0 引言

       乳腺癌现已位居世界女性癌症死亡率之首^[1]。我国虽为乳腺癌发病率较低地区，但近年来由于经济发展、生活方式等变化，中国女性乳腺癌发病率逐年上升，且死亡率仍居高不下^[2]。目前，临床上对于乳腺癌患者的治疗方法包括手术治疗、放化疗、靶向治疗、免疫治疗等^[3]，而乳腺癌腋窝淋巴结转移（axillary lymph node metastasis, ALNM）是乳腺癌患者治疗和预后的重要的影响因素^[4]，临床调查显示，腋窝淋巴结（axillary lymph node, ALN）阴性乳腺癌患者的5年生存率可达98.6%，而ALN阳性患者的生存率则降至84.4%^[5]，因此确定ALN是否转移至关重要。目前，诊断ALNM的金标准仍然是病理检查。腋窝淋巴结清扫（axillary lymph node dissection, ALND）和前哨淋巴结活检（sentinel lymph node biopsy, SLNB）是临床最常用的方法。然而，这两种手术都是侵入性的，会出现感觉异常、淋巴水肿和上肢运动损伤等并发症^[6]。乳腺磁共振成像（magnetic resonance imaging, MRI）作为一种非侵入性方法，已广泛应用于临床实践。随着MRI各项技术的迅速发展，研究者们不仅从大小、边缘形态及皮质厚度等常规影像特征评估ALNM，还利用功能成像方法了解淋巴结的微观结构信息、量化评估淋巴结异质性等^{[7, 8]}，新兴的影像组学也可以获得更多参数，在ALNM的研究中已取得初步研究成果^{[9, 10]}。此外，新辅助化疗（neoadjuvant chemotherapy, NAC）是晚期乳腺癌患者的一种治疗方案，可以缩小病灶体积，减少ALNM的发生风险^[11]，约50%的ALNM阳性患者经NAC后能够达到腋窝病理完全缓解（pathological complete response, pCR）^[12]，MRI技术能够有效预测NAC后的ALN^[13]。因此，充分了解MRI技术在评估ALNM中的应用价值具有临床意义。但由于MRI技术的复杂性，目前还没有确立统一的标准和稳定的模型来评估ALNM，此外，关于其对乳腺癌NAC患者ALN疗效评估的研究还不够深入，准确性及敏感性有待提高。本文就术前MRI技术在乳腺癌ALNM的相关研究进展做一综述，旨在总结各成像序列在乳腺癌ALNM应用中的优势和不足，增强临床医生与影像科医生对于MRI技术在评估ALNM应用潜力的认识，为以后的影像科学研究提供新方向，助力提高乳腺癌的精准诊疗水平。

1 乳腺癌ALN的病理学基础及其临床意义

       ALN按解剖分为三区，Ⅰ区：位于胸小肌外侧缘外侧；Ⅱ区：位于胸小肌内侧缘与胸间淋巴结之间；Ⅲ区：位于胸小肌内缘内侧^[14]。乳腺的淋巴管分为浅淋巴管和深淋巴管，约3%的淋巴流向乳腺内淋巴结，其余流向ALN。乳腺癌ALNM机制是转移细胞通过传入淋巴管到达淋巴结周围的边缘窦，进而向门部过滤，导致皮质的不均匀肿大，最终取代正常的淋巴结结构^[15]。确定ALN是否含有癌细胞是疾病分期的重要组成部分，将为乳腺癌治疗方案的选择和预后评估提供重要信息。根治性乳腺切除术加ALND是20世纪预防乳腺癌扩散的标准治疗方法之一，但是术后有部分患者存在不同并发症，包括伤口感染、淋巴水肿和感觉功能障碍等^{[16, 17]}，因此，为了减少不必要的手术损伤及给患者造成的负担，我们需要一种术前预测方式，在提高诊断确性的同时，非侵入性地判断ALNM。

