醫(yī)學(xué)影像學(xué)與人工智能在常見(jiàn)病理類型乳腺癌鑒別診斷中的應(yīng)用進(jìn)展

[摘要]"乳腺癌是全球女性中最常見(jiàn)的腫瘤之一。乳腺導(dǎo)管原位癌和浸潤(rùn)性導(dǎo)管癌是乳腺癌的常見(jiàn)病理類型。在治療方法和患者預(yù)后結(jié)局方面，乳腺導(dǎo)管原位癌和浸潤(rùn)性導(dǎo)管癌存在明顯差異，術(shù)前準(zhǔn)確辨識(shí)乳腺癌的病理類型可為臨床個(gè)體化治療策略的制定提供重要參考。近年來(lái)，醫(yī)學(xué)影像學(xué)及人工智能在乳腺癌鑒別診斷中展現(xiàn)出巨大應(yīng)用潛力。本文對(duì)醫(yī)學(xué)影像學(xué)及人工智能在乳腺導(dǎo)管原位癌和浸潤(rùn)性導(dǎo)管癌鑒別診斷中的應(yīng)用現(xiàn)狀進(jìn)行總結(jié)，并對(duì)未來(lái)這一領(lǐng)域的發(fā)展方向予以展望，為臨床實(shí)踐提供有益參考。

[關(guān)鍵詞]"乳腺癌；人工智能；醫(yī)學(xué)影像學(xué)；乳腺導(dǎo)管原位癌；浸潤(rùn)性導(dǎo)管癌

[中圖分類號(hào)]"R445;"R737.9""""""[文獻(xiàn)標(biāo)識(shí)碼]"A""""""[DOI]"10.3969/j.issn.1673-9701.2025.09.021

乳腺癌是全球女性中最常見(jiàn)的腫瘤之一[1]。乳腺導(dǎo)管原位癌（ductal"carcinoma"in"situ，DCIS）通常起源于終末導(dǎo)管小葉單位，屬于局限于乳腺導(dǎo)管內(nèi)的原位性腫瘤。DCIS被認(rèn)為是浸潤(rùn)性導(dǎo)管癌（invasive"ductal"carcinoma，IDC）的前期階段，DCIS未經(jīng)治療可能演變?yōu)镮DC?！吨袊?guó)抗癌協(xié)會(huì)乳腺癌診治指南與規(guī)范（2024年版）》[2]建議DCIS患者行保乳術(shù)前無(wú)需進(jìn)行腋窩淋巴結(jié)清掃；但臨床上仍存在為降低IDC漏診率對(duì)DCIS患者進(jìn)行前哨淋巴結(jié)活檢的情況。因此，術(shù)前準(zhǔn)確識(shí)別DCIS和IDC對(duì)減輕患者負(fù)擔(dān)具有重要臨床意義。乳腺腫瘤的臨床診斷主要基于影像學(xué)手段，如乳腺X線攝影、磁共振成像（magnetic"resonance"imaging，MRI）和超聲檢查[2]。對(duì)比增強(qiáng)乳腺X線攝影作為近年來(lái)新興的乳腺成像方法也是原發(fā)性乳腺癌診斷和分期的重要工具，目前已逐漸應(yīng)用于臨床。人工智能（artificial"intelligence，AI）是計(jì)算機(jī)科學(xué)的重要領(lǐng)域，機(jī)器學(xué)習(xí)是實(shí)現(xiàn)AI的關(guān)鍵途徑，深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的特殊分支，借助神經(jīng)網(wǎng)絡(luò)訓(xùn)練達(dá)成更高級(jí)別的智能化。AI技術(shù)非常適用于醫(yī)學(xué)成像領(lǐng)域，可執(zhí)行諸多任務(wù)，包括病變檢測(cè)、分割和分類等。

