朱娅娣 郁义星 杨玲

乳腺癌是全球女性癌症死亡的主要原因，其发病率逐年上升，每年大约新增170万例，严重威胁女性的身体健康及生活质量[1]。是否发生腋窝淋巴结转移对乳腺癌分期、治疗及病人预后有重要意义，也是术后放化疗的重要参考指标之一[2-3]。术前预测和明确腋窝淋巴结状态及分期，对于选择安全有效的治疗方法，减少术后并发症的发生至关重要[4]。目前临床上评估乳腺癌腋窝淋巴结转移多采用腋窝淋巴结清扫（axil lary lymph node dissection，ALN D）或前哨淋巴结活检术（sentinel lymph node biopsy，SLN B），但ALND可导致淋巴水肿、腋窝神经与ALND相比，损伤以及肩关节运动功能障碍等短期和长期并发症[5-6]，降低病人的生活质量。SLNB是一种较ALND相对微创的方法，可用于评估淋巴结受累程度。前哨淋巴结（sentinel lymph node,SLN）作为淋巴结转移的第一站，当其未受累时其他淋巴结发生转移的可能性则很小，故SLNB已成为一项乳腺癌手术的推荐性操作。然而，由于放射性药物、注射及取材部位、操作人员的经验水平等不同，SLNB又被视为一项有争议的操作[7-8]。另有研究[9]显示，目前临床上SLNB的假阴性率较2005年美国临床肿瘤学会（American Society of Clinical Oncology，ASCO）指南中报道的SLNB假阴性率（<5%）大约增高了7%[10]，因此临床上需要一种准确、高效和普适性的诊断方法来预测腋窝淋巴结转移。动态增强M RI（D CEMR I）软组织分辨力高，可清晰显示病灶的形态、内部结构、数量、强化方式以及瘤周浸润情况等，是检测乳腺癌的敏感方法。影像组学可以将数字医学图像转换为高维、可利用和定量提取的影像特征，这些特征可以表征肿瘤内异质性，通过提取定量特征对肿块进行全面分析，可为临床决策提供潜在的无创性生物标志物。因此，本研究尝试应用基于DCEMRI的影像组学模型对乳腺癌病人SLN转移（SLN metastasis,SLNM）进行术前预测，并比较支持向量机（support vector machine，SVM）、逻辑回归（Logistic regression，LR）及决策树3种机器学习模型的诊断效能，以期获得一种准确、无创且便利的术前预测SLN的方法。

1 资料与方法

1.1 一般资料 回顾性收集2015年1月—2020年11月在苏州大学附属第一医院经手术或活检病理证实的128例乳腺癌女性病人的临床、病理及MRI资料。病人年龄24～72岁，平均（45.94±10.08）岁。纳入标准：①术前接受DCE-MRI检查；②接受SLNB或ALND。排除标准：①既往有乳腺放疗、化疗或激素治疗史；②临床或病理资料不全；③影像质量差无法评估。依据SLN病理结果将病人划分为SLN阳性组61例，阴性组67例。……