大家好，今天跟大家分享一篇题为Deep learning-based prediction of axillary pathological complete response in patients with breast cancer using longitudinal multiregional ultrasound（基于深度学习的纵向多区域超声预测癌症患者腋窝病理完全反应）乳腺癌是全球女性中最常见的癌症之一，其腋窝淋巴结（ALN）转移发生率高达34%-50.3%。尽管新辅助治疗（NAT）可在37%-75%的患者中消除淋巴结转移并实现病理完全应答（pCR），但目前的临床实践中，腋窝淋巴结切除术（ALND）是接受NAT的ALN阳性乳腺癌患者的常规手术，给患者带来了不必要的后遗症，如淋巴水肿和上肢运动范围丧失。
01
研究背景
捕获乳腺癌患者纵向多区域肿瘤负荷的无创生物标志物可以改善对残留淋巴结疾病的评估并指导腋窝手术。此外，当前数据驱动的深度学习模型临床转化的一个重大障碍是缺乏可解释性。本研究旨在开发和验证一种信息共享私有 （iShape） 模型，通过学习常见和特定的图像表示来预测接受新辅助治疗 （NAT） 的腋窝淋巴结 （ALN） 阳性乳腺癌患者的腋窝病理完全缓解从纵向原发肿瘤和 ALN 超声图像中。
这项多中心回顾性研究共纳入了 1135 名经活检证实的 ALN 阳性乳腺癌患者，这些患者接受了 NAT。iShape 在 371 名患者的数据集上进行了训练，并在三个外部验证集 （EVS1-3） 上进行了验证，分别有 295、244 和 225 名患者。使用受试者工作特征曲线下面积 （AUC） 评估模型性能。还评估了单独使用 iShape 和联合前哨淋巴结活检 （SLNB） 的假阴性率 （FNR）。通过成像特征可视化和RNA测序分析，探究iShape的底层基础。
iShape 对 EVS 1-3 的 AUC 达到 0.950-0.971，优于临床模型和源自原发肿瘤、纵向原发肿瘤或 ALN 的图像特征（根据 DeLong 检验，P < 0.05）。在按年龄、月经状况、T 分期、分子亚型、治疗方案和机器类型分层的亚组分析中，iShape 的性能仍然令人满意（AUC 为 0.812-1.000）。更重要的是，在接受SLNB和ALN清扫的患者中，iShape在EVS中的FNR为7.7%–8.1%，在iShape的帮助下，SLNB的FNR从13.4%下降到3.6%。iShape 的决策过程通过特征可视化来解释。此外，RNA测序分析显示，较低的深度学习分数与免疫浸润和肿瘤增殖途径相关。
见图一研究设计流程图。
图一
a：我们收集了临床特征和纵向多区域超声图像（NAT前原发肿瘤和腋窝淋巴结以及NAT后原发肿瘤）。
b：所提出的iShape模型是使用GPPH和SCH数据集开发的，并在来自SYSUCC、GDTCM的三个独立的外部验证数据集上进行了验证。 和 YNCH。
c：通过曲线下面积（AUC）、校准曲线和假阴性率评估模型性能。
d：在成像特征和生物学途径水平上探索了模型的可解释性。缩写：NAT：新辅助治疗;GPPH：广东省人民医院;SCH：山西省肿瘤医院;SYSUCC：中山大学癌症中心;GDTCM：广东省中医院;YNCH：云南省肿瘤医院;pCR：病理完全缓解。
见图二
iShape在ALN pCR预测中的性能。
图二
a：iShape模型在训练集和外部验证集中的AUC。
b：显示ALN pCR和ALN非pCR患者iShape评分的小提琴图。
c：训练集和外部验证集中iShape的混淆矩阵。学生 t 检验用于比较 pCR 组和非 pCR 组之间的 iShape 分数。缩写：pCR：病理完全缓解;AUC：接收器工作特征曲线下的面积。
见图三
iShape辅助下SLNB的假阴性率。
图三
缩写：SLNB：前哨淋巴结活检;ALND：腋窝淋巴结清扫术。
见图四
iShape的可视化。
图四
（a，b）iShape模型从纵向多区域超声图像中学习到的共享和私有特征。每个点代表一个患者，每种颜色代表不同的图像。
（c）超声图像及相应热图，缩写：pre-pt：新辅助治疗前原发肿瘤;Pre-ALN：新辅助治疗前腋窝淋巴结;PT后：新辅助治疗后原发肿瘤;pCR：病理完全缓解。
见图五
用于ALN pCR预测的iShape的生物学基础。
图五
（a）按低和高iShape评分分层的基因表达谱的火山图（蓝色表示基因表达的下调，红色表示上调）。
（b）KEGG富集结果显示iShape评分较低的顶级相关通路。
（c） iShape 评分低和高患者的免疫浸润模式。
（d-g）对低和高 iShape 评分的药物敏感性，包括多西紫杉醇、阿霉素、拉帕替尼和帕唑帕尼。Wilcoxon秩和检验用于确定iShape评分与免疫浸润之间的差异。学生 t 检验用于比较 pCR 组和非 pCR 组之间的药物敏感性。缩写：ALN：腋窝淋巴结;pCR：病理完全缓解;KEGG：京都基因和基因组百科全书。
02
研究结论
总之，这项研究表明，结合纵向多区域原发肿瘤和 ALN 超声的 iShape 模型具有预测 ALN pCR 和指导腋窝手术的潜力，从而避免不必要的 ALND。此外，通过成像可视化和RNA测序分析解释了iShape的决策过程，这增强了我们模型决策的可靠性。为了提高进一步临床应用的预测性能和普遍性，未来的研究应纳入来自不同国家和种族的大量数据。
好了，今天的文献解读就到这儿来，我们下期再见！