Ultrasound-based intratumoral and peritumoral radiomics for predicting HER2 status in patients with breast cancer

doi:10.3877/cma.j.issn.1672-6448.2024.12.002

Abstract

Abstract:

Objective

To evaluate the predictive value of intratumoral and peritumoral ultrasound imaging features for human epidermal growth factor receptor 2 (HER2) expression status in breast cancer patients.

Methods

A retrospective analysis was conducted on data from 403 breast cancer patients diagnosed at the Third People's Hospital of Chengdu between April 2021 and March 2024.The patients were randomly divided into a training set of 282 patients and a validation set of 121 patients.For conventional ultrasound, the maximum longitudinal axis of the tumor was used to delineate the intratumoral region of interest (ROI).A 3 mm extension outward from the tumor boundary was used to define the peritumoral ROI.Radiomics features were extracted from these ROIs.In the training set, features were reduced using the Mann-Whitney U test, Pearson correlation analysis,and the Least Absolute Shrinkage and Selection Operator (LASSO).A support vector machine (SVM) classifier was used to construct a radiomics model and calculate the radiomics score.Univariate and multivariate analyses were used to compare clinical pathological indicators between HER2-positive and HER2-negative groups to identify independent clinical risk factors and construct a clinical model.Radiomics scores and independent clinical risk factors were combined into a multivariate logistic regression model to create a combined model.The performance and clinical utility of the models were evaluated using ROC curve, calibration curve, and decision curve analyses.

Results

The area under the curve (AUC) values for the intratumoral model, peritumoral model, combined intratumoral and peritumoral model, clinical model, and combined model in the training set were 0.791, 0.786, 0.848,0.749, and 0.861, respectively.In the validation set, the corresponding AUC values were 0.733, 0.739, 0.839, 0.704,and 0.845, respectively.Decision curve analysis showed that the combined model had the highest clinical utility,and the calibration curve indicated that the combined model was close to the ideal curve.The Hosmer-Lemeshow test showed good goodness of fit for the combined model (P=0.209).

Conclusion

The ultrasound radiomics models considering both intratumoral and peritumoral features can non-invasively predict HER2 expression status in breast cancer patients before surgery.The combined model, which incorporates independent clinical risk factors,demonstrates higher predictive efficacy and has clinical application value.

Key words: Ultrasound; Radiomics; Breast cancer; Human epidermal growth factor receptor

Quanyu Nie, Mingxing Li, Ying Liu, Hui Wang, Yuanyuan Chen, Hong Zhou, Yang Zhou. Ultrasound-based intratumoral and peritumoral radiomics for predicting HER2 status in patients with breast cancer[J]. Chinese Journal of Medical Ultrasound (Electronic Edition), 2024, 21(12): 1103-1110.

/ / Recommend

Add to citation manager EndNote|Ris|BibTeX

URL: https://chaosheng.cma-cmc.com.cn/EN/10.3877/cma.j.issn.1672-6448.2024.12.002

https://chaosheng.cma-cmc.com.cn/EN/Y2024/V21/I12/1103

Figures/Tables 8

资料	训练集（282例）	验证集（121例）	统计值	P值
年龄（岁， $\bar{x}$ ±s）	55.32±12.94	54.88±13.40	t=0.305	0.761
肿瘤最大直径（cm， $\bar{x}$ ±s）	2.32±1.04	2.41±0.95	t=0.808	0.420
BMI值			χ ²=0.495	0.482
≥24（kg/m²）	172（60.99）	79（65.29）
＜24（kg/m²）	110（39.01）	42（34.71）
是否绝经			χ ²=0.345	0.557
是	200（70.92）	90（74.38）
否	82（29.08）	31（25.62）
病理类型			χ ²=2.143	0.343
浸润性导管癌	232（82.27）	104（85.95）
浸润性小叶癌	8（2.84）	5（4.13）
其他	42（14.89）	12（9.92）
BI-RADS分级			χ ²=2.617	0.624
3类	2（0.71）	2（1.65）
4a类	37（13.12）	18（14.88）
4b类	81（28.72）	34（28.10）
4c类	97（34.40）	34（28.10）
5类	65（23.05）	33（27.27）
微钙化			χ ²=0.088	0.767
是	160（56.74）	66（54.55）
否	122（43.26）	55（45.45）
CEA			χ ²=2.731	0.098
≥4.70ng/ml	21（7.45）	16（13.22）
＜4.70ng/ml	261（92.55）	105（86.78）
肿块位置			χ ²=0.075	0.784
左乳	155（54.96）	64（52.89）
右乳	125（45.04）	57（47.11）

