馬芹芹，馮雯，陳圓圓，王莎，雷軍強(qiáng)

近年來乳腺癌發(fā)病率顯著增加，已經(jīng)成為全球女性最常見的惡性腫瘤及癌癥死亡的主要原因[1]。腋窩淋巴結(jié)（axillary lymph node, ALN）是乳腺癌最常見的轉(zhuǎn)移部位，局部ALN 受累程度是影響乳腺癌預(yù)后的重要因素。ALN 狀態(tài)在乳腺癌的分期、診療及預(yù)后中起著重要作用[2-3]，因此關(guān)于乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移（axillary lymph node metastasis, ALNM）的研究具有重要臨床意義及價(jià)值。ALNM 必須通過病理證實(shí)，最常見的檢查手段是前哨淋巴結(jié)（sentinel lymph node, SLN）活檢和ALN 清掃，但手術(shù)可造成感染、神經(jīng)損傷、肩部功能障礙、手臂麻木、上肢淋巴結(jié)水腫、植入轉(zhuǎn)移等并發(fā)癥，給患者的后期生存質(zhì)量帶來巨大影響[4-6]。此外，有研究報(bào)道SLN 活檢約有6.6%假陰性率[7]，美國外科醫(yī)生學(xué)會(huì)腫瘤學(xué)組Z0011隨機(jī)臨床試驗(yàn)表明，只有約27.3%的1 或2 個(gè)SLN 陽性患者有非SLN 轉(zhuǎn)移，并且對(duì)于臨床ALN 陰性且有1～2 個(gè)SLN 轉(zhuǎn)移的患者應(yīng)被歸類為低風(fēng)險(xiǎn)，不應(yīng)該進(jìn)行ALN 活檢[8]，然而過度醫(yī)療給患者造成了一定的負(fù)擔(dān)。因此為了減少不必要的外科SLN 活檢及ALN 清掃，術(shù)前探索一種具有高診斷準(zhǔn)確率、高臨床適用性的非侵入性檢查技術(shù)預(yù)測ALN狀態(tài)的需要更為迫切。

無創(chuàng)評(píng)估ALN 狀態(tài)的影像學(xué)手段眾多，如超聲、鉬靶、CT、MRI 及核醫(yī)學(xué)檢查等，其中MRI 檢查具有無輻射、無創(chuàng)傷及軟組織分辨率高等優(yōu)勢(shì)，能夠更有效、更早期發(fā)現(xiàn)病變，是諸多臨床醫(yī)生及患者的最佳選擇。并且MRI 新技術(shù)發(fā)展迅速，研究者們不僅從大小、形狀、脂肪門及皮質(zhì)厚度等常規(guī)影像特征評(píng)估ALN 狀態(tài)，還利用功能成像獲得有關(guān)腫瘤細(xì)胞的擴(kuò)散和灌注信息[9-10]，探討了ALN 本身以及乳腺癌原發(fā)病灶與ALN 之間的深層聯(lián)系。新興的影像組學(xué)、影像學(xué)聯(lián)合人工智能、機(jī)器學(xué)習(xí)以及直方圖分析可以獲得更多定量參數(shù)，并在ALNM 的研究中取得了一定科研及臨床價(jià)值[11-12]。眾多MRI 研究技術(shù)及分析方法層出不窮，使術(shù)前ALNM 影像學(xué)診斷不再拘泥于定性的層面，朝著精準(zhǔn)影像的方向又挺進(jìn)一步，為領(lǐng)域內(nèi)的進(jìn)步添加了濃墨重彩的一筆，亦為臨床工作中的個(gè)體化診療帶來了更多選擇。本文就術(shù)前各類MRI 參數(shù)、影像組學(xué)及機(jī)器學(xué)習(xí)預(yù)測乳腺癌ALN狀態(tài)的研究進(jìn)展予以綜述。

1 各類MRI參數(shù)術(shù)前預(yù)測乳腺癌ALNM研究進(jìn)展

MRI 參數(shù)眾多，且各有所長，在預(yù)測評(píng)估ALNM 的研究中，多種參數(shù)聯(lián)合的多模態(tài)MRI，能夠提供更多影像信息。

