呂廣潔， 姜蕾

中國(guó)女性乳腺癌發(fā)病率的增長(zhǎng)速度是全球的兩倍，如按照目前發(fā)病率，預(yù)計(jì)至2021年中國(guó)將有250萬(wàn)乳腺癌患者[1]。近些年來(lái)新輔助化療(neoadjuvant chemotherapy，NACT)在乳腺癌的治療中逐漸被推廣應(yīng)用，已成為II、III期乳腺癌的標(biāo)準(zhǔn)治療模式。臨床實(shí)踐中迫切需要一種能無(wú)創(chuàng)、準(zhǔn)確評(píng)價(jià)化療后腫瘤情況的檢查方法，以滿足乳腺癌綜合治療的發(fā)展及術(shù)前手術(shù)方式選擇的需要。MRI不但能多方位評(píng)估NACT后殘留病灶的形態(tài)學(xué)特點(diǎn)，而且可提供腫瘤多方面的功能信息，在化療中這些功能信息的變化甚至早于形態(tài)學(xué)變化，多參數(shù)定量功能成像更是為評(píng)估療效提供了更多量化的信息，因而成為研究熱點(diǎn)。筆者對(duì)乳腺磁共振定量功能成像的主要進(jìn)展、存在的問題進(jìn)行概述，并對(duì)今后的研究方向進(jìn)行展望。

動(dòng)態(tài)對(duì)比增強(qiáng)磁共振成像

動(dòng)態(tài)對(duì)比增強(qiáng)磁共振成像(dynamic contrast enhanceed MRI，DCE-MRI)的半定量和定量藥代動(dòng)力學(xué)參數(shù)能夠反映組織微血管灌注、滲透性及血管外細(xì)胞外間隙等情況，化療藥物具有細(xì)胞毒性，能夠大量殺傷腫瘤細(xì)胞，引起血管通透性減低與灌注減少等變化，這是我們利用DCE-MRI 量化評(píng)估化療效果的病理學(xué)基礎(chǔ)。

1.DCE-MRI 半定量藥代動(dòng)力學(xué)參數(shù)

半定量方法應(yīng)用簡(jiǎn)便，可重復(fù)性好，利用時(shí)間-信號(hào)強(qiáng)度曲線(time-intensity curve，TIC)與相關(guān)參數(shù)可綜合反映組織微血管分布和血管通透性的變化，對(duì)化療藥物敏感的病灶NACT后會(huì)表現(xiàn)出曲線分型由Ⅲ型向Ⅱ型、Ⅰ型變化，Ⅱ型向Ⅰ型變化的趨勢(shì)，TIC曲線流出段斜率、增強(qiáng)峰值百分比等半定量參數(shù)下降[2]。Abramson等[3]研究發(fā)現(xiàn)可根據(jù)NACT一周期后腫瘤半定量藥代動(dòng)力學(xué)參數(shù)的變化預(yù)測(cè)化療結(jié)束后是否會(huì)達(dá)到病理完全緩解(pathologic complete response，pCR)。由于乳腺DCE-MRI數(shù)據(jù)信息的復(fù)雜性，Dietzel等[4]利用自動(dòng)分析軟件來(lái)幫助提高讀片的規(guī)范性與準(zhǔn)確性，證明自動(dòng)分析乳腺DCE-MRI的半定量參數(shù)能夠預(yù)測(cè)NACT后的組織反應(yīng)，且減少了不同觀察者之間的差異性。國(guó)內(nèi)學(xué)者張騏等[5]研究發(fā)現(xiàn)TIC類型、達(dá)峰時(shí)間、最大排泄速率及流出斜率不易受劑量影響，可使不同醫(yī)療中心的DCE-MRI數(shù)據(jù)具有一定的可比性，可作為監(jiān)測(cè)新輔助化療療效的優(yōu)選參數(shù)。由此可見，利用DCE-MRI半定量參數(shù)評(píng)價(jià) NACT 療效具有臨床價(jià)值。但是，半定量參數(shù)不結(jié)合藥代動(dòng)力學(xué)模型，不能準(zhǔn)確、量化地反映腫瘤的灌注特性。

2.DCE-MRI 藥代動(dòng)力學(xué)定量參數(shù)