2 术前MRI技术在评估乳腺癌ALNM的应用

       近年来，术前利用MRI评估乳腺癌ALNM已成为很常见的方法，其影像学征象包括淋巴结长短径增大、淋巴门消失、皮质厚度（cortical thickness, CT）增加、不均匀或偏心环强化、周围脂肪间隙模糊以及表观弥散系数（apparent diffusion coefficient, ADC）值降低等信息均可作为ALNM的诊断依据^{[18, 19, 20]}。

2.1 常规MRI平扫技术在评估乳腺癌ALMN中的应用

       常规乳腺MRI平扫技术包括T1WI和T2WI，是通过分析ALN的大小、形态学特征等来判断ALN的状态，ALN的明显增大、形态异常、皮质不均匀增厚和淋巴门结构缺失等情况均是提示ALNM的表现^{[21, 22]}。HA等^[23]在研究中在T1WI和T2WI序列对ALN进行定量测量，包括其最大尺寸（largest dimension, LD）、CT，以及CT与LD的比值，他们发现ALN阳性组的LD、CT和CT/LD显著高于ALN阴性组（所有变量：P<0.001），且CT被证明是预测ALNM具有一定鉴别力的测量参数。此外，有学者在研究中采用T1加权快速梯度回波脂肪抑制序列分别测量转移性ALN与反应性ALN，发现转移性ALN与反应性ALN相比具有更长的短轴（P=0.042），与反应性ALN相比，转移性ALN的长轴与短轴比值明显较低，且60%的转移性ALN有淋巴门缺失的征象^[24]。但另有研究认为仅以常规MRI平扫技术评估ALNM的敏感度、特异度和准确度不够高，尤其对较小的ALN（<5 mm）、早期的转移性ALN的判定有一定难度，临床应用仍受限制^{[25, 26]}。可见，基于常规MRI平扫技术图像的基本影像学特征来评估ALNM有一定价值，可以从大小及形态方面评估ALN，但也有一定局限性，对于较小的微转移ALN可能无法与正常淋巴结区分开，而且难以评估ALN的生物学特征信息，所以临床中将常规MRI平扫技术与其他序列相结合能更好地评估ALNM。

2.2 功能MRI技术在评估乳腺癌ALNM中的应用

       扩散加权成像（diffusion-weighted imaging, DWI）是一种能够定量评价细胞外间隙水扩散障碍的成像技术，受细胞密度、微观组织结构等因素的影响，可定量反映组织微环境，在临床诊断中的应用越来越多^{[27, 28]}。ADC值是通过DWI获得的定量参数，可提供定量评估水分子扩散受限的程度，从而区分组织病变性质^[29]。CHO等^[30]在研究中发现，在DWI序列上对ALN的形态学分析中，良性组和转移组的长径、短径和CT差异具有统计学意义，良性组包括在DWI序列未见ALN或ALN较小（<2 mm），转移组包括在DWI序列发现ALN且直径>2 mm。转移性ALN的长径明显长于良性ALN [（14.8±7.7）mm vs.（10.1±4.1）mm，P<0.001]，这表明在DWI上对ALN的形态学评估可以在不增强对比的情况下区分转移性ALN和非转移性ALN。CATALDO等^[31]发现转移性ALN组的中位ADC值（中位数为0.638×10^-3 mm²/s）显著低于非转移性ALN组（中位数为1.24×10^-3 mm²/s）（P<0.001），受试者工作特征（receiver operating characteristic, ROC）曲线下面积（area under the curve, AUC）为0.876 [95%置信区间（confidence interval, CI）：0.783~0.939]，分析表明，ADC值为0.8×10^-3 mm² /s是区分转移性和非转移性ALN的最佳临界值，该临界值获得的敏感度、特异度、阳性预测值（positive predictive value, PPV）和阴性预测值（negative predictive value, NPV）分别为82.6%、86%、70.4%和92.5%，这些结果证实了DWI序列评估ALNM的准确性和有效性^[31]。LIMA等^[32]学者也证明了ADC值评估乳腺癌患者ALNM的价值，其敏感度和特异度分别为83%（95% CI：0.80~0.86）和82%（95% CI：0.79~0.85）。

