0 引言

       近年来，全球癌症发病率和死亡率增加，现乳腺癌已超过肺癌成为全球女性最常见的癌症，约占女性癌症病例的1/4和女性癌症死亡病例的1/6^[1]。据美国人口统计学分析，预计在2040年乳腺癌会成为最常见癌症^[2]。因此，早期筛查和准确诊断乳腺癌是规范治疗和降低死亡的基础。合成MRI技术（synthetic MRI, SyMRI）不仅可以一次扫描获得多种对比图像，还可以进行图像后处理，从微观角度提供更多病灶信息，有利于疾病更客观、准确地诊断，为个体化诊疗方案提供支持^[3]。然而，目前关于SyMRI技术在乳腺癌分子分型、组织异质性及病理分级中的应用研究相对较少，缺乏基于多中心大样本的系统验证。此外，SyMRI在图像质量和参数稳定性等方面的技术局限性也限制了其在临床中的广泛应用。本文通过总结现有文献，对SyMRI技术基本原理及其在乳腺癌领域的应用价值进行系统性分析，并探讨其未来的研究方向，以期为相关研究提供参考。

1 SyMRI技术原理及优缺点

       SyMRI是一种基于二维多动态多回波（multi-dynamic multi-echo, MDME）序列的技术。MDME序列的“多动态”指的是在扫描过程中使用不同的动态条件，例如反转时间（inversion time, TI）来采集多种对比信号，“多回波”则是指在不同的回波时间（echo time, TE）条件下采集多个回波信号^[4]。通过对这些信号数据的分析，使得SyMRI能够在一次扫描中获取组织的多种定量参数，包括纵向弛豫时间T1、横向弛豫时间T2、纵向弛豫率（R1）、横向弛豫率（R2），以及质子密度（proton density, PD）等，根据这些定量参数生成不同的对比图像，从而实现对组织微观特征的量化分析^[5]，为乳腺疾病的鉴别诊断、精准分型和病灶评估提供了独特的影像学信息。相较于传统MRI获取数据更全面、扫描时间更短、可重复性更高，在未来多中心大样本研究中更有优势^[6]。尽管如此，SyMRI的图像分辨率和对比度在中枢和乳腺成像中有所争议。研究^{[7, 8]}表明SyMRI中短时反转恢复序列（short time inversion recovery, STIR）和液体衰减反转恢复序列（fluid-attenuated inversion recovery, FLAIR）难以均匀抑制整个乳房的脂肪信号，图像质量略低于常规MRI，另脑实质在FLAIR图像由于容积效应呈现高信号容易被误认为脑部病变，合成T2WI中相位编码和液体脉动伪影更常见，因此必要时采集额外的常规FLAIR图像是有益的。

2 SyMRI在乳腺疾病中的应用

2.1 对乳腺良恶性病变的鉴别诊断

       随着SyMRI技术的不断优化和深入研究，其临床应用不再局限于中枢系统^{[9, 10]}，乳腺疾病的良恶性鉴别和分子分型评估逐渐成为热点。动态对比增强MRI（dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）可以提供病灶的形态学特征和血流动力学变化，对乳腺疾病的筛查和诊断具有重要作用，在乳腺良恶性鉴别中具有独特优势，其诊断准确性较高但特异性差异大，存在对比剂过敏风险。多项研究^{[11, 12, 13]}证实SyMRI对乳腺良恶性疾病鉴别有一定价值，但SyMRI的鉴别效能不如DCE-MRI和表观扩散系数（apparent diffusion coefficient, ADC），多参数预测模型鉴别乳腺良恶性病变的诊断效能最好。

