多中心概念验证研究：探讨预测HER2阳性与三阴性乳腺癌新辅助治疗反应的工具

引言

新辅助治疗（NAT）是Ⅱ~Ⅲ期乳腺癌的标准治疗策略，其主要终点为病理完全缓解（pCR），即乳腺和腋窝淋巴结无残留浸润性病灶。达到pCR的患者，其无病生存期（DFS）和总生存期（OS）均显著优于未达pCR者，因此提前预测pCR具有重要的临床价值，尤其对于人表皮生长因子受体2（HER2）阳性和三阴性乳腺癌（TNBC）患者，其接受NAT后pCR率可高达40%~60%，临床上对于构建这些亚型特异性预测模型的需求尤为迫切。

然而，目前临床评估pCR的影像学手段仍存在准确性不理想的问题，而真空辅助活检（VAB）也存在一系列问题，如假阴性、依赖操作者经验及出血、气胸等并发症风险。因此，临床上亟需无创且准确的pCR预测方法。而深度学习技术在医学图像分类任务中表现出色，但既往预测NAT后pCR的研究多基于单一磁共振成像（MRI）序列。本研究旨在整合乳腺X线摄影（MG）、多参数MRI（mpMRI）及临床特征，构建并验证一种新型深度学习预测模型。

研究设计

一、研究对象

本研究为回顾性、多中心概念验证研究，纳入2016年1月至2023年2月期间两家机构（机构A、机构B）的359例患者。纳入标准包括病理确诊HER2阳性或TNBC、接受NAT、NAT前做过MG和MRI检查、术后做过病理评估的患者。排除标准包括经其他机构治疗、其他恶性肿瘤及影像/病理/临床数据不完整的患者。最终分配为：机构A 299例按7:3分为训练集（n=209）和验证集（n=90），机构B 60例作为测试集。

二、模型构建

本研究构建了三种递进式深度学习模型（DLM）以预测NAT后的pCR：①六种单模态DLM分别包括表观弥散系数（ADC）图、动态对比增强MRI（DCE-MRI）、SPAIR T2加权成像（SPAIR T2WI）、弥散加权成像（DWI）、头尾位（CC）MG和内外侧斜位（MLO）MG；②整合以上六种单模态模型后的多模态影像融合模型；③与所选临床特征融合后的临床-影像融合模型。而后通过数据分析观察这些模型的曲线下面积（AUC）、准确率、敏感性与特异性。

研究结果

一、基线特征

广义方差膨胀因子（GVIF）提示雌激素受体（ER）、孕激素受体（PR）、肿瘤边缘、最小ADC值、平均ADC值之间不存在显著的共线性。但最小ADC值、平均ADC值与肿瘤边缘被确定为HER2阳性和TNBC患者NAT后pCR的独立预测因子（P均<0.05）。

二、单模态与多模态影像融合DLM

对六种单模态DLM及多模态影像融合DLM进行分析显示：多模态影像融合模型表现出较高的预测性能，在训练集、验证集和测试集中的AUC分别达0.901（95% CI: 0.856–0.936）、0.773（95% CI: 0.673–0.870）和0.722（95% CI: 0.591–0.846），同时还展现出了相对较高的准确率和敏感性。但值得关注的是，在单模态DLM分析中，ADC DLM在预测pCR方面较其他单模态模型表现出更优的性能。

三、临床-影像融合模型

临床模型的构建采用多层感知机（MLP）算法，以最小ADC值、平均ADC值和肿瘤边缘为输入特征，具有较高的预测性能。将其与多模态影像融合DLM结合，得出的临床-影像融合模型被该研究证实为最优预测模型，其在训练集、验证集和测试集中的AUC分别达0.992（95% CI: 0.983–0.998）、0.877（95% CI: 0.800–0.938）和0.768（95% CI: 0.639–0.879），准确率、敏感性与特异性也较高。且决策曲线分析（DCA）表明，在三种模型中，临床-影像融合模型在大多数阈值概率下产生了最大的临床净获益。此外，相应的热图主要突出了MG和mpMRI图像中的肿瘤区域，这可能提示MG和mpMRI对HER2阳性和TNBC患者NAT后pCR的重要预测价值。此外，SHapley可加性解释（SHAP）蜜蜂图显示，最小ADC值是本研究预测pCR的重要特征。

总结

研究显示，基于MG、多参数MRI及临床特征整合构建的DLM可有效预测HER2阳性及TNBC患者NAT后的pCR，其中临床-影像融合模型的预测性能最优，有望成为辅助临床决策的可靠工具，但还需在更大规模前瞻性队列中进一步验证其临床效用。同时，该研究也为后续探索提供了方向，提示未来研究应聚焦于三个方面：一是纳入NAT中及NAT后的纵向影像以捕捉动态变化；二是推动乳腺X线成像参数的跨中心标准化；三是深化MG与mpMRI的全面整合。通过多中心验证、动态监测与多模态融合策略的协同推进，最终实现ADC图及相关模型在pCR预测中的临床转化。

审批号：CN-192843

有效期至：2027-08-27

本材料由阿斯利康提供，仅供医疗卫生专业人士参考，不用于推广目的。若涉及具体药物使用，请参考相关药物说明书，阿斯利康不建议您将产品超说明书使用。

参考文献：

Fu M, Zhao H, Pang J, et al. Prediction of neoadjuvant therapy response to HER2-positive and triple-negative breast cancer: a multicenter proof-of-concept study. Comput Methods Programs Biomed. 2026 Jan;273:109130. doi: 10.1016/j.cmpb.2025.109130.

撰写：River

审校：River

排版：Zelda

执行：Atai

本平台旨在为医疗卫生专业人士传递更多医学信息。本平台发布的内容，不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议。如该等信息被用于了解医学信息以外的目的，本平台不承担相关责任。本平台对发布的内容，并不代表同意其描述和观点。若涉及版权问题，烦请权利人与我们联系，我们将尽快处理。