资料	训练集（282例）	验证集（121例）	统计值	P值
年龄（岁， $\bar{x}$ ±s）	55.32±12.94	54.88±13.40	t=0.305	0.761
肿瘤最大直径（cm， $\bar{x}$ ±s）	2.32±1.04	2.41±0.95	t=0.808	0.420
BMI值			χ ²=0.495	0.482
≥24（kg/m²）	172（60.99）	79（65.29）
＜24（kg/m²）	110（39.01）	42（34.71）
是否绝经			χ ²=0.345	0.557
是	200（70.92）	90（74.38）
否	82（29.08）	31（25.62）
病理类型			χ ²=2.143	0.343
浸润性导管癌	232（82.27）	104（85.95）
浸润性小叶癌	8（2.84）	5（4.13）
其他	42（14.89）	12（9.92）
BI-RADS分级			χ ²=2.617	0.624
3类	2（0.71）	2（1.65）
4a类	37（13.12）	18（14.88）
4b类	81（28.72）	34（28.10）
4c类	97（34.40）	34（28.10）
5类	65（23.05）	33（27.27）
微钙化			χ ²=0.088	0.767
是	160（56.74）	66（54.55）
否	122（43.26）	55（45.45）
CEA			χ ²=2.731	0.098
≥4.70ng/ml	21（7.45）	16（13.22）
＜4.70ng/ml	261（92.55）	105（86.78）
肿块位置			χ ²=0.075	0.784
左乳	155（54.96）	64（52.89）
右乳	125（45.04）	57（47.11）

参数	训练集（282例）			验证集（121例）
参数	HER2阴性（195例）	HER2阳性（87例）	P值	HER2阴性（96例）	HER2阳性（25例）	P值
年龄（岁， $\bar{x}$ ±s）	55.36±13.78	55.21±10.90	0.925	54.16±13.99	57.64±10.65	0.333
肿瘤直径（cm， $\bar{x}$ ±s）	2.07±0.90	2.90±1.11	＜0.001	2.30±0.91	2.82±0.98	0.021
BMI指数			0.346			0.579
＜24	123（63.08）	49（56.32）		61（63.54）	18（72.00）
≥24	72（36.92）	38（43.68）		35（36.46）	7（28.00）
是否绝经			0.821			0.135
是	137（70.26）	63（72.41）		68（70.83）	22（88.00）
否	58（29.74）	24（27.59）		28（29.17）	3（12.00）
病理类型			0.420			0.935
浸润性导管癌	161（82.56）	71（81.61）		82（85.42）	22（88.00）
浸润性小叶癌	7（3.59）	1（1.15）		4（4.17）	1（4.00）
其他	27（13.85）	15（17.24）		10（10.42）	2（8.00）
BI-RADS分级			0.233			0.352
3类	2（1.03）	-		2（2.08）	-
4a类	28（14.36）	9（10.34）		13（13.54）	5（20.00）
4b类	57（29.23）	24（27.59）		29（30.21）	5（20.00）
4c类	70（35.90）	27（31.03）		29（30.21）	5（20.00）
5类	38（19.49）	27（31.03）		23（23.96）	10（40.00）
微钙化			＜0.001			0.081
是	93（47.69）	67（77.01）		48（50.00）	18（72.00）
否	102（52.31）	20（22.99）		48（50.00）	7（28.00）
CEA			0.048			0.146
≥4.70ng/ml	10（5.13）	11（12.64）		10（10.42）	6（24.00）
＜4.70ng/ml	185（94.87）	76（87.36）		86（89.58）	19（76.00）
肿块位置			0.663			1.000
左乳	105（53.85）	50（57.47）		51（53.12）	13（52.00）
右乳	90（40.15）	37（42.53）		45（46.88）	12（48.00）

参数	训练集（282例）			验证集（121例）
参数	HER2阴性（195例）	HER2阳性（87例）	P值	HER2阴性（96例）	HER2阳性（25例）	P值
年龄（岁， $\bar{x}$ ±s）	55.36±13.78	55.21±10.90	0.925	54.16±13.99	57.64±10.65	0.333
肿瘤直径（cm， $\bar{x}$ ±s）	2.07±0.90	2.90±1.11	＜0.001	2.30±0.91	2.82±0.98	0.021
BMI指数			0.346			0.579
＜24	123（63.08）	49（56.32）		61（63.54）	18（72.00）
≥24	72（36.92）	38（43.68）		35（36.46）	7（28.00）
是否绝经			0.821			0.135
是	137（70.26）	63（72.41）		68（70.83）	22（88.00）
否	58（29.74）	24（27.59）		28（29.17）	3（12.00）
病理类型			0.420			0.935
浸润性导管癌	161（82.56）	71（81.61）		82（85.42）	22（88.00）
浸润性小叶癌	7（3.59）	1（1.15）		4（4.17）	1（4.00）
其他	27（13.85）	15（17.24）		10（10.42）	2（8.00）
BI-RADS分级			0.233			0.352
3类	2（1.03）	-		2（2.08）	-
4a类	28（14.36）	9（10.34）		13（13.54）	5（20.00）
4b类	57（29.23）	24（27.59）		29（30.21）	5（20.00）
4c类	70（35.90）	27（31.03）		29（30.21）	5（20.00）
5类	38（19.49）	27（31.03）		23（23.96）	10（40.00）
微钙化			＜0.001			0.081
是	93（47.69）	67（77.01）		48（50.00）	18（72.00）
否	102（52.31）	20（22.99）		48（50.00）	7（28.00）
CEA			0.048			0.146
≥4.70ng/ml	10（5.13）	11（12.64）		10（10.42）	6（24.00）
＜4.70ng/ml	185（94.87）	76（87.36）		86（89.58）	19（76.00）
肿块位置			0.663			1.000
左乳	105（53.85）	50（57.47）		51（53.12）	13（52.00）
右乳	90（40.15）	37（42.53）		45（46.88）	12（48.00）