       多项研究逐渐揭示了SyMRI技术中T1和T2定量参数在乳腺病变诊断中的潜在价值。MENG等^[14]发现乳腺癌T1平均值显著大于良性病变，而T2平均值小于良性病变，说明SyMRI的T1、T2值有助于区分乳腺良恶性，并且T1值诊断效能更突出，不同的感兴趣区（region of interest, ROI）的曲线下面积（area under the curve, AUC）为0.931，这与MATSUDA等^[15]结果相似，后者认为增强前T1值是区分良恶性乳腺肿块的唯一显著定量值。其原因可能是恶性病变的细胞外基质更丰富，导致T1值更大。然而，也有研究者提出不同观点^[16]，表明T1值受诸多因素影响，如勾画方式、病理类型、样本量大小等。所以还需要进一步多中心、大样本量研究验证其可靠性和一致性。在T2和PD参数的应用上，既往研究^{[17, 18]}发现乳腺恶性病变T2和PD值明显低于良性病变，两者也是区分乳腺良恶性病变的独立预测因子，与ADC值的联合模型诊断效能更高，且PD值能够提高模型的敏感性^[18]。LIU等^[19]在1.5 T磁场强度下得出同样结论。这种差异可能归因于组织含水量，尤其是在浸润性导管癌（invasive ductal breast cancer, IDC）中，较多的固体成分、淋巴细胞/浆细胞浸润以及坏死物质的存在可能导致细胞外间隙和游离水含量减少，从而缩短了T2值。此外，ZHANG等^[20]分析了95例肿块型病灶增强前后SyMRI定量参数值，得出除增强后T2值和增强前PD值外，所有SyMRI定量参数在良、恶性病变间差异均有统计学意义（P<0.05），另基于DCE-MRI特征结合SyMRI参数增强前T2值和增强后T1值构建的模型在鉴别诊断恶性乳腺肿块方面表现出最佳性能AUC为0.995（95%置信区间：0.983~1.000）。LI等^[21]对121例乳腺患者进行术前SyMRI检查，得出增强前PD值标准差、增强后T2值和增强后T1值标准差是有助于鉴别乳腺良恶性病变的定量参数。综上所述，SyMRI的定量值有助于乳腺良、恶性疾病鉴别诊断，结合DEC-MRI及ADC值诊断效能最佳，但考虑到T1、T2值可能受多种因素影响，未来的研究仍需进一步探索SyMRI定量参数的标准化。

       除磁共振序列选择对乳腺疾病的诊断外，不同ROI勾画方法也可能影响定量参数的结果，目前，关于ROI大小及勾画方法的标准化缺乏一致的指南，限制了各研究结果的可对比性。既往研究大多采用2D-ROI或全肿瘤体积ROI进行量化分析，而对不同勾画方法的影响尚未系统分析。孙诗昀等^[13]在病灶的最大层面沿边缘勾画ROI，记作“tumor”，在肿瘤强化最明显的实性区域内勾画第2个ROI，记作“local”，并测量ADC值（ADClocal和ADCtumor）和弛豫时间值（Tlocal和Ttumor）。以T和T⁺分别表示增强扫描前后的弛豫时间，ΔT%表示增强扫描前后弛豫时间的相对变化率。结果显示T1⁺tumor、ΔT1%tumor、T2tumor、ADClocal、ADCtumor是预测乳腺癌的独立变量。宋美娜等^[22]采用3种不同的ROI勾画方法（整体勾画记作“tumor”、最大层面勾画“max”和强化最明显处勾画“local”）测量T1、T2、PD及ADC值，得出ADClocal、T2tumor、PDlocal是预测乳腺癌的独立影响因素。类似地，GAO等^[23]研究方形、圆形、手动勾画和全肿瘤最大体积四种ROI定位方法对乳腺肿瘤ADC值和SyMRI定量参数的影响，得出方形ROI在区分乳腺良恶性病变方面表现出优越性能。在不同观察者的操作一致性方面，李芹等^[24]对比分析不同观察者基于3D-ROI获得的SyMRI定量参数的可重复性高于2D-RO，进一步强调了ROI三维勾画在量化分析中提高一致性的重要性。尽管有研究表明3D-ROI在提高一致性方面有优势，但不同观察者间操作的一致性问题仍需进一步讨论。未来研究应致力于制订统一的ROI勾画方法和大小标准，同时，需要更多关于不同观察者使用3D-ROI进行勾画的一致性研究，以验证其在实际临床应用中的潜力。

