编辑推荐：
腋窝淋巴结（ALN）状态对乳腺癌预后至关重要，传统 ALND 和 SLND 存在风险。本研究探讨术前 DBT 影像组学结合肿瘤及瘤周特征预测 ALN 转移的可行性，发现 Signaturetuomor+10 mm 模型及 nomogram 性能优异，优于放射科医生评估。
乳腺癌作为全球女性最常见的恶性肿瘤之一，其腋窝淋巴结（Axillary Lymph Node, ALN）转移状态是评估预后、制定治疗方案的关键指标。传统的腋窝淋巴结清扫术（Axillary Lymph Node Dissection, ALND）虽为金标准，却伴随上肢淋巴水肿、感染等严重并发症；前哨淋巴结活检术（Sentinel Lymph Node Biopsy, SLND）虽创伤较小，但仍存在过度治疗风险。数字乳腺断层摄影（Digital Breast Tomosynthesis, DBT）作为新兴的精准成像技术，能有效检出被致密腺体组织掩盖的病变，但其对 ALN 转移的评估仍依赖放射科医生主观判读，且无法全面覆盖腋窝淋巴结区域。如何利用 DBT 影像的客观信息，构建无创、精准的 ALN 转移预测模型，成为亟待解决的临床难题。
为填补这一研究空白，广东省妇女儿童医院与广东医科大学附属医院的研究团队开展了一项多中心回顾性研究，相关成果发表在《BMC Medical Imaging》。研究旨在探索基于 DBT 影像的肿瘤及瘤周区域影像组学特征，结合临床病理因素，构建术前预测乳腺癌 ALN 转移的模型，并验证其效能。
研究团队收集了两中心共 536 例乳腺癌患者的术前 DBT 影像数据，其中 390 例来自广东省妇女儿童医院（2021 年 1 月 - 2023 年 6 月），146 例来自广东医科大学附属医院（2019 年 3 月 - 2023 年 6 月）。所有患者均经病理证实为浸润性乳腺癌，且具备明确的 ALN 状态和 DBT 影像资料。研究采用三维感兴趣区域（Region of Interest, ROI）勾画技术，在 DBT 图像的头尾位（CC）和内外侧斜位（MLO）上分别勾勒肿瘤核心及瘤周 3 mm、5 mm、10 mm 区域的轮廓，提取包括形态学、一阶统计量、纹理特征（如灰度共生矩阵 GLCM、灰度游程矩阵 GLRLM 等）及小波特征在内的 3562 项影像组学特征。通过方差分析（ANOVA）、最小绝对收缩和选择算子（LASSO）及支持向量机递归特征消除（SVM-RFE）等算法进行特征筛选，构建了包含肿瘤及不同瘤周区域特征的影像组学模型，并结合临床病理因素（如 Ki-67 状态）建立列线图（Nomogram）模型。
研究结果
- 影像组学模型效能：对比肿瘤核心、单纯瘤周及肿瘤联合瘤周区域模型发现，**Signaturetuomor+10 mm 模型（肿瘤核心 + 10 mm 瘤周）** 表现最优。在训练集和验证集中，该模型通过 Logistic 回归（LR）分类器计算的 RadScore 对应的 AUC 分别为 0.806 和 0.785，显著优于单纯肿瘤或较小瘤周区域模型。特征重要性分析显示，肿瘤区域的小波特征（wavelet-HLH_glcm_Idn）和瘤周 10 mm 区域的一阶统计特征（logarithm_firstorder_RootMeanSquared）是关键预测因子。
- 临床 - 影像组学联合模型：将 Ki-67 状态与 RadScore 结合构建的 Nomogram 模型，在训练集和验证集的 AUC 分别提升至 0.813 和 0.792，预测准确性优于单纯影像组学模型。多变量 Logistic 回归显示，Ki-67 状态是独立预测因子（OR=0.452, 95% CI: 0.279-0.731, P<0.001）。
- 与放射科医生评估对比：Nomogram 模型的预测准确性显著优于放射科医生基于 DBT 影像的主观评估（训练集 AUC：0.813 vs. 0.583；验证集 AUC：0.792 vs. 0.582），表明其在减少主观偏差、提升预测客观性方面的优势。
研究结论与讨论
本研究首次系统整合乳腺癌肿瘤核心与瘤周 10 mm 区域的 DBT 影像组学特征，证实该模型可有效预测 ALN 转移。瘤周 10 mm 区域因涵盖活跃的肿瘤 - 宿主相互作用微环境（如癌相关成纤维细胞 CAFs、肿瘤相关巨噬细胞 TAMs 浸润及淋巴管生成），其特征能更全面反映转移相关的生物学过程。联合 Ki-67 这一增殖活性标志物构建的 Nomogram 模型，进一步提升了预测效能，为临床提供了无创、精准的术前评估工具。
研究结果表明，影像组学模型不仅能客观量化肿瘤异质性及微环境特征，还可弥补 DBT 无法直接评估腋窝淋巴结的局限性。与传统手术评估相比，该模型有望减少不必要的有创操作，避免过度治疗，为个性化治疗方案制定提供依据。尽管存在样本量有限、中心间设备差异等局限性，但其为乳腺癌术前评估开辟了新方向。未来需更大规模前瞻性研究验证模型泛化性，并推动影像组学与临床工作流整合，促进精准医疗实践。