组别	AUC（95%CI）	敏感度（%）	特异度（%）	准确性（%）
瘤内模型
训练集	0.791（0.727～0.845）	83.6	65.5	78.7
验证集	0.733（0.630～0.836）	76.0	70.8	74.4
瘤周模型
训练集	0.786（0.739～0.844）	65.1	85.1	74.8
验证集	0.739（0.623～0.856）	48.0	94.8	76.0
瘤内+瘤周模型
训练集	0.848（0.799～0.897）	69.7	89.6	75.5
验证集	0.839（0.760～0.918）	88.0	66.7	85.1
临床模型
训练集	0.749（0.687～0.811）	83.6	52.9	74.5
验证集	0.704（0.604～0.804）	72.0	53.1	72.7
联合模型
训练集	0.861（0.812～0.910）	87.7	74.7	83.7
验证集	0.845（0.760～0.929）	80.0	76.0	82.6

References 15

1	Siegel RL, Giaquinto AN, Jemal A.Cancer statistics, 2024[J].CA Cancer J Clin, 2024,74(1):12-49.
2	Elshazly AM, Gewirtz DA.An overview of resistance to Human epidermal growth factor receptor 2 (Her2) targeted therapies in breast cancer[J].Cancer Drug Resist, 2022, 5(2): 472-486.
3	von Arx C, De Placido P, Caltavituro A, et al.The evolving therapeutic landscape of trastuzumab-drug conjugates: Future perspectives beyond HER2-positive breast cancer[J].Cancer Treat Rev, 2023, 113: 102500.
4	Kazerouni AS, Hormuth DA 2nd, Davis T, et al.Quantifying tumor heterogeneity via MRI habitats to characterize microenvironmental alterations in HER2+ breast cancer[J].Cancers (Basel), 2022, 14(7): 1837.
5	Gillies RJ, Kinahan PE, Hricak H.Radiomics: images are more than pictures, they are data[J].Radiology, 2016, 278(2): 563-577.
6	吴佩琪.乳腺癌瘤周影像组学研究进展[J/CD].中华乳腺病杂志(电子版), 2023, 17(5): 301-304.
7	Wang J, Gao W, Lu M, et al.Development of an interpretable machine learning model for Ki-67 prediction in breast cancer using intratumoral and peritumoral ultrasound radiomics features[J].Front Oncol,2023,13: 1290313.
8	Ramtohul T, Djerroudi L, Lissavalid E, et al.Multiparametric MRI and radiomics for the prediction of HER2-zero, -low, and -positive breast cancers[J].Radiology, 2023, 308(2): e222646.
9	Deng Y, Lu Y, Li X, et al.Prediction of human epidermal growth factor receptor 2 (HER2) status in breast cancer by mammographic radiomics features and clinical characteristics: a multicenter study[J].Eur Radiol,2024, 34(8): 5464-5476.
10	张成孟, 丁治民, 陈鹏, 等.基于DCE-MRI 瘤内及瘤周影像组学联合TIC 分型及Ki-67 预测乳腺癌患者HER-2 表达[J].磁共振成像, 2023, 14(4): 68-75.
11	李周丽, 陈基明, 高静, 等.MRI 影像组学模型术前预测乳腺癌人表皮生长因子受体2 表达状态的价值[J].磁共振成像, 2023, 14(4): 82-88.
12	Wu L, Zhao Y, Lin P, et al.Preoperative ultrasound radiomics analysis for expression of multiple molecular biomarkers in mass type of breast ductal carcinoma in situ[J].BMC Med Imaging, 2021, 21(1): 84.
13	Xu H, Liu J, Chen Z, et al.Intratumoral and peritumoral radiomics based on dynamic contrast-enhanced MRI for preoperative prediction of intraductal component in invasive breast cancer[J].Eur Radiol,2022, 32(7): 4845-4856.
14	Li C, Song L, Yin J.Intratumoral and peritumoral radiomics based on functional parametric maps from breast DCE-MRI for prediction of HER-2 and Ki-67 Status[J].J Magn Reson Imaging, 2021, 54(3): 703-714.
15	黄贵廉, 陈智毅.乳腺癌超声征象与分子标志物的相关性研究进展[J].中国医学影像学杂志, 2021, 29(1): 86-88, 92.

Please choose a citation manager

Content to export