1""常規(guī)影像學(xué)方法鑒別診斷DCIS和IDC

乳腺X線攝影、超聲和MRI是臨床常用的乳腺影像學(xué)檢查手段，分別在顯示微鈣化、觀察內(nèi)部結(jié)構(gòu)與血流、呈現(xiàn)微觀結(jié)構(gòu)輔助識(shí)別浸潤(rùn)性病變方面各有優(yōu)勢(shì)，聯(lián)合使用可提高診斷準(zhǔn)確性。然而，因DCIS和IDC影像學(xué)表現(xiàn)存在重疊，準(zhǔn)確區(qū)分二者對(duì)制定合適治療方案意義重大，亟待探索優(yōu)化基于不同影像學(xué)特征的鑒別方法。

1.1""乳腺X線攝影

乳腺X線攝影因具有簡(jiǎn)便、快速等優(yōu)點(diǎn)被廣泛應(yīng)用于乳腺癌的臨床診斷[3]。乳腺X線攝影對(duì)檢測(cè)乳腺內(nèi)微小鈣化具有獨(dú)特優(yōu)勢(shì)[4]。研究表明DCIS患者的影像學(xué)表現(xiàn)多為單純鈣化，通常無(wú)明顯的腫塊形成[5-6]。陳輝[5]研究表明DCIS患者鈣化占比較高，IDC患者腫塊占比較高。研究證實(shí)X線征象對(duì)DCIS和IDC兩種病理類型乳腺癌的鑒別診斷具有一定的指導(dǎo)價(jià)值；但由于研究的樣本量小，導(dǎo)致DCIS與IDC患者在鈣化形態(tài)占比與鈣化分布占比的比較上存在一定困難。未來(lái)研究應(yīng)通過(guò)擴(kuò)大樣本量并進(jìn)行前瞻性設(shè)計(jì)，進(jìn)一步探討鈣化形態(tài)和分布特征在乳腺癌早期診斷中的潛在作用。

1.2""超聲

超聲是首選的乳腺疾病和早期乳腺癌影像學(xué)檢查方法。Chen等[6]比較488例IDC和65例非篩查檢測(cè)DCIS患者的超聲特征，結(jié)果表明IDC超聲診斷準(zhǔn)確率為92.0%，DCIS準(zhǔn)確率為84.8%，證實(shí)超聲診斷DCIS和IDC的獨(dú)特價(jià)值。陳小霜等[7]對(duì)DCIS、乳腺微浸潤(rùn)癌（microinvasive"breast"carcinoma，MBC）及IDC的聲像圖特征差異進(jìn)行分析，結(jié)果表明MBC病灶比DCIS更大、更不規(guī)則，微小毛刺及微鈣化灶等表現(xiàn)更顯著；而與IDC比較，MBC聲像圖表現(xiàn)缺乏特異性。桑田等[8]研究證實(shí)IDC病灶后方回聲衰減或消失及邊緣毛刺征等特點(diǎn)與DCIS相比更多見(jiàn)。在非腫塊型DCIS和IDC鑒別方面，不同超聲檢查技術(shù)可從不同角度提供鑒別診斷依據(jù)[9-10]。謝蕓等[11]建立多模態(tài)超聲模型分析非腫塊型乳腺癌的超聲造影、超聲彈性成像和常規(guī)超聲特征，結(jié)果顯示多模態(tài)超聲診斷模型表現(xiàn)優(yōu)異，曲線下面積（area"under"the"curve，AUC）為0.836，證實(shí)其可用于鑒別非腫塊型DCIS與IDC，但該研究為回顧性研究，同樣受到樣本量限制。

1.3""MRI

在乳腺癌診斷中，MRI在區(qū)分DCIS和IDC方面同樣扮演重要角色。MRI是一種不涉及輻射的無(wú)創(chuàng)影像學(xué)技術(shù)，高分辨率的乳腺組織成像可顯示病灶的大小、形態(tài)、局部擴(kuò)散情況、與周圍結(jié)構(gòu)的關(guān)系及血運(yùn)灌注信息和代謝特征。陳文嬌等[12]研究表明IDC與DCIS患者的MRI表現(xiàn)存在明顯不同，具體表現(xiàn)在病灶的形態(tài)、邊緣及強(qiáng)化特征等。趙雪等[13]研究顯示DCIS患者非腫塊樣強(qiáng)化更常見(jiàn)，非腫塊樣和腫塊樣強(qiáng)化的病灶分布、病灶邊緣與內(nèi)部強(qiáng)化特征在IDC和DCIS患者中有顯著不同。

