The combined model based on ABUS features of pre-NAC tumors combined with immunohistochemistry can accurately predict pCR to NAC in breast cancer, which can provide a basis for the formulation of clinical treatment plans for breast cancer patients.

Key words： Automated breast ultrasound; Breast cancer; Neoadjuvant chemotherapy; Pathological complete remission; Immunohistochemistry

乳腺癌是全世界女性发病率、死亡率最高的恶性肿瘤［1］。新辅助化疗（neoadjuvant chemotherapy，NAC）是临床中局部晚期和早期乳腺癌的标准治疗方法之一［2］。其具有缩小肿瘤体积，降期保乳、保腋窝、监测化疗药敏性等优势；达到病理完全缓解（pathological complete response，pCR）的患者可明显提高无病生存率和总生存率［2-3］。然而，由于乳腺癌的异质性，NAC反应各不相同，平均pCR率仅为19%左右［4］。故早期预测乳腺癌患者NAC后pCR对临床医师及时调整治疗方案，使患者免受不必要的NAC相关的胃肠道副作用和心脏毒性危害具有重要意义。本研究探讨自动乳腺超声（automated breast ultrasound，ABUS）联合免疫组化构建模型早期预测乳腺癌NAC后pCR的临床价值。

资料与方法

一、对象

收集2019年3月至2022年6月于空军军医大学附属西京医院乳腺外科收治的420例女性乳腺癌患者，所有患者均经穿刺病理证实为乳腺浸润性导管癌，患者在行NAC治疗前均行ABUS检查。纳入标准：（1）具有完整的临床病理资料和ABUS资料，可全面评价NAC前的ABUS特征；（2）NAC术前穿刺活检，病理证实为浸润性乳腺癌；（3）接受标准的NAC；（4）NAC后进行手术，术后病理检查是否pCR。排除标准：（1）单侧及双侧乳腺远处转移及多发性乳腺癌；（2）未完成完整的化疗方案；（3）既往有放疗、化疗史。本研究是一项回顾性研究，经空军军医大学附属西京医院伦理委员会审批同意（伦理批件编号：KY20192119-F-1），经审批不需患者签署书面知情同意。

二、仪器与方法

1. ABUS检查：所有患者在NAC前均使用GE公司生产的Invenia ABUS 2.0进行ABUS检查。患者呈仰卧位，双臂上举充分暴露双侧乳房，由超声科专职医师对患者双侧乳房进行扫查。常规扫描每个乳房的3个视图，包括前后位、外侧位、内侧位。
2.图像分析：由2名高年资超声医师依据第五版乳腺影像报告和数据系统（breast imaging reporting and data system，BI-RADS）、自动乳腺容积超声技术专家共识（2022版）［5］对ABUS检查获取的病灶特征进行分类记录。乳腺病变的综合评估包括肿瘤最长径、皮肤侵犯、形态、生长方向、内部回声、后方回声表现、是否存在钙化、冠状汇聚征、冠状面跳跃征和冠状面白墙征等多种特征的评估。如果有分歧，讨论后达成一致。
3. NAC方案：根据中国乳腺癌新辅助治疗专家共识［6］，所有患者在手术前接受6或8个周期的NAC。NAC方案主要以蒽环类药物、紫杉烷或蒽环类药物和紫杉烷联合使用为主；此外，部分Luminal型乳腺癌常规推荐内分泌辅助治疗，所有人表皮生长因子受体-2（human epidermal growth factor receptor 2，HER-2）阳性乳腺癌患者均接受曲妥珠单抗靶向治疗。
4.病理学指标：所有患者在NAC前均行超声引导下乳腺肿瘤穿刺活检，并测量免疫组化指标，包括雌激素受体（estrogen receptor，ER）、孕激素受体（progesterone receptor，PR）、HER-2状态和Ki67指数。将<1%阳性染色的肿瘤细胞定义为ER/PR阴性，否则为ER/PR阳性，Ki67的临界值为14%；对于HER-2状态，免疫组化（imunohistochemistry，IHC）结果评分为3+定义为HER-2阳性；IHC结果评分为0或1+定义为HER-2阴性，如果评分为2+，则使用荧光原位杂交（fluorescence in situ hybridization，FISH）进一步确认。FISH未扩增的结果被认为是HER-2阴性，而FISH扩增的结果定义为HER-2阳性［7,8,9］。根据免疫组化结果，参照St.Gallen标准将肿块分为：Luminal型包括2个亚型［Luminal A型，即ER（+）、PR（+）且高表达（>20%），HER-2（-），Ki67低表达（<14%）。Luminal B型，一种即ER（+）和（或）PR（+）、HER-2（-），Ki67高表达（≥14%）或PR低表达（≤20%）；另一种即ER（+）和（或）PR（+）、HER-2（+），Ki67任何状态］；HER-2过表达型，即ER（-）、PR（-）、HER-2（+）；三阴性型，即ER（-）、PR（-）、HER-2（-）。根据Miller&Payne分级法［10］，将切除肿瘤标本的细胞谱与化疗前进行比较。1级：肿瘤细胞无改变或仅个别肿瘤细胞有改变，但总体肿瘤细胞数量未减少；2级：肿瘤细胞少量减少<30%；3级：估计肿瘤细胞减少30%~90%；4级：肿瘤细胞明显消失，肿瘤细胞减少90%以上；5级：肿瘤部位切片无恶性细胞，有时可见残存的导管原位癌。其中1~4级判定为非病理完全缓解（npCR），5级判定为pCR。