2.2 对乳腺癌分子分型及病理类型的预测

2.2.1 乳腺癌分子分型的应用

       雌激素受体（estrogen receptor, ER）、孕激素受体（progesteronereceptor, PR）、人表皮生长因子受体2（human epidermal growth factor receptor 2, HER-2）和细胞增殖核抗原（Ki-67）与乳腺癌患者个体化诊疗方案选择、内分泌治疗、新辅助化疗及远期预后息息相关。临床根据ER、PR、HER-2和Ki-67的表达水平分为4个分子亚型，包括Luminal A型、Luminal B型、HER-2过表达型和三阴型（triple negative breast cancer, TNBC），不同亚型的生物学行为差异导致其对治疗方式和预后的反应各异，因此，如何通过影像学定量参数进行分型及预测具有较高的临床价值。郑蕊等^[25]研究SyMRI增强前定量参数区分TNBC和非TNBC的价值，得出TNBC的T1-均值、T2-均值高于非TNBC，其中T2值是区分TNBC和非TNBC的显著独立因子。通过SyMRI参数直方图得出IDC在TNBC、Luminal B型、Luminal A型中T1-均值、T2-均值依次降低，T2-均值在这三种亚型中诊断效能最高^[26]，这暗示T2-均值不仅可以区分TNBC，还可在Luminal亚型中提供一定分辨力。也有研究^[27]称T1值可以区分Luminal A型和Luminal B型，其次是T2和PD值。TNBC相较于非TNBC生长速度更快，侵袭性更强，更易发生内部坏死，导致肿瘤内部自由水含量升高有关，从而显示出更高的T1、T2值^[28]。李芹等^[24]得出PD-均值在TNBC和HER-2过表达型中有显著差异（AUC=0.70），这与ER、PR和HER-2不同表达状态水平有关。PD值对疾病诊断价值可能被低估，PD值对评估肿瘤组织水肿和结构损伤很敏感，肿瘤恶性程度越高，组织含水量越高，PD值越高。

       有研究^{[29, 30]}报道增强后SyMRI定量参数区分TNBC和非TNBC也有参考价值，尤其是增强后T2值，TNBC具有更高的细胞密度和血管生成能力，这导致增强后T2值进一步升高。DU等^[31]认为增强前后SyMRI定量参数中增强前T1和增强前T2可用于区分分子标记物和亚型，其中增强前T1值和边缘增强（the presence of rim enhancement, PRIM）的存在与TNBC相关，两者的组合实现了区分TNBC与其他亚型的最高诊断性能（AUC=0.742）。MATSUDA等^[32]同样得出增强前T2值是TNBC的显著和独立的预测因子，并且证明了TNBC的增强前T1值高于非TNBC。总之，SyMRI定量参数在乳腺癌分子分型的鉴别中表现出良好的潜力，尤其是增强前的T1和T2值在TNBC的识别中展现出较高诊断效能。

       综上所述，SyMRI定量参数在乳腺癌的分子亚型区分中具有潜在的应用价值，尤其是在TNBC与其他亚型的区分上。但此类研究受限于样本量偏小且以单中心研究为主，导致各分子分型间样本量不平衡，可能影响了分型间对比结果的准确性。未来研究在扩展样本量和多中心研究的基础上，还应纳入其他乳腺癌组织学类型，以更全面地评估不同组织类型中SyMRI的分型价值，增强研究的普适性与外部有效性。此外，优化SyMRI参数的标准化，将进一步提高其在乳腺癌精准分型中的临床应用价值。

