《Frontiers in Oncology》：Diagnostic performance of deep learning models using ultrasound for preoperative axillary nodal status in breast cancer: a systematic review and meta-analysis
背景：深度学习（deep learning, DL）模型可能从乳腺或腋窝超声中提取淋巴结风险信息，但相关研究在解剖输入、预处理、参考标准和验证设计上存在差异。方法：研究人员更新了PubMed、Web of Science Core Collection和Cochrane CENTRAL，并辅以OpenAlex和Crossref的补充检索，以及截至2026年8月24日的重复向后和向前引文检索。符合条件的研究评估了使用超声作为唯一成像方式的深度学习模型，用于乳腺癌治疗前二元腋窝或前哨淋巴结状态的分类，以手术病理结果为参考标准，并报告了具有精确或可唯一重建2 × 2表的独立患者水平验证队列。每项研究使用预先指定的层级选择一个队列。采用双变量随机效应模型和HSROC曲线对敏感性和特异性进行综合。结果：纳入11项研究，共1,027例验证患者。合并敏感性为0.75（95% CI 0.66–0.81；95%预测区间0.50–0.90），合并特异性为0.89（95% CI 0.83–0.93；预测区间0.66–0.97）。汇总HSROC面积为0.81。阳性似然比为6.60（95% CI 4.29–10.42），阴性似然比为0.29（0.21–0.38），诊断比值比为23.12（12.89–41.50）。描述性单变量I2值：敏感性为64.2%，特异性为73.8%。Deeks检验未提示漏斗图不对称（P = 0.677）。结论：基于超声的DL模型在选定的验证队列中显示出中等敏感性和高特异性。宽预测区间、异质的解剖输入和预处理、淋巴结阳性定义报告不全以及研究的地理集中性限制了其直接的临床可迁移性。这些模型应被评估为病理腋窝分期的辅助手段，而非替代品。系统评价注册：https://www.crd.york.ac.uk/PROSPERO/，标识符CRD42024589342。
**1 Introduction**
乳腺癌是全球最常见的癌症。腋窝淋巴结状态是分期、预后和局部区域治疗计划的核心。前哨淋巴结活检或腋窝淋巴结清扫获得的手术病理是参考标准，但这些操作具有侵入性，且前哨淋巴结活检仅取样部分淋巴结。可靠的术前无创分流工具可优化风险分层。常规腋窝超声具有高特异性但会漏诊相当比例的淋巴结疾病。基于双变量Meta分析，视觉超声评估的合并敏感性为0.51，特异性为1.00，但这是对腋窝淋巴结的直接视觉评估，不应作为间接推断淋巴结状态的DL模型的直接基准。DL可学习层次化图像表征，广泛应用于医学图像分析。现有DL研究在解剖输入（原发肿瘤图像、瘤周组织、腋窝淋巴结图像或组合）、超声格式（静态B模式或视频）、分割方式及是否结合手工放射组学或临床变量等方面存在差异。因此，研究者围绕一个狭窄的诊断问题重建证据基础：在未经治疗的乳腺癌患者中，以超声为唯一成像方式的DL模型在独立患者水平验证队列中对二元腋窝或前哨淋巴结状态的分类准确性，以及相关异质性。
**2 Materials and methods**
**2.1 Protocol, reporting framework, and amendment**
研究方案在PROSPERO注册（CRD42024589342）。修订版遵循PRISMA 2020和PRISMA-DTA报告。在重新分析前，一项标注日期的修订（2026年8月14日）将定量目标限定为具有独立患者水平验证和可重建2 × 2数据的DL超声模型。原始仅限浸润性导管癌的设定被移除，因为大多数符合条件队列纳入混合乳腺癌组织学类型且未报告可分离的组织学特异性诊断表。
**2.2 Search strategy**
本修订版中，PubMed更新至2026年8月23日；Web of Science Core Collection和Cochrane CENTRAL于2026年8月21日检索；重复进行了向后和向前引文检索。OpenAlex和Crossref于2026年8月24日作为补充公共来源检索。由于机构访问不可用，Embase未能更新；公共补充检索不能替代Embase。检索概念结合乳腺癌、腋窝或前哨淋巴结、超声以及人工智能、深度学习或放射组学。完整的来源特定策略和检索日志见附录和筛选数据库。
