编辑推荐：
乳腺癌诊疗中，腋窝淋巴结（ALN）分期意义重大，传统评估方法存在局限性。研究人员开展 “深度学习用于乳腺 MRI 预测乳腺癌腋窝淋巴结转移” 的研究，发现该技术敏感性 0.76、特异性 0.81，加权 AUC 达 0.788，有助于优化临床决策。
在全球范围内，乳腺癌是严重威胁女性健康的重大疾病，是女性中最常被诊断出的癌症，也是癌症相关死亡的主要原因之一。2020 年，全球预估有 230 万女性新增乳腺癌病例，死亡人数达 68.5 万 。在乳腺癌的诊疗过程中，腋窝淋巴结（Axillary Lymph Nodes，ALN）的分期极为关键，它对临床分期、治疗方案的制定以及预后评估都有着重要的指导作用。目前，手术淋巴结活检是评估 ALN 状态最精确的方法，包括腋窝淋巴结清扫术（Axillary Lymph Node Dissection，ALND）和前哨淋巴结活检（Sentinel Lymph Node Biopsy，SLNB） 。然而，对于老年早期乳腺癌患者是否进行手术腋窝淋巴结分期存在争议，一些研究表明在特定患者中省略 SLNB 是安全的，但外科医生对此仍存顾虑。同时，术前腋窝超声的敏感性不稳定，且受操作者影响大，在肥胖患者中扫描深部区域困难。相比之下，乳腺 MRI 虽有优势，但图像质量差异和放射学解释的主观性会导致误诊，其在判断腋窝淋巴结转移方面的特异性也较低，容易造成分期不准确 。
为了找到一种更精准、非侵入性的方法来预测乳腺癌患者腋窝淋巴结转移，来自彰化基督教医院、国立阳明交通大学等机构的研究人员开展了相关研究。该研究成果发表在《Cancer Imaging》上。
研究人员为了评估基于深度学习的算法应用于乳腺 MRI 预测乳腺癌患者腋窝淋巴结转移的诊断性能，进行了一项系统评价和荟萃分析。在研究过程中，研究人员严格遵循相关指南，在 PubMed、MEDLINE 和 Embase 数据库中检索了 2004 年 1 月至 2025 年 2 月发表的英文文章。筛选出符合条件的研究后，提取数据并进行质量评估，最终纳入 10 项研究。之后，运用 R 统计软件，采用随机效应模型对诊断准确性进行合并分析，构建汇总受试者工作特征曲线（Summary Receiver Operating Characteristic Curve，SROC）等进行统计分析 。
在文献检索和筛选方面，最初共检索到 2667 篇文章，经过去重、标题和摘要筛选、全文评估等步骤，最终确定 10 项研究纳入荟萃分析 。在质量评估中，多数研究的风险评级为不明确，基于相关标准的质量评估显示，纳入研究的总体质量存在一定的变异性 。对纳入文献基本特征的分析发现，所有研究均为回顾性设计，多数研究以原发性肿瘤为预测腋窝淋巴结转移的靶病变，多数使用动态对比增强磁共振成像（Dynamic Contrast-Enhanced Magnetic Resonance Imaging，DCE-MRI）图像，且采用不同的人工智能算法建模 。
在诊断准确性和异质性方面，研究得出总体合并敏感性为 0.76（95% CI，0.67 - 0.83），特异性为 0.81（95% CI，0.74 - 0.87），两者均存在中度的研究间异质性 。亚组分析显示，以原发性肿瘤和腋窝淋巴结同时为靶点的研究，诊断性能略优于仅以原发性肿瘤为靶点的研究 。SROC 分析得出加权 AUC 为 0.788，诊断优势比（Diagnostic Odds Ratio，DOR）为 14.7（95% CI 7.6 - 28.3），存在中度至高度的异质性 。
研究结论表明，基于深度学习的乳腺 MRI 在预测乳腺癌腋窝淋巴结转移方面具有良好的诊断性能。这意味着深度学习模型有潜力辅助放射科医生，提高诊断准确性，减少不必要的手术干预 。不过，研究间的异质性提示需要标准化成像协议，开展更大规模、多中心的研究来进一步验证其临床实用性 。未来的研究应聚焦于将深度学习与临床和基因组数据相结合，实现更个性化、精确的治疗方案规划，最终改善患者的治疗效果 。