2.2.2 预测HER-2表达状态

       HER-2是一种膜酪氨酸激酶受体，在调控细胞的生长、凋亡和分化中发挥至关重要的作用^[33]。HER-2表达阳性乳腺癌在临床中占比20%，其侵袭性高，预后较差，复发和转移较早，但随着各种新型抗靶向药物的发展HER-2阳性乳腺癌患者的预后有所改善^[34]。设想在治疗前，通过影像学方法帮助预测乳腺癌HER-2蛋白表达状态提供一些参考，将会对后续治疗方案有巨大帮助。李芹等^[35]利用SyMRI参数直方图特征预测IDC患者HER-2表达状态，发现HER-2阳性患者的PD中位数、T1平均值高于HER-2阴性患者，他们分析认为可能与HER-2阳性乳腺IDC患者分化差、侵袭性高、乳腺癌异质性高有关。研究进一步表明，PD中位数与T1平均值是HER-2状态独立预测因子，二者联合构建的模型预测HER-2状态的效能（AUC=0.853）优于ADC直方图参数的峰度（AUC=0.714）。这一结果说明，PD和T1联合使用具有较高的诊断性能，可有效预测HER-2阳性状态^[26]。其中，HER-2阳性肿瘤的高细胞密度和血管生成增加可能导致PD值显著上升，而PD值对水肿和结构损伤的敏感性进一步增强了其诊断价值。通常，靶向药治疗多适用HER-2阳性乳腺癌患者^[36]，很少有研究注意到HER-2阴性的肿瘤生物学特性以及对新辅助治疗反应，ZHAN等^[37]将HER-2阴性表达分为HER-2低表达和HER-2零表达，并评估了SyMRI和扩散加权成像（diffusion weighted imaging, DWI）在识别乳腺癌患者HER-2状态方面的有效性，结果表明增强后PD值和ADC值是区分HER-2低表达和HER-2零表达的独立预测因子，AUC分别为0.765和0.684；增强后PD值和ADC值联合模型的AUC为0.825，敏感度为90.57%，特异度为61.90%，准确率为82.4%。这一结果强调了增强后PD值和ADC值在乳腺癌HER-2状态预测中的价值，尤其是在筛选低表达群体的潜在靶点上具有较大应用前景。综上，SyMRI定量参数可以作为辅助性指标参与评估肿瘤异质性，有助于选择最有可能表现出HER-2表达的多灶性受累的活检靶点。现关于HER-2低表达临床特征、组织学特征的研究相对匮乏^{[38, 39]}，为此加强HER-2低表达群体特异性研究使此类患者的治疗更加精准化、多样化、临床获益最大化，这将是未来重点研究方向。

2.2.3 预测Ki-67表达状态

       Ki-67是一种在所有脊椎动物中表达的核DNA结合蛋白，反映肿瘤细胞增殖情况的一种标记物，其值越高说明肿瘤细胞增殖越活跃，侵袭性越强^[40]。研究^[27]表明SyMRI的T1、T2和PD值与Ki-67表达状态呈正相关，这种正相关性反映了快速增殖的肿瘤细胞内血管供氧不足，从而引起缺氧和坏死导致水分聚集，以及高增殖肿瘤可能具有较低的细胞密度，因此T1、T2和PD值变化能间接反映Ki-67的表达状态。李方正等^[41]采用SyMRI参数直方图预测Ki-67表达状态，得出除了PD-熵值外Ki-67高表达组的其他值均大于Ki-67低表达组。多因素logistic分析结果显示T1第十百分位数及T2第十百分位数是Ki-67表达状态的独立预测因素，两者联合构建模型预测乳腺癌Ki-67表达状态的AUC为0.809，敏感度为64.8%，特异度为87.5%，准确率为72.8%。ZHANG等^[42]探讨了IDC患者增强前后SyMRI定量参数与Ki-67表达状态的相关性，得出高增殖组增强前T1值、增强后T1值、增强后T2值均显著高于低增殖组，并且增强前T1值是预测Ki-67表达水平的显著参数（AUC=0.711）。MATSUDA等^[43]利用SyMRI和DCE-MRI预测ER阳性乳腺癌Ki-67表达状态，发现高表达组增强后T1值的标准差和增强后T2值高于低表达组，进一步分析得出增强后T1值的标准差是Ki-67表达的独立预测因素（AUC=0.885）。LI等^[21]结果显示增强前T1值、增强前T1值的标准差和增强后PD值是预测Ki-67表达状态的显著参数，但AUC值（AUC=0.774）低于MATSUDA团队，可能是两类人群不平衡造成，提示在研究设计中，群体的均衡性至关重要，以避免潜在的偏倚。以上研究进一步证明T1值是一个和Ki-67高度相关的参数，SyMRI定量参数对判断乳腺癌Ki-67表达状态有所帮助，未来研究可扩大样本量增加不同分子亚型以验证SyMRI多参数与 Ki-67的相关性，增强统计学的稳健性和临床适用性。还可以进一步探索其他定量参数（如T2^*）与Ki-67的关系，以便更好地表征乳腺癌的病理特征。

