基于病理和超聲圖像特征的列線圖模型預(yù)測(cè)乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移的臨床價(jià)值

摘" " 要" " 目的" " 基于浸潤(rùn)性乳腺癌原發(fā)灶的病理和超聲圖像特征構(gòu)建列線圖模型，探討其預(yù)測(cè)腋窩淋巴結(jié)轉(zhuǎn)移的臨床價(jià)值。方法" " 回顧性分析經(jīng)病理證實(shí)的浸潤(rùn)性乳腺癌女性患者369例患者，以7∶3比例隨機(jī)分為訓(xùn)練集（258例）和驗(yàn)證集（111例）。根據(jù)是否發(fā)生腋窩淋巴結(jié)轉(zhuǎn)移將訓(xùn)練集患者分為轉(zhuǎn)移組（116例）和未轉(zhuǎn)移組（143例），比較兩組血清腫瘤標(biāo)志物、病理和超聲圖像特征的差異；采用二元Logistic回歸分析篩選預(yù)測(cè)浸潤(rùn)性乳腺癌患者發(fā)生腋窩淋巴結(jié)轉(zhuǎn)移的獨(dú)立影響因素，并構(gòu)建預(yù)測(cè)腋窩淋巴結(jié)轉(zhuǎn)移的列線圖模型；繪制受試者工作特征（ROC）曲線和校準(zhǔn)曲線分別評(píng)估該模型的區(qū)分度和校準(zhǔn)度。結(jié)果" " 訓(xùn)練集中轉(zhuǎn)移組與未轉(zhuǎn)移組原發(fā)灶病理類型、組織學(xué)分級(jí)、血清腫瘤標(biāo)志物［糖類抗原153（CA153）和癌胚抗原（CEA）］水平，以及超聲圖像特征（最大徑、位置、有無高回聲暈環(huán)）比較，差異均有統(tǒng)計(jì)學(xué)意義（均Plt;0.05）。二元Logistic回歸分析顯示，原發(fā)灶位置（內(nèi)下象限）、高回聲暈環(huán)、最大徑、組織學(xué)分級(jí)均為預(yù)測(cè)浸潤(rùn)性乳腺癌患者發(fā)生腋窩淋巴結(jié)轉(zhuǎn)移的獨(dú)立影響因素（OR=0.064、13.278、1.049、9.277，均Plt;0.05）。以此構(gòu)建的列線圖模型預(yù)測(cè)訓(xùn)練集和驗(yàn)證集浸潤(rùn)性乳腺癌患者發(fā)生腋窩淋巴結(jié)轉(zhuǎn)移的ROC曲線下面積分別為0.845、0.823，校準(zhǔn)曲線與理想曲線高度吻合，其區(qū)分度和校準(zhǔn)度均高。結(jié)論" " 基于浸潤(rùn)性乳腺癌原發(fā)灶的病理和超聲圖像特征構(gòu)建的列線圖模型可預(yù)測(cè)腋窩淋巴結(jié)轉(zhuǎn)移風(fēng)險(xiǎn)，可為臨床精準(zhǔn)診療提供參考。

關(guān)鍵詞" " 超聲檢查；病理；浸潤(rùn)性乳腺癌；腋窩淋巴結(jié)轉(zhuǎn)移；列線圖

［中圖法分類號(hào)］R445.1；R737.9" " " ［文獻(xiàn)標(biāo)識(shí)碼］A

Clinical value of nomogram model based on pathological and ultrasound image features in predicting axillary lymph node metastasis of breast cancer

RUAN Yan，ZHA Guofen，ZHENG Yuxin，ZHANG Yajiao，F(xiàn)ANG Chengyu，HU Danqi，LIU Junping

