摘要：新辅助治疗（NAT）（包括新辅助化疗NAC）已成为临床腋窝淋巴结阳性（cN+）乳腺癌患者的标准治疗方式。经过NAT后，约40%-75% 的患者腋窝淋巴结可以获得病理完全缓解（pCR），即手术切除的淋巴结中找不到肿瘤细胞。
对于达到pCR的患者，理论上可免除创伤较大的腋窝淋巴结清扫术（ALND），从而减少术后淋巴水肿、肩部活动受限和上肢麻木等并发症。
目前，术后病理检查仍是判断腋窝淋巴结pCR的金标准，但这种有创的方法存在决策滞后性，可能导致部分患者接受过度治疗。因此，通过影像学方法术前无创预测pCR成为了研究热点。2 主要影像学预测方法2.1 超声检查超声是评估腋窝淋巴结状态的常用方法，主要通过观察淋巴结的形态学特征和血流信号进行评估。研究表明，短径较小、长径/短径比例较大、淋巴门结构存在以及淋巴门血流分布丰富的淋巴结，更容易达到pCR。
超声对操作者经验依赖较大，其对pCR的敏感性较低（约0.627），单独使用难以满足临床精准预测的需求。
2.2 磁共振成像（MRI）MRI，特别是动态增强磁共振成像（DCE-MRI），具有较高的软组织分辨率，能够提供形态学和功能学信息，是目前预测pCR研究中最受关注的影像学方法之一。TIC模式是pCR的独立预测因子。
ADC值反映了水分子的扩散能力，NAC前及NAC后最大淋巴结的ADC值在pCR组和非pCR组间的差异有统计学意义。但也有研究指出两组间ADC值差异无统计学意义，这可能与样本异质性有关。
例如，有研究利用DCE-MRI影像组学特征构建的模型预测AUC可达0.825。
影像学特征类型 具体特征 预测价值 参考文献
形态学特征 皮质厚度变薄 pCR组皮质厚度通常更薄
脂肪门存在 脂肪门存在提示pCR可能性大
功能学参数 TIC类型（流出型vs.流入型） 流出型曲线更可能提示pCR
ADC值变化 NAC后ADC值增高可能提示pCR（存在争议）
影像组学特征 纹理特征、小波特征等 联合模型可显著提高预测精度（AUC > 0.8）
分辨率有限，价格昂贵，有辐射暴露，且化疗后的炎症反应可能导致假阳性结果。其在预测pCR中的具体价值仍需更多研究证实。
超声联合乳腺X线模型（AUC=0.84）优于单一超声模型（AUC=0.78）。
DCE-MRI的肿瘤内和肿瘤周围放射组学特征联合模型（AUC=0.846）显著优于超声模型。
乳腺癌的分子分型（如激素受体ER/PR状态、HER2状态）与NAC疗效密切相关。
多因素分析常显示ER阴性、PR阴性、HER2阳性（即HER2过表达型） 与腋窝淋巴结pCR显著相关，
超声+乳腺X线+免疫组化（ER, PR）的联合模型AUC可达0.89。
MRI影像组学特征联合临床病理特征（如TILs≥20%、临床N分期）的模型AUC可达0.853。
研究利用生成对抗网络（GAN）提升MRI分辨率，或构建全自动深度学习系统（如FAIS-DL）整合多区域DCE-MRI和临床病理特征来预测pCR。
模拟应用显示，基于AI预测可避免大量不必要的ALND，将不必要手术率从47.9%降至6.8%，使最终获益率从52.2%增加到86.5%。
乳腺癌不同分子分型（Luminal A, Luminal B, HER2阳性, 三阴性）对NAC的反应模式各异，单一预测模型可能难以普适，需考虑分型预测或模型适配。
许多研究为单中心、回顾性，样本量有限。模型在不同机构、人群中的泛化能力需通过多中心、大样本前瞻性研究进一步验证。
5. 临床转化与应用：如何将复杂的预测模型以简单、直观的形式（如列线图Nomogram）整合到临床工作流程中，便于医生使用，是推动应用的关键。5 总结与未来展望基于影像学方法预测乳腺癌新辅助治疗后腋窝淋巴结pCR是一个快速发展的领域。从传统的单一影像形态学评估，发展到融合多模态影像、临床病理和分子信息的人工智能驱动集成预测系统，预测的准确性和临床实用性不断提高。这些进展为实现乳腺癌腋窝处理的精准化和微创化奠定了基础，使更多患者有望安全地豁免ALND。开展多中心、大样本的前瞻性临床试验，验证优秀模型（如FAIS-DL）的泛化能力和临床有效性。
推动影像 acquisition、特征提取和模型分析的标准化进程，并开发全自动、一体化的预测工具，降低对操作者经验的依赖。
结合基因组学、转录组学、免疫微环境特征（如通过scRNA-seq发现的T细胞和巨噬细胞亚群特征）等，构建更全面的预测体系。
将预测模型无缝整合到临床诊疗路径中，明确模型指导下的手术豁免标准，并评估其长期预后效果。
总而言之，影像学预测乳腺癌新辅助治疗后腋窝淋巴结pCR的研究正朝着更加精准、定量和多维度整合的方向发展，并展现出广阔的临床转化前景，有望在未来为更多乳腺癌患者带来个性化的诊疗福祉。来源：eric28846一点号