三、统计学分析

采用SPSS 26.0及R4.3.1软件进行统计分析。计数资料以例（%）表示，采用χ2检验或Fisher精确检验进行组间比较。非正态分布的计量资料以M（P25，P75）表示，采用Mann-Whitney U检验进行组间比较。采用多因素二元Logistic回归分析NAC前各变量与乳腺癌NAC后pCR的关系，获得独立预测因子。构建3种Logistic回归预测模型，并绘制ROC曲线,采用DeLong检验比较3种模型的ROC曲线下面积。构建列线图预测模型，通过Hosmer-Lemeshow检验分析模型拟合度，采用Bootstrap法（迭代1000次）对模型进行内部验证，绘制校准曲线对模型性能进行评估，使用决策曲线评估预测模型的临床获益。以P<0.05为差异有统计学意义。

结果

一、一般资料

共有420例符合条件的患者纳入研究。所有患者分为pCR组和npCR组。年龄（48.6±10.0）岁，绝经后患者186例（44.3%），绝经前患者234例（55.7%）。所有患者病理证实为浸润性癌，并完成NAC，术后病理显示pCR率为36.4%（153/420），npCR率为63.6%（267/420）。pCR组与npCR组的年龄、绝经状态比较，差异无统计学意义（P均>0.05）。

二、组间免疫组化指标、ABUS特征比较

乳腺癌 NAC前pCR组与npCR组肿瘤的ER状态、PR状态、HER-2状态、Ki-67状态和分子分型差异有统计学意义（P均<0.05，表1）。NAC前pCR组与npCR组肿瘤ABUS特征在皮肤侵犯、形态、后方回声、冠状面汇聚征、冠状面白墙征差异有统计学意义（P均<0.05，表2）。
表1 npCR组与pCR组临床病理特征比较 [例（%）]
临床病理特征 npCR（n=267） pCR（n=153） 统计值 P 值
年龄（岁，） 50.00（41.00，56.00） 50.00（44.00，57.00） Z=-0.669 0.503
绝经状态 χ2=1.145 0.308
未绝经 154（57.6） 80（52.3）
已绝经 113（42.3） 73（47.7）
ER状态 χ2=59.287 <0.001
阴性 69（25.8） 98（64.1）
阳性 198（74.2） 55（35.9）
PR状态 χ2=52.110 <0.001
阴性 96（36.0） 111（72.5）
阳性 171（64.0） 42（27.5）
HER-2状态 χ2=32.646 <0.001
阴性 168（62.9） 52（34.0）
阳性 99（37.1） 101（66.0）
Ki67 状态 χ2=10.228 0.002
≤14% 42（15.7） 8（5.3）
>14% 225（84.3） 145（94.7）
分子分型 χ2=82.056 <0.001
Luminal型 204（76.4） 55（36.0）
HER-2过表达型 20（7.5） 60（39.2）
三阴性型 43（16.1） 38（24.8）