2.2.4 预测ER、PR表达状态

       ER和PR的状态在乳腺癌的预后和临床治疗策略中扮演着关键角色。复杂的受体组合，如ER阴性/PR阳性型，表现出更强的侵袭性、更早的发病年龄、更高的组织学分级，同时预后较差。这种类型的乳腺癌与ER阴性/PR阴性型的生物活动性相似，通常对内分泌治疗响应不佳^[44]。上述结果强调了了解ER和PR状态对制订精准治疗计划的重要性。LI等^[26]研究乳腺SyMRI定量参数直方图发现PR阴性癌症T1第十百分位数、T2第十百分位数、T2均值和T2中位数显著高于PR阳性癌症，T1第十百分位数是区分PR状态的显著独立因子。ER阴性癌症的T2第十百分位数、T2均值和T2中位数显著高于ER阳性癌症。这些影像学差异可能为识别受体状态提供辅助支持。KAZAMA等^[27]研究结果一致，得到ER阴性肿瘤T1、T2和PD值高于ER阳性肿瘤，其中T2值的AUC最高，敏感度和特异度分别为100%和78%。这一结果表明，T2值可能是识别ER状态的重要影像学指标。影像学参数的变化或许与肿瘤的血管生成特性有关。研究指出，ER可以降低血管内皮生长因子（vascular endothelial growth factor, VEGF）水平并抑制肿瘤血管生成，因此ER阴性肿瘤具有更高水平的VEGF以促进血管生成，并表现出更高的微血管密度，这也许可以解释高T1、T2值的原因^[32]。以上研究揭示了ER和PR状态与SyMRI参数之间的相关性，这些参数在预测乳腺癌侵袭性和受体状态上表现出潜在的诊断价值。未来的研究应扩展样本量和组织学类型，进一步探索ER和PR状态对SyMRI参数的影响。同时，建议在SyMRI参数标准化的基础上，结合分子机制研究，以提高影像学指标在不同乳腺癌亚型中的鉴别价值，为个体化诊疗提供更全面的科学依据。

2.3 对乳腺癌新辅助化疗的疗效评价

       新辅助化疗（neoadjuvant chemotherapy, NAC）是目前提高乳腺癌患者生存率的主要手段，特别是局部晚期乳腺癌，能够缩小原发病灶，降低临床分期，提高保乳率，改善患者预后，减少局部复发率，最后期待达到病理完全缓解（pathological complete response, PCR）^[45]。然而，NAC通常需要几个月的时间，对于有些具有生物侵袭性的乳腺癌在几个月内得不到有效治疗，又错过了最佳手术时间，增加了肿瘤转移可能，所以治疗前需要一种准确的方法预测肿瘤对NAC的反应。ZHAO等^[46]研究表明，NAC一个周期后T1值的变化率下降是区别PCR组和非PCR组的最佳指标，且组织学分级在NAC早期会影响T1变化率对PCR的诊断。MATSUDA等^[47]对39例乳腺癌患者（PCR 14例，非PCR 25例）进行了NAC前DCE-MRI和SyMRI检查，得出增强前T2值的标准差是区分PCR组和非PCR组的独立预测因子，其AUC为0.829。这些研究显示，尽管SyMRI的多定量参数对NAC疗效预测具有潜力，但结果的准确性尚需进一步验证和提高。不同分子亚型对PCR状态影响各有差异，JIANG等^[48]收集了263名接受了NAC乳腺癌患者的T1、T2、PD及ADC值的直方图，结果显示TNBC中PCR组PD值与ADC的相关性高于非PCR组，但在HER-2阳性中PCR组和非PCR组SyMRI参数与ADC值相关性较差；HER-2阴性T2值与ADC值相关性高于T1值与PD值的相关性，且T2低百分位数和中位数有显著差异。但是，HER-2阳性和HER-2阴性两个亚型里PD值和ADC没有明显相关性，这可能是由于HER-2阳性亚型有大量未成熟新生血管和HER-2阴性亚型的低增殖所致。

