乳腺癌肿瘤浸润性淋巴细胞水平的影像评估进展

王梦意 胡仰玲 张小玲

恶性肿瘤的发生发展很大程度上取决于肿瘤细胞与免疫细胞的相互作用，即便是肿瘤晚期，免疫反应也被认为是直接或间接影响病人生存的因素[1]。肿瘤浸润性淋巴细胞（tumor-infiltrating lymphocytes，TIL）是普遍存在于肿瘤内部及间质中的一类单核细胞，主要由细胞毒T 细胞、辅助T 细胞、B细胞以及NK 细胞组成，它参与肿瘤微环境的构成，并在机体免疫应答中发挥作用，是肿瘤免疫中最受关注的生物标志物[2]。肿瘤与TIL 的相关研究涉及多个器官和系统，目前对肺癌和黑色素瘤的研究最多[2]。有研究[3-6]表明TIL 与乳腺癌新辅助化疗和免疫治疗有协同作用，可提高临床疗效。TIL 的评估可能有助于识别更易受免疫调节的乳腺癌病人，帮助临床早期调整治疗方案，给予精准的个体化治疗，从而改善乳腺癌病人的预后。本文将对乳腺癌TIL的临床意义及影像评估研究进展进行综述。

1 TIL 水平对乳腺癌的临床意义及检测现状

近年来乳腺癌成为肿瘤免疫原性研究的热点。从乳腺肿瘤组织中分离的TIL 与自体肿瘤组织混合时能产生具有细胞溶解活性的细胞因子，提示肿瘤微环境中的TIL 可能激发机体对肿瘤的排斥反应[7]。有研究[8]发现TIL 可能成为预测或评估乳腺癌免疫治疗疗效的重要生物学标志物，因为在众多肿瘤免疫生物标志物中，TIL 上程序性死亡受体-配体1（programmed death-ligand 1，PD-L1）的高表达通常与免疫检查点抑制剂的良好疗效相关。其次，高水平TIL 与乳腺癌新辅助化疗（neoadjuvant chemotherapy，NAC）后病理完全缓解（pathologic complete response，PCR）、无病生存期等预后指标具有较高的相关性，尤其是三阴型乳腺癌（triple-negative breast cancer，TNBC）[3-5]。Lee 等[5]对157 例TNBC 病人的研究发现，NAC 前乳腺癌间质内高水平的TIL 可一定程度提示更高的PCR 率及肿瘤组织对化疗药物的高敏感性。由此可推测TIL 能较好地评估乳腺癌免疫治疗及NAC 疗效。

201 4 年，国际TIL 工作组就乳腺癌TIL 的评估方法达成了共识[9]，即将HE 染色切片中有TIL 的间质面积与总间质面积相比得出平均百分比。该共识建议将TIL 水平作为连续性变量进行评估，但也可进行非连续性变量的统计学分析，即设定TIL 水平阈值。有研究者[10]将TIL 水平大于50%的乳腺癌称为淋巴细胞为主的乳腺癌（lymphocyte-predominant breast cancer，LPBC），并发现相比非LPBC，LPBC 的NAC 后PCR 率更高，但因LPBC 仅约占11%，共识[9]并未建议使用该阈值。由于TIL 评估方法还处于待统一和优化的阶段，各项研究使用的阈值还没有统一的标准。在乳腺癌TIL 与影像相关性评估研究中，多数样本量较小，因此TIL 水平的阈值大多定为10%～20%[11-17]。

利用HE 染色切片评估TIL 水平具有很大的局限性。首先，TIL 在肿瘤内分布具有空间异质性，获取全瘤的TIL 水平需要完整切除病灶后进行全瘤区域检测，而肿瘤切除前通过活检组织检测的TIL 水平难以反映整个肿瘤的TIL 水平，导致检测结果片面或差异性大[18]。其次，TIL 水平在治疗过程中是动态变化的[6]，监测治疗过程中的TIL 水平，需要反复多次有创性活检，目前在临床上难以实施。这些局限性限制了TIL 水平在乳腺癌治疗中的应用，因此找到能够高效、全面、无创地反映TIL 水平的评估方法十分必要。

2 影像学对乳腺癌TIL 评估的现状及进展

影像学作为可重复应用的无创性医学成像手段，可提供肿瘤及其周围环境的全局视图，还可以在治疗前、治疗期间和随访中进行动态检查，通过宏观的影像信息反映乳腺癌潜在的细胞、分子及免疫等多方面的微观信息。已有文献[11-12]报道了利用影像学多种方法对乳腺癌TIL 评估的研究。