定量分析引入了快速交換、兩室及三室等藥代動(dòng)力學(xué)模型，使獲得的相關(guān)參數(shù)更具針對(duì)性。兩室模型由于其相對(duì)簡(jiǎn)便及準(zhǔn)確的特點(diǎn)，是目前應(yīng)用最廣泛的模型，其定量藥代動(dòng)力學(xué)參數(shù)包括容量轉(zhuǎn)移常數(shù)(Ktrans)、流出速率常數(shù)(Kep)、血管外細(xì)胞外間隙容積分?jǐn)?shù)(Ve)等，這些參數(shù)量化評(píng)價(jià)腫瘤組織的血管內(nèi)皮通透性、血流動(dòng)力學(xué)及轉(zhuǎn)運(yùn)特點(diǎn)，理論上化療前后Ktrans、Kep降低，而Ve升高。目前國(guó)內(nèi)外均有相關(guān)研究[6-7]，盡管各實(shí)驗(yàn)采集圖像的時(shí)間點(diǎn)不同，但結(jié)果是基本一致的，提示DCE-MRI定量參數(shù)Ktrans、Kep能夠有效評(píng)估和預(yù)測(cè)NACT化療反應(yīng)，對(duì)于化療后腫瘤血管灌注及滲透性的變化是非常敏感的，并且優(yōu)于腫瘤體積變化及半定量DCE-MRI相關(guān)參數(shù)[8]。但是，關(guān)于Ve的診斷價(jià)值卻說法不一。Tudorica等[6]研究發(fā)現(xiàn)盡管Ve能夠在化療一周期后對(duì)治療反應(yīng)有良好的預(yù)測(cè)作用，卻不能很好的解釋其與腫瘤體積變化不明顯之間的關(guān)系；而李瑞敏[9]在研究中發(fā)現(xiàn)在各療程隨訪過程中，Ve變化差異均無(wú)統(tǒng)計(jì)學(xué)意義，穩(wěn)定性較差，推測(cè)是因?yàn)閷?shí)驗(yàn)選擇的動(dòng)脈輸入函數(shù)(aterial input function，AIF)模型及病變周圍水腫等影響了其準(zhǔn)確性[10]。

進(jìn)一步有學(xué)者研究了上述這些定量參數(shù)對(duì)預(yù)測(cè)不同分子分型乳腺癌化療反應(yīng)的價(jià)值。如Drisis等[11]研究發(fā)現(xiàn)Ktrans可以更好的預(yù)測(cè)三陰性乳腺癌的pCR，但沒有任何藥代動(dòng)力學(xué)參數(shù)可以預(yù)測(cè)ER+/HER2-乳腺癌的反應(yīng)；而Okamoto等[12]從何時(shí)對(duì)三陰性和HER2+乳腺癌行MRI檢查才能較好預(yù)測(cè)化療效果的角度出發(fā)進(jìn)行研究，發(fā)現(xiàn)在三陰性腫瘤NACT療程終點(diǎn)時(shí)和HER2+腫瘤完成曲妥珠單抗治療方案后行MRI檢查預(yù)測(cè)pCR較好。另外，最新研究[13]發(fā)現(xiàn)術(shù)前DCE-MRI上腫瘤和對(duì)側(cè)乳腺實(shí)質(zhì)背景的Ktrans和Ve對(duì)乳腺癌pCR均有較好的預(yù)測(cè)作用。

除了Ktrans、Kep和Ve之外，關(guān)于其他定量參數(shù)也有少量報(bào)道。如有研究[14-15]探索了來(lái)自快速交換模型的參數(shù)細(xì)胞內(nèi)水分子平均壽命(mean intracellular water molecule lifetime，τi)，該參數(shù)受細(xì)胞間水交換動(dòng)力學(xué)的影響，與細(xì)胞的ATP水平呈正相關(guān)。Tudorica等[6]發(fā)現(xiàn)治療前腫瘤細(xì)胞代謝活躍，τi值較小，化療一周期后τi升高是預(yù)測(cè)治療反應(yīng)的MRI最佳參數(shù)，曲線下面積達(dá)到0.826，未來(lái)τi有望成為量化治療引起的腫瘤能量代謝變化的獨(dú)特機(jī)會(huì)。

