乳腺淋巴瘤的影像学特征、临床表现及超声人工智能(AI)决策支持系统(DS)的鉴别价值

这篇综述系统阐述了乳腺淋巴瘤(BL)的流行病学特征（发病率0.05-0.5%）、临床分型（原发性PBL/继发性SBL）及影像学鉴别难点，创新性引入FDA批准的超声AI决策支持系统(KOIOS DS)进行病灶恶性概率分析，填补了AI技术在淋巴瘤诊断领域的应用空白。研究通过11例活检确诊案例，首次采用MOD（恶性肿瘤呈现模式）标准分类，证实55%病例以可触及肿块为首发症状，为临床鉴别诊断提供重要依据。

　　

亮点

本研究首次将标准MOD（恶性肿瘤呈现模式）追踪语言与AI辅助决策系统相结合，对乳腺淋巴瘤进行系统分类。

方法

这项符合HIPAA标准的回顾性研究获得机构审查委员会(IRB)批准。通过乳腺影像报告跟踪系统(Ikonopedia)检索2020-2023年间接受超声引导活检的患者，最终纳入11例乳腺淋巴瘤确诊病例，占所有恶性乳腺肿瘤的0.42%。

结果

在8445例超声引导活检中，34例确诊淋巴瘤（排除23例单纯腋窝淋巴结病变）。55%病例以"可触及肿块"为初始表现，其余通过乳腺X线筛查或PET/CT发现。AI决策支持系统成功将多数淋巴瘤病灶标记为可疑恶性，但对极低回声/无回声病灶（易误诊为良性囊肿）的识别存在局限。

讨论

研究揭示了都市多样化人群中BL的最新流行病学特征。值得注意的是，虽然KOIOS AI训练集包含淋巴瘤数据（标记为恶性以提升异常组织识别能力），但当前尚无AI辅助诊断BL的专门文献。影像学表现显示：PBL常见于年轻患者的单发肿块，而SBL多表现为老年患者的多发肿块。

结论

研究证实乳腺淋巴瘤占乳腺恶性肿瘤的0.42%，强调临床需警惕其影像学表现的多样性——特别是易与良性囊肿混淆的显著低回声/无回声病灶，这类病灶可能逃逸放射科医师和AI系统的双重检测。