2.1 MRI 对乳腺癌TIL 的评估作用 一些研究[19-21]表明，MRI 影像数据可以反映肿瘤的微环境变化，从而预测肿瘤的分子亚型、侵袭性及对治疗的反应，在TIL 水平的MRI 评估方面取得了一定的进展。Ku 等[22]及Çelebi 等[11]的研究均发现乳腺癌肿块的MRI 形态特征有助于区分TIL 水平，高TIL 水平组的乳腺癌在MRI 上常表现为单发、类圆形、边界清晰、内部强化均匀的肿块，而低TIL 水平组则不具备上述特征。Xu 等[17]结合病人的扩散加权成像（DWI）还发现乳腺癌肿块的表观扩散系数（ADC）值与TIL水平呈显著正相关，并应用Logistic 回归分析得出ADC 值是预测TIL 水平有统计学意义的参数；Fogante 等[12]研究也得出相似的结论；而Lee 等[23]研究发现，人类表皮生长因子受体2（human epidermal growth factor receptor 2，HER2）阳性、高TIL 水平组病人的ADC 值更低，且更易出现瘤周水肿。Ku 等[24]研究中将66 例TNBC 病人分为低TIL 水平组（＜50%）和高TIL 水平组（≥50%），发现TNBC 肿块的TIL水平与其在乳腺动态增强MRI（dynamic-enhanced image MRI，DCE-MRI）中的强化特点有关，低TIL 水平组的时间动态增强曲线常表现为平台型，而高TIL 水平组则常表现为流出型。Wu 等[25]对126 例乳腺癌病人研究发现，乳腺癌肿瘤体积及肿瘤周围实质强化的平均信号强化率与TIL 水平呈显著正相关，且以TNBC 最为显著；他们还构建了影像征象和病理细胞溶解积分复合TIL 评估模型，结果发现该复合模型与TIL 水平的线性相关性更高。

2.2 PET 对乳腺癌TIL 的评估作用 异常代谢是肿瘤细胞的重要特征之一，在18F-脱氧葡萄糖（18Ffluorodeoxyglucose，18F-FDG）-PET/CT 或PET/MRI中，除了获得常规的MRI 或CT 成像信息外，还能评价肿瘤局部FDG 的浓聚程度，从而在代谢层面对肿瘤进行分析评估。Murakami 等[14]对55 例TNBC和HER2 阳性的浸润性导管癌病人进行研究，并根据TIL 水平分为低（＜10%）、高（≥10%）TIL 水平组，评估18F-FDG-PET/MRI 表现与TIL 水平的相关性，结果发现高TIL 水平组的平均最大标准化摄取值（maximum standardized uptake value，SUVmax）高于低TIL 水平组；再进一步按照有无瘤周水肿进行分组后，发现低TIL 水平并有瘤周水肿组病灶较低TIL水平不伴瘤周水肿组病灶的SUVmax更高。该研究也表明高TIL 水平组的肿瘤在MRI 上更常表现为肿块型，而低TIL 水平组的肿瘤则更常表现为非肿块型。Kajáry 等[13]分析34 例浸润性乳腺癌病人TIL 水平与分期动态18F-FDG-PET/CT 测量的动力学参数（如18F-FDG 从血浆到组织和从组织回到血浆的速率及18F-FDG 在体内己糖激酶作用下磷酸化的速率）的关系，发现两者不具相关性，他们推测此结果可能与样本量过小有关。Sasada 等[15]研究了125 例浸润性乳腺癌病人的全身18F-FDG-PET/CT 和乳腺专用18F-FDG-PET/CT 的SUVmax与TIL 水平的关系，通过多元线性回归分析发现，2 种成像方法获得的SUVmax值均可准确预测乳腺癌的TIL 水平，预测TIL 的临界值为20%；但经倾向评分匹配分析后发现，TIL 水平与乳腺专用18F-FDG-PET/CT 的SUVmax值呈正相关，而与全身18F-FDG-PET/CT 的SUVmax值不相关。

