張丁懿，黃小華，沈夢(mèng)伊，張麗，何欣

0 引言

乳腺癌是目前女性最常見的惡性腫瘤，其發(fā)病率呈每年遞增的趨勢(shì)，且是女性死亡的主要原因之一[1]。非特殊型浸潤性乳腺癌是乳腺癌中最常見的類型，約占乳腺癌的70%～80%[2]，是高度異質(zhì)性腫瘤，其預(yù)后效果更差。非特殊型浸潤性乳腺癌治療方式主要由分子分型決定，Luminal 型是乳腺癌數(shù)量占比最大的分子分型，以內(nèi)分泌治療為主，預(yù)后相對(duì)較好；非Luminal型對(duì)內(nèi)分泌治療不敏感且腫瘤分化級(jí)別高、總體預(yù)后差，治療方式需根據(jù)情況采用靶向治療、化療或放療[3-5]。Luminal 型和非Luminal 型的分子分型取決組織病理結(jié)果的免疫組化[6-7]，但該方法有創(chuàng)，且有假陰性結(jié)果的干擾[8-9]。因此尋求一種準(zhǔn)確、無創(chuàng)預(yù)測(cè)分子分型的方法至關(guān)重要。目前乳腺腫瘤磁共振成像研究較多[10-12]，但多聚焦在乳腺癌的定性及治療預(yù)后價(jià)值評(píng)估，關(guān)于乳腺癌分子分型的研究相對(duì)較少，且多基于單一序列預(yù)測(cè)分子分型，鮮有探討雙序列的預(yù)測(cè)價(jià)值[13-14]，其中未見有關(guān)基于動(dòng)態(tài)對(duì)比增強(qiáng)（dynamic contrast-enhanced, DCE）-MRI 和擴(kuò)散加權(quán)成像（diffusion weighted imaging,DWI）聯(lián)合影像組學(xué)預(yù)測(cè)非特殊型浸潤性乳腺癌Luminal型和非Luminal分型的研究。本文回顧性分析149例非特殊型浸潤性乳腺癌患者的DCE-MRI和DWI 的影像資料，旨在探討基于MRI 影像組學(xué)在非特殊型浸潤性乳腺癌中Luminal型和非Luminal型分類的預(yù)測(cè)價(jià)值，為臨床對(duì)乳腺癌患者的分子分型的確定以及治療方案的選擇提供一定的幫助。

1 材料與方法

1.1 研究對(duì)象

本研究遵守《赫爾辛基宣言》，經(jīng)川北醫(yī)學(xué)院附屬醫(yī)院醫(yī)學(xué)倫理委員會(huì)批準(zhǔn)，免除受試者知情同意，批準(zhǔn)文號(hào)：2023ER149-1?；仡櫺苑治?021 年4 月至2022 年12 月在本院經(jīng)病理證實(shí)的261 例乳腺癌患者的臨床及MRI影像資料。

納入標(biāo)準(zhǔn)：（1）經(jīng)手術(shù)或穿刺病理證實(shí)為非特殊型浸潤性乳腺癌的患者；（2）腫瘤病灶原發(fā)于乳腺；（3）具有完整的病理及免疫組化結(jié)果；（4）MRI 檢查前未進(jìn)行過穿刺活檢、手術(shù)切除、放療或化療等治療；（5）進(jìn)行了DCE-MRI 序列、DWI 序列掃描。排除標(biāo)準(zhǔn)：（1）圖像質(zhì)量差，無法達(dá)到分析要求；（2）臨床資料不全。

經(jīng)納入、排除標(biāo)準(zhǔn)篩選后，最終納入149 例乳腺癌患者，其中Luminal 型90 例，非Luminal 型59 例。年齡24～84（中位數(shù)為52）歲?；颊吆Y選流程如圖1所示。

1.2 設(shè)備與方法

聯(lián)影UMR790 3.0 T MR 掃描儀，10 通道乳腺專用相控陣線圈。俯臥位，頭先進(jìn)，雙側(cè)乳腺自然懸垂于乳腺線圈內(nèi)，定位中心對(duì)準(zhǔn)線圈中心及兩側(cè)乳頭連線。掃描范圍包括雙側(cè)乳腺、腋窩。所有患者均進(jìn)行橫斷面T1WI多期DCE-MRI（TE 2.17 ms，TR 5.15 ms，層厚1.0 mm，視野340 mm×340 mm，矩陣336×100，層數(shù)128層）和橫斷面DWI（TE 66 ms，TR 4 000 ms，層厚4.0 mm，視野350 mm×190 mm，矩陣192×100，層數(shù)24 層，b 值分別取50 s/mm2和800 s/mm2）。注射對(duì)比劑前先掃描一期蒙片像，然后高壓注射器經(jīng)肘正中靜脈注射Gd-DTPA（佳迪顯，江蘇恒瑞醫(yī)藥股份有限公司），劑量0.2 mmol/kg，流率為2.5 mL/s，之后以相同速率團(tuán)注生理鹽水20 mL，注射后開始連續(xù)掃描8期，每期69 s，總掃描時(shí)間為9 min 36 s。