1.1 ALN及原發(fā)病灶的形態(tài)學(xué)特征

MRI可以通過檢測ALN形態(tài)學(xué)特征，如長短徑、脂肪門、皮質(zhì)厚度、形狀、邊緣及淋巴結(jié)比率等的變化，非侵入性地檢測ALNM。Meinel 等[13]在多模態(tài)成像的基礎(chǔ)上開發(fā)了一種計(jì)算機(jī)測量方法進(jìn)行術(shù)前無創(chuàng)乳腺癌分期，在MRI上測量可疑ALN的長軸、短軸和最大皮質(zhì)厚度，研究顯示短軸＞7 mm、長軸＞10 mm和最大皮質(zhì)厚度＞3 mm對(duì)MRI的敏感度為90%、100%和100%，特異度分別為33%、50%和83%。同樣地，Baltzer等[14]發(fā)現(xiàn)淋巴結(jié)邊緣這一形態(tài)學(xué)參數(shù)與ALNM 相關(guān)。有研究表明至少有一個(gè)淋巴結(jié)顯示病理結(jié)果陽性的患者有短軸＞5 mm、輪廓不規(guī)則、脂肪門最長軸與最短軸的比值＜1.5及皮質(zhì)異常等特征[15]。

此外，有學(xué)者發(fā)現(xiàn)乳腺癌原發(fā)病灶大小、同側(cè)ALN 最大皮質(zhì)厚度可作為獨(dú)立預(yù)測因子，聯(lián)合細(xì)胞周期蛋白D1 高表達(dá)診斷性能較高，其受試者工作特征曲線下面積（area under the curve, AUC）為0.751，可以用來預(yù)測ALN 狀態(tài)[16]。雖然MRI通過形態(tài)學(xué)特征評(píng)估ALN狀態(tài)有一定價(jià)值，但較小的有微轉(zhuǎn)移的ALN 可能無法與正常淋巴結(jié)區(qū)分開來，結(jié)合原發(fā)病灶的形態(tài)學(xué)特點(diǎn)可提高診斷性能。

1.2 MRI擴(kuò)散加權(quán)成像及其衍生序列

1.2.1 擴(kuò)散加權(quán)成像

擴(kuò)散加權(quán)成像（diffusion-weighted imaging, DWI）是利用水分子的擴(kuò)散運(yùn)動(dòng)特性進(jìn)行成像，反映了人體組織的微觀幾何結(jié)構(gòu)以及細(xì)胞內(nèi)外水分子的轉(zhuǎn)運(yùn)。正常人體內(nèi)水分子狀態(tài)接近自由水，無擴(kuò)散受限，而病理生理過程可影響水分子的這一運(yùn)動(dòng)，稱為擴(kuò)散受限。表觀擴(kuò)散系數(shù)（apparent diffusion coefficient, ADC）值可以量化這一過程。DWI 已常規(guī)用于乳腺病變的診斷。Kettunen等[17]通過四種方法比較腫瘤和瘤周ADC 的最小值、平均值和最大值，即帶狀感興趣區(qū)（region of intreast, ROI）、整個(gè)腫瘤周圍ROI、順時(shí)針多個(gè)ROI 及ROI 選擇的視覺評(píng)估，將瘤周/腫瘤ADC比率與ALN狀態(tài)進(jìn)行比較，發(fā)現(xiàn)除順時(shí)針多個(gè)ROI 外，所有方法獲得的瘤周/腫瘤ADC 比率均與ALNM 呈正相關(guān)，這是確定不良預(yù)后的因素，可能與乳腺癌生物學(xué)侵襲性有關(guān)。有學(xué)者[18]在管腔A型乳腺癌ALNM的研究中發(fā)現(xiàn)，ALN 陽性的乳腺癌最小ADC 值的最佳截止值為852.2×10-6mm2/s，并且與陽性ALN 數(shù)量之間存在中度的、統(tǒng)計(jì)學(xué)上顯著的負(fù)相關(guān)（rs=-0.447，P=0.002）。得出原發(fā)病變的最小ADC 值預(yù)測臨床淋巴結(jié)陰性的管腔A 型乳腺癌ALNM 具有高敏感性和高陰性預(yù)測值的結(jié)論。同時(shí)，有研究報(bào)道了不同結(jié)果。Surov 等[19]分析了661 例浸潤性乳腺癌的ADC 與ALN 狀態(tài)的相關(guān)性，結(jié)果顯示ADC 無法區(qū)分N0 和N+腫瘤，并且N0、N1、N2和N3腫瘤之間的ADC值差異無統(tǒng)計(jì)學(xué)意義。此外，在不同受體狀態(tài)的亞組中，ADC 不能預(yù)測N 分期。DWI 在術(shù)前預(yù)測ALNM有重要意義，但尚存在諸多爭議，目前仍需進(jìn)一步探討其價(jià)值。