注：npCR为非病理完全缓解；pCR为病理完全缓解；ER为雌激素受体；PR为孕激素受体；HER-2为人表皮生长因子受体-2

表2 npCR组与pCR组ABUS特征比较[例（%）]
ABUS特征 npCR（n=267） pCR（n=153） 统计值 P值
肿瘤最长径[cm，M（P25，P75）] 3.12（2.55，4.11） 3.10（2.40，3.80） Z=-0.890 0.374
皮肤侵犯 χ2=14.281 <0.001
否 218（81.6） 145（94.7）
是 49（18.4） 8（5.3）
形态 χ2=7.425 0.013
不规则 261（97.8） 141（92.2）
规则 6（2.2） 12（7.8）
生长方向 χ2=3.704 0.054
不平行 31（11.6） 9（5.9）
平行 236（88.4） 144（94.1）
内部回声 χ2=0.003 0.955
低回声 258（96.6） 148（96.7）
混合回声 9（3.4） 5（3.3）
后方回声 χ2=17.470 <0.001
无改变 208（77.9） 97（63.4）
增强 33（12.4） 44（28.8）
衰减 26（9.7） 12（7.8）
钙化 χ2=0.019 0.972
无 124（46.4） 70（45.8）
有 143（53.6） 83（54.2）
冠状面汇聚征 χ2=28.331 <0.001
无 167（62.5） 133（86.9）
有 100（37.4） 20（13.1）
冠状面跳跃征 χ2=1.718 0.208
无 240（89.9） 131（85.6）
有 27（10.1） 22（14.4）
冠状面白墙征 χ2=61.392 <0.001
无 242（90.6） 89（58.2）
有 25（9.4） 64（41.8）

注：npCR为非病理完全缓解；pCR为病理完全缓解；ABUS为自动乳腺超声

三、pCR独立预测因子的Logistic回归分析

将P<0.1的变量选择性纳入多因素二元Logistic回归分析，结果表明，HER-2状态（OR值：4.396，95%CI：2.089~9.250，P<0.001）、分子分型（HER-2过表达型OR值：4.124，95%CI：2.069~8.219，P<0.001；三阴性型OR值：4.775，95%CI：2.188~10.422，P<0.001）、皮肤侵犯（OR值：0.110， 95%CI：0.038~0.318，P<0.001）、冠状面汇聚征（OR值：0.416，95%CI：0.220~0.787，P=0.007）、冠状面白墙征（OR值：11.192，95%CI：5.316~23.561， P<0.001）是pCR的独立预测因子（表3）。
表3 pCR独立预测因子的多因素Logistic回归分析
因素 β值 标准误差 Wald值 P值 OR值 95%CI
HER-2状态 1.481 0.380 15.219 <0.001 4.396 2.089~9.250
Luminal型 0
HER-2过表达型 1.417 0.352 16.215 <0.001 4.124 2.069~8.219
三阴性型 1.563 0.398 15.411 <0.001 4.775 2.188~10.422
皮肤侵犯 -2.210 0.543 16.575 <0.001 0.110 0.038~0.318
冠状面汇聚征 -0.876 0.325 7.260 0.007 0.416 0.220~0.787
冠状面白墙征 2.415 0.380 40.436 <0.001 11.192 5.316~23.561
常量 -2.079 0.334 38.793 <0.001 0.125