Graduate School of Zhejiang Chinese Medicine University，Hangzhou 310053，China

ABSTRACT" " Objective" " To construct a nomogram model based on the pathological and ultrasound image features of the primary lesions of invasive breast cancer，and to investigate its clinical value in predicting axillary lymph node metastasis.Methods" " A total of 369 female patients with pathologically confirmed invasive breast cancer were retrospectively analyzed，and were randomly divided into the training set（n=258） and verification set（n=111） at a ratio of 7∶3.The patients in the training set were divided into metastatic group（n=116） and non-metastatic group（n=143） according to whether axillary lymph node metastasis occurred.The differences of serum tumor marker，pathological and ultrasound image features between the two groups were compared.Binary Logistic regression analysis was used to screen the independent influencing factors for predicting axillary lymph node metastasis in patients with invasive breast cancer，and a nomogram model for predicting axillary lymph node metastasis was constructed.Receiver operating characteristic（ROC） curve and calibration curve were drawn to evaluate the discrimination and calibration，respectively.Results" " The differences in pathological type，histological grade，serum tumor marker（carbohydrate antigen 153 and carcinoembryonic antigen） levels，ultrasound image features（maximum diameter，location and presence or absence of hyperechoic halo） between metastatic group and non-metastatic group in the training set were statistically significant（all Plt;0.05）.Binary Logistic regression analysis showed that the location of the primary lesions（inner lower quadrant），hyperechoic halo，maximum diameter and histological grade were independent influencing factors in predicting axillary lymph node metastasis in patients with invasive breast cancer（OR=0.064，13.278，1.049，9.277，all Plt;0.05）.The area under ROC curve of the constructed nomogram model for predicting axillary lymph node metastasis in the training set and verfication set were 0.845 and 0.823，respectively.The calibration curve was highly consistent with the ideal curve，and the nomogram model had good discrimination and calibration.Conclusion" " The nomogram model based on the pathological and ultrasound image features of the primary invasive breast cancer can effectively predict the risk of axillary lymph node metastasis，and provide reference for accurate diagnosis and treatment.

KEY WORDS" " Ultrasonography；Pathology；Invasive breast cancer；Axillary lymph node metastasis；Nomogram

乳腺癌是目前發(fā)病率最高的惡性腫瘤之一，也是女性癌癥相關(guān)死亡的主要原因［1］，腋窩淋巴結(jié)有無轉(zhuǎn)移是乳腺癌的重要預(yù)后因素［2］。目前臨床常通過前哨淋巴結(jié)活檢確定腋窩淋巴結(jié)受累情況，但其假陰性率約為8.4%，且接受活檢的患者會(huì)發(fā)生更多的手術(shù)并發(fā)癥，包括淋巴水腫、肩關(guān)節(jié)活動(dòng)受限、感染和感覺障礙等［3-4］。無創(chuàng)診斷乳腺癌腋窩淋巴結(jié)有無轉(zhuǎn)移是目前的研究熱點(diǎn)，臨床常用的檢查腋窩淋巴結(jié)的影像學(xué)方法有MRI、PET-CT及超聲等，但均各有局限，且不易發(fā)現(xiàn)淋巴結(jié)隱匿性轉(zhuǎn)移。本研究基于浸潤(rùn)性乳腺癌原發(fā)灶的病理和超聲圖像特征構(gòu)建預(yù)測(cè)腋窩淋巴結(jié)轉(zhuǎn)移的模型并探討其臨床價(jià)值，旨在為臨床個(gè)體化診療提供參考。

資料與方法

一、研究對(duì)象

回顧性收集2022年6月至2023年10月浙江省腫瘤醫(yī)院收治的369例浸潤(rùn)性乳腺癌女性患者，包括非特殊性浸潤(rùn)性癌321例、浸潤(rùn)性小葉癌19例、浸潤(rùn)性乳頭狀癌6例、其他浸潤(rùn)性癌23例；有腋窩淋巴結(jié)轉(zhuǎn)移177例，無腋窩淋巴結(jié)轉(zhuǎn)移192例。納入標(biāo)準(zhǔn)：①經(jīng)病理證實(shí)為原發(fā)性浸潤(rùn)性乳腺癌；②術(shù)前行乳腺超聲和腫瘤標(biāo)志物檢查。排除標(biāo)準(zhǔn)：①隱匿性、復(fù)發(fā)性浸潤(rùn)性乳腺癌或有遠(yuǎn)處轉(zhuǎn)移者；②乳腺原發(fā)灶較大導(dǎo)致超聲無法測(cè)量；③術(shù)前接受抗腫瘤治療；④有其他惡性腫瘤病史；⑤乳腺植入假體、哺乳期或妊娠期者；⑥資料不完整。以7∶3比例將入組患者隨機(jī)分為訓(xùn)練集258例和驗(yàn)證集111例。本研究遵守《赫爾辛基宣言》，經(jīng)浙江省腫瘤醫(yī)院醫(yī)學(xué)倫理委員會(huì)批準(zhǔn)［批準(zhǔn)號(hào)：IRB-2023-953（IIT）］，為回顧性研究免除知情同意。