1.2.2 體素內(nèi)不相干運(yùn)動(dòng)

DWI信號(hào)強(qiáng)度衰減是以單指數(shù)模型線性擬合而成，這可能會(huì)錯(cuò)誤計(jì)算水分子運(yùn)動(dòng)與微循環(huán)灌注的關(guān)系，高估ADC值，不能真實(shí)反映病變擴(kuò)散受限情況[20]。體素內(nèi)不相干運(yùn)動(dòng)（intravoxel incoherent motion, IVIM）由Le等[21]首次提出，是一種基于DWI的衍生技術(shù)，其成像過程可以區(qū)分毛細(xì)血管內(nèi)水分子的不相干運(yùn)動(dòng)和血管外空間的分子擴(kuò)散，包含真實(shí)擴(kuò)散系數(shù)、偽擴(kuò)散系數(shù)以及使用多個(gè)b值的雙指數(shù)模型生成的灌注分?jǐn)?shù)[22]，其中偽擴(kuò)散系數(shù)也可用快速ADC分?jǐn)?shù)表示。IVIM在乳腺疾病的研究廣泛，在腫瘤分類、良惡性病變鑒別、識(shí)別淋巴結(jié)轉(zhuǎn)移、組織學(xué)分級(jí)、HER-2 和Ki-67 狀態(tài)以及新輔助化療后的評(píng)估方面均有涉及[23]。有學(xué)者[24]評(píng)估了常規(guī)MRI 和IVIM 特征預(yù)測乳腺癌患者ALNM的臨床價(jià)值，研究發(fā)現(xiàn)快速ADC分?jǐn)?shù)（AUC=0.818）預(yù)測性能優(yōu)于常規(guī)MRI（AUC=0.722）。一項(xiàng)研究[9]對(duì)轉(zhuǎn)移性ALN 和非轉(zhuǎn)移性ALN 影像學(xué)分析顯示，偽擴(kuò)散系數(shù)可作為其預(yù)測因子，AUC 為0.613。一篇關(guān)于IVIM 成像定量鑒別乳腺腫瘤的Meta分析顯示，與淋巴結(jié)陰性病變相比，淋巴結(jié)轉(zhuǎn)移病變中可以觀察到高的偽擴(kuò)散系數(shù)（P=0.009）和灌注分?jǐn)?shù)值（P=0.001）[25]。雖然IVIM 參數(shù)可反映病變內(nèi)部真實(shí)擴(kuò)散，而不受灌注相關(guān)擴(kuò)散的影響，但在IVIM 模型中應(yīng)用更大數(shù)值和更高b 值將顯著延長掃描時(shí)間，并引入運(yùn)動(dòng)和敏感性偽影，故而尋求標(biāo)準(zhǔn)的、穩(wěn)定的掃描參數(shù)將可能是未來的研究方向。