首過法灌注加權(quán)成像

首過法灌注加權(quán)成像(perfusion weighted imaging，PWI)利用順磁性對(duì)比劑進(jìn)入毛細(xì)血管床時(shí)引起的組織動(dòng)態(tài)信號(hào)變化來(lái)反映組織微循環(huán)的灌注情況。當(dāng)順磁性對(duì)比劑通過毛細(xì)血管網(wǎng)時(shí)，充滿對(duì)比劑的毛細(xì)血管與周圍組織之間的磁場(chǎng)磁化系數(shù)有差異，導(dǎo)致局部磁場(chǎng)不均勻，從而在對(duì)磁場(chǎng)不均勻性敏感性的序列上產(chǎn)生信號(hào)強(qiáng)度的變化。乳腺中最常用的是T2*-首過PWI，通過血容量、血流量、平均通過時(shí)間及時(shí)間-信號(hào)強(qiáng)度曲線首過斜率等指標(biāo)特異性地量化腫瘤組織中微血管的生成情況。楊衛(wèi)等[16]研究了與腫瘤浸潤(rùn)、轉(zhuǎn)移密切相關(guān)的微血管密度(microvessel density，MVD)與PWI參數(shù)之間的關(guān)系，結(jié)果提示灌注最大信號(hào)強(qiáng)度衰減率越大，MVD越高，PWI可準(zhǔn)確反映腫瘤組織血管化和血流灌注情況。與動(dòng)態(tài)增強(qiáng)T1WI相比，PWI與腫瘤微血管的灌注直接相關(guān)，可更加敏感地反映治療中腫瘤內(nèi)部血流動(dòng)力學(xué)的變化[17]，但利用其監(jiān)測(cè)進(jìn)展期乳腺癌的化療療效的研究并不多。張緒良等[18]發(fā)現(xiàn)經(jīng)一個(gè)療程的治療后，化療有效組與無(wú)效組患者腫瘤體積的變化并無(wú)統(tǒng)計(jì)學(xué)差異，而組間灌注最大信號(hào)衰減率的改變卻有顯著差異。PWI能否作為評(píng)價(jià)乳腺癌NACT療效的有效手段尚需大樣本的臨床研究。

擴(kuò)散加權(quán)成像

1.單指數(shù)模型擴(kuò)散加權(quán)成像

擴(kuò)散加權(quán)成像(diffusion weighted imaging,DWI)能夠顯示活體組織中水分子的擴(kuò)散運(yùn)動(dòng)，一定程度上提示有關(guān)腫瘤細(xì)胞膜的完整性以及細(xì)胞密度的信息，對(duì)于DCE-MRI鑒別困難的殘余病灶周圍的疤痕、壞死、纖維化或由NACT反應(yīng)引起的反應(yīng)性炎癥等，DWI可以更好地識(shí)別[19]。利用單指數(shù)模型獲得的表觀擴(kuò)散系數(shù)(apparent diffusion coefficients，ADC)表示組織中水分子擴(kuò)散的受限程度，惡性腫瘤的細(xì)胞密度通常較高，ADC值偏低，NACT后有反應(yīng)者的腫瘤細(xì)胞膜完整性被破壞，細(xì)胞密度降低，細(xì)胞外空間增加，ADC值會(huì)升高[20]。最新的一項(xiàng)納入了20項(xiàng)研究的Meta分析表明[21]，應(yīng)用DWI評(píng)估NACT療效的敏感度達(dá)到89% ，特異度達(dá)到了72%，ROC曲線下面積為0.91。為了更準(zhǔn)確的評(píng)估NACT療效，金觀橋等[22]利用ADC 直方圖，發(fā)現(xiàn)ADC最小值對(duì)局部晚期乳腺癌NACT療效預(yù)測(cè)的ROC曲線下面積最大、敏感度最高，說明最小ADC值能較好地反映腫瘤細(xì)胞密度較高區(qū)域，提供更多腫瘤預(yù)后的信息。而壞死區(qū)域的ADC值在NACT后升高不明顯，其原因可能是由于腫瘤壞死區(qū)域的氧含量不足，酸性更強(qiáng)，灌注不足，因此對(duì)NACT反應(yīng)不佳[23]。關(guān)于DWI評(píng)估時(shí)機(jī)的選擇，多數(shù)研究表明化療第2個(gè)周期后ADC值在pCR組和非pCR組之間存在統(tǒng)計(jì)學(xué)差異[24]，但對(duì)于化療1周期后，ADC值增長(zhǎng)率能否準(zhǔn)確預(yù)測(cè)pCR還存在爭(zhēng)議[25-26]。