       扩散张量成像（diffusion tensor imaging, DTI）是DWI的一种扩展，它可以提供更多关于微观结构的信息，KURT等^[33]在研究中发现ADC（b=800 s/mm²）是DWI中ALNM的独立预测因子，体积各向异性（volume anisotropy, VA）（b=500 s/mm²）是DTI中ALNM的独立预测因子，当ADC值（b=800 s/mm²）时，CT和VA（b=500 s/mm²）诊断转移性ALN的特异度和敏感度分别为95.7%和100%，PPV为100%，NPV为97.7%。

       尽管越来越多的证据表明DWI在评估乳腺癌ALNM方面具有潜在价值，但关于DWI与乳腺癌ALNM关系的研究仍尚处于初步阶段，尤其对于微小淋巴结ADC值测定结果的准确性和稳定性欠佳，影响最终评估效果。因此，关于DWI及其衍生序列在评估ALNM方面有待进一步深入研究。

       氢质子磁共振波谱（¹H-magnetic resonance spectroscopy, ¹H-MRS）基于MRI和化学位移原理，能够在不使用对比剂的情况下提供分子水平上的信息，SODANO等^[34]研究发现，原发性乳腺癌总胆碱（total choline, tCho）可有效预测ALNM，在研究中，对两名阅片者的结果进行ROC分析，AUC分别为0.760（P<0.0001）和0.788（P<0.0001）。当tCho低于2.4 mmol/L时，未观察到转移性ALN，这可以避免一些不必要的淋巴结活检。

       mDixon-Quant技术是一项MRI精准定量新技术，其中脂肪分数（fat fraction, FF）图可以直接用来进行脂肪定量^[35]，最近有学者评估了乳腺癌患者ALN的FF值，研究表明转移性ALN的平均FF值为0.20±0.073，非转移性ALN的同侧淋巴结的平均FF值为0.31±0.079，对侧淋巴结的平均FF值为0.34±0.15，转移性ALN的FF值低于非转移性ALN^[36]，这对于评估ALNM也具有一定价值。但手动描绘感兴趣区（region of interest, ROI）而不是分割整个淋巴结，测量FF值时可能存在测量误差，且整个淋巴结分割可能会增加邻近腋窝脂肪部分，从而影响结果，所以，将其与人工智能等相结合有望提高结果的准确性。

       总之，功能MRI技术在评估乳腺癌ALNM有一定价值，可以在不使用对比剂的情况下提供微观结构的信息，量化评估淋巴结异质性，但尚存在不足，包括定量信息测量结果容易受到不同b值、淋巴结直径小、磁场不均匀等因素的影响，无法保证准确和可重复性反映组织的微观结构特点，但相信随着MRI技术的改进和发展，功能MRI技术将在乳腺癌 ALNM的术前评估中体现更全面的价值。