1.2.3 擴(kuò)散張量成像

擴(kuò)散張量成像（diffusion tensor imaging, DTI）是DWI的擴(kuò)展，除ADC 外，可以在更多方向上分析水的運(yùn)動(dòng)，以表征擴(kuò)散方向[26]。生物組織內(nèi)的水?dāng)U散通常是各向異性的，這是由于微觀結(jié)構(gòu)的定向限制所造成的。正常乳腺導(dǎo)管可允許水沿著平行于導(dǎo)管壁的方向自由地?cái)U(kuò)散，而乳腺癌腫瘤細(xì)胞通過阻塞導(dǎo)管減少了擴(kuò)散的各向異性[27-28]。Ozal等[29]獲取了63 例浸潤性乳腺癌的DTI 數(shù)據(jù)（b 值為0 和1000 s/mm2），通過勾畫ROI，經(jīng)機(jī)器自動(dòng)計(jì)算獲得分?jǐn)?shù)各向異性、平均擴(kuò)散率、相對(duì)各向異性和體積比值，分析得出ALNM 患者的平均擴(kuò)散率顯著低于無ALNM患者（P=0.018）。有研究[30]得出了類似的結(jié)論。作為ADC 的補(bǔ)充，DTI 參數(shù)提供擴(kuò)散方向和各向異性的信息，有可能進(jìn)一步表征乳腺組織病變。

1.2.4 非高斯擴(kuò)散MRI

水分子在組織中的分布近似高斯擴(kuò)散，由于纖維腺體組織和癌性病變微觀環(huán)境的復(fù)雜性，乳腺組織和病變的擴(kuò)散行為呈非高斯分布。非高斯擴(kuò)散MRI 有助于顯示水分子與組織特征，在單一高斯擴(kuò)散系數(shù)之外捕獲這種擴(kuò)散行為需要在高擴(kuò)散加權(quán)（b值為1000～2000 s/mm2）下進(jìn)行采樣[31]。當(dāng)前非高斯擴(kuò)散最常用的方法為擴(kuò)散峰度成像（diffusion kurtosis imaging, DKI），在鑒別乳腺良惡性病變及預(yù)后評(píng)估中已有研究，被證明比單純ADC 提供更多的信息和更準(zhǔn)確的診斷[32-33]。Huang等[34]在3.0 T時(shí)擴(kuò)散峰度作為乳腺癌體內(nèi)成像標(biāo)記物與預(yù)后因素的相關(guān)分析中發(fā)現(xiàn)，ALN受累者平均擴(kuò)散峰度顯著高于未受累 者[（1.335±0.172）vs.（1.198±0.211），P=0.016]。有學(xué)者[35]在基于腫瘤體積IVIM 和非高斯擴(kuò)散MRI 直方圖分析中發(fā)現(xiàn)ALNM 陽性組平均擴(kuò)散率的熵低于陰性組[（2.20±0.25）vs.（2.98±0.15），P=0.040]，淋 巴 結(jié) 鑒 別 的AUC 為0.587。盡管關(guān)于非高斯分布在ALNM 的研究很少，但初步研究表明結(jié)合IVIM 模型或可能在乳腺癌預(yù)后生物標(biāo)志物中探討更多價(jià)值。

1.2.5 Q空間軌跡成像

Q 空間軌跡成像（Q-space trajectory imaging, QTI）是一種分析方法，它使用多b 值和b 張量形狀編碼的數(shù)據(jù)，將總擴(kuò)散方差分解為“各向異性方差”和“各向同性方差”兩個(gè)分量[36]。在QTI 中，組織被設(shè)想為有許多非交換的隔間，而張量值擴(kuò)散編碼可以提供DTI 受限的乳腺癌微觀結(jié)構(gòu)間隔的額外信息[37-38]。Cho等[39]通過張量值擴(kuò)散編碼實(shí)現(xiàn)的擴(kuò)散方差分解來研究浸潤性導(dǎo)管癌的潛在微觀結(jié)構(gòu)，獲得了基于張量值擴(kuò)散編碼的QTI 參數(shù)，分析得出淋巴結(jié)轉(zhuǎn)移組的總平均峰度、各向異性平均峰度和各向異性微觀分?jǐn)?shù)顯著高于轉(zhuǎn)移陰性組（P＜0.05），并提出了各向異性微觀分?jǐn)?shù)可能成為一種乳腺癌術(shù)前評(píng)估的影像生物標(biāo)記物?；趶埩繑U(kuò)散編碼的QTI 參數(shù)可能有助于更深入地探討乳腺癌組織微觀結(jié)構(gòu)和瘤內(nèi)異質(zhì)性與ALNM之間的關(guān)系。

