0 引言

       乳腺癌是女性最常见的恶性肿瘤^[1]。晚期乳腺癌患者的5年生存率仅20%，而早期患者5年生存率可达90%以上^{[2, 3]}。因此，早发现、早诊断、早治疗对改善乳腺癌患者预后至关重要。肿瘤异质性与乳腺癌的生长、转移等生物学行为及其对治疗的反应息息相关^{[4, 5]}。病理分析作为肿瘤诊断的“金标准”，能提供细胞和分子层面的细节，但属于有创检查，存在取样误差，且难以实现动态监测。因此，术前采用无创影像学检查对肿瘤异质性进行评估具有重要临床意义^[6]。

       磁共振成像（magnetic resonance imaging, MRI）凭借高软组织分辨率和多方位、多参数成像优势，在乳腺癌诊疗评估中发挥着关键作用^{[7, 8]}，但相关研究^{[9, 10]}多聚焦于肿瘤整体特征，而忽视了肿瘤内部结构的异质性。传统影像组学从MRI图像中提取大量手工设计的特征（如纹理、形状特征），但依赖特征工程，忽视异质性空间模式。近年来，基于多模态MRI的栖息地成像通过多种算法分割肿瘤内部具有相似特征的区域，进而精准识别并量化肿瘤不同的组织亚区及其微环境，为无创评估肿瘤异质性和深入理解肿瘤生物学行为提供了新视角^{[11, 12, 13]}。目前，国内外学者已有对乳腺癌栖息地成像的综述报道^{[14, 15]}，但多聚焦于技术原理与肿瘤生物学机制，尚未有研究从诊疗应用的维度进行全面梳理。本文系统回顾多模态栖息地成像技术在乳腺癌中的应用进展，旨在为乳腺癌的精准诊疗提供创新视角和路径。

1 肿瘤栖息地成像概述

       栖息地成像是一种基于影像组学的多模态分析技术，通过整合组织病理学、血流动力学及分子生物学特征的定量影像学标志物，对肿瘤内部具有相似生物学特性的空间区域进行体素级聚类分析^{[16, 17]}。依据肿瘤内部血流、代谢或细胞特征将肿瘤分为不同的亚区域，每个区域包含具有相似特征的体素集群，这些亚区域被称为“栖息地”^[11]。不同栖息地反映了不同特征的肿瘤微环境，能够从多维度、多角度表征肿瘤异质性，对揭示肿瘤的复杂生物学特性具有重要意义^{[18, 19]}。栖息地成像通过整合T1加权成像（T1-weighted imaging, T1WI）、T2加权成像（T2-weighted imaging, T2WI）、扩散加权成像（diffusion weighted imaging, DWI）、动态对比增强MRI（dynamic contrast-enhanced MRI, DCE-MRI）等多模态MRI技术及其衍生参数，如表观扩散系数（apparent diffusion coefficient, ADC）、容积转移常数（volume transfer constant, K^trans）、血浆容积分数（extracellular volume fraction, Ve）等^[20]，获取了肿瘤的水分子扩散特性、血管通透性、血管外细胞外间隙等微环境信息。然后栖息地成像结合自动聚类方法（K-means聚类、基于高斯混合模型的聚类或两步聚类法等）将肿瘤区域划分为不同的栖息地，进而为乳腺癌研究和临床实践提供新视角^[12]。K-means聚类是常用模型算法之一，通过肘部法则或轮廓系数预设K个最佳聚类簇，通常迭代次数默认设置100~200次，该算法计算效率高，且结果直观对应空间区域划分。高斯混合模型由多个高斯分布加权组合而成，是通过迭代运算获取的拟合效果最佳的概率模型，迭代次数设为200~300次，其中每个高斯分布代表1个潜在的类别或群体，是实现图像分割的关键。两步法本质上更传统，涉及两个步骤。根据每个单一生物标志物对体素进行分区，随后采用来自多个生物标志物的这些集群的组合来区分不同的栖息地。两步法兼顾计算效率与数据类型兼容性，可处理多模态MRI参数与临床预后指标等混合数据^[15]。