目前關(guān)于DWI的最佳b值選擇及區(qū)分化療是否有效的ADC閾值都無(wú)統(tǒng)一標(biāo)準(zhǔn)，需要進(jìn)一步的探討和規(guī)范。再者，DWI空間分辨力低、對(duì)于小病灶不敏感是它的缺點(diǎn)，但隨著小視野DWI或高清DWI等技術(shù)的逐步應(yīng)用，DWI的應(yīng)用前景將更加廣闊。

2.非高斯模型DWI

傳統(tǒng)DWI采用單指數(shù)模型和高斯分布的假設(shè)，然而研究表明，腫瘤組織受復(fù)雜的病理結(jié)構(gòu)影響，DWI信號(hào)隨b值的衰減并不滿足單指數(shù)曲線，更為復(fù)雜的模型、非高斯模型可能提供更多、更直觀信息。非高斯模型包括擴(kuò)散峰度模型、雙指數(shù)模型、拉伸指數(shù)模型等。

擴(kuò)散峰度成像(diffusion kurtosis imaging，DKI):DKI技術(shù)需要使用多個(gè)b值(至少3個(gè))及至少15個(gè)非共線且非共面的擴(kuò)散梯度方向，以非高斯分布模型模擬生物體內(nèi)水分子的擴(kuò)散運(yùn)動(dòng)，來(lái)反映組織微觀結(jié)構(gòu)的變化。它以平均擴(kuò)散峰度(mean kurtosis，MK)來(lái)評(píng)價(jià)水分子擴(kuò)散位移分布偏離高斯函數(shù)的程度，以平均擴(kuò)散系數(shù)(mean diffusivity，MD)值代表非高斯分布矯正過的ADC值，能夠更真實(shí)地反映病變組織的性質(zhì)。最新研究[27]利用ADC、MD和MK值預(yù)測(cè)NACT療效的ROC下面積分別為0.732、0.866和0.683，提示DKI模型比單指數(shù)擴(kuò)散模型更適合作為NACT療效預(yù)測(cè)的成像技術(shù)。對(duì)于DKI模型而言，信噪比低、偽影重、參數(shù)測(cè)量的可重復(fù)性問題是目前迫切需要解決的關(guān)鍵。

體素內(nèi)不相干運(yùn)動(dòng)(diffusion-weighted introvoxel incoherent motion，IVIM):由Le Bihan等[28]提出的IVIM技術(shù)采用多b值DWI成像，雙指數(shù)模型后處理，獲取血流灌注有關(guān)的假擴(kuò)散系數(shù)(D*)、灌注分?jǐn)?shù)(f)及純擴(kuò)散系數(shù)(D)，量化在體組織的水分子擴(kuò)散和微循環(huán)灌注信息。Che等[29]研究顯示在化療前pCR組的f值明顯高于非pCR組，化療2周期后pCR組的D和f值的變化量均明顯高于非pCR組；在這些參數(shù)中，D預(yù)測(cè)療效的準(zhǔn)確性最高(AUC=0.924)。Kim等[30]利用直方圖分析了IVIM各個(gè)參數(shù)，發(fā)現(xiàn)NACT后，ADC和D的直方圖參數(shù)具有相似的AUC值，對(duì)預(yù)測(cè)病理反應(yīng)良好者有較好的準(zhǔn)確性，而D*或f的直方圖參數(shù)的準(zhǔn)確性差。耿小川等[31]比較了IVIM與單指數(shù)模型對(duì)乳腺癌NACT療效的評(píng)估效能，發(fā)現(xiàn)在NACT早期階段ADC值及D值的變化對(duì)療效評(píng)估的價(jià)值相當(dāng)；f值在第四療程末才顯著降低，可能由于f值減低是繼發(fā)于腫瘤局部MVD降低，血流灌注減少，而這種變化較細(xì)胞水分子擴(kuò)散運(yùn)動(dòng)變化發(fā)生得晚。由于不同研究的掃描時(shí)間、參數(shù)選擇以及測(cè)量方式不統(tǒng)一，導(dǎo)致各研究結(jié)果存在差別。

IVIM相關(guān)參數(shù)的測(cè)量受到b值的選擇、掃描序列設(shè)置、圖像分析模型選擇等因素的影響，如何調(diào)整這些相關(guān)因素來(lái)達(dá)到最合理、最準(zhǔn)確的臨床診斷效果尚需進(jìn)一步研究。

