基于多模态影像组学的乳腺癌良恶性鉴别：MRI、超声与乳腺X线摄影的整合分析

本研究针对乳腺癌早期诊断的临床挑战，创新性地整合MRI、超声(US)和乳腺X线摄影(MMG)三种影像模态，通过提取肿瘤及周围5mm区域的影像组学特征，构建了诊断效能最优的多模态逻辑回归模型（AUC=0.905）。该研究首次系统比较了不同扩展距离（3mm/5mm/8mm）的瘤周特征价值，证实5mm区域对提升诊断准确性具有关键作用，为乳腺癌无创精准诊断提供了新范式。

　　

乳腺癌已超越肺癌成为全球发病率最高的恶性肿瘤，2020年新增病例达230万例。尽管乳腺X线摄影(MMG)、超声(US)和磁共振成像(MRI)是临床主要诊断手段，但单一模态存在明显局限：MMG对致密型乳腺敏感性低，US难以捕捉微钙化，MRI虽软组织分辨率高却价格昂贵。更关键的是，传统影像学主要依赖形态学观察，无法量化反映肿瘤异质性和微环境特征。这促使研究者探索能整合多模态影像优势、同时挖掘深层生物学信息的创新方法。

三峡大学第一临床医学院宜昌市中心人民医院联合北京交通大学自动化与智能学院等机构的研究团队，在《BMC Medical Imaging》发表了一项突破性研究。该团队首次将MRI的3D特征与US、MMG的2D特征相结合，通过提取肿瘤及瘤周（3mm/5mm/8mm扩展区）的3108个MRI特征和1125个US/MMG特征，构建了四类多模态诊断模型。研究采用方差分析(ANOVA)、最大相关最小冗余(mRMR)和最小绝对收缩选择算子(LASSO)进行特征筛选，最终通过逻辑回归建立预测模型，并在三中心队列（204例患者）中验证性能。

关键技术方法包括：1）多中心回顾性收集204例患者的MRI、US、MMG影像及病理数据；2）使用Darwin科研平台按IBSI标准提取影像组学特征；3）通过ANOVA-mRMR-LASSO三级特征筛选；4）构建包含瘤内及不同扩展距离（3mm/5mm/8mm）瘤周特征的四种模型组合；5）采用ROC曲线、决策曲线(DCA)和校准曲线评估模型性能。

临床特征分析
数据显示恶性组患者年龄更大（52.28±11.20 vs 46.47±10.81岁）、绝经比例更高（46% vs 24%），且肿瘤最大直径（21mm vs 12mm）、不规则形态（92% vs 39%）等影像特征差异显著（均P<0.05）。这些参数为模型构建提供了重要临床依据。

特征选择与模型构建
研究筛选出10个最具鉴别力的特征构建MRI_US_MMG 5mm瘤周模型，其中60%为MRI的3D特征（如灰度共生矩阵GLCM、灰度依赖矩阵GLDM）。热图分析显示这些特征与良恶性状态高度相关，且瘤周5mm区域的放射组学评分(radscore)在恶性组显著升高（P<0.001）。

模型性能验证
在测试集中，MRI_US_MMG 5mm模型表现最优：AUC达0.905（95%CI:0.805-1），灵敏度88.9%、特异度87.5%。外部验证队列AUC保持0.886，证实模型泛化能力。决策曲线显示该模型在阈值概率>0.2时具有显著临床净收益。

瘤周区域价值
比较不同扩展距离发现，5mm瘤周模型始终优于瘤内模型（AUC提升0.06-0.13），但8mm区域因包含过多正常组织导致性能下降。这提示肿瘤微环境的影响范围存在最佳空间尺度，与既往关于瘤周6mm区域最能反映生物学行为的研究相符。

该研究开创性地证实：多模态影像组学模型通过整合MRI的3D异质性信息与US/MMG的便捷性优势，可显著提升乳腺癌诊断准确性。特别是5mm瘤周特征的引入，使模型能够捕捉肿瘤-微环境交互的关键信息，为理解乳腺癌空间异质性提供了新视角。研究不仅为临床提供了可解释的预测工具（如包含10个特征的列线图），更启示未来研究应关注：1）多模态特征互补机制；2）瘤周最佳空间尺度的生物学基础；3）与分子分型的关联探索。这些发现对推动乳腺癌精准诊疗具有重要转化价值。