二、儀器與方法

1.超聲檢查：使用GE Logiq E9、東芝SSA-790A和Philips EPIQ5彩色多普勒超聲診斷儀，線陣探頭，頻率5～18 MHz。參考中國(guó)淺表器官超聲檢查指南獲取乳腺原發(fā)灶的超聲圖像。根據(jù)美國(guó)放射學(xué)會(huì)發(fā)布的第5版BI-RADS［5］評(píng)價(jià)乳腺癌原發(fā)灶的超聲圖像特征，包括：最大徑、位置（外上象限、外下象限、內(nèi)上象限、內(nèi)下象限、中央?yún)^(qū)）、后方回聲（無變化、衰減、增強(qiáng)）、內(nèi)部回聲（低回聲、混合回聲）、形態(tài)（規(guī)則、不規(guī)則）、邊緣（光整、不光整）、鈣化（無鈣化、微鈣化、粗大鈣化）、高回聲暈環(huán)（無、有）、平行于皮膚（是、否）。同側(cè)多發(fā)乳腺病變者僅對(duì)病理證實(shí)為浸潤(rùn)性乳腺癌的最大原發(fā)灶進(jìn)行評(píng)估。以上操作由兩名具有5年以上工作經(jīng)驗(yàn)的超聲醫(yī)師在未知其他臨床資料的情況下完成，意見不一致時(shí)與第3名具有10年以上工作經(jīng)驗(yàn)的超聲醫(yī)師協(xié)商統(tǒng)一。由于不同儀器的CDFI敏感性不同，故本研究未納入原發(fā)灶的血流特征進(jìn)行分析。

2.病理特征收集和血清腫瘤標(biāo)志物檢測(cè)：病理特征包括病理類型、組織學(xué)分級(jí)、雌激素受體（ER）、孕激素受體（PR）、人類表皮生長(zhǎng)因子受體-2（HER-2）、核增殖抗原（Ki-67）、雄激素受體（AR）、分子分型［6］。其中病理類型包括浸潤(rùn)性小葉癌、非特殊類型浸潤(rùn)性癌、浸潤(rùn)性乳頭狀癌及其他浸潤(rùn)性癌。組織學(xué)分級(jí)分為Ⅰ級(jí)、Ⅱ級(jí)、Ⅲ級(jí)。ER、PR判定標(biāo)準(zhǔn)：≥1%為陽性，lt;1%為陰性。HER-2判定標(biāo)準(zhǔn)［6］：+為陰性，+++為陽性，++則需進(jìn)一步行FISH檢測(cè)有無基因擴(kuò)增，若FISH陽性則判為陽性。Ki-67判定標(biāo)準(zhǔn)：gt;14%為高表達(dá)，≤14%為低表達(dá)。AR判定標(biāo)準(zhǔn)［6］：≥10%為陽性，lt;10%為陰性。分子分型包括Luminal A型、Luminal B型、HER-2過表達(dá)型及三陰性。血清腫瘤標(biāo)志物主要包括糖類抗原125（CA125）、糖類抗原153（CA153）、癌胚抗原（CEA）、糖類抗原724（CA724）。

3.分組：收集腋窩淋巴結(jié)清掃病理結(jié)果為診斷腋窩淋巴結(jié)轉(zhuǎn)移的金標(biāo)準(zhǔn)；未行清掃者則以腋窩前哨淋巴結(jié)活檢病理結(jié)果為金標(biāo)準(zhǔn)。本研究根據(jù)有無淋巴結(jié)轉(zhuǎn)移將訓(xùn)練集患者分為轉(zhuǎn)移組116例和未轉(zhuǎn)移組142例。