1.3 免疫組化及分子分型標(biāo)準(zhǔn)

根據(jù)美國臨床腫瘤學(xué)會(huì)（American Society of Clinical Oncology, ASCO）和美國病理學(xué)家學(xué)會(huì)（College of American Pathologists, CAP）發(fā)布的乳腺癌雌激素受體（estrogen receptor, ER）、孕激素受體（progesterone receptor, PR）免疫組化檢測(cè)指南[15]，將ER、PR 陽性定義為腫瘤細(xì)胞核著色數(shù)量≥1%；ER、PR 陰性定義為在有陽性內(nèi)對(duì)照的情況下，腫瘤細(xì)胞核著色的數(shù)量＜1%。

以《中國抗癌協(xié)會(huì)乳腺癌診治指南與規(guī)范》（2021 年版）為參考標(biāo)準(zhǔn)[16]，根據(jù)ER/PR 表達(dá)狀態(tài)，將所有病例分為2 種類型：（1）Luminal 型，ER、PR 均為陽性；（2）非Luminal型，ER、PR均為陰性。

1.4 圖像分割及影像組學(xué)特征提取

使用3D slicer（ (version 5.0.3，https://www.slicer.org/）對(duì)感興趣區(qū)（region of interest, ROI）進(jìn)行勾畫及特征提?。▓D2）。由兩名具有7 年以上乳腺M(fèi)RI 診斷工作經(jīng)驗(yàn)的影像科醫(yī)師（主治醫(yī)師）在不知曉患者分子分型的前提下，在DCE-MRI 序列中增強(qiáng)后的第二期相和DWI 序列中的高b 值（b＝800 s/mm2）DWI圖像上對(duì)乳腺腫瘤進(jìn)行逐層勾畫，得到感興趣體積（volume of interest, VOI）。同一患者多灶或多中心腫瘤僅納入直徑最大的病變。使用基于Python 的radiomics 從ROI 中提取7 個(gè)常見特征組，共計(jì)1 223個(gè)特征被提取。

圖2 女，57歲，Luminal型乳腺癌，ER 陽性（約90%），PR 陽性（約60%）。2A～2B 為DWI序列的原始圖像以及感興趣區(qū)勾畫示意圖；2C～2D 為DCE序列的原始圖像以及感興趣區(qū)勾畫示意圖。ER：雌激素受體；PR：孕激素受體；DWI：擴(kuò)散加權(quán)成像，DCE：動(dòng)態(tài)對(duì)比增強(qiáng)。Fig.2 A 57-year-old female with Luminal breast cancer is ER positive (about 90%) and PR positive (about 60%).2A-2B are the original images of DWI sequence and sketches of the region of interest; 2C-2D are the original images of DCE sequence and the sketch of the region of interest.ER: estrogen receptor; PR:progesterone receptor; DWI: diffusion weighted imaging; DCE: dynamic contrast-enhanced.

1.5 觀察者間的一致性檢驗(yàn)

從全部對(duì)象中隨機(jī)抽取DCE 序列圖像和DWI序列圖像各約1/3，再由兩名醫(yī)師同時(shí)勾畫ROI 并提取影像組學(xué)特征，勾畫后提取的數(shù)據(jù)采用組間相關(guān)系數(shù)（inter-class correlation coefficient, ICC）檢驗(yàn)觀察者間的一致性，剔除ICC 值≤0.75 的特征，保留ICC值＞0.75，被認(rèn)為具有較好一致性和穩(wěn)定性的特征數(shù)據(jù)。最終DCE-MRI 序列保留1 023 個(gè)特征，DWI 序列保留1 094個(gè)特征，其余被排除。