       在NAC过程中，SyMRI参数变化与病理学机制（如肿瘤细胞凋亡和间质成分变化）密切相关。T1值的降低反映了化疗诱导的肿瘤细胞凋亡，而T2值的变化则受水流动性增加和间质成分限制的影响。通过综合分析这些参数，可以更准确地预测PCR状态，并针对不同分子亚型（如三阴性乳腺癌和HER-2阳性乳腺癌）开发个性化的预测模型。未来研究应结合多模态影像技术和分子生物学方法，深入解析这些参数的病理学基础，并开发基于个体化特征的预测工具，为临床提供更精准的治疗指导。

2.4 对乳腺癌淋巴结转移的预测价值

       远处转移和肿瘤复发是乳腺癌患者的主要死亡原因，乳腺淋巴结对临床分期、手术方式、治疗方案选择具有重要参考价值。其中，腋窝淋巴结转移（axillary lymph node metastasis, ALNM）是最常见的转移部位，前哨淋巴结（sentinel lymph node, SLN）转移是乳腺淋巴结转移的初始信号。肿瘤细胞和淋巴结微环境之间存在微妙关系，恶性肿瘤细胞的影像学表现可以帮助我们确定淋巴结状态。YANG等^[49]评估SyMRI参数对乳腺SLN状态的价值，结果显示SLN转移组的PD值显著大于无SLN转移组，但T1、T2值无明显差异。多因素分析结果肿瘤最大直径、ADC和PD值是预测SLN有无转移的独立预测因子，其中PD值诊断效能最高（AUC=0.75），三者联合模型的AUC为0.86（95%置信区间：0.778~0.922），敏感度为80.85%，特异度为81.50%。这些发现强调了PD值在预测SLN状态中的关键作用。余雪燕等^[50]分析了SyMRI增强前后定量参数对ALN状态的预测价值，发现ALNM组PD值大于无ALNM组，且两者差异有统计学意义，这进一步支持了PD值作为淋巴结转移预测指标的潜力。QU等^[51]根据乳腺癌患者有无ALNM分为两组，获得增强前后乳腺肿瘤及淋巴结的SyMRI定量参数，结果显示在乳腺肿瘤的定量参数中，T2tumor对ALN状态的诊断价值最高（AUC=0.712），其最佳截断值为90.12 ms，敏感度为65.0%，特异度为83.6%。在ALN定量参数中，T1LN可作为识别IDC的ALN状态的独立预测因子，最佳截断值为1 371.00 ms。由于乳腺癌细胞增殖会引起细胞间质空间减少、水分子平衡破坏和新血管形成增加，从而导致转移性淋巴结T1值高于良性淋巴结。以上研究初步表明SyMRI参数一定程度上可以预测乳腺癌淋巴结转移，特别是PD值在区分SLN和ALN转移中的关键作用。现有的SyMRI评估淋巴结转移的相关报道较少，未来还有很大研究空间。今后应重点关注多中心验证、分子亚型特异性分析、整合多模态影像技术、分子生物学研究和临床应用，以提高预测模型的准确性，并优化治疗方案。通过这些努力，SyMRI有望成为一种可靠的术前评估方法，在未来临床实践中帮助预测乳腺淋巴结生存风险，进而减少或避免对风险较低的患者进行不必要的淋巴结清扫。