三、統(tǒng)計(jì)學(xué)處理

應(yīng)用R 4.2.0語言統(tǒng)計(jì)軟件，正態(tài)分布的計(jì)量資料以x±s表示，組間比較采用獨(dú)立樣本t檢驗(yàn)；非正態(tài)分布的計(jì)量資料以M（Q1，Q3）表示，組間比較采用Mann-Whitney U檢驗(yàn)。計(jì)數(shù)資料以例表示，組間比較采用χ2檢驗(yàn)或Fisher確切概率法?；谟?xùn)練集，采用單因素Logistic回歸評(píng)估腋窩淋巴結(jié)轉(zhuǎn)移與血清腫瘤標(biāo)志物、病理和超聲圖像特征的關(guān)系，再將其中差異有統(tǒng)計(jì)學(xué)意義的變量納入多因素Logistic回歸分析，采用向后逐步法篩選預(yù)測(cè)浸潤(rùn)性乳腺癌患者發(fā)生腋窩淋巴結(jié)轉(zhuǎn)移的獨(dú)立影響因素，建立預(yù)測(cè)模型，并繪制列線圖可視化?；谟?xùn)練集和驗(yàn)證集，繪制受試者工作特征（ROC）曲線評(píng)估該模型的區(qū)分度；繪制校準(zhǔn)曲線評(píng)估該模型的校準(zhǔn)度。Plt;0.05為差異有統(tǒng)計(jì)學(xué)意義。

結(jié)" 果

一、訓(xùn)練集與驗(yàn)證集年齡、病理特征、血清腫瘤標(biāo)志物比較

訓(xùn)練集與驗(yàn)證集年齡、病理特征比較，差異均無統(tǒng)計(jì)學(xué)意義。見表1。

二、訓(xùn)練集中轉(zhuǎn)移組與未轉(zhuǎn)移組年齡、病理和超聲圖像特征、血清腫瘤標(biāo)志物比較

1.與未轉(zhuǎn)移組比較，轉(zhuǎn)移組中非特殊性浸潤(rùn)性癌占比更低、其他浸潤(rùn)性癌占比更高，組織學(xué)分級(jí)Ⅱ/Ⅲ級(jí)占比及CA153、CEA均更高，差異均有統(tǒng)計(jì)學(xué)意義（均Plt;0.05）。兩組年齡、ER、RP、HER-2、Ki-67、AR、分子分型，以及CA125、CA724比較，差異均無統(tǒng)計(jì)學(xué)意義。見表2。

2.與未轉(zhuǎn)移組比較，轉(zhuǎn)移組原發(fā)灶最大徑更大，高回聲暈環(huán)占比更高，原發(fā)灶位于外上象限者占比更高、位于內(nèi)下象限者占比更低，差異均有統(tǒng)計(jì)學(xué)意義（均Plt;0.05）。兩組原發(fā)灶后方回聲、內(nèi)部回聲、形態(tài)、邊緣、鈣化、是否平行于皮膚比較，差異均無統(tǒng)計(jì)學(xué)意義。見表3和圖1。

三、二元Logistic回歸分析

單因素Logistic分析結(jié)果顯示，乳腺癌原發(fā)灶位置（內(nèi)下象限）、高回聲暈環(huán)、最大徑、組織學(xué)分級(jí)、CA153均與腋窩淋巴結(jié)轉(zhuǎn)移顯著相關(guān)（OR=0.073、9.526、1.046、5.744、1.060，均Plt;0.05）。見表4。

多因素Logistic分析結(jié)果顯示，原發(fā)灶位置（內(nèi)下象限）、高回聲暈環(huán)、最大徑、組織學(xué)分級(jí)均為預(yù)測(cè)浸潤(rùn)性乳腺癌患者發(fā)生腋窩淋巴結(jié)轉(zhuǎn)移的獨(dú)立影響因素（OR=0.064、13.278、1.049、9.277，均Plt;0.05）。見表4。由此構(gòu)建預(yù)測(cè)浸潤(rùn)性乳腺癌患者發(fā)生腋窩淋巴結(jié)轉(zhuǎn)移的列線圖模型見圖2。

四、模型驗(yàn)證

ROC曲線分析顯示，列線圖模型預(yù)測(cè)訓(xùn)練集和驗(yàn)證集浸潤(rùn)性乳腺癌患者發(fā)生腋窩淋巴結(jié)轉(zhuǎn)移的曲線下面積分別為0.854（95%可信區(qū)間：0.808～0.900）和0.823（95%可信區(qū)間：0.745～0.902），提示該模型區(qū)分度高。見圖3。校準(zhǔn)曲線分析顯示，該模型在訓(xùn)練集和驗(yàn)證集中預(yù)測(cè)曲線與理想曲線均較為吻合，提示其校準(zhǔn)度高。見圖4。