1.6 特征選擇及模型建立

采用聯(lián)影uAI Research Portal（V730）軟件進(jìn)行特征篩選、模型建立及內(nèi)部測(cè)試。將數(shù)據(jù)Z分?jǐn)?shù)歸一化后，使用方差閾值法（variance threshold, VT），保留方差值大于0.8的特征；使用K 最佳（selectKBest）、最小絕對(duì)收縮與選擇算子（least absolute shrinkage and selection operator, LASSO）進(jìn)行特征篩選（圖3、圖4）。DCE 序列共篩選出6 個(gè)特征，分別是2 個(gè)灰度區(qū)域大小矩陣特征，4個(gè)一階特征。DWI序列共篩選出6 個(gè)特征，分別是1 個(gè)灰度區(qū)域大小矩陣特征，1 個(gè)灰度依賴矩陣特征，2個(gè)鄰域灰度差矩陣特征，1個(gè)灰度共生矩陣特征，1個(gè)一階特征。

圖3 DWI 序列LASSO 特征篩選圖。圖4 DCE 序列LASSO 特征篩選圖。DWI：擴(kuò)散加權(quán)成像；DCE：動(dòng)態(tài)對(duì)比增強(qiáng)；LASSO：最小絕對(duì)收縮與選擇算子。Fig.3 LASSO feature screening diagram of DWI sequence.Fig.4 LASSO feature screening diagram of DCE sequence.DWI: diffusion weighted imaging; DCE: dynamic contrast-enhanced; LASSO: least absolute shrinkage and selection operator.

用隨機(jī)森林法將這些影像特征建立起三個(gè)模型，分別是DCE 序列的6 個(gè)特征模型、DWI 序列的6 個(gè)特征模型以及聯(lián)合序列模型。繪制出各模型的ROC曲線、校正曲線以及決策曲線。

將149 例患者按7∶3 比例隨機(jī)分為訓(xùn)練組和測(cè)試組，訓(xùn)練組104 例（Luminal 型41 例，非Luminal 型63 例），測(cè)試組45 例（Luminal 型27 例，非Luminal 型18 例）。在訓(xùn)練組中進(jìn)行模型的訓(xùn)練，并在測(cè)試組中進(jìn)行模型性能驗(yàn)證。

1.7 統(tǒng)計(jì)學(xué)分析

采用SPSS（V26.0，IBM，美國）軟件和R 語言對(duì)數(shù)據(jù)結(jié)果進(jìn)行統(tǒng)計(jì)分析。計(jì)量資料中滿足正態(tài)分布的以xˉ±s表示，采用兩獨(dú)立樣本t檢驗(yàn)進(jìn)行兩組間比較；計(jì)量資料中不滿足正態(tài)分布的以中位數(shù)（Q25，Q75）表示，采用兩獨(dú)立樣本曼-惠特尼秩和檢驗(yàn)進(jìn)行兩組間比較；計(jì)數(shù)資料采用例數(shù)表示，使用χ2檢驗(yàn)進(jìn)行兩組間比較。通過繪制受試者工作特征（receiver operating characteristic, ROC）曲線，計(jì)算ROC 曲線下面積（area under the curve, AUC）、敏感度、特異度、準(zhǔn)確度并評(píng)價(jià)各模型預(yù)測(cè)非特殊型浸潤性乳腺癌Luminal型和非Luminal型的效能，利用DeLong 檢驗(yàn)分析各模型AUC差異是否具有統(tǒng)計(jì)學(xué)意義。使用校正曲線評(píng)估模型的擬合優(yōu)度，利用決策曲線分析模型的臨床凈收益。雙側(cè)P＜0.05 被認(rèn)為差異具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 Luminal型和非Luminal型患者間臨床資料比較

兩組間患者在年齡、絕經(jīng)狀態(tài)、淋巴結(jié)轉(zhuǎn)移情況的差異均無統(tǒng)計(jì)學(xué)意義（P＞0.05）（表1）。根據(jù)病理組織活檢結(jié)果判定是否淋巴結(jié)轉(zhuǎn)移。

表1 Luminal型和非Luminal型患者間臨床資料比較Tab.1 Comparison of clinical data between patients with Luminal and non-Luminal subtype

2.2 訓(xùn)練組和測(cè)試組患者間臨床資料比較

兩組間患者在年齡、ER、PR、絕經(jīng)狀態(tài)、淋巴結(jié)轉(zhuǎn)移情況的差異均無統(tǒng)計(jì)學(xué)意義（P＞0.05）（表2）。

表2 訓(xùn)練組和測(cè)試組患者間臨床資料比較Tab.2 Comparison of clinical data between training group and test group

