SABCS中国之声丨毛晓韵教授：基于乳腺钼靶影像的列线图模型，精准预测NAC疗效-肿瘤瞭望

SABCS中国之声丨毛晓韵教授：基于乳腺钼靶影像的列线图模型，精准预测NAC疗效

作者:肿瘤瞭望日期:2025/12/15 14:55:25 浏览量:174

2025年第48届圣安东尼奥乳腺癌研讨会（San Antonio Breast Cancer Symposium，SABCS）于12月9日-12日在美国圣安东尼奥召开。中国医科大学附属第一医院毛晓韵教授领衔（主要研究者：汪时劲、魏宏芮）的一项回顾性研究在本会议上进行了壁报展示（摘要编号：P4-05-18），该研究开发并验证了一种基于术前乳腺钼靶影像特征和临床病理指标的列线图模型，用于预测乳腺癌患者新辅助化疗（Neoadjuvant chemotherapy，NAC）后的病理完全缓解（Pathological complete response，pCR）概率。该模型展现出优异的预测性能和校准能力，决策曲线分析表明其在较宽的阈值概率范围内具有显著的临床净获益。这一研究成果为乳腺癌患者NAC疗效的术前精准预测提供了有力工具，有助于指导个体化治疗决策。肿瘤瞭望特邀毛晓韵教授进行介绍，并邀请陆军军医大学大坪医院徐琰教授对该研究进行点评。

编者按：2025年第48届圣安东尼奥乳腺癌研讨会（San Antonio Breast Cancer Symposium，SABCS）于12月9日-12日在美国圣安东尼奥召开。中国医科大学附属第一医院毛晓韵教授领衔（主要研究者：汪时劲、魏宏芮）的一项回顾性研究在本会议上进行了壁报展示（摘要编号：P4-05-18），该研究开发并验证了一种基于术前乳腺钼靶影像特征和临床病理指标的列线图模型，用于预测乳腺癌患者新辅助化疗（Neoadjuvant chemotherapy，NAC）后的病理完全缓解（Pathological complete response，pCR）概率。该模型展现出优异的预测性能和校准能力，决策曲线分析表明其在较宽的阈值概率范围内具有显著的临床净获益。这一研究成果为乳腺癌患者NAC疗效的术前精准预测提供了有力工具，有助于指导个体化治疗决策。肿瘤瞭望特邀毛晓韵教授进行介绍，并邀请陆军军医大学大坪医院徐琰教授对该研究进行点评。

研究简介

研究背景：乳腺癌作为女性群体中发病率与死亡率均居前列的恶性肿瘤，严重威胁女性健康。NAC已成为乳腺癌综合治疗的核心手段之一，在肿瘤降期、提升保乳手术率、筛选高危患者及改善长期预后等方面发挥着关键作用。准确预测患者对NAC的治疗反应，是优化个体化治疗方案、减少无效治疗带来的副作用与医疗资源浪费、改善患者生存质量的核心前提。

目前，临床常用的NAC疗效评估手段包括临床体格检查、超声、乳腺钼靶检查及MRI等，但单一检查或指标的预测效能有限，难以全面反映肿瘤的生物学特性与化疗敏感性。乳腺钼靶检查作为乳腺癌筛查与诊断的常规手段，其影像中的密度信息与肿瘤细胞构成、基质成分及血管分布等生物学特征密切相关，可能间接反映肿瘤对化疗的反应潜力。

基于此，本研究创新性地提出“乳腺原发癌灶/腺体密度比值”这一量化影像学指标，结合经典临床病理因素，构建并验证一个精准、实用的NAC疗效预测列线图模型，为临床医生术前制定个体化治疗策略提供科学依据。

研究方法：回顾性纳入2020年1月至2024年1月期间接受NAC的387例乳腺癌患者。收集患者的临床病理资料和NAC前乳腺钼靶影像，使用3D Slicer软件（https://www.slicer.org/）进行图像处理，半自动分割癌灶区和正常腺体区，计算二者灰度值比值。根据NAC后Miller-Payne分级将患者分为pCR组和非pCR组。采用单因素分析、多因素Logistic回归和LASSO回归筛选预测因素，构建预测模型并绘制列线图。通过受试者工作特征曲线、校准曲线、决策曲线分析和Bootstrap重抽样法评估模型的预测性能、准确性和临床实用性。

研究结果：本研究最终纳入387例患者，其中184例达到pCR。多因素分析确定乳腺原发癌灶/腺体密度比值、ER状态、HER2状态和Ki67指数是pCR的独立预测因素。基于独立预测因素构建的模型三（含乳腺原发癌灶/腺体密度比值、ER、HER2、Ki67）表现最优：AUC为0.852（95%CI：0.813-0.890），Bootstrap验证后AUC为0.850，C指数为0.8503；校准曲线显示预测概率与实际pCR率高度吻合，Hosmer-Lemeshow检验提示模型拟合良好；DCA曲线显示，在0.05-0.95的阈值概率范围内，模型可提供显著临床净获益。基于模型三绘制列线图，将4个预测变量的回归系数转化为可视化评分体系，临床医生可通过患者具体指标快速计算总分，进而预测pCR概率。同时，开发可视化网络应用程序（https://hongruiwei.shinyapps.io/dynnomapp/），通过滑块输入变量信息即可生成个体化pCR预测结果及95%置信区间，提升模型临床实用性。

专家点评

徐琰教授：这项基于术前乳腺钼靶影像特征与临床病理指标构建的列线图研究具有明显的创新价值与临床潜力，以常规、可普及的钼靶影像为信息来源，提出并量化了“肿瘤原发灶/腺体密度比值”这一新颖影像指标，通过计算癌灶与正常腺体的密度比值能够间接反映肿瘤组织的微观结构和生物学特性，结合ER、HER2、Ki67等经典生物标志物构成了较全面而精准的预测体系。

值得强调的是，癌灶/腺体密度比作为关键的独立预测因子，与pCR呈负相关，其纳入使模型AUC从0.769显著提升至0.852（P＜0.01），大幅增强了模型预测效能。并且作者把模型包装为在线交互工具，便于临床推广与即时决策支持，这是将研究成果转化为临床工具的重要一步。期待本研究在未来能够推进解析癌灶/腺体密度比与NAC疗效相关的核心分子机制的探索，纳入更多影像组学特征与新型分子标志物，在进一步完善前瞻以及外部验证的同时充分探索不同分子亚型表现，成为能够精准指导NAC个体化决策的高效临床工具。