注：pCR为病理完全缓解；HER-2为人表皮生长因子受体-2

四、预测模型的建立与验证

1.ABUS特征、免疫组化及联合特征预测模型的ROC曲线分析：通过Logistic回归分别构建基于皮肤侵犯、冠状面汇聚征、冠状面白墙征的ABUS特征预测模型；基于HER-2状态、分子分型的免疫组化预测模型；基于HER2状态、分子分型、皮肤侵犯、冠状面汇聚征、冠状面白墙征的联合特征预测模型。绘制ABUS模型、免疫组化模型、联合模型的ROC曲线，其ROC曲线下面积分别为0.774、0.758、0.855（图1，表4）。DeLong检验表明联合模型的ROC曲线下面积显著高于免疫组化模型和ABUS模型，差异均有统计学意义（Z=5.11，P<0.001；Z=5.49，P<0.001）。ABUS模型的ROC曲线下面积略高于免疫组化模型，但差异无统计学意义（Z=0.55，P=0.58）。
图1 3个模型预测病理完全缓解的ROC曲线

注：ABUS为自动乳腺超声

表4 不同模型预测NAC后pCR的ROC曲线效能比较
预测模型 敏感度（%） 特异度（%） 准确性（%） AUC 95%CI
免疫组化模型 75.0 72.6 73.1 0.758 0.710~0.806
ABUS模型 86.6 73.1 75.2 0.774 0.728~0.820
联合模型 80.7 80.1 80.2 0.855 0.817~0.893

注：NAC为新辅助化疗；pCR为病理完全缓解；ABUS为自动乳腺超声

2.联合模型列线图的效能分析：因联合模型的综合效能最佳，在此基础上构建列线图（图2）。Hosmer-Lemeshow检验表明联合模型具有良好的拟合度（χ2=6.175，P=0.519）。采用Bootstrap法迭代1000次进行内部验证，C-指数为0.856（95%CI：0.810~0.886），表明联合模型稳定性良好。通过校准曲线发现列线图模型的预测概率与实际概率一致性良好（平均绝对误差：0.018）（图3）；绘制决策曲线进一步对模型的临床实用性进行分析，结果显示在广泛阈值概率范围（10%~85%）内，联合模型具有较好的临床获益（图4, 5, 6）。
图2 基于自动乳腺超声和免疫组化特征的联合模型列线图。分子分型1、2、3分别代表Luminal型、HER-2过表达型、三阴性型；HER-2的0、1分别代表阴性、阳性；皮肤侵犯、冠状面汇聚征、冠状面白墙征的0、1分别代表无、有

注：HER-2为人表皮生长因子受体-2；pCR为病理完全缓解

图3 联合预测模型的校准曲线
图4 联合预测模型的决策曲线
图5 患者，52岁，女性，浸润性乳腺癌（Luminal A型），完成新辅助化疗（NAC）后非病理完全缓解（npCR）。图a为自动乳腺超声图像显示冠状面汇聚征，无冠状面白墙征和皮肤侵犯；图b为列线图计算总得分为98分（0+0+98+0+0=98），对应于NAC后病理完全缓解（pCR）率为4%
图6 患者，58岁，女性，浸润性乳腺癌（HER-2过表达型），完成新辅助化疗（NAC）后病理完全缓解（pCR）。图a为自动乳腺超声图像显示冠状面白墙征，无冠状面汇聚征和皮肤侵犯；图b为列线图计算总得分为388分（45+92+98+53+100=388），对应于NAC后pCR率为89%