2 肿瘤栖息地成像在乳腺癌诊疗中的应用

2.1 肿瘤栖息地成像在预测乳腺癌激素受体状态和分子分型中的应用

       乳腺癌的分子分型基于雌激素受体（estrogen receptor, ER）、孕激素受体（progesterone receptor, PR）、Ki-67和人表皮生长因子受体2（human epidermal growth factor receptor-2, HER-2）的表达状态，分为Luminal A型、Luminal B型、HER-2阳性型和三阴性乳腺癌（triple negative breast cancer, TNBC）^[21]。不同分子亚型乳腺癌具有独特的肿瘤生物学行为，治疗前预测其分子亚型，能够为个性化治疗方案的制订提供依据^[22]。

       过去，根据免疫组织化学（immunohistochemistry, IHC）和原位杂交（in situ hybridization, ISH）技术，乳腺癌被分为HER-2阳性和HER-2阴性两种亚型，最新的分类系统则进一步将HER-2阴性乳腺癌细分为低表达型（IHC 1+或IHC 2+，但ISH未扩增）和零表达型（IHC 0）^{[23, 24]}。新型抗体药物如帕妥珠单抗在HER-2低表达型乳腺癌中疗效显著，为这类患者提供了精准靶向治疗的新选择^{[25, 26]}。因此，准确识别HER-2不同表达状态对于治疗方案的选择至关重要。李志恒等^[27]通过对86例浸润性乳腺癌患者的多模态MRI图像进行模糊均值聚类分析，识别出三个栖息地亚区：相对低血流灌注-高细胞增殖（栖息地1）、相对低血流灌注-低细胞增殖（栖息地2）和相对高血流灌注-低细胞增殖（栖息地3），结果表明，栖息地1亚区体积占比对HER-2阳性与阴性的鉴别效能最高，曲线下面积（area under the curve, AUC）为0.696，栖息地2亚区体积占比在区分HER-2低表达与零表达中具有较好的诊断效能（AUC=0.724），揭示了多参数MRI栖息地成像区分乳腺癌HER-2不同表达状态的潜力。CHEN等^[28]纳入614例浸润性乳腺癌患者，利用基于栖息地的MRI影像组学获取瘤内异质性（intratumor heterogeneity, ITH）特征并构建ITH特征模型，其在鉴别乳腺癌HER-2阳性、低表达和零表达中均取得优异性能，为筛选适合抗HER-2靶向治疗人群提供了决策支持。

       与其他亚型相比，TNBC恶性程度更高，具有强侵袭性及高复发性^[29]。XU等^[30]利用K-means聚类算法基于扩散和灌注特征划分肿瘤栖息地并计算各栖息地的占比和分形维数（fractal dimension, FD），结果表明，TNBC组“高血管细胞栖息地”比例更低、“高血管细胞FD”更高，二者联合区分TNBC和非TNBC的AUC值达0.951，准确率为91.9%，为患者分层和治疗策略定制提供潜在价值。ZHANG等^[31]基于分层ADC参数构建了466例乳腺癌患者的肿瘤栖息地模型，发现整合Radio Fusion Omics-Stratified ADC模型在鉴别TNBC与非TNBC方面具有较高的性能，其训练集和测试集的AUC分别为0.832和0.784，进一步验证了栖息地成像在TNBC鉴别中的潜力。

       综上所述，肿瘤栖息地成像通过量化乳腺癌的异质性特征，为无创预测分子分型提供了新方法，尤其在HER-2表达分层和TNBC鉴别中展现出显著潜力。但上述研究为回顾性单中心研究，未与组织学和免疫组化对比，且未排除难以进行感兴趣区（region of interest, ROI）勾画的非肿块型肿瘤，其准确度还有待验证。未来应开展多中心队列研究，并增加对Luminal A/B型乳腺癌的激素受体（ER/PR）状态预测及Ki-67增殖指数的关联分析，填补现有研究空白，验证栖息地成像特征的普适性。