彌散加權(quán)成像（diffusion"weighted"imaging，DWI）是唯一能觀察活體中水分子微觀擴(kuò)散運(yùn)動(dòng)的MRI技術(shù)，通過(guò)量化分析DWI中的表觀擴(kuò)散系數(shù)評(píng)估乳腺病變的性質(zhì)，在測(cè)量腫瘤參數(shù)方面具有顯著優(yōu)勢(shì)，其作為與腫瘤特征相關(guān)的診斷參數(shù)，可用于DCIS和IDC診斷[14-16]。張勇[17]探討乳腺腫瘤感興趣區(qū)域的表觀擴(kuò)散系數(shù)與DWI的直方圖參數(shù)鑒別診斷DCIS和IDC的效果，研究發(fā)現(xiàn)各種病理類型乳腺癌數(shù)量分布較均衡，DCIS、IDC及不同IDC分級(jí)受試者操作特征曲線最大強(qiáng)度值參數(shù)具有良好的敏感度和特異性，這一結(jié)果也同之前的研究結(jié)果相符。利用DWI表觀擴(kuò)散系數(shù)對(duì)DCIS和IDC進(jìn)行分析，發(fā)現(xiàn)DWI在乳腺癌病理分型中所提供的信息無(wú)法通過(guò)其他MRI序列獲得，表觀擴(kuò)散系數(shù)在IDC的診斷中具有輔助作用。

動(dòng)態(tài)對(duì)比增強(qiáng)磁共振成像（dynamic"contrast-"enhanced"magnetic"resonance"imaging，DCE-MRI）也是乳腺癌診斷中不可或缺的方法。吳朋等[18]通過(guò)對(duì)比分析DCIS、MBC和IDC患者的DWI與DCE-MRI特征后發(fā)現(xiàn)，聯(lián)合參數(shù)的性能高于單項(xiàng)診斷參數(shù)。袁秀華等[19]對(duì)MRI-DWI鑒別診斷DCIS和IDC的價(jià)值進(jìn)行分析發(fā)現(xiàn)，聯(lián)合參數(shù)表現(xiàn)優(yōu)異，其AUC為0.851。此外，不同功能的MRI技術(shù)，如與乳腺癌灌注、代謝、擴(kuò)散、合成相關(guān)的技術(shù)不斷鼎新革故，也促進(jìn)DCIS和IDC鑒別診斷技術(shù)的發(fā)展[20]。綜上，MRI的各種檢查方法對(duì)DCIS和IDC的鑒別是可行的，但為避免過(guò)擬合，未來(lái)研究需在足夠大的數(shù)據(jù)集上訓(xùn)練模型，并結(jié)合更多的臨床數(shù)據(jù)評(píng)估這些方法對(duì)二者鑒別的可靠性和準(zhǔn)確性。

2""AI技術(shù)及其相關(guān)方法對(duì)DCIS和IDC鑒別診斷的應(yīng)用研究

1956年，AI術(shù)語(yǔ)被首次提出；2012年，圖像分類器的成功開(kāi)發(fā)和應(yīng)用促成AI復(fù)興，被稱為“第四次工業(yè)革命”[21]。近年來(lái)，AI模型在醫(yī)學(xué)圖像領(lǐng)域的應(yīng)用獲得成功，使用范疇包括但不限于皮膚病診斷、心電圖解釋、病理切片及眼科圖像等[22]。在乳腺影像學(xué)中，AI利用乳腺X線攝影、數(shù)字乳腺斷層攝影、超聲、MRI掃描等技術(shù)對(duì)乳腺疾病進(jìn)行檢測(cè)和分類，均顯示出廣闊應(yīng)用前景。