1.3 磁共振波譜成像

氫質(zhì)子磁共振波譜（1H-magnetic resonance spectroscopy,1H-MRS）能夠定量分析活體內(nèi)細(xì)胞代謝及化合物含量。腫瘤發(fā)生、進(jìn)展和轉(zhuǎn)移中可有多種酶參與，1H-MRS可以通過測定總膽堿（total choline, tCho）含量評(píng)估腫瘤生長代謝及預(yù)后，tCho 含量來自病變內(nèi)多種膽堿化合物，所以這是一種復(fù)合共振[40]。一項(xiàng)研究[41]通過建立關(guān)于1H-MRS 的兩種閱讀器測量乳腺癌原發(fā)灶tCho 含量振幅，研究表明，tCho 含量可顯著預(yù)測淋巴結(jié)狀態(tài)，AUC 分別為0.760、0.788，tCho＜2.4 mmol/L 時(shí)，未觀察到轉(zhuǎn)移淋巴結(jié)，因此兩種閱讀器的敏感度均為100%、特異度均為39.1%。1H-MRS測量易受到磁場不均勻、病變體積小以及掃描時(shí)間長等諸多因素的影響，造成結(jié)果不穩(wěn)定，近年由于磁場和線圈性能的改善，其可行性得到極大提高，在診斷惡性腫瘤和淋巴結(jié)轉(zhuǎn)移風(fēng)險(xiǎn)方面有一定潛能。

1.4 動(dòng)態(tài)對(duì)比增強(qiáng)MRI

動(dòng)態(tài)對(duì)比增強(qiáng)MRI（dynamic contrast enhanced-MRI,DCE-MRI）是診斷乳腺癌和評(píng)估治療效果的重要方法[42]。通過利用與腫瘤灌注和通透性相關(guān)的參數(shù)，定量DCE 能夠揭示腫瘤血管生成的細(xì)節(jié)[43]，DCE 藥代動(dòng)力學(xué)參數(shù)包括Ktrans、Kep、Ve、TTP、Peak、Washin、Washout，Kep為對(duì)比劑從細(xì)胞外轉(zhuǎn)移到血管內(nèi)的速率常數(shù)[44]。近期有學(xué)者[10]分析了不同時(shí)間點(diǎn)原發(fā)病灶的動(dòng)態(tài)增強(qiáng)各定量及半定量參數(shù)值對(duì)ALNM 的預(yù)測性能，多變量分析中，DCE-MRI 在第5 個(gè)時(shí)間點(diǎn)的AUC（0.656，P＜0.05）顯示出預(yù)測乳腺癌ALNM 的能力，為其獨(dú)立預(yù)測因子。CAIPIRINHA-Dixon-TWIST-VIBE（CDTV）是一種新開發(fā)的利用高加速系數(shù)和k空間數(shù)據(jù)共享的技術(shù)，確保DCE掃描具有相對(duì)較高的時(shí)空分辨率[45-46]。Sun等[11]通過在線CDTV-DCE 獲得的全病灶直方圖和參數(shù)紋理分析中發(fā)現(xiàn)淋巴結(jié)陽性（1.93±0.95）和淋巴結(jié)陰性（1.53±0.84）乳腺癌的Kep偏度有顯著差異（P=0.007）。DCE-MRI 藥代動(dòng)力學(xué)參數(shù)顯示出預(yù)測乳腺癌ALNM的能力，但研究尚處于初步階段，今后需改進(jìn)研究方法深入探討并驗(yàn)證藥代動(dòng)力學(xué)參數(shù)預(yù)測ALNM的價(jià)值。