讨论

目前，NAC是临床中乳腺癌的标准治疗方法之一。NAC的主要目标是缩小肿瘤体积和降低腋窝淋巴结负担，若实现pCR，可提高患者生存率［11-12］。超声检查在临床中应用最为广泛，其具有无创、便捷、经济等优势。ABUS克服了手持超声操作者依赖性和无法标准化成像的不足，并具有全容积成像、可重复性好、冠状面成像等优势，其独特的冠状面成像可提高ABUS的诊断性能［13-14］。在本研究中，NAC前获取的肿瘤ABUS特征联合免疫组化特征构建的模型可早期准确预测乳腺癌患者NAC后pCR，为临床医师化疗方案的制定和手术方式的选择提供影像学参考。
本研究中，在免疫组化方面分子分型和HER-2状态为pCR的独立预测因子，与以往研究结果一致［15］。美国临床肿瘤学会（american society of clinical oncology，ASCO）指南［16］ 推荐曲妥珠单抗、帕妥昔单抗和紫杉醇作为HER-2阳性晚期乳腺癌患者的一线靶向治疗药物。靶向药物的使用增加了HER-2阳性乳腺癌NAC后的pCR率。三阴性乳腺癌（triple negative breast cancer，TNBC）侵袭性高，预后差，易发生转移和复发，但其对NAC反应敏感，pCR率较高［17,18,19］。不同分子分型乳腺癌NAC后pCR率不同，其中Luminal型乳腺癌的pCR率最低（8.6%），TNBC的pCR率为23.2%，HER-2过表达型乳腺癌的pCR率为38.7%［4］。这可能是因为Luminal型乳腺癌是一种增殖缓慢的肿瘤，其更适合局部治疗及长时间内分泌治疗［20］，相比之下，HER-2过表达型和TNBC是高级别快速增殖类型肿瘤，其对NAC药物敏感，更倾向于实现pCR［21］。
本研究发现，ABUS特征冠状面汇聚征、冠状面白墙征和皮肤侵犯是NAC后pCR的独立预测因素。冠状面汇聚征表现为病灶周边放射状分布的条状高回声并向中心汇聚，可能是由肿瘤侵犯周围正常组织引起的结缔组织增生反应，对乳腺恶性肿瘤诊断特异度较高［22］。既往研究发现低级别和体积小的肿瘤较高级别和体积大的肿瘤生长更慢，有丝分裂率更低，可能导致更多的周围结缔组织粘连增生反应，因此冠状面汇聚征与低级别肿瘤有关。而Luminal 型乳腺癌更容易出现冠状面汇聚征［23-24］。冠状面白墙征定义为病灶后方平面内出现的高回声区，由后方回声增强所致，对于一些成分均匀且透声好或有囊性成分的恶性肿瘤也可出现冠状面白墙征［5，25］。在本研究中纵切面观察到的肿瘤后方回声增强和冠状面白墙征均有利于评估NAC后pCR，而冠状面白墙征为pCR的独立预测因子，可能与在冠状面能够更直观地观察诊断信息有关。既往研究表明，与周围组织相比，后方回声增强的肿瘤更具细胞性，且增殖迅速［26］，HER-2过表达型和TNBC较Luminal亚型更容易出现后方回声增强［27］。HER-2过表达型较明显的冠状面白墙征、形状不规则等表现是由于病变侵袭性强所致；其肿瘤血管内皮生长因子表达增高，促进肿瘤侵袭转移，进而刺激新生血管逐渐向病变中心生长，血供丰富，导致病变侵袭性生长［28］。有研究表明快速增殖的高级别肿瘤较低级别肿瘤更容易实现pCR［21］。以上可能是出现冠状白墙征较出现冠状面汇聚征肿瘤更容易实现pCR的原因。研究发现皮肤侵犯与腋窝淋巴结转移有很高的相关性。病变浅层脂肪回声增强及侵犯皮肤多是由于乳腺内皮下脂肪淋巴管丰富，癌细胞易浸润，皮下淋巴管与腋窝淋巴结之间可能存在一定引流［29］。对于存在淋巴结转移的患者，肿瘤侵袭性较高，NAC后的pCR率较低［30］。这可能解释存在皮肤侵犯的乳腺癌其pCR率较低的原因。既往的一些研究［31,32,33］发现，Ki67水平、肿瘤大小、钙化与NAC后pCR有关，这与本研究的结果不同，不同的结果可能是由选取肿瘤亚型的组成不同、样本量的差异以及检查仪器的不同导致。
本研究中尚存在一定局限性。首先，本研究是一项单中心回顾性研究，且样本量少，可能出现选择偏倚的主要原因是排除了无ABUS检查的患者。因此，未来需要进行更大样本量的多中心前瞻性研究。其次，没有评估基于人工智能和机器学习的放射组学特征，将人工智能和机器学习应用于预测模型的构建中，可能会进一步提高模型的性能。最后，没有使用其他机构的数据进行外部验证。
综上所述，ABUS特征联合免疫组化指标模型对乳腺癌患者NAC后pCR的早期预测效果优于单独应用ABUS或临床病理指标模型，可在一定程度上为乳腺癌个体化治疗临床决策的制定提供有效的诊断参考。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
1
Bray F, Ferlay J, Soerjomataram I, et al. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries [J]. CA Cancer J Clin, 2018, 68(6): 394-424.