2.1""基于AI的影像組學(xué)在DCIS和IDC鑒別診斷中的應(yīng)用研究

影像組學(xué)是一種非常有前途的工具，其融合醫(yī)學(xué)影像學(xué)、計(jì)算機(jī)科學(xué)、數(shù)學(xué)等多個(gè)學(xué)科的知識(shí)和技術(shù)，因其可從大規(guī)模醫(yī)學(xué)圖像中提取信息，在術(shù)前腫瘤評(píng)估方面具有巨大潛力[23-24]。Wu等[25]分別建立臨床模型并篩選最優(yōu)影像組學(xué)特征構(gòu)建影像組學(xué)特征模型區(qū)分MBC和DCIS，并進(jìn)一步將二者整合構(gòu)建列線圖模型。訓(xùn)練集和測(cè)試集中，列線圖模型的AUC均高于影像組學(xué)特征模型和臨床模型，分別為0.911和0.882，表現(xiàn)最佳。Hou等[26]使用基于乳腺X線攝影的影像組學(xué)特征，探討影像組學(xué)是否可區(qū)分DCIS和隱匿性IDC。研究發(fā)現(xiàn)在預(yù)測(cè)DCIS分期升級(jí)方面，臨床和影像組學(xué)特征結(jié)合模型的表現(xiàn)最佳，其在測(cè)試集中的AUC達(dá)到0.71。姜原等[27]利用乳腺癌瘤內(nèi)及瘤周DCE-MRI的影像組學(xué)特征鑒別乳腺DCIS與IDC，分別建立瘤內(nèi)、瘤周、瘤內(nèi)聯(lián)合瘤周的影像組學(xué)特征預(yù)測(cè)模型，結(jié)果顯示聯(lián)合預(yù)測(cè)模型效能最佳，AUC為0.922。該研究仍有其局限性。首先，該研究樣本量小且不均衡；其次，入組數(shù)據(jù)沒(méi)有限定于單一磁共振掃描獲得的圖像；最后，即使對(duì)非腫塊樣強(qiáng)化進(jìn)行手動(dòng)分割，仍無(wú)法完全避免主觀因素的影響。

通過(guò)綜合分析不同影像學(xué)數(shù)據(jù)，影像組學(xué)可提供比單一影像學(xué)檢查更全面的腫瘤特征。但以上研究存在樣本量小、數(shù)據(jù)不均等問(wèn)題，未來(lái)研究可通過(guò)大規(guī)模、多中心的臨床數(shù)據(jù)驗(yàn)證影像組學(xué)的有效性，并進(jìn)一步結(jié)合臨床病理數(shù)據(jù)綜合分析，以提高其在乳腺癌分類中的應(yīng)用價(jià)值。