2.2 肿瘤栖息地成像在预测淋巴血管侵犯与腋窝淋巴结转移状态中的应用

       淋巴血管侵犯（lymphovascular invasion, LVI）与腋窝淋巴结转移（axillary lymph nodes metastasis, ALNM）是乳腺癌患者预后的重要预测指标^{[32, 33]}。LVI意味着癌细胞侵入淋巴管或血管，增加了肿瘤细胞远处播散的风险，进而提高了局部复发和远处转移的可能性^{[34, 35]}；而ALNM代表肿瘤细胞已突破局部屏障并通过淋巴系统扩散，提示疾病进展至中晚期且5年相对生存率明显降低^[33]。因此，预测乳腺癌患者LVI与ALNM状态对制订个性化治疗方案及判断预后至关重要^[36]。GE等^[37]回顾性分析了241例炎性乳腺癌患者，通过K-means聚类分析瘤体体积加瘤周区域体积（gross primary tumor volume, GPTV），提取栖息地特征并计算GPTV_habitats指数，发现LVI阴性组的GPTV_habitats指数显著低于LVI阳性组（P<0.05），且GPTV_habitats指数与瘤周水肿、DWI边缘征整合构建的列线图模型能够有效预测LVI状态（训练集AUC=0.843，验证集AUC=0.849）。WU等^[38]通过融合临床病理、瘤内和瘤周影像组学及肿瘤栖息地特征，分别构建预测ALNM的临床模型、瘤内影像组学模型、不同范围瘤周影像组学模型、肿瘤栖息地模型和联合列线图模型，其中联合模型在训练集和测试集预测ALNM的AUC分别达0.977、0.873。

       综上所述，肿瘤栖息地成像在预测LVI与ALNM方面展现出良好的性能，有望为乳腺癌精准评估和诊疗方案制订提供有力的决策参考。但上述研究未探究栖息地特征与肿瘤异质性标志物关系，且ROI图像分割依赖手动操作，未来应构建自动化分割技术体系，如基于深度学习的全自动栖息地分割模型，攻克手动勾画效率与精度瓶颈。

2.3 肿瘤栖息地成像在预测治疗反应中的应用

       手术治疗、新辅助化疗（neoadjuvant chemotherapy, NAC）、内分泌治疗、靶向治疗、立体定向消融放疗（stereotactic ablation body radiotherapy, SABR）是乳腺癌综合治疗的重要组成部分^[39]。对于局部晚期乳腺癌患者，NAC已成为一线治疗方案^[40]。近年来，多项研究探讨了肿瘤栖息地特征对NAC疗效的预测价值^[41]。XU等^[42]基于多b值DWI的栖息地成像技术前瞻性纳入143例Ⅱ~Ⅲ期乳腺癌患者，评估全肿瘤影像组学模型、肿瘤栖息地特征模型、传统MRI特征模型以及联合模型对乳腺癌NAC后病理完全缓解（pathological complete response, pCR）的预测价值，结果表明联合模型对pCR的预测效能最高，训练集和测试集AUC分别为0.756和0.824，栖息地特征模型的诊断效能较联合模型差异无统计学意义（P=0.113），且发现肿瘤栖息地1（低MK和低ADC值区域）更易达到pCR，即高细胞增殖区域对化疗更敏感，相比全肿瘤影像组学模型，栖息地分析在预测pCR方面更具可解释性，能够帮助筛选适合NAC的患者或调整治疗方案。