**2.3 Eligibility criteria**
符合条件的研究需满足：在新辅助全身治疗前入组乳腺癌患者；评估用于二元腋窝或前哨淋巴结转移的DL模型；使用超声作为唯一成像方式（可添加临床变量或来自同次超声检查的手工放射组学特征）；使用前哨淋巴结活检、腋窝淋巴结清扫或手术组织病理作为参考标准；报告独立患者水平验证队列；提供精确或可唯一重建的真阳性、假阳性、真阴性、假阴性计数。使用原发肿瘤图像、腋窝淋巴结图像或两者兼有的模型均符合条件，但分别分类。排除仅传统机器学习模型、需要MRI/CT/病理切片/光声成像等非超声影像的模型、新辅助后残留病灶模型、仅淋巴结负荷或非前哨淋巴结目标、无法转换为患者水平的节点或图像水平分析、无独立留出集的交叉验证摘要，以及报告内部不一致分母或性能指标的研究。
**2.4 Study selection and data extraction**
采用两轮筛选：高灵敏度自动第一轮，随后手动全文裁定。对每项研究提取设计、环境、选定验证队列、超声输入、解剖结构、ROI/预处理方法、模型类型、病理参考标准、淋巴结阳性定义以及TP/FP/TN/FN。通过重新计算敏感性、特异性、队列规模和疾病患病率检查每个重建表格。为避免乐观多重性，每项研究选择一个队列和一个模型。队列层级为外部验证、前瞻性或时间验证，再者为独立内部留出集。使用作者预先指定的最终模型；当有多个外部队列时，选择最大的合格外部队列。未选择具有最高约登指数的阈值或模型。若四舍五入的指标映射到多个整数表，则排除该研究的四格表汇总。
**2.5 Risk of bias and applicability**
使用QUADAS-2评估偏倚风险和适用性。患者选择、待评价试验实施/判读、参考标准、流程/时间分别判定为低、高或不明确风险。适用性评估针对人群选择、模型输入和目标条件。特别关注受限制人群、阈值选择以及模型评估原发肿瘤风险还是直接腋窝淋巴结形态。
**2.6 Statistical analysis**
在logit尺度上使用双变量随机效应模型联合综合敏感性和特异性，并给出相应HSROC表示。零单元格仅在研究水平logit计算和展示时进行0.5连续性校正。报告合并敏感性、特异性及其95%置信区间和95%预测区间、汇总ROC面积、阳性/阴性似然比、诊断比值比和Fagan检验后概率。研究间异质性主要通过随机效应方差、logit敏感性与logit特异性之间的相关性以及预测区间表示。同时计算Cochran Q和单变量I
2以回应审稿要求，但因其忽略阈值依赖相关性，作为描述性而非主要异质性统计量呈现。因研究数≥10，使用Deeks漏斗图不对称检验。亚组至少四项研究时才进行探索性估计，不进行因果或亚组间推断。主要模型在Python中通过最大似然估计，并在R中使用metafor包通过限制最大似然估计独立拟合。R估计用于报告合并敏感性和特异性；所有其他衍生量和图形来自一致的Python拟合。分析于2026年8月14日在Slurm下执行。
**3 Results**
**3.1 Search results**
检索共识别531条来源记录（PubMed 161条，Web of Science 170条，Cochrane CENTRAL 3条，OpenAlex补充检索115条，Crossref补充检索82条）。去除295条重复后，236条记录进行筛选，标题和摘要阶段排除200条。引文检索识别1条额外记录，在标题和摘要筛选后排除。共寻找36篇报告，全部经全文评估；排除25篇。最终11项研究纳入定量综合。
**3.2 Study characteristics**
11个选定的验证队列共1,027例患者，发表于2020至2026年。所有研究在中国进行。8个选定队列为外部、前瞻性或时间验证，3个为独立内部留出集。8个模型仅使用原发肿瘤超声，3个纳入腋窝淋巴结图像；10个使用静态B模式输入，1个使用超声视频。模型组成、预处理、参考标准和淋巴结阳性报告存在差异。所有研究均使用病理定义的淋巴结阳性，但微转移/孤立肿瘤细胞阈值均未一致报告。所选验证队列的诊断数据可重建为精确的患者水平计数。
**3.3 Risk of bias and applicability**
参考标准和流程/时间域通常低风险，因为使用手术病理且验证数据在患者水平关联。回顾性队列中患者选择常为不明确风险。Qian等仅纳入≥75岁患者，Wang等选择腋窝超声可疑患者，两者均引起适用性担忧。待评价试验风险常不明确，因为分类阈值的预指定描述不完整；Agyekum等因阈值相关担忧被判定为高风险。
**3.4 Primary diagnostic accuracy**
双变量随机效应模型得出合并敏感性0.75（95% CI 0.66–0.81）和特异性0.89（95% CI 0.83–0.93）。95%预测区间分别为敏感性0.50–0.90、特异性0.66–0.97，表明未来环境的确定性比均值的置信区间更宽。汇总HSROC面积为0.81。阳性似然比6.60（95% CI 4.29–10.42），阴性似然比0.29（0.21–0.38），诊断比值比23.12（12.89–41.50）。在前验概率20%和30%时，阳性模型结果将相应验后概率提高至62.3%和73.9%；阴性结果则分别将其降低至6.7%和11.0%。