2.3 三種影像組學(xué)模型預(yù)測(cè)效能的評(píng)估

以訓(xùn)練組104 例，測(cè)試組45 例，共149 例患者為樣本建立模型。三個(gè)模型訓(xùn)練組、測(cè)試組的AUC、敏感度、特異度、準(zhǔn)確度評(píng)分見表3。在訓(xùn)練組中，DWI、DCE、聯(lián)合序列的AUC 值分別為0.859、0.839、0.903，在測(cè)試組中，DWI、DCE、聯(lián)合序列的AUC 值分別為0.722、0.798、0.821（圖5、圖6）。DeLong 檢驗(yàn)顯示訓(xùn)練組的DCE模型和聯(lián)合模型之間的預(yù)測(cè)效能有統(tǒng)計(jì)學(xué)意義（P=0.03），除此之外三個(gè)模型兩兩比較預(yù)測(cè)效能差異均無統(tǒng)計(jì)學(xué)意義（P＞0.05）。

表3 三種影像組學(xué)模型效能比較Tab.3 Comparison of three radiomics models

圖5 三種模型訓(xùn)練組的受試者工作特征（ROC）曲線以及曲線下面積（AUC）值。 圖6 三種模型測(cè)試組的受試者工作特征（ROC）曲線以及曲線下面積（AUC）值。DWI：擴(kuò)散加權(quán)成像；DCE：動(dòng)態(tài)對(duì)比增強(qiáng)。Fig.5 Receiver operating characteristic (ROC) curve and area under the curve (AUC) values of training groups in the three model.Fig.6 Receiver operating characteristic (ROC) curve and area under the curve (AUC) values of test groups in the three model.DWI: diffusion weighted imaging; DCE:dynamic contrast-enhanced.

校正曲線（圖7）顯示，DWI 模型、DCE 模型以及聯(lián)合模型的Brier 系數(shù)在訓(xùn)練組中分別為0.165，0.173，0.148，在測(cè)試組中分別為0.216，0.185，0.185。Brier 系數(shù)值越接近于0，模型的預(yù)測(cè)校準(zhǔn)性能越好，驗(yàn)證了模型預(yù)測(cè)值和實(shí)際觀察值擬合度良好。從決策曲線分析可看出，當(dāng)訓(xùn)練組閾值概率大于0.20、測(cè)試組閾值概率大于0.35時(shí)，DWI模型、DCE模型以及聯(lián)合模型的臨床凈收益均較高（圖8）。

圖7 模型的校正曲線。7A～7C 分別為DWI模型、DCE模型、聯(lián)合模型訓(xùn)練組的校正曲線；7D～7F 分別為DWI 模型、DCE 模型、聯(lián)合模型測(cè)試組的校正曲線。DWI：擴(kuò)散加權(quán)成像；DCE：動(dòng)態(tài)對(duì)比增強(qiáng)。Fig.7 Calibration curve of the models.7A-7C are the calibration curves of DWI model, DCE model and joint model training group respectively;7D-7F are the calibration curves of DWI model, DCE model and joint model test group respectively.DWI:diffusion weighted imaging; DCE:dynamic contrast-enhanced.

圖8 模型的決策曲線。8A～8C 分別為DWI模型、DCE模型、聯(lián)合模型訓(xùn)練組的決策曲線；8D～8F 分別為DWI 模型、DCE 模型、聯(lián)合模型測(cè)試組的決策曲線。DCE：動(dòng)態(tài)對(duì)比增強(qiáng)；DWI：擴(kuò)散加權(quán)成像。Fig.8 Decision curves of the models.8A-8C are the decision curves of DWI model, DCE model and joint model training group respectively;8D-8F are the decision curves of DWI model, DCE model and joint model test group respectively.DCE: dynamic contrast-enhanced; DWI: diffusion weighted imaging.

