多参数MRI影像组学在预测浸润性乳腺癌腋窝淋巴结转移中的比较研究及临床应用价值

本研究通过比较基于T2加权成像(T2WI)、扩散加权成像(DWI)和动态对比增强(DCE)的影像组学模型，开发了多序列联合预测模型(AUC=0.82)，结合常规MRI特征后进一步提升至AUC=0.84，显著优于放射科医师诊断(p<0.05)。研究证实DCE序列预测效能最优，而多序列联合模型可提供更全面的生物学信息，其构建的列线图可实现个体化风险预测，高风险组患者3年无病生存率(DFS)显著降低(HR=3.85)。

　　

ABSTRACT

研究背景揭示了当前不同MRI序列对浸润性乳腺癌腋窝淋巴结转移(ALNM)预测价值的争议。通过多中心回顾性研究设计，纳入454例患者(训练队列382例，外部验证队列72例)，旨在比较单序列与多序列影像组学模型的预测效能。

Methods

采用ITK-SNAP软件手动勾画肿瘤感兴趣区域(ROI)，从T2WI、DWI和DCE序列提取3390个影像组学特征。通过LASSO回归和10折交叉验证进行特征筛选，分别构建单序列模型和联合模型。常规MRI特征评估由两名放射科医师盲法完成，最终整合最优影像组学模型与显著临床特征构建联合MRI模型。

Results

外部验证队列中，DCE模型表现最佳(AUC=0.76)，但与T2WI(0.72)和DWI(0.70)无统计学差异(p>0.05)。三序列联合模型AUC达0.82，显著优于DWI和T2WI(p<0.05)。联合MRI模型将AUC提升至0.84，使放射科医师诊断错误率从30.6%降至23.6%。生存分析显示，基于模型风险分层的高危组患者3年DFS显著较差(p<0.001)。

2 Methods

研究严格筛选2018-2023年两个医疗中心的患者数据，排除新辅助治疗等干扰因素。1.5T MRI扫描参数标准化，包括脂肪抑制T2WI、DCE-MRI和DWI(b值=800 s/mm²)。影像组学特征经z-score标准化后，筛选ICC≥0.75的高重复性特征。

3 Results

病理证实ALNM阳性率在训练队列和验证队列分别为36.9%和47.2%。多因素分析确定肿瘤多灶性(OR=3.54)、MRI报告ALN异常(OR=3.96)和放射组学评分(OR=5.91)为独立预测因子。代表性病例展示中，模型预测概率>80%的患者经病理证实为ALNM阳性。

4 Discussion

DCE序列的优势可能源于其对肿瘤血管浸润和血管生成特征的捕捉能力。与既往研究不同，本研究发现多序列联合可提供互补信息，其中T2WI反映的水肿特征与肿瘤侵袭性相关。研究创新性地证实影像组学特征与预后显著相关，为临床决策提供量化依据。

5 Conclusion

该研究建立的联合预测模型不仅优化了ALNM术前评估流程，其风险分层功能还为个体化治疗策略制定提供了新思路。未来研究可探索深度学习自动分割技术，并纳入瘤周特征以进一步提升模型性能。