2.3 超声对乳腺癌TIL 的评估作用 乳腺超声简便易行，具有安全无创、无辐射、经济、病人易于接受等优点，是乳腺癌重要影像学检查方法。Çelebi等[11]对158 例浸润性乳腺癌病人进行研究，以10%界定低、高TIL 水平，结果发现高TIL 水平组的肿瘤在超声上常表现为病灶直径≥2 cm、形态规则、边界清晰的肿块。Fukui 等[26]对191 例乳腺浸润性导管癌（包括TNBC 和HER2 阳性乳腺癌）病人根据TIL 水平分为低（＜50%）、高（≥50%）TIL 水平组，结果发现高TIL 水平组的特征性表现为小分叶状、极低内部回声及后方回声明显增强，且根据这3 个超声特征构建预测高TIL 水平组的超声评分，该评分的受试者操作特征（ROC）曲线下面积（AUC）为0.88。

2.4 人工智能及影像组学对乳腺癌TIL 的评估作用 以高质量影像学图像为基础，采用人工智能手段深度挖掘图像信息，形成“影像-微环境组学”是目前解析影像表型与微环境特征之间关系的有效方法。利用人工智能及影像组学评估乳腺影像对TIL 水平的预测价值成为最新的研究热点。目前多见报道的计算机提取的图像特征包括直方图强度、纹理特征、分形维等，通过这些特征性信息对肿瘤的异质性进行量化分析，以评估乳腺影像组学特征对肿瘤TIL 水平的预测价值。如Yu 等[27]将121 例浸润性乳腺癌病人随机分为训练组85 例和验证组36例，以术前乳腺X 线摄影的影像组学特征（如小波低灰度差分矩阵、短程低灰度长度矩阵及灰度差分矩阵依赖熵等）评估TIL 水平，结果表明乳腺X 线摄影的影像组学特征模型能较好地区分低TIL 水平组（＜50%）和高TIL 水平组（≥50%），训练组的AUC值为0.83，验证组的AUC 值为0.79；他们另一研究[28]发现，上述结果在TNBC 病人中显著性更强。Xu等[17]对172 例浸润性乳腺癌病人（训练组121 例，验证组51 例）分别以DCE-MRI 的影像组学特征模型、联合雌激素受体状态和影像组学特征的复合模型预测其TIL 水平，结果表明MRI 影像组学特征模型能较好地区分低TIL 水平组（＜10%）和高TIL 水平组（≥10%），训练组及验证组的AUC 值分别为0.742 和0.718，复合模型的训练集及验证集的AUC值则可分别提升至0.800 和0.842，这与Bian 等[29]的研究结果一致。Tang 等[16]在T2WI、DWI 和DCE-MRI的每个阶段即增强前、增强超早期、增强早期及延迟期手动勾画兴趣区，提取了6 250 个定量特征，共建立了4 种预测TIL 的模型，即单时相增强影像组学模型、融合增强多时相影像组学模型、融合多序列影像组学模型及影像组学联合临床的复合模型，使用最小绝对值收敛和选择算子（least absolute shrinkage and selection operator，LASSO）回归选择最佳预测模型，结果发现从延迟期提取的DCE-MRI影像特征对TIL 的预测效能优于其他阶段，融合多序列影像组学模型和影像组学联合临床的复合模型预测性能最佳，ROC 曲线的AUC 分别为0.93 和0.95。由此可见，通过影像组学方法对肿瘤的高阶特征进行分析可以很好地弥补传统形态学在评估肿瘤异质性方面的不足，能够对多种图像信息进行充分利用、挖掘和量化，并建立预测模型，更好地应用于TIL 影像评估。

3 局限性与展望

目前TIL 影像评估仍面临许多挑战：①多数研究是单中心回顾性研究，样本量有限。为了阐明TIL影像评估的可行性，未来需在更大的群体中进行验证。②与激素受体表达型乳腺癌相比，非激素受体表达型乳腺癌的预后与TIL 水平相关性更强，但目前大多数研究中纳入的非激素受体表达型乳腺癌病例数相对较少，因此有必要在未来特别补充非激素受体表达型乳腺癌的相关数据。③目前的研究多以治疗前穿刺标本的TIL 水平为金标准，而TIL 水平在NAC 过程中会发生变化，因此在纳入病人时会将已经接受NAC 的病人排除，后续将如何使用影像学方法监测NAC 期间的TIL 水平是一个值得进一步探讨的问题。

综上，尽管乳腺影像检查还不能替代组织活检成为评估TIL 的金标准，但多项研究揭示影像表现及高阶特征与乳腺癌TIL 水平具有相关性。期待更多的研究能揭示乳腺影像检查在TIL 评估方面的潜力，以提高TIL 的临床应用价值。