2
Rauch GM. Precision imaging: one step closer to pretreatment prediction of breast cancer response to neoadjuvant systemic therapy [J]. Radiology, 2023, 308(1): e231482.

3
Kuerer HM, Smith BD, Krishnamurthy S, et al. Eliminating breast surgery for invasive breast cancer in exceptional responders to neoadjuvant systemic therapy: a multicentre, single-arm, phase 2 trial [J]. Lancet Oncol, 2022, 23(12): 1517-1524.

4
Haque W, Vrema V, Hatch S, et al. Response rates and pathologic complete response by breast cancer molecular subtype following neoadjuvant chemotherapy [J]. Breast Cancer Res Treat, 2018, 170(3): 559-567.

5
中国超声医学工程学会仪器工程开发专业委员会, 中国抗癌协会肿瘤影像专委会, 中华医学会超声医学分会浅表组织与血管学组. 自动乳腺容积超声技术专家共识(2022版) [J]. 中国超声医学杂志, 2022, 38(3): 241-247.

6
《中国乳腺癌新辅助治疗专家共识(2022年版)》专家组. 中国乳腺癌新辅助治疗专家共识(2022年版)[J].中国癌症杂志， 2022, 32(1): 80-89.

7
Fujii T, Kogawa T, Dong W, et al. Revisiting the definition of estrogen receptor positivity in HER2-negative primary breast cancer [J]. Ann Oncol, 2017, 28(10): 2420-8.

8
Allison KH, Hammond MEH, Dowsett M, et al. Estrogen and progesterone receptor testing in breast cancer: ASCO/CAP guideline update [J]. J Clin Oncol, 2020, 38(12): 1346-1366.

9
Wolff AC, Hammond MEH, Allison KH, et al. Human epidermal growth factor receptor 2 testing in breast cancer: American Society of Clinical Oncology/College of American Pathologists Clinical Practice Guideline Focused Update [J]. Arch Pathol Lab Med, 2018, 142(11): 1364-1382.

10
Ogston KN, Miller ID, Payne S, et al. A new histological grading system to assess response of breast cancers to primary chemotherapy: prognostic significance and survival [J]. Breast, 2003, 12(5): 320-327.

11
Cortazar P, Zhang L, Untch M, et al. Pathological complete response and long-term clinical benefit in breast cancer: the CTNeoBC pooled analysis [J]. Lancet, 2014, 384(9938): 164-172.

12
Early breast cancer trialists' collaborative group (EBCTCG). Long-term outcomes for neoadjuvant versus adjuvant chemotherapy in early breast cancer: meta-analysis of individual patient data from ten randomised trials [J]. Lancet Oncol, 2018, 19(1): 27-39.

13
Spear GG, Mendelson EB. Automated breast ultrasound: Supplemental screening for average-risk women with dense breasts [J]. Clin Imaging, 2021, 76: 15-25.

14
Huppe AI, Inciardi MF, Aripoli AM, et al. Pearls and pitfalls of interpretation of automated breast US [J]. Radiographics, 2023, 43(10): e230023.

15
Cui H, Zhao D, Han P, et al. Predicting pathological complete response after neoadjuvant chemotherapy in advanced breast cancer by ultrasound and clinicopathological features using a nomogram [J]. Front Oncol, 2021, 11: 718531.

16
Giordano SH, Franzoi MAB, Temin S, et al. Systemic therapy for advanced human epidermal growth factor receptor 2-positive breast cancer: ASCO guideline update [J]. J Clin Oncol, 2022, 40(23): 2612-2635.

17
Vagia E, Mahalingam D, Cristofanilli M. The landscape of targeted therapies in TNBC [J]. Cancers (Basel), 2020, 12(4): 916.

