众所周知，组织学分级是乳腺癌中最好的临床预后变量之一。最广泛推荐的分级方法是诺丁汉组织学分级系统，该系统由Elston和Ellis的Bloom-Richardson分级系统修改而来，是基于腺体形成程度、核多形性以及有丝分裂计数的整合。与其他常规使用的预后决定因素如淋巴结（LN）状态或肿瘤大小相比，组织学分级同时反映了肿瘤生物行为的形态和增殖状态，因此提供了有价值的预后信息，在临床决策中被广泛使用。

根据肿瘤细胞的增殖和分化程度，乳腺癌被分为三个诺丁汉组织学等级（NHG）：生长缓慢、分化良好（NHG 1），中度分化（NHG 2），以及高度增殖、分化不良（NHG 3）。较高的NHG与较高的复发风险有关，因此需要更积极的治疗策略，而较低的HNG表明预后较好，因此是更保守治疗的适应症。

NHG 2组约占乳腺肿瘤的一半，但与NHG 1和3相比，在形态学模式和生存结果方面表现出更多的异质性和变化。由于NHG 2肿瘤与中等复发风险有关，这给治疗决策带来了挑战。现阶段，基因表达谱已被临床用来将NHG 2肿瘤分为低风险和高风险亚类，并有不同的结果。这些报告表明，NHG 2并不是作为一个单一的临床实体存在。基因表达特征，如Oncotype Dx复发评分和PAM50可以对中等风险肿瘤的复发和死亡提供预测信息。然而，对于常规的临床应用来说，分子和基因诊断仍然很昂贵。

放射组学是一种新兴的影像学方法，可以从医学图像中提取手工制作的放射组学特征，然后用机器学习方法选择关键特征作为定量癌症预后的特征。因此，放射组学为预测乳腺癌对新辅助化疗的病理反应以及评估早期乳腺癌的腋窝LN状态提供了新的机会。

近日，发表在academic radiology杂志的一项研究提出了一个放射组学特征（在本研究中定义为Rad-Grade）用于基于治疗前MRI图像的浸润性乳腺癌的组织学分级，为临床的进一步准确风险分层及预后评估提供了技术支持。

本项研究回顾性地获得了98名患有浸润性乳腺癌和术前MRI扫描的对象。将NHG 1和3的肿瘤随机分成训练组和独立测试组，NHG 2作为预后验证组。通过使用LASSO逻辑回归算法，从MRI图像特征中建立了一个基于放射组学的组织学等级预测特征。该模型用于识别NHG 1和3的放射组学模式，然后利用学到的模式将NHG 2肿瘤重新分层为Rad-Grade（RG）2-低（NHG 1-like）和RG2-高（NHG 3-like）亚型，并从无复发生存率（RFS）方面评估其预后价值。 

Rad-Grade对NHG 2肿瘤的重新分层显示出独立的预后价值，在调整了既定的风险因素后，RG2-高与RG2-低相比复发风险增加（HR 2.20, 1.10-4.40, p = 0.026）。RG2-低与NHG 1有相似的表型特征和RFS结果，RG2-高与NHG 3有相似的表型特征和RFS结果，显示该模型捕捉到了NHG 2中与不同侵略性相关的放射学特征。Rad-Grade的预后价值在NHG2 ER+（HR 2.53, 1.13-5.56, p = 0.023）和NHG 2 ER+LN-（HR 5.72, 1.24-26.44, p = 0.025）亚组和特定治疗背景下得到进一步验证。 

图 接受肿块切除术（A）或乳腺切除术（B）、接受辅助内分泌治疗的ER+肿瘤患者（C）和未接受新辅助治疗的患者（D），RG2低和RG2高亚型之间的无复发生存率差异。RG，Rad-Grade；ER，雌激素受体

本项研究表明，基于放射组学的NHG 2肿瘤再分层为肿瘤分级的基因表达谱提供了一种具有重要临床价值的替代方法，可进一步改善临床决策。

原文出处：

Meng Jiang,Chang-Li Li,Xiao-Mao Luo,et al.An MRI-based Radiomics Approach to Improve Breast Cancer Histological Grading.DOI:10.1016/j.acra.2022.12.014