Predykcja ekspresji Ki-67 w inwazyjnym raku piersi za pomocą radiomiki z dwóch modalności

Dlaczego to badanie ma znaczenie dla pacjentek

Dla kobiet z rozpoznanym inwazyjnym rakiem piersi kluczowym pytaniem jest, jak szybko guz będzie rósł i się rozsiewał. Lekarze często opierają się na białku zwanym Ki-67, aby oszacować tempo podziałów komórek nowotworowych, ale jego oznaczenie zwykle wymaga pobrania tkanki igłą lub podczas zabiegu chirurgicznego. W tym badaniu sprawdzono, czy informacje ukryte w rutynowych badaniach obrazowych piersi — ultrasonografii i mammografii — można połączyć i przeanalizować komputerowo, aby przewidzieć poziom Ki-67 bez dodatkowego inwazyjnego testu, co mogłoby pomóc dobrać leczenie przy mniejszym dyskomforcie i ryzyku.

Widzieć więcej, niż dostrzega oko

Ultrasonografia i mammografia to standardowe narzędzia wykrywania i charakteryzowania guzów piersi. Radiolodzy oceniają kształt, brzegi i inne widoczne cechy, ale każde zdjęcie zawiera też subtelne wzory jasności i tekstury zbyt złożone, by oko mogło je w pełni przeanalizować. Radiomika to technika przekształcająca te obrazy medyczne w setki mierzalnych cech, zamieniając każdy guz w bogaty cyfrowy odcisk palca. Autorzy założyli, że te „odciski” mogą odzwierciedlać, jak agresywnie zachowuje się guz, w tym czy jego poziom Ki-67 jest wysoki, czy niski.

Połączenie dwóch rodzajów obrazowania

Zespół badawczy objął analizą 206 kobiet z inwazyjnym rakiem piersi leczonych w jednym szpitalu. Wszystkie miały dostępne przedoperacyjne obrazy z ultrasonografii i mammografii oraz wyniki Ki-67 z laboratorium. Guzy pogrupowano jako o niskim Ki-67 (20% lub mniej) lub wysokim Ki-67 (ponad 20%), co jest powszechnie stosowanym progiem. Specjaliści odrysowali kontur każdego guza na obrazach, a oprogramowanie wyekstrahowało ponad tysiąc cech z każdej metody obrazowania. Cechy te opisywały podstawową jasność, kształt guza oraz drobne wzory tekstury, zarówno w oryginalnych obrazach, jak i po matematycznych transformacjach mających na celu uwypuklenie ukrytych struktur.

Uczenie komputera przewidywania agresywności

Ponieważ nie wszystkie cechy są równie istotne, badacze zastosowali metodę statystyczną, aby wybrać mniejszy zestaw cech o największej mocy predykcyjnej. Następnie wytrenowali kilka typów modeli uczenia maszynowego do rozróżniania guzów o wysokim i niskim Ki-67, tworząc trzy wersje: opartą tylko na ultrasonografii, tylko na mammografii oraz łączącą cechy z obu modalności. Modele były rygorystycznie testowane z użyciem powtarzalnej walidacji krzyżowej, procesu wielokrotnego losowego dzielenia danych na zbiory treningowe i testowe, aby sprawdzić, jak dobrze wyniki sprawdzają się w nowych przypadkach.

Czego modele nauczyły się z obrazów

Model łączony wyraźnie przewyższał modele oparte na pojedynczej metodzie obrazowania. Osiągnął pole pod krzywą (AUC) równe 0,882, co oznacza, że prawidłowo uporządkował guzy o wysokim i niskim Ki-67 w niemal dziewięciu na dziesięć przypadków, zachowując dobry kompromis między czułością (wykrywanie agresywnych guzów) a specyficznością (unikanie fałszywych alarmów). Ultrasonografia i mammografia stosowane osobno były zauważalnie mniej dokładne. Wiele najważniejszych cech dotyczyło tekstury — stopnia jednorodności lub zróżnicowania odcieni szarości w obrębie guza — oraz elementów kształtu guza. Przy użyciu narzędzia interpretacyjnego o nazwie SHAP autorzy pokazali, które cechy najsilniej przesuwały model w kierunku przewidywania wysokiego lub niskiego ryzyka, zwiększając przejrzystość jego decyzji.

Potencjalny wpływ na opiekę i dalsze kroki

Badanie sugeruje, że łącząc informacje z ultrasonografii i mammografii, komputery mogą oszacować aktywność wzrostową guza w sposób zbliżony do oznaczania Ki-67 na podstawie biopsji. W praktyce takie narzędzie mogłoby pomóc lekarzom zdecydować, kiedy zaostrzyć leczenie lub prowadzić bardziej intensywny monitoring, zwłaszcza gdy biopsja jest trudna do uzyskania lub gdy potrzebne są powtarzalne pomiary w czasie. Jednak praca została przeprowadzona w jednym ośrodku i retrospektywnie, więc wciąż wymaga weryfikacji na większych, różnorodnych grupach pacjentek oraz w badaniach prospektywnych. Jeśli wyniki potwierdzą się, podejście radiomiki z dwiema modalnościami mogłoby stać się wartościowym, nieinwazyjnym uzupełnieniem tradycyjnej patologii w prowadzeniu spersonalizowanego leczenia raka piersi.

Cytowanie: Xu, R., Lin, Q., Zheng, C. et al. Prediction of Ki-67 expression in invasive breast cancer with dual-modality radiomics. Sci Rep 16, 12129 (2026). https://doi.org/10.1038/s41598-026-42827-y

Słowa kluczowe: rak piersi, Ki-67, radiomika, ultrasonografia, mammografia