2.2""機(jī)器學(xué)習(xí)和深度學(xué)習(xí)在DCIS和IDC鑒別診斷中的應(yīng)用研究

影像組學(xué)非常依賴機(jī)器學(xué)習(xí)，傳統(tǒng)機(jī)器學(xué)習(xí)與深度學(xué)習(xí)最顯著的區(qū)別是使用手動(dòng)特性，研究者需要設(shè)計(jì)不同的特征并人工勾畫感興趣區(qū)域，不僅費(fèi)時(shí)費(fèi)力，且易受人為干擾。深度學(xué)習(xí)在大規(guī)模數(shù)據(jù)集上進(jìn)行訓(xùn)練時(shí)，可更高效和靈活地處理復(fù)雜影像數(shù)據(jù)；盡管深度學(xué)習(xí)模型被認(rèn)為是黑盒模型，但通過(guò)一些可解釋性技術(shù)，解釋和理解深度學(xué)習(xí)模型的決策過(guò)程。Shi等[28]利用一種基于計(jì)算機(jī)視覺(jué)的算法提取DCIS患者的乳腺X線攝影影像組學(xué)特征，并根據(jù)這些特征建立分類模型區(qū)分DCIS和隱匿性IDC，作者利用計(jì)算機(jī)輔助診斷技術(shù)，取得比隨機(jī)猜測(cè)更好的統(tǒng)計(jì)預(yù)測(cè)隱匿性IDC的結(jié)果；Shi等[29]選用在非醫(yī)學(xué)圖像（如動(dòng)物、植物等）進(jìn)行預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)模型作為特征提取器，從乳腺X線攝影中提取深度特征，訓(xùn)練多變量分類器預(yù)測(cè)DCIS患者中是否含有隱匿性IDC。將乳腺X線攝影提取的深度特征性能與前文基于傳統(tǒng)“手工”方法提取的計(jì)算機(jī)視覺(jué)特征性能進(jìn)行比較，結(jié)果顯示盡管僅在非醫(yī)學(xué)圖像進(jìn)行預(yù)訓(xùn)練，但乳腺X線攝影提取的深層特征表現(xiàn)出與手工制作特征相當(dāng)?shù)男阅埽捎糜陬A(yù)測(cè)DCIS分期升級(jí)這一具有挑戰(zhàn)性的任務(wù)。Zhu等[30]收集568例DCIS患者數(shù)據(jù)（含246例MBC患者的臨床和超聲數(shù)據(jù)），由3位乳腺超聲醫(yī)生分析超聲圖像構(gòu)建邏輯回歸模型，并與ResNet-50等5種深度學(xué)習(xí)模型對(duì)比。評(píng)估發(fā)現(xiàn)在基于超聲圖像識(shí)別DCIS中的MBC時(shí)，Inception-v3模型性能最佳，AUC達(dá)0.803；表明深度學(xué)習(xí)模型可利用超聲圖像識(shí)別DCIS中的MBC，或能輔助臨床診斷。

3""展望

未來(lái)，隨著數(shù)字乳腺X線攝影、乳腺超聲、MRI及對(duì)比增強(qiáng)乳腺X線攝影等技術(shù)的發(fā)展與進(jìn)步，應(yīng)用各種影像技術(shù)鑒別DCIS與IDC的前景十分廣闊，可更精準(zhǔn)識(shí)別和區(qū)分乳腺癌的不同階段；相信通過(guò)跨學(xué)科合作、技術(shù)創(chuàng)新和政策支持，使用各種影像技術(shù)結(jié)合AI鑒別DCIS和IDC的能力將越來(lái)越強(qiáng)，并為乳腺癌患者的早期診斷和個(gè)性化治療提供有力支持。未來(lái)隨著數(shù)據(jù)量的增加、模型算法的優(yōu)化及可解釋性的提升，利用深度學(xué)習(xí)技術(shù)鑒別DCIS和IDC將成為乳腺癌影像學(xué)研究的一個(gè)重要方向。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻(xiàn)]

[1] CRONIN"K"A，"SCOTT"S，"FIRTH"A"U，"et"al."Annual"report"to"the"nation"on"the"status"of"cancer，"part"1："National"cancer"statistics[J]."Cancer，"2022，"128（24）："4251–4284.

[2] 中國(guó)抗癌協(xié)會(huì)乳腺癌專業(yè)委員會(huì)，"中華醫(yī)學(xué)會(huì)腫瘤學(xué)分會(huì)乳腺腫瘤學(xué)組."中國(guó)抗癌協(xié)會(huì)乳腺癌診治指南與規(guī)范（2024年版）[J]."中國(guó)癌癥雜志，"2023，"33（12）："1092–1186.

[3] 李智宇，"吳奇，"孫圣榮."乳腺導(dǎo)管內(nèi)原位癌浸潤(rùn)機(jī)制[J]."國(guó)際腫瘤學(xué)雜志，"2018，"45（6）："368–370.

[4] 李彬，"湯素瓊，"黃華明，"等."乳腺癌鈣化在數(shù)字化全景乳腺攝影中的特征性分析[J]."中國(guó)醫(yī)療設(shè)備，"2015（2）："63–64，"62.

