引言淋巴血管侵犯（LVI）是乳腺癌一种具有侵袭性的病理表现，与远处转移风险增加及预后不良密切相关。本研究提出了一种新颖的建模策略，将MRI衍生的微血管图谱参数与TwinsSVT深度学习架构相结合，以实现乳腺癌患者LVI状态的无创预测，并探讨其生物学可解释性。材料与方法共纳入来自两家医疗中心的436例术后病理确诊的乳腺癌患者进行回顾性分析。所有患者在手术前均接受高分辨率多b值扩散加权成像（DWI）。从MRI数据中，在肿瘤区域重建了四种微血管模拟参数图：表观扩散系数（ADC）、平均流速（vₘ）、流速分散（vₛ）和血管造影分支指数（ANB），旨在表征肿瘤内微循环和血管结构复杂性。这些功能参数图分别输入TwinsSVT模型的独立编码器分支，以提取多尺度空间特征。然后采用多层变换器融合模块来捕捉跨模态的结构交互，从而构建多参数融合模型。通过曲线下面积（AUC）和F1分数等指标评估模型性能。结果与单参数模型相比，多参数融合模型显示了显著提高的预测性能，内部和外部验证队列的AUC分别为0.881（95% CI: 0.781-0.982）和0.859（95% CI: 0.764-0.953）。Grad-CAM可视化显示，模型主要关注于肿瘤边缘和高血管密度区域，表明模型的注意力与实际病理结构之间存在强相关性。结论基于MRI衍生微血管模拟图谱构建的深度学习模型能够无创地预测乳腺癌患者的LVI状态。通过有效捕捉结构信息并提供生物学可解释性，该模型有望成为精准分型和临床决策支持的强大影像工具。
Zhang 等（Sun，）研究了这个问题。