       SABR是一种新辅助部分乳腺照射技术，是乳腺癌局部治疗的重要手段之一^[43]。通过分析肿瘤栖息地在MRI上的定量变化，可以预测早期乳腺癌患者对术前SABR的病理反应，有助于提前筛选可能从特定治疗中获益的患者。WEINFURTNER等^[44]回顾性分析了16例早期ER/PR阳性、HER-2阴性乳腺癌患者的定量MRI栖息地成像数据，发现SABR治疗后，H1-3栖息地的栖息地组成百分比（%HM）减少17%（P=0.006），且与肿瘤细胞百分比（%TC）呈显著负相关（r=-0.8932），这说明H1-3栖息地的减少可以有效预测%TC的降低，即肿瘤细胞残留少，治疗效果更好；此外，基于栖息地变化的H1-3%模型能够以94%的准确率区分病理部分缓解者和无缓解者，优于传统的MRI影像组学，从而助力临床治疗优化。

       综上，栖息地成像能更精准地量化肿瘤异质性，从而早期预测治疗的敏感或耐药区域，为辅助临床决策提供重要依据。但上述研究均为单中心，缺乏外部验证，栖息地分割依赖特定软件和手动调整，且均以短期病理反应为终点，缺乏无病生存期、总生存期等长期生存数据。未来需聚焦多中心验证与自动化分析流程，并结合长期随访数据，验证模型对异质性的预测能力，以提升研究结果的可靠性和普适性。

2.4 肿瘤栖息地成像在早期评估治疗反应中的应用

       多模态MRI栖息地成像可精准识别乳腺癌临床前模型中的ITH区域，并早期动态监测不同栖息地的治疗反应差异，为个体化疗效评估提供影像学依据^{[45, 46]}。SYED等^[47]构建了BT-474（HER-2阳性）和MDA-MB-231（三阴性）乳腺癌小鼠模型，分别接受曲妥珠单抗和白蛋白结合型紫杉醇治疗，治疗前、后均基于栖息地成像分割出高血管高细胞（high-vascularity high-cellularity, HV-HC）、低血管高细胞（low-vascularity high-cellularity, LV-HC）和低血管低细胞（low-vascularity low-cellularity, LV-LC）三种栖息地并经病理组织学证实；研究结果揭示了不同治疗方案下栖息地的动态演变规律：曲妥珠单抗靶向治疗显著提升了BT-474肿瘤的HV-HC比例（P=0.03）并减少LV-HC区域（P<0.01）；而MDA-MB-231肿瘤经低剂量白蛋白结合型紫杉醇治疗后LV-HC栖息地（P=0.01）明显减少；肿瘤上述微环境的动态变化均在治疗后3~4天即被监测到，远早于传统体积测量评估疗效所需的响应时间，凸显了栖息地成像在乳腺癌早期疗效评估中的独特价值。KAZEROUNI等^[48]采用MRI栖息地来识别HER-2乳腺癌临床前模型中不同肿瘤表型对治疗的反应，结果表明与空白对照组相比，高LV-HC和高LV-LC栖息地分数的表型（2型）用曲妥珠单抗或紫杉醇治疗后第4天肿瘤体积无显著变化，而高HV-HC栖息地分数的表型（1型）对曲妥珠单抗或紫杉醇治疗较敏感，肿瘤总体积纵向缩小（Day 4减少7.2%），HV-HC栖息地占比从40.4%降至13.4%；说明基线表型与早期治疗反应有关；同时，该研究还观察到HV-HC栖息地的肿瘤体积百分比与血管分布和巨噬细胞浸润的组织学测量之间存在显著相关性，而LV-HC栖息地与哌莫硝唑染色区域（缺氧区域）的面积百分比呈正相关，为体内成像栖息地提供了离体生物学验证。ZHANG等^[49]利用栖息地成像评估NAC对乳腺癌患者治疗的有效性，结果表明LV-HC栖息地的比例与乳腺癌患者的NAC疗效呈负相关（P<0.05），即LV-HC栖息地比例越低，新辅助治疗效果越好。