[5] 陳輝."乳腺導(dǎo)管內(nèi)原位癌與浸潤(rùn)性導(dǎo)管癌患者的X線征象比較[J]."醫(yī)療裝備，"2020，"33（12）："40-41.

[6] CHEN"S"C，"CHEUNG"Y"C，"LO"Y"F，"et"al."Sonographic"differentiation"of"invasive"and"intraductal"carcinomas"of"the"breast[J]."Br"J"Radiol，"2003，"76（909）："600–604.

[7] 陳小霜，"魏巍麗，"陳志奎，"等."乳腺微浸潤(rùn)癌與導(dǎo)管原位癌及浸潤(rùn)性導(dǎo)管癌聲像圖特征對(duì)比研究[J]."中華超聲影像學(xué)雜志，"2015，"24（8）："688–691.

[8] 桑田，"田鳳，"王子靜，"等."免疫組化指標(biāo)及超聲特征在乳腺導(dǎo)管原位癌與浸潤(rùn)性導(dǎo)管癌中的差異性研究[J]."石河子大學(xué)學(xué)報(bào)（自然科學(xué)版），"2021，"39（6）："771–776.

[9] AVENDANO"D，"MARINO"M"A，"LEITHNER"D，"et"al."Limited"role"of"DWI"with"apparent"diffusion"coefficient"mapping"in"breast"lesions"presenting"as"non-mass"enhancement"on"dynamic"contrast-enhanced"MRI[J]."Breast"Cancer"Res，"2019，"21（1）："136.

[10] LUNKIEWICZ"M，"FORTE"S，"FREIWALD"B，"et"al."Interobserver"variability"and"likelihood"of"malignancy"for"fifth"edition"BI-RADS"MRI"descriptors"in"non-mass"breast"lesions[J]."Eur"Radiol，"2020，"30（1）："77–86.

[11] 謝蕓，"何佳麗，"駱韻青."多模態(tài)超聲鑒別非腫塊型乳腺原位癌與浸潤(rùn)癌的臨床價(jià)值[J]."臨床超聲醫(yī)學(xué)雜志，"2023，"25（2）："148–152.

[12] 陳文嬌，"萬(wàn)曉虹."乳腺浸潤(rùn)性導(dǎo)管癌與導(dǎo)管原位癌的MRI鑒別診斷價(jià)值及影像學(xué)表現(xiàn)分析[J]."影像研究與醫(yī)學(xué)應(yīng)用，"2022，"6（23）："157–159.

[13] 趙雪，"朱曉龍，"趙茹."MRI對(duì)乳腺導(dǎo)管原位癌及浸潤(rùn)性導(dǎo)管癌的鑒別診斷價(jià)值[J]."中國(guó)CT和MRI雜志，"2022，"20（8）："105–107.

[14] CHOI"B"B，"KIM"S"H，"KANG"B"J，"et"al."Diffusion-"weighted"imaging"and"FDG"PET/CT："Predicting"the"prognoses"with"apparent"diffusion"coefficient"values"and"maximum"standardized"uptake"values"in"patients"with"invasive"ductal"carcinoma[J]."World"J"Surg"Oncol，"2012，"10："126.

[15] CHENG"L，"BAI"Y，"ZHANG"J，"et"al."Optimization"of"apparent"diffusion"coefficient"measured"by"diffusion-"weighted"MRI"for"diagnosis"of"breast"lesionsnbsp;presenting"as"mass"and"non-mass-like"enhancement[J]."Tumour"Biol，"2013，"34（3）："1537–1545.

[16] 向旭，"殷潔，"呂國(guó)義，"等."MRI表觀擴(kuò)散系數(shù)診斷導(dǎo)管原位癌與浸潤(rùn)性導(dǎo)管癌的臨床意義[J]."中國(guó)臨床醫(yī)學(xué)影像雜志，"2018，"29（6）："400–403.