拉伸指數(shù)模型:Bennett等[32]引入的拉伸指數(shù)模型是在高b值時(shí)反映組織擴(kuò)散特性的方法，可以描述體素內(nèi)擴(kuò)散速率的不均勻性。其相關(guān)參數(shù)包括：擴(kuò)散分布系數(shù)(distributed diffusion coefficient，DDC)代表體素內(nèi)平均擴(kuò)散率，是按水分子的容積率加權(quán)的各個(gè)ADC連續(xù)分布部分的復(fù)合參數(shù)，它與組織細(xì)胞密度有相關(guān)性，組織細(xì)胞密度增加，DDC值降低；α值可反映體素內(nèi)異質(zhì)性，范圍為0～1，當(dāng)α趨近于0時(shí)，組織內(nèi)信號(hào)衰減近似于多指數(shù)信號(hào)衰減，提示體素內(nèi)擴(kuò)散異質(zhì)性高，當(dāng)α趨近1時(shí)，組織內(nèi)信號(hào)衰減近似于單指數(shù)擴(kuò)散加權(quán)信號(hào)衰減，提示體素內(nèi)指數(shù)衰減異質(zhì)性低。Bedair等[33]研究表明以治療前DDC閾值取1.141×10-3mm2/s時(shí)，鑒別pCR與非pCR的敏感度和特異度分別可達(dá)81%、72%；與ADC及D值比較，DDC的ROC曲線下面積更高，因此拉伸指數(shù)模型在輔助化療評(píng)估的作用優(yōu)于單、雙指數(shù)模型。

由于拉伸指數(shù)模型采用了單指數(shù)及雙指數(shù)DWI兩個(gè)擬合參數(shù)，較IVIM穩(wěn)定性更好[34]?？赡苁怯捎诟餮芯克x擇的b值及興趣區(qū)不同，造成所測(cè)參數(shù)差異較大，進(jìn)而影響了診斷的準(zhǔn)確性。但這項(xiàng)技術(shù)還在不斷地發(fā)展和完善，期待未來(lái)它能在乳腺研究方面有更多的應(yīng)用。

磁共振波譜

乳腺疾病的(magnetic resonance spectroscopy，MRS)研究多集中于1H-MRS研究。惡性腫瘤細(xì)胞代謝活躍，細(xì)胞內(nèi)的膽堿化合物(tCho)水平較高；NACT治療后，腫瘤細(xì)胞增殖受到抑制，1H-MRS 譜線tCho峰值的下降，tCho峰下面積可評(píng)價(jià)乳腺癌新輔助化療的最終療效，且其價(jià)值高于腫瘤最大徑[35]；此外，關(guān)于31P-MRSI 和13C-MRS也有少量研究。van der Kemp等[36]利用31P-MRS評(píng)估組織生物能量學(xué)以及膜磷脂的代謝，認(rèn)為31P MRS在7T場(chǎng)強(qiáng)下的敏感度足以檢測(cè)NACT期間細(xì)胞膜的代謝改變，可用于早期評(píng)價(jià)治療效果。由于健康細(xì)胞不能被延胡索酸鹽滲透，所以其代謝產(chǎn)物蘋果酸鹽已被認(rèn)為是細(xì)胞死亡及腫瘤治療反應(yīng)的一個(gè)標(biāo)志，Mignion等[37]以此為基礎(chǔ)在體外異種移植模型上利用13C-MRS來(lái)觀察索拉菲尼治療后腫瘤內(nèi)的代謝變化，發(fā)現(xiàn)延胡索酸鹽與蘋果酸鹽的比值在早期評(píng)估治療效果時(shí)較ADC更敏感?？傊?，MRS能夠?yàn)樵u(píng)估治療反應(yīng)提供多種物質(zhì)代謝信息。

但是，MRS空間分辨力低、掃描時(shí)間長(zhǎng)、易受運(yùn)動(dòng)偽影影響、對(duì)小病灶信噪比低、代謝物質(zhì)絕對(duì)定量困難。開發(fā)穩(wěn)定的定量方法、改進(jìn)線圈的靈敏性、開發(fā)乳腺多體素采集技術(shù)、應(yīng)用高場(chǎng)強(qiáng)的設(shè)備以及光譜算法的標(biāo)準(zhǔn)化后處理都是需要解決的問題。