討" 論

乳腺癌患者有無發(fā)生腋窩淋巴結(jié)轉(zhuǎn)移對(duì)制定治療方案及評(píng)估預(yù)后均具有重要意義，若能在微創(chuàng)甚至無創(chuàng)條件下對(duì)腋窩淋巴結(jié)狀態(tài)進(jìn)行可靠評(píng)估，則可以減少轉(zhuǎn)移風(fēng)險(xiǎn)較低的患者進(jìn)行前哨淋巴結(jié)手術(shù)活檢，進(jìn)而減少淋巴回流損傷導(dǎo)致的手術(shù)并發(fā)癥［7］。既往研究［8-9］顯示，預(yù)測(cè)腋窩淋巴結(jié)轉(zhuǎn)移的獨(dú)立影響因素包括病灶位置、高回聲暈環(huán)、最大徑、組織學(xué)分級(jí)。本研究基于浸潤(rùn)性乳腺癌原發(fā)灶的病理和超聲圖像特征構(gòu)建列線圖模型以預(yù)測(cè)腋窩淋巴結(jié)轉(zhuǎn)移風(fēng)險(xiǎn)，旨在為臨床個(gè)體化診療提供參考。

既往多項(xiàng)研究［10-11］均表明，乳腺癌原發(fā)灶最大徑是腋窩淋巴結(jié)受累的重要預(yù)測(cè)因素，原因?yàn)樵l(fā)灶大小直接反映其侵襲性，更大的原發(fā)灶與血管、淋巴管的接觸也更多，發(fā)生轉(zhuǎn)移的風(fēng)險(xiǎn)更高［7］。本研究結(jié)果顯示，訓(xùn)練集中轉(zhuǎn)移組原發(fā)灶最大徑較未轉(zhuǎn)移組更大，差異有統(tǒng)計(jì)學(xué)意義（Plt;0.05）；二元Logistic回歸分析顯示最大徑為預(yù)測(cè)浸潤(rùn)性乳腺癌患者發(fā)生腋窩淋巴結(jié)轉(zhuǎn)移的獨(dú)立影響因素（OR=1.049，P=0.001）；構(gòu)建的列線圖模型顯示最大徑越大則預(yù)測(cè)分?jǐn)?shù)越高，最終預(yù)測(cè)概率也越高，與上述研究相似。Hwang等［12］研究顯示乳腺癌病灶位于外上象限的患者生存率更高，原因?yàn)橥馍舷笙薜牟≡钍紫绒D(zhuǎn)移至腋窩淋巴結(jié)，更易發(fā)現(xiàn)并于首次手術(shù)時(shí)進(jìn)行清掃，而其他位置尤其是內(nèi)下象限的病灶更易向內(nèi)乳淋巴結(jié)轉(zhuǎn)移，更為隱匿。Yang等［13］研究顯示乳腺癌病灶位于內(nèi)下象限時(shí)易向內(nèi)乳淋巴結(jié)轉(zhuǎn)移，并認(rèn)為病灶位于內(nèi)下象限是乳腺癌預(yù)后不良的預(yù)測(cè)因素。本研究結(jié)果與上述研究結(jié)果相似，原發(fā)灶位于內(nèi)下象限是預(yù)測(cè)浸潤(rùn)性乳腺癌患者發(fā)生腋窩淋巴結(jié)轉(zhuǎn)移的獨(dú)立影響因素（OR=0.064，P=0.002）。此外，本研究還發(fā)現(xiàn)原發(fā)灶存在高回聲暈環(huán)也會(huì)提高腋窩淋巴結(jié)轉(zhuǎn)移的風(fēng)險(xiǎn)，分析其原因?yàn)槭軌旱睦w維組織或腫瘤向周圍組織浸潤(rùn)，超聲表現(xiàn)為高回聲暈環(huán)，反映了腫瘤細(xì)胞的侵襲程度。目前研究［8-9］多將高回聲暈環(huán)定義為乳腺癌預(yù)后不良的重要指標(biāo)，本研究結(jié)果也顯示高回聲暈環(huán)為預(yù)測(cè)浸潤(rùn)性乳腺癌患者發(fā)生腋窩淋巴結(jié)轉(zhuǎn)移的獨(dú)立影響因素（OR=13.278，Plt;0.001），明確了高回聲暈環(huán)與腋窩淋巴結(jié)轉(zhuǎn)移的關(guān)系。