3 SyMRI与其他影像新技术在乳腺疾病的应用

       影像组学通过提取和分析海量的影像特征，能够深入挖掘影像图像中的隐藏信息，辅助判断肿瘤的微观结构和生物学行为，是一门结合图像处理、数据挖掘和机器学习的方法。黄文平等^[52]基于T2 mapping影像组学特征进行的研究，成功从107个定量影像特征中筛选出6个关键特征，构建了一个具有良好诊断效能的分类模型。该模型在测试集中的AUC达0.895，敏感度为94.7%，特异度为80.0%，相较传统T2值研究大幅提升了诊断效能。这表明，影像组学能显著提高乳腺肿瘤良恶性的区分能力。目前，影像组学在乳腺疾病临床应用还处于初步研究阶段，现已发表的多模态影像研究多是DCE-MRI^[53]、DWI、数字乳腺体层合成摄影（digital breast tomosynthesis, DBT）^[54]等技术，关于SyMRI的影像组学研究鲜有，预示着未来有丰富的研究潜力和探索空间。

       深度学习（deep learning, DL）技术同样在乳腺疾病的图像分析中占据重要角色。通过大数据的训练，DL可以自主学习和优化乳腺病灶的自动分割和分类任务。SyMRI中FLAIR图像质量欠佳，有研究^[55]采用DL和生成式对抗网络（generative adversarial network, GAN）通过端到端训练改善SyMRI图像，结果显示快速SyMRI的采集时间是常规SyMRI扫描时间的一半（1 min 52 s），同时在T1WI，T2WI和T2WI FLAIR图像质量明显提升，但在定量参数（如PD、T1和T2）的性能与常规SyMRI相当。初步表明DL可以帮助SyMRI在乳腺疾病诊断中提高图像准确度和检查效率。SyMRI在乳腺的应用缺乏多中心研究、高质量图像和肿瘤生物学机制分析，影像组学可以帮助提取大量的影像特征，提高模型的解释性和临床应用价值。深度学习可以自主学习和优化特定任务，如图像分割和分类，减少人为因素干扰。生境分析和人工智能（artificial intelligence, AI），有助于全面理解肿瘤的生物学行为，为早期疾病干预和个性化治疗提供依据。未来SyMRI结合放射组学等技术将在乳腺疾病研究和临床应用中发挥更大的作用，推动精准医疗和个性化医疗的发展。

4 小结与展望

       随着MRI技术的不断发展，影像学诊断不再局限单纯的形态学，SyMRI是获取病灶微观结构信息的潜在有力工具，其检查时间短，无需对比剂，影像图像丰富，对于婴幼儿、孕妇、哮喘等特殊人群的临床检查提供便捷，未来可进一步探究在其他疾病中的诊疗价值。但在快速发展的背后还存在一些问题和挑战：（1）当前针对乳腺疾病的SyMRI研究虽然初步取得了积极成果，但大多为单中心研究且样本量有限，缺乏多样化的数据支持；（2）SyMRI扫描参数、肿瘤ROI勾画及增强扫描时间不规范化，且增强图像与量化mapping图像之间的匹配存在偏差。未来需要建立统一的成像参数和数据处理规范，以减少不同中心间的变异性，提高图像对比一致性；（3）AI可用于增强SyMRI图像的可视化效果、精准分析病灶的微观结构特征，并推动自动化的疾病分级与预测。然而，数据的多样性、模型的解释性、医疗成本和设备的差异性、伦理和法规的合规性仍是限制其广泛应用的重要因素。

       总之，SyMRI在乳腺疾病鉴别、组织分类和个性化诊疗已有一定研究进展，今后大规模、多中心的临床研究进一步验证数据可靠性，优化扫描流程和图像质量，期待SyMRI在临床应用中推广帮助医生快速精准诊断。