**3.5 Heterogeneity, subgroups, and reporting bias**
在REML验证拟合中，随机效应标准差logit敏感性为0.51，logit特异性为0.68，估计相关性为?0.26。描述性单变量异质性：敏感性I
2 = 64.2%（Q = 27.94，10 df，P = 0.0018），特异性I
2 = 73.8%（Q = 38.24，10 df，P < 0.001）。探索性亚组分析中，仅原发肿瘤输入模型的敏感性0.73（95% CI 0.63–0.81）和特异性0.87（0.79–0.92）。明确使用SLNB/ALND参考标准的模型敏感性0.73（0.63–0.81）、特异性0.89（0.80–0.94）。泛化导向验证的模型敏感性0.74（0.64–0.82）、特异性0.88（0.80–0.93）。纯DL最终模型比混合模型特异性更高但敏感性更低。由于亚组规模小且未预设正式交互检验，这些模式属于假设生成。Deeks回归检验未显示不对称（P = 0.677），但仅11项研究时，缺乏统计学证据不应被解释为无报告偏倚。
**4 Discussion**
**4.1 Principal findings**
在11个独立评估队列中，基于超声的DL模型对治疗前二元淋巴结状态表现出中等敏感性和高特异性。阳性结果可能提供有用的规则纳入信息；阴性似然比0.29不足以在遗漏淋巴结疾病会改变管理时替代病理分期。宽预测区间表明新中心的性能可能显著偏离合并均值。
**4.2 Interpretation relative to conventional ultrasound**
引言中的常规超声估计反映放射科医师对腋窝淋巴结形态的评估，是背景信息而非直接比较对象。本综述中多数DL模型分析原发肿瘤并推断淋巴结转移概率，而直接常规腋窝超声评估淋巴结本身。解剖目标、患者谱、阈值和参考标准的差异使得未经患者内头对头研究不能声称优越性。
**4.3 Anatomical input and preprocessing**
修订后的表格明确显示8个模型使用仅原发肿瘤输入，3个包含腋窝淋巴结图像。这些策略回答相关但不等同的问题：基于肿瘤的模型间接估计转移倾向，而基于节点的模型尝试直接病灶分类。ROI生成从手动肿瘤或节点注释到自动分割和视频/关键帧处理不等。仅原发肿瘤亚组与总体估计大致一致，但节点输入研究数量太少无法进行稳定合并。由于放射组学特征对分割、离散化和预处理敏感，图像生物标志物标准化倡议等标准化定义可能提高可重复性。未来报告应提供图像单位和患者单位的流程、盲法阈值选择、完整预处理细节和外部校准。
**4.4 Reference-standard and target-condition heterogeneity**
SLNB和ALND都是病理标准，但采样范围不同。三项研究使用“手术病理”的通用描述，孤立肿瘤细胞和微转移的明确处理常缺失。因此阳性类可能在各队列间不完全一致。将亚组限制在明确使用SLNB和/或ALND的报告时合并估计相似，但数据稀疏和沉积大小定义不完整无法排除临床重要异质性。
**4.5 Clinical and research implications**
在20%前验概率下，合并似然比转化为阳性结果后约62%、阴性结果后约7%的验后概率。这些值可能支持分诊或第二读者使用，但适当行动阈值取决于预期路径是选择穿刺活检、SLNB还是观察。前瞻性多中心影响研究应预先指定临床角色，在外部测试前锁定模型和阈值，在相同参考标准下将模型与放射科医师腋窝超声直接比较，并按照CLAIM等当前医学影像AI指南报告设计、数据划分、参考标准和性能估计。
**4.6 Strengths and limitations**
本修订版有四个优势：临床明确的目标问题；每项研究预指定一个验证队列；验证患者水平四格数据而非复制汇总估计；独立Python和R实现双变量模型。同时将解剖、预处理、参考标准和验证设计分开而非将“超声AI”研究视为可互换。局限性包括：所有纳入研究均来自中国，多为回顾性，部分评估选择人群；阈值预指定和淋巴结沉积大小定义报告不全；因机构访问不可用无法更新Embase；OpenAlex和Crossref作为补充公共来源，但无法替代Embase；稀疏亚组无法进行可靠Meta回归；Deeks检验效能有限。分析估计诊断准确性，而非患者结局或省略手术的安全性。
**5 Conclusions**
基于超声的DL模型在1,027例独立评估患者中达到合并敏感性0.75和特异性0.89。结果支持作为辅助风险分层或第二读者工具的潜在用途，但宽预测区间、异质解剖和预处理、淋巴结阳性定义不全以及有限地理验证阻止其替代病理腋窝分期。需要前瞻性、阈值锁定、多中心头对头研究后才能临床实施。