2.3 DCE-MRI技术在评估乳腺癌ALNM中的应用

       动态对比增强MRI（dynamic contrast enhanced MRI, DCE-MRI）是一种关注血流动力学的动态增强成像方法，可以估计病变的血管分布和通透性^[37]，从而更好地评估乳腺疾病。近年来，DCE-MRI在鉴别ALNM方面发挥着越来越重要的作用。DCE-MRI半定量参数包括时间-信号曲线（time-signal intensity curve, TIC）、最大密度投影（maximum intensity projection, MIP）血管重建。TIC分为3型，Ⅰ型为持续上升型，Ⅱ型为平台型，Ⅲ型为流出型^[38]，TIC可以反映病变内部的血流动力学改变，有研究显示，转移性ALN在强化后，TIC通常表现为Ⅱ或Ⅲ型，这与乳腺癌病灶的强化方式相似^[39]。阮玫等^[40]研究发现不均匀强化在转移及未转移ALN间差异有统计学意义（P<0.001），不均匀强化在转移组中的特异度为87.5%，强化不均匀可能是由于转移性ALN血供的变化或者出现坏死。GAO等^[41]学者通过单因素logistic回归分析发现，ALN阳性与阴性乳腺癌的容积转运常数（volume transport constant, K^trans）、血管外细胞外间隙容积分数（extravascular extracellular volume fraction, Ve）、流入斜率(wash-in slope, WIS)、流出斜率（wash-out slope, WOS）、增强峰值（peak of enhancement, PE）和AUC差异均有统计学意义，其中WIS的预测效果最好（AUC=0.661）。

       超快动态对比增强（ultrafast dynamic contrast- enhanced, UF-DCE）MRI是一种新的方法，可以在非常早期的对比后阶段捕获动力学信息，具有较高的时间分辨率，同时保持合理的空间分辨率^[42]，有学者在一项病例研究中发现，通过UF-DCE MRI扫描，从第7期开始，其中一个ALN比同侧和对侧腋窝的其他淋巴结在更早的阶段强化，这高度提示转移，超声16 G空芯针活检（core needle biopsy, CNB）显示ALNM，但¹⁸F-氟脱氧葡萄糖正电子发射断层扫描/计算机断层（¹⁸F-fluorodeoxyglucose positron emission tomography/computed tomography, ¹⁸F-FDG PET/CT）扫描淋巴结的异常蓄积并不确切，这表明，超快动态MRI可能在ALNM的诊断上有着重要意义^[43]。此外，YAMAGUCHI等^[44]发现，UF-DCE MRI上较高的最大斜率（maximum slope, MS）与乳腺癌ALNM显著相关，乳腺癌ALN阳性的MS显著高于ALN阴性的MS，分别为11.97%/秒和9.425%/秒，以MS值10.19%/秒为临界值时，诊断ALNM的敏感度和特异度分别为76.19%和63.16%，AUC为0.72。

       总之，DCE-MRI在评估乳腺癌ALNM中具有重要的鉴别和诊断作用，其准确性高于乳腺X线摄影及超声检查，但关于其与ALNM关系的研究尚需进一步探讨，包括药代动力学参数与ALNM的关系，今后可以通过改进研究方法等深入评价DCE-MRI与ALNM的关系。

3 基于MRI的影像组学在评估乳腺癌ALNM中的应用

       影像组学是联合医学影像与数据图像处理的新型交叉学科，是从医学图像中提取定量特征的过程，可充分利用肉眼无法识别的深层影像信息，将医学图像转化为可挖掘的数据，进而提高肿瘤诊疗精度，是近年来的研究热点^[45]。CHAI等^[46]在研究中发现，术前乳腺MRI提取的放射学特征与ALNM相关，T1WI、动态增强后第二时相（the second postcontrast phase of the DCE sequences, CE2）、T2WI及DWI序列均具有鉴别转移状态的特征，虽然四个序列的形态学特征和纹理特征在准确性和AUC方面都表现出良好的性能，但当与CE2提取的特征相结合时，血流动力学特征对分类贡献最大，从而使该特定ALNM分类任务的准确性和AUC最高。SHIMIZU等^[47]研究表明，高分辨率3D T2WI 的纹理分析主要集中在腋窝区域，有助于区分乳腺癌患者的ALN转移与否，纹理-体积模型可以检测临床阴性乳腺癌患者的ALNM，敏感度、特异度、PPV和NPV分别为90%、69%、49%和96%。

