三阴性乳腺癌的雌激素受体、孕激素受体、人类表皮生长因子受体HER2均为阴性，对常用的内分泌治疗和HER2靶向治疗无效，故需进一步分型施治。准确鉴别三阴性乳腺癌、明确其分子分型和重点基因突变，对于后续精准施治具有重要价值。2019年，复旦大学附属肿瘤医院提出三阴性乳腺癌复旦分型，将三阴性乳腺癌分为4个不同的亚型，进而让针对不同亚型的精准治疗成为可能。复旦分型有赖于精准的病理诊断和基因检测报告，通常需要通过穿刺或外科手术获取肿瘤组织，经过一系列处理和检测后方能获得。一方面，获取肿瘤组织不可避免会给患者带来身体创伤；另一方面，后续检测中的肿瘤免疫组化染色、基因测序等处理流程繁杂、步骤多，需投入较多的人力、物力和财力。能否通过影像资料即可鉴别出三阴性乳腺癌，以免除患者创伤之苦？

　　2022年7月19日，美国《细胞》旗下《细胞报告｜医学》在线发表复旦大学附属肿瘤医院蒋麟、尤超、肖毅、苏冠华、夏冰清、张丹丹、江一舟、顾雅佳、邵志敏、复旦大学类脑智能科学与技术研究院王鹤和郑忍成等学者的研究报告，阐明了影像组学对于提示三阴性乳腺癌肿瘤异质性的重要临床价值，首次发现并证实通过对比增强磁共振成像资料，无需穿刺，即可在术前无创、准确地预测三阴性乳腺癌复旦分型，为后续精准治疗奠定基础。

　　该研究首先从2009年8月～2015年5月复旦大学附属肿瘤医院乳腺癌放射组学数据库筛选出860例早期乳腺癌患者作为乳腺癌放射组学队列（其中激素受体阳性468例、HER2阳性268例、三阴性246例）按1∶1的比例随机分为训练集430例和验证集430例，收集乳腺癌患者术前对比增强磁共振图像、勾画靶区和提取定量影像特征，将医学影像数字化。再将其中有放射组学数据、转录组学数据、代谢组学数据、临床随访数据的202例三阴性乳腺癌患者作为三阴性乳腺癌放射基因组学队列按1∶1的比例随机分为训练集101例和验证集101例。

　　随后，利用人工智能机器学习方法，对乳腺癌放射组学队列和三阴性乳腺癌放射基因组学队列建立并验证放射组学特征模型，既可准确区分三阴性乳腺癌与其他乳腺癌亚型（AUROC达0.920），又可准确区分三阴性乳腺癌分子亚型（AUROC达0.819）。这意味着三阴性乳腺癌患者仅需通过增强磁共振成像检查，不需要进行有创活检，就能够较为准确地获知乳腺癌亚型。

　　此外，该研究进一步筛选出反映肿瘤周围异质性的磁共振特征（Peri_V_DN）确定为三阴性乳腺癌无复发生存（P=0.01）和总生存（P=0.004）显著预后因素。结合对应的三阴性乳腺癌转录组学和代谢组学数据，该研究证实肿瘤周围异质性与肿瘤标本免疫抑制和脂肪酸合成上调显著相关，可作为三阴性乳腺癌预后指标。

　　因此，该研究结果表明，磁共振成像特征可从其他乳腺癌亚型区分出三阴性乳腺癌，还可预测三阴性乳腺癌分子亚型。反映肿瘤周围异质性的放射学特征可预测三阴性乳腺癌生存结局，肿瘤周围异质性与三阴性乳腺癌代谢和免疫异常密切相关，可作为三阴性乳腺癌的预后指标。该多组学数据集可以作为促进三阴性乳腺癌精准分型并有助于了解放射组学生物学意义的公共资源，为三阴性乳腺癌精准诊疗提供了新方向。

声明：本文来源SIBCS，仅为交流学习。内容仅代表作者个人观点，望大家理性判断及应用。