3 討論

乳腺癌的分子分型是選擇患者臨床治療方式的重要依據(jù)，同時(shí)也是腫瘤的重要預(yù)后因子，具有較高的臨床應(yīng)用價(jià)值。乳腺癌的分子分型主要依賴于有創(chuàng)的病理方法獲得，既往影像組學(xué)預(yù)測(cè)多基于單序列研究，其預(yù)測(cè)效能不高，鮮有探討不同序列間的互補(bǔ)價(jià)值。因此本研究基于DWI 與DCE 雙序列影像組學(xué)建立預(yù)測(cè)模型，旨在無創(chuàng)性地分析非特殊型浸潤性乳腺癌的分子分型。研究發(fā)現(xiàn)上述序列均能較好地預(yù)測(cè)非特殊型浸潤性乳腺癌Luminal 型和非Luminal 型，為臨床分子分型的確定與治療方案的選擇提供了參考。

3.1 分子分型現(xiàn)有研究分析

Luminal 型乳腺癌對(duì)內(nèi)分泌治療敏感，復(fù)發(fā)風(fēng)險(xiǎn)較低，預(yù)后較好；非Luminal型乳腺癌對(duì)化療敏感，腫瘤易發(fā)生遠(yuǎn)處轉(zhuǎn)移，復(fù)發(fā)風(fēng)險(xiǎn)高，預(yù)后較差[17]。目前，乳腺癌的分子分型需要用有創(chuàng)的病理方法獲得，MRI影像組學(xué)有無創(chuàng)地預(yù)測(cè)分子分型的潛力，且檢查過程無電離輻射傷害，對(duì)患者臨床診斷、個(gè)體化治療方式的選擇及預(yù)后評(píng)估有一定的價(jià)值。目前已有部分研究[18-19]表明MRI 影像組學(xué)預(yù)測(cè)乳腺癌分子分型具有可行性及臨床意義，但使用DCE 序列聯(lián)合DWI 序列預(yù)測(cè)乳腺癌Luminal 型和非Luminal 型的研究較少，因此本研究目的是討論DCE 聯(lián)合DWI 序列預(yù)測(cè)非特殊型浸潤性乳腺癌Luminal型和非Luminal型的臨床價(jià)值。

既往研究[20-21]多采用數(shù)字乳腺X 線攝影的影像組學(xué)預(yù)測(cè)乳腺癌的分子分型，但具有部分缺點(diǎn)：數(shù)字乳腺X 線攝影獲取的是二維的圖像，乳腺組織過多的重疊將導(dǎo)致細(xì)小的病變結(jié)構(gòu)易被掩蓋，且無法提供腫瘤血供情況，只能反映病灶形態(tài)學(xué)的改變[22]，另外，檢查時(shí)需要壓迫乳房組織，使患者產(chǎn)生不適感，檢查時(shí)產(chǎn)生的電離輻射也對(duì)人體有不同程度的損害。目前，MRI 檢查具有無輻射、軟組織分辨力高及多參數(shù)成像等特點(diǎn)，已成為乳腺癌常用且對(duì)病灶檢出較靈敏的影像檢查方法。有研究[23-27]認(rèn)為DCE 影像組學(xué)模型、DWI 影像組學(xué)模型對(duì)預(yù)測(cè)乳腺癌分型具有重要價(jià)值，但鮮少有研究對(duì)這兩種影像組學(xué)模型進(jìn)行系統(tǒng)比較。

3.2 DWI序列、DCE序列在預(yù)測(cè)分子分型中的作用

DWI 序列具有表明組織中水分子擴(kuò)散狀態(tài)的能力，若水分子擴(kuò)散受限，將會(huì)在圖像上出現(xiàn)高信號(hào)。DWI 對(duì)水分子受限組織敏感，能較好地反映病變組織水分子受限的狀態(tài)。b 值又稱擴(kuò)散敏感因子，指MRI 中各序列對(duì)擴(kuò)散運(yùn)動(dòng)的敏感程度，是擴(kuò)散運(yùn)動(dòng)能力檢測(cè)的指標(biāo)。b 值越大對(duì)水分子的彌散越敏感，于是本研究選擇在高b 值圖像上進(jìn)行影像組學(xué)特征提取，與GAO等[24]采用的方法一致。

由于乳腺癌特有的異常血管分布，DCE序列對(duì)灌注變化很敏感[28]。DCE圖像增強(qiáng)后第二期為動(dòng)脈期，即注射對(duì)比劑后69～138 s 左右，且有研究表明，乳腺腫瘤在注射對(duì)比劑后第二期會(huì)出現(xiàn)信號(hào)高峰值時(shí)段，腫瘤與背景乳腺信號(hào)強(qiáng)度差異較大，對(duì)比信噪比最高[29]。因此本研究采用勾畫增強(qiáng)后第二期相預(yù)測(cè)乳腺癌分子分型，與代婷等[30]學(xué)者采用的方法一致。兩者研究結(jié)果均得到了較高的準(zhǔn)確性，原因可能在于動(dòng)脈期病灶與周圍組織分界更清晰，勾畫病灶時(shí)誤差更小，且本研究對(duì)腫瘤采用逐層勾畫提取病灶特征，更加能反映乳腺腫瘤的整體性和高度異質(zhì)性[31]。