1.5 多模態(tài)MRI

近年來，研究者們通過整合多種MRI參數(shù)的多模態(tài)MRI預(yù)測乳腺癌ALNM，獲得了較好的成果。Xue等[47]在預(yù)測早期浸潤性乳腺癌的研究中結(jié)合臨床病理因素與MRI特征，在ALN陽性相關(guān)因素的多變量分析，腫瘤位置、大小、多灶性、MRI 報(bào)告的可疑ALN、ADC 值及淋巴管浸潤（lymphatic vessel invasion,LVI）被確定為獨(dú)立危險(xiǎn)因素，并以此創(chuàng)建了ALNM 的列線圖，AUC 為0.88，列線圖表現(xiàn)良好。有研究[48]基于T1WI、T2WI、DWI的多參數(shù)MRI 乳腺癌圖像對(duì)感興趣的病變區(qū)域圖像進(jìn)行裁剪，并將其發(fā)送至預(yù)訓(xùn)練的網(wǎng)絡(luò)，然后將結(jié)果發(fā)送到分類器進(jìn)行集成學(xué)習(xí)，以構(gòu)建多參數(shù)MRI 的ALNM 預(yù)測模型。最終獲得了7 種不同模型，在基于單序列的模型中，T2WI 表現(xiàn)最好，而多序列整合模型中T1WI+T2WI+DWI 最佳，AUC 及準(zhǔn)確率分別為0.996、96.8%。多參數(shù)聯(lián)合建立的多模態(tài)MRI 預(yù)測模型提高ALNM診斷質(zhì)量的研究已有眾多，并獲得了較好的預(yù)測效果，但大多都存在單中心、樣本量少及性能不穩(wěn)定的缺陷，不足以推行到臨床中去。因此，今后的研究應(yīng)該致力于優(yōu)勢(shì)臨床指標(biāo)、可靠影像參數(shù)及良好的機(jī)器學(xué)習(xí)模型的組合。

2 影像組學(xué)術(shù)前預(yù)測乳腺癌ALNM的研究進(jìn)展

影像組學(xué)是一個(gè)新的研究領(lǐng)域，它從影像中高通量提取大量信息，并實(shí)現(xiàn)腫瘤分割、特征提取與模型建立，將視覺影像信息轉(zhuǎn)化為深層次的特征來進(jìn)行量化研究，輔助醫(yī)師做出最準(zhǔn)確的診斷。一項(xiàng)基于DCE-MRI影像組學(xué)乳腺癌ALNM列線圖的研究結(jié)果表明，組織學(xué)分級(jí)、多灶性、MRI報(bào)告淋巴結(jié)狀態(tài)和影像組學(xué)指標(biāo)升高與ALNM 顯著相關(guān)，影像組學(xué)列線圖顯示出很好的辨別力，在訓(xùn)練組和驗(yàn)證組中，AUC 分別為0.907 和0.874，并得出DCE-MRI 圖像的原發(fā)腫瘤區(qū)域提取的影像組學(xué)特征可作為預(yù)測ALNM潛在生物標(biāo)志物的結(jié)論[12]。瘤內(nèi)—瘤周紋理轉(zhuǎn)換是一種新的影像組學(xué)方法，包括一系列代表腫瘤內(nèi)外差異的圖像特征的定量測量。Zhan等[49]選擇注射對(duì)比劑后的90 s 期手工勾畫腫瘤內(nèi)及瘤周體積，并提取定量特征進(jìn)行分析，通過增加瘤內(nèi)—瘤周紋理轉(zhuǎn)換特征，在乳腺癌患者術(shù)前預(yù)測ALN狀態(tài)的測試數(shù)據(jù)集中，腫瘤內(nèi)影像組學(xué)模型的AUC值從0.824 增加到0.855。一篇Meta 分析就基于機(jī)器學(xué)習(xí)的DCE-MRI影像組學(xué)在預(yù)測ALNM和SLN轉(zhuǎn)移診斷性能進(jìn)行分析，發(fā)現(xiàn)納入研究之間存在顯著的異質(zhì)性。亞組分析結(jié)果顯示，與深度學(xué)習(xí)、1.5 T、ROI 包括乳腺腫瘤、半自動(dòng)掃描和SLN 相比，機(jī)器學(xué)習(xí)、3.0 T、手動(dòng)繪制的ROI 包括ALN、ALN 和SLN 組合，可略微提高診斷性能[50]。

