综述：乳腺癌腋窝淋巴结转移研究新进展：从手术变革到精准诊疗

为解决乳腺癌腋窝淋巴结转移诊疗问题，研究人员探究腋窝手术演变及诊疗新技术，为临床决策提供依据。

　　在全球范围内，乳腺癌是女性中最常见的恶性肿瘤。腋窝淋巴结（Axillary Lymph Node，ALN）的状态对乳腺癌患者的病情分期、预后判断以及治疗方案的选择起着至关重要的作用。过去，腋窝淋巴结清扫（Axillary Lymph Node Dissection，ALND）是评估腋窝淋巴结状态的常规方法，但这种手术会带来诸如上肢淋巴水肿、肩部活动受限、麻木和手术区域疼痛等一系列并发症，严重影响患者的生活质量。

随着医学技术的不断进步，腋窝管理逐渐从 ALND 向更微创的方式转变，前哨淋巴结活检（Sentinel Lymph Node Biopsy，SLNB）应运而生。然而，在诊疗过程中，仍存在一些亟待解决的问题，比如如何更精准地在术前诊断腋窝淋巴结转移，如何为不同患者选择最合适的治疗方案等。为了深入探究这些问题，中南大学湘雅二医院和湖南省乳腺疾病临床研究中心的研究人员开展了一项全面的研究，相关成果发表在《BMC Surgery》上。

研究人员主要运用了影像学检查、机器学习和构建临床预测模型等技术方法。在影像学检查方面，利用超声（Ultrasound，US）、计算机断层扫描（Computed Tomography，CT）、正电子发射断层扫描 / 计算机断层扫描（Positron Emission Tomography/Computed Tomography，PET/CT）和磁共振成像（Magnetic Resonance Imaging，MRI）等多种手段评估腋窝淋巴结转移情况。机器学习则借助放射组学和深度学习等方法，对医学图像进行分析处理。同时，通过整合影像学特征、生物标志物和临床因素构建临床预测模型，为临床决策提供更有力的支持。

历史腋窝手术的发展

乳腺癌腋窝手术在过去 50 年逐渐向手术降级演变，目的是降低术后发病率，提高患者生活质量。ALND 曾是乳腺癌患者腋窝手术的标准方式，被认为对分期和区域控制至关重要，但因其并发症较多，促使手术方式向更微创的方向发展。多项临床试验表明，对于早期乳腺癌患者，SLNB 可替代 ALND，且不显著影响局部复发或长期生存。例如，NSABP B - 32 试验将 5611 名临床淋巴结阴性的女性随机分组，结果显示两组在总生存期（Overall Survival，OS）、无病生存期（Disease - Free Survival，DFS）和复发风险方面无显著差异；IBCSG 23 - 01 试验对比了腋窝清扫组和未清扫组的 DFS 和长期手术并发症，发现两组在 DFS、OS 和并发症方面无差异。此外，对于部分特定患者，如小乳腺癌且腋窝超声结果阴性的患者，可省略腋窝手术；对于临床淋巴结阴性但前哨淋巴结有大转移且主要接受淋巴结放疗的患者，省略 ALND 也是可行的。对于新辅助化疗（Neoadjuvant Chemotherapy，NAC）后临床淋巴结状态发生变化的患者，SLNB 的可行性也在多项研究中得到评估。

基于影像学的腋窝淋巴结转移预测和诊断方法

1. 超声检查：超声长期以来用于术前评估 ALN 状态，转移性淋巴结有典型特征。常规灰阶超声的一些指标可预测淋巴结转移，如在三阴乳腺癌（Triple - Negative Breast Cancer，TNBC）患者中，ALN 的血流分级和长径与短径比（L/S）是独立预测因素。对比增强超声（Contrast - Enhanced Ultrasound，CEUS）能更好地显示血流和肿瘤灌注特征，诊断 SLN 转移的敏感性和特异性较高。超声弹性成像（Ultrasound Elastography，UE）可提供额外预后信息，与常规超声联合应用能提高诊断效能。综合来看，多种超声技术联合使用，如 US + CEUS，在评估 ALN 状态方面表现更优。
2. CT 和 PET/CT 检查：CT 具有较高的空间和密度分辨率，能显示腋窝淋巴结的大小、位置和外观等信息。研究发现，淋巴结的形状、皮质厚度等特征可作为 ALN 转移的独立预测因素，MDCT 在转移预测方面有良好表现。PET/CT 可提供代谢信息，在检测小转移灶方面有优势，但存在辐射问题。其对 ALN 转移诊断的特异性较高，但仅适用于高区域转移风险的患者进行分期预测。
3. MRI 检查：MRI 是诊断 ALN 转移的补充工具，对转移性淋巴结的鉴别有一定效果。MRI 与 PET/CT 联合应用，在确定低负荷（≤2 个阳性淋巴结）ALN 转移方面具有较高的预测价值，有助于腋窝手术的降级。

机器学习在转移性淋巴结诊断中的应用

尽管影像学方法在检测 ALN 转移方面有一定作用，但存在假阴性率高、放射科医生主观性强和无法自动分类转移性 ALN 等问题。机器学习中的放射组学和深度学习在预测 ALN 转移方面展现出潜力。放射组学通过高通量方法提取大量影像学特征构建模型，如基于 CECT 图像和 DCE - MRI 图像构建的放射组学模型，在检测 ALN 转移和评估 DFS 方面表现良好，且结合临床病理因素可进一步提高模型性能。深度学习中的卷积神经网络（Convolutional Neural Network，CNN）能自动分类和分割医学图像，基于 MRI 和 DCE - MRI 图像构建的 CNN 模型在预测 ALN 转移方面也取得了较好的结果，为个性化腋窝治疗提供了可能。

临床预测模型检测腋窝淋巴结转移

近年来，研究人员开发了多种整合影像学特征、生物标志物和临床因素的临床预测模型。血清 miRNAs 和免疫相关分子等生物标志物可用于预测 ALN 转移。例如，基于血清 miRNAs 和临床病理因素构建的预测模型，以及整合免疫相关基因特征和超声 ALN 状态的免疫相关基因列线图，都对 ALN 转移有较好的预测性能。此外，基于淋巴结形态的 3D 重建系统也能更准确地反映淋巴结形态变化，在检测淋巴结转移方面比传统的 2D 成像方法更具优势。

研究结论表明，腋窝手术正朝着更微创的方向发展，如靶向腋窝清扫（Targeted Axillary Dissection，TAD）逐渐受到关注，它可降低假阴性率，减少术后并发症，提高患者生活质量。同时，免疫疗法在乳腺癌腋窝淋巴结转移治疗中逐渐展现出潜力，如 CCL5/CCR5 通路和 PD - 1/PD - L1 等靶点成为潜在的治疗方向。多种诊断方法的联合应用以及综合治疗策略，使得乳腺癌腋窝淋巴结转移的治疗更加个性化和精准化。

然而，目前仍存在一些问题。例如，隐匿性腋窝转移的临床意义尚不明确，虽然其检测率可通过一些方法提高，但对患者长期生存的影响还需进一步随访研究。此外，病理检查和治疗的标准化也有待加强。未来，随着科研和技术的不断进步，有望出现更多创新的治疗策略和药物，为乳腺癌患者带来更好的治疗效果。