       SONG等^[48]研究发现，使用基于T2WI的影像组学的AUC略高于使用T1WI者，T2WI在TNBC影像组学研究中有很重要的意义。同时，使用多参数MRI和影像组学特征的基于机器学习（machine learning, ML）的预测模型在三阴性乳腺癌（triple-negative breast cancer, TNBC）患者术前预测ALNM方面显示出良好的诊断性能，来自乳腺MRI的计算机辅助诊断（computer aided design, CAD）测量的血管容积或影像组学特征可用作有价值的成像生物标志物，以确定Ⅰ~Ⅱ期TNBC患者的临床预后或指导治疗决策。WANG等^[49]研究表明，在ALN阳性组中，人类表皮生长因子受体2（human epidermal growth factor receptor 2, HER-2）阳性、脉管癌栓阳性和Ⅱ~Ⅲ型TIC的占比均高于ALN阴性组，且ALN阳性组病灶较大，联合模型显示出最高的AUC，基于DCE-MRI的瘤内和瘤周影像组学模型可有效预测乳腺癌ALNM。此外，有学者研究发现，基于DCE-MRI的卷积神经网络（convolutional neural network, CNN）模型在术前预测乳腺癌ALNM方面优于传统的影像组学模型，CNN模型能对医学图像进行充分的挖掘，可以预测任何可检测病变的ALNM，对于ALNM患者，CNN模型可以进一步有效预测下一站引流淋巴结的转移情况，内部及外部验证集的AUC分别为0.800和0.763，有助于降低乳腺癌患者中不必要的前哨淋巴结清扫发生率^[50]。基于MRI的影像组学作为一种定量信息提取和分析方法，是预测ALNM的一种非常有前景的新方法，但由于其技术和方法的复杂性以及大部分研究缺乏外部验证，很难应用于常规临床实践，因此今后的研究应侧重于临床适用性方面。

4 MRI技术对乳腺癌NAC患者LN疗效的评估

       NAC是指在手术前对患者使用化疗药物进行治疗的一种方法，可缩小肿瘤大小、减少ALNM的发生风险，提高保乳手术的成功率，提高患者的生存质量^[51]。MRI在NAC后达到pCR的ALN术前诊断中显示出高敏感度（83%~92%）和中等特异度（47%~63%）^[52]。

       LIU等^[53]采用多模态融合模型来预测患者接受NAC后LN是否可以达到pCR，分割的乳腺癌病变区域的DCE-MRI数据和HER-2、雌激素受体（estrogen receptor, ER）、孕激素受体（progesterone receptor, PR）和Ki-67分子分型数据被用作多模态联合模型的输入参数，多模态联合模型的准确率达到85%，AUC为0.81。GAN等^[54]学者基于DCE-MRI提取的影像组学特征建立了临床-影像组学模型，用于预测乳腺癌ALNM患者的ALN pCR，在训练集、验证集和测试集中AUC值分别为0.924、0.851和0.878，显示出预测腋窝pCR的良好性能。此外，多项研究也表明基于MRI的影像组学对于乳腺癌患者NAC后腋窝pCR显示出较高的预测价值^{[55, 56]}。但目前利用MRI技术评估腋窝pCR方面的研究仍较少，由于不同患者NAC的治疗方案不一致，而且NAC的疗效会受乳腺癌不同分子亚型、肿瘤异质性等多因素的影响，所以未来需要更大样本量的研究来探讨MRI技术在预测腋窝pCR中的价值及应用于临床疗效评估中的可行性。

5 总结与展望

       综上所述，常规与功能MRI技术以及基于MRI的影像组学方法，在评估乳腺癌ALNM的诊断及疗效评估中体现出重要价值，但目前多为回顾性、单中心研究，且仍未确立统一的标准及相对稳定的预测模型应用于临床实践。今后，随着计算机及影像技术的不断发展和应用，通过多中心、多参数及大样本量的研究，以及多种成像方法的联合应用建立更完善的模型来预测乳腺癌ALNM，此外，影像组学与人工智能在评价乳腺癌ALNM方面的应用价值也有待进一步挖掘，通过应用于临床实践助力提高乳腺癌ALNM的精准诊疗水平。