根據(jù)Elston-Ellis組織學(xué)分級(jí)系統(tǒng)［6，14］，Ⅱ級(jí)、Ⅲ級(jí)腫瘤分化程度更差，發(fā)生轉(zhuǎn)移的風(fēng)險(xiǎn)更高；Patani等［10］指出組織學(xué)分級(jí)與腋窩淋巴結(jié)轉(zhuǎn)移明確相關(guān)，本研究結(jié)果亦證實(shí)其結(jié)論，原發(fā)灶組織學(xué)分級(jí)Ⅱ/Ⅲ級(jí)為預(yù)測(cè)浸潤(rùn)性乳腺癌患者發(fā)生腋窩淋巴結(jié)轉(zhuǎn)移的獨(dú)立影響因素（OR=9.277，P=0.014）。

列線圖模型是一種可視化預(yù)測(cè)工具，可以將多參數(shù)回歸方程以線段和得分的形式直觀展示，進(jìn)而預(yù)測(cè)風(fēng)險(xiǎn)，具有操作簡(jiǎn)單、臨床適用性強(qiáng)的優(yōu)點(diǎn)；且直觀性也有利于醫(yī)患溝通，減少醫(yī)患矛盾。本研究基于二元Logistic回歸分析結(jié)果，納入原發(fā)灶位置、高回聲暈環(huán)、最大徑、組織學(xué)分級(jí)構(gòu)建診斷模型，ROC曲線分析顯示其預(yù)測(cè)訓(xùn)練集和驗(yàn)證集浸潤(rùn)性乳腺癌患者發(fā)生腋窩淋巴結(jié)轉(zhuǎn)移的曲線下面積分別為0.854（95%可信區(qū)間：0.808～0.900）和0.823（95%可信區(qū)間：0.745～0.902），提示該模型區(qū)分度高；校準(zhǔn)曲線分析顯示該模型在訓(xùn)練集和驗(yàn)證集中預(yù)測(cè)曲線與理想曲線均較為吻合，提示其校準(zhǔn)度高，表明該模型具有較高的診斷效能，可據(jù)此針對(duì)性擬定治療方案，減少不必要的活檢。

本研究未納入模型的指標(biāo)有ER、PR、HER-2、Ki-67、AR及分子分型，其對(duì)腋窩淋巴結(jié)轉(zhuǎn)移的影響目前存在爭(zhēng)議。Ugras等［15］認(rèn)為HER-2過表達(dá)型乳腺癌是腋窩淋巴結(jié)轉(zhuǎn)移的獨(dú)立危險(xiǎn)因素（OR=2.5，Plt;0.001）；Dihge等［7］認(rèn)為三陰性乳腺癌腋窩淋巴結(jié)未轉(zhuǎn)移的概率是Luminal A型乳腺癌的5倍以上（OR=5.06，P=0.031）；Mattes等［16］認(rèn)為ER陽性、PR陽性、HER-2陰性均會(huì)導(dǎo)致腋窩淋巴結(jié)轉(zhuǎn)移風(fēng)險(xiǎn)增高。但上述研究發(fā)表時(shí)間較早，均未納入Ki-67這一指標(biāo)，結(jié)果可能不能完全符合最新的St Gallen分子分型標(biāo)準(zhǔn)［17］。本研究按照最新的St Gallen分子分型標(biāo)準(zhǔn)重新進(jìn)行分型，但仍未發(fā)現(xiàn)ER、PR、HER-2、Ki-67、AR中的任意一項(xiàng)或分子分型中某一類與腋窩淋巴結(jié)轉(zhuǎn)移獨(dú)立相關(guān)，符合此類指標(biāo)對(duì)腋窩淋巴結(jié)轉(zhuǎn)移的影響仍存在爭(zhēng)議的特點(diǎn)，也可能與本研究為單中心研究、樣本量小有關(guān)。