18
Dastilva JL, Cradosonunes NC, Izetti P, et al. Triple negative breast cancer: A thorough review of biomarkers [J]. Crit Rev Oncol Hematol, 2020, 145: 102855.

19
Houssami N, Macaskill P, von Minckwitz G, et al. Meta-analysis of the association of breast cancer subtype and pathologic complete response to neoadjuvant chemotherapy [J]. Eur J Cancer, 2012, 48(18): 3342-3354.

20
Ishitobi M, Ohsumi S, Inaji H, et al. Ipsilateral breast tumor recurrence (IBTR) in patients with operable breast cancer who undergo breast-conserving treatment after receiving neoadjuvant chemotherapy: risk factors of IBTR and validation of the MD Anderson Prognostic Index [J]. Cancer, 2012, 118(18): 4385-4393.

21
Baumgartner A, Tausch C, Hosch S, et al. Ultrasound-based prediction of pathologic response to neoadjuvant chemotherapy in breast cancer patients [J]. Breast, 2018, 39: 19-23.

22
Lin X, Wang J, Han F, et al. Analysis of eighty-one cases with breast lesions using automated breast volume scanner and comparison with handheld ultrasound [J]. Eur J Radiol, 2012, 81(5): 873-878.

23
Chang CY, Kuo SJ, Wu HK, et al. Stellate masses and histologic grades in breast cancer [J]. Ultrasound Med Biol, 2014, 40(5): 904-916.

24
De numzio M, Evans A, Pinder S, et al. Correlations between the mammographic features of screen detected invasive breast cancer and pathological prognostic factors [J]. The Breast, 1997, 6(3): 146-149.

25
Vourtsis A, Kachulis A. The performance of 3D ABUS versus HHUS in the visualisation and BI-RADS characterisation of breast lesions in a large cohort of 1,886 women [J]. Eur Radiol, 2018, 28(2): 592-601.

26
Zhang L, Li J, Xiao Y, et al. Identifying ultrasound and clinical features of breast cancer molecular subtypes by ensemble decision [J]. Sci Rep, 2015, 5: 11085.

27
Zheng FY, LU Q, Huang BJ, et al. Imaging features of automated breast volume scanner: Correlation with molecular subtypes of breast cancer [J]. Eur J Radiol, 2017, 86: 267-275.

28
Liang X, LI Z, Zhang L, et al. Application of contrast-enhanced ultrasound in the differential diagnosis of different molecular subtypes of breast cancer [J]. Ultrason Imaging, 2020, 42(6): 261-270.

29
Bae MS, Shin SU, Song SE, et al. Association between US features of primary tumor and axillary lymph node metastasis in patients with clinical T1-T2N0 breast cancer [J]. Acta Radiol, 2018, 59(4): 402-408.

30
Huang Z, Jin S, Zeng M, et al. Clinical and therapeutic factors vary by prognosis in patients with pathological complete response after neoadjuvant therapy for breast cancer [J]. Cancer Manag Res, 2021, 13: 9235-9246.

31
Mazari FAK, Sharma N, Dodwell D, et al. Human epidermal growth factor 2-positive breast cancer with mammographic microcalcification: relationship to pathologic complete response after neoadjuvant chemotherapy [J]. Radiology, 2018, 288(2): 366-374.

32
唐益勇, 李晓琴, 施燕芸, 等. 超声结合钼靶成像及Ki-67表达对乳腺癌新辅助化疗疗效的预测价值 [J/OL]. 中华医学超声杂志(电子版), 2021, 18(6): 564-569.

33
Hou N, Xiao J, Wang Z, et al. Development and validation of a nomogram for individually predicting pathologic complete remission after preoperative chemotherapy in Chinese breast cancer: A population-based study [J]. Clin Breast Cancer, 2020, 20(6): e682-e694.

Options
文章导航

/

〈 〉

版权所有 中华医学会 中华医学电子音像出版社有限责任公司  京ICP备14006079号-1  网络出版服务许可证：(署)网出证(京)字第075号

AI
小
编
AI小编
你好！我是《中华医学电子期刊资源库》AI小编，有什么可以帮您的吗？