DWI 序列可以反映乳腺癌病灶水分子擴(kuò)散受限的狀態(tài)，DCE 序列能反映乳腺腫瘤的血供灌注情況，綜合兩個(gè)序列能更準(zhǔn)確地確定腫瘤的病變范圍、采集更多的腫瘤信息，在一定程度上彌補(bǔ)單一序列包含腫瘤信息量有限的局限性，這也可能是聯(lián)合模型預(yù)測(cè)性能有所提升的原因。

3.3 主要研究結(jié)果分析

本研究納入的患者中，Luminal 型占60.4%，非Luminal型占39.6%，與研究[32-34]報(bào)道類似。本研究結(jié)果顯示基于隨機(jī)森林法建立的三個(gè)模型在訓(xùn)練組的預(yù)測(cè)效能表現(xiàn)均較好（AUC＞0.8），測(cè)試組的預(yù)測(cè)效能雖稍有下降，但都保持在一個(gè)較理想的范圍內(nèi)（AUC＞0.7）。DeLong檢驗(yàn)結(jié)果顯示在測(cè)試組中三個(gè)模型的預(yù)測(cè)效能兩兩比較差異均無統(tǒng)計(jì)學(xué)意義，表明在本研究中DWI 序列、DCE 序列和聯(lián)合序列均能較好地預(yù)測(cè)非特殊型浸潤性乳腺癌Luminal 型和非Luminal 型。校正曲線和決策曲線也分別展示出本研究有較好的擬合情況和較高的臨床凈收益。

此外，本研究進(jìn)行了Luminal型和非Luminal型、訓(xùn)練組和測(cè)試組間的臨床及病理資料的比較，結(jié)果顯示Luminal 型和非Luminal 型之間的年齡、絕經(jīng)狀態(tài)、淋巴結(jié)轉(zhuǎn)移狀態(tài)等臨床及病理資料差異均無統(tǒng)計(jì)學(xué)意義（P＞0.05）。李薇等[35]的研究與本文研究結(jié)果同樣得出年齡、絕經(jīng)狀態(tài)、淋巴結(jié)轉(zhuǎn)移狀態(tài)在Luminal 型和非Luminal 型之間差異無統(tǒng)計(jì)學(xué)意義。陳永升等[36]的研究發(fā)現(xiàn)不同分子分型的乳腺癌患者絕經(jīng)狀態(tài)間的差異無統(tǒng)計(jì)學(xué)意義，但淋巴結(jié)轉(zhuǎn)移狀態(tài)在組間差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。上述文獻(xiàn)和本研究結(jié)果的差異可能與本研究納入樣本量偏小、分子分型方法不同等因素有關(guān)，有待進(jìn)一步探討。

3.4 局限性

本研究還存在一定的局限性：（1）本研究是一項(xiàng)回顧性的單中心研究，未引入外部測(cè)試，可能會(huì)導(dǎo)致研究結(jié)果不具有普適性；（2）樣本量相對(duì)較少；對(duì)分子分型只進(jìn)行了二分類，其結(jié)果無法為患者提供更加精準(zhǔn)的治療方式選擇。因此，未來需要進(jìn)一步擴(kuò)大樣本量，進(jìn)行多中心、更詳細(xì)分類的研究。

4 結(jié)論

綜上，本研究基于MRI 影像組學(xué)構(gòu)建的模型可以較好地預(yù)測(cè)非特殊型浸潤性乳腺癌Luminal 型和非Luminal型，有助于乳腺癌個(gè)體化治療方案的合理選擇。

作者利益沖突聲明：全體作者均聲明無利益沖突。

作者貢獻(xiàn)聲明：黃小華參與設(shè)計(jì)本研究的方案，對(duì)稿件重要內(nèi)容進(jìn)行了修改，獲得了南充市市校合作項(xiàng)目的資助；張丁懿參與研究方案的設(shè)計(jì)，起草和撰寫稿件，獲取、分析并解釋本研究的數(shù)據(jù)；沈夢(mèng)伊、張麗、何欣獲取、分析或解釋本研究的數(shù)據(jù)，對(duì)稿件的部分內(nèi)容進(jìn)行了修改。全體作者都同意發(fā)表最后的修改稿，同意對(duì)本研究的所有方面負(fù)責(zé)，確保本研究的準(zhǔn)確性和誠信。