本研究的局限性：①為回顧性研究，存在選擇偏倚；②僅基于單一的灰階超聲圖像特征構(gòu)建模型；③缺乏外部驗(yàn)證，后續(xù)將開展基于多模態(tài)超聲的前瞻性、多中心研究進(jìn)一步深入探討。

綜上所述，基于浸潤(rùn)性乳腺癌原發(fā)灶超聲圖像特征和病理特征的列線圖模型可有效預(yù)測(cè)腋窩淋巴結(jié)轉(zhuǎn)移風(fēng)險(xiǎn)，對(duì)個(gè)體化臨床決策具有一定的參考價(jià)值。

參考文獻(xiàn)

［1］ Sung H，F(xiàn)erlay J，Siegel RL，et al.Global Cancer Statistics 2020：GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries［J］.CA Cancer J Clin，2021，71（3）：209-249.

［2］ Chang JM，Leung JWT，Moy L，et al.Axillary nodal evaluation in breast cancer：state of the art［J］.Radiology，2020，295（3）：500-515.

［3］ Lyman GH，Giuliano AE，Somerfield MR，et al.American Society of Clinical Oncology guideline recommendations for sentinel lymph node biopsy in early-stage breast cancer［J］.J Clin Oncol，2005，23（30）：7703-7720.

［4］ Chang JY，Wang W，Shen JL，et al.Impact of sentinel lymph node biopsy through the axillary cribriform fascia approach on intraoperative indicators and postoperative complications［J］.Updates Surg，2023，75（3）：757-767.

［5］ Mercado CL.BI-RADS update［J］.Radiol Clin North Am，2014，52（3）：481-487.

［6］ Gradishar WJ，Anderson BO，Balassanian R，et al.NCCN Guidelines Insights：Breast Cancer，Version 1.2017［J］.J Natl Compr Canc Netw，2017，15（4）：433-451.

［7］ Dihge L，Bendahl PO，Ryden L.Nomograms for preoperative prediction of axillary nodal status in breast cancer［J］.Br J Surg，2017，104（11）：1494-1505.

［8］ Tang YL，Wang B，Ou-Yang T，et al.Ultrasound radiomics based on axillary lymph nodes images for predicting lymph node metastasis in breast cancer［J］.Front Oncol，2023，13（1）：1217309.

［9］ Bai X，Wang Y，Song R，et al.Ultrasound and clinicopathological characteristics of breast cancer for predicting axillary lymph node metastasis［J］.Clin Hemorheol Microcirc，2023，85（2）：147-162.

［10］ Patani NR，Dwek MV，Douek M.Predictors of axillary lymph node metastasis in breast cancer： a systematic review［J］.Eur J Surg Oncol，2007，33（4）：409-19.

［11］ Li L，Yu T，Sun J，et al.Prediction of the number of metastatic axillary lymph nodes in breast cancer by radiomic signature based on dynamic contrast-enhanced MRI［J］.Acta Radiol，2022，63（8）：1014-1022.

［12］ Hwang KT，Kim J，Kim EK，et al.Poor prognosis of lower inner quadrant in lymph node-negative breast cancer patients who received no chemotherapy：a study based on nationwide Korean breast cancer registry database［J］.Clin Breast Cancer，2017，17（4）：169-184.

［13］ Yang J，Tang S，Zhou Y，et al.Prognostic implication of the primary tumor location in early-stage breast cancer：focus on lower inner zone［J］.Breast Cancer，2018，25（1）：100-107.

［14］ Gao C，Wang J，He P，Xiong X.Metastatic pattern of breast cancer by histologic grade：a SEER population-based study［J］.Discov Med，2022，34（173）：189-197.

［15］ Ugras S，Stempel M，Patil S，et al.Estrogen receptor，progesterone receptor，and HER2 status predict lymphovascular invasion and lymph node involvement［J］.Ann Surg Oncol，2014，21（12）：3780-3786.

［16］ Mattes MD，Bhatia JK，Metzger D，et al.Breast cancer subtype as a predictor of lymph node metastasis according to the SEER registry［J］.J Breast Cancer，2015，18（2）：143-148.

［17］ Focke CM，Van Diest PJ，Decker T.St Gallen 2015 subtyping of luminal breast cancers：impact of different Ki67-based proliferation assessment methods［J］.Breast Cancer Res Treat，2016，159（2）：257-263.

（收稿日期：2024-01-21）