紋理分析與人工智能協(xié)助定量分析

紋理分析是利用圖像處理技術(shù)從圖像中提取重要的表面灰度信息，并對(duì)紋理特征進(jìn)行分析的技術(shù)，可對(duì)圖像灰階分布特征、像素間關(guān)系和空間特征進(jìn)行定量和定性描述，反映圖像的內(nèi)在和外在特性。由于人為勾畫興趣區(qū)時(shí)定量參數(shù)值代表的是興趣區(qū)的平均值，不能很好地區(qū)分出腫瘤的不均質(zhì)性及不同區(qū)域?qū)煼磻?yīng)的差異性，為此諸多學(xué)者利用紋理分析技術(shù)來(lái)協(xié)助定量MRI參數(shù)的測(cè)定。林帆等[38]利用圖像紋理分析凸顯了腫瘤解剖學(xué)和生物學(xué)異質(zhì)性的精細(xì)改變，極大地放大了功能磁共振所提供的圖像信息。Wu等[39]利用腫瘤內(nèi)分割及紋理分析技術(shù)來(lái)分析DCE圖像，發(fā)現(xiàn)不均質(zhì)的腫瘤亞區(qū)如果具有對(duì)比劑快速流出特點(diǎn)，提示NACT后有可能達(dá)到pCR。Thibault等[14]從13個(gè)DCE-MRI定量與半定量參數(shù)圖中提取了1043個(gè)紋理特征用于早期預(yù)測(cè)NACT的有效性，發(fā)現(xiàn)三維灰度共現(xiàn)矩陣是評(píng)估和預(yù)測(cè)治療反應(yīng)的最有效方法。在此研究隊(duì)列中最佳特征圖譜能以100%的敏感度和100%的特異度預(yù)測(cè)pCR，這是之前的研究都未曾達(dá)到的效果。

紋理分析的分類方法包括統(tǒng)計(jì)法、頻譜法、模型法和結(jié)構(gòu)法，各個(gè)研究機(jī)構(gòu)采取的圖像分類方法及紋理特征提取方法不同，獲得的參數(shù)很多，盡管多數(shù)研究[40]表明能量和熵穩(wěn)定性有助于預(yù)測(cè)NACT療效，但目前尚無(wú)普遍認(rèn)可的可靠參數(shù)，這一領(lǐng)域還有待進(jìn)一步的探索與規(guī)范。

人工智能在醫(yī)療領(lǐng)域的應(yīng)用經(jīng)歷了計(jì)算機(jī)輔助診斷到機(jī)器深度學(xué)習(xí)的發(fā)展。計(jì)算機(jī)輔助診斷通過影像學(xué)、醫(yī)學(xué)圖像處理技術(shù)以及其他手段，對(duì)病變的特征進(jìn)行量化分析處理并做出判斷，輔助影像科醫(yī)師發(fā)現(xiàn)并分析病灶，避免因臨床醫(yī)師經(jīng)驗(yàn)及知識(shí)水平等主觀因素的局限性帶來(lái)的失誤，從而提高診斷的準(zhǔn)確率和效率。B?ttcher等[41]認(rèn)為在MRI評(píng)估浸潤(rùn)性乳腺癌對(duì)NACT反應(yīng)時(shí)，全自動(dòng)的CAD系統(tǒng)可以提供有用的額外信息，具有高特異度(100%)，但由于敏感度較低(52.4%)，尚不能取代視覺成像評(píng)估。而深度學(xué)習(xí)方法允許機(jī)器使用原始輸入圖像提取高級(jí)信息，利用數(shù)個(gè)非線性模塊放大重要功能來(lái)進(jìn)行圖像的識(shí)別與分類。Ha等[42]利用化療開始前獲得的乳腺M(fèi)RI數(shù)據(jù)集對(duì)現(xiàn)有的深度卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network，CNN)架構(gòu)進(jìn)行訓(xùn)練，發(fā)現(xiàn)利用CNN架構(gòu)預(yù)測(cè)NACT后腋窩的病理完全緩解是可行的，符合率達(dá)到83% ，ROC曲線下面積達(dá)0.93。而利用CNN架構(gòu)預(yù)測(cè)乳腺癌病灶NACT療效的研究也在進(jìn)行中，相信不久的將來(lái)我們能夠看到成果。

人工智能在醫(yī)學(xué)領(lǐng)域正在蓬勃發(fā)展，但其綜合判斷能力欠缺，且涉及技術(shù)、哲學(xué)、倫理甚至法律的問題尚未解決，距離其全面融入臨床醫(yī)師日常工作及普遍應(yīng)用尚任重道遠(yuǎn)。