相較單序列影像組學(xué)模型，多序列的模型預(yù)測能力表現(xiàn)得更加穩(wěn)健。Qiu等[51]基于乳腺原發(fā)腫瘤和ALN的MRI影像特征、臨床病理特征和MRI 形態(tài)學(xué)發(fā)現(xiàn)建立四個(gè)模型，即一個(gè)影像組學(xué)特征、一個(gè)MRI臨床列線圖和兩個(gè)MRI臨床影像組列線圖，以預(yù)測腋窩非SLN狀態(tài)。使用5倍交叉驗(yàn)證方法選擇每個(gè)模型中的最佳預(yù)測因子（最大ALN 的短徑、CA153、LVI、DWI 紋理特征），加上超聲報(bào)告中的ALN 狀態(tài)，構(gòu)建最終模型，有CA153的MRI臨床影像組學(xué)列線圖AUC達(dá)到了最高（0.862，P＜0.01），提示此列線圖在臨床上是有用的。有學(xué)者[52]在基于MRI 影像組學(xué)預(yù)測術(shù)前ALNM 的一項(xiàng)多中心研究中，應(yīng)用機(jī)器學(xué)習(xí)的隨機(jī)森林算法選擇關(guān)鍵的術(shù)前MRI 影像特征，再通過支持向量機(jī)算法開發(fā)ALN 和腫瘤影像特征，并結(jié)合臨床病理信息，構(gòu)建了多組學(xué)特征。結(jié)果顯示，包括ALN 和腫瘤影像特征的模型顯示出很高的預(yù)測質(zhì)量，訓(xùn)練隊(duì)列的AUC 為0.88。在訓(xùn)練隊(duì)列、外部驗(yàn)證隊(duì)列和前瞻性—回顧性驗(yàn)證隊(duì)列中，結(jié)合腫瘤和淋巴結(jié)MRI 影像組學(xué)、臨床和病理特征以及分子亞型的多組特征在預(yù)測性能上取得了更好的表現(xiàn)，AUC 分別為0.90、0.91 和0.93。影像組學(xué)特征的加入明顯提高了MRI對(duì)ALNM 的預(yù)測水平，但由于影像組學(xué)的復(fù)雜性和不同研究方法之間的異質(zhì)性，以及大部分研究缺乏外部驗(yàn)證，因而降低了模型的臨床適用性，因此今后的研究應(yīng)該著重于臨床適用方面。

3 總結(jié)與展望

綜上所述，ALNM是乳腺癌遠(yuǎn)處轉(zhuǎn)移的門戶，其在乳腺癌的分期、診療及預(yù)后中扮演著重要角色。各類影像學(xué)方法尤其是多參數(shù)MRI及影像組學(xué)聯(lián)合機(jī)器學(xué)習(xí)的方法在預(yù)測ALNM中的研究，集各參數(shù)之長，并能夠挖掘人眼不可見的影像特征，為臨床實(shí)踐中ALNM 的推進(jìn)提供了新的方法。但目前仍未確立統(tǒng)一標(biāo)準(zhǔn)及相對(duì)穩(wěn)定的預(yù)測模型，這還需要通過在未來的研究中發(fā)揮多中心、多參數(shù)、大樣本的優(yōu)勢(shì)，并以科學(xué)嚴(yán)謹(jǐn)?shù)难芯吭O(shè)計(jì)建立完善的系統(tǒng)來預(yù)測ALNM。

作者利益沖突聲明：全部作者均聲明無利益沖突。