       综上，栖息地成像可基于肿瘤微环境变化有效评估治疗的早期反应，为个性化治疗提供了无创、精准的影像学工具。但上述研究缺乏组织学与成像数据的空间配准，其临床应用价值仍需进一步验证；且微环境受成像参数和分辨率限制，影响对肿瘤异质性的全面理解；因此，今后可通过改进空间配准技术、引入自动分割技术，利用深度学习算法等提升研究的准确性与可靠性。

2.5 肿瘤栖息地成像在预后评估中的应用

       ITH等栖息地特征与乳腺癌患者的预后紧密相连。ITH主要由灌注差异驱动，这种差异导致不同区域形成独特的微环境，每个微环境受特定的环境压力所影响，从而推动肿瘤细胞的差异性进化演变^[50]。因此，通过定量评估灌注异质性，可以间接反映ITH^{[51, 52]}。WU等^[53]分析了实验队列与验证队列，借助DCE-MRI将肿瘤划分为高、中、低三个灌注亚区，并利用基于栖息地成像的多区域空间相互作用矩阵（ultiregional spatial interaction, MSI）将患者分为高、低风险组，量化其ITH，结果显示，高风险组患者的低灌注亚区范围更大，提示广泛的缺氧微环境可能促进肿瘤的侵袭和转移；两队列的高风险组与低风险组的无复发生存期均存在显著差异（log-rank P=0.002），说明栖息地成像能够独立于传统临床病理因素对局部晚期乳腺癌患者的无复发生存期进行预测。CHO等^[52]基于DCE-MRI的灌注特征识别肿瘤栖息地，构建栖息地风险评分（habitat risk score, HRS），评估其对无病生存期（disease-free survival, DFS）的预测价值，结果表明，HRS在验证队列中是独立预测DFS的风险因素，HRS-only模型的风险比为3.274（95% CI：1.378~7.782，P=0.014），而结合临床因素的联合栖息地风险模型风险比达4.128（95% CI：1.744~9.769，P=0.003），表明量化ITH可作为评估乳腺癌预后的潜在方法。

       传统方法如全肿瘤纹理分析忽略了ITH，而栖息地成像通过解析亚区域的空间分布及其相互作用，直接捕捉肿瘤内的微环境差异（如缺氧、血管异常），进而提供独立于临床病理因素的预后信息。尽管如此，上述研究使用特定的DCE-MRI协议并非临床通用标准，且队列患者的辅助治疗信息部分缺失；因此，今后需要发展更为标准化的数据处理和归一化方法，从而减少不同成像参数带来的差异；此外，对于回顾性研究，尽力追溯患者的辅助治疗信息，补充数据缺失部分，增强研究结果的普遍性和可靠性。

3 小结与展望

       综上所述，乳腺癌栖息地成像技术在近年来取得了显著进展，已广泛用于激素受体状态、分子分型、淋巴血管侵犯、腋窝淋巴结转移的预测及疗效、预后的评估，同时仍面临诸多挑战。首先，目前大多数研究为单中心回顾性设计，样本量有限且可能存在选择偏倚，影响了结果的普适性。其次，成像技术和分析方法较为复杂，跨机构的标准化问题亟需解决，这对研究结果的可比性和重复性构成挑战。另外，部分研究仍处于探索阶段，需要更多的临床验证和长期随访。未来，相关研究应进一步优化成像技术和分析算法，加强多中心合作，开展大规模临床试验与多模态数据融合。除现有方向外，栖息地成像与人工智能（artificial intelligence, AI）的深度结合将成为关键突破点：利用AI自动化分割，实现肿瘤亚区（坏死核心/高增殖带）的精准快速勾画，消除人工差异；结合时序模型分析治疗中栖息地演化（如血管化边缘退缩），实现对肿瘤响应的动态预测；构建多模态治疗决策图谱，生成可解释性决策，以促进肿瘤栖息地成像在乳腺癌精准化、个性化治疗中的广泛应用。