[17] 張勇."擴(kuò)散磁共振定量參數(shù)在乳腺原位癌與浸潤(rùn)性乳腺癌中的鑒別診斷[J]."磁共振成像，"2019，"10（8）："604–608.

[18] 吳朋，"崔蕾，"郭宏兵，"等."DWI及DCE-MRI對(duì)乳腺純導(dǎo)管原位癌、導(dǎo)管原位癌伴微浸潤(rùn)及浸潤(rùn)導(dǎo)管癌的鑒別診斷價(jià)值[J]."放射學(xué)實(shí)踐，"2020，"35（4）："489–496.

[19] 袁秀華，"王剛，"李德維."MRI-DWI對(duì)單純?nèi)橄賹?dǎo)管原位癌、浸潤(rùn)性導(dǎo)管癌的鑒別診斷價(jià)值[J]."中國(guó)CT和MRI雜志，"2021，"19（4）："43–45，"149.

[20] 馮雯，"劉欣然，"盧星如，"等."不同功能磁共振成像技術(shù)在乳腺癌中的應(yīng)用進(jìn)展[J]."磁共振成像，"2024，"15（1）："217–223.

[21] YOON"D."What"we"need"to"prepare"for"the"fourth"industrial"revolution[J]."Healthc"Inform"Res，"2017，"23（2）："75–76.

[22] RAJPURKAR"P，"CHEN"E，"BANERJEE"O，"et"al."AI"in"health"and"medicine[J]."Nat"Med，"2022，"28（1）："31–38.

[23] DEAN"P"B."Radiomics"and"breast"cancer"management[J]."Acad"Radiol，"2022，"29（12）："1783–1785.

[24] WU"Z，"LIN"Q，"SONG"H，"et"al."Evaluation"of"lymphatic"vessel"invasion"determined"by"D2-40"using"preoperative"MRI-based"radiomics"for"invasive"breast"cancer[J]."Acad"Radiol，"2023，"30（11）："2458–2468.

[25] WU"Z，"LIN"Q，"WANG"H，"et"al."An"MRI-based"radiomics"nomogram"to"distinguish"ductal"carcinoma"in"situ"with"microinvasion"from"ductal"carcinoma"in"situ"of"breast"cancer[J]."Acad"Radiol，"2023，"30"Suppl"2："S71–S81.

[26] HOU"R，"GRIMM"L"J，"MAZUROWSKI"M"A，"et"al."Prediction"of"upstaging"in"ductal"carcinoma"in"situ"based"on"mammographic"radiomic"features[J]."Radiology，"2022，"303（1）："54–62.

[27] 姜原，"程元甲，"郭麗，"等."瘤內(nèi)及瘤周動(dòng)態(tài)增強(qiáng)MRI影像組學(xué)特征鑒別乳腺原位癌與浸潤(rùn)性癌的可行性研究[J]."中華放射學(xué)雜志，"2022，"56（9）："976–981.

[28] SHI"B，"GRIMM"L"J，"MAZUROWSKI"M"A，"et"al."Can"occult"invasive"disease"in"ductal"carcinoma"in"situ"be"predicted"using"computer-extracted"mammographic"features？[J]."Acad"Radiol，"2017，"24（9）："1139–1147.

[29] SHI"B，"GRIMM"L"J，"MAZUROWSKI"M"A，"et"al."Prediction"of"occult"invasive"disease"in"ductalnbsp;carcinoma"in"situ"using"deep"learning"features[J]."J"Am"Coll"Radiol，"2018，"15（3"Pt"B）："527–534.

[30] ZHU"M，"PI"Y，"JIANG"Z，"et"al."Application"of"deep"learning"to"identify"ductal"carcinoma"in"situ"and"microinvasion"of"the"breast"using"ultrasound"imaging[J]."Quant"Imaging"Med"Surg，"2022，"12（9）："4633–4646.

（收稿日期：2024